Contador gratisPreguntas Cortas

1. Las perturbaciones son esféricas
2. Las perturbaciones no son esféricas
3. Los residuos son esféricos
4. Todo es falso
El estimador MCO de β es:
1. Sesgado
2. Es lineal, insesgado, y de mínima varianza dentro de esa clase
3. Es lineal e insesgado, pero no es el de mínima varianza dentro de esa clase
4. Todo falso
1. Las perturbaciones son homocedásticas e incorreladas
2. El estimador eficiente de los coeficientes del modelo no se puede obtener
3. Las perturbaciones son observables
4. Todo falso
El estimador eficiente de β es:
1. MCO
2. MCG
3. MCGF
4. Todo falso
El estimador MCG de β es:
1. Sesgado
2. Es lineal, insesgado, y de mínima varianza dentro de esa clase
3. Es lineal e insesgado, pero no es el de mínima varianza dentro de esa clase
4. Todo falso
1. Sesgado
2. Insesgado
3. Consistente
4. Todo falso
1. Apropiado para contrastar significatividad individual
2. Apropiado para contrastar significatividad conjunta
3. Consistente
4. Todo falso
Ahora cambiamos de modelo, y tenemos el siguiente modelo nuevo:

El estimador MCO de β es:
1. Eficiente
2. No lineal
3. Lineal e insesgado pero no es el de mínima varianza entre los lineales e insesgados
4. Todo falso
1. El estimador eficiente de β es MCO
2. El estimador eficiente de β se puede calcular
3. El estimador eficiente asintóticamente de β es MCGF
4. Todo falso
1. El estimador MCG de β es sesgado
2. El estimador MCGF de β es lineal, insesgado y de mínima varianza entre los lineales e insesgados
3. El estimador MCG de β es lineal, insesgado pero no es el de mínima varianza entre los lineales e insesgados
4. Todo falso
1. El estimador MCGF de β es lineal y sesgado
2. El estimador MCGF de β es lineal e insesgado
3. El estimador MCGF de β es no lineal, sesgado, pero consistente
4. Todo falso
De nuevo cambiamos de modelo, y nos encontramos con el siguiente:
1. El estimador MCO de β permite hacer inferencia válida en muestras finitas
2. El estimador MCG de β permite hacer inferencia válida en muestras finitas
3. El estimador MCGF de β permite hacer inferencia válida en muestras finitas
4. Todo falso
Del mismo modo, a partir del siguiente modelo:

La varianza de la perturbación es:
1. Conocida y constante para todas las observaciones t= 1,...,T
2. Es desconocida y constante para todas las observaciones t= 1,...,T
3. Es desconocida y varía en el tiempo
4. Todo falso
Para obtener el modelo transformado multiplico todas las variables del modelo original por:
1. El inverso de t
2. La raíz del inverso de t
3. t
4. Todo falso
La varianza de la perturbación del modelo transformado es:
1. t
2. 1
3. Desconocida
4. Todo falso

Contador gratis

Preguntas Cortas

Heterocedasticidad