Colección de Exámenes de Econometría

COLECCIÓ N
DE
EXÁMENES
ECONOMETRÍA
Unión de Estudiantes de Ciencias Económicas | AECUC3M

UNIVERSIDAD CARLOS III DE MADRID
ECONOMETRÍA I
Curso 2004/05
EXAMEN FINAL (Convocatoria ordinaria)
7 de Febrero de 2005
TIEMPO: 2 HORAS 30 MINUTOS
Instrucciones:
• ANTES DE EMPEZAR A RESPONDER EL EXAMEN:
— Rellene sus datos personales en el impreso de lectura óptica, que será

el único documento válido de respuesta. Recuerde que tiene que completar
sus datos identificativos (Nombre y apellidos y DNI) tanto en letra como
en las casillas correspondientes de lectura óptica.
(Siga las instrucciones de la hoja adjunta).
— Rellene, tanto en letra como en las correspondientes casillas de lectura
óptica, el código de la asignatura y su grupo, de acuerdo con la siguiente
tabla:
TITULACION GRUPOS CODIGO DE

ASIGNATURA
Economía 61 62 63 64 65∗ 10188
ADE 71 72 73 74 75∗ 10188
ADE (Colmenarejo) 71 10188
Sim. Eco-Dcho. 69 42020
Sim. ADE-Dcho. 77 78 43020
Sim. ADE-Dcho (Colmenarejo) 17 43020
∗
Grupos bilingües
• Compruebe que este cuadernillo tiene 5 problemas y que el cuestionario de

preguntas tiene 40 preguntas numeradas correlativamente.
• Compruebe que el número de tipo de examen que aparece en el cues-
tionario de preguntas coincide con el señalado en el impreso de lectura
óptica.
• Lea las preguntas detenidamente.
Cuando una pregunta se refiera a uno de los problemas enunciados
en el cuadernillo adjunto, el encabezado de la pregunta incluirá entre
paréntesis el número de problema al que se refiere.
Se recomienda leer atentamente el enunciado de cada problema antes de con-
testar las preguntas relacionadas.
• Para la fila correspondiente al número de cada una de las preguntas, rellene la
casilla correspondiente a la respuesta escogida en el impreso de lectura óptica
(A, B, C ó D).
• Cada pregunta tiene una única respuesta correcta.
Cualquier pregunta en la que se seleccione más de una opción será considerada
nula y su puntuación será cero.
• Todas las preguntas respondidas correctamente tienen idéntica puntuación. Las
respuestas incorrectas tendrán una puntuación de cero. Para aprobar el examen
hay que responder correctamente un mínimo de 24 preguntas.
• Si lo desea, puede utilizar la plantilla de respuestas que aparece a continuación
como borrador, si bien dicha plantilla carece por completo de validez oficial.
• Puede utilizar el reverso de las hojas como borrador (no se facilitará más papel).
• Al final de este documento, se adjuntan tablas estadísticas.
• Cualquier alumno que sea sorprendido hablando o intercambiando

cualquier tipo de material en el examen será expulsado en el acto
y su calificación será de cero, sin perjuicio de otras medidas que se
puedan adoptar.
• Fechas de publicación de calificaciones: Viernes 11 de febrero.

• Fecha de revisión:
— Grupos del Campus de Getafe: Martes, 15 de febrero a las 15 h en las

AULAS 15.1.03 y 15.1.05
— Grupos del Campus de Colmenarejo: Lunes, 14 de febrero a las 15 h en el
despacho 1.2.B11.
• Normas para la revisión:
— La revisión sólo tendrá por objeto comprobar el número de respuestas

correctas del examen.
— Para tener derecho a revisión, el alumno deberá:
∗ Solicitarlo por escrito, apuntándose en la lista situada en el Tablón
de Información del departamento de Economía (junto al despacho
15.2.22), indicando titulación y grupo. Los alumnos de los grupos
del Campus de Colmenarejo deberán apuntarse en la lista situada en
la puerta del despacho 1.2.B11.
∗ Acudir a la revisión con una copia impresa de las soluciones del exa-
men, que estarán disponibles en Aula Global a partir del miércoles 9
de febrero.
CONFECCIÓN DEL EXAMEN
• No se debe marcar en las zonas ocupadas por marcas negras en la hoja de examen.
• No arrugar ni doblar las hojas de examen.
• El campo D.N.I. debe estar marcado en su totalidad, incluyendo ceros a la izquierda si el D.N.I. tiene un
tamaño inferior al del campo. Es muy importante incluir tantos ceros a la izquierda como sea
necesario para la correcta corrección de los exámenes.
Por ejemplo, un alumno cuyo D.N.I.sea 52.107.352, debería rellenar el campo así:
En cambio no será válido si lo rellena de alguna de estas formas:
El campo D.N.I. se utiliza para comprobar la existencia del alumno en los grupos de clase.
• Se pueden tener hasta 10 tipos distintos de examen. Para indicarlo se utiliza la primera línea de las
dos existentes sobre el bloque de las respuestas en la hoja de exámenes. Todos los tipos de exámenes
deberán tener el mismo número de preguntas.
• El número máximo de preguntas en el examen es de 100. Cada pregunta puede tener cuatro posibles
respuestas y ninguna puede aparecer en blanco.
• No existe la posibilidad de corregir una contestación con una marca especial,es necesario borrarla y
marcar otra. Si el borrado no es bueno puede originar dobles marcas en la pregunta al leerla (se
recomienda en caso de tener que corregir alguna marca, usar una hoja nueva).
Borrador de
RESPUESTAS
PREGUNTA (a) (b) (c) (d) PREGUNTA (a) (b) (c) (d)
1. 21.
2. 22.
3. 23.
4. 24.
5. 25.
6. 26.
7. 27.
8. 28.
9. 29.
10. 30.
11. 31.
12. 32.
13. 33.
14. 34.
15. 35.
16. 36.
17. 37.
18. 38.
19. 39.
20. 40.
PROBLEMA 1: EFECTO DE LA EDUCACIÓN
La ecuación de salarios típicamente postulada para caracterizar el rendimiento de

la educación tiene la forma
LW = β 0 + β 1 EDU C + β 2 EXP + β 3 ANT + β 4 CAP + ε, (S.1)
E (ε| EDUC, EXP, ANT, CAP ) = 0

V (ε| EDUC, EXP, ANT, CAP ) = σ 2
donde:
LW = logaritmo del salario mensual (en miles de dólares);

EDUC = años de educación completados;
EXP = años de experiencia laboral;
ANT = años de antigüedad en el último empleo;
CAP = capacidad.
Los efectos esperados de las cuatro variables explicativas son positivos.
Además, se sabe que educación y capacidad están positivamente correlacionados,
C(EDUC, CAP ) > 0.
y que tanto la experiencia (EXP ) como la antigüedad (ANT ) no están correla-

cionadas con la educación (EDU C) ni con la capacidad (CAP ).
Sin embargo, la capacidad es habitualmente inobservable, de manera que el modelo

que se estima en la práctica es
LW = δ 0 + δ1 EDUC + δ 2 EXP + δ 3 ANT + u (S.2).
No obstante, cabe la posibilidad de medir, si bien de forma imperfecta, la capacidad.

Una medida disponible en nuestra muestra es el coeficiente de inteligencia (IQ) del
individuo, que aunque va a estar positivamente correlacionado con la capacidad va a
diferir de ésta de acuerdo con la siguiente expresión:
IQ = CAP + ξ,
donde ξ representaría el error de medida resultante de utilizar el IQ en lugar de CAP .

(IQ es un número índice con base 100, donde 100 representa el nivel de inteligencia
“normal", de manera que IQ puede tomar valores por encima o por debajo de 100).
Dicho error de medida ξ no está correlacionado con las restantes variables explicativas
incluidas en (S.1).
Además de las variables consideradas, se dispone también de información sobre

las siguientes variables (que no están correlacionadas con ε ni con ξ):
1
EDUCMAD = años de educación de la madre;
KW W = calificación obtenida en un examen de cultura general;
EDAD = edad (en años).
Empleando datos de 758 observaciones se han realizado las siguientes estimaciones:
SALIDA 1
Dependent Variable: LW
Method: Least Squares
Sample: 1 758
Included observations: 758
Variable Coeﬃcient Std. Error t-Statistic Prob.
C 5.5135 0.1205 45.76 0.000
EDUC 0.0705 0.0070 10.75 0.000
EXP 0.0202 0.0038 5.26 0.000
ANT 0.0073 0.0029 2.56 0.011
R-squared 0.1485
Adjusted R-squared 0.1451
S.E. of regression 0.3790
Sum squared resid 108.32
SALIDA 2
Sample: 1 758
C 5.2686 0.1391 37.87 0.000
IQ 0.0040 0.0012 3.45 0.001
EDUC 0.0624 0.0078 7.95 0.000
EXP 0.0204 0.0038 5.35 0.000
ANT 0.0069 0.0028 2.44 0.015
R-squared 0.1617
2
SALIDA 3
Dependent Variable: IQ
Sample: 1 758
C 74.7950 5.2558 14.23 0.000
EDUCMAD 0.3393 0.1602 2.12 0.034
KW W 0.4702 0.0688 6.84 0.000
EDAD −0.9243 0.1755 −5.27 0.000
EDUC 2.6301 0.2387 11.02 0.000
EXP 0.1607 0.1321 1.22 0.224
ANT 0.1075 0.0863 1.25 0.213
R-squared 0.3233
W0 64.04
(NOTA: W 0 es el contraste de significación conjunta de EDUCMAD, KW W ,

EDAD)
SALIDA 4
Method: Two-Stage Least Squares
Sample: 1 758
Instrument list: EDUCMAD KW W EDAD
C 4.6350 0.2945 15.74 0.000
IQ 0.0145 0.0044 3.30 0.001
EDUC 0.0296 0.0139 2.13 0.033
EXP 0.0208 0.0040 5.19 0.000
ANT 0.0059 0.0030 1.96 0.050
R-squared 0.0731
(NOTA: La variable explicativa endógena en la Salida 4 es IQ).
3
SALIDA 5
Sample: 1 758
C 4.6350 0.2790 16.61 0.000
IQ 0.0145 0.0042 3.48 0.001
EDUC 0.0296 0.0148 2.00 0.045
EXP 0.0208 0.0038 5.47 0.000
ANT 0.0059 0.0029 2.07 0.039
RES3 −0.0113 0.0043 −2.62 0.009
R-squared 0.1693
(NOTA: RES3 son los residuos de la Salida 3)
4
PROBLEMA 2: DIFERENCIAS SALARIALES POR SEXO
Y ORIGEN ÉTNICO
Sea el modelo de regresión lineal:
E (ln SAL | EDU C, EXP, N EG, HISP, MU JER) = β 0 + β 1 EDUC + β 2 EXP

+β 3 NEG + β 4 HISP
+β 5 MU JER
+β 6 (EXP ∗ MUJER)
donde se cumplen los supuestos del modelo de regresión clásico.
Además, las variables se definen como:
SAL = salario-hora de un individuo en euros;

EDUC = años de educación;
EXP = años de experiencia laboral;
NEG = variable dicotómica que toma el valor 1 si el individuo es de raza negra y 0
en caso contrario;
HISP = variable dicotómica que toma el valor 1 si el individuo es hispano y 0 en
caso contrario;
MUJER = variable dicotómica que toma el valor 1 si el individuo es mujer y 0 en
caso contrario.
Existen tres posibles razas: negra, hispana y blanca. Empleando datos de 528 indi-
viduos, se han obtenido por MCO las estimaciones que aparecen en las SALIDAS 1
y 2.
SALIDA 1
Dependent Variable: ln(SAL)
Sample: 1 528
C 0.6101 0.1264 4.83 0.000
EDUC 0.0993 0.0082 12.15 0.000
EXP 0.0167 0.0023 7.23 0.000
NEG −0.0844 0.0580 −1.45 0.146
HISP −0.1109 0.0910 −1.22 0.224
MUJER −0.1140 0.0684 −1.67 0.096
EXP ∗ MUJER −0.0082 0.0032 −2.59 0.010
R-squared 0.2977
5
SALIDA 2
Dependent Variable: SAL
Sample: 1 528
C −5.4025 1.2457 −4.34 0.000
EDUC 0.9770 0.0813 11.98 0.000
EXP 0.1575 0.0230 6.84 0.000
MUJER −0.7200 0.6836 −1.05 0.293
EXP ∗ MUJER −0.0899 0.0317 −2.83 0.005
R-squared 0.2702
6
PROBLEMA 3: USO MENSUAL DE LA TARJETA DE
CRÉDITO
Sea el modelo lineal sobre el gasto mensual con la tarjeta de crédito,
T C = β 0 + β 1 EDAD + β 2 RENT A + β 3 RENT A2 + β 4 P ROP + ε
donde:
T C = gasto mensual (en euros) realizado con la tarjeta de crédito;
EDAD = edad en años;
RENT A = renta en euros, dividida por 10000;
P ROP = variable dicotómica que toma valor 1 si el individuo es propietario de su
vivienda ó 0 en caso contrario (es decir, si es arrendatario).
Empleando una muestra de 72 observaciones se han realizado las siguientes esti-

maciones:
SALIDA 1
Dependent Variable: TC
Sample: 1 72
C −237.1465 199.3517 −1.19 0.238
EDAD −3.0818 5.5147 −0.56 0.578
RENT A 234.3470 80.3659 2.92 0.005
2
RENT A −14.9968 7.4693 −2.01 0.049
P ROP 27.9409 82.9223 0.34 0.737
R-squared 0.2435 Mean dependent var 262.5321
Adjusted R-squared 0.1984 S.D. dependent var 318.0468
S.E. of regression 284.75 Akaike info criterion 14.20802
Sum squared resid 5432562 Schwarz criterion 14.36612
7
1500
1000
RESID01
500
-500
2 4 6 8 10
renta (dividida por 10000)
Gráfico H: Residuos frente a la variable renta
SALIDA 2
Dependent Variable: TC
Sample: 1 72
White Heteroskedasticity-Consistent Standard Errors Covariance
C −237.1465 220.7950 −1.07 0.287
EDAD −3.0818 3.4226 −0.90 0.371
RENT A 234.3470 92.1226 2.54 0.013
2
RENT A −14.9968 7.1990 −2.08 0.041
P ROP 27.9409 95.5657 0.29 0.771
R-squared 0.2436 Mean dependent var 262.5321
Adjusted R-squared 0.1984 S.D. dependent var 318.0468
S.E. of regression 284.75 Akaike info criterion 14.20802
Sum squared resid 5432562 Schwarz criterion 14.36612
8
PROBLEMA 4: ESTIMACIÓN DE TECNOLOGÍAS DE PRO-
DUCCIÓN
Una de las funciones de producción más utilizadas es la función CES (Constant

Elasticity substitution) debido a que anida como casos particulares otras funciones
de producción utilizadas habitualmente en la literatura empírica tales como la Cobb-
Douglas o la Leontieﬀ. La expresión de la función CES es la siguiente:
Y = γ (δK ρ + (1 − δ)Lρ )v/ρ

donde Y, K y L denotan la producción, el capital y el trabajo, γ es el parámetro de
eficiencia, δ es la proporción en que los dos factores entran en la función de produc-
ción, ρ es el parámetro que define la elasticidad de substitución y v es el parámetro
que mide los rendimientos a escala, de manera que v = 1, v > 1 y v < 1 indican,
respectivamente, rendimientos constantes, rendimientos crecientes y rendimientos de-
crecientes a escala.
Un investigador ha especificado un modelo econométrico para estimar la tecnología
con datos de 25 empresas manufactureras basándose en la aproximación lineal de
primer orden de la función CES (expresada en logaritmos):
ln Y = ln γ + δv ln K + (1 − δ)v ln L − 1/2ρδ (1 − δ) v [ln(K/L)]2 + ε

= β 0 + β 1 ln K + β 2 ln L + β 3 [ln(K/L)]2 + ε
Los resultados obtenidos se presentan a continuación:
SALIDA 1
Dependent Variable: ln Y
Sample: 1 25
C −1.9602 2.2051 −0.89 0.384
ln K 0.6501 0.0303 21.47 0.000
ln L 0.5592 0.2075 2.69 0.013
2
[ln(K/L)] 0.0879 0.0654 1.36 0.188
R-squared 0.9912
9
SALIDA 2
Dependent Variable: ln(Y /L)
Sample: 1 25
C 0.0155 0.0084 1.84 0.079
ln(K/L) 0.6262 0.0144 43.51 0.000
2
[ln(K/L)] 0.0379 0.0323 1.17 0.253
R-squared 0.9921
SALIDA 3
Dependent Variable: ln Y
Sample: 1 25
C 0.6394 1.1255 0.56 0.576
ln K 0.6130 0.0135 45.44 0.000
ln L 0.3214 0.1142 2.81 0.010
R-squared 0.9905
Suponemos además que los errores del modelo econométrico satisfacen los supuestos
E(ε|K, L) = 0
V (ε|K, L) = σ 2
10
PROBLEMA 5: PRECIO DE LAS ACCIONES
Algunos autores sostienen que los precios de las acciones de las empresas depen-
den de la política de dividendos seguida por los gestores de las mismas. El modelo
económico empleado para explicar el valor de mercado de las acciones es:
P = αV C β 2 DP Aβ 3 ,
donde P es el precio de cotización en bolsa (en euros) de las acciones de una empresa,
V C es el valor contable (en euros) de las mismas, y DP A es el dividendo (en euros)
obtenido por acción.
Para estimar el modelo se ha seleccionado una muestra de 22 empresas que cotizan
en Bolsa. El modelo estimado por MCO es
ln P = β 1 + β 2 ln(V C) + β 3 ln(DP A) + ε.
Los resultados de la estimación figuran en la Salida 1.
La Salida 2 recoge la matriz de varianzas y covarianzas estimadas de los esti-
madores de los parámetros asociados con el modelo.
SALIDA 1
Dependent Variable: ln P
Sample: 1 22
C 1.0913 0.4251 2.57 0.0190
ln(V C) 0.7781 0.0935 8.32 0.000
ln(DP A) 0.1814 0.0820 2.21 0.039
R-squared 0.8669
SALIDA 2 (Matriz de cov. de los estimadores)

C ln(V C) ln(DP A)
C 0.1807
ln(V C) −0.0376 0.0087
ln(DP A) 0.0291 −0.0074 0.0067
11
Universidad Carlos III de Madrid
ECONOMETRÍA I
Curso 2004/05, Examen Final
CUESTIONARIO DE EXAMEN
7 de Febrero de 2005
Tipo de examen: 1
1. Considere el modelo
Y = β0 + β1 X1 + β2 X2 + ε,
donde ε es la perturbación del modelo, que verifica que E(ε) = 0, C(X1 , ε) = 0 y C(X2 , ε) 6= 0.
Además, C(X1 , X2 ) 6= 0. Suponga que disponemos de una muestra aleatoria para la que
observamos Y , X1 y X2 . Sean b1 , b2 los estimadores MCO de las pendientes de X1 , X2 ,
respectivamente. Entonces, en general:
(a) Aunque b1 será un estimador consistente de β1 , b2 será un estimador inconsistente de
β2 .
(b) Es posible hacer contrastes de hipótesis válidos sobre los parámetros β1 y β2 utilizando
b1 y b2 .
(c) Aunque sólo X2 es una variable endógena, tanto b1 como b2 son estimadores inconsis-
tentes de β1 y de β2 , respectivamente.
(d) Tanto b1 como b2 son estimadores consistentes de β1 , β2 , respectivamente, porque X1
y X2 son exógenas.
2. (Problema 2) Considerando los resultados de la Salida 1:
(a) La estimación de V (ln SAL) es igual a (0.4393)2
(b) Ninguna de las otras respuestas es correcta.
(c) La estimación de V (ln SAL | EDU C, EXP, N EG, HISP, M U JER) es igual a
(0.4393)2
(d) La estimación de V (ln SAL | EDU C, EXP, N EG, HISP, M U JER) es igual a
0.2916.
3. (Problema 2) La diferencia porcentual media estimada entre el salario de un hombre negro
y una mujer blanca con igual educación y experiencia laboral es:
(a) [−0.0844 − (−0.1140)] × 100 = 2.96%.
(b) [−0.0844 − (−0.0082)] × 100 = −7.62% , solamente si ambos sujetos tienen 1 año de
experiencia laboral.
(c) [−0.0844 − (−0.0082)] × 100 = −7.62%.
(d) [−0.0844 − (−0.1140) − (−0.0082) × 10] × 100 = 11.16% , si ambos sujetos tienen 10
años de experiencia laboral.
4. (Problema 2) Suponga que queremos contrastar la hipótesis nula de que la ecuación salarial
es independiente del sexo del individuo. Considerando el modelo no restringido presentado
en dicha pregunta:
(a) La hipótesis nula serı́a H0 : β5 = β6 = 0.
(b) La hipótesis nula serı́a H0 : β5 = 0.
(c) La hipótesis nula serı́a H0 : β2 = β6 = 0.
(d) La hipótesis nula serı́a H0 : β5 = β6 .
1
es independiente del origen étnico del individuo. Considerando el modelo no restringido
presentado en dicha pregunta:
(b) La hipótesis nula serı́a H0 : β3 = β4 .
(c) La hipótesis nula serı́a H0 : β0 = β3 = β4 .
(d) La hipótesis nula serı́a H0 : β3 = β4 = 0.
es independiente de la raza del individuo.
(a) El estadı́stico de contraste asociado es (comparando los coeficientes de determinación
de los modelos restringido –Salida 2– y no restringido –Salida 1–) es
(0.2702 − 0.2977)
W0 = × (528 − 7 − 1) = −20.39,
(1 − 0.2977)
que sigue una distribución aproximada χ22 , por lo que no rechazo la hipótesis nula a
ningún nivel de significación.
(c) El estadı́stico de contraste asociado es (comparando los coeficientes de determinación
(0.2977 − 0.2702)
W0 = × (528 − 7 − 1) = 20.39,
(1 − 0.2977)
que sigue una distribución aproximada χ21 , por lo que rechazo la hipótesis nula al 1%
de significación.
(d) El estadı́stico de contraste asociado es (comparando los coeficientes de determinación
(0.2977 − 0.2702)
W0 = × (528 − 7 − 1) = 20.39,
(1 − 0.2977)
que sigue una distribución aproximada χ22 , por lo que rechazo la hipótesis nula al 1%
de significación.
2
7. A partir de las declaraciones del Patrimonio y del IRPF de 500 contribuyentes y de su consumo
por tipos de bienes, un grupo de Inspectores de Hacienda quiere analizar la relación entre el
consumo de bienes de lujo y la renta de las personas. Para ello formulan el modelo :
C = β0 + β1 R∗ + ε
donde C es el consumo en bienes de lujo, R∗ es la renta y ε es el término de error.

Sin embargo, tienen la certeza de que algunos contribuyentes no han declarado ciertas “rentas
ocultas”, de manera que se observa R = R∗ −v, donde v son las rentas ocultas (no observables).
Asimismo, los inspectores observan el patrimonio declarado, P .
En este contexto, considerando que en la estimación se va a utilizar la renta declarada como
regresor, sea b1 el estimador MCO de la pendiente de la regresión simple de C sobre R.
Indique cuál de las siguientes afirmaciones es FALSA.
(a) b1 es un estimador inconsistente de β1 .
(b) Suponiendo que el patrimonio declarado P no está correlacionado con las rentas ocul-
tas, podrı́amos estimar consistentemente β1 mediante un estimador de variables in-
strumentales, utilizando P como instrumento de R.
(c) La renta declarada R es una variable endógena, por lo que el estimador de MCO de
β1 es inconsistente.
(d) La renta declarada R es una variable exógena, es decir, no correlacionada con el error
del modelo a estimar.
8. Sea el modelo de regresión simple sin término constante
yi = βxi + εi , (i = 1, . . . , n)
donde E(εi |xi ) = 0, E(ε2i |xi ) = σ 2 , E(xi ) 6= 0. Considere el siguiente estimador del parametro
β: Pn
yi
b = Pni=1 .
i=1 xi
En general:
(a) Dicho estimador coincide con el estimador de MCO.
(b) Dicho estimador no es consistente porque no hay ninguna variable instrumental.
(c) Dicho estimador es el más eficiente entre todos los lineales e insesgados.
(d) Dicho estimador es consistente.
9. (Problema 5) De las estimaciones se deduce que:

(a) Ante un incremento de un euro en el valor contable, el precio de cotización medio
aumenta en 0.78 euros.
(b) Ante un incremento de un euro en el dividendo obtenido por acción, el precio de
cotización medio aumenta en un 0.18%.
(c) Ante un incremento del 1% en el valor contable, el precio de cotización medio aumenta
en un 0.78%.
(d) Ante un incremento de un 1% en el dividendo obtenido por acción, el precio de coti-
zación medio aumenta en 0.18 euros.
3
10. (Problema 5) De acuerdo con los resultados contenidos en la Salida 1, puede concluirse que
la elasticidad promedio del precio de la cotización de las acciones con respecto al dividendo
obtenido por acción:
(a) No es estadı́sticamente distinta de 1 al 1%.
(b) Es estadı́sticamente distinta de 1 al 1%.
(c) Es estadı́sticamente distinta de 0 al 1%.
(d) Es estadı́sticamente distinta de 0 al 2%.
11. (Problema 5) El intervalo de confianza aproximado para la elasticidad del precio de coti-
zación de las acciones con respecto a su valor contable, al 95% de confianza es
(a) (0.0206 ; 0.3422).
(b) (0.0465 ; 0.3164).
(c) (0.6243 ; 0.9319).
(d) (0.5948 ; 0.9614).
12. (Problema 5) Si queremos examinar si la suma de elasticidades del precio de cotización de
las acciones respecto a su valor contable y al dividendo obtenido por acción es igual a la
unidad:
(a) El estadı́stico asociado es
(0.7781 + 0.1814) − 1
t= = −2.61,
0.0935 + 0.0820
que se distribuye aproximadamente como una N (0, 1) bajo la hipótesis nula de que las
elasticidades suman la unidad.
(b) No se puede contrastar con la información disponible, necesitarı́amos contar con el
modelo restringido que impone que la suma de elasticidades es igual a la unidad.
(c) El estadı́stico asociado es
(0.7781 + 0.1814)
t= √ = 37.17,
0.09352 + 0.08202 − 2 × 0.0074
(d) El estadı́stico asociado es
(0.7781 + 0.1814) − 1
t= √ = −1.56,
0.09352 + 0.08202 − 2 × 0.0074
4
13. (Problema 5) Si queremos contrastar que la suma de elasticidades del precio de cotización
de las acciones respecto a su valor contable y al dividendo obtenido por acción es igual a la
unidad:
(a) No se puede rechazar H0 a un nivel de significación del 5%.
(b) No se puede contrastar con la información disponible, necesitarı́amos contar con el
modelo restringido que impone que la suma de elasticidades es igual a la unidad.
(c) Se rechaza H0 a un nivel de significación del 5%.
(d) Se rechaza H0 a un nivel de significación del 1%.
14. (Problema 4) En relación al contraste de rendimientos constantes a escala en la tecnologı́a

CES, indique cuál de las siguientes afirmaciones es FALSA:
(a) La hipótesis nula a contrastar es H0 : ν = 1, o de forma equivalente, H0 : β1 + β2 = 1,
siendo β1 y β2 los parámetros asociados a las variables ln K y ln L en el modelo que
representa la aproximación de primer orden a la tecnologı́a CES y que se estima en la
Salida 1.
(b) Puesto que el coeficiente asociado a la variable [ln(K/L)]2 es estadı́sticamente igual a
cero, podrı́an contrastarse los rendimientos constantes a escala en el modelo que impone
la restricción β3 = 0, siendo en este caso la hipótesis a contrastar H0 : β1 + β2 = 1.
(c) Para contrastar la presencia de rendimientos constantes a escala en la tecnologı́a CES,
podrı́an considerarse los modelos estimados en las Salidas 1 y 2, como modelos no
restringido y modelo restringido, respectivamente, y se podrı́a utilizar como estadı́stico
de contraste:
RS2 − RR2
(n − 4)
1 − RS2
con distribución aproximada χ21 , donde RR
2
y RS2 denotan, respectivamente, los coefi-
cientes de determinación asociados al modelo restringido y al modelo sin restringir.
(d) Para contrastar la presencia de rendimientos constantes a escala en la tecnologı́a CES,
podrı́an considerarse los modelos estimados en las Salidas 1 y 2, como modelos no
restringido y modelo restringido, respectivamente, y se podrı́a utilizar como estadı́stico
de contraste:
SRR − SRS
(n − 4)
SRS
con distribución aproximada χ21 , donde SRR y SRS denotan, respectivamente, las
sumas de cuadrados de los residuos del modelo restringido y del modelo no restringido.
15. (Problema 4) A la luz de los resultados obtenidos, en las Salidas 1 y 3, la omisión de la
variable [ln(K/L)]2 en la Salida 3 implica que:
(a) La varianza estimada es menor que la del estimador MCO del modelo no restringido,
y además el estimador MCO correspondiente continúa siendo consistente.
(b) La varianza estimada es mayor que la del estimador MCO del modelo no restringido,
y además el estimador MCO correspondiente es inconsistente.
(c) La varianza estimada es mayor que la del estimador MCO del modelo no restringido,
aunque el estimador MCO correspondiente es consistente.
(d) La varianza estimada es menor que la del estimador MCO del modelo no restringido,
aunque el estimador MCO correspondiente deja de ser consistente.
5
16. (Problema 4) Considere los resultados obtenidos en las Salidas 1 y 3. Suponiendo que el
p-valor asociado al estimador MCO del parámetro correspondiente a la variable [ln(K/L)]2
en la Salida 1 fuese igual a 0.0001 en vez de 0.188, y que los demás resultados siguen siendo
los mismos, la omisión de la variable [ln(K/L)]2 en la Salida 3 implicarı́a que:
(a) La varianza estimada es menor que la del estimador MCO del modelo no restringido,
y además el estimador MCO correspondiente continúa siendo consistente.
(b) La varianza estimada es mayor que la del estimador MCO del modelo no restringido,
y además el estimador MCO correspondiente es inconsistente.
(c) La varianza estimada es mayor que la del estimador MCO del modelo no restringido,
aunque el estimador MCO correspondiente es consistente.
(d) La varianza estimada es menor que la del estimador MCO del modelo no restringido,
aunque el estimador MCO correspondiente deja de ser consistente.
17. (Problema 4) Considere ahora que el modelo verdadero para representar la tecnologı́a de las
empresas de un sector es:
ln (Y /L) = γ0 + γ1 ln (K/L) + γ2 [ln(K/L)]2 + η,
en el que el término de error satisface los supuestos del modelo de regresión: E(η|K, L) =
0, V ar(η|K, L) = σ 2 , donde
γ1 > 0,
C ln (K/L) , [ln(K/L)]2 > 0.
Si se omite [ln(K/L)]2 , el sesgo de inconsistencia (o sesgo asintótico) del estimador de γ1 en
la regresión simple de ln (Y /L) sobre ln (K/L) será:
(a) Cero.
(b) De igual signo que γ2 . Además, la magnitud de dicho sesgo estarı́a directamente
relacionada con V (ln(K/L)).
(c) De signo opuesto a γ2 . Además, la magnitud de dicho sesgo estarı́a directamente
(d) De igual signo que γ2 . Además, la magnitud de dicho sesgo estarı́a inversamente
ln(Y ) = β0 + β1 ln(X) + ε
donde E(ε|X) = 0, β1 6= 0.
(a) Se verifica que E(Y |X) = P LO(Y |X)
(c) La función de esperanza condicional de Y dado X es lineal en X.
(d) Se verifica que E(Y |X) = P LO(Y | ln(X))
19. Si hay heterocedasticidad pero es ignorada completamente y se usa el comando para obtener
el estimador de MCO habitual (sin ninguna opción especial), entonces:
(a) Obtendremos estimaciones de los parámetros inconsistentes.
(c) Obtendremos siempre estimaciones de la varianza sesgadas al alza.
(d) Obtendremos estimaciones de la varianza del estimador de los parámetros que no son
consistentes.
6
20. (Problema 1) Aunque estamos interesados en los coeficientes de la ecuación (S.1), como la
capacidad es inobservable, suponga que consideramos la estimación MCO de la proyección
lineal del logaritmo del salario sobre la educación, la experiencia y la antigüedad (ecuación
(S.2)). Indique cuál de las siguientes afirmaciones es FALSA.
(a) La estimación MCO de la ecuación (S.2) no proporciona estimadores consistentes de
β1 .
(b) La omisión de la capacidad en la ecuación de interés ocasiona que las variables ex-
plicativas que se incluyen en el modelo (particularmente, la educación) pueden estar
correlacionadas con el término de perturbación de la ecuación a estimar, lo que supone
que E (ε | EDU C, EXP, AN T ) 6= 0.
(c) Es de esperar que el estimador MCO de la ecuación (S.2) infraestime el efecto de la
educación sobre el salario.
(d) Es de esperar que el estimador MCO de la ecuación (S.2) sobreestime el efecto de la
educación sobre el salario.
21. (Problema 1) Suponga que IQ = CAP , de manera que el coeficiente de inteligencia IQ
coincide exactamente con la capacidad. Para una experiencia, una antigüedad y una capacidad
dadas, un año adicional de educación representa en promedio un incremento estimado del
salario de:
(a) 62.4 dólares mensuales.
(b) Un 7.05%.
(c) Un 6.24%.
(d) 70.5 dólares mensuales.
22. (Problema 1) Suponga que IQ = CAP + ξ, donde V (ξ) 6= 0.
(a) El coeficiente de la educación en la Salida 1 es un estimador apropiado de β1 .
(b) Para obtener un estimador consistente de la educación en la ecuación que incluye
IQ, EDU C, EXP y AN T como variables explicativas, bastarı́a con aplicar mı́nimos
cuadrados en dos etapas, utilizando un instrumento apropiado para la educación
(EDU C) y considerando exógenas las restantes variables (IQ, EXP y AN T ).
(c) El estimador del coeficiente de la educación en la Salida 2 va a ser inconsistente debido
a que el coeficiente de inteligencia mide con error la capacidad.
(d) El coeficiente de la educación en la Salida 2 es un estimador apropiado de β1 .
7
23. (Problema 1) Suponga que IQ = CAP + ξ, donde V (ξ) 6= 0. Estamos interesados en
estimar consistentemente los coeficientes de la ecuación (S.1)
(a) Los estimadores de la Salida 2 son consistentes.
(b) La forma reducida para IQ de la Salida 3 es incorrecta, porque no deberı́a incluir las
restantes variables incluidas en el modelo (EDU C, EXP y AN T ): sólo deberı́a incluir
los instrumentos.
(c) Los estimadores de la Salida 4 son consistentes, porque los instrumentos (EDU CM AD,
KW W , EDAD) cumplen las dos condiciones para ser válidos: no estar correlacionados
con el error de medida de la capacidad, ξ (como se establece en el enunciado) y estar
correlacionados con la variable endógena IQ (como se puede ver en la forma reducida
de la Salida 3).
(d) Los estimadores de la Salida 4 no son consistentes, porque para ello necesitamos que
al menos uno de los instrumentos (EDU CM AD, KW W , EDAD) esté correlacionado
con la variable endógena IQ, lo cual no ocurre, a la vista de la Salida 3.
24. (Problema 1) Si queremos verificar si la variable IQ, como medida de la capacidad, presenta
un problema de error de medida:
(a) Contrastaremos si IQ es endógena en la ecuación de salarios mediante un contraste t
para el coeficiente de IQ.
(b) Contrastaremos la significación conjunta de todos los regresores en la Salida 3 (con-
traste de significación global o contraste de regresión).
(c) Contrastaremos si IQ es endógena en la ecuación de salarios mediante un contraste de
Hausman.
(d) No se puede verificar dicha hipótesis.
25. (Problema 1) A la vista de los resultados presentados:
(a) Como RES es estadı́sticamente significativa en la estimación MCO de la ecuación de
salarios ampliada (Salida 5), NO rechazamos que IQ es exógena y por tanto concluimos
que el error de medida de IQ es irrelevante.
(c) El contraste de endogeneidad presentado es incorrecto, porque la forma reducida en
que se basan los residuos incluye incorrectamente las variables exógenas de la ecuación
de salarios (EDU C, EXP y AN T ).
(d) Como RES es estadı́sticamente significativa en la estimación MCO de la ecuación de
salarios ampliada (Salida 5), rechazamos que IQ es exógena y por tanto concluimos
que existe un problema de error de medida de IQ como medida de capacidad.
26. (Problema 1) Utilizando las estimaciones apropiadas, podemos concluir que para una ex-
periencia, una antigüedad y una capacidad dadas, un año adicional de educación representa
en promedio un incremento estimado del salario de:
(b) Un 2.96%.
(c) Un 7.05%.
(d) Un 6.24%.
8
27. (Problema 1) Utilizando las estimaciones apropiadas, podemos concluir que para una ex-
periencia, una antigüedad y una educación dadas, 10 puntos adicionales en la capacidad
representan en promedio un incremento estimado del salario de:
(a) 4 dólares mensuales.
(b) 14.5 dólares mensuales.
(c) Un 4%.
(d) Un 14.5%.
28. (Problema 1) Utilizando las estimaciones apropiadas, podemos concluir que para una ca-
pacidad, una experiencia y una educación dadas, 1 año adicional de antigüedad representa en
promedio un incremento estimado del salario de:
(b) 6.9 dólares mensuales.
(c) Un 0.69%.
(d) Un 0.59%.
29. (Problema 1) Utilizando las estimaciones apropiadas, si comparamos dos individuos con
igual capacidad e igual nivel de educación, que se diferencian en que mientras el primero
tiene una experiencia laboral de 30 años y una antigüedad en su empleo actual de 20 años, el
segundo tiene una experiencia laboral de 35 años y una antigüedad en su empleo actual de 5
años, se estima que el primero ganará en promedio:
(a) Un 1.55% menos que el segundo.
(b) 15.5 dólares mensuales menos que el segundo.
(c) Un 1.55% más que el segundo.
(d) Un 0.75% más que el segundo.
Y = β0 + β1 X1 + β2 X2 + β3 X3 + ε,
donde ε verifica que E(ε) = 0, C(X1 , ε) = 0, C(X2 , ε) 6= 0 y C(X3 , ε) 6= 0. Suponga que
disponemos de una muestra aleatoria para la que observamos Y , X1 , X2 , X3 , Z1 y Z2 , siendo
Z1 y Z2 independientes de ε. En esta situación:
(a) Si se cumple que C(X2 , Z1 ) 6= 0 y C(X3 , Z2 ) 6= 0, podemos estar seguros de que Z1 y
Z2 son instrumentos válidos y los utilizaremos para obtener el estimador de mı́nimos
cuadrados en dos etapas de β0 , β1 , β2 y β3 .
(b) Las otras respuestas son todas correctas.
(c) El estimador MCO del modelo no será consistente e intentaremos usar el estimador
de mı́nimos cuadrados en dos etapas, contrastando en la primera etapa si tenemos los
instrumentos válidos que necesitamos.
(d) Si se cumple que C(X2 , Z1 ) 6= 0 y C(X2 , Z2 ) 6= 0, sabremos seguro que no podemos
usar el estimador de mı́nimos cuadrados en dos etapas porque los dos instrumentos
están correlacionados con la misma variable éndogena.
9
31. El precio de una casa en euros (precio) está relacionado con la contaminación local existente
medida por el nivel de CO2 (CO2) y con el número de habitaciones (habit) según el modelo
de regresión lineal
log(precio) = β0 + β1 log(CO2) + β2 habit + ε,
donde β1 < 0, β2 > 0 y ambos regresores están negativamente correlacionados.
Sea a1 el estimador MCO de α1 en la regresión simple
log(precio) = α0 + α1 log(CO2) + u.
¿Qué esperarı́a de a1 cuando el tamaño muestral tiende a infinito?

