Regresion Lineal 1

15 Preguntas | Total Attempts: 126

SettingsSettingsSettings
Please wait...
Regresion Lineal 1

Este Quiz tiene un valor de 10 puntos


Questions and Answers
  • 1. 
    ¿A cuál(es) de las siguientes variables se le realiza el test para detectar la heterocedasticidad?
    • A. 

      A las variables explicativas

    • B. 

      A la variable dependiente

    • C. 

      A los residuos del modelo

  • 2. 
    ¿Para qué es importante suponer que el error del modelo de regresión sigue una distribución normal?
    • A. 

      Para que los estimadores sean MELI

    • B. 

      Para que los estimadores sean insesgados

    • C. 

      Para realizar inferencia estadística con los test t y F

  • 3. 
    Un R2 alto en una regresión de X1 con respecto a X2 y X3, donde todas las X’s son variables explicativas de una regresión, es un indicio de que existe un problema de:
    • A. 

      Autocorrelación

    • B. 

      Multicolinealidad

    • C. 

      Heterocedastidad

    • D. 

      No normalidad de los errores

  • 4. 
    Si el coeficiente de correlación entre X1 y X2 es cero, entonces las dos variables son independientes.
    • A. 

      Si

    • B. 

      No

    • C. 

      No necesariamente

  • 5. 
    El problema de la heterocedasticidad es que los estimadores siguen siendo insesgados pero no tienen varianza mínima
    • A. 

      Verdadero

    • B. 

      Falso

  • 6. 
    Al comparar entre dos modelos con la misma variable dependiente, pero uno de los modelos tiene mas variables explicativas que el otro, el R2 seria una buena herramienta de elección entre los modelos.
    • A. 

      Verdadero

    • B. 

      Falso

  • 7. 
    El número de observaciones debe ser mayor que el número de variables explicativas en un modelo de regresión lineal.
    • A. 

      Verdadero

    • B. 

      Falso

  • 8. 
    Al momento de realizar un test de estabilidad de parámetros (test de chow), si los parámetros del modelo son constantes a través de tiempo entonces concluiríamos que existe quiebre estructural en nuestro modelo.
    • A. 

      Verdadero

    • B. 

      Falso

  • 9. 
    Cuando  existe una relación lineal fuerte entre variables explicativas estamos ante la presencia de multicolinealidad.
    • A. 

      Verdadero

    • B. 

      Falso

  • 10. 
    El sesgo de especificación provoca estimaciones sesgadas de la variable dependiente.
    • A. 

      Verdadero

    • B. 

      Falso

  • 11. 
    Los residuos de una regresión (Yi = β0 + β1Xi + ɛi ) muestran el siguiente comportamiento: El test de White aplicado a los residuos arrojó el siguiente resultado: N*R2 = 3.603698; P-Value = 0.730126 Al 5% de significancia, su conclusión sería:  
    • A. 

      Existe homocedasticidad en los errores del modelo

    • B. 

      Existe heterocedasticidad en los errores del modelo

  • 12. 
    Dentro de una regresión múltiple entre la variable dependiente Y versus las variables explicativas X's, hay una relación positiva entre el error estandar del beta que acompaña a Xj y el coeficiente de determinación de una regresión entre Xj como variable dependiente versus el resto de X's como independientes.
    • A. 

      Verdadero

    • B. 

      Falso

  • 13. 
    La función de regresión muestral me permite estimar una media condicional, E(Y l X=x)
    • A. 

      Verdadero

    • B. 

      Falso

  • 14. 
    El coeficiente de correlación entre X y Y, mide el porcentaje de las variaciones de Y que es explicado por las variaciones de la expresión b1+b2X.
    • A. 

      Verdadero

    • B. 

      Falso

  • 15. 
    Mientras menor es la varianza de los residuos, menor es el error estándar de los betas estimados.
    • A. 

      Verdadero

    • B. 

      Falso