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: 52.5 de 70

AnteriorSiguiente
Información sobre el último intento:
Tiempo: 48 minutos

Calificación
52.5 de 70
actual:

se mantuvo la
52.5 de 70
calificación:
2 intentos hasta ahora
Ver intentos previos