(a) Que converja a un valor menor que β1 .
(b) Que converja a β1 .
(c) Que converja a cero.
(d) Que converja a un valor mayor que β1 .
32. Para 1000 empresas del sector siderúrgico en España, se ha planteado el modelo Y = β0 +
β1 X ∗ + ε, donde X ∗ es la facturación e Y es el número de empleados; ε es el término de error
tal que E(ε| X ∗ ) = 0. Sin embargo, hay sospechas de que las empresas falsean la facturación,
de manera que observamos X = X ∗ + v. Sea b1 el estimador de la pendiente por MCO de Y
sobre X. Entonces:
(b) b1 es un estimador consistente de β1 , aunque su varianza es alta y como consecuencia,
hay pérdida de precisión.
(c) b1 es un estimador consistente de β1 , a pesar del error de medición de la facturación.
(d) Utilizando b1 , podemos contrastar de forma válida la hipótesis H0 : β1 = 1.
33. (Problema 3) A la vista de las estimaciones:

(a) Las estimaciones de los parámetros del modelo lineal en la Salida 1 no son consistentes
porque el Gráfico H muestra evidencia de que no se cumple el supuesto de homocedas-
ticidad.
(b) En el gráfico H se aprecia que los residuos tienen una mayor dispersión cuanto mayor
es la renta, por lo que hay indicios de heterocedasticidad y deberemos usar errores
estandar robustos.
(c) El Gráfico H nos indica que hay un problema de endogeneidad de la variable REN T A,
implicando esto que ε no es independiente en media de todas variables explicativas.
(d) No tenemos ninguna forma de saber si la varianza condicional de los errores es inde-
pendiente de las variables explicativas, porque la varianza de los errores no se puede
estimar consistentemente cuando hay heterocedasticidad.
10
34. (Problema 3) Si queremos contrastar la significatividad individual de cada una de las vari-
ables, en base a las estimaciones obtenidas:
(a) El estadı́stico de contraste que usaremos para contrastar la hipótesis nula H0 : β2 = 0
es:
234.3470
t= ' 2.92,
80.3659
que bajo los supuestos clásicos sigue una distribucion aproximada normal estándar,
por lo que tiene un p-valor de 0.005, rechazando la hipotesis nula al 5%.
(b) No se puede realizar el contraste en base a ninguna de las estimaciones presentadas
porque el gráfico H muestra indicios de que los errores son heterocedásticos, en cuyo
caso no se pueden utilizar las estimaciones de los parámetros del modelo hechas por
MCO para contrastar hipótesis.
(c) El estadı́stico de contraste que usaremos para contrastar la hipótesis nula H0 : β2 = 0
es:
234.3470
t= = 2.543860,
92.1226
que sigue una distribucion aproximada normal estándar, por lo que tiene un p-valor
de 0, 0133, rechazando la hipotesis nula al 5% (pero no al 1%).
(d) Las respuestas (a) y (c) son ambas correctas.
35. (Problema 3) De acuerdo con las estimaciones cabrı́a concluir que:
(a) El efecto medio estimado, ceteris paribus, de la renta sobre el gasto mensual con la
tarjeta de crédito, no es constante, esto es, depende del nivel de renta, y viene dado
aproximadamente por la siguiente expresión: 234.3470 − 2 × 14.9968 × REN T A.
(b) Para un individuo con una renta de 30000 euros, el efecto medio estimado, ceteris
paribus, de un euro más de renta sobre el gasto mensual con la tarjeta de crédito es
aproximadamente igual a 234.3470 − 2 × 14.9968 × 30000 = −899576.053.
(c) El efecto medio estimado, ceteris paribus, de la renta sobre el gasto mensual con la
tarjeta de crédito es siempre negativo y decreciente con el nivel de renta.
(d) Las respuestas (a) y (b) son ambas correctas.
36. (Problema 3) A partir de las estimaciones del modelo:
(a) Los arrendatarios gastan en promedio más con la tarjeta de crédito que los propietarios
(manteniendo el resto de las caracterı́sticas constantes), si bien la diferencia no es
significativa.
(c) Para contrastar si existe alguna diferencia de cara al gasto esperado en tarjeta de
crédito entre un propietario y un arrendatario tendremos que contrastar la hipótesis
nula H0 : β0 = β4 = 0, usando los errores robustos a heterocedasticidad en el contraste.
(d) Manteniendo la renta constante, para un individuo de 30 años la diferencia media
estimada en el gasto con tarjeta de crédito entre un propietario y un arrendatario es
constante e igual a −3.0818 + 27.9409 = 24.8591 euros.
11
37. (Problema 3) De acuerdo con las estimaciones, para un individuo con una renta anual de
40000 euros, el incremento medio estimado del gasto mensual en tarjeta de crédito, ceteris
paribus, ante un incremento de la renta anual de 1000 euros es de:
(a) (234.3470 − 2 × 14.9968 × 4) = 114.3726 euros.
(c) (234.3470 − 2 × 14.9968 × 4)/10000 = 0.01143726 euros.
(d) (234.3470 − 2 × 14.9968 × 4)/10 = 11.43726 euros.
Y = β0 + β1 X1 + β2 ln(X2 ) + ε
donde E(ε|X1 , X2 ) = 0, β1 6= 0, β2 6= 0.
(a) Se verifica que E(Y |X1 , X2 ) = P LO(Y |X1 , X2 ).
(b) Se verifica que β1 = C(X1 , Y )/V (X1 ).
(c) La función de esperanza condicional de Y dado X1 y X2 es lineal en ambas variables.
(d) Se verifica que E(Y |X1 , X2 ) = P LO(Y |X1 , ln(X2 )).
39. Sea un modelo de regresión lineal en el que hay heterocedasticidad, pero los demás supuestos
habituales se cumplen. Indique cuál de las siguientes afirmaciones es FALSA:
(a) El estimador MCO es consistente.
(b) Para hacer inferencia sobre los parámetros de forma correcta, hay que utilizar errores
estándar robustos de Eicker-White.
(c) El cumplimiento o no del supuesto de homocedasticidad no afecta a las propiedades
del estimador MCO ni a la forma que tiene su varianza.
(d) La forma normal de calcular la varianza del estimador MCO es incorrecta.
40. Considere el modelo de regresión múltiple
Y = β0 + β1 X1 + β2 X2 + ε
con los supuestos habituales. Indique cuál de las siguientes afirmaciones es FALSA.
(a) Para que la función de esperanza condicional de Y dados X1 , X2 sea lineal (y coincida
por tanto con el predictor lineal óptimo) es necesario que E (ε| X1 , X2 ) = 0.
(b) El hecho de que la función de esperanza condicional de Y dados X1 , X2 sea lineal no
implica que la función de esperanza condicional de Y dado X1 sea también lineal
(c) El incumplimiento del supuesto V (ε| X1 , X2 ) = σ 2 no afecta a la linealidad de la
función de esperanza condicional de Y dados X1 , X2 .
(d) Para que la función de esperanza condicional de Y dados X1 , X2 sea lineal (y coincida
por tanto con el predictor lineal óptimo) es necesario que E (ε| X1 , X2 ) = 0 y que
V (ε| X1 , X2 ) = σ 2 .
12
TIPO 1
RESPUESTAS
1. X 21. X
2. X 22. X
3. X 23. X
4. X 24. X
5. X 25. X
6. X 26. X
7. X 27. X
8. X 28. X
9. X 29. X
10. X 30. X
11. X 31. X
12. X 32. X
13. X 33. X
14. X 34. X
15. X 35. X
16. X 36. X
17. X 37. X
18. X 38. X
19. X 39. X
20. X 40. X
1
ECONOMETRÍA I
Curso 2005/06
30 de Enero de 2006
ENUNCIADOS DE PROBLEMAS
PROBLEMA 1: PROBABILIDAD DE DENEGACIÓN DE UNA HIPOTECA
Se consideran tres especi…caciones de un modelo que explique la probabilidad de

NO concesión de una hipoteca:
E(Y jX1 ; X2 ) = F ( 0 + 1 X1 + 2 X2 )
donde:
Y toma el valor 1 si NO le conceden la hipoteca;
X1 = DEU DA = tasa de endeudamiento en tanto por uno (sin incluir el préstamo
hipotecario considerado) del solicitante;
X2 = N EG = toma el valor 1 si el solicitante es negro y cero si es blanco.
Con una muestra de 2380 solicitudes de hipotecas en Boston (EE.UU.), se han
estimado esos tres modelos:
SALIDA 1
Dependent Variable: Y
Sample: 1 2380
White Heteroskedasticity-Consistent Standard Errors & Covariance
Variable Coefficient Std. Error t-Statistic Prob.
C 0:091 0:029 3:165 0:0016
DEUDA 0:559 0:089 6:307 0:0000
NEG 0:177 0:025 7:112 0:0000
R-squared 0:076003 Mean dependent var 0:119748
Adj. R-squared 0:075226 S.D. dependent var 0:324735
S.E. of regression 0:312282 Akaike info criterion 0:511438
Sum squared resid 231:8047 Schwarz criterion 0:518717
Log likelihood 605:6107 F-statistic 97:76019
Durbin-Watson stat 1:517180 Prob (F-statistic) 0:00000
SALIDA 2
Method: ML - Binary Probit
Sample: 1 2380
Convergence achieved after 4 iterations
C 2:26 0:16 14:225 0:0000
DEUDA 2:74 0:44 6:1738 0:0000
NEG 0:71 0:08 8:5146 0:0000
Mean dependent var 0:1197 S.D. dependent var 0:3247
Log likelihood 797:14 Hannan--Quinn criter. 0:6750
Restr. log likelihood 872:09 Avg. log likelihood 0:3349
LR statistic (2 df) 149:90 McFadden R-squared 0:0859
Probability (LR stat) 0:0000
Obs. with Dep=0 2095 Total obs 2380
Obs. with Dep=1 285
SALIDA 3
Method: ML - Binary Logit
Sample: 1 2380
C 4:13 0:35 11:93 0:0000
DEUDA 5:37 0:96 5:58 0:0000
NEG 1:27 0:15 8:71 0:0000
Obs. with Dep=1 285
2
Nota: Recuerde que en el modelo probit se considera que, dado (en nuestro ejem-
plo) Z = 0 + 1 X1 + 2 X2 , F (Z) = (Z), donde (Z) es la función de dis-
tribución acumulada de una variable aleatoria N (0; 1), cuya función de densidad es
1 Z2 Z2
(Z) = p exp ' 0:3989 exp , y en el modelo logit se considera
2 2 2
F (Z) = (Z), es decir, una función de distribución acumulada de una variable aleato-
eZ eZ
ria logística estándar, (Z) = , cuya densidad es igual a (Z) = .
1 + eZ (1 + eZ )2
Otro investigador añade al análisis una medida de la morosidad del solicitante en

la devolución de créditos al consumo (M ORC) y una medida de la morosidad del
solicitante en la devolución de créditos hipotecarios (M ORH):
SALIDA 4
Method: ML - Binary Probit
Sample: 1 2380
C 2:98 0:18 16:30 0:0000
DEUDA 2:66 0:36 7:35 0:0000
NEG 0:51 0:09 5:74 0:0000
MORC 0:18 0:02 9:31 0:0000
MORH 0:19 0:07 2:82 0:0048
Obs. with Dep=1 285
3
PROBLEMA 2: IMPACTO DE LA FERTILIDAD EN LAS HORAS TRABA-
JADAS POR LAS MUJERES
Existe evidencia de que el comportamiento laboral de las mujeres está determi-
nado en particular por sus decisiones de fertilidad. Para evaluar el impacto de la
fertilidad (medido por el número de niños) en las horas trabajadas, nos concentramos
en la siguiente especi…cación:
HRS = 0 + 1 WHITE + 2 BLACK + 3 HISPAN

+ 4 HIGHSC + 5 UNIV + 6 AGE + 7 AGE2 (E.1)
+ 8 SPOUSE + 9 (SPOUSE AGE) + 10 (SPOUSE AGE2)
+ 11 NCHILD +"
donde, para cada mujer:

HRS = número de horas trabajadas a la semana;
WHITE = variable binaria que vale 1 si la mujer es blanca y cero en caso contrario;
BLACK = variable binaria que vale 1 si la mujer es negra y cero en caso contrario;
HISPAN = variable binaria que vale 1 si la mujer es hispana y cero en caso contrario;
HIGHSC = variable binaria que vale 1 si la mujer ha completado solamente la educación
secundaria y cero en caso contrario;
UNIV = variable binaria que vale 1 si la mujer tiene un título universitario y cero en
caso contrario;
AGE = edad en años;
AGE2 = edad al cuadrado;
SPOUSE = variable binaria que vale 1 si la mujer tiene un cónyuge que convive en su
domicilio y cero en caso contrario;
NCHILD = número de hijos menores de 18 años que conviven en su domicilio.
Nota: Hay cuatro grupos étnicos mutuamente exluyentes: blanca, negra, hispana
y asiática. Sólo hay tres niveles de educación (mutuamente excluyentes): educación
primaria o menos, educación secundaria, educación universitaria.
Para estimar esta ecuación, utilizamos datos de 69852 mujeres con hijos del censo de
los EE.UU. de 1980.
Además, sabemos que las decisiones de fertilidad están correlacionadas con carac-
terísticas inobservables que afectan a su vez a las decisiones laborales. Por ejemplo,
aquellas mujeres mejor preparadas para el mercado laboral pueden tener en promedio
no sólo mayores salarios (y por tanto un coste de oportunidad de asumir tareas del
hogar más alto), sino también un mayor coste personal asociado al cuidado de los
hijos. Por tanto, esperaríamos que
C("; NCHILD) 6= 0:
mientras que el resto de las variables del lado derecho de (E.1) no están correla-
cionadas con las variables inobservables (").
Además de las variables arriba mencionadas, tenemos información sobre si la mu-
jer ha experimentado un parto múltiple (MB), es decir, si ha tenido mellizos, trillizos,
cuatrillizos o quintillizos en el mismo parto. Podemos por tanto de…nir la variable
Parto Múltiple (Multiple Births) MB:
MB = variable binaria que vale 1 si la mujer ha tenido un parto múltiple y cero en
caso contrario.
4
Además, sabemos que C(MB; ") = 0.
A continuación se presentan las siguientes estimaciones:
SALIDA 1
Dependent Variable: HRS
Sample: 69852
WHITE 1:3224 0:7901 1:67 0:094
BLACK 3:3607 0:8005 4:20 0:000
HISPAN 0:5399 1:0007 0:54 0:590
HIGHSC 4:4627 0:1770 25:22 0:000
UNIV 4:3868 0:2005 21:88 0:000
AGE 1:4505 0:0288 50:37 0:000
AGE2 0:0207 0:0006 36:04 0:000
SPOUSE 0:4258 0:4343 0:98 0:327
SPOUSE AGE 0:5668 0:0335 16:90 0:000
SPOUSE AGE2 0:0101 0:0006 15:42 0:000
NCHILD 1:8506 0:0610 30:32 0:000
C 0:2952 0:8568 0:34 0:730
R-squared 0:1344
Adjusted R-squared 0:1343
S.E. of regression 335:4738
SALIDA 2
Dependent Variable: N CHILD
Sample: 69852
WHITE 0:3527 0:0482 7:32 0:000
BLACK 0:2822 0:0488 5:78 0:000
HISPAN 0:0638 0:0610 1:05 0:296
HIGHSC 0:4758 0:0106 44:68 0:000
UNIV 0:5453 0:0121 45:22 0:000
AGE 0:0801 0:0017 46:26 0:000
AGE2 0:0012 0:00003 35:08 0:000
SPOUSE 0:2622 0:0265 9:90 0:000
SPOUSE AGE 0:0095 0:0020 4:65 0:000
SPOUSE AGE2 0:0001 0:00004 3:42 0:001
MB 1:2192 0:0255 47:79 0:000
C 1:5957 0:0519 30:73 0:000
R-squared 0:1568
5
SALIDA 3
Sample: 69852
Instrument list: M B
Variable Variable Coefficient Std. Error t-Statistic Prob.
WHITE 1:7045 0:8019 2:13 0:034
BLACK 3:0750 0:8077 3:81 0:000
HISPAN 0:5925 1:0029 0:59 0:555
HIGHSC 4:9467 0:2398 20:63 0:000
UNIV 4:9483 0:2746 18:02 0:000
AGE 1:3697 0:0395 34:69 0:000
AGE2 0:0195 0:0007 27:66 0:000
SPOUSE 0:1529 0:4446 0:34 0:731
SPOUSE AGE 0:5575 0:0337 16:52 0:000
SPOUSE AGE2 0:0100 0:0007 15:15 0:000
NCHILD 0:8362 0:3437 2:43 0:015
C 1:3616 1:0209 1:33 0:182
R-squared 0:1310
SALIDA 4
Sample: 69852
WHITE 1:7045 0:8002 2:13 0:033
BLACK 3:07502 0:8061 3:81 0:000
HISPAN 0:5925 1:0008 0:59 0:554
HIGHSC 4:9467 0:2393 20:67 0:000
UNIV 4:9483 0:2741 18:05 0:000
AGE 1:3697 0:0394 34:76 0:000
AGE2 0:0195 0:0007 27:71 0:000
SPOUSE 0:1529 0:4437 0:34 0:730
SPOUSE AGE 0:5575 0:0337 16:55 0:000
SPOUSE AGE2 0:0100 0:0007 15:19 0:000
NCHILD 0:8362 0:3430 2:44 0:015
RES 1:0475 0:3486 3:01 0:003
C 1:3616 1:0188 1:34 0:181
R-squared 0:1345
Adj. R-squared 0:1344
(NOTA: RES son los residuos de la SALIDA 2)
6
ECONOMETRÍA I
Curso 2005/06
30 de Enero de 2006
Tipo de examen: 1
TIEMPO: 2 HORAS Y 30 MINUTOS
Instrucciones:
– Rellene sus datos personales en el impreso de lectura óptica, que será el único doc-
umento válido de respuesta. Recuerde que tiene que completar sus datos identificativos
(Nombre y apellidos y NIE) tanto en letra como en las casillas correspondientes de lec-
tura óptica.
Muy importante: El número de identificación que debe rellenar es su NIE (NO el
DNI o el Pasaporte), que tiene 9 dı́gitos y empieza siempre por 1000.
– Rellene, tanto en letra como en las correspondientes casillas de lectura óptica, el código
de la asignatura y su grupo, de acuerdo con la siguiente tabla:

ASIGNATURA
Economı́a 61 62 63 64 65∗ 10188
ADE 71 72 73 74 75∗ 10188
Sim. ADE-Dcho. 77 78 43020
∗
Grupos bilingües
• Compruebe que este cuadernillo tiene 5 problemas y que el cuestionario de preguntas tiene
40 preguntas numeradas correlativamente.
• Compruebe que el número de tipo de examen que aparece en el cuestionario de
preguntas coincide con el señalado en el impreso de lectura óptica.
Cuando una pregunta se refiera a algún problema de los enunciados, el encabezado
de la pregunta incluirá entre paréntesis el número de problema a que corresponde.
Se recomienda leer atentamente dicho enunciado antes de contestar las preguntas relacionadas.
• Para la fila correspondiente al número de cada una de las preguntas, rellene la casilla corre-
spondiente a la respuesta escogida en el impreso de lectura óptica (A, B, C ó D).
• Cada pregunta tiene una única respuesta correcta.
Cualquier pregunta en la que se seleccione más de una opción será considerada nula y su
puntuación será cero.
• Todas las preguntas respondidas correctamente tienen idéntica puntuación. Las respuestas
incorrectas tendrán una puntuación de cero. Para aprobar el examen hay que responder
correctamente un mı́nimo de 24 preguntas.
• Si lo desea, puede utilizar la plantilla de respuestas que aparece a continuación como borrador,
si bien dicha plantilla carece por completo de validez oficial.
• Puede utilizar el reverso de las hojas como borrador (no se facilitará más papel).
• Al final de este documento, se adjuntan tablas estadı́sticas.
• Cualquier alumno que sea sorprendido hablando o intercambiando cualquier tipo

de material en el examen será expulsado en el acto y su calificación será de cero,
sin perjuicio de otras medidas que se puedan adoptar.
• Fechas de publicación de calificaciones: Miércoles 1 de Febrero.
• Fecha de revisión:
– Grupos del Campus de Getafe: Lunes 6 de Febrero a las 15 h en las AULAS 15.0.04,
15.0.05 y 15.0.06.
– Grupos del Campus de Colmenarejo: Lunes 6 de Febrero a las 10 h en el despacho
1.2.B11.
• Normas para la revisión:
– La revisión sólo tendrá por objeto comprobar el número de respuestas correctas del
examen.
– Para tener derecho a revisión, el alumno deberá:
∗ Solicitarlo por escrito, apuntándose en la lista situada en el Tablón de Información
del departamento de Economı́a (junto al despacho 15.2.22), indicando titulación y
grupo. Los alumnos de los grupos del Campus de Colmenarejo deberán apuntarse
en la lista situada en la puerta del despacho 1.2.B11.
∗ Acudir a la revisión con una copia impresa de las soluciones del examen, que estarán
disponibles en Aula Global desde el dı́a de publicación de las calificaciones.
Borrador de
RESPUESTAS
1. 21.
2. 22.
3. 23.
4. 24.
5. 25.
6. 26.
7. 27.
8. 28.
9. 29.
10. 30.
11. 31.
12. 32.
13. 33.
14. 34.
15. 35.
16. 36.
17. 37.
18. 38.
19. 39.
20. 40.
1. Señale en cuál de los siguientes modelos los parámetros α y β pueden ser consistentemente es-
timados por MCO, donde A = eα y u es un término de error inobservable que es independiente
de X:
(a) Y = AX β + u
(b) No es posible en ninguno de los modelos indicados.
(c) Y = AX β u
(d) Pr(Y = 1|X) = Φ(α + βX)
2. Dada la estimación por MCO de la pendiente de la regresión lineal de Y frente a X, ¿que
puede decir de la estimación por MCO de la pendiente de la regresión lineal de X frente a Y ?
(a) La pendiente de la primera regresión es la inversa de la pendiente de la segunda re-
gresión.
(b) Las pendientes de ambas regresiones son idénticas.
(c) La pendiente de la primera regresión es igual a la pendiente de la segunda regresión
con signo opuesto.
(d) Ninguna de las otras respuestas es correcta.
3. Dado un modelo que cumple todos los supuestos del modelo de regresión clásico excepto el
de homocedasticidad condicional:
(a) Un buen indicador de la bondad del ajuste es el error estándar de la regresión ası́ como
el R2 .
(c) Un buen indicador de la bondad del ajuste es el R2 pero no el error estándar de la
regresión.
(d) Un buen indicador de la bondad del ajuste es el error estándar de la regresión pero no
el R2 .
4. (Problema 1) A la vista del modelo LOGIT estimado, la probabilidad predicha de que no
le concedan la hipoteca a un solicitante blanco con una tasa de endeudamiento del 30% es
aproximadamente igual a:
(a) 0.0745.
(b) 0.2229.
(c) (0.3 × 5.37) /100 ' 0.016 1
(d) 0.0690.
5. (Problema 1) Ignorando los problemas del modelo lineal, si consideramos el modelo lineal
de la SALIDA 1 para describir la probabilidad de no conceder un crédito hipotecario, la
probabilidad predicha para un solicitante negro con igual nivel de endeudamiento que un
solicitante blanco e igual al 30%, es igual a:
(a) 0.2537.
(b) 0.0767.
(c) 0.559 × 0.30 = 0.1677.
(d) 0.559.
6. (Problema 1) De acuerdo con el modelo LOGIT estimado, la diferencia esperada en la
probabilidad de que no le concedan la hipoteca a un solicitante blanco respecto a uno negro,
cuando ambos tienen una tasa de endeudamiento del 30% es igual a:
(a) − [0.0745 − 0.2229] = 0.1483.
(b) 1.27 × 0.1732 = 0.2196.
(c) 0.0745 − 0.2229 = −0.1483.
(d) 1.27 × 0.0690 ' 0.0876.
7. (Problema 1) Ignorando los problemas del modelo lineal, si consideramos el modelo lineal de
la SALIDA 1 para describir la probabilidad de no conceder un crédito hipotecario, la diferencia
esperada en la probabilidad de que no le concedan la hipoteca a un solicitante blanco respecto
a un solicitante negro con igual tasa de endeudamiento es igual a:
(a) 0.177 (e independiente del valor de la variable DEUDA).
(b) 0.559 × DEUDA + 0.177.
(c) −0.177 (e independiente del valor de la variable DEUDA).
(d) −0.091 + 0.559 × DEUDA + 0.177.
Tipo de examen: 1 página 1

8. (Problema 1) De acuerdo con el modelo PROBIT estimado en la salida 2, el efecto marginal
esperado de la tasa de endeudamiento, para un solicitante blanco con una tasa de endeu-
damiento del 30%, sobre la probabilidad de que no le concedan la hipoteca es aproximada-
mente igual a:
(a) 0.8386.
(b) 0.622.
(c) 0.556.
(d) 0.3887.
9. (Problema 1) Una comparación de las estimaciones del modelo lineal con las estimaciones
del modelo LOGIT, nos permite concluir que el efecto esperado de un cambio en la tasa de
endeudamiento sobre la probabilidad de que no le concedan la hipoteca para un solicitante
blanco:
(a) Es mayor en la estimación del modelo de probabilidad lineal.
(c) En los dos modelos ese efecto no es constante; depende del valor de la variable DEUDA.
(d) Es mayor en la estimación del modelo LOGIT.
10. (Problema 1) En base a las estimaciones obtenidas, se realizan las siguiente afirmaciones:
(i) Antes de estimar el modelo lineal de probabilidad con errores estándar robustos a hetero-
cesdasticidad deberı́amos haber mirado a los residuos porque cabe la posibilidad de que no
haya heterocedasticidad, en cuyo caso serı́a preferible usar los errores estándar convencionales.
(ii) La probabilidad de que no le concedan la hipoteca a un solicitante blanco con DEUDA = 0.3
de acuerdo con el modelo lineal de probabilidad es inferior a la proporción de hipotecas no
concedidas en la muestra.
(iii) La comparación directa de los coeficientes estimados en la salidas 2 y 3 nos permite saber
en cuál de los dos modelos el efecto esperado de las variables es mayor que en el otro.
(a) Solamente (i) es cierta.
(b) Solamente (ii) es cierta.
(c) Solamente (i) y (iii) son ciertas.
(d) Todas son ciertas.
11. (Problema 1) Se desea contrastar la significatividad conjunta de las dos variables añadidas
en la salida 4.
(a) El valor del estadı́stico de contraste, que asintóticamente sigue una distribución χ22 , es
igual a 2 × (−745.39 + 797.14) = 103.50.
(b) A la vista del ”Probability(LR stat)” de la salida 4, rechazamos la hipotesis nula.
(c) No se puede realizar ese contraste con la información proporcionada porque necesitamos
saber las covarianzas de los dos coeficientes estimados.
(d) No se puede rechazar la hipótesis nula al 5%.

12. Suponga que ha estimado un modelo de regresión múltiple con datos de series temporales
y ha obtenido un valor del estadı́stico Durbin-Watson igual a 0.20. Indique la respuesta
CORRECTA:
(a) Es un claro signo de haber incluido en la regresión una variable irrelevante.
(b) Indica que puede haber autocorrelación de primer orden igual a 0.90.
(c) Indica que puede haber autocorrelación de primer orden igual 0.10
(d) Indica claramente que la variable dependiente deberı́a estar en logaritmos.
13. Considere el modelo de regresión simple estudiado en clase. Suponga que tenemos datos de
series temporales y que se cumplen todos los supuestos del modelo de regresión clásico, menos
el de ausencia de autocorrelaciónde los errores. Indique la respuesta CORRECTA:
(a) Los estimadores MCO de la constante y de la pendiente NO son consistentes.
(b) Para hacer inferencia hay que utilizar los errores estándar robustos de Eicker-White.
(c) Los estimadores MCO de la constante y de la pendiente son eficientes.
(d) El estimador de Newey-West de los errores estándar de los parámetros estimados es
consistente.
14. Indique la respuesta CORRECTA:
(a) Los contrastes de autocorrelación en los errores se pueden realizar mediante contrastes
de hipótesis basados en regresiones de los residuos.
(b) En regresión, al pasar de datos trimestrales a datos mensuales el orden máximo de
autocorrelación relevante J para el cómputo del estimador de Newey-West de los errores
estándar debe disminuir, necesariamente.
(c) Los valores de los coeficientes estimados por MCO y los estimados por MCO con
errores estándar robustos a autocorrelación son muy distintos a pesar de ser ambos
estimadores consistentes.
(d) Con datos anuales, el orden de la autocorrelación de los errores de la regresión no
puede ser mayor que uno.
15. Para garantizar la consistencia de los estimadores MCO de los parámetros de un modelo
de regresión múltiple por MCO, indique cuál de los siguientes supuestos habituales NO es
necesario:
(a) Esperanza condicional del término de error (condicional en las variables explicativas)
igual a cero.
(b) Linealidad en los parámetros.
(c) No correlación entre los regresores y el término de error.
(d) Homocedasticidad condicional (condicional en las variables explicativas).

