1. La aplicación del test de Chow de cambio estructural:
a) Sólo es aplicable a datos de serie temporal.
b) Requiere conocer el punto de ruptura para su aplicación.
c) Para su aplicación la única condición válida es basta que el número de observaciones sea igual o mayor que el de parámetros del modelo.
2. Cuando en un modelo se omiten variables relevantes:
a) El sesgo del estimador de mínimos cuadrados ordinarios del vector de parámetros desaparece al aumentar el tamaño de la muestra.
b) Las varianzas de los parámetros estructurales obtenidas por MCO son infravaloradas.
c) Pueden realizarse contrastes sobre los valores de los parámetros individuales si la muestra tomada es suficientemente grande.
3. Cuando en un modelo se incluyen variables irrelevantes:
a) El estimador de mínimos cuadrado ordinarios del vector de parámetros es sesgado.
b) Los contrastes de hipótesis habituales siguen siendo válidos.
c) La varianza residual se convierte en un estimador sesgado.
4. Señálese la respuesta correcta.
a) Los contrastes sucesivos para la eliminación de variables en el método de selección paso a paso de variables lleva a los mismos resultados que el contraste de la inclusión conjunta de las variables eliminadas.
b) El test RESET de Ramsey permite localizar las variables irrelevantes incluidas en un modelo.
c) El Test RESET permite detectar modelos con problemas de especificación pero no aporta información sobre el error de especificación cometido.
5. Cuando la hipótesis de normalidad de los errores no se satisface en el modelo lineal general, siendo válidas las restantes hipótesis:
a) El estimador MCO deja de ser insesgado y de mínima varianza entre los estimadores lineales e insesgados.
b) El test F sigue siendo válido para contrastar la significación global del modelo.
c) Para muestras grandes el test t sigue siendo válido para contrastes de hipótesis sobre los parámetros individuales.
6. La presencia de heteroscedasticidad en los errores de un modelo lineal puede ser detectada por:
a) La representación gráfica de los residuos MCO frente a sus valores retardados.
b) El contraste de White.
c) El contraste de Jarque-Bera.
7. Entre las consecuencias de la heteroscedasticidad sobre el estimador MCO podemos citar:
a) El test t es válido para los contrastes de hipótesis sobre los parámetros individuales solamente para tamaños de muestra grandes.
b) Se mantienen las propiedades de insesgadez y consistencia pero no de la normalidad asintótica del estimador MCO.
c) Los intervalos de confianza de los parámetros individuales tienden a hacerse especialmente grandes.
8. La autocorrelación en las perturbaciones aleatorias o errores del modelo lineal:
a) Puede deberse a una especificación errónea del modelo.
b) Puede evitarse ponderando cada variable explicativa por su error estándar.
c) Puede detectarse representando los residuos de la estimación MCO frente a cada una de las variables explicativas.
9. En presencia de multicolinealidad:
a) Los efectos individuales de las diferentes variables no se ven afectados, siendo el modelo válido para el análisis estructural.
b) El contraste de la significación global del modelo deja de ser válido.
c) Los intervalos de confianza de los parámetros estructurales individuales tienden a hacerse anormalmente amplios.
10. En relación con el estimador de variables instrumentales:
a) Su uso no es aconsejable por no poderse interpretar el significado económico de los coeficientes obtenidos.
b) Se puede obtener reemplazando los valores originales de las variables por la estimación de las mismas por MCO frente a las variables instrumentales.
c) En presencia de variables exógenas de naturaleza estocástica correlacionadas contemporáneamente con los errores, el estimador de MCO es insesgado y consistente.
11. Si en un modelo hay un cambio estructural no detectado:
a) El estimador MCO de los parámetros estructurales será sesgado pero consistente.
b) Las estimaciones de las varianzas son sesgadas.
c) Los contrastes estadísticos son fiables.
12. Entre los principios básicos para el usuario de la Econometría, deben incluirse:
a) Los modelos econométricos sólo deben estar sustentados en el análisis de los datos.
b) Un modelo simple no puede dar respuestas tan adecuadas a las cuestiones planteadas como uno complejo.
c) Si se parte de datos erróneos los resultados obtenidos no serán válidos. Debe ponerse especial cuidado en la calidad de los datos utilizados.
Soluciones: 1b, 2b, 3b, 4c, 5c, 6b, 7c, 8a, 9c, 10b, 11b, 12c