Econometria preguntas PDF

Preview

Summary

1) ¿Qué entiende usted por econometría? Defina brevemente qué entiende por econometría R: Es un análisis cuantitativo de datos económicos que aplica el método estadístico para entender las relaciones sociales y económicas junto a los datos empíricos, el análisis se basa en la información que se extr...

Description

1) ¿Qué entiende usted por econometría? Defina brevemente qué entiende por econometría R: Es un análisis cuantitativo de datos económicos que aplica el método estadístico para entender las relaciones sociales y económicas junto a los datos empíricos, el análisis se basa en la información que se extraen desde bases de datos determinadas, la econometría también sirve para ver la relación que existe entre variables independientes y como un cambio de estas afecta a las variables dependientes manteniendo factores constantes 2) Refiérase a los factores no observables y su importancia en la regresión R: Son variables para las cuales no podemos obtener observaciones. Son variables aleatorias con propiedades probabilísticas bien definidas, que se denominan “perturbaciones aleatorias” y recogen aquello que no es posible especificar explícitamente dentro de las variables explicativas del modelo. Esto sucede porque no puede ser medible por ignorancia o por omisión sistemática

3) ¿Qué ventaja ofrece la regresión múltiple respecto a la simple? R: Que la regresión múltiple trata de ajustar modelos lineales entre una variable dependiente y más de unas variables independientes tomando en cuenta mas detalles como por ejemplo las magnitudes que tiene x sobre y, perturbaciones aleatorias, errores del modelo. 4) ¿Cuáles son los pasos a seguir en un análisis económico empírico? R: Los pasos del análisis económico empírico son: Análisis Empírico(hipótesis), Modelo Económico y Modelo Econométrico.

5) ¿Cómo se relaciona el concepto ceteris paribus con la idea de causalidad? R: Su relación con ceteris paribus más que nada es que en ceteris paribus se analiza una variable manteniendo las demás constantes 6) ¿Cuál es la diferencia entre la función de regresión poblacional y muestral? R: Principalmente la Función de regresión poblacional (FRP) es fija, desconocida y se toma a partir de datos al azar, mientras que la Función de regresión muestral (FRM) se toma a partir de un conjunto de datos dados y conocidos

7) Nombre cada uno de los términos que componen el modelo de regresión simple R: Y=Variable Dependiente X=Variable Independiente B1=Pendiente B0: Intercepto U=Termino “Error” 8) Describa como se derivan los parámetros de pendiente B1 R:

9) En qué se diferencia la derivación de B1 usando Mínimos Cuadrados Ordinarios (MCO) con el Método de Momentos (MM) R: Se diferencia en que en el Método de Momentos (MM) se hace a partir de la varianza y la covarianza y en Mínimos Cuadrados Ordinarios se hace a partir de parámetros estimados 10) Describa como se derivan los parámetros de pendiente B1 Gorro R: B1 se puede derivar por 2 métodos: Mínimos cuadrados ordinarios o por el método de momentos: MCD: Busca minimizar a través de un problema de optimización las desviaciones (distancias al cuadrado) de los datos muestrales a la tendencia a estimar. Es considerado el mejor estimador lineal insesgado MM: Este método encuentra una relación que se resume en la expresión B1(gorro)= (Cov(gorro)(x,y))/(Var(gorro)(x)) En base a esto surgen 2 supuestos o requerimientos: 1)La Var>0 (necesariamente por su calculo al cuadrado) 2)Debe existir una variación obligatoria en la variable de control x, con el fin de cumplir el supuesto 1

11) ¿Por qué la suma de las desviaciones es siempre cero? R: Por las propiedades de las sumatorias ¿Qué implicancias se pueden obtener de esto? R: Un valor igual a cero indica que el valor coincide con la media, mientras que un valor elevado con respecto a las demás desviaciones informa de que el dato está alejado de los demás datos.

12) ¿Qué es el sesgo de variable omitida? R: Una variable omitida en el modelo que puede tener una relación con la variable dependiente y una o más de las variables independientes 13) ¿Qué utilidad tiene la interpretación de descuento (partialling out) de los efectos parciales en la regresión múltiple? R: La interpretación de descuento partialling out en la Regresión lineal múltiple refleja el sesgo de la variable omitida, el partialling out es una forma mas demostrativa de como obtener los efectos parciales de cada variable en una regresión lineal múltiple

14) Demuestre que el estimador del parámetro de pendiente B1 es insesgado R:

15) Defina el R-Cuadrado y sus componentes R: R2 es el cociente de la variación explicada entre la variación total; por tanto, se interpreta como la proporción de la variación muestral de Y que es explicada por X, y su valor siempre esta entre 0 y 1 ¿Por qué no es recomendable confiar únicamente en el para verificar que tan bueno es un modelo? R: No es recomendable confiar únicamente en el debido a que no demuestra toda la información econométrica del modelo, sino que solo datos específicos, también no refleja que aumenta al agregar variables irrelevantes

¿Al menos una aplicación estadística donde se use? R: Se puede usar para cuantificar sesgos de variable omitida, pruebas de exclusión, etc. 16) Si una variable independiente esta al cuadrado ¿Cómo calcularía su efecto marginal? Que pasa si el coeficiente de pendiente es la variable cuadrática es positivo negativo o cero R: El efecto marginal lo calcularía derivando en cuanto a la variable, si el coef. de pendiente es:

1)>0, efecto marginal positivo decreciente 2)=0, efecto marginal = 0 3)...