16. Sea una muestra aleatoria de las variables (Y, X1 , X2 ) con la relación
E(Y |X1 , X2 ) = β0 + β1 X1 + β2 X2 ,
se han estimado los cuatro modelos siguientes:
Y = b0 + b1 X1 + b2 X2 + e
Y = c0 + c1 X1 + u
X1 = a0 + a1 X2 + v
Y = d0 + d1 v + w
donde b0 , b1 , b2 , c0 , c1 , a0 , a1 , d0 y d1 representan los estimadores MCO de los correspondientes

parámetros y e, u, v y w son los residuos que quedan tras el ajuste MCO. Considere las
siguientes afirmaciones:
(i) V (c1 ) es siempre menor o igual que V (b1 ).
(ii) d1 = b1
(iii) La varianza estimada de c1 puede ser mayor que la varianza estimada de b1 .
(a) Sólo (i) es correcta.
(b) Las tres afirmaciones son correctas.
(c) Sólo (ii) es correcta.
(d) Sólo (i) y (ii) son correctas.
17. En regresión, la versión más general del estimador de Newey-West resuelve:
(a) Únicamente el problema de heterocedasticidad en los errores.
(b) Únicamente el problema de autocorrelación de orden dos.
(c) El problema de autocorrelación y de heterocedasticidad simultáneamente.
(d) Únicamente el problema de autocorrelación de orden uno.
18. (Problema 2) Suponga que las variables exógenas de la ecuación (E.1) (WHITE, BLACK,
HISPAN, HIGSCH, UNIV, AGE, AGE2, SPOUSE, AGE × SPOUSE, AGE2 × SPOUSE) no están correla-
cionadas con NCHILD. Suponga que estimamos por MCO una ecuación para HRS con dichas
variables explicativas solamente (es decir, omitiendo NCHILD). Considere las siguientes afir-
maciones:
(i) Los coeficientes estimados serán inconsistentes. En particular, el coeficiente de WHITE
tenderá a infraestimarse.
(ii) Los coeficientes estimados serán inconsistentes. En particular, el coeficiente de AGE ten-
derá a infraestimarse.
(iii) Los coeficientes estimados serán inconsistentes. En particular, el coeficiente de SPOUSE
tenderá a infraestimarse.
(a) Solamente (i) y (ii) son ciertas.
(b) Ninguna de las afirmaciones anteriores es cierta.
(c) Tanto (i), como (ii) y (iii) son ciertas.
(d) Solamente (ii) and (iii) son ciertas.

19. (Problema 2) Suponga que C(NCHILD, ε) = 0, y el modelo (E.1) satisface todas los supuestos
del modelo de regresión clásico. Considere las siguientes afirmaciones:
(i) La estimación de V (HRS) es igual a (335.4738)2 .
(ii) La estimación de
V (HRS | WHITE, BLACK, HISPAN, HIGSCH, UNIV, AGE, AGE2, SPOUSE, NCHILD)
es igual a (335.4738)2 .
(iii) La estimación de

WHITE, BLACK, HISPAN, HIGSCH, UNIV, AGE,
V HRS
SPOUSE, AGE × SPOUSE, AGE2 × SPOUSE, NCHILD
es igual a (335.4738)2 .
(a) Solamente (ii) y (iii) son ciertas.
(b) Solamente (i) es cierta.
(c) Solamente (iii) es cierta.
(d) Solamente (i) y (iii) son ciertas.
20. (Problema 2) Suponga que C(NCHILD, ε) = 0, y el modelo (E.1) satisface todas los supuestos
del modelo de regresión clásico, excepto el de homocedasticidad condicional. Considere las
(i) Las estimaciones de los parámetros de la SALIDA 1 no son consistentes.
(ii) Los errores estándar de los parámetros de la SALIDA 1 no son consistentes.
(iii) El R2 del modelo carece de sentido.
(a) Solamente (ii) es cierta.
(b) Solamente (ii) y (iii) son ciertas.
(c) Las tres afirmaciones son ciertas.
(d) Solamente (i) y (ii) son ciertas.
21. (Problema 2) Suponga que en el modelo (E.1) queremos contrastar las hipótesis nula de
que las horas trabajadas por semana son independientes de la edad.
(a) La hipótesis nula serı́a H0 : β6 = 0.
(b) La hipótesis nula serı́a H0 : β6 = β7 = β9 = β10 = 0.
(c) La hipótesis nula serı́a H0 : β6 = β7 = β8 = β9 = β10 = 0.
22. (Problema 2) Suponga que en el modelo (E.1) queremos contrastar las hipótesis nula de
que las horas trabajadas por semana son independientes de si la mujer tiene un cónyuge que
convive en el mismo hogar.
(b) La hipótesis nula serı́a H0 : β0 = β8 = β9 = β10 = 0.
(c) La hipótesis nula serı́a H0 : β8 = β9 = β10 = 0.

23. (Problema 2) Suponga que en el modelo (E.1) queremos contrastar la hipótesis nula de que
las horas trabajadas por semana son independientes de la educación de la mujer.
(b) La hipótesis nula serı́a H0 : β4 = β5 = 0.
(d) La hipótesis nula serı́a H0 : β4 − β5 = 0.
24. (Problema 2) Estamos interesados en obtener estimadores consistentes de todos los coefi-
cientes de la ecuación (E.1).
(a) Los estimadores de la SALIDA 1 son consistentes.
(b) La regresión auxiliar de primera etapa para NCHILD de la SALIDA 2 es incorrecta,
porque deberı́a incluir solamente el instrumento.
(c) Los estimadores de la SALIDA3 son consistentes, porque el instrumento (MB) satis-
face las dos condiciones que debe cumplir para ser un instrumento válido: no estar
correlacionado con ε (lo que se establece en el enunciado) y estar correlacionado con
la variable endógena NCHILD (como se comprueba en la regresión auxiliar de primera
etapa de la SALIDA 2).
(d) Los estimadores de la SALIDA 3 no son consistentes, porque necesitarı́amos que el
instrumento (MB) no estuviera correlacionado con la variable endógena NCHILD, lo que
no parece ser el caso a la vista de la SALIDA 2.
25. (Problema 2) Suponga que C(NCHILD, ε) = 0, con lo que NCHILD es exógeno. Una mujer de
20 años de edad sin niños ni cónyuge, asiática y con estudios primarios trabajará en promedio,
aproximadamente:
(a) 21 horas semanales.
(b) No se puede determinar con la información disponible.
(c) 3 horas semanales.
(d) 18 horas semanales.
26. (Problema 2) Suponga que C(NCHILD, ε) = 0, con lo que NCHILD es exógeno. Para una raza,
nivel de educación, edad y estatus marital dado, un niño adicional implica una disminución
media de las horas trabajadas de:
(a) 1.85% horas mensuales.
(b) 1.85 horas semanales.
(c) Depende de la edad del individuo.
(d) 0.83 horas mensuales.
27. (Problema 2) Suponga para esta pregunta que C(MB, ε) 6= 0. Entonces
(a) El coeficiente del número de niños en la SALIDA 1 es un estimador consistente de β11 .
(c) El coeficiente de la variable de partos múltiples en la SALIDA 2 es inconsistente.
(d) El coeficiente del número de niños en la SALIDA 3 es un estimador consistente de β11 .

28. (Problema 2) Si queremos evaluar si la variable NCHILD is endógena:
(a) Contrastaremos si NCHILD es endógena en la ecuación auxiliar de primera etapa por
medio del estadı́stico t del coeficiente de MB.
(b) Contrastaremos la significación conjunta de todos los regresores de la SALIDA 2 (con-
traste de significación conjunta , o contraste de regresión).
(c) Contrastaremos si NCHILD es endógena en la ecuación de horas por medio de un con-
traste de Hausman.
(d) No podemos contrastar dicha hipótesis porque necesitamos al menos dos instrumentos.
29. (Problema 2) A la vista de los resultados:
(a) Como RES es estadı́sticamente significativo en la estimación MCO de la ecuación de
horas ampliada (SALIDA 4), NO rechazamos que NCHILD es exógeno.
(c) El contraste de endogeneidad presentado es incorrecto, porque la forma reducida en
la que se basan los residuos incluye de forma incorrecta las variables exógenas de la
ecuación de horas (WHITE, BLACK, HISPAN, AGE, AGE2, SPOUSE, AGE × SPOUSE, AGE2 ×
SPOUSE).
(d) Como RES es estadı́sticamente significativo en le estimación MCO de la ecuación de
horas ampliada (SALIDA 4), rechazamos que NCHILD es exógeno.
30. (Problema 2) Utilizando las estimaciones apropiadas, podemos afirmar que para una raza,
nivel de educación, edad y estatus marital, un niño adicional conlleva aproximadamente una
disminución promedio de las horas trabajadas de:
(a) 0.84% por semana.
(b) 1.85 horas semanales.
(c) 1.21 horas semanales.
(d) 0.84 horas semanales.
31. (Problema 2) Utilizando las estimaciones apropiadas, podemos afirmar que para un número
de niños, edad y estatus marital dados, la diferencia promedio en las horas trabajadas entre
una mujer blanca con educación universitaria respecto a una mujer negra con educación
secundaria será aproximadamente:
(a) 1.37 horas semanales menos que la mujer negra.
(b) 1.37 horas semanales más que la mujer negra.
(c) 1.7% horas semanales más que la mujer negra.
(d) 3.07 horas semanales más que la mujer negra.
32. (Problema 2) Utilizando las estimaciones apropiadas, podemos afirmar que, dada una mujer
de 46 años, sin cónyuge, para un número de hijos, para una raza y educación dadas, tener un
año más de edad implicará que trabajará aproximadamente en promedio:
(a) 1.33 horas semanales más.
(b) 0.79 horas semanales más.
(c) 1.33 horas semanales menos.
(d) 0.42 horas semanales menos.

de niños, edad educación y raza dados, la diferencia promedio en las horas trabajadas entre
una mujer con cónyuge respecto a otra mujer sin cónyuge será aproximadamente:
(a) [0.4258 − 0.5668 × AGE + 0.0101 × AGE2] horas semanales más.
(b) [0.1529 − 0.5575 × AGE + 2 × 0.01 × AGE2] horas semanales más.
(c) [0.1529 − 0.5575 × AGE + 0.01 × AGE2] horas semanales más.
(d) [0.4258 − 0.5668 × AGE + 2 × 0.0101 × AGE2] horas semanales más.
de niños y edad dados, la diferencia promedio en las horas trabajadas entre una mujer blanca
con educación universitaria sin cónyuge respecto a una mujer negra con educación secundaria
y con cónyuge será aproximadamente:
(a) −1.37 + [0.1529 − 0.5575 × AGE + 0.01 × AGE2] horas semanales más.
(b) −1.37 − [0.1529 − 0.5575 × AGE + 0.01 × AGE2] horas semanales más.
(c) −2.11 − [0.4258 − 0.5668 × AGE + 2 × 0.0101 × AGE2] horas semanales más.
(d) −2.11 + [0.4258 − 0.5668 × AGE + 2 × 0.0101 × AGE2] horas semanales más.
35. (Problema 2) Utilizando las estimaciones apropiadas, la edad aproximada a la que en prome-
dio una mujer con cónyuge trabaja el mayor número de horas es:
(a) 42.7 años de edad.
(b) 35.9 años de edad.
(c) 45 años de edad.
(d) 35 años de edad.
36. (Problema 2) Utilizando las estimaciones apropiadas, si comparamos dos mujeres de igual
raza, educación y número de niños pero en que la primera tiene cónyuge y la segunda no,
la diferencia aproximada en valor absoluto en las edades a las que cada una trabajarı́a en
promedio el mayor número de horas será:
(a) 2.2 años.
(b) 15.5 años.
(c) 10.1 años.
(d) 7.6 años.
37. (Problema 2) Suponga que en el modelo (E.1) queremos contrastar la hipótesis nula de que
las horas trabajadas son independientes de la edad. Utilizando las estimaciones apropiadas:
(a) El estadı́stico t asociado, que se distribuye asintóticamente como una N (0, 1), es 34.69.
(b) No es posible evaluar dicha hipótesis a partir de la información disponible.
(c) El estadı́stico t asociado, que se distribuye asintóticamente como una N (0, 1), es 46.26.
(d) El estadı́stico t asociado, que se distribuye asintóticamente como una N (0, 1), es 50.37.

38. (Problema 2) Suponga que tanto en la SALIDA 1 como en la SALIDA 3, la estimación del
coeficiente de correlación entre los parámetros estimados de HIGSCH y UNIV es corr
d (b4 , b5 ) =
0.6. Utilizando las estimaciones apropiadas, si queremos contrastar la hipótesis nula de que
tener educación secundaria tiene el mismo efecto en las horas trabajadas que tener educación
universitaria:
(a) El estadı́stico apropiado es

−0.0016 = 6.892 3 × 10−2 .

t = √
2 2
0.2398 + 0.2746 − 2 × 0.6 × 0.2398 × 0.2746
(b) El estadı́stico apropiado es

−0.0016 = 3.4756 × 10−2 .

t = √
2 2
0.2398 + 0.2746 + 2 × 0.6 × 0.2398 × 0.2746
(c) No es posible evaluar dicha hipótesis a partir de la información disponible.

(d) El estadı́stico apropiado es

0.0759
t = √
= 0.44614
2 2
0.1770 + 0.2005 − 2 × 0.6 × 0.1770 × 0.2005
39. Sea el modelo

E (Y | X) = F (β0 + β1 X)
donde Y es una variable binaria. Considere las siguientes afirmaciones:
(i) E (Y | X) = P LO (Y | X).
(ii) Pr (Y = 1| X) = F (β0 + β1 X), donde F (β0 + β1 X) ∈ [0, 1] para cualquier valor de X.
(iii) F (β0 + β1 X) = β0 + β1 X.
(a) Las tres afirmaciones son ciertas.
(b) Solamente (ii) es cierta.
40. Dada e la siguiente distribución conjunta del par de variables aleatorias discretas (X, Y ):
P r(X = x, Y = y) X = 1 X = 2 X = 3
Y =1 0.15 0.10 0.15
Y =2 0.15 0.30 0.15
(a) E(Y |X) = 1.60.

q
(b) E(Y |X) = 1.75 − 0.25 × (X − 2)2 .
(c) E(Y |X) = P LO(Y |X).
(d) E(Y |X) = 0 porque son independientes.

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRIA I CURSO 2005/06
SOLUCIONES EXAMEN 30/01/06
TIPO 1
1 C
2 D
3 B
4 A
5 A
6 C
7 C
8 D
9 B
10 B
11 A
12 B
13 D
14 A
15 D
16 B
17 C
18 B
19 A
20 B
21 B
22 C
23 B
24 C
25 A
26 B
27 B
28 C
29 D
30 D
31 A
32 D
33 C
34 B
35 A
36 D
37 B
38 A
39 B
40 B
ECONOMETRÍA I
30 de Enero de 2007
Muy importante: Tenga en cuenta que algunos resultados de las tablas han sido
omitidos.
PROBLEMA 1: EFECTO DE UNA INCINERADORA DE BASURAS SOBRE

LOS PRECIOS DE LAS CASAS
Después de 1978 comenzaron los rumores de que se iba a construir una incineradora de
basuras en North Andover (Massachusetts, EE.UU.). La construcción comenzó en 1981
y se pensaba que iba a entrar en funcionamiento enseguida (aunque luego no empezó a
funcionar hasta 1985).
La hipótesis es que las casas que estaban cerca de la incineradora perdieron valor
respecto a las que estaban alejadas.
Contamos con una muestra de 321 observaciones de casas vendidas en 1978 (las
primeras 179 observaciones) y en 1981 (las últimas 142 observaciones) para las que
observamos sus precios de compraventa, su distancia a la incineradora y otras carac-
terísticas. Consideramos que la instalación y puesta en marcha de la incineradora es un
suceso completamente exógeno respecto a la determinación de los precios observados.
Empleando datos de 1981, se estima el siguiente modelo:
RPRICE = 0 + 1 NEARINC +"
donde:
RPRICE = precio de la casa en términos reales (dólares de 1978)
NEARINC = variable …cticia que vale 1 si la casa está cerca de la incineradora (a
menos de 3 millas) y cero en caso contrario.
SALIDA 1: Estimaciones MCO utilizando las 142 observaciones 180 321

Variable dependiente: RPRICE
Variable Coe…ciente Desv. típica Estadístico t valor p

C 101308 3093 32:75 0:0000
NEARINC 5828 5:27 0:0000
Media de la variable dependiente 92663
Desviación típica de la var. dependiente 34071
Suma de cuadrados de los residuos 1:36614e+11
Desviación típica de los residuos (^ ) 31238
R2 0:1653
R2 corregido 0:1594
Se estima también el mismo modelo con datos de 1978:


C 82517 2654 31:09 0:0000
NEARINC 18824 4745 0:0001
R2 0:0817
R2 corregido 0:0765
Asimismo, se estima el siguiente modelo con datos de 1978 y de 1981:
RPRICE = 0 + 1 NEARINC + 2 Y81 + 3 Y81NEARINC +"
donde:
Y81 = variable …cticia que vale 1 si la casa fue vendida en el año 1981 y cero en caso
contrario;
Y81NEARINC =Y81 NEARINC.


C 82517 2727 30:26 0:0000
NEARINC 18824 4875 3:86 0:0001
Y81 18790 4050 4:64 0:0000
Y81NEARINC 11890 7457 0:1126
2
R2 0:1739
R2 corregido 0:1661
F (3; 317) 22:2511
Por último, se estima el siguiente modelo con datos de 1978 y de 1981:
LRPRICE = 0 + 1 LDIST + 2 Y81 + 3 Y81LDIST +"
donde:
LRPRICE = log(RPRICE)
LDIST= log(DIST) = logaritmo neperiano de la distancia (en millas) de la casa a la
incineradora;
Y81LDIST = Y81 log(DIST).

Variable dependiente: LRPRICE

C 8:0585 0:5084 15:85 0:0000
LDIST 0:3167 0:0515 6:15 0:0000
Y81 0:2752 0:8051 0:34 0:7327
Y81LDIST 0:0482 0:0818 0:59 0:5562
Media de la variable dependiente 11:26
Desviación típica de la var. dependiente 0:3879
Suma de cuadrados de los residuos 37:1217
Desviación típica de los residuos (^ ) 0:3422
R2 0:2290
R2 corregido 0:2217
3
PROBLEMA 2: IMPACTO DE LA FERTILIDAD EN LOS AÑOS DE EDU-
CACIÓN DE LOS NIÑOS
(Nota: Los datos han sido modi…cados para realizar este problema, por lo que no re‡ejan
la evidencia real)
Una teoría establece una relación negativa entre el número de niños en el hogar y los
años de educación completados por éstos. Para evaluar dicha teoría, disponemos de una
muestra de familias con 2 o más niños del censo de Chile de 2002. Queremos estudiar
el impacto del número de niños en los años de educación completados por los dos
hermanos mayores. Para evaluar el impacto de la fertilidad (medida por el número de
niños en el hogar) sobre los años de educación de los niños, nos centramos en la siguiente
especi…cación:
LYEDU = 0 + 1 AGE + 2 AGE2 + 3 MOMAGE + 4 MOMAGE2 (E.1)

+ 5 MOMEDU + 6 MOMEDU2 + 7 FEMALE (1)
+ 8 SECOND + 9 URBAN + 10 NCHILD +"
donde, para cada individuo (niño):
LYEDU = logaritmo de los años de educación del niño;

AGE = edad del niño en años;
AGE2 = cuadrado de la edad del niño en años;
MOMAGE = edad de la madre en años;
MOMAGE2 = cuadrado de la edad de la madre en años;
MOMEDU = años de educación de la madre;
MOMEDU2 = cuadrado de los años de educación de la madre;
FEMALE = variable binaria que toma el valor 1 si la observación corresponde a una
niña y 0 en caso contrario;
SECOND = variable binaria que toma el valor 1 si el niño es el segundo en edad y cero
en caso contrario;
URBAN = variable binaria que toma el valor 1 si el niño vive en un área urbana y cero
en caso contrario;
NCHILD = número de hijos menores de 18 años que conviven en el hogar.
Además, sabemos que las decisiones de fertilidad están correlacionadas con característi-
cas inobservables que afectan simultáneamente al nivel de educación de los niños. En-
tonces, esperaríamos que
C("; NCHILD) 6= 0,
mientras que el resto de las variables en el lado derecho de (E.1) no están correla-
cionadas con dichas características inobservables.(").
4
Además de las variables arriba mencionadas, tenemos información acerca de si ha
habido un parto múltiple en la familia (MB). Entendemos que se ha producido un parto
múltiple si la madre tuvo mellizos, trillizos, cuatrillizos o quintillizos. También conoce-
mos la composición por sexos de la familia. En general, las familias pre…eren tener hijos
de distinto sexo.
Por tanto, podemos de…nir las variables Parto Múltiple (MB) y Mismo Sexo (SSEX)
como:
MB = variable binaria que toma el valor 1 si ha habido un parto múltiple en el hogar y
cero en caso contrario;
SSEX = variable binaria que toma el valor 1 si los dos hermanos mayores tienen el mismo
sexo y cero en caso contrario.
A continuación presentamos las siguientes estimaciones:

Variable dependiente: LYEDU

C 3:8964 0:0285 136:63 0:0000
AGE 0:6660 0:0026 254:38 0:0000
AGE2 0:0185 0:0001 188:05 0:0000
MOMAGE 0:0045 0:0012 3:84 0:0001
MOMAGE2 0:00004 0:000014 2:89 0:0038
MOMEDU 0:0221 0:0011 20:31 0:0000
MOMEDU2 0:0008 0:00005 15:12 0:0000
FEMALE 0:0174 0:0025 7:00 0:0000
SECOND 0:0102 0:0023 4:35 0:0000
URBAN 0:0219 0:0032 6:74 0:0000
NCHILD 0:0266 0:0016 16:50 0:0000
Media de la var. dependiente 1:66418
R2 0:8868
R2 corregido 0:8867
5
Variable dependiente: NCHILD

C 3:9502 0:0816 48:41 0:0000
AGE 0:0664 0:0077 8:65 0:0000
AGE2 0:0010 0:0003 3:51 0:0004
MOMAGE 0:0498 0:0035 14:40 0:0000
MOMAGE2 0:00048 0:00004 11:99 0:0000
MOMEDU 0:0356 0:0032 11:18 0:0000
MOMEDU2 0:0016 0:00016 9:81 0:0000
FEMALE 0:0052 0:0075 0:69 0:4877
SECOND 0:1359 0:0068 19:87 0:0000
URBAN 0:0399 0:0095 4:18 0:0000
MB 0:9280 0:0341 27:24 0:0000
SSEX 0:0252 0:0098 2:58 0:0099
R2 0:0480
R2 corregido 0:0477
NOTA: En una estimación MCO similar a la de la SALIDA 2

pero que omite MB, SSEX: R2 = 0:0319
SALIDA 3: Estimaciones MC2E utilizando las 43972 observaciones 1 43972

Instrumentos: MB SSEX

C 3:9987 0:0567 70:48 0:0000
AGE 0:6642 0:0027 254:38 0:0000
AGE2 0:0184 0:0001 185:65 0:0000
MOMAGE 0:0058 0:0013 4:36 0:0000
MOMAGE2 0:00005 0:000015 3:48 0:0001
MOMEDU 0:0230 0:0012 19:51 0:0000
MOMEDU2 0:00086 0:00006 14:89 0:0000
FEMALE 0:0175 0:0025 7:00 0:0000
SECOND 0:0137 0:0029 4:74 0:0000
URBAN 0:0230 0:0033 6:97 0:0000
NCHILD 0:0007 0:0125 0:05 0:9581
R2 0:8861
6

C 3:9987 0:0567 70:48 0:0000
AGE 0:6642 0:0027 254:38 0:0000
AGE2 0:0184 0:0001 185:65 0:0000
MOMAGE 0:0058 0:0013 4:36 0:0000
MOMAGE2 0:00005 0:000015 3:48 0:0001
MOMEDU 0:0230 0:0012 19:51 0:0000
MOMEDU2 0:00086 0:00006 14:89 0:0000
FEMALE 0:0175 0:0025 7:00 0:0000
SECOND 0:0137 0:0029 4:74 0:0000
URBAN 0:0230 0:0033 6:97 0:0000
NCHILD 0:0007 0:0125 0:05 0:9581
RES 0:0264 0:0126 2:10 0:0361
R2 0:8868
2
R corregido 0:8867
(NOTA: RES son los residuos de la SALIDA 2)

Variable dependiente: RES1

C 0:0009 0:0279 0:03 0:9744
AGE 0:000015 0:0026 0:01 0:9954
AGE2 0:000001 0:0001 0:01 0:9929
MOMAGE 0:00001 0:0012 0:01 0:9912
MOMAGE2 0:0000001 0:000014 0:01 0:9926
MOMEDU 0:00001 0:0011 0:01 0:9928
MOMEDU2 0:0000004 0:00005 0:01 0:9937
FEMALE 0:0007 0:0025 0:28 0:7767
SECOND 0:00002 0:0023 0:01 0:9937
URBAN 0:00007 0:0033 0:02 0:9837
MB 0:0011 0:0116 0:10 0:9226
SSEX 0:0045 0:0033 1:36 0:1741
R2 0:00004
R2 corregido 0:0002
(NOTA: RES1 son los residuos de la SALIDA 3)
7
PROBLEMA 3: EFECTO DEL ORIGEN ETNICO SOBRE LA PENA DE MUERTE
Un grupo de expertos piensa que en Estados Unidos la probabilidad de ser condenado a
muerte es mayor, ceteris paribus, cuando el acusado es de raza negra. Para comprobar
esta hipótesis, se analizan 679 juicios en diferentes Estados donde se aplica la pena de
muerte. En la muestra utilizada, la proporción de víctimas de raza blanca es de un 76%.
Las variables consideradas son las siguientes:
CONDENA = variable binaria que toma el valor 1 si el acusado es condenado a muerte

y 0 en caso contrario;
RAZA_ACUSADO = variable binaria que toma el valor 1 si el acusado es de raza negra
RAZA_VICTIMA = variable binaria que toma el valor 1 si la víctima es de raza blanca
y 0 en caso contrario.
Se obtuvieron los siguientes resultados:
SALIDA 1: Estimaciones Logit utilizando las 679 observaciones 1 679

Variable dependiente: CONDENA
Variable Coe…ciente Desv. típica Estadístico t Pendiente

C 2:08 0:14 14:86
RAZA_ACUSADO 0:39 0:31 1:26 0:0356
Evaluado en la media
Media de condena = 0.102
Número de casos ’correctamente predichos’= 610 (89.8 percent)
Pseudo-R2 de McFadden = 0.0040
f ( 0 x) en la media de las variables independientes = 0.090
Log-verosimilitud = 222.25
Contraste de razón de verosimilitudes: 21 = 1.770

const 4:43 0:61 7:26
RAZA_ACUSADO 0:83 0:36 2:31 0:0644
RAZA_VICTIMA 2:39 0:60 3:98 0:1861
8
ECONOMETRÍA I
Curso 2006/07
30 de Enero de 2007
Tipo de examen: 1
Instrucciones:
(Nombre y apellidos y NIU) tanto en letra como en las casillas correspondientes de lec-
tura óptica.
Muy importante: El número de identificación que debe rellenar es su NIU (NO el

ASIGNATURA
Economı́a 61 62 63 64 65∗ 10188
ADE 71 72 73 74 75∗ 10188
Sim. ADE-Dcho. 77 78 43020
∗
Grupos bilingües
• Compruebe que este cuestionario de preguntas tiene 40 preguntas numeradas correlativamente.



incorrectas tendrán una puntuación de cero. Para obtener una calificación de 5 sobre 10 en
el examen hay que responder correctamente 24 preguntas.
• Al final del documento con los enunciados de los problemas, se adjuntan tablas estadı́sticas.

• Fechas de publicación de calificaciones: Jueves 1 de Febrero.
– Grupos del Campus de Getafe: Martes 6 de Febrero a las 15 h en las aulas 15.0.05 y
15.0.06.
– Grupos del Campus de Colmenarejo: Lunes 5 de Febrero a las 17 h en el Despacho
1.2.B11.
examen.
– Para tener derecho a revisión, el alumno deberá acudir a la revisión con una copia
impresa de las soluciones del examen, que estarán disponibles en Aula Global desde el
dı́a de publicación de las calificaciones.
Borrador de
RESPUESTAS
1. 21.
2. 22.
3. 23.
4. 24.
5. 25.
6. 26.
7. 27.
8. 28.
9. 29.
10. 30.
11. 31.
12. 32.
13. 33.
14. 34.
15. 35.
16. 36.
17. 37.
18. 38.
19. 39.
20. 40.
1. (problema 2) Suponiendo que C(NCHILD, ε) = 0, y que el modelo (E.1) satisface todas los
supuestos del modelo de regresión clásico excepto el de homocedasticidad condicional:
(i) Las estimaciones de los parámetros de OUTPUT 1 no son consistentes.
(ii) Los errores estándar de los parámetros de OUTPUT 1 no son consistentes.
2. (problema 2) Si en el modelo (E.1) quisiéramos contrastar la hipótesis nula de que los años
de educación de un niño son independientes del nivel de educación de la madre.
(b) La hipótesis nula serı́a H0 : β0 = β5 = β6 .
Tipo de examen: 1 página 1 30 de enero de 2007

3. (problema 2) Estamos interesados en obtener estimadores consistentes de todos los coefi-
(b) Los estimadores de la SALIDA 3 son consistentes, porque los instrumentos (MB and
SSEX) satisfacen las dos condiciones para ser instrumentos válidos: no estar correla-
cionados con ε (como se desprende de la SALIDA 5) y estar correlacionados con la
variable endógena NCHILD (como se desprende de la regresión de primera etapa de la
SALIDA 2).
(c) Los estimadores de la SALIDA 3 son consistentes, porque los instrumentos (MB and
SALIDA 2).
(d) Los estimadores de la SALIDA 3 no son consistentes, porque necesitarı́amos que los
instrumentos (MB and SSEX) no estuvieran correlacionados con la variable endógena
NCHILD, lo que no parece ser el caso en vista de la SALIDA 2.
4. (problema 2) Suponga que C(NCHILD, ε) = 0, de manera que NCHILD es exógena. Una
niña de 10 años de edad, que es la mayor en una familia con un hermano adicional y cuya
madre tiene 25 años de edad y 10 años de educación, que vive en un área rural, tendrá en
media, aproximadamente:
(a) 1.1 años de educación.
(b) No disponemos de suficiente información.
(c) 2.8 años de educación.
(d) 3 años de educación.
5. (problema 2) Suponga que C(NCHILD, ε) = 0, de manera que NCHILD es exógena. Dados
un sexo, edad, edad de la madre, educación de la madre, estatus urbano y orden de nacimiento
entre sus hermanos, un niño adicional supone en media una disminución estimada en los años
de educación de aproximadamente:
(a) 2.7% años de educación.
(b) 0.027% años de educación.
(d) 0.027 años de educación.
6. (problema 2) Suponga que SSEX no es un instrumento válido. En tal situación:
(i) La SALIDA 3 no proporciona estimaciones consistente del modelo (E.1).
(ii) Si MB es un instrumento válido, podrı́amos obtener estimaciones consistentes para el
modelo (E.1).
(iii) No podemos contrastar la validez de MB como instrumento.
(c) Solamente (i) y (ii) son ciertas.
(d) Solamente (ii) es cierta.

7. (problema 2) Suponga para esta pregunta que C(NCHILD, ε) 6= 0, C(MB, ε) 6= 0 y
C(SSEX, ε) = 0. Entonces:
(i) El coeficiente del número de niños en la SALIDA 1 es un estimador inconsistente de β10 .
(ii) El coeficiente del número de niños en la SALIDA 3 es un estimador inconsistente de β10 .
(iii) El sesgo de inconsistencia del coeficiente del número de niños es siempre mayor (en valor
absoluto) en la SALIDA 1 que en la SALIDA 3.
(b) Solamente (i) y (ii) son ciertas.
(c) Las tres afirmaciones son falsas.
8. (problema 2) Si queremos evaluar si la variable NCHILD es endógena:
(a) Contrastaremos si NCHILD es endógena en la ecuación de primera etapa por medio de
un contraste de que los coeficientes de MB y SSEX son conjuntamente iguales a cero.
(b) Contrastaremos la significación conjunta de todos los regresores en la SALIDA 2 (con-
traste de significación conjunta o contraste de regresión.
(c) Contrastaremos si NCHILD es endógena en la ecuación para LYEDU por medio de un
contraste de Hausman.
(d) Haremos una regresión auxiliar de los residuos de la SALIDA 1 sobre NCHILD y
sobre el resto de las variables explicativas del modelo. Un coeficiente significativo de
NCHILD aportarı́a evidencia de que los residuos y NCHILD están correlacionados.
9. (problema 2) Dados los resultados:
(i) Dada la SALIDA 4, rechazamos que NCHILD es exógeno al 5% de significación (pero no
al 1%).
(ii) El contraste de la hipótesis nula de no correlación entre los instrumentos y el término
de error del modelo, que se distribuye aproximadamente como una χ21 , tiene un valor de
43972 × 4 × 10−5 ' 1.76, por lo que no rechazamos la hipótesis nula al 10% de significación.
(iii) El contraste de la hipótesis nula de que tanto MB como SSEX no están correlacionadas
con NCHILD, que se distribuye aproximadamente como una χ22 , tiene un valor de alrededor
de 739, por lo que rechazamos dicha hipótesis a cualquier nivel de significación razonable.
(b) Solamente (i) y (iii) son ciertas.
(c) Solamente (ii) y (iii) son ciertas.
(d) Las tres afirmaciones son ciertas.
10. (problema 2) Utilizando las estimaciones apropiadas, podemos concluir que dados un sexo,
edad, edad y educación de la madre, orden de nacimiento entre sus hermanos y estatus urbano,
un niño adicional:
(a) Supone una reducción estimada de aproximadamente 2.7% años de educación.
(b) Supone una reducción estimada de aproximadamente 0.07% años de educación.
(c) No disminuye los años de educación.
(d) Supone una reducción estimada de aproximadamente 2.7 años de educación.

edad, edad y educación de la madre, número de hermanos y estatus urbano, el hermano mayor
de la familia tiene aproximadamente:
(a) 1.4 años de educación más que el segundo hermano.
(b) 1% menos de años de educación que el segundo hermano.
(c) 1.4% más de años de educación que el segundo hermano.
(d) 1 años de educación menos que el segundo hermano.
12. (problema 2) Utilizando las estimaciones apropiadas, una chica de 17 años de edad, que
es la segunda más mayor entre todos los hermanos, que tiene 5 hermanos y cuya madre
tiene 43 años de edad y 12 años de educación, que vive en un área rural, tendrá en media,
aproximadamente:
(b) 9 años de educación.
13. (problema 2) Utilizando las estimaciones apropiadas, la edad de la madre a partir de la cual
la edad de la madre tiene un impacto negativo en los años de educación de los niños es:
(a) No disponemos de suficiente información.
(b) 60 años de edad.
14. (problema 3) Utilizando las estimaciones disponibles más apropiadas, podemos afirmar que:
(a) Si el acusado es negro, es más probable que éste sea condenado.
(b) La raza del acusado sólo influye si la vı́ctima es negra.
(c) La raza del acusado no influye en la probabilidad de ser condenado.
(d) Si el acusado es blanco, es más probable que éste sea condenado.
15. (problema 3) De acuerdo con los resultados, podemos afirmar que:
(a) Si la vı́ctima es blanca, es más probable que el acusado sea condenado.
(b) La raza de la vı́ctima sólo influye si el acusado es negro.
(c) La raza de la vı́ctima no influye en la probabilidad de ser condenado.
(d) Si la vı́ctima es negra, es más probable que el acusado sea condenado.
16. (problema 3) La probabilidad predicha de que un acusado de raza negra sea condenado
cuando la vı́ctima es blanca es aproximadamente igual a:
(a) 0.23
(b) 0.96
(c) 0.08
(d) 0.83

17. (problema 3) Si el modelo especificado en la SALIDA 2 hubiera sido estimado mediante un
modelo de probabilidad lineal en lugar de utilizar la estimación logit:
(i) El término de error presentarı́a heterocedasticidad (condicional a las variables explicativas).
(ii) El término de error seguirı́a una distribución (condicional a las variables explicativas)
normal.
(iii) Las probabilidades predichas podrı́an ser mayores que uno o menores que cero.
(d) Solamente (ii) y (iii) son ciertas.
18. (problema 3) Considere las siguientes afirmaciones:
(i) El modelo de la SALIDA 1 presenta un problema de variables relevantes omitidas.
(ii) Detrás de las diferencias en el coeficiente estimado de la raza del acusado en la SALIDA
1 y en la SALIDA 2 está la correlación negativa entre la raza del acusado y la raza de la
vı́ctima.
(iii) Podemos concluir que tanto la mayorı́a de los acusados como la mayorı́a de los condenados
son de raza negra.
(i) Si la vı́ctima es blanca, el efecto estimado de ser un acusado de raza negra sobre la
probabilidad de condena es aproximadamente igual a 0.11.
(ii) El efecto estimado de ser un acusado de raza negra sobre la probabilidad de condena es
aproximadamente igual a 0.22, sea cual sea la raza de la vı́ctima.
(iii) La raza de la vı́ctima tiene una mayor influencia en la probabilidad de condena que la
raza del acusado.
20. (problema 3) Considere las siguientes afirmaciones relacionadas con la SALIDA 2:
(i) El modelo es lineal en parámetros.
(ii) El modelo es lineal en variables.
(a) Solamente (i) y (iii) son ciertas.
(d) Las tres afirmaciones son falsas.

