Para el análisis econométrico NO hace falta apoyarse en:
La formulación matemática
¡Correcto! Las opiniones políticas
La teoría económica
El manejo estadístico
Pregunta 2 0 / 3.5 ptos. El coeficiente R2 del modelo hace se conoce como:
Raíz del modelo
Respondido Coeficiente de correlación
Varianza del error
Respuesta correcta Medida de bondad de ajuste
Pregunta 3 3.5 / 3.5 ptos.
En un modelo de regresión lineal se pretende explicar el precio de un apartamento usado en función de los metros cuadrados, número de habitaciones y número de garajes, la ecuación estimada es la siguiente:
La variable metros cuadrados es:
No es estadísticamente significativa, lo que sugiere que los metros cuadrados no explican el precio promedio de un apartamento
¡Correcto! Es estadísticamente significativa, lo que sugiere que los metros cuadrados explican el precio promedio de un apartamento
Es estadísticamente significativa, lo que sugiere que los metros cuadrados explican el número de garajes del apartamento
No es estadísticamente significativa, lo que sugiere que los metros cuadrados no explican el número de garajes del apartamento
Pregunta 4 3.5 / 3.5 ptos. El elemento de estadística descriptiva que permite ver si una distribución está agrupada a izquierda o derecha es:
La desviación estandar
La curtosis
El promedio
¡Correcto!
El coeficiente de asimetría
Pregunta 5 3.5 / 3.5 ptos. El método de estimación de la regresión lineal se cononce también como
¡Correcto! Mínimos cuadrados ordinarios
Ecuaciones estructurales
Estimación iterativa
Máxima verosimilitud
Pregunta 6 3.5 / 3.5 ptos. Si el p-valor de la prueba F conjunta en una regresión es mayor que el valor alpha que se ha establecido para evaluar el modelo, significa que:
Se rechaza la hipótesis nula en cuestión, por lo tanto se indica que ningún parámetro resulta siginificativo Se rechaza la hipótesis nula en cuestión, por lo tanto se indica que al menos algún parámetro resulta siginificativo
¡Correcto! Se acepta la hipótesis nula en cuestión, por lo tanto se indica que al menos algún parámetro resulta siginificativo
Se acepta la hipótesis nula en cuestión, por lo tanto se indica que ningún parámetro resulta siginificativo
Pregunta 7 3.5 / 3.5 ptos. El valor del R Cuadrado siempre está entre cero y uno; en el caso que el ajuste sea perfecto y todos los puntos de los datos se encuentren sobre una misma línea, los MCO proporcionaran un ajuste perfecto lo que indica que si el R Cuadrado es 1, en caso que el R Cuadrado sea 0 sugiere un ajuste débil de la línea estimada por MCO
False
¡Correcto! True
Pregunta 8 3.5 / 3.5 ptos. La SRC es la suma de la diferencia de los cuadrados entre:
El "Y observado" y "Y promedio"
¡Correcto! El "Y observado" y "Y estimado"
El "Y estimado" y "Y promedio"
El "X observado" y "Y estimado"
Pregunta 9 3.5 / 3.5 ptos. En el siguiente modelo con interacción el coeficiente B1 considera un efecto de interacción entre metros cuadrados del inmueble y el número de habitaciones, en
caso de que este coeficiente sea negativo, B3<0 implicaría que en apartamentos más grandes, una habitación adicional produce un efecto menor en el precio.
False
¡Correcto! True
Pregunta 10 3.5 / 3.5 ptos. Si el R cuadrado del modelo no restringido es de 0.786 y la R cuadrado del modelo restringido es de 0.567 el número de variables que se restringen son q igual a 3, en total se tiene una muestra de 620 datos y el número de variables que tiene el modelo son 5. En este caso el estadístico F para probar la exclusión de un grupo de variables es igual a:
109
309
409
¡Correcto! 209
Pregunta 11 3.5 / 3.5 ptos. En un modelo y = β0+ β1x+u al elemento "u" se le conoce como
Intercepto
Variable explicada
Variable explicativa
¡Correcto! Error
Pregunta 12 0 / 3.5 ptos. Un elemento que no es determinante a la hora de analizar la varianza de los estimadores MCO es
Respondido La variación muestral total
La varianza del error
Respuesta correcta
La varianza del Y estimado
La relaciones lineales entre variable independientes
Pregunta 13 3.5 / 3.5 ptos. Al modificar la variable dependiente, en forma logaritmica, se obtiene la siguiente ecuación Ln(salario)= 15.30+0.004248*Experiencia
Al respecto, el coeficiente que acompaña a la variable de experiencia tiene la siguiente interpretación: por cada año adicional de experiencia, se espera que en promedio el salario aumente en un 0.004248%.