21. (problema 3) En la SALIDA 2, la hipótesis de que todos los coeficientes excepto la constante,
son cero:
(i) No se rechaza al nivel de significación del 1%.
(ii) No se rechaza al nivel de significación del 5%.
(iii) No se rechaza al nivel de significación del 10%.
(c) No tenemos información suficiente para evaluar ninguna de las tres afirmaciones.
22. (problema 3) Evaluando en la proporción media de vı́ctimas de raza blanca, la probabilidad
predicha de que un acusado de raza negra sea condenado es aproximadamente igual a:
(a) 0.14.
(b) 0.07.
(c) 0.08.
(d) 0.93.
23. (problema 3) Si queremos contrastar si la raza de la vı́ctima es una variable relevante para
explicar la probabilidad de que un acusado sea condenado a muerte:
(i) En vista de que el valor del correspondiente estadı́stico t es aproximadamente 3.98, rec-
hazamos al 1% la hipótesis nula de que el coeficiente de dicha variable es cero.
(ii) En vista de que el valor del correspondiente contraste de razón de verosimilitudes es aprox-
imadamente 20.36, rechazamos al 1% la hipótesis nula de que el coeficiente de dicha variable
es cero.
(iii) Comparando el modelo restringido con el modelo sin restringir, el número de predicciones
correctas es idéntico, lo que evidencia que dicha variable es irrelevante.
24. (problema 3) Si la SALIDA 2 incluye todas las variables explicativas relevantes y el supuesto
de la distribución logı́stica es correcto, el modelo de la SALIDA 2 caracteriza:
(i) La probabilidad de que un acusado sea condenado a muerte, condicional en la raza del
acusado y en la raza de la vı́ctima.
(ii) La esperanza condicional del suceso de que un acusado sea condenado a muerte, condicional
en la raza del acusado y en la raza de la vı́ctima.
(iii) La proyección lineal del suceso de que un acusado sea condenado a muerte, condicional

25. (problema 3) Dado el modelo de la SALIDA 2:
(i) Hubiéramos obtenido efectos similares de las variables explicativas (raza del acusado, raza
de la vı́ctima) si hubiéramos supuesto una distribución normal en vez de una logı́stica y
hubiéramos estimado por máxima verosimilitud (siempre que no haya demasiados valores
extremos en la muestra).
(ii) Hubiéramos obtenido estimadores consistentes de los efectos de las variables explicativas
(raza del acusado, raza de la vı́ctima) si hubiéramos mantenido el supuesto de distribución
logı́stica y hubiéramos estimado por mı́nimos cuadrados no lineales.
(iii) Si, manteniendo el supuesto de distribución logı́stica, hubiéramos estimado por mı́nimos
cuadrados no lineales, los errores estándar convencionales serı́an inapropiados debido a la
existencia de heterocedasticidad condicional.
(d) Solamente (i) es cierta.
(i) Si mantenemos el supuesto de distribución logı́stica, las estimaciones de los parámetros
serı́an idénticas tanto si estimamos por máxima verosimilitud como si aplicamos mı́nimos
cuadrados no lineales.
(ii) Si estimáramos por máxima verosimilitud suponiendo una distribución normal en vez de
logı́stica (y suponiendo que no hay demasiados valores extremos en la muestra) las magnitudes
de los coeficientes estimados serı́an mayores en el caso de la normal.
(iii) Si, manteniendo el supuesto de distribución logı́stica, estimamos por mı́nimos cuadrados
no lineales en vez de por máxima verosimilitud, los errores estándar de las estimaciones por
mı́nimos cuadrados no lineales de los coeficientes estimados serán menores o iguales que los
correspondientes errores estándar cuando se estima por máxima verosimilitud.
27. (problema 3) De acuerdo con las estimaciones de la SALIDA 2, la media del el efecto esti-
mado de ser un acusado de raza negra sobre la probabilidad de condena es aproximadamente
igual a:
(a) 0.22.
(b) No tenemos información suficiente para calcular este efecto medio.
(c) 0.09.
(d) 0.11.

28. (Problema 1) Dados los resultados de la SALIDA 1, considere las siguientes afirmaciones:
(i) El coeficiente de la constante se interpreta como el precio medio de venta en 1981 de las
casas que no están cerca de la incineradora.
(ii) Los resultados implican que la causa de los precios más bajos de las casas cercanas a la
incineradora es la presencia de la misma, ya que el coeficiente de la variable NEARINC es
negativo y significativo.
(iii) Los resultados permiten calcular el precio medio de las casas cerca de la incineradora en
1981.
(b) Las tres afirmaciones son ciertas.
29. (problema 1) Indique cuál de las siguientes afirmaciones es cierta:
(a) El precio medio estimado de venta de las casas en 1981 es aproximadamente de 70594
dólares.
(b) Ninguna de las otras respuestas es cierta.
(c) El precio medio estimado de venta en 1981 de las casas que están cerca de la inciner-
adora es aproximadamente 30714 dólares superior al de las casas más alejadas.
(d) El precio medio estimado de venta en 1981 de las casas que están lejos de la incineradora
es aproximadamente 30714 dólares superior al de las casas más cercanas.
30. (problema 1) Los resultados de la SALIDA 2 indican que:
(a) La incineradora se construyó en una zona en la que los precios de las casas eran más
bajos.
(b) La incineradora no hizo bajar los precios de las casas significativamente.
(c) Si no se hubiera construido la incineradora, los precios de las casas serı́an de 82517
dólares.
(d) La incineradora hizo bajar los precios de las casas en 18824 dólares.
31. (problema 1) La diferencia estimada entre el precio medio de las casas que están lejos de la
incineradora y las que están cerca en el año 1981:
(i) Es aproximadamente igual a 30714 dólares.
(ii) Es aproximadamente igual a 70594 dólares.
(iii) Es una buena medida del efecto de la incineradora sobre el precio medio de las casas.
(a) Solamente (iii) es cierto.
(b) Solamente (i) y (iii) son ciertos.
(c) Solamente (i) es cierto.
(d) Solamente (ii) y (iii) son ciertos.
32. (problema 1) La diferencia estimada del precio medio de las casas cercanas a la incineradora
entre 1981 y 1978 es aproximadamente igual a:
(a) 70594 dólares.
(b) 11890 dólares.
(c) 6901 dólares.
(d) 63693 dólares.
33. (problema 1) El efecto estimado de la incineradora sobre el diferencial medio de precios entre
las casas cercanas a la incineradora y las casas más alejadas de ésta es aproximadamente igual
a:
(b) −11890 dólares.
(c) 63693 dólares.
34. (problema 1) A la luz de los resultados de las SALIDAS 1 y 2:
(i) Es posible obtener el efecto causal de la incineradora sobre el precio medio de las casas.
(ii) No es posible saber si el efecto causal de la incineradora sobre el precio medio de las casas
es significativamente distinto de cero.
(iii) Es posible obtener la diferencia estimada entre 1981 y 1978 del precio medio de las casas
que están lejos de la incineradora.
(a) Solamente (i) y (iii) son ciertos.
35. (problema 1) De acuerdo con los resultados de la SALIDA 3:
(i) El coeficiente de la variable Y81 capta la variación en el precio medio de todas las casas
entre 1978 y 1981.
(ii) El coeficiente de la constante capta el precio medio de las casas en 1978, ya estén cerca o
lejos de la incineradora.
(iii) El coeficiente de la variable NEARINC mide el efecto de la localización sobre el precio
que es debido a la presencia de la incineradora.
(b) Las tres afirmaciones son falsas.
(a) Se estima que la incineradora reduce el precio medio de las casas en 18824 dólares.
(c) No es posible saber si la reducción del precio medio de las casas debida a la incineradora
es significativamente distinta de cero.
(d) Se estima que la variación en el diferencial medio de precios entre las casas cercanas a
la incineradora y las casas más alejadas de ésta no es significativo al 10%.
(a) Debido a la presencia de la incineradora, las casas se devaluaron aproximadamente en
un 31%.
(c) En 1981 las casas valı́an aproximadamente un 0.27% menos que en 1978.
(d) Debido a la presencia de la incineradora, las casas se devaluaron aproximadamente en
0.31%.
(i) No podemos rechazar la hipótesis nula de que la construcción de la incineradora no tiene
efecto sobre el precio de las casas.
(ii) No podemos rechazar la hipótesis nula de que la incineradora se construyó cerca de casas
cuyo valor no es diferente que el de casas alejadas de la incineradora.
(iii) No podemos rechazar la hipótesis nula de que en promedio las casas no tenı́an un precio
diferente en 1981 que en 1978.
39. (problema 1) El modelo de la SALIDA 4:
(i) Al igual que los de las salidas anteriores, no sirve para obtener una estimación del efecto
de la incineradora sobre el precio de las casas, ya que las variables incluidas sólo explican
aproximadamente el 23% de la variación en el mismo.
(ii) No sirve para obtener una estimación precisa del efecto de la incineradora sobre el precio,
ya que el coeficiente de la variable Y81LDIST no es estadı́sticamente significativo al 5%.
(iii) Es mejor modelo para estimar el efecto causal de la incineradora que el de la SALIDA 3,
porque el coeficiente de determinación ajustado es sustancialmente mayor.
40. (problema 1) Dados los resultados de la SALIDA 1, considere las siguientes afirmaciones:
(i) El coeficiente de la constante se interpreta como el precio medio de venta de las casas,
condicional a no estar cerca de la incineradora en 1978.
1981.

Solución del Examen Tipo: 1
ECONOMETRÍA I
Curso 2006/07
30 de Enero de 2007
1. (problema 2) Suponiendo que C(NCHILD, ε) = 0, y que el modelo (E.1) satisface todas los
supuestos del modelo de regresión clásico excepto el de homocedasticidad condicional:
(i) Las estimaciones de los parámetros de OUTPUT 1 no son consistentes.
(ii) Los errores estándar de los parámetros de OUTPUT 1 no son consistentes.
2. (problema 2) Si en el modelo (E.1) quisiéramos contrastar la hipótesis nula de que los años
de educación de un niño son independientes del nivel de educación de la madre.
3. (problema 2) Estamos interesados en obtener estimadores consistentes de todos los coefi-
(b) Los estimadores de la SALIDA 3 son consistentes, porque los instrumentos (MB and
SALIDA 2).
(c) Los estimadores de la SALIDA 3 son consistentes, porque los instrumentos (MB and
SALIDA 2).
(d) Los estimadores de la SALIDA 3 no son consistentes, porque necesitarı́amos que los
instrumentos (MB and SSEX) no estuvieran correlacionados con la variable endógena
NCHILD, lo que no parece ser el caso en vista de la SALIDA 2.

4. (problema 2) Suponga que C(NCHILD, ε) = 0, de manera que NCHILD es exógena. Una
niña de 10 años de edad, que es la mayor en una familia con un hermano adicional y cuya
madre tiene 25 años de edad y 10 años de educación, que vive en un área rural, tendrá en
media, aproximadamente:
(b) No disponemos de suficiente información.
(d) 3 años de educación.
5. (problema 2) Suponga que C(NCHILD, ε) = 0, de manera que NCHILD es exógena. Dados
un sexo, edad, edad de la madre, educación de la madre, estatus urbano y orden de nacimiento
entre sus hermanos, un niño adicional supone en media una disminución estimada en los años
de educación de aproximadamente:
(a) 2.7% años de educación.
(b) 0.027% años de educación.
6. (problema 2) Suponga que SSEX no es un instrumento válido. En tal situación:
(i) La SALIDA 3 no proporciona estimaciones consistente del modelo (E.1).
(ii) Si MB es un instrumento válido, podrı́amos obtener estimaciones consistentes para el
modelo (E.1).
(iii) No podemos contrastar la validez de MB como instrumento.
7. (problema 2) Suponga para esta pregunta que C(NCHILD, ε) 6= 0, C(MB, ε) 6= 0 y
C(SSEX, ε) = 0. Entonces:
(i) El coeficiente del número de niños en la SALIDA 1 es un estimador inconsistente de β10 .
(ii) El coeficiente del número de niños en la SALIDA 3 es un estimador inconsistente de β10 .
(iii) El sesgo de inconsistencia del coeficiente del número de niños es siempre mayor (en valor
absoluto) en la SALIDA 1 que en la SALIDA 3.

8. (problema 2) Si queremos evaluar si la variable NCHILD es endógena:
(a) Contrastaremos si NCHILD es endógena en la ecuación de primera etapa por medio de
un contraste de que los coeficientes de MB y SSEX son conjuntamente iguales a cero.
(b) Contrastaremos la significación conjunta de todos los regresores en la SALIDA 2 (con-
traste de significación conjunta o contraste de regresión.
(c) Contrastaremos si NCHILD es endógena en la ecuación para LYEDU por medio de un
contraste de Hausman.
(d) Haremos una regresión auxiliar de los residuos de la SALIDA 1 sobre NCHILD y
sobre el resto de las variables explicativas del modelo. Un coeficiente significativo de
NCHILD aportarı́a evidencia de que los residuos y NCHILD están correlacionados.
9. (problema 2) Dados los resultados:
(i) Dada la SALIDA 4, rechazamos que NCHILD es exógeno al 5% de significación (pero no
al 1%).
(ii) El contraste de la hipótesis nula de no correlación entre los instrumentos y el término
de error del modelo, que se distribuye aproximadamente como una χ21 , tiene un valor de
43972 × 4 × 10−5 ' 1.76, por lo que no rechazamos la hipótesis nula al 10% de significación.
(iii) El contraste de la hipótesis nula de que tanto MB como SSEX no están correlacionadas
con NCHILD, que se distribuye aproximadamente como una χ22 , tiene un valor de alrededor
de 739, por lo que rechazamos dicha hipótesis a cualquier nivel de significación razonable.
edad, edad y educación de la madre, orden de nacimiento entre sus hermanos y estatus urbano,
un niño adicional:
(a) Supone una reducción estimada de aproximadamente 2.7% años de educación.
(b) Supone una reducción estimada de aproximadamente 0.07% años de educación.
(c) No disminuye los años de educación.
(d) Supone una reducción estimada de aproximadamente 2.7 años de educación.
edad, edad y educación de la madre, número de hermanos y estatus urbano, el hermano mayor
de la familia tiene aproximadamente:
(a) 1.4 años de educación más que el segundo hermano.
(b) 1% menos de años de educación que el segundo hermano.
(c) 1.4% más de años de educación que el segundo hermano.
(d) 1 años de educación menos que el segundo hermano.

12. (problema 2) Utilizando las estimaciones apropiadas, una chica de 17 años de edad, que
es la segunda más mayor entre todos los hermanos, que tiene 5 hermanos y cuya madre
tiene 43 años de edad y 12 años de educación, que vive en un área rural, tendrá en media,
aproximadamente:
(b) 9 años de educación.
13. (problema 2) Utilizando las estimaciones apropiadas, la edad de la madre a partir de la cual
la edad de la madre tiene un impacto negativo en los años de educación de los niños es:
(a) No disponemos de suficiente información.
(b) 60 años de edad.
14. (problema 3) Utilizando las estimaciones disponibles más apropiadas, podemos afirmar que:
(a) Si el acusado es negro, es más probable que éste sea condenado.
(b) La raza del acusado sólo influye si la vı́ctima es negra.
(c) La raza del acusado no influye en la probabilidad de ser condenado.
(d) Si el acusado es blanco, es más probable que éste sea condenado.
15. (problema 3) De acuerdo con los resultados, podemos afirmar que:
16. (problema 3) La probabilidad predicha de que un acusado de raza negra sea condenado
(a) 0.23
(b) 0.96
(c) 0.08
(d) 0.83
17. (problema 3) Si el modelo especificado en la SALIDA 2 hubiera sido estimado mediante un
(ii) El término de error seguirı́a una distribución (condicional a las variables explicativas)
normal.
(i) El modelo de la SALIDA 1 presenta un problema de variables relevantes omitidas.
(ii) Detrás de las diferencias en el coeficiente estimado de la raza del acusado en la SALIDA
1 y en la SALIDA 2 está la correlación negativa entre la raza del acusado y la raza de la
vı́ctima.
(iii) Podemos concluir que tanto la mayorı́a de los acusados como la mayorı́a de los condenados
son de raza negra.
(i) Si la vı́ctima es blanca, el efecto estimado de ser un acusado de raza negra sobre la
probabilidad de condena es aproximadamente igual a 0.11.
(ii) El efecto estimado de ser un acusado de raza negra sobre la probabilidad de condena es
aproximadamente igual a 0.22, sea cual sea la raza de la vı́ctima.
(iii) La raza de la vı́ctima tiene una mayor influencia en la probabilidad de condena que la
raza del acusado.
20. (problema 3) Considere las siguientes afirmaciones relacionadas con la SALIDA 2:
(i) El modelo es lineal en parámetros.
(ii) El modelo es lineal en variables.
21. (problema 3) En la SALIDA 2, la hipótesis de que todos los coeficientes excepto la constante,
son cero:
(i) No se rechaza al nivel de significación del 1%.
(ii) No se rechaza al nivel de significación del 5%.
(iii) No se rechaza al nivel de significación del 10%.
(c) No tenemos información suficiente para evaluar ninguna de las tres afirmaciones.

22. (problema 3) Evaluando en la proporción media de vı́ctimas de raza blanca, la probabilidad
predicha de que un acusado de raza negra sea condenado es aproximadamente igual a:
(a) 0.14.
(b) 0.07.
(c) 0.08.
(d) 0.93.
23. (problema 3) Si queremos contrastar si la raza de la vı́ctima es una variable relevante para
explicar la probabilidad de que un acusado sea condenado a muerte:
(i) En vista de que el valor del correspondiente estadı́stico t es aproximadamente 3.98, rec-
hazamos al 1% la hipótesis nula de que el coeficiente de dicha variable es cero.
(ii) En vista de que el valor del correspondiente contraste de razón de verosimilitudes es aprox-
imadamente 20.36, rechazamos al 1% la hipótesis nula de que el coeficiente de dicha variable
es cero.
(iii) Comparando el modelo restringido con el modelo sin restringir, el número de predicciones
correctas es idéntico, lo que evidencia que dicha variable es irrelevante.
24. (problema 3) Si la SALIDA 2 incluye todas las variables explicativas relevantes y el supuesto
de la distribución logı́stica es correcto, el modelo de la SALIDA 2 caracteriza:
(i) La probabilidad de que un acusado sea condenado a muerte, condicional en la raza del
acusado y en la raza de la vı́ctima.
(ii) La esperanza condicional del suceso de que un acusado sea condenado a muerte, condicional
(iii) La proyección lineal del suceso de que un acusado sea condenado a muerte, condicional

(i) Hubiéramos obtenido efectos similares de las variables explicativas (raza del acusado, raza
de la vı́ctima) si hubiéramos supuesto una distribución normal en vez de una logı́stica y
hubiéramos estimado por máxima verosimilitud (siempre que no haya demasiados valores
extremos en la muestra).
(ii) Hubiéramos obtenido estimadores consistentes de los efectos de las variables explicativas
(raza del acusado, raza de la vı́ctima) si hubiéramos mantenido el supuesto de distribución
logı́stica y hubiéramos estimado por mı́nimos cuadrados no lineales.
cuadrados no lineales, los errores estándar convencionales serı́an inapropiados debido a la
existencia de heterocedasticidad condicional.
(i) Si mantenemos el supuesto de distribución logı́stica, las estimaciones de los parámetros
serı́an idénticas tanto si estimamos por máxima verosimilitud como si aplicamos mı́nimos
de los coeficientes estimados serı́an mayores en el caso de la normal.
(iii) Si, manteniendo el supuesto de distribución logı́stica, estimamos por mı́nimos cuadrados
no lineales en vez de por máxima verosimilitud, los errores estándar de las estimaciones por
mı́nimos cuadrados no lineales de los coeficientes estimados serán menores o iguales que los
correspondientes errores estándar cuando se estima por máxima verosimilitud.
27. (problema 3) De acuerdo con las estimaciones de la SALIDA 2, la media del el efecto esti-
mado de ser un acusado de raza negra sobre la probabilidad de condena es aproximadamente
igual a:
(a) 0.22.
(c) 0.09.
(d) 0.11.

28. (Problema 1) Dados los resultados de la SALIDA 1, considere las siguientes afirmaciones:
(i) El coeficiente de la constante se interpreta como el precio medio de venta en 1981 de las
casas que no están cerca de la incineradora.
1981.
29. (problema 1) Indique cuál de las siguientes afirmaciones es cierta:
(a) El precio medio estimado de venta de las casas en 1981 es aproximadamente de 70594
dólares.
(c) El precio medio estimado de venta en 1981 de las casas que están cerca de la inciner-
adora es aproximadamente 30714 dólares superior al de las casas más alejadas.
(d) El precio medio estimado de venta en 1981 de las casas que están lejos de la incineradora
es aproximadamente 30714 dólares superior al de las casas más cercanas.
30. (problema 1) Los resultados de la SALIDA 2 indican que:
(a) La incineradora se construyó en una zona en la que los precios de las casas eran más
bajos.
(b) La incineradora no hizo bajar los precios de las casas significativamente.
(c) Si no se hubiera construido la incineradora, los precios de las casas serı́an de 82517
dólares.
(d) La incineradora hizo bajar los precios de las casas en 18824 dólares.
31. (problema 1) La diferencia estimada entre el precio medio de las casas que están lejos de la
incineradora y las que están cerca en el año 1981:
(i) Es aproximadamente igual a 30714 dólares.
(ii) Es aproximadamente igual a 70594 dólares.
(iii) Es una buena medida del efecto de la incineradora sobre el precio medio de las casas.
(a) Solamente (iii) es cierto.
(b) Solamente (i) y (iii) son ciertos.
(c) Solamente (i) es cierto.
(d) Solamente (ii) y (iii) son ciertos.
32. (problema 1) La diferencia estimada del precio medio de las casas cercanas a la incineradora
entre 1981 y 1978 es aproximadamente igual a:
(b) 11890 dólares.
(c) 6901 dólares.

33. (problema 1) El efecto estimado de la incineradora sobre el diferencial medio de precios entre
las casas cercanas a la incineradora y las casas más alejadas de ésta es aproximadamente igual
a:
(b) −11890 dólares.
(c) 63693 dólares.
34. (problema 1) A la luz de los resultados de las SALIDAS 1 y 2:
(i) Es posible obtener el efecto causal de la incineradora sobre el precio medio de las casas.
(ii) No es posible saber si el efecto causal de la incineradora sobre el precio medio de las casas
es significativamente distinto de cero.
(iii) Es posible obtener la diferencia estimada entre 1981 y 1978 del precio medio de las casas
que están lejos de la incineradora.
(a) Solamente (i) y (iii) son ciertos.
(i) El coeficiente de la variable Y81 capta la variación en el precio medio de todas las casas
entre 1978 y 1981.
(ii) El coeficiente de la constante capta el precio medio de las casas en 1978, ya estén cerca o
lejos de la incineradora.
(iii) El coeficiente de la variable NEARINC mide el efecto de la localización sobre el precio
que es debido a la presencia de la incineradora.
(a) Se estima que la incineradora reduce el precio medio de las casas en 18824 dólares.
(c) No es posible saber si la reducción del precio medio de las casas debida a la incineradora
es significativamente distinta de cero.
(d) Se estima que la variación en el diferencial medio de precios entre las casas cercanas a
la incineradora y las casas más alejadas de ésta no es significativo al 10%.
(a) Debido a la presencia de la incineradora, las casas se devaluaron aproximadamente en
un 31%.
(c) En 1981 las casas valı́an aproximadamente un 0.27% menos que en 1978.
(d) Debido a la presencia de la incineradora, las casas se devaluaron aproximadamente en
0.31%.

(i) No podemos rechazar la hipótesis nula de que la construcción de la incineradora no tiene
efecto sobre el precio de las casas.
(ii) No podemos rechazar la hipótesis nula de que la incineradora se construyó cerca de casas
cuyo valor no es diferente que el de casas alejadas de la incineradora.
(iii) No podemos rechazar la hipótesis nula de que en promedio las casas no tenı́an un precio
diferente en 1981 que en 1978.
39. (problema 1) El modelo de la SALIDA 4:
(i) Al igual que los de las salidas anteriores, no sirve para obtener una estimación del efecto
de la incineradora sobre el precio de las casas, ya que las variables incluidas sólo explican
aproximadamente el 23% de la variación en el mismo.
(ii) No sirve para obtener una estimación precisa del efecto de la incineradora sobre el precio,
ya que el coeficiente de la variable Y81LDIST no es estadı́sticamente significativo al 5%.
(iii) Es mejor modelo para estimar el efecto causal de la incineradora que el de la SALIDA 3,
porque el coeficiente de determinación ajustado es sustancialmente mayor.
40. (problema 1) Dados los resultados de la SALIDA 1, considere las siguientes afirmaciones:
(i) El coeficiente de la constante se interpreta como el precio medio de venta de las casas,
condicional a no estar cerca de la incineradora en 1978.
1981.

ECONOMETRÍA I
Curso 2008/09
19 de Enero de 2009
Muy importante: Tenga en cuenta que:
1. Cada pregunta del cuestionario, salvo que se indique expresamente lo con-

trario, requiere un análisis completo de todas las salidas del problema al que
se re…ere.
Por ejemplo, para responder aquellas preguntas que se re…eren a “estima-
ciones apropiadas”, o “dadas las estimaciones” o “dadas las condiciones del
problema”, deben usarse los resultados basados en los estimadores consis-
tentes y más e…cientes de entre las distintas salidas.
2. Cada salida incluye todas las variables explicativas utilizadas en la estimación

correspondiente.
3. Algunos resultados correspondientes a las salidas presentadas han podido ser

omitidos.
4. La variable dependiente puede variar en cada salida presentada dentro del

mismo problema.
5. Para simpli…car, diremos que un modelo está “bien especi…cado” cuando el

modelo sea lineal en las variables en que se condiciona (tal y como aparecen
en el modelo) y el error sea independiente en media de dichas variables.
6. MCO y MC2E son las abreviaturas de mínimos cuadrados ordinarios y mín-

imos cuadrados en 2 etapas, respectivamente.
7. Se adjuntan tablas estadísticas al …nal de este documento.

PROBLEMA 1: Rendimiento de la educación
Estamos interesados en estimar una ecuación salarial con datos de individuos
varones, utilizando el logaritmo neperiano del salario mensual, lwage, como vari-
able dependiente. Las variables explicativas para cada individuo son los años de
educación, educ, su edad, age, una variable binaria que indica su estado civil,
married (que toma el valor uno si el individuo está casado y cero en caso con-
trario), y su abilidad, abil.
lwage = 0 + 1 educ + 2 age + 3 married + 4 abil +" (1.1)

donde E ("j educ; age; married; abil) = 0. Esperaríamos que 4 > 0.
Dado que abil es inobservable, la ecuación que podemos estimar omite dicha
variable, de manera que estimamos el siguiente modelo de determinación salarial:
lwage = 0 + 1 educ + 2 age + 3 married +u (1.2)
Tenemos razones sólidas para creer que los años de educación, educ, están correla-
cionados con la abilidad omitida, abil. Por el contrario, podemos asumir que dicha
variable omitida no está correlacionada con las otras dos variables explicativas
observables, age y married.
Como posibles instrumentos para educ, disponemos de dos variables observ-
ables no incluidas en el modelo, que sabemos que no están correlacionadas con la
habilidad:
urban (una variable binaria que toma el valor uno si el individuo reside en
una ciudad de más de 50000 habitantes y cero en caso contrario);
f educ (años de educación del padre).
Nuestro objetivo es obtener estimadores consistentes de los parámetros de (1.1),
1, 2 , 3 , a partir de la información observable.
Salida 1 : estimaciones MCO utilizando las 663 observaciones 1–663

Variable dependiente: lwage

const 5:0578 0:1831 27:62 0:0000
educ 0:0597 0:0066 9:03 0:0000
age 0:0228 0:0048 4:71 0:0000
married 0:2101 0:0494 4:25 0:0000
2
R2 0:1601
2
R corregido 0:1563
F (3; 659) 41:88

Variable dependiente: educ

const 12:4497 0:9632 12:92 0:0000
age 0:0383 0:0282 1:35 0:1761
married 0:4256 0:2890 1:47 0:1413
urban 0:4888 0:4161 1:17

R2 0:0156
F (3; 659) 3:47

Variable dependiente: educ

const 9:1774 0:9140 10:04 0:0000
age 0:0565 0:0257 2:20 0:0281
married 0:3868 0:2623 1:47 0:1407
f educ 0:2907 0:0239 12:18 0:0000

R2 0:1886
F (3; 659) 51:06
Salida 4 : estimaciones MC2E utilizando las 663 observaciones 1–663

Instrumentos: urban
3
const 0:2134 2:2910 0:09 0:9258
educ 0:4700 0:1753 2:68 0:0073
age 0:0073 0:0142 0:51 0:6087
married 0:3964 0:1515 2:62 0:0089

F (3; 659) 29:27
Contraste de Hausman –
Hipótesis nula: Los estimadores de MCO son consistentes
Estadístico de contraste asintótico: 21 = 40.42
con valor p = 2.04972e-010
Salida 5 : estimaciones MC2E utilizando las 663 observaciones 1–663

Instrumentos: f educ

const 4:4176 0:2669 16:55 0:0000
educ 0:1095 0:0161 6:81 0:0000
age 0:0209 0:0051 4:13 0:0000
married 0:2327 0:0519 4:49 0:0000

F (3; 659) 38:79
Hipótesis nula: Los estimadores de MCO son consistentes
con valor p = 0.000293096
4
PROBLEMA 2: Determinantes del test SAT
La variable sat es la puntuación en el test SAT de aptitud escolar, hsize es el
tamaño de la promoción (medido en cientos de alumnos) a la que pertenece el
alumno, f emale es una variable binaria de sexo (que toma el valor 1 si el estudiante
es una mujer y 0 en caso contrario), y black es una variable binaria racial (que
toma el valor 1 si el estudiante es de raza negra y 0 en caso contrario). Se propone
el modelo siguiente para estimar los efectos de varios factores sobre los resultados
del test SAT de aptitud escolar,
sat = 0 + 1 hsize + 2 hsize2 + 3 f emale + 4 black + 5 f emaleblack + u (2.1)
donde hsize2 es el cuadrado de la variable hsize y la variable f emaleblack es el

término de interacción f emale black.
Se considera también un modelo más general que incluye el efecto adicional de
que el alumno sea deportista, mediante la variable athlete (que toma el valor 1 si
la observación corresponde a un estudiante deportista y 0 en caso contrario), así
como la variable interacción athleteblack = athlete black.

Variable dependiente: sat
Coe…ciente Desv. típica estadístico t valor p

const 1028:1000 6:2902 163:44 0:0000
hsize 19:2971 3:8323 5:03 0:0000
hsize2 2:1948 0:5272 4:16 0:0000
f emale 45:0910 4:2911 10:51 0:0000
black 169:8100 12:7131 13:36 0:0000
f emaleblack 62:3064 18:1542 3:43 0:0006

D.T. de la variable dependiente 139:401
Desviación típica de la regresión (^ ) 133:369
2
R 0:0858
2
R corregido 0:0847
F (5; 4131) 77:52

Variable dependiente: usq1 (residuos de la Salida 1 al cuadrado)
const 19456:50 1195:80 16:27 0:0000
hsize 25:94 728:54 0:04 0:9716
hsize2 43:98 100:22 0:44 0:6608
f emale 3226:80 815:76 3:96 0:0001
black 7445:69 2416:85 3:08 0:0021
f emaleblack 9217:30 3451:23 2:67 0:0076

R2 0:0357
R2 corregido 0:0346
F (5; 4131) 30:61

Variable dependiente: usq1 (residuos de la Salida 1 al cuadrado)

const 2024:31 607:05
f emale 3892:49 907:94
black 26726:56 2689:55
f emaleblack 11921:12 3838:87
R2 0:0355
F (3; 4131) 50:78

Variable dependiente: sat

const 1033:6200 6:2360 165:75 0:0000
hsize 18:0214 3:7787 4:77 0:0000
hsize2 1:8931 0:5202 3:64 0:0003
f emale 48:4500 4:2450 11:41 0:0000
black 130:2500 14:1122 9:23 0:0000
f emaleblack 36:7119 18:3839 2:00 0:0459
athlete 97:5820 11:0091 8:86 0:0000
athleteblack 59:1710 25:2181 2:35 0:0190
ECONOMETRÍA I
Curso 2008/09
19 de Enero de 2009
Tipo de examen: 1
Instrucciones:
– Rellene sus datos personales en el impreso de lectura óptica, que será el único documento
válido de respuesta. Recuerde que tiene que completar sus datos identificativos (Nombre y
apellidos y NIU, que tiene 9 dı́gitos y empieza siempre por 1000) tanto en letra como en las
casillas correspondientes de lectura óptica.
– Rellene, tanto en letra como en las correspondientes casillas de lectura óptica, el código de la
asignatura y su grupo, de acuerdo con la siguiente tabla:

ASIGNATURA
Economı́a 61 62 63 64 10188
ADE 71 72 73 74 10188
Sim. ADE-Dcho. 17 18 43020
• Compruebe que el número de tipo de examen que aparece en el cuestionario de pre-

guntas coincide con el señalado en el impreso de lectura óptica.
• Lea los enunciados de los problemas y las preguntas detenidamente.

Cuando proceda, el encabezado de la pregunta incluirá entre paréntesis el número de
problema a que corresponde.
• Para la fila correspondiente al número de cada una de las preguntas, rellene la casilla correspondiente
a la respuesta escogida en el impreso de lectura óptica (A ó B).

Cualquier pregunta en la que se seleccione más de una opción será considerada nula y su puntuación
será cero.
• Todas las preguntas respondidas correctamente tienen idéntica puntuación. Las respuestas incorrec-
tas tendrán una puntuación de cero. Para obtener una calificación de 5 sobre 10 en el examen hay
que responder correctamente 32 preguntas.
• Si lo desea, puede utilizar la plantilla de respuestas que aparece a continuación como borrador, si
bien dicha plantilla carece por completo de validez oficial.
• Cualquier alumno que sea sorprendido hablando o intercambiando cualquier tipo de
material en el examen será expulsado en el acto y su calificación será de cero, sin
perjuicio de otras medidas que se puedan adoptar.
• Fechas de publicación de calificaciones: Viernes 23 de Enero.

– Grupos del Campus de Getafe: Lunes 26 de Enero a las 15 h (el lugar será anunciada en Aula
Global).
– Grupos del Campus de Colmenarejo: Lunes 26 de Enero a las 15 h (el lugar será anunciada en
Aula Global).

– La revisión tendrá por objeto únicamente que cada estudiante:
∗ compruebe el número de respuestas correctas en su examen;
∗ entregue por escrito, si lo estima conveniente, las posibles reclamaciones sobre el enunciado
y las respuestas, que serán resueltas por escrito en un plazo máximo de 10 dı́as a contar
desde la fecha de revisión.
– Para tener derecho a revisión, el alumno deberá acudir a la revisión con una copia impresa de
las soluciones del examen, que estarán disponibles en Aula Global desde el dı́a de publicación
de las calificaciones.
Borrador de RESPUESTAS
(a) (b) (a) (b) (a) (b) (a) (b) (a) (b)
1. 12. 23. 34. 45.
2. 13. 24. 35. 46.
3. 14. 25. 36. 47.
4. 15. 26. 37. 48.
5. 16. 27. 38. 49.
6. 17. 28. 39. 50.
7. 18. 29. 40. 51.
8. 19. 30. 41. 52.
9. 20. 31. 42. 53.
10. 21. 32. 43. 54.
11. 22. 33. 44. 55.
1. (Problema 1) La existencia de heterocedasticidad tiene consecuencias similares sobre la in-
ferencia con el estimador MC2E a las del estimador MCO, y se puede contrastar y corregir
por métodos análogos a los de la estimación MCO.
(a) Falso.
(b) Verdadero.
2. (Problema 1) Si el término del error está correlacionado con alguna de las variables ex-
plicativas, el estimador MCO es sesgado e inconsistente, pero el sesgo de inconsistencia es
despreciable cuando crece el tamaño muestral.
(a) Falso.
(b) Verdadero.
3. (Problema 1) Utilizando las estimaciones apropiadas, para una edad y estado civil dados, un
año adicional de educación supone, en promedio, un aumento estimado en el salario de un
10.95%.
(a) Falso.
(b) Verdadero.
4. (Problema 1) Utilizando las estimaciones apropiadas, para una edad y estado civil dados, un
año adicional de educación supone, en promedio, un aumento estimado en el salario de un
4.7%.
(a) Falso.
(b) Verdadero.
5. (Problema 1) Utilizando las estimaciones apropiadas, para una edad y un nivel de educación
dados, un individuo casado gana en promedio un 23.3% más que un individuo no casado.
(a) Falso.
(b) Verdadero.
6. (Problema 1) Utilizando las estimaciones apropiadas, podemos afirmar que la edad no tiene
un efecto significativo en el salario.
(a) Falso.
(b) Verdadero.
7. (Problema 1) Utilizando las estimaciones apropiadas, a la vista de los resultados presentados,
para una edad y estado civil dados, un año adicional de educación supone, en promedio, un
aumento estimado en el salario de un 5.97%.
(a) Falso.
(b) Verdadero.
8. (Problema 1) En vista de las estimaciones, teniendo en cuenta que la edad y el estado civil no
están correlacionados con la habilidad, podemos concluir que la correlación entre la educación
y la habilidad es negativa.
(a) Falso.
(b) Verdadero.

9. (Problema 2) Suponga que el modelo (2.1) está bien especificado. De acuerdo con la Salida
1, el tamaño de la promoción a partir del cual el efecto es negativo es aproximadamente de
440 alumnos.
(a) Falso.
(b) Verdadero.
1, el tamaño de la promoción a partir del cual el efecto es negativo es aproximadamente de
44 alumnos.
(a) Falso.
(b) Verdadero.
1, para un tamaño de promoción dado, las mujeres no negras tienen en media una puntuación
en el SAT 45.09 puntos menor que los hombres no negros.
(a) Falso.
(b) Verdadero.
1, para un tamaño de promoción dado, las mujeres no negras tienen en media una puntuación
en el SAT 17.22 puntos menor que los hombres no negros.
(a) Falso.
(b) Verdadero.
1, para un tamaño de promoción dado, la puntuación media de un hombre negro es aproxi-
madamente 170 puntos menor que la de un hombre no negro.
(a) Falso.
(b) Verdadero.
1, para un tamaño de promoción dado, la puntuación media de un hombre negro es aproxi-
madamente 107 puntos mayor que la de un hombre no negro.
(a) Falso.
(b) Verdadero.
1, si tomamos los exámenes SAT de un hombre negro y de un hombre no negro escogidos al
azar, respectivamente, la diferencia en las puntuaciones será aproximadamente de 170 puntos
menor para el primero.
(a) Falso.
(b) Verdadero.

1, si tomamos los exámenes SAT de un hombre negro y de un hombre no negro escogidos al
azar, respectivamente, la diferencia en las puntuaciones será aproximadamente de 107 puntos
mayor para el primero.
(a) Falso.
(b) Verdadero.
17. (Problema 2) Suponga que el modelo (2.1) está bien especificado. De acuerdo con la Salida 1,
la hipótesis nula de que no hay diferencia entre las puntuaciones de hombres negros y hombres
no negros se contrastarı́a mediante el estadı́stico F o el estadı́stico asintótico W 0 = 2 × F de
significación conjunta de las variables black y f emaleblack.
(a) Falso.
(b) Verdadero.
1, para un tamaño de promoción dado, la diferencia media estimada en la puntuación SAT
entre mujeres negras y mujeres no negras es aproximadamente de 107.5 puntos menos para
las primeras.
(a) Falso.
(b) Verdadero.
1, para un tamaño de promoción dado, la diferencia media estimada en la puntuación SAT
entre mujeres negras y mujeres no negras es aproximadamente de 152.6 puntos menos para
las primeras.
(a) Falso.
(b) Verdadero.
20. (Problema 2) Suponga que el modelo (2.1) está bien especificado. Para contrastar la hipótesis
de que no hay diferencias en la puntuación media del SAT entre mujeres negras y mujeres no
negras, la hipótesis nula es H0 : β4 + β5 = 0.
(a) Falso.
(b) Verdadero.
21. (Problema 2) Suponga que el modelo (2.1) está bien especificado. Para contrastar la hipótesis
de que no hay diferencias en puntuación media del SAT entre mujeres negras y mujeres no
negras, la hipótesis nula es H0 : β4 = β5 = 0.
(a) Falso.
(b) Verdadero.
22. (Problema 2) Suponga que el modelo (2.1) está bien especificado. Si se excluye la vari-
able hsize2, los estimadores MCO del resto de los coeficientes serán en general sesgados e
inconsistentes si β2 6= 0, ya que hsize y hsize2 estarán correlacionados.
(a) Falso.
(b) Verdadero.

23. (Problema 2) Suponga que el modelo (2.1) está bien especificado. Para contrastar la presencia
de heteroscedasticidad en el modelo (2.1), el estadı́stico del contraste de White es nR2 , donde
R2 es el coeficiente de determinación de la regresión de los residuos de la Salida 1 al cuadrado
sobre todas las variables explicativas del modelo, los cuadrados de éstas y los productos
cruzados entre todas ellas.
(a) Falso.
(b) Verdadero.
24. (Problema 2) Suponga que el modelo (2.1) está bien especificado. La Salida 2 permite efectuar
el contraste de heteroscedasticidad de White en dicho modelo.
(a) Falso.
(b) Verdadero.
25. (Problema 2) Suponga que el modelo (2.1) está bien especificado. Si encontramos que dicho
modelo es heterocedástico, tanto los estimadores MCO de los coeficientes como sus varianzas
estimadas basadas en la expresión convencional son inconsistentes.
(a) Falso.
(b) Verdadero.
26. (Problema 2) Suponga que el modelo (2.1) está bien especificado. Si supiéramos que
E(u2 |hsize, f emale, black) es una función no constante de hsize, no podrı́amos decir nada
sobre la existencia o no de homoscedasticidad condicional, ya que el supuesto de homoscedas-
ticidad condicional requiere que la varianza de u condicional a hsize, hsize2, f emale, black,
f emaleblack sea constante.
(a) Falso.
(b) Verdadero.
27. (Problema 2) Suponga que el modelo (2.1) está bien especificado. A la vista de los resultados
de la Salida 2, rechazamos la hipótesis nula del contraste de heterocedasticidad, por lo que
podemos concluir que hay heteroscedasticidad en dicho modelo.
(a) Falso.
(b) Verdadero.
28. (Problema 2) Suponga que el modelo (2.1) está bien especificado. En presencia de het-
eroscedasticidad, los coeficientes estimados por MCO en la Salida 1 serı́an inconsistentes, por
lo que habrı́a que utilizar MC2E para estimar el modelo (2.1).
(a) Falso.
(b) Verdadero.
29. (Problema 2) Suponga que el modelo (2.1) está bien especificado. En presencia de het-
eroscedasticidad, los errores estándar de los coeficientes presentados en la Salida 1 serı́an
inconsistentes, y habrı́a que calcular los errores estándar robustos para hacer inferencia es-
tadı́stica válida en dicho modelo.
(a) Falso.
(b) Verdadero.

30. (Problema 2) Suponga que el modelo (2.1) está bien especificado. A la vista de los resultados,
la varianza condicional de u difiere por sexo y por origen étnico, pero no por el número de
alumnos de la promoción.
(a) Falso.
(b) Verdadero.
31. (Problema 1) Dadas las condiciones del problema, el estimador MCO del coeficiente de la
educación de la ecuación (1.2) será en general un estimador sesgado e inconsistente de β1 .
(a) Falso.
(b) Verdadero.
32. (Problema 1) Dadas las condiciones del problema, los estimadores MCO de los coeficientes
de age y married de la ecuación (1.2) serán en general estimadores sesgados e inconsistentes
de β2 y β3 , respectivamente.
(a) Falso.
(b) Verdadero.
33. (Problema 1) El estimador MCO del coeficiente de la educación de la ecuación (1.2) será en
general un estimador sesgado de β1 , por lo que deben calcularse errores estándar robustos a
heterocedasticidad.
(a) Falso.
(b) Verdadero.
34. (Problema 1) El hecho de que la variable educ sea o no endógena en la ecuación (1.2) depende
de si β4 6= 0 y Cov(educ, abil) 6= 0.
(a) Falso.
(b) Verdadero.
35. (Problema 1) Si β4 6= 0, la estimación MCO de la ecuación (1.2) proporcionarı́a estimadores
consistentes de β1 , β2 y β3 .
(a) Falso.
(b) Verdadero.
36. (Problema 1) Si Cov(educ, abil) 6= 0, la estimación MCO de la ecuación (1.2) proporcionarı́a
estimadores consistentes de β1 , β2 y β3 .
(a) Falso.
(b) Verdadero.
37. (Problema 1) Dado que Cov(u, urban) = 0, Cov(u, f educ) = 0, y a la vista de las salidas 2 y
3, tanto urban como f educ son instrumentos apropiados.
(a) Falso.
(b) Verdadero.
3, solamente urban es un instrumento apropiado.
(a) Falso.
(b) Verdadero.
3, solamente f educ es un instrumento apropiado.
(a) Falso.
(b) Verdadero.
40. (Problema 1) Los coeficientes de la estimación por MC2E de la Salida 5 podrı́an haberse
obtenido de forma equivalente estimando por MCO la ecuación (1.2), pero sustituyendo educ
por su predicción basada en la estimación de la Salida 3.
(a) Falso.
(b) Verdadero.
41. (Problema 1) Los coeficientes de la estimación por MC2E de la Salida 5 podrı́an haberse
obtenido de forma equivalente estimando por MC2E la ecuación (1.2), utilizando como in-
strumento la predicción de educ basada en la estimación de la Salida 3.
(a) Falso.
(b) Verdadero.
42. (Problema 1) Como Cov(u, urban) = 0, Cov(u, f educ) = 0, y a la vista de los resultados
del contraste de Hausman (Salidas 4 y 5) y de las salidas 2 y 3, podemos concluir que los
estimadores MCO de la Salida 1 son consistentes.
(a) Falso.
(b) Verdadero.
43. (Problema 1) Como Cov(u, urban) = 0, Cov(u, f educ) = 0, y a la vista de los resultados
estimadores MC2E de la Salida 5 son consistentes.
(a) Falso.
(b) Verdadero.
44. (Problema 1) Dado que Cov(u, urban) = 0, Cov(u, f educ) = 0, y a la vista de los resultados
estimadores MC2E de la Salida 4 son consistentes.
(a) Falso.
(b) Verdadero.
45. (Problema 1) Si estimásemos por MCO la ecuación (1.2) con los residuos de la Salida 3
como variable explicativa adicional, el estadı́stico t asociado a dichos residuos proporciona un
contraste de exogeneidad de educ.
(a) Falso.
(b) Verdadero.
46. (Problema 1) Si estimásemos por MCO la ecuación (1.2) con los residuos de la Salida 3 como
variable explicativa adicional, los coeficientes estimados de educ, age y married serı́an iguales
a los coeficientes correspondientes de esas mismas variables en la Salida 5.
(a) Falso.
(b) Verdadero.

47. (Problema 1) Si dispusiésemos de un (tercer) instrumento válido adicional para educ,
podrı́amos contrastar si f educ no está correlacionado con u.
(a) Falso.
(b) Verdadero.
48. (Problema 1) Si dispusiésemos de un (tercer) instrumento válido adicional para educ,
podrı́amos obtener un estimador MC2E más eficiente que los de las salidas 4 y 5.
(a) Falso.
(b) Verdadero.
49. (Problema 1) Suponga que disponemos de una variable proxy adecuada para abil: el coefi-
ciente de inteligencia del individuo (IQ). No podrı́amos utilizar IQ como instrumento válido
para educ en la ecuación (1.2), ya que abil forma parte del término de perturbación en dicha
ecuación.
(a) Falso.
(b) Verdadero.
50. (Problema 2) El modelo estimado en la Salida 4 nos permite averiguar si existen diferencias
en los resultados del test SAT entre los alumnos atletas y las alumnas atletas.
(a) Falso.
(b) Verdadero.
51. (Problema 2) Dados los resultados de la Salida 4, podemos concluir que la diferencia estimada
en la puntuación SAT entre los alumnos atletas negros y los alumnos atletas no negros no es
estadı́sticamente significativa.
(a) Falso.
(b) Verdadero.
52. (Problema 2) Dados los resultados de la Salida 4, para un tamaño de promoción dado, una
mujer deportista no negra obtiene en promedio alrededor de 4 puntos menos en el SAT que
una mujer negra no deportista.
(a) Falso.
(b) Verdadero.
53. (Problema 2) Dados los resultados de la Salida 4, podemos afirmar que, en promedio, el grupo
que obtiene los peores resultados en el SAT corresponde a los estudiantes varones deportistas
y de raza negra.
(a) Falso.
(b) Verdadero.
54. (Problema 2) Dados los resultados de la Salida 4, podemos afirmar que, en promedio, el
grupo que obtiene los mejores resultados en el SAT corresponde a los estudiantes varones, no
deportistas y que no son de raza negra.
(a) Falso.
(b) Verdadero.

55. (Problema 2) Dados los resultados de la Salida 4, podemos afirmar que para un sexo, tamaño
de la promoción y raza dados, los deportistas obtienen en promedio resultados en el SAT
sistemáticamente peores que los no deportistas.
(a) Falso.
(b) Verdadero.

ECONOMETRÍA I
Curso 2008/09
EXAMEN FINAL (Convocatoria ordinaria): Soluciones
19 de Enero de 2009
TIPO
I II III IV
Pregunta
1 B B B A
2 A B B A
3 B A A B
4 A A A B
5 B A A B
6 A B B B
7 A A A A
8 B B B A
9 B A A B
10 A A A B
11 B A A B
12 A A A A
13 B A A B
14 A B B A
15 A B B B
16 A A A B
17 A A A B
18 B A A B
19 A A A B
20 B A A B
21 B B A A
22 B A B B
23 B B A A
24 A A B B
25 A B B A
26 A B A A
27 B B B B
28 A B A B
29 B A B A
30 B B A B
31 B A B A
32 B A B B
33 A A A A
34 B A A A
35 A B B A
36 A B A A
37 A B B B
38 A A A A
39 B B B B
40 B A B B
41 B A B B
42 A A B B
43 B A A A
44 A B B A
45 B A A A
46 B B A B
47 B B A A
48 B A A B
49 B B B B
50 A A B B
51 A B B B
52 B A A A
53 B B B B
54 B B A A
55 B A A A
ECONOMETRÍA
Curso 2009/10
17 de Mayo de 2010
1. Cada pregunta del cuestionario, salvo que se indique expresamente lo contrario, requiere un análisis
completo de todas las salidas del problema al que se re…ere.
Por ejemplo, para responder aquellas preguntas que se re…eren a “estimaciones apropiadas”, o “dadas
las estimaciones” o “dadas las condiciones del problema”, deben usarse los resultados basados en los
estimadores consistentes y más e…cientes de entre las distintas salidas.
2. Cada salida incluye todas las variables explicativas utilizadas en la estimación correspondiente.
3. Algunos resultados correspondientes a las salidas presentadas han podido ser omitidos.
4. La variable dependiente puede variar en cada salida presentada dentro del mismo problema.
5. Para simpli…car, diremos que un modelo está “bien especi…cado” cuando el modelo sea lineal en las
variables en que se condiciona (tal y como aparecen en el modelo) y el error sea independiente en media
de dichas variables.
6. MCO y MC2E son las abreviaturas de mínimos cuadrados ordinarios y mínimos cuadrados en 2 etapas,
respectivamente.
Problema: Determinantes de la fertilidad.
Queremos estudiar los determinantes del número total de niños que ha tenido una mujer (KIDS). Nos
interesa, entre otras cosas, conocer si han cambiado los índices de fertilidad (entendidos como el número
medio de hijos por mujer) a lo largo del tiempo. Disponemos de una muestra de 476 mujeres de la Encuesta
Social General (General Social Survey) del Centro de Investigación Nacional de Opinión de Estados Unidos
para los años 1972, 1978 y 1984.
Las características de la mujer que consideramos son EDU C (Años de educación), AGE (Edad), AGE 2
(Edad al cuadrado), BLACK (Variable binaria que toma el valor 1 si la mujer es de raza negra y 0 en caso
contrario).
Además, para considerar la posibilidad de que los índices de fertilidad cambien a lo largo del tiempo,
disponemos de las variables Y EAR (año al que corresponde la observación; esta variable toma tres valores
posibles: 72, 78 u 84); Y 72 (Variable binaria que toma el valor 1 si la observación corresponde al año 1972
y 0 en caso contrario); Y 78 (Variable binaria que toma el valor 1 si la observación corresponde al año 1978
y 0 en caso contrario).
Por último, cabe la posibilidad de utilizar las interacciones de Y 78 e Y 84 con educación, Y 78 EDU C
e Y 84 EDU C, respectivamente.
Se han considerado los siguientes modelos para analizar los determinantes del número de hijos:
2
KIDS = 0 + 1 AGE + 2 AGE + 3 BLACK + 4 EDU C + 5Y EAR + "1 (I)
2
KIDS = 0 + 1 AGE + 2 AGE + 3 BLACK + 4 EDU C + 5Y 78 + 6Y 84 + "2 (II)
KIDS = 0+ 1 AGE + 2 AGE 2 + 3 BLACK + 4 EDU C + 5Y 78 + 6Y 84 (III)

+ 7 Y 78 EDU C + 8 Y 84 EDU C + "3
También se dispone de dos variables adicionales sobre los años de educación del padre (F EDU C) y de
la madre (M EDU C), respectivamente. Además, sabemos que dichas variables no están correlacionadas con
los errores de los tres modelos considerados.
A continuación se presentan los resultados de diversas estimaciones:
Salida 1: OLS, using observations 1–476

Dependent variable: KIDS
Coe¢ cient Std. Error t-ratio p-value
const 2:1966 5.0370 0:4361 0.6630
AGE 0:4788 0.2178 2:1982 0.0284
AGE 2 0:0054 0.0025 2:1862 0.0293
BLACK 0:3640 0.2929 1:2429 0.2145
EDU C 0:1381 0.0298 4:6403 0.0000
Y EAR 0:0489 0.0152 3:2135 0.0014
Mean dependent var 2.67 S.D. dependent var 1.67
Sum squared resid 1197.9 S.E. of regression 1.60
R2 0.0993 Adjusted R2 0.0897
F (5; 470) 10.36 P-value(F ) 1.93e–09
2
const 6:0500 4.8054 1:2590 0.2087
AGE 0:4908 0.2179 2:2518 0.0248
AGE 2 0:0055 0.0025 2:2398 0.0256
BLACK 0:3814 0.2931 1:3014 0.1938
EDU C 0:1374 0.0298 4:6184 0.0000
Y 78 0:1001 0.1871 0:5351 0.5929
Y 84 0:5794 0.1827 3:1706 0.0016
R2 0.1020 Adjusted R2 0.0905
F (6; 469) 8.87 P-value(F ) 3.48e–09
Coe¢ cient covariance matrix (Salida 2)

AGE AGE 2 BLACK EDU C Y 78 Y 84
0.048 0.0005 0.0013 0.0007 0.0034 0.0036 AGE
6 10 6 1.4 10 5 7.4 10 6 3.6 10 5 3.6 10 5 AGE 2
0.0859 0 0.0030 0.0012 BLACK
0.0009 0.0003 0.0008 EDU C
0.0350 0.0177 Y 78
0.0334 Y 84

const 6:6862 4.8266 1:3853 0.1666
AGE 0:4597 0.2182 2:1070 0.0357
AGE 2 0:0052 0.0025 2:0936 0.0368
BLACK 0:4199 0.2926 1:4349 0.1520
EDU C 0:0308 0.0548 0:5609 0.5751
Y 78 1:4262 0.9752 1:4625 0.1443
Y 84 1:5355 0.9166 1:6752 0.0946
Y 78 EDU C 0:1249 0.0770 1:6209 0.1057
Y 84 EDU C 0:1684 0.0713 2:3624 0.0186
R2 0.1129 Adjusted R2 0.0977
F (8; 467) 7.43 P-value(F ) 2.48e–09

AGE AGE 2 BLACK EDUC Y78 Y84 Y78 EDUC Y84 EDUC
1.04 0.0117 0.0546 0.0449 0.008 0.011 0.0003 0.0011 AGE
0.05 0.0005 0.0013 0.0003 8 10 5 1.3 10 4 3.2 10 6 1.3 10 5 AGE 2
6 10 6 1.3 10 5 3 10 5 0.022 0.0134 0.0015 0.0010 BLACK
0.085626 0.0013 0.037 0.0364 0.0030 0.0030 EDUC
0.0030 0.951 0.4595 0.0737 0.0362 Y78
0.8402 0.0364 0.0640 Y84
0.0059 0.0030 Y78 EDUC
0.0051 Y84 EDUC
3
Salida 4: TSLS, using observations 1–476
Instrumented: EDU C
Instruments: const AGE AGE 2 BLACK Y 78 Y 84 M EDU C F EDU C
Coe¢ cient Std. Error z-stat p-value
const 6:1390 5.0506 1:2155 0.2242
AGE 0:4931 0.2216 2:2247 0.0261
AGE 2 0:0056 0.0025 2:2157 0.0267
BLACK 0:3831 0.2946 1:3006 0.1934
EDU C 0:1344 0.0600 2:2385 0.0252
Y 78 0:1012 0.1880 0:5381 0.5905
Y 84 0:5822 0.1891 3:0791 0.0021
R2 0.1019 Adjusted R2 0.0905
F (6; 469) 6.15 P-value(F ) 3.16e–06

0.049 0.0006 0.0025 0.0028 0.0027 0.0017 AGE
6.3 10 6 2.6 10 5 3.0 10 5 2.8 10 5 1.4 10 5
AGE 2
0.0868 0.002 0.0024 0.0002 BLACK
0.0036 0.0013 0.0033 EDU C
0.0353 0.0186 Y 78
0.0357 Y 84

Dependent variable: EDU C
const 20:9667 6.4290 3:2613 0.0012
AGE 0:5603 0.2936 1:9083 0.0570
AGE 2 0:0063 0.0033 1:8922 0.0591
BLACK 0:2407 0.4003 0:6012 0.5480
Y 78 0:1169 0.2529 0:4621 0.6442
Y 84 0:3342 0.2485 1:3447 0.1794
M EDU C 0:1524 0.0333 4:5704 0.0000
F EDU C 0:2436 0.0371 6:5672 0.0000
R2 0.2857 Adjusted R2 0.2750
F (7; 468) 26.74 P-value(F ) 7.37e–31
Salida 5B: OLS, using observations 1–476

const 29:7970 7.3227 4:0691 0.0001
AGE 0:7726 0.3360 2:2994 0.0219
AGE 2 0:0084 0.0038 2:1926 0.0288
BLACK 0:5606 0.4537 1:2356 0.2172
Y 78 0:3604 0.2896 1:2445 0.2139
Y 84 0:9302 0.2801 3:3214 0.0010
4
R2 0.0533 Adjusted R2 0.0433
F (5; 470) 5.30 P-value(F ) 0.000096

const 6:1390 5.0559 1:2142 0.2253
AGE 0:4931 0.2219 2:2223 0.0267
AGE 2 0:0056 0.0025 2:2134 0.0274
BLACK 0:3831 0.2949 1:2993 0.1945
EDU C 0:1344 0.0601 2:2361 0.0258
Y 78 0:1012 0.1882 0:5375 0.5912
Y 84 0:5822 0.1893 3:0759 0.0022
RES5 0:0040 0.0692 0:0572 0.9544
NOTA: RES5 son los residuos de la Salida 5

R2 0.1020 Adjusted R2 0.0885
F (7; 468) 7.59 P-value(F ) 1.10e–08
5
ECONOMETRÍA
Curso 2009/10
17 de Mayo de 2010
Tipo de examen: 1
TIEMPO: 2 HORAS
Instrucciones:
asignatura y su grupo.

• Lea el enunciado del problema y las preguntas detenidamente.
a la respuesta escogida en el impreso de lectura óptica (A, B ó C).

será cero.
tas tendrán una puntuación de cero. Para obtener una calificación de 5 sobre 10 en el examen, hay
que responder correctamente un mı́mimo de 27 preguntas.

• Fechas de publicación de calificaciones: Viernes 21 de Mayo.
• Fecha de revisión: se anunciará en Aula Global.

(a) (b) (c) (a) (b) (c) (a) (b) (c) (a) (b) (c)
1. 13. 25. 37.
2. 14. 26. 38.
3. 15. 27. 39.
4. 16. 28. 40.
5. 17. 29. 41.
6. 18. 30. 42.
7. 19. 31. 43.
8. 20. 32. 44.
9. 21. 33. 45.
10. 22. 34. 46.
11. 23. 35.
12. 24. 36.

1. Suponga que el modelo (III) verifica los supuestos del modelo de regresión clásico. Dados los
resultados de la Salida 3:
(a) El efecto de la educación no es estadı́sticamente distinto de cero.
(b) El efecto de la educación no varı́a a lo largo del tiempo.
(c) El efecto de la educación es más negativo en 1984 que en 1972.
2. Suponga que el modelo (III) verifica los supuestos del modelo de regresión clásico. Si queremos
contrastar que el momento del tiempo (el año) no afecta al número de hijos:
(a) La hipótesis nula es H0 : δ5 = δ6 = δ7 = δ8 .
(b) La hipótesis nula es H0 : δ5 = δ6 = 0.
(c) La hipótesis nula es H0 : δ5 = δ6 = δ7 = δ8 = 0.
3. Comparando los modelos (I) y (II):
(a) Ninguna de las otras afirmaciones es correcta.
(b) El modelo (I) es más restrictivo, ya que impone que el efecto de la educación sobre el
número de hijos en el año 1972 es nulo.
(c) El modelo (II) es menos restrictivo, ya que permite que, para una raza, edad y edu-
cación, dada, el ı́ndice de fertilidad cambie de manera diferente a lo largo del tiempo.
4. Suponga que el modelo (I) verifica los supuestos del modelo de regresión clásico. Una es-
timación apropiada de la varianza de la variable dependiente (redondeada a 2 decimales),
condicional en las variables explicativas es:
(a) 1.60.
(b) 2.79.
(c) 2.56.
5. Los coeficientes de la estimación por MC2E de la Salida 4 podrı́an haberse obtenido de forma
equivalente:
(a) Estimando por MCO un modelo con KIDS como variable dependiente que incluya
como regresores todas las variables explicativas exógenas y la predicción de la educación
basada en las estimaciones de la Salida 5.
(b) Estimando por MCO un modelo con KIDS como variable dependiente que incluya
basada en las estimaciones de la Salida 5B.
(c) Estimando por MCO con KIDS como variable dependiente que incluya como re-
gresores todas las variables explicativas exógenas y los instrumentos M EDU C y
F EDU C.
6. Si la educación fuera una variable endógena, para contrastar que los dos instrumentos, edu-
cación del padre y educación de la madre, son instrumentos válidos, habrı́a que:
(a) Contrastar si, en una regresión de EDU C sobre las variables exógenas del modelo y
sobre ambos instrumentos, éstos son individualmente significativos.
(b) Contrastar si, en una regresión de EDU C sobre las variables exógenas del modelo y
sobre ambos instrumentos, éstos son conjuntamente significativos.
(c) Contrastar si el residuo de la forma reducida (proyección lineal de EDU C sobre las
variables exógenas del modelo y los dos instrumentos) tiene un efecto significativo sobre
la educación.
7. Suponga que el modelo (III) verifica los supuestos del modelo de regresión clásico.Si queremos
contrastar que el efecto de la educación para mujeres observadas en 1978 es el mismo que para
mujeres observadas en 1984 la hipótesis nula a contrastar serı́a:
(a) δ4 = δ7 = δ8 .
(b) δ7 = δ8 = 0.
(c) δ7 = δ8 .
8. Suponga que el modelo (II) verifica los supuestos del modelo de regresión clásico. Dadas las
estimaciones (y redondeando a dos decimales), para una mujer blanca de 20 años de edad con
10 de estudios:
(a) El número medio de hijos es aproximadamente 6.24.
(b) El número medio de hijos es aproximadamente 0.19 en 1972.
(c) No se dispone de información para predecir el número medio de hijos en 1972.
contrastar que el efecto de la educación sobre el número de hijos no depende del año, la
hipótesis nula es:
(a) La hipótesis nula es H0 : δ7 = δ8 = 0.
(b) La hipótesis nula es H0 : δ7 = δ8 .
(c) La hipótesis nula es H0 : δ4 = δ7 + δ8 .
10. Suponga que estamos interesados en el modelo (II). Considere la siguiente afirmación: “En el
año 1972, el ı́ndice de fertilidad de una mujer negra de 30 años es igual que el de una mujer
blanca de igual edad y con 8 años menos de educación”. Dados los resultados obtenidos
(redondeando a un decimal):
(a) El estadı́stico de contraste es aproximadamente t = 3.9.
(b) El estadı́stico de contraste es aproximadamente t = −1.2.
(c) El estadı́stico de contraste es aproximadamente t = −1.9.
11. Suponga que el modelo (I) verifica los supuestos del modelo de regresión clásico. Una esti-
mación apropiada de la varianza incondicional de la variable dependiente es:
(a) 1.60.
(b) 2.79.
(c) 2.56.
12. Suponga que el modelo (I) verifica los supuestos del modelo de regresión clásico. Si la variable
KIDS estuviera medida con error, en cualquier caso, las estimaciones de la Salida 1 serı́an:
(a) Ninguna de las otras dos afirmaciones es correcta.
(b) Consistentes.
(c) Menos eficientes que las que se obtendrı́an si la variable KIDS no se midiera con
error.

13. Comparando los modelos (II) y (III), indique cuál de las siguientes afirmaciones es FALSA:
(a) Al estimar el modelo (III) por MCO, vemos que la educación deja de tener un efecto
significativo sobre la fertilidad.
(b) El modelo (II) es más restrictivo, ya que impone que el efecto de la educación no
depende del momento del tiempo (el año).
(c) Al 5% de significación, optarı́amos por el Modelo (II).
equivalente:
(b) Estimando por MC2E un modelo con KIDS como variable dependiente que incluye
como regresores las variables explicativas exógenas y la educación, utilizando como
instrumento para la educación una predicción basada en las estimaciones de la Salida
5B.
(c) Estimando por MC2E un modelo con KIDS como variable dependiente que incluye
5.
15. Si únicamente dispusiera de información sobre el número de hijos, pero no del resto de las
variables, la mejor predicción que podrı́a dar sobre el valor de esta variable serı́a (redondeando
a dos decimales):
(a) 2.20.
(b) 2.67.
(c) 1.67.
estimaciones, la diferencia media en el número de hijos entre dos mujeres de 1972 y de 1978
respectivamente, pero con similares caracterı́sticas es:
(a) No se puede responder a esta pregunta con la información de la Salida 2.
(b) Significativamente distinta de cero.
(c) Estadı́sticamente igual a cero.
17. Suponga que el modelo (I) verifica los supuestos del modelo de regresión clásico. De acuerdo
con la Salida 1, el efecto de la edad sobre el número de hijos es:
(a) Positivo, pero marginalmente decreciente con la edad en el caso de mujeres menores
de 40 años.
(b) Constante.
(c) Negativo para mujeres mayores de 35 años.
resultados de la Salida 3, y considerando solamente mujeres menores de 40 años, indique cuál
de las siguientes afirmaciones es FALSA:
(a) El efecto causal de la educación es igual para todas las mujeres consideradas.
(b) En general, las mujeres con menor nivel de educación tienen en promedio más niños.
(c) Las mujeres de más edad tienen en promedio más niños.