True
¡Correcto! False Por propiedades de la función logaritmo natural, al tener en la variable dependiente esta función, el parámetro B1 se multiplica por 100 para obtener el cambio porcentual del salario por un año adicional de experiencia. Es decir que por cada año adicional de experiencia, se espera que en promedio el salario aumente en un 0.42%. Las relaciones lineales no son lo suficientemente general para todas las aplicaciones económicas. Es posible incorporar varias funciones no linealidades en el análisis de regresión simple mediante una definición apropiada de las variables dependiente e independiente. A menudo se encuentran ecuaciones de regresión en las que la variable dependiente aparece en forma logarítmica.
Pregunta 14 3.5 / 3.5 ptos. El R2 se puede calcular así:
SRC/STC
1 - (STC/SEC)
STC/SEC
¡Correcto! SEC/STC
Pregunta 15 3.5 / 3.5 ptos. El p valor mide la fortaleza o debilidad empírica contra la hipótesis nula, lo cual significa que valores muy pequeños de p valor sugieren evidencia en contra de la hipótesis nula mientras que un p valor muy grande indica evidencia muy débil en contra de la hipótesis nula
False
¡Correcto! True
Pregunta 16 3.5 / 3.5 ptos. Un censo es un buen ejemplo de datos tipo
Series de tiempo
Panel de datos
¡Correcto! Datos de corte transversal
Datos combinados
Pregunta 17 3.5 / 3.5 ptos.
False
¡Correcto! True
Pregunta 18 0 / 3.5 ptos. En el siguiente modelo, donde los errores estándar aparecen entre paréntesis por debajo de los coeficientes estimados, se tiene como objetivo validar estadísticamente si el tiempo que dura una encomienda es estadísticamente significativo
De acuerdo con lo anterior, el tiempo que dura dicha encomienda controlando la ubicación del local donde se coloca el envio es:
Respuesta correcta la variable tiempo es estadísticamente significativa, es decir ejerce un efecto explicativo sobre el costo de envio de una encomienda la variable tiempo no es estadísticamente significativa, es decir no ejerce un efecto explicativo sobre el costo de envio de una encomienda. la variable tiempo no es estadísticamente significativa, es decir no ejerce un efecto explicativo sobre el costo de envio de una encomienda
Respondido la variable tiempo es estadísticamente significativa, es decir ejerce un efecto explicativo sobre el costo de envio de una encomienda
Pregunta 19 0 / 3.5 ptos. En un modelo de regresión lineal se pretende explicar el precio de un apartamento usado en función de los metros cuadrados, número de habitaciones y número de garajes, la ecuación estimada es la siguiente:
Se desea calcular el precio promedio de un apartamento con 64 mts cuadrados y dos garajes, de acuerdo al modelo de regresión este precio promedio es:
243.871.067
Respuesta correcta 201.339.014
Respondido 199.678.987
223.339.014
Pregunta 20 0 / 3.5 ptos. A la hora de realizar validación de hipótesis resulta más conveniente trabajar con el valor-p que con el valor crítico ya que:
Respondido El valor crítico puede tener valores positivos o negativos
Respuesta correcta No se depende de un único nivel de significancia para el análisis
El valor-p es más exacto, ya que es una probabilidad
El rango de un valor critico está entre 0 y 1
Calificación de la evaluación: AnteriorSiguiente
Información sobre el último intento:
52.5 de 70
Tiempo:
48 minutos
Calificación actual:
52.5 de 70
se mantuvo la calificación:
52.5 de 70
2 intentos hasta ahora Ver intentos previos