19. Si tenemos la seguridad de que todas las variables explicativas en el modelo (II), excepto
EDU C, son exógenas, si hubiéramos estimado el modelo (II) por MC2E pero utilizando
solamente M EDU C como instrumento para EDU C, los estimadores obtenidos para los
parámetros del modelo (II):
(a) No podemos obtener estimadores consistentes por MC2E si disponemos de un único
instrumento.
(b) Serı́an inconsistentes.
(c) Serı́an más ineficientes que los estimadores MC2E de la Salida 4.
20. Suponga que el modelo (II) verifica los supuestos del modelo de regresión clásico. Si la
educación (EDU C) estuviera medida con error, el sesgo de inconsistencia de los estimadores
de los coeficientes afectados serı́a mayor cuanto:
(a) Mayor fuera el valor esperado de la educación.
(b) Mayor fuera la varianza del error de medida respecto a la varianza de la educación.
(c) Mayor fuera la varianza de la educación respecto a la varianza del error de medida.
mujeres observadas en 1984 el valor del estadı́stico de contraste (redondeando a un decimal)
serı́a:
(a) 0.6.
(b) −1.6.
(c) −2.4.
22. Concentrándonos en el modelo (II):
(a) Ninguna de las otras respuestas es correcta.
(b) Dicho modelo está mal especificado, porque omite la variable Y 72.
(c) El modelo (I) es un caso particular del modelo (II).
contrastar que la educación no afecta a la fertilidad:
(a) La hipótesis nula es H0 : δ4 − δ7 − δ8 = 0.
(b) La hipótesis nula es H0 : δ4 = 0.
(c) La hipótesis nula es H0 : δ4 = δ7 = δ8 = 0.
24. Suponga que el modelo (I) verifica los supuestos del modelo de regresión clásico. A la luz de
los resultados de la Salida 1, podemos decir que los ı́ndices de fertilidad:
(a) No disponemos de información concluyente.
(b) Se han mantenido constantes a lo largo del tiempo.
(c) Han disminuido a lo largo del tiempo.

25. Si la educación fuera una variable endógena, a la luz de la información proporcionada, podemos
decir que
(a) Serı́a posible obtener estimaciones consistentes de los parámetros utilizando
únicamente la educación del padre como instrumento.
(b) Sólo la educación del padre (F EDU C) es un instrumento válido para EDU C.
(c) Sólo la educación de la madre (M EDU C) es un instrumento válido para EDU C.
estimaciones, para una mujer negra con 20 años de edad y 5 años de estudios, entre 1978 y
1984, el número medio de hijos ha disminuido (redondeando a dos decimales) en:
(a) 0.68.
(b) 0.48.
(c) 0.58.
27. La información proporcionada en la Salida 6 nos permite averiguar si:
(b) Se puede rechazar la hipótesis nula de exogeneidad de la educación.
(c) Se puede rechazar la hipótesis nula de validez de los instrumentos.
28. Comparando los modelos (I) y (II), el modelo (I) puede expresarse como el modelo (II) con
la siguiente restricción:
(a) δ6 = 6δ5 .
(b) δ5 = δ6 .
(c) δ6 = 2δ5 .
29. Si quisiéramos contrastar que la educación del padre y de la madre son instrumentos válidos,
el valor del estadı́stico de contraste serı́a
(a) 154.9.
(b) 190.4.
(c) 26.8.
30. Utilizando KIDS como variable dependiente, considere modelos que incluyen una constante,
AGE, AGE 2 , BLACK y EDU C. Indique cuál de las siguientes afirmaciones es FALSA:
(a) Si incluyéramos además Y EAR e Y 78 como variables explicativas, dicho modelo serı́a
más general que el modelo (I), pero no es comparable con el modelo (II), porque impone
distintas restricciones.
(b) Si incluyéramos además Y EAR e Y 78 como variables explicativas y estimáramos por
MCO, el R2 coincidirı́a con el de la Salida 2.
(c) Si incluyéramos además Y EAR e Y 78 como variables explicativas y estimáramos por
MCO, los coeficientes estimados de AGE, AGE 2 , BLACK y EDU C coincidirı́an con
los de la Salida 2.

KIDS estuviera medida con error, y dicho error está correlacionado con alguna de las variables
explicativas, las estimaciones de la Salida 1 serı́an:
(a) Ninguna de las otras dos afirmaciones son corrrectas.
(b) Inconsistentes.
(c) Igual de eficientes que las que se obtendrı́an si la variable KIDS no se midiera con
error.
32. Dados los resultados de la Salida 6:
(a) No rechazamos que la correlación de los instrumentos con el error del modelo (II) es
igual a cero.
(b) No rechazamos que EDU C es exógena.
(c) No rechazamos que la correlación de los instrumentos con EDU C es igual a cero.
estimaciones, para una edad, educación y raza dadas:
(a) Una mujer en 1984 tiene un 58% menos de hijos que una mujer en 1972.
(b) Por cada 100 mujeres, hay alrededor de 58 hijos menos en 1984 que en 1972.
(c) Una mujer en 1978 tiene un 10% más de hijos que una mujer en 1972.
34. Suponiendo que los modelos (I) y (II) verificaran, respectivamente, los supuestos del modelo
de regresión clásico, suponga que la variable de años de educación (EDU C) se mide con error.
Entonces:
(a) Tanto la Salida 1 como la Salida 2 proporcionarı́an estimaciones consistentes de los
parámetros de los modelos (I) y (II), respectivamente.
(b) La Salida 1 proporcionarı́a estimaciones consistentes de los parámetros del modelo (I).
(c) La Salida 2 proporcionarı́a estimaciones inconsistentes de los parámetros del modelo
(II).
blanca de igual edad pero con 8 años menos de educación”. Dados los resultados obtenidos:
(a) No podemos rechazar dicha afirmación al 10% de significación.
(b) Al 1% de significación, podemos rechazar dicha afirmación.
(c) Podemos rechazar dicha afirmación al 10% de significación, pero no al 5%.
contrastar la hipótesis nula que el efecto de la educación para mujeres observadas en 1978 es
el mismo que para mujeres observadas en 1984, podemos concluir que:
(a) No rechazamos la hipótesis nula al 10% de significación.
(b) Rechazamos dicha hipótesis nula al 5% de significación.
(c) Rechazamos dicha hipótesis nula al 10%, pero no al 5% de significación.

37. Suponga que el error del modelo (II) verifica E (ε2 | AGE,BLACK,EDU C,Y 78,Y 84) = 0 para
cualquier combinación de valores de las variables explicativas, pero no se cumple el supuesto
de homocedasticidad. ENTONCES:
(a) Se verifica el Teorema de Gauss-Markov.
(b) Los coeficientes estimados por MCO son inconsistentes.
(c) Los coeficientes estimados por MCO son insesgados.
(a) El modelo (I) impone la restricción de que el coeficiente de Y 84 es exactamente igual
al coeficiente de Y 78 multiplicado por 2.
(b) Los modelos (I) y (II) son modelos distintos porque ninguno es un caso particular del
otro.
(c) El modelo (I) impone la restricción de que los coeficientes de Y 78 e Y 84 son ambos
iguales a cero.
39. Suponga que estamos interesados en el modelo (II). Considere la siguiente conjetura: “Para
una edad, raza y nivel de educación determinados, la caı́da en el ı́ndice de fertilidad es con-
stante a lo largo del tiempo”. Indique cuál de las siguientes afirmaciones es falsa.
(a) No disponemos de información suficiente para evaluar dicha conjetura.
(b) Si dicha conjetura es cierta, el modelo (II) podrı́a representarse como el modelo (I).
(c) Al 5% de significación, no podemos rechazar dicha conjetura.
contrastar la hipótesis de que el momento del tiempo (el año) no afecta al número de hijos:
(a) No se puede responder a esta pregunta con la información proporcionada.
(b) No se rechaza, ya que el p-valor del estadı́stico correspondiente es igual a 0.
(c) Se rechaza, dado el valor del estadı́stico correspondiente obtenido al comparar el modelo
no restringido y el modelo que impone dicha restricción.
41. En el modelo (II), si quisiera contrastar que el efecto de la edad sobre el número de hijos es
constante, la hipótesis nula serı́a
(a) H0 : δ1 + δ2 = 0.
(b) H0 : δ1 = δ2 = 0.
(c) H0 : δ2 = 0.
42. En el modelo (II), si quisiera contrastar que el número medio de hijos para una mujer negra
en 1972 con 10 años de educación es el mismo que para una mujer blanca en 1972 de igual
edad pero con 12 años de educación:
(a) La hipótesis nula serı́a H0 : 2δ4 + δ3 = 0.
(b) La hipótesis nula serı́a H0 : 2δ4 − δ3 = 0.
(c) La hipótesis nula serı́a H0 : 12δ4 − δ3 = 0.

43. Suponga que el modelo (I) verifica los supuestos del modelo de regresión clásico. Considere dos
mujeres entrevistadas en el mismo año, ambas de raza blanca y con igual nivel de educación,
de 40 y 30 años de edad, respectivamente. La primera tendrá, en promedio, aproximadamente
(redondeando al entero más próximo):
(a) 1 hijo más que la segunda.
(b) 5 hijos más que la segunda.
(c) El mismo número de hijos que la segunda.
estimaciones, en el año 1972, la diferencia media en el número de hijos entre una mujer negra
y una mujer blanca de igual edad pero con 5 años menos de estudios es (redondeando a un
decimal):
(a) 1.1 hijos más.
(b) 0.4 hijos más.
(c) 0.3 hijos menos.
45. Si la educación fuera una variable endógena, entonces:
(b) Los coeficientes estimados en la Salida 1 serı́an inconsistentes para el modelo (I), pero
los de la Salida 2 no lo serı́an para el modelo (II).
(c) Los coeficientes estimados en la Salida 2 serı́an inconsistentes para el modelo (II), pero
los de la Salida 3 no lo serı́an para el modelo (III).
los resultados de la Salida 1, manteniendo todos los demás factores constantes, indique cuál
(a) Una mujer en el año 1978 tenı́a en media 0.29 hijos más que una mujer en el año 1984.
(b) Una mujer en el año 1978 tenı́a en media 0.29 hijos menos que una mujer en el año
1972.
(c) Una mujer en el año 1978 tenı́a en media 0.05 hijos menos que una mujer en el año
1972.

ECONOMETRÍA
Curso 2009/10
17 de Mayo de 2010
Tipo de examen: 2
TIEMPO: 2 HORAS
Instrucciones:


será cero.


(a) (b) (c) (a) (b) (c) (a) (b) (c) (a) (b) (c)
1. 13. 25. 37.
2. 14. 26. 38.
3. 15. 27. 39.
4. 16. 28. 40.
5. 17. 29. 41.
6. 18. 30. 42.
7. 19. 31. 43.
8. 20. 32. 44.
9. 21. 33. 45.
10. 22. 34. 46.
11. 23. 35.
12. 24. 36.

serı́a:
(a) −2.4.
(b) −1.6.
(c) 0.6.
(a) Rechazamos dicha hipótesis nula al 10%, pero no al 5% de significación.
(c) No rechazamos la hipótesis nula al 10% de significación.
(a) La hipótesis nula es H0 : δ4 = δ7 = δ8 = 0.
(c) La hipótesis nula es H0 : δ4 − δ7 − δ8 = 0.
(a) 2.56.
(b) 2.79.
(c) 1.60.
(a) Al 5% de significación, optarı́amos por el Modelo (II).
(c) Al estimar el modelo (III) por MCO, vemos que la educación deja de tener un efecto
(a) Negativo para mujeres mayores de 35 años.
(b) Constante.
(c) Positivo, pero marginalmente decreciente con la edad en el caso de mujeres menores
de 40 años.

(a) δ7 = δ8 .
(b) δ7 = δ8 = 0.
(c) δ4 = δ7 = δ8 .
decir que
(a) Sólo la educación de la madre (M EDU C) es un instrumento válido para EDU C.
(c) Serı́a posible obtener estimaciones consistentes de los parámetros utilizando
(a) El mismo número de hijos que la segunda.
(c) 1 hijo más que la segunda.
(a) La hipótesis nula serı́a H0 : 12δ4 − δ3 = 0.
(c) La hipótesis nula serı́a H0 : 2δ4 + δ3 = 0.
(a) El modelo (II) es menos restrictivo, ya que permite que, para una raza, edad y edu-
(c) Ninguna de las otras afirmaciones es correcta.
(a) H0 : δ2 = 0.
(b) H0 : δ1 = δ2 = 0.
(c) H0 : δ1 + δ2 = 0.

(a) 0.58.
(b) 0.48.
(c) 0.68.
(a) Se puede rechazar la hipótesis nula de validez de los instrumentos.
(c) Ninguna de las otras respuestas es correcta.
a dos decimales):
(a) 1.67.
(b) 2.67.
(c) 2.20.
(a) Una mujer en el año 1978 tenı́a en media 0.05 hijos menos que una mujer en el año
1972.
1972.
(c) Una mujer en el año 1978 tenı́a en media 0.29 hijos más que una mujer en el año 1984.
(a) El modelo (I) es un caso particular del modelo (II).
(a) El estadı́stico de contraste es aproximadamente t = −1.9.
(c) El estadı́stico de contraste es aproximadamente t = 3.9.

(a) 2.56.
(b) 2.79.
(c) 1.60.
decimal):
(a) 0.3 hijos menos.
(c) 1.1 hijos más.
(a) La hipótesis nula es H0 : δ5 = δ6 = δ7 = δ8 = 0.
(c) La hipótesis nula es H0 : δ5 = δ6 = δ7 = δ8 .
(a) δ6 = 2δ5 .
(b) δ5 = δ6 .
(c) δ6 = 6δ5 .
(a) Serı́an más ineficientes que los estimadores MC2E de la Salida 4.
(c) No podemos obtener estimadores consistentes por MC2E si disponemos de un único
instrumento.
equivalente:
(a) Estimando por MC2E un modelo con KIDS como variable dependiente que incluye
5.
5B.
(a) Se rechaza, dado el valor del estadı́stico correspondiente obtenido al comparar el modelo
(c) No se puede responder a esta pregunta con la información proporcionada.
(a) Si incluyéramos además Y EAR e Y 78 como variables explicativas y estimáramos por
los de la Salida 2.
(c) Si incluyéramos además Y EAR e Y 78 como variables explicativas, dicho modelo serı́a
(a) Han disminuido a lo largo del tiempo.
(c) No disponemos de información concluyente.
(a) Al 5% de significación, no podemos rechazar dicha conjetura.
(c) No disponemos de información suficiente para evaluar dicha conjetura.
(a) El efecto de la educación es más negativo en 1984 que en 1972.
(c) El efecto de la educación no es estadı́sticamente distinto de cero.
Entonces:
(a) La Salida 2 proporcionarı́a estimaciones inconsistentes de los parámetros del modelo
(II).
(c) Tanto la Salida 1 como la Salida 2 proporcionarı́an estimaciones consistentes de los

(a) Podemos rechazar dicha afirmación al 10% de significación, pero no al 5%.
(c) No podemos rechazar dicha afirmación al 10% de significación.
(a) Los coeficientes estimados por MCO son insesgados.
(c) Se verifica el Teorema de Gauss-Markov.
(a) Contrastar si el residuo de la forma reducida (proyección lineal de EDU C sobre las
la educación.
(c) Contrastar si, en una regresión de EDU C sobre las variables exógenas del modelo y
equivalente:
(a) Estimando por MCO con KIDS como variable dependiente que incluya como regre-
sores todas las variables explicativas exógenas y los instrumentos M EDU C y F EDU C.
(c) Estimando por MCO un modelo con KIDS como variable dependiente que incluya
(a) No rechazamos que la correlación de los instrumentos con EDU C es igual a cero.
(c) No rechazamos que la correlación de los instrumentos con el error del modelo (II) es
igual a cero.

(a) El modelo (I) impone la restricción de que los coeficientes de Y 78 e Y 84 son ambos
iguales a cero.
otro.
(c) El modelo (I) impone la restricción de que el coeficiente de Y 84 es exactamente igual
(a) 26.8.
(b) 190.4.
(c) 154.9.
(a) Igual de eficientes que las que se obtendrı́an si la variable KIDS no se midiera con
error.
(b) Inconsistentes.
(c) Ninguna de las otras dos afirmaciones son corrrectas.
(a) Mayor fuera la varianza de la educación respecto a la varianza del error de medida.
(c) Mayor fuera el valor esperado de la educación.
(a) Los coeficientes estimados en la Salida 2 serı́an inconsistentes para el modelo (II), pero
(a) Una mujer en 1978 tiene un 10% más de hijos que una mujer en 1972.
(c) Una mujer en 1984 tiene un 58% menos de hijos que una mujer en 1972.

(a) La hipótesis nula es H0 : δ4 = δ7 + δ8 .
(c) La hipótesis nula es H0 : δ7 = δ8 = 0.
(a) Menos eficientes que las que se obtendrı́an si la variable KIDS no se midiera con error.
(b) Consistentes.
(c) Ninguna de las otras dos afirmaciones es correcta.
(a) Estadı́sticamente igual a cero.
(c) No se puede responder a esta pregunta con la información de la Salida 2.
(a) Las mujeres de más edad tienen en promedio más niños.
(c) El efecto causal de la educación es igual para todas las mujeres consideradas.
10 de estudios:
(a) No se dispone de información para predecir el número medio de hijos en 1972.
(c) El número medio de hijos es aproximadamente 6.24.

ECONOMETRÍA
Curso 2009/10
17 de Mayo de 2010
Tipo de examen: 3
TIEMPO: 2 HORAS
Instrucciones:


será cero.


(a) (b) (c) (a) (b) (c) (a) (b) (c) (a) (b) (c)
1. 13. 25. 37.
2. 14. 26. 38.
3. 15. 27. 39.
4. 16. 28. 40.
5. 17. 29. 41.
6. 18. 30. 42.
7. 19. 31. 43.
8. 20. 32. 44.
9. 21. 33. 45.
10. 22. 34. 46.
11. 23. 35.
12. 24. 36.

(a) Mayor fuera la varianza del error de medida respecto a la varianza de la educación.
(b) Mayor fuera el valor esperado de la educación.
(a) 2.79.
(b) 1.60.
(c) 2.56.
(a) Los coeficientes estimados en la Salida 1 serı́an inconsistentes para el modelo (I), pero
(b) Ninguna de las otras afirmaciones es correcta.
(a) H0 : δ1 = δ2 = 0.
(b) H0 : δ1 + δ2 = 0.
(c) H0 : δ2 = 0.
decimal):
(b) Si incluyéramos además Y EAR e Y 78 como variables explicativas, dicho modelo serı́a
los de la Salida 2.

(a) δ5 = δ6 .
(b) δ6 = 6δ5 .
(c) δ6 = 2δ5 .
(a) 0.48.
(b) 0.68.
(c) 0.58.
(a) δ7 = δ8 = 0.
(b) δ4 = δ7 = δ8 .
(c) δ7 = δ8 .
(a) Constante.
(b) Positivo, pero marginalmente decreciente con la edad en el caso de mujeres menores
de 40 años.
(a) El efecto de la educación no varı́a a lo largo del tiempo.
(b) El efecto de la educación no es estadı́sticamente distinto de cero.
(a) Inconsistentes.
(b) Ninguna de las otras dos afirmaciones son corrrectas.
error.

(a) Rechazamos dicha hipótesis nula al 5% de significación.
(b) No rechazamos la hipótesis nula al 10% de significación.
(a) Se han mantenido constantes a lo largo del tiempo.
(b) No disponemos de información concluyente.
equivalente:
5B.
5.
(a) En general, las mujeres con menor nivel de educación tienen en promedio más niños.
(b) El efecto causal de la educación es igual para todas las mujeres consideradas.
(a) No rechazamos que EDU C es exógena.
(b) No rechazamos que la correlación de los instrumentos con el error del modelo (II) es
igual a cero.
(a) Si dicha conjetura es cierta, el modelo (II) podrı́a representarse como el modelo (I).
(b) No disponemos de información suficiente para evaluar dicha conjetura.

(a) La hipótesis nula es H0 : δ7 = δ8 .
Entonces:
(a) La Salida 1 proporcionarı́a estimaciones consistentes de los parámetros del modelo (I).
(b) Tanto la Salida 1 como la Salida 2 proporcionarı́an estimaciones consistentes de los
(II).
(a) 190.4.
(b) 154.9.
(c) 26.8.
(a) El modelo (II) es más restrictivo, ya que impone que el efecto de la educación no
(b) Al estimar el modelo (III) por MCO, vemos que la educación deja de tener un efecto
(b) La hipótesis nula serı́a H0 : 2δ4 + δ3 = 0.
la educación.

(a) 2.79.
(b) 1.60.
(c) 2.56.
(a) La hipótesis nula es H0 : δ4 = 0.
(b) La hipótesis nula es H0 : δ4 − δ7 − δ8 = 0.
a dos decimales):
(a) 2.67.
(b) 2.20.
(c) 1.67.
serı́a:
(a) −1.6.
(b) 0.6.
(c) −2.4.
(b) La hipótesis nula es H0 : δ5 = δ6 = δ7 = δ8 .
decir que
(a) Sólo la educación del padre (F EDU C) es un instrumento válido para EDU C.
(b) Serı́a posible obtener estimaciones consistentes de los parámetros utilizando

(a) Los modelos (I) y (II) son modelos distintos porque ninguno es un caso particular del
otro.
(b) El modelo (I) impone la restricción de que el coeficiente de Y 84 es exactamente igual
iguales a cero.
10 de estudios:
(a) El número medio de hijos es aproximadamente 0.19 en 1972.
(b) El número medio de hijos es aproximadamente 6.24.
1972.
(b) Una mujer en el año 1978 tenı́a en media 0.29 hijos más que una mujer en el año 1984.
1972.
(a) Se puede rechazar la hipótesis nula de exogeneidad de la educación.
(b) El estadı́stico de contraste es aproximadamente t = 3.9.
(a) Consistentes.
(b) Ninguna de las otras dos afirmaciones es correcta.
(c) Menos eficientes que las que se obtendrı́an si la variable KIDS no se midiera con
error.

(a) Los coeficientes estimados por MCO son inconsistentes.
(b) Se verifica el Teorema de Gauss-Markov.
(a) El modelo (I) es más restrictivo, ya que impone que el efecto de la educación sobre el
equivalente:
F EDU C.
(a) Serı́an inconsistentes.
(b) No podemos obtener estimadores consistentes por MC2E si disponemos de un único
instrumento.
(a) No se rechaza, ya que el p-valor del estadı́stico correspondiente es igual a 0.
(b) No se puede responder a esta pregunta con la información proporcionada.

(a) Al 1% de significación, podemos rechazar dicha afirmación.
(b) No podemos rechazar dicha afirmación al 10% de significación.
(a) 5 hijos más que la segunda.
(b) 1 hijo más que la segunda.
(a) Por cada 100 mujeres, hay alrededor de 58 hijos menos en 1984 que en 1972.
(b) Una mujer en 1984 tiene un 58% menos de hijos que una mujer en 1972.
(a) Significativamente distinta de cero.
(b) No se puede responder a esta pregunta con la información de la Salida 2.
(a) Dicho modelo está mal especificado, porque omite la variable Y 72.

ECONOMETRÍA
Curso 2009/10
17 de Mayo de 2010
Tipo de examen: 4
TIEMPO: 2 HORAS
Instrucciones:


será cero.


(a) (b) (c) (a) (b) (c) (a) (b) (c) (a) (b) (c)
1. 13. 25. 37.
2. 14. 26. 38.
3. 15. 27. 39.
4. 16. 28. 40.
5. 17. 29. 41.
6. 18. 30. 42.
7. 19. 31. 43.
8. 20. 32. 44.
9. 21. 33. 45.
10. 22. 34. 46.
11. 23. 35.
12. 24. 36.

(c) Por cada 100 mujeres, hay alrededor de 58 hijos menos en 1984 que en 1972.
(c) La hipótesis nula es H0 : δ4 = 0.
(a) δ6 = 2δ5 .
(b) δ6 = 6δ5 .
(c) δ5 = δ6 .
(c) Dicho modelo está mal especificado, porque omite la variable Y 72.
(c) La hipótesis nula es H0 : δ7 = δ8 .
los de la Salida 2.

a dos decimales):
(a) 1.67.
(b) 2.20.
(c) 2.67.
error.
(c) Inconsistentes.
(c) El modelo (II) es más restrictivo, ya que impone que el efecto de la educación no
(c) 5 hijos más que la segunda.
decimal):

de 40 años.
(c) Constante.
(c) En general, las mujeres con menor nivel de educación tienen en promedio más niños.
10 de estudios:
(c) El número medio de hijos es aproximadamente 0.19 en 1972.
(a) H0 : δ2 = 0.
(b) H0 : δ1 + δ2 = 0.
(c) H0 : δ1 = δ2 = 0.
1972.
1972.
iguales a cero.
(c) Los modelos (I) y (II) son modelos distintos porque ninguno es un caso particular del
otro.

(c) El modelo (I) es más restrictivo, ya que impone que el efecto de la educación sobre el
(c) Rechazamos dicha hipótesis nula al 5% de significación.
la educación.
(c) Si dicha conjetura es cierta, el modelo (II) podrı́a representarse como el modelo (I).
(a) δ7 = δ8 .
(b) δ4 = δ7 = δ8 .
(c) δ7 = δ8 = 0.
(c) Mayor fuera la varianza del error de medida respecto a la varianza de la educación.

(c) No se rechaza, ya que el p-valor del estadı́stico correspondiente es igual a 0.
(a) 26.8.
(b) 154.9.
(c) 190.4.
(a) 0.58.
(b) 0.68.
(c) 0.48.
(c) Significativamente distinta de cero.
(a) 2.56.
(b) 1.60.
(c) 2.79.
(c) El efecto de la educación no varı́a a lo largo del tiempo.

instrumento.
(c) Serı́an inconsistentes.
(c) Los coeficientes estimados en la Salida 1 serı́an inconsistentes para el modelo (I), pero
equivalente:
5.
5B.
(a) 2.56.
(b) 1.60.
(c) 2.79.

Entonces:
(II).
(c) La Salida 1 proporcionarı́a estimaciones consistentes de los parámetros del modelo (I).
igual a cero.
(c) No rechazamos que EDU C es exógena.
equivalente:
(c) Se puede rechazar la hipótesis nula de exogeneidad de la educación.
decir que
(c) Sólo la educación del padre (F EDU C) es un instrumento válido para EDU C.

(c) Al 1% de significación, podemos rechazar dicha afirmación.
(c) Los coeficientes estimados por MCO son inconsistentes.
serı́a:
(a) −2.4.
(b) 0.6.
(c) −1.6.
(c) Se han mantenido constantes a lo largo del tiempo.
(c) Consistentes.

ECONOMETRÍA
Curso 2009/10
17 de Mayo de 2010
TIEMPO: 2 HORAS
(a) El efecto de la educación no es estadı́sticamente distinto de cero.
(a) La hipótesis nula es H0 : δ5 = δ6 = δ7 = δ8 .
(a) 1.60.
(b) 2.79.
(c) 2.56.

equivalente:
F EDU C.
la educación.
(a) δ4 = δ7 = δ8 .
(b) δ7 = δ8 = 0.
(c) δ7 = δ8 .
10 de estudios:
(a) El número medio de hijos es aproximadamente 6.24.

(a) 1.60.
(b) 2.79.
(c) 2.56.
(a) Ninguna de las otras dos afirmaciones es correcta.
(b) Consistentes.
(c) Menos eficientes que las que se obtendrı́an si la variable KIDS no se midiera con error.
(a) Al estimar el modelo (III) por MCO, vemos que la educación deja de tener un efecto
equivalente:
5B.
5.
a dos decimales):
(a) 2.20.
(b) 2.67.
(c) 1.67.

(a) No se puede responder a esta pregunta con la información de la Salida 2.
(a) Positivo, pero marginalmente decreciente con la edad en el caso de mujeres menores
de 40 años.
(b) Constante.
(a) No podemos obtener estimadores consistentes por MC2E si disponemos de un único
instrumento.
(a) Mayor fuera el valor esperado de la educación.
serı́a:
(a) 0.6.
(b) −1.6.
(c) −2.4.

(a) La hipótesis nula es H0 : δ4 − δ7 − δ8 = 0.
decir que
(a) Serı́a posible obtener estimaciones consistentes de los parámetros utilizando
(a) 0.68.
(b) 0.48.
(c) 0.58.
(a) δ6 = 6δ5 .
(b) δ5 = δ6 .
(c) δ6 = 2δ5 .
(a) 154.9.
(b) 190.4.
(c) 26.8.
(a) Si incluyéramos además Y EAR e Y 78 como variables explicativas, dicho modelo serı́a
los de la Salida 2.
(a) Ninguna de las otras dos afirmaciones son corrrectas.
(b) Inconsistentes.
error.
(a) No rechazamos que la correlación de los instrumentos con el error del modelo (II) es
igual a cero.
(a) Una mujer en 1984 tiene un 58% menos de hijos que una mujer en 1972.
Entonces:

(II).

(a) No rechazamos la hipótesis nula al 10% de significación.
(a) Se verifica el Teorema de Gauss-Markov.
(a) El modelo (I) impone la restricción de que el coeficiente de Y 84 es exactamente igual
otro.
iguales a cero.
(a) No disponemos de información suficiente para evaluar dicha conjetura.
(a) H0 : δ1 + δ2 = 0.
(b) H0 : δ1 = δ2 = 0.
(c) H0 : δ2 = 0.

(a) La hipótesis nula serı́a H0 : 2δ4 + δ3 = 0.
decimal):
1972.
1972.

ECONOMETRÍA
Curso 2009/10
17 de Mayo de 2010
TIEMPO: 2 HORAS
serı́a:
(a) −2.4.
(b) −1.6.
(c) 0.6.
(c) No rechazamos la hipótesis nula al 10% de significación.
(c) La hipótesis nula es H0 : δ4 − δ7 − δ8 = 0.
(a) 2.56.
(b) 2.79.
(c) 1.60.
(c) Al estimar el modelo (III) por MCO, vemos que la educación deja de tener un efecto

(b) Constante.
(c) Positivo, pero marginalmente decreciente con la edad en el caso de mujeres menores
de 40 años.
(a) δ7 = δ8 .
(b) δ7 = δ8 = 0.
(c) δ4 = δ7 = δ8 .
decir que
(c) Serı́a posible obtener estimaciones consistentes de los parámetros utilizando
(c) La hipótesis nula serı́a H0 : 2δ4 + δ3 = 0.

(a) H0 : δ2 = 0.
(b) H0 : δ1 = δ2 = 0.
(c) H0 : δ1 + δ2 = 0.
(a) 0.58.
(b) 0.48.
(c) 0.68.
a dos decimales):
(a) 1.67.
(b) 2.67.
(c) 2.20.
1972.
1972.

(a) 2.56.
(b) 2.79.
(c) 1.60.
decimal):
(c) La hipótesis nula es H0 : δ5 = δ6 = δ7 = δ8 .
(a) δ6 = 2δ5 .
(b) δ5 = δ6 .
(c) δ6 = 6δ5 .
(c) No podemos obtener estimadores consistentes por MC2E si disponemos de un único
instrumento.
equivalente:
5.
5B.

los de la Salida 2.
(c) Si incluyéramos además Y EAR e Y 78 como variables explicativas, dicho modelo serı́a
(c) No disponemos de información suficiente para evaluar dicha conjetura.
(c) El efecto de la educación no es estadı́sticamente distinto de cero.
Entonces:
(II).

(c) Se verifica el Teorema de Gauss-Markov.
la educación.
equivalente:
(c) No rechazamos que la correlación de los instrumentos con el error del modelo (II) es
igual a cero.
iguales a cero.
otro.
(c) El modelo (I) impone la restricción de que el coeficiente de Y 84 es exactamente igual
(a) 26.8.
(b) 190.4.
(c) 154.9.
error.
(b) Inconsistentes.
(c) Ninguna de las otras dos afirmaciones son corrrectas.
(c) Mayor fuera el valor esperado de la educación.
(c) Una mujer en 1984 tiene un 58% menos de hijos que una mujer en 1972.
(b) Consistentes.
(c) Ninguna de las otras dos afirmaciones es correcta.
(c) No se puede responder a esta pregunta con la información de la Salida 2.
10 de estudios:
(c) El número medio de hijos es aproximadamente 6.24.

ECONOMETRÍA
Curso 2009/10
17 de Mayo de 2010
TIEMPO: 2 HORAS
(a) Mayor fuera la varianza del error de medida respecto a la varianza de la educación.
(a) 2.79.
(b) 1.60.
(c) 2.56.
(a) H0 : δ1 = δ2 = 0.
(b) H0 : δ1 + δ2 = 0.
(c) H0 : δ2 = 0.
decimal):
los de la Salida 2.
(a) δ5 = δ6 .
(b) δ6 = 6δ5 .
(c) δ6 = 2δ5 .
(a) 0.48.
(b) 0.68.
(c) 0.58.
(a) δ7 = δ8 = 0.
(b) δ4 = δ7 = δ8 .
(c) δ7 = δ8 .
(a) Constante.
de 40 años.
(a) El efecto de la educación no varı́a a lo largo del tiempo.

(a) Inconsistentes.
error.
equivalente:
5B.
5.
(a) En general, las mujeres con menor nivel de educación tienen en promedio más niños.
(a) No rechazamos que EDU C es exógena.
igual a cero.

(a) Si dicha conjetura es cierta, el modelo (II) podrı́a representarse como el modelo (I).
(a) La hipótesis nula es H0 : δ7 = δ8 .
Entonces:
(a) La Salida 1 proporcionarı́a estimaciones consistentes de los parámetros del modelo (I).
(II).
(a) 190.4.
(b) 154.9.
(c) 26.8.
(a) El modelo (II) es más restrictivo, ya que impone que el efecto de la educación no

la educación.
(a) 2.79.
(b) 1.60.
(c) 2.56.
(a) La hipótesis nula es H0 : δ4 = 0.
a dos decimales):
(a) 2.67.
(b) 2.20.
(c) 1.67.
serı́a:
(a) −1.6.
(b) 0.6.
(c) −2.4.

decir que
(a) Sólo la educación del padre (F EDU C) es un instrumento válido para EDU C.
otro.
iguales a cero.
10 de estudios:
(a) El número medio de hijos es aproximadamente 0.19 en 1972.
1972.
1972.

(a) Consistentes.
(c) Menos eficientes que las que se obtendrı́an si la variable KIDS no se midiera con error.
(a) Los coeficientes estimados por MCO son inconsistentes.
equivalente:
F EDU C.
instrumento.
(a) 5 hijos más que la segunda.
(a) Por cada 100 mujeres, hay alrededor de 58 hijos menos en 1984 que en 1972.
(a) Dicho modelo está mal especificado, porque omite la variable Y 72.

ECONOMETRÍA
Curso 2009/10
17 de Mayo de 2010
TIEMPO: 2 HORAS
(c) Por cada 100 mujeres, hay alrededor de 58 hijos menos en 1984 que en 1972.
(c) La hipótesis nula es H0 : δ4 = 0.
(a) δ6 = 2δ5 .
(b) δ6 = 6δ5 .
(c) δ5 = δ6 .
(c) Dicho modelo está mal especificado, porque omite la variable Y 72.
(c) La hipótesis nula es H0 : δ7 = δ8 .

los de la Salida 2.
a dos decimales):
(a) 1.67.
(b) 2.20.
(c) 2.67.
error.
(c) Inconsistentes.
(c) El modelo (II) es más restrictivo, ya que impone que el efecto de la educación no
(c) 5 hijos más que la segunda.
decimal):
de 40 años.
(c) Constante.
(c) En general, las mujeres con menor nivel de educación tienen en promedio más niños.
10 de estudios:
(c) El número medio de hijos es aproximadamente 0.19 en 1972.
(a) H0 : δ2 = 0.
(b) H0 : δ1 + δ2 = 0.
(c) H0 : δ1 = δ2 = 0.
1972.
1972.

iguales a cero.
otro.

la educación.
(c) Si dicha conjetura es cierta, el modelo (II) podrı́a representarse como el modelo (I).
(a) δ7 = δ8 .
(b) δ4 = δ7 = δ8 .
(c) δ7 = δ8 = 0.

(c) Mayor fuera la varianza del error de medida respecto a la varianza de la educación.
(a) 26.8.
(b) 154.9.
(c) 190.4.
(a) 0.58.
(b) 0.68.
(c) 0.48.
(a) 2.56.
(b) 1.60.
(c) 2.79.
(c) El efecto de la educación no varı́a a lo largo del tiempo.

instrumento.
equivalente:
5.
5B.
(a) 2.56.
(b) 1.60.
(c) 2.79.

Entonces:
(II).
(c) La Salida 1 proporcionarı́a estimaciones consistentes de los parámetros del modelo (I).
igual a cero.
(c) No rechazamos que EDU C es exógena.
equivalente:
decir que
(c) Sólo la educación del padre (F EDU C) es un instrumento válido para EDU C.

(c) Los coeficientes estimados por MCO son inconsistentes.
serı́a:
(a) −2.4.
(b) 0.6.
(c) −1.6.

(c) Consistentes.

ECONOMETRÍA I
Curso 2004/05
EXAMEN FINAL (Convocatoria extraordinaria)
1 de Septiembre de 2005
PROBLEMA
La especi…cación de curvas de Engel para gasto en alimentación establece una

relación entre dicho gasto y el gasto total. Sea Y el gasto anual (en euros) en
alimentación de una familia y X su gasto total (en miles de euros). Las
especi…caciones más usuales son:
ln Y = 0+ 1 ln X + u (I)
Y = 0+ 1 ln X + v (II)
Y
= 0 + 1 ln X + " (III)
X
Para estimar una curva de Engel para alimentación, disponemos de datos de

hogares españoles formados por parejas con o sin hijos en los que la edad del marido
está comprendida entre 25 y 65 años, seleccionados aleatoriamente de la Encuesta de
Presupuestos Familiares de 1990-91 con información sobre las siguientes variables:
LAL = logaritmo del gasto anual en alimentación del hogar en euros;
LGT = logaritmo del gasto anual total del hogar en miles de euros;
LY = logaritmo de la renta disponible del hogar en miles de euros (esta variable
tiene una correlación positiva y muy alta con LGT);
TAM = Número de miembros del hogar (excluidos los cónyuges, es decir: número
total de miembros 2);
TAM2 = TAM TAM = Número de miembros del hogar (excluidos los cónyuges) al
cuadrado;
EDAD = Edad del marido;
UH = Variable binaria que toma el valor 1 si el marido tiene titulación universitaria
UM = Variable binaria que toma el valor 1 si la mujer tiene titulación universitaria
MT = Variable binaria que toma el valor 1 si la esposa trabaja y 0 en caso contrario;
El modelo empírico utilizado es el siguiente:
LAL = + 1 LGT + 2 TAM +

0 3 TAM2 + 4 UH + 5 UM (*)
+ 6 MT + 7 EDAD + u,
es decir, las variables que determinan el gasto en alimentación son el logaritmo del
gasto total (LGT) y otras variables que recogen las características del hogar.
Además, es importante destacar que C(TAM; LGT) > 0.
Empleando datos de 965 observaciones se han realizado las siguientes estimaciones:
SALIDA 1
Dependent Variable: LAL
Sample: 1 965
Variable Coe¢ cient Std. Error t-Statistic Prob.
C 6:6112 0:0794 83:24 0:000
LGT 0:4917 0:0260 18:93 0:000
TAM 0:1445 0:0178 8:11 0:000
TAM2 0:0105 0:0025 4:18 0:000
UH 0:1286 0:0380 3:38 0:001
UM 0:1059 0:0439 2:41 0:016
MT 0:0700 0:0294 2:38 0:017
EDAD 0:0034 0:0013 2:66 0:008
R-squared 0:3939
Sum squared resid 122:81
SALIDA 1A
Matriz de varianzas y covarianzas de los estimadores de la SALIDA 1
LGT TAM TAM2 UH UM MT EDAD
LGT 0:0007
TAM 0:0001 0:0003
TAM2 0:00003 0:0004 0:00006
UH 0:0002 0:00001 0:00001 0:001443
UM 0:0008 0:00007 0:00008 0:0007 0:00193
MT 0:0002 0:00002 0 0:00004 0:0003 0:000865
EDAD 0:00007 0 0 0 0:00003 0:00001 0:000017
2
SALIDA 2
Sample: 1 965
C 6:9816 0:0706 98:85 0:000
LGT 0:4774 0:0254 18:78 0:000
R-squared 0:2680
SALIDA 3
Sample: 1 965
C 6:7134 0:0816 82:29 0:000
LGT 0:5375 0:0268 20:04 0:000
UH 0:1350 0:0399 3:39 0:001
UM 0:1438 0:0459 3:13 0:002
MT 0:0984 0:0307 3:21 0:001
EDAD 0:0041 0:0014 3:01 0:003
R-squared 0:3308
3
SALIDA 4
Sample: 1 965
C 6:6803 0:0793 84:24 0:000
LGT 0:4490 0:0251 17:87 0:000
-
TAM 0:1530 0:0180 8:51 0:000
TAM2 0:0112 0:0025 4:43 0:000
MT 0:1064 0:0286 3:72 0:000
EDAD 0:0037 0:0013 2:84 0:005
R-squared 0:3744
SALIDA 5
Dependent Variable: LGT
Sample: 1 965
C 1:3080 0:0793 16:49 0:000
LY 0:4803 0:0300 15:98 0:000
TAM 0:0259 0:0199 1:30 0:193
TAM2 0:0005 0:0028 0:18 0:864
UH 0:1491 0:0426 3:50 0:000
UM 0:0212 0:0492 0:43 0:667
MT 0:0567 0:0337 1:68 0:093
EDAD 0:0037 0:0015 2:49 0:013
R-squared 0:3699
4
SALIDA 6
Sample: 1 965
Instrument list: LY
C 6:6779 0:1283 52:05 0:000
LGT 0:4584 0:0566 8:09 0:000
TAM 0:1473 0:0183 8:03 0:000
TAM2 0:0106 0:0025 4:22 0:000
UH 0:1172 0:0417 2:81 0:005
UM 0:1020 0:0444 2:30 0:022
MT 0:0622 0:0317 1:97 0:050
EDAD 0:0038 0:0014 2:71 0:007
R-squared 0:3929
SALIDA 7
Sample: 1 965
C 6:6779 0:1283 52:05 0:000
LGT 0:4584 0:0566 8:09 0:000
TAM 0:1473 0:0183 8:03 0:000
TAM2 0:0106 0:0025 4:22 0:000
UH 0:1172 0:0416 2:81 0:005
UM 0:1020 0:0443 2:30 0:022
MT 0:0622 0:0317 1:97 0:049
EDAD 0:0038 0:0014 2:71 0:007
RES5 0:0422 0:0637 0:66 0:508
R-squared 0:3942
(RES5 son los residuos de la SALIDA 5)
5
ECONOMETRÍA I
Curso 2004/05
Tipo de examen: 1
Instrucciones:
tura óptica.
(Siga las instrucciones de la hoja adjunta).

ASIGNATURA
Economı́a 61 62 63 64 65∗ 10188
ADE 71 72 73 74 75∗ 10188
Sim. ADE-Dcho. 77 78 43020
∗
Grupos bilingües
• Compruebe que este cuestionario de preguntas tiene 40 preguntas numeradas correlativamente

y que tiene otro cuadernillo con el enunciado y tablas de 1 problema.


Cuando una pregunta se refiera al problema del enunciado, el encabezado de la
pregunta incluirá entre paréntesis la letra P.

incorrectas tendrán una puntuación de cero. Para aprobar el examen hay que responder
correctamente un mı́nimo de 24 preguntas.

• Fechas de publicación de calificaciones: Lunes 5 de Septiembre.
– Grupos del Campus de Getafe: Jueves, 8 de Septiembre a las 15 h en las AULAS 15.1.41
y 15.1.43
– Grupos del Campus de Colmenarejo: Jueves, 8 de Septiembre a las 15 h en el despacho
1.2.B11.
examen.
disponibles en Aula Global a partir del Martes 6 de Septiembre.
Borrador de
RESPUESTAS
1. 21.
2. 22.
3. 23.
4. 24.
5. 25.
6. 26.
7. 27.
8. 28.
9. 29.
10. 30.
11. 31.
12. 32.
13. 33.
14. 34.
15. 35.
16. 36.
17. 37.
18. 38.
19. 39.
20. 40.
1. (P) Suponga que el modelo (*) cumple todos los supuestos del modelo de regresión clásico. A
la vista de los coeficientes estimados y los errores estándar de TAM y TAM2, indique cuál de las
siguientes afirmaciones acerca del efecto estimado ceteris paribus del tamaño sobre el gasto
en alimentación es FALSA:
(a) Dicho efecto es positivo para un hogar formado por 6 miembros (incluyendo a los
cónyuges).
(b) Dicho efecto es negativo para hogares de más de 9 miembros (incluyendo a los
cónyuges).
(c) Dicho efecto es positivo pero marginalmente creciente.
(d) Dicho efecto es positivo pero marginalmente decreciente, pudiendo ser negativo para
hogares de gran tamaño.
2. (P) Suponga que el modelo (*) cumple todos los supuestos del modelo de regresión clásico. El
hecho de que la mujer trabaje supone en promedio, ceteris paribus, una diferencia estimada
en el gasto en alimentación del hogar igual a:
(a) −0.07 × 100 % = 7% menos.
(b) 7 euros menos.
(c) 0.07 × 100 % = 7% más.
(d) 7 euros más.
3. (P) Suponga que el error del modelo (*) cumple los supuestos del modelo de regresión clásico
excepto el de homocedasticidad condicional. Considere las siguientes afirmaciones:
(i) Las estimaciones de los parámetros en la SALIDA 1 no son consistentes.
(ii) Las errores estándar de los parámetros en la SALIDA 1 no son consistentes.
(iii) El R2 del modelo no tiene sentido.
4. (P) Considere el modelo (I) y suponga que cumple los supuestos del modelo de regresión lineal
clásico para las transformaciones de las variables originales. Para una familia con un gasto
anual en alimentación de 4000 euros y un gasto anual total de 20000 euros, un incremento del
gasto total de 100 euros aumenta en promedio el gasto en alimentación en:

4000
(a) 0.1 × β1 × euros.
20
(b) β1 %.
(c) β1 euros.

4000
(d) β1 × euros.
20

5. (P) Teniendo en cuenta que la variable LY no está correlacionada con u, dados los resultados
presentados en la SALIDA 7:
(a) Como RES5 no es estadı́sticamente significativa, NO rechazarı́amos que LGT es exógena.
(b) Como RES5 no es estadı́sticamente significativa, rechazarı́amos que LGT es exógena.
(c) Como RES5 es estadı́sticamente significativa, rechazamos que LGT es exógena.
(d) No es correcto basar el contraste de exogeneidad en la significación de RES5, porque
la forma reducida en que se basan estos residuos incluye incorrectamente las variables
explicativas exógenas del modelo (*).
6. (P) Teniendo en cuenta que la variable LY no está correlacionada con u, para verificar
empı́ricamente si existe un problema de endogeneidad con la variable LGT:
(a) Utilizaremos el contraste de la t asociado al coeficiente de dicha variable en la SALIDA
1.
(b) Contrastaremos la significación conjunta de los regresores en la SALIDA 5.
(c) No se puede verificar dicha hipótesis.
(d) Llevaremos a cabo un contraste de Hausman.
7. Sea el modelo
Y = β0 + β1 X + β2 ln (X) + ε,
donde E (ε|X) = 0, β1 6= 0, β2 6= 0. Podemos afirmar que:
(a) E (Y |X) = P LO(Y |X)
(b) β2 = C (ln (X) , Y ) /V (ln (X))
(c) La función de esperanza condicional de Y dado X es lineal en X.
(d) E (Y |X) = P LO(Y |X, ln (X))
8. (P) Suponga que el modelo (*) cumple todos los supuestos del modelo de regresión clásico.
Queremos contrastar la hipótesis de que el número de miembros del hogar no afecta al gasto
en alimentación.
(a) La información disponible no aporta evidencia suficiente para dilucidar dicha hipótesis.
(b) A partir de la SALIDA 1 y la SALIDA 3, el estadı́stico de contraste apropiado es
(135.62 − 122.81)
W = × (965 − 8) = 99.822, que se distribuye aproximadamente
122.81
como una χ22 , de manera que rechazamos dicha hipótesis nula a cualquier nivel de
significación razonable.
(c) Como TAM y TAM2 son individualmente significativas, rechazamos dicha hipótesis nula.
(d) En la SALIDA 1, el estadı́stico de contraste es t = 8.11, con lo que rechazamos dicha
hipótesis nula a cualquier nivel de significación razonable.

Comparando dos hogares que tienen igual gasto total, igual tamaño, igual edad del marido e
igual situación laboral de la mujer, el hecho de que los dos cónyuges del primer hogar tengan
titulación universitaria supone una diferencia promedio estimada en el gasto en alimentación
respecto a otro en el que ambos cónyuges carecen de estudios universitarios igual a:
(a) (−0.1286 − 0.1059) × 100 % = 23.45% menos.
(b) − (−0.1286 − 0.1059) × 100 = 23.45 euros más.
(c) (−0.1286 − 0.1059) × 100 = 23.45 euros menos.
(d) − (−0.1286 − 0.1059) × 100 % = 23.45% más.
10. Suponga que estamos interesados en el modelo
Y = β0 + β1 X1 + β2 X2 + ε,
donde E(ε| X1 , X2 ) = 0, V (ε| X1 , X2 ) = σ 2 . Además, sabemos que β1 > 0, β2 < 0,

C(X1 , X2 ) < 0.
Sin embargo, sólo observamos Y y X1 . Sea b1 el estimador MCO de la pendiente de la regresión
simple de Y sobre X1 . Indique cuál de las siguientes afirmaciones es FALSA:
(b) Al excluir X2 , la variable X1 es endógena en el modelo Y = β0 + β1 X1 + u.
(c) b1 tenderá a infraestimar β1 .
(d) b1 tenderá a sobreestimar β1 .
11. (P) Considere el modelo (II) y suponga que cumple los supuestos del modelo de regresión lineal
anual en alimentación de 4000 euros y un gasto anual total de 20000 euros, un incremento del
gasto total de 100 euros aumenta en promedio el gasto en alimentación en:

1
(a) 0.1 × δ1 × euros.
20
(b) 100 × δ1 %.
δ1
(c) euros.
20000

4000
(d) δ1 × euros.
20
12. (P) Considere el modelo (I) y suponga que cumple los supuestos del modelo de regresión lineal
anual en alimentación de 4000 euros y un gasto anual total de 20000 euros, la elasticidad del
gasto en alimentación respecto al gasto total es de:
(a) β1 %.
(b) 100 × β1 %.
4000
(c) β1 × %.
20
β1
(d) %.
20

La diferencia promedio estimada, ceteris paribus, en el gasto en alimentación entre un hogar
en el que la mujer tiene estudios universitarios pero no trabaja respecto a otro en que la mujer
no tiene titulación universitaria pero trabaja es de:
(a) [−0.1059 − (−0.07)] × 100 % = 3.59% menos.
(b) − [−0.1059 − (−0.07)] × 100 % = 3.59% más.
(c) [−0.1059 − 0.07] × 100 % = 17.59% más.
(d) 3.59 euros más.
14. (P) Teniendo en cuenta que la variable LY no está correlacionada con u, dados los resultados
presentados en la SALIDA 7:
(a) Tanto los estimadores de la SALIDA 1 como los de la SALIDA 6 son inconsistentes.
(b) Los estimadores de las SALIDA 1 y los de la SALIDA 6 no pueden ser ambos consis-
tentes, porque los valores numéricos de ambos son diferentes.
(c) Tanto los estimadores de la SALIDA 1 como los de la SALIDA 6 son consistentes, pero
optarı́amos por los de la SALIDA 1 porque el estimador de MCO es más eficiente que
el de variables instrumentales.
(d) Tanto los estimadores de la SALIDA 1 como los de la SALIDA 6 son consistentes, pero
optarı́amos por los de la SALIDA 6 porque el estimador de variables instrumentales es
más eficiente que el de MCO.
15. (P) Considerando las variables originales Y , X:
(a) El modelo (I) es lineal en X e Y .
(b) Ninguna de las tres especificaciones es lineal en X e Y .
(c) El modelo (III) es lineal en X e Y .
(d) El modelo (II) es lineal en X e Y .
16. (P) Estamos interesados en el modelo (*), que cumple todos los supuestos del modelo de
regresión clásico. Queremos contrastar la hipótesis de que el efecto de que uno de los cónyuges
tenga estudios universitarios es independiente de cuál de los cónyuges tiene dichos estudios.
−0.1286 − (−0.1059)
(a) El estadı́stico de contraste es t = p = −0.32857,
0.001443 + 0.00193 − 2 × (−0.0007)
con lo que no rechazamos dicha hipótesis al 10%.
−0.1286 − (−0.1059)
(b) El estadı́stico de contraste es t = p = −0.51105,
0.001443 + 0.00193 + 2 × (−0.0007)
con lo que no rechazamos dicha hipótesis al 10%.
(c) El estadı́stico de contraste es, a partir de la SALIDA 1 y la SALIDA 4, W =
(126.77 − 122.81)
× (965 − 8) = 30.858, con lo que rechazamos dicha hipótesis al 1%.
122.81
−0.1286 + (−0.1059)
(d) El estadı́stico de contraste es t = p = −5.2793,
0.001443 + 0.00193 + 2 × (−0.0007)
con lo que rechazamos dicha hipótesis al 1%.

17. (P) Suponga que el modelo de interés es
LAL = β0 + β1 LGT + β2 TAM + β3 UH + β4 UM + β5 MT + β6 EDAD + u
donde dicho modelo cumple todos los supuestos del modelo de regresión clásico y β2 > 0.
Suponga además, para simplificar, que LGT y TAM no están correlacionadas con el resto de las
variables explicativas. Si omitimos el tamaño de la familia (TAM) y estimamos por MCO:
(a) Obtendremos un estimador consistente de β1 .
(b) Obtendremos un estimador inconsistente de β6 .
(c) Obtendremos un estimador inconsistente de β1 , que tenderá a infraestimar el efecto
del gasto total sobre el gasto en alimentación.
(d) Obtendremos un estimador inconsistente de β1 , que tenderá a sobreestimar el efecto
del gasto total sobre el gasto en alimentación.
El efecto ceteris paribus de un miembro adicional en una familia compuesta por 5 miembros
(incluyendo los cónyuges) supone un aumento promedio estimado en el gasto en alimentación
de:
(a) (0.1445 − 2 × 0.0105 × 3) × 100 %. = 8.15%.
(b) (0.1445 − 2 × 0.0105 × 5) × 100 = 3.95 euros.
(c) (0.1445 − 2 × 0.0105 × 3) × 100 = 8.15 euros.
(d) (0.1445 − 2 × 0.0105 × 5) × 100 %. = 3.95%.
19. Un economista que desea estudiar el comportamiento de consumo de una bebida isotónica
(Y = consumo en litros anuales) por parte de deportistas y no deportistas (DEP = 1 si
la persona es deportista y 0 en caso contrario), teniendo en cuenta además su nivel de renta
(REN T A = Renta en euros), especifica y estima el siguiente modelo:
E (Y | REN T A, DEP ) = β0 + β1 REN T A + β2 DEP + β3 (REN T A × DEP ) .
Suponga que consideramos la variable N OD = 1 − DEP y queremos estimar el siguiente

modelo:
E (Y | REN T A, DEP, N OD) = δ2 DEP + δ3 (REN T A × DEP )

+ δ4 N OD + δ5 (REN T A × N OD) .
Indique cuál de las siguientes opciones es correcta:

(a) δ2 = β0 ; δ4 = β0 + β2 ; δ3 = β3 ; δ5 = β1 + β3 .
(b) Estos dos modelos no guardan ninguna relación.
(c) δ2 = β0 ; δ4 = β0 + β2 ; δ3 = β1 + β3 ; δ5 = β1 − β3 .
(d) δ2 = β0 + β2 ; δ4 = β0 ; δ3 = β1 + β3 , δ5 = β1 .

20. (P) A la hora de estimar el modelo (*), existe un problema potencial respecto a LGT de-
bido a que el gasto en alimentación es parte del gasto total, y por tanto se determinan
simultáneamente. Ante tal situación, y suponiendo (por simplificar) que LGT no está correla-
cionada con el resto de las variables explicativas, considere las siguientes afirmaciones:
(i) Es de esperar que la estimación MCO de la ecuación (*) no proporcione un estimador
consistente de β1 .
(ii) El hecho de que LGT y LAL se determinen simultáneamente hace que el modelo no verifique
todos los supuestos del modelo de regresión clásico.
(iii) Es de esperar que el estimador MCO de la ecuación (*) sobreestime β1 .
21. Sea el modelo
Y = β0 + β1 X1 + β2 X2 + ε,
donde tanto X1 como X2 son endógenas. Sea una variable adicional Z que cumple C (Z, ε) = 0,
C (Z, X1 ) 6= 0, C (Z, X2 ) 6= 0. Entonces:
(a) Como Z es un instrumento válido tanto para X1 como X2 podemos estimar consisten-
temente los parámetros del modelo mediante un estimador de variables instrumentales
con Z como único instrumento.
(c) Aunque no se pueden estimar consistentemente β1 y β2 con la información disponible,
si omitimos X2 podrı́amos estimar consistentemente β1 por variables instrumentales
usando Z como instrumento (el modelo que estarı́amos estimando serı́a Y = β0 +
β1 X1 + v, donde v = ε + β2 X2 ).
(d) Como tenemos dos variables explicativas endógenas, debemos usar el estimador de
mı́nimos cuadrados en dos etapas usando Z como único instrumento para cada variable
endógena para obtener una estimación consistente de los parámetros del modelo.
22. Para garantizar la consistencia de los estimadores MCO de los parámetros de un modelo
de regresión múltiple por MCO, indique cuál de los siguientes supuestos habituales NO es
necesario:
(a) Esperanza condicional del término de error (condicional en las variables explicativas)
igual a cero.
(b) Linealidad en los parámetros.
(c) No correlación entre los regresores y el término de error.
(d) Homocedasticidad condicional (condicional en las variables explicativas).

La diferencia promedio estimada en el gasto en alimentación de dos hogares con igual gasto
total, igual tamaño, igual nivel educativo de los cónyuges y en el que la mujer trabaja pero
en el que la edad del marido en el primer hogar es 10 años mayor que la del segundo es igual
a:
(a) 34 euros.
(b) 3.4 euros.
(c) Un 3.4%.
(d) Un 0.34%.
24. (P) Suponga que el modelo de interés es
LAL = β0 + β1 LGT + β2 TAM + β3 UH + β4 UM + β5 MT + β6 EDAD + u
donde dicho modelo cumple todos los supuestos del modelo de regresión clásico y β2 > 0.
Suponga además, para simplificar, que LGT y TAM no están correlacionadas con el resto de las
variables explicativas. Sean d1 el estimador MCO de β1 en el modelo que omite TAM y b1 el
estimador MCO de β1 en el modelo de interés (que no omite TAM).
(a) La varianza estimada de d1 será menor que la de b1 , y además d1 continúa siendo
consistente.
(b) La varianza estimada de d1 será menor que la de b1 , pero d1 es inconsistente.
(c) La varianza estimada de d1 será mayor que la de b1 , aunque d1 continúa siendo consis-
tente.
(d) La varianza estimada de d1 será mayor que la de b1 , pero d1 es inconsistente.
25. (P) Suponga que estamos interesados en estimar consistentemente los coeficientes del modelo
(*), y que E (LGT × u) 6= 0, aunque el resto de las variables explicativas incluidas en el modelo
(*) no están correlacionadas con el término de error u. Además, sabemos que la variable LY
tampoco está correlacionada con u.
(a) Bajo dichas condiciones, los estimadores de la SALIDA 1 son consistentes.
(b) Los estimadores de la SALIDA 6 no son consistentes, porque no se cumple, a la vista de
la SALIDA 5, la condición de que el instrumento LY esté correlacionado con la variable
endógena LGT.
(c) Los estimadores de la SALIDA 6 son consistentes, porque el instrumento LY cumple
las dos condiciones para ser un instrumento válido: no estar correlacionado con u y
estar correlacionado con la variable endógena LGT (esto último se ve porque LY es una
variable significativa en la forma reducida de la SALIDA 5).
(d) La forma reducida para LGT de la SALIDA 5 no es apropiada, porque no deberı́a incluir
las restantes variables incluidas en el modelo (sólo deberı́a incluir los instrumentos
externos, es decir, LY, y la constante).

Queremos contrastar que el nivel de estudios de la pareja no afecta al gasto en alimentación.
Considere las siguientes afirmaciones:
(i) La hipótesis nula es H0 : β4 = β5 = 0.
(ii) El estadı́stico de contraste es, a partir de la SALIDA 1 y la SALIDA 4, W =
(126.77 − 122.81)
× (965 − 8) = 30.858, que se distribuye aproximadamente como una χ22 .
122.81
(iii) Al 1% de significación rechazamos la hipótesis de que el nivel de estudios de la pareja no
afecta al gasto en alimentación.
27. Tenemos tres variables Y , X1 y X2 , entre las que se cumplen las siguientes relaciones:
E(Y |X1 , X2 ) = β0 + β1 X1 + β2 X2 , con β2 = 0 y C(X1 , X2 ) 6= 0. Se quiere estimar el
modelo Y = β0 + β1 X1 + ε, y se considera el estimador MCO y el de variables instrumentales.
En base a las siguientes afirmaciones:
(i) El estimador de variables instrumentales será el de mı́nima varianza entre los estimadores
lineales y consistentes si seleccionamos el mejor instrumento en el conjunto de TODAS las
variables exógenas que tenemos.
(ii) El estimador MCO y el de variables instrumentales, utilizando como instrumento Z = X2 ,
son consistentes, pero el de MCO tiene menor varianza.
(iii) El estimador de variables instrumentales es inconsistente porque X1 es una variable
exógena.
28. Dado el modelo de regresion lineal simple
Y = β0 + β1 X + ε, (D)
donde E(ε| X) = 0, V (ε| X) = σ 2 , β1 6= 0, se quiere estimar el modelo inverso
X = γ0 + γ1 Y + v, (C)
−β0 1 −ε
siendo, por lo tanto, γ0 = , γ1 = , v = . Sean b1 el estimador MCO de la pendiente
β1 β1 β1
del modelo (D), g1 el estimador MCO de la pendiente del modelo (C), y gb1 un estimador de
variables instrumentales de la pendiente del modelo (C) que utiliza X como instrumento.
Indique cuál de las siguientes afirmaciones es FALSA:
(a) b1 es un estimador consistente de β1 .
1
(b) es un estimador consistente de γ1 .
b1
(c) gb1 es un estimador consistente de γ1 .
(d) g1 es un estimador consistente de γ1 .

29. Un economista que desea estudiar el comportamiento de consumo de una bebida isotónica
(Y = consumo en litros anuales) por parte de deportistas y no deportistas (DEP = 1 si
la persona es deportista y 0 en caso contrario), teniendo en cuenta además su nivel de renta
(REN T A = Renta en euros), especifica y estima el siguiente modelo:
E (Y | REN T A, DEP ) = β0 + β1 REN T A + β2 DEP + β3 (REN T A × DEP ) .
Suponga que consideramos la variable N OD = 1 − DEP y queremos estimar el siguiente

modelo:
E (Y | REN T A, DEP, N OD) = δ1 REN T A + δ2 DEP + δ3 (REN T A × DEP )

+ δ4 N OD + δ5 (REN T A × N OD) .
Indique cuál de las siguientes opciones es correcta:

(a) δ2 = β0 ; δ4 = β0 + β2 ; δ3 = β3 ; δ5 = β1 + β3 .
(b) No podrá estimar este segundo modelo porque hay multicolinealidad perfecta.
(c) δ2 = β0 ; δ4 = β0 + β2 ; δ3 = β1 + β3 ; δ5 = β1 − β3 .
(d) δ2 = β0 + β2 ; δ4 = β0 ; δ3 = β1 + β3 , δ5 = β1 .
30. (P) Suponga que dado el modelo (*) queremos contrastar la hipótesis nula de que el gasto en
alimentación es independiente del tamaño de la familia.
(b) La hipótesis nula serı́a H0 : β2 − β3 = 0.
(c) La hipótesis nula serı́a H0 : β3 = 0.
31. (P) Considere el modelo (II) y suponga que cumple los supuestos del modelo de regresión
lineal clásico para las transformaciones de las variables originales. Para una familia con un
gasto anual en alimentación de 4000 euros y un gasto anual total de 20000 euros, la elasticidad
del gasto en alimentación respecto al gasto total es de:
(a) δ1 %.
δ1
(b) %.
4000
−δ1
(c) %.
100 × 20
δ1
(d) %.
20
32. (P) A la hora de estimar el modelo (*), existe un problema potencial respecto a LGT de-
bido a que el gasto en alimentación es parte del gasto total, y por tanto se determinan
simultáneamente. Ante tal situación, considere las siguiente afirmaciones:
(i) LGT es una variable endógena.
(ii) E (u | LGT, TAM, UH, UM, MT, EDAD) 6= 0.
(iii) E (u | LGT, TAM, UH, UM, MT, EDAD) = 0.
(b) Solamente (iii) es cierta.
33. (P) Suponga que dado el modelo (*) queremos contrastar la hipótesis nula de que el efecto
de que uno de los cónyuges tenga estudios universitarios es independiente de cuál de los dos
cónyuges tenga dichos estudios.
(a) La hipótesis nula es H0 : β4 + β5 = 0.
(b) La hipótesis nula es H0 : β4 = β5 = 0.
(c) La hipótesis nula es H0 : β4 = −β5 .
(d) La hipótesis nula es H0 : β4 − β5 = 0.
La diferencia promedio estimada, ceteris paribus, en el gasto en alimentación entre un hogar
en el que la mujer tiene estudios universitarios pero no trabaja respecto a otro en que la mujer
tiene titulación universitaria pero trabaja es de:
(a) No se puede saber con la información disponible: necesitarı́amos incluir la interacción
entre UM y MT como variable adicional.
(b) [− (−0.07) − (−0.1059)] × 100 % = 17.59% más.
(c) (−0.07) × 100 % = 7% menos.
(d) − (−0.07) × 100 % = 7% más.
35. Suponga que estamos interesados en el modelo
Y = β0 + β1 X1 + β2 X2 + ε,
donde E(ε| X1 , X2 ) = 0, V (ε| X1 , X2 ) = σ 2 . Además, sabemos que β1 6= 0, β2 6= 0, pero no

sabemos nada sobre cómo es C(X1 , X2 ).
Sin embargo, sólo observamos Y , X1 y otra variable X3 no incluida en el modelo anteriormente
escrito, siendo X3 independiente de ε y de X2 , pero correlacionada con X1 .
Sea b1 el estimador MCO de la pendiente de la regresión simple de Y sobre X1 . Considere
las siguientes afirmaciones:
(i) Se puede verificar si la omisión de X2 genera un problema de inconsistencia de b1 mediante
un contraste de Hausman, dado X3 es un instrumento válido en la regresión simple de Y
sobre X1 .
(ii) No se puede contrastar si la omisión de X2 genera un problema de inconsistencia de b1
usando el instrumento válido X3 , porque X1 es exógena y existe un problema de variable
omitida pero no de endogeneidad.
(iii) La relación entre X3 y X2 es irrelevante para que X3 sea un instrumento válido en la
regresión simple de Y sobre X1 : basta con que sea independiente de ε y correlacionado con X1 .


36. La inclusion de una variable irrelevante en una regresión lineal múltiple con los supuestos
clásicos:
(a) No afecta a las propiedades del estimador MCO porque es irrelevante.
(c) El estimador MCO sigue siendo consistente aunque es menos eficiente.
(d) Supone un error de especificación del modelo que hace que el estimador MCO no sea
consistente.
37. (P) Suponga que dado el modelo (*) queremos contrastar la hipótesis nula de que el gasto en
alimentación es independiente de que la mujer trabaje.
(b) La hipótesis nula serı́a H0 : β6 − β5 = 0.
38. (P) Suponga que el modelo (*) verifica todos los supuestos del modelo de regresión clásico.
Sean las siguientes afirmaciones:
(i) La estimación de V (LAL) es igual a (0.3582)2 .
(ii) La estimación de V (LAL | LGT, TAM, UH, UM, MT, EDAD) es igual a (0.3582)2 .
(iii) La estimación de V (LAL | LGT, TAM, TAM2, UH, UM, MT, EDAD) es igual a (0.3582)2 .
El efecto ceteris paribus de un incremento de un 1% en el gasto total supone un aumento
promedio estimado en el gasto en alimentación de:
(a) Un 49.17 %.

49.17
(b) Un × 100 % ' 24.59%.
20
(c) 49.17 euros.
(d) Un 0.4917 %.

40. (P) Estamos interesados en el modelo (*), que cumple todos los supuestos del modelo de
regresión clásico. Queremos contrastar que las variables que recogen conjuntamente las car-
acterı́sticas del hogar no afectan al gasto en alimentación.
(a) El estadı́stico de contraste, a partir de la SALIDA 1 y la SALIDA 2, es W =
(148.33 − 122.81)
× (965 − 8) = 198.87, que se distribuye aproximadamente como
122.81
una χ26 .
(b) No es posible contrastar dicha hipótesis con la información disponible.
(c) El estadı́stico de contraste, a partir de la SALIDA 1 y la SALIDA 2, es W =
(148.33 − 122.81)
148.33
una χ26 .
(d) El estadı́stico de contraste, a partir de la SALIDA 1 y la SALIDA 2, es W =
(148.33 − 122.81)
122.81
2
una χ8 .

ECONOMETRÍA I
SOLUCIONES EXAMEN 1/09/05
RESPUESTA
PREGUNTA TIPO 1
1 C
2 A
3 B
4 A
5 A
6 D
7 D
8 B
9 A
10 C
11 A
12 A
13 A
14 C
15 B
16 A
17 D
18 A
19 D
20 B
21 B
22 D
23 C
24 B
25 C
26 A
27 B
28 D
29 B
30 D
31 B
32 D
33 D
34 D
35 A
36 C
37 A
38 A
39 D
40 A
1
ECONOMETRÍA I
Curso 2005/06
PROBLEMA 1: INVERSIÓN Y VALOR DE MERCADO
Deseamos estudiar la relación entre la inversión empresarial de una empresa y su valor de mercado
en el año anterior. Para ello, utilizamos datos anuales de la compañía General Electric (GE) durante
los años 1935 a 1954 de las variables inversión, I, y valor de mercado en el año anterior, VM(-1),
ambas en millones de dólares.
SALIDA 1
Dependent Variable: I
Sample: 1 20

C 29:658 52:005 0:57 0:576
VM(-1) 0:037 0:026 1:42 0:171
GRÁFICO 1
(Los residuos de la SALIDA 1 son la línea discontinua)
200
160
120
80
80
40
40
0 0
-4 0
-8 0
2 4 6 8 10 12 14 16 18 20
R e s id ua l A c tu a l F i tte d
Decidimos añadir la variable tendencia (t) a la ecuación 1 para ver si podemos captar el crecimiento
de la inversión en GE en esos años. Los resultados están en la SALIDA 2.
SALIDA 2
Sample: 1 20

C 21:723 28:456 0:76 0:456
t 6:716 0:974 6:90 0:000
VM(-1) 0:028 0:014 1:98 0:064
GRÁFICO 2
200
150
60 100
40 50
20
0
0
-2 0
-4 0
2 4 6 8 10 12 14 16 18 20
R e s id ua l A c tu a l F i tte d
Para contrastar formalmente si hay autocorrelación de orden 2 se obtiene la SALIDA 3, donde

RES son los residuos de la SALIDA 2.
2
SALIDA 3
Dependent Variable: RES
Sample: 1 20

C 0:459 3:824 0:12 0:906
RES(-1) 0:716 0:175 4:09 0:010
RES(-2) 0:725 0:173 4:19 0:001
Por último, estimamos la ecuación de la SALIDA 2 pero utilizando el estimador de la varianza-

covarianza de Newey-West. Los resultados están en la SALIDA 4.
SALIDA 4
Sample: 1 20
Newey-West HAC Standard Errors & Covariance (lag truncation=2)
C 21:723 21:543 1:01 0:327
t 6:716 0:745 9:01 0:000
VM(-1) 0:028 0:011 2:55 0:016
R-squared 0:763 Mean dependent var 102:29
Adjusted R-squared 0:736 S.D. dependent var 48:58
3
PROBLEMA 2: CURVA DE ENGEL
Para estimar una curva de Engel para alimentación, disponemos de datos de hogares españoles
formados por parejas con o sin hijos en los que la edad del marido está comprendida entre 25 y
65 años, seleccionados aleatoriamente de la Encuesta de Presupuestos Familiares de 1990-91 con
información sobre las siguientes variables:
LAL = logaritmo del gasto anual en alimentación del hogar en euros;

LGT = logaritmo del gasto anual total del hogar en euros;
LY = logaritmo de la renta disponible del hogar en miles de euros (esta variable tiene una correlación
positiva y muy alta con LGT);
LY_UH = LY UH;
TAM = Número de miembros del hogar (excluidos los cónyuges, es decir: número total de miembros
2);
TAM2 = TAM TAM = Número de miembros del hogar (excluidos los cónyuges) al cuadrado;
EDAD = Edad del marido;
UH = Variable binaria que toma el valor 1 si el marido tiene titulación universitaria y 0 en caso
contrario;
UM = Variable binaria que toma el valor 1 si la mujer tiene titulación universitaria y 0 en caso
contrario;
MT = Variable binaria que toma el valor 1 si la esposa trabaja y 0 en caso contrario;
El modelo empírico utilizado es el siguiente:
LAL = 0 + 1 LGT + 2 LGT_UH + 3 TAM + 4 TAM2 (*)

+ 5 UH + 6 UM + 7 MT + 8 EDAD + u,
es decir, las variables que determinan el gasto en alimentación son el logaritmo del gasto total (LGT),
así como LGT_UH = LGT UH; y otras variables que recogen las características del hogar.
Además, sabemos que la suma de cuadrados de las observaciones de LAL, en desviaciones con
P 2
respecto a la media, ni=1 Yi Y , es igual a 202:643.
Muy importante: Tenga en cuenta que algunos resultados de las tablas han sido omitidos.
Empleando datos de 965 observaciones se han realizado las siguientes estimaciones
4
SALIDA 1
Sample: 1 965
C 2:955 0:258 11:45 0:000
LGT
LGT_UH 0:177 2:70 0:006
TAM 0:143 0:018 7:94 0:000
TAM2 0:010 0:002 5:00 0:000
UH 1:628 0:678 2:40 0:016
UM 0:105 0:044 2:39 0:017
MT 0:071 0:029 2:45 0:015
EDAD 0:004 0:001 4:00 0:006
R-squared
Adjusted R-squared
S.E. of regression
IMPORTANTE:
El intervalo de con…anza al 95% para el coe…ciente de
LGT es [0:46312 ; 0:57288]
SALIDA 2
Covarianzas de los estimadores de la SALIDA 1
LGT LGT_UH TAM TAM2 UH UM MT
LGT_UH 0:0007
TAM 0:00006 0:000028
TAM2 0:0000035 0:0000052 0:000039
UH 0:0067 0:046 0:00028 0:000053
UM 0:000074 0:000035 0:000073 0:000008 0:0004
MT 0:00016 0:000034 0:000025 0:0000005 0:00034 0:00033
EDAD 0:0000067 0:0000037 0:0000002 0:0000001 0:000036 0:000003 0:00001
5
SALIDA 3
Sample: 1 965
C 2:733 0:270 10:12 0:000
LGT 0:565 0:029 19:48 0:000
LGT_UH 0:181 0:071 2:55 0:011
UH 1:667 0:711 2:34 0:019
UM 0:142 0:046 3:09 0:002
MT 0:100 0:031 3:23 0:001
EDAD 0:004 0:001 4:00 0:002
R-squared 0:335
Adjusted R-squared
Sum squared resid
SALIDA 4
Sample: 1 965
C 3:209 0:241 13:32 0:000
LGT 0:491 0:026 18:88 0:000
LGT_UH 0:017 0:003 5:67 0:000
TAM 0:148 0:018 8:22 0:000
TAM2 0:011 0:003 3:67 0:000
MT 0:088 0:028 3:14 0:002
EDAD 0:004 0:001 4:00 0:005
R-squared
Sum squared resid
6
SALIDA 4A
Sample: 1 965
C 3:579 0:233 15:36 0:000
LGT 0:449 0:025 17:96 0:000
--
TAM 0:153 0:018 8:50 0:000
TAM2 0:011 0:003 3:67 0:000
MT 0:106 0:029 3:66 0:000
EDAD 0:004 0:001 4:00 0:005
R-squared 0:374
Adjusted R-squared
S.E. of regression
Sum squared resid
SALIDA 5
Dependent Variable: LGT
Sample: 1 965
C 8:163 0:085 96:04 0:000
LY 0:500 0:032 15:50 0:000
LY_UH 0:113 0:068 1:65 0:099
TAM 0:025 0:020 1:28 0:202
TAM2 0:001 0:003 0:21 0:836
UH 0:468 0:198 2:36 0:018
UM 0:014 0:049 0:29 0:770
MT 0:057 0:034 1:71 0:088
EDAD 0:004 0:001 2:61 0:009
R-squared 0:372
(La suma de cuadrados de los residuos de una regresión como la de la SALIDA 5 que omite LY y
LY_UH es 190:21).
7
SALIDA 5A
Dependent Variable: LGT_UH
Sample: 1 965
C 0:027 0:035 0:79 0:427
LY 0:001 0:013 0:07 0:940
LY_UH 0:437 0:028 15:83 0:000
TAM 0:000 0:008 0:03 0:975
TAM2 0:001 0:001 0:74 0:462
UH 8:728 0:080 108:92 0:000
UM 0:022 0:020 1:13 0:261
MT 0:002 0:014 0:18 0:856
EDAD 0:001 0:001 1:08 0:281
R-squared 0:998
(La suma de cuadrados de los residuos de una regresión como la de la SALIDA 5A pero que omite
LY y LY_UH es 31:88).
SALIDA 6
Sample: 1 965
Instrument list: LY LY_UHT
C 3:031 0:528 5:74 0:000
LGT 0:508 0:058 8:76 0:000
LGT_UH
TAM 0:145 0:018 8:06 0:000
TAM2 0:010 0:003 3:33 0:000
UH 3:063 1:362 2:25 0:025
UM 0:100 0:044 2:27 0:025
MT 0:065 0:032 2:03 0:040
EDAD 0:004 0:001 4:00 0:004
R-squared 0:394
IMPORTANTE:
El intervalo de con…anza al 95% para el coe…ciente de
LGT_UH es [ 0:58852 ; 0:05148]
La covarianza estimada entre los coe…cientes
de LGT y LGT_UH es igual a 0:002.
8
SALIDA 7
Sample: 1 965
C 3:031 0:528 5:74 0:000
LGT 0:508 0:058 8:76 0:000
LGT_UH
TAM 0:145 0:018 8:06 0:000
TAM2 0:010 0:003 3:33 0:000
UH 3:063 1:362 2:25 0:025
UM 0:100 0:044 2:27 0:025
MT 0:065 0:032 2:03 0:040
EDAD 0:004 0:001 4:00 0:004
RES5 0:015 0:066 0:23 0:890
RES5A 0:188 0:157 1:20 0:232
R-squared 0:399
(RES5 y RES5A son los residuos de
las SALIDAS 5 y 5A, respectivamente)
9
PROBLEMA 3: FUNCIONES DE DEMANDA
Los distribuidores de manzanas ecológicas han realizado una muestra entre sus clientes en la que han
obtenido 660 observaciones de las cantidades en kilos (ecocan) y precios en euros (ecoprc) a los que
se han vendido las manzanas.También disponen de una variable adicional: precios de venta de las
manzanas normales en euros (regprc). Con las dos variables de precios han construido una variable
que re‡eja la diferencia entre el precio de las manzanas ecológicas y el precio de las manzanas
normales: dif prc = (ecoprc regprc). Con estos datos se han estimado por mínimos cuadrados
ordinarios las siguientes funciones de demanda lineal (errores estandar entre paréntesis):
d
ecocan = 2:388 0:845 ecoprc (f1)
(0:372) (0:332)
n = 660; R2 = 0:00098; 2
= 2:5153
d
ecocan = 1:965 2:927 ecoprc + 3:029 regprc (f2)
(0:380) (0:588) (0:711)
n = 660; R2 = 0:0364; 2
= 2:4831
d
ecocan = 2:056 2:926 dif prc (f3)
(0:152) (0:588)
n = 660; R2 = 0:0363; 2
= 2:4814
10
ECONOMETRÍA I
Curso 2005/06
Tipo de examen: 1
Instrucciones:
tura óptica.
Muy importante: El número de identificación que debe rellenar es su NIU (NO el

ASIGNATURA
Economı́a 61 62 63 64 65∗ 10188
ADE 71 72 73 74 75∗ 10188
Sim. ADE-Dcho. 77 78 43020
∗
Grupos bilingües
• Compruebe que este cuadernillo tiene 5 problemas y que el cuestionario de preguntas tiene
40 preguntas numeradas correlativamente.



incorrectas tendrán una puntuación de cero. Para superar la asignatura hay que responder
correctamente un mı́nimo de 24 preguntas. (Tenga en cuenta que la calificación complemen-
taria de clase no se tiene en cuenta en la convocatoria extraordinaria).

• Fechas de publicación de calificaciones: Martes 5 de Septiembre.
– Grupos del Campus de Getafe: Jueves 7 de Septiembre a las 15 h (las aulas se comu-
nicarán en Aula Global)
– Grupos del Campus de Colmenarejo: el profesor responsable lo comunicará en Aula
Global.
examen.
disponibles en Aula Global desde el dı́a de publicación de las calificaciones.

Borrador de
RESPUESTAS
1. 21.
2. 22.
3. 23.
4. 24.
5. 25.
6. 26.
7. 27.
8. 28.
9. 29.
10. 30.
11. 31.
12. 32.
13. 33.
14. 34.
15. 35.
16. 36.
17. 37.
18. 38.
19. 39.
20. 40.
1. (Problema 2) Suponga que el modelo (*) verifica todos los supuestos del modelo de regresión
clásico. Sean las siguientes afirmaciones:
(i) Una estimación apropiada de V (LAL) serı́a (121.95/(965 − 9)) ' 0.128.
(ii) Una estimación apropiada de V (LAL | LGT, TAM, UH, UM, MT, EDAD) serı́a
(121.95/(965 − 9)) ' 0.128.
(iii) Una estimación apropiada de V (LAL | LGT, LGT UH, TAM, TAM2, UH, UM, MT, EDAD) serı́a
(121.95/(965 − 9)) ' 0.128.
(i) Una estimación apropiada de V (u) serı́a (121.95/(965 − 9)) ' 0.128.
(ii) Una estimación apropiada de V (u | LGT, TAM, UH, UM, MT, EDAD) serı́a (121.95/(965 − 9)) '
0.128.
(iii) Una estimación apropiada de V (u | LGT, LGT UH, TAM, TAM2, UH, UM, MT, EDAD) serı́a
(121.95/(965 − 9)) ' 0.128.
3. (Problema 2) Suponga que dado el modelo (*) queremos contrastar la hipótesis nula de que
el gasto en alimentación medio es independiente de que los miembros de la pareja tengan
estudios universitarios.
clásico y queremos contrastar la hipótesis nula de que el gasto en alimentación medio es
independiente de que los miembros de la pareja tengan estudios universitarios.
(0.3592 × (965 − 7) − 121.95)
× (965 − 9) ' 11.9, que se distribuye aproximadamente
121.95
como una χ22 .
(b) No disponemos de información suficiente para llevar a cabo el contraste.
(0.3592 × (965 − 7) − 121.95)
121.95
2
como una χ3 .
(d) El estadı́stico de contraste, a partir de la SALIDA 1 y la SALIDA 4A, es W =
((1 − 0.374) × 202.643 − 121.95)
× (965 − 9) ' 38.45, que se distribuye aproximada-
121.95
2
mente como una χ3 .
la elasticidad del gasto en alimentación respecto al gasto total es independiente de que el
marido tenga estudios universitarios.
clásico y queremos contrastar la hipótesis nula de que la elasticidad del gasto en alimentación
respecto al gasto total es independiente de que el marido tenga estudios universitarios.
(a) No disponemos de información suficiente para contrastar dicha hipótesis.
0.518 − (−0.177)
(b) El estadı́stico de contraste es t ' p ' 8.42, que se
0.0282 + 0.0662 − 2 × (−0.0007)
distribuye asintóticamente como una N (0, 1).
(c) El estadı́stico de contraste es t ' −2.70, que se distribuye asintóticamente como una
N (0, 1).
−0.177 − 1.628
(d) El estadı́stico de contraste es t ' p ' −2.42, que se
0.0662 + 0.6782 − 2 × (−0.046)
respecto al gasto total es independiente de que el marido tenga estudios universitarios. Con
la evidencia disponible:
(b) Rechazarı́amos la hipótesis nula al 0.1%.
(c) Rechazarı́amos la hipótesis nula al 1% pero no al 0.1%.
(d) Rechazarı́amos la hipótesis nula al 5% pero no al 1%.
8. (Problema 2) Suponga que el modelo (*) cumple todos los supuestos del modelo de regresión
clásico. Comparando dos hogares que un gasto total de 20000 euros, igual tamaño, igual edad
del marido e igual situación laboral de la mujer, el hecho de que los dos cónyuges del primer
hogar tengan titulación universitaria supone una diferencia promedio estimada en el gasto
en alimentación respecto a otro en el que ambos cónyuges carecen de estudios universitarios
igual a:
(a) (1.628 − 0.105) % ' 1.52% más.
(b) [(−0.177 × ln (20000) + (1.628 − 0.105))] × 1000 ' 229.9 euros más.
(c) [(−0.177 × ln (20000) + (1.628 − 0.105))] × 100% ' 22.99% menos.
(d) No disponemos de información suficiente.

clásico. A partir de las estimaciones obtenidas, considere las siguientes afirmaciones acerca
del gasto medio en alimentación:
(i) Considerando hogares con un gasto total de 8000 euros, aquellos en que el marido tiene
titulación universitaria tendrán en promedio un gasto en alimentación mayor que aquellos en
que el marido no tiene titulación universitaria (ceteris paribus).
(ii) Considerando hogares con un gasto total de 8000 euros, aquellos en que el marido tiene
titulación universitaria tendrán siempre un gasto en alimentación mayor que aquellos en que
el marido no tiene titulación universitaria (ceteris paribus).
(iii) Es posible que haya hogares en los que el marido tiene titulación universitaria con un
gasto efectivo en alimentación mayor que otros hogares con caracterı́sticas similares en los
que el marido no tiene titulación universitarias, y viceversa.
clásico. Queremos contrastar la hipótesis nula de que la elasticidad promedio del gasto en
alimentación respecto al gasto total es del 57%. Entonces:
(a) No rechazo la hipótesis nula al 5% si el marido tiene titulación universitaria.
(b) No rechazo la hipótesis nula al 10% para hogares en los que el marido no tiene titulación
universitaria.
(c) No disponemos de información suficiente para evaluar dicha hipótesis.
(d) No rechazo la hipótesis nula al 5% para hogares en los que el marido no tiene titulación
universitaria.
clásico. Queremos contrastar la hipótesis de que el número de miembros del hogar no afecta
al gasto en alimentación.
(0.3922 × (965 − 7) − 121.95)
W ' × (965 − 9) ' 198.02, que se distribuye aproxi-
121.95
madamente como una χ22 , de manera que rechazamos dicha hipótesis nula a cualquier
nivel de significación razonable.
(d) El estadı́stico de contraste es t = 7.94, que se distribuye asintóticamente como una
normal estándar, con lo que rechazamos dicha hipótesis nula a cualquier nivel de sig-
nificación razonable.

clásico. El efecto ceteris paribus de un miembro adicional en una familia compuesta por 5
miembros (incluyendo los cónyuges) supone un aumento promedio estimado en el gasto en
alimentación de:
(a) (0.143 − 2 × 0.01 × 3) × 100 %. ' 8.3%.
(b) (0.143 − 2 × 0.01 × 5) × 10 ' 43 euros.
(c) (0.143 − 2 × 0.01 × 3) × 10 ' 83 euros.
(d) (0.143 − 2 × 0.01 × 5) × 100 %. ' 4.3%.
clásico. A la vista de los coeficientes estimados y los errores estándar de TAM y TAM2, indique
cuál de las siguientes afirmaciones acerca del efecto estimado ceteris paribus del tamaño sobre
el gasto en alimentación es FALSA:
(a) Dicho efecto es positivo para un hogar formado por menos de 8 miembros (incluyendo
a los cónyuges).
(b) Dicho efecto es negativo para hogares con 10 miembros (incluyendo a los cónyuges).
(c) Dicho efecto es positivo pero marginalmente decreciente.
(d) El efecto es positivo para familias pequeñas pero marginalmente decreciente con el
tamaño, pudiendo ser negativo para hogares de gran tamaño.
clásico. La diferencia promedio estimada en el gasto en alimentación de dos hogares con igual
gasto total, igual tamaño, igual nivel educativo de los cónyuges y en el que la mujer trabaja
pero en el que la edad del marido en el primer hogar es 10 años mayor que la del segundo es
igual a:
(a) 40 euros.
(b) 4 euros.
(c) Un 4%.
(d) Un 0.04%.
clásico. La diferencia promedio estimada, ceteris paribus, en el gasto en alimentación entre un
hogar con un gasto total de 29700 euros en el que los cónyuges tienen estudios universitarios y
la mujer no trabaja respecto a otro con el mismo gasto total en el que los cónyuges no tienen
estudios universitarios y la mujer trabaja es aproximadamente igual a:
(a) (−0.177 × 10.3 + 1.628 − 0.105) × 100 = −30.01% menos.
(b) (−0.177 × 10.3 + 1.628 − 0.105 − (−0.071)) × 10 ' 229.1 euros menos.
(c) − (−0.177 × 10.3 + 1.628 − 0.105 − (−0.071)) × 100 ' 22.91% más.
(d) (−0.177 × 10.3 + 1.628 − 0.105 − (−0.071)) × 100 ' 22.91% menos.

16. (Problema 2) A la hora de estimar el modelo (*), existe un problema potencial respecto a
LGT debido a que el gasto en alimentación es parte del gasto total, y por tanto se determinan
17. (Problema 2) A la hora de estimar el modelo (*), si LGT es endógena, considere las siguientes
afirmaciones:
(i) La estimación MCO de la ecuación (*) no proporciona un estimador consistente de β1 .
(ii) Asintóticamente, el estimador MCO de la ecuación (*) infraestima β2 .
(iii) Asintóticamente, el estimador MCO de la ecuación (*) sobreestima β1 .
18. (Problema 2) Suponga que estamos interesados en estimar consistentemente los coeficientes
del modelo (*), y que E (LGT × u) 6= 0, E (LGT UH × u) 6= 0, aunque el resto de las variables
explicativas incluidas en el modelo (*) no están correlacionadas con el término de error u.
Además, sabemos que la variable LY tampoco está correlacionada con u.
(b) Los estimadores de la SALIDA 6 no son consistentes, porque aunque LY es exógena,
LY UH no lo es.
(c) Los estimadores de la SALIDA 6 son consistentes, porque los instrumentos LY, LY UH
cumplen las dos condiciones para ser instrumentos válidos: no estar correlacionados
con u y estar correlacionados con las variables explicativas endógenas LGT, LGT UH.
(d) La forma reducida para LGT de la SALIDA 5 no es apropiada, porque deberı́a incluir
LY pero no LY UH entre las variables explicativas.
19. (Problema 2) Teniendo en cuenta que la variable LY no está correlacionada con u, para
verificar empı́ricamente si existe un problema de endogeneidad con la variable LGT:
1.
(c) Contrastaremos la significación conjunta de los regresores tanto en la SALIDA 5 como
en la salida 5A.

20. (Problema 2) Teniendo en cuenta que la variable LY no está correlacionada con u, dados los
resultados presentados en la SALIDA 7, considere las siguientes afirmaciones:
(i) Como RES5 no es estadı́sticamente significativa, NO rechazarı́amos que LGT es exógena.
(ii) Como RES5A no es estadı́sticamente significativa, NO rechazarı́amos que LGT UH es
exógena..
121.95 − 121.74
(iii) El contraste de Hausman se hace mediante el estadı́stico W = ×
121.74
(965 − 11) ' 1.65, por lo que rechazamos exogeneidad de LGT y LGT UH a cualquier nivel
de significación razonable.
(a) Sólo (i) y (ii) son ciertas.
(c) Sólo (iii) es cierta.
(d) Sólo (i) es cierta.
21. (Problema 2) A la vista de los resultados presentados en la SALIDA 7, tomando las estima-
ciones más apropiadas del modelo (*), al 95% de nivel confianza, la elasticidad del gasto en
alimentación respecto al gasto total para aquellos hogares en los que el marido tiene titulación
universitaria:
(a) Estarı́a aproximadamente entre −7.6% y 45.2%.
(b) No se puede calcular con la información disponible.
(c) Estarı́a aproximadamente entre 27.5% y 40.7%.
(d) Estarı́a aproximadamente entre −58.9% y −5.1%.
22. (Problema 2) A la vista de los resultados presentados en la SALIDA 7, tomando las esti-
maciones más apropiadas del modelo (*), considere las siguientes afirmaciones acerca de la
diferencia en la elasticidad del gasto en alimentación respecto al gasto total entre aquellos
hogares en los que el marido tiene titulación universitaria y aquellos hogares en que el marido
no tiene titulación universitaria:
(i) Es estadı́sticamente distinta de cero al 1% de significación.
(ii) Es estadı́sticamente distinta de cero al 5% de significación..
(iii) Es estadı́sticamente distinta de cero al 10% de significación.
23. (Problema 2) Según el modelo de la SALIDA 1, la estimación del coeficiente de la variable
LGT es:
(i) Significativo y positivo con un nivel de confianza del 90%.
(ii) Igual a 0.518.
(iii) No podemos calcular el valor exacto con la información proporcionada.
De las tres afirmaciones realizadas:
(a) Solamente (i) es correcta.
(b) Solamente (iii) es correcta.
(c) Solamente (i) y (ii) son correctas.
(d) Solamente (i) y (iii) son correctas.

24. Sea el siguiente modelo
Y = α + βX + u,
donde u = Xε. Sabe que se cumple que E(ε|X) = 0 y V (ε|X) = V (ε) = σ 2 . Considere las
(i) El estimador MCO de β es inconsistente porque u depende de X.
(ii) El supuesto de E(ε|X) = 0 es suficiente para saber seguro que X es independiente en
media de u.
(iii) Como V (ε|X) = V (ε) = σ 2 sabemos que al menos NO hay un problema de
heterocedasticidad.

(b) Solamente (ii) y (iii) son correctas.
(c) Solamente (iii) es correcta.
(d) Solamente (ii) es correcta.
Y = α + βX + u
donde u = Xε. Sabe que se cumple que E(ε|X) = 0. Considere las siguientes afirmaciones:
(i) No sabemos si hay un problema de heterocedasticidad o no, porque no nos han dicho que
V (ε|X) = V (ε) = σ 2 .
(ii) En este caso la forma normal de calcular la varianza del estimador MCO no es correcta
porque con la información dada sabemos que los errores serán en general heterocedasticos.
(iii) Haya o no haya heterocedasticidad, el estimador MCO de β de este modelo es inconsis-
tente en cualquier caso.

(c) Solamente (i) y (iii) son correctas.
26. (Problema 1) A la vista de la SALIDA 1 y el gráfico 1:

(a) Está claro que NO hay autocorrelación en los residuos.
(b) El coeficiente de autocorrelación residual de orden 1 es aproximadamente igual a 0.32.
(c) El coeficiente de autocorrelación residual de orden 1 es aproximadamente igual a 0.84.
(d) Está claro que NO hay autocorrelación de los residuos positiva.
(a) La variable VM(-1) no es relevante para explicar la inversión en el modelo estimado
en la SALIDA 1.
(b) Al estar el Durbin-Watson cerca de 0, parece que no hay autocorrelación en los residuos.
(c) Suponiendo normalidad, El contraste de significación conjunta (F-statistic) sı́ es fiable
en la SALIDA 1.
(d) No podemos estar seguros de si la variable VM(-1) es o no significativa en el modelo
estimado en la SALIDA 1.

(a) La autocorrelación de los residuos es claramente negativa.
(b) El coeficiente de autocorrelación residual de primer orden es aproximadamente 0.41.
(c) Los residuos son, en este caso, independientes, al estar centrados en 0.
(d) La autocorrelación de los residuos es mayor en la SALIDA 2 que en la SALIDA 1.
(a) No existe autocorrelación residual en la SALIDA 2. Lo que pasaba en la SALIDA 1 es
que la omisión de la variable t estaba generando TODA la autocorrelación.
(b) Los valores de los coeficientes estimados en la SALIDA 2, no son fiables al existir
autocorrelación en los residuos.
(c) Los errores estándar de los parámetros de la SALIDA 2 están bien calculados.
(d) Los valores de los coeficientes estimados en la SALIDA 2, sı́ son fiables en la medida
en que sólo queda autocorrelación en los residuos.
30. (Problema 1) A la vista de la SALIDA 3:
(a) El primer y el segundo retardo no son significativos.
(b) No hay autocorrelación residual de orden 1 y 2.
(c) Con la información de la SALIDA 3, solamente podemos saber si los retardos (1 y 2)
de los residuos son individualmente significativos pero no si lo son conjuntamente.
(d) El contraste de significación conjunta del primer y del segundo retardo de los resid-
uos indica que son significativos, por lo que hay autocorrelación residual de primer y
segundo orden en la especificación de la SALIDA 2.
(a) La variable valor de mercado retrasada, VM(-1), es significativa al 5%.
(b) La SALIDA 4 no es fiable, ya que los coeficientes estimados son idénticos a los de la
SALIDA 2.
(c) El R2 de la regresión NO explica ni el 1% de la varianza de la inversión en la empresa.
(d) La variable tendencia, t, NO es significativa.
(a) NO es normal que la desviación tı́pica de la variable dependiente (48.58) de la regresión
sea mayor que el error estándar de la regresión (24.98) .
(b) En base a la evolución de los residuos del gráfico 1 es extraño que la variable tendencia,
t, tenga signo positivo.
(c) El Durbin-Watson de la regresión estimada por Newey-West debe ser el mismo que el
estimado por mı́nimos cuadrados ordinarios (MCO).
(d) El R2 ajustado suele ser mayor que el R2 sin ajustar. Esto no se verifica en el caso de
la SALIDA 4 debido a la autocorrelación.

33. (Problema 1) Si la especificación de la SALIDA 4 se estimase con datos trimestrales, en
vez de con datos anuales, el retardo de truncamiento de la formula de los errores estándar de
Newey-West deberı́a:
(a) Disminuir.
(b) El retardo de truncamiento de Newey-West no depende del tipo de datos que tengamos
porque está siempre fijo.
(c) Aumentar.
(d) No cambiar.
34. (Problema 1) Utilizando los resultados apropiados, ante un incremento del valor de mercado
en el año pasado de 1 millón de dólares, la inversión variarı́a en promedio, a un nivel de
confianza del 10%:
(a) Aproximadamente entre 4900 y 51100 dólares.
(b) Aproximadamente entre 6550 y 49450 dólares.
(c) Aproximadamente entre 9850 y 46150 dólares.
(d) Aproximadamente entre −5900 y 79900 dólares.
35. (Problema 1) Utilizando los resultados apropiados, considere las siguientes afirmaciones
acerca del efecto del valor de mercado del año pasado sobre la inversión:
(i) Es significativo al 1%.
(ii) Es significativo al 5%.
(iii) Es significativo al 10%.
36. (Problema 3) Utilizando el concepto de correlación, los precios de las manzanas normales y
de las manzanas ecológicas de la muestra:
(a) Tienen una relación positiva.
(b) Con la información proporcionada en el enunciado del problema y en las estimaciones
(f1), (f2) y (f3) no podemos decir nada sobre la correlación entre esos dos precios.
(c) No están correlacionadas.
(d) Tienen una relación negativa.
37. (Problema 3) Si además de la información proporcionada en el enunciado del problema y en
las estimaciones (f1), (f2) y (f3) supieramos que Vb (ecoprc) = 2 (utilizando el sı́mbolob para
denotar momentos estimados), entonces:
(a) C(ecoprc,
b regprc) = 1.3747
(c) La información adicional proporcionada en el enunciado de esta pregunta no se necesita
para calcular que C(ecoprc,
b regprc) = 0.2376.
(d) Necesitamos la matriz de la varianzas y covarianzas de las estimaciones de (f2) para
poder calcular C(ecoprc,
b regprc).

38. (Problema 3) Las variables ecoprc y regprc son significativas en la ecuación (f2) y sin
embargo no han sido incluidas en la ecuación (f3). Esto puede ser debido a que:
(a) dif prc serı́a endógena con respecto a esas otras dos variables y si las incluimos habrı́a
que estimar usando variables instrumentales.
(c) Como por definición la correlación entre dif prc y ecoprc es exactamente igual a 1 y la
correlación entre dif prc y regprc es exactamente igual a -1, no necesitamos incluirlas
en la regresión, pues ya sabemos que los coeficientes estimados serán igual a −2.926 y
2.926.
(d) Una función de demanda que incluyera esas tres variables estarı́a incorrectamente
especificada.
39. (Problema 3) Con las estimaciones realizadas se quiere contrastar la siguiente hipótesis nula:
si los distribuidores de manzanas normales reducen el precio en un euro, los distribuidores de
manzanas ecológicas mantendrán constante su demanda si también reducen el precio en un
euro. Considere las siguiente afirmaciones:
(i) Las hipótesis nula y alternativa las definiremos en base a los efectos marginales de ecoprc
y regprc que surgen de interpretar la regresión (f2) por lo que para realizar el contraste
necesitaremos la matriz de varianzas y covarianzas de las estimaciones de (f2).
(ii) La hipotesis alternativa se puede definir en base a la función de demanda que se ha
estimado en (f2) (ecocan = β0 + β1 ecoprc + β2 regprc + ε) como H1 : β1 + β2 > 0.
(iii) La hipotesis nula se puede definir en base a la función de demanda que se ha estimado
en (f2) (ecocan = β0 + β1 ecoprc + β2 regprc + ε) como H0 : β1 + β2 = 0.

(c) Solamente (ii) y (iii) son correctas.
(i) Podemos realizar el contraste y la conclusión es que no podemos rechazar la hipótesis nula
al 5%.
(ii) Podemos realizar el contraste utilizando el estadı́stico de la F cuyo valor aproximado es
0.058.
(iii) Podemos realizar el contraste y la conclusión es que rechazamos la hipótesis nula al 5%.

(b) Ninguna de las afirmaciones es correcta, porque necesitamos más información para
poder realizar el contraste.
(d) Solamente (i) y (ii) son correctas.

ECONOMETRÍA I
Curso 2005/06
30 de Enero de 2006
(i) Una estimación apropiada de V (LAL) serı́a (121.95/(965 − 9)) ' 0.128.
(ii) Una estimación apropiada de V (LAL | LGT, TAM, UH, UM, MT, EDAD) serı́a
(121.95/(965 − 9)) ' 0.128.
(iii) Una estimación apropiada de V (LAL | LGT, LGT UH, TAM, TAM2, UH, UM, MT, EDAD) serı́a
(121.95/(965 − 9)) ' 0.128.
(i) Una estimación apropiada de V (u) serı́a (121.95/(965 − 9)) ' 0.128.
(ii) Una estimación apropiada de V (u | LGT, TAM, UH, UM, MT, EDAD) serı́a (121.95/(965 − 9)) '
0.128.
(iii) Una estimación apropiada de V (u | LGT, LGT UH, TAM, TAM2, UH, UM, MT, EDAD) serı́a
(121.95/(965 − 9)) ' 0.128.
el gasto en alimentación medio es independiente de que los miembros de la pareja tengan
estudios universitarios.

clásico y queremos contrastar la hipótesis nula de que el gasto en alimentación medio es
independiente de que los miembros de la pareja tengan estudios universitarios.
(0.3592 × (965 − 7) − 121.95)
121.95
como una χ22 .
(b) No disponemos de información suficiente para llevar a cabo el contraste.
(0.3592 × (965 − 7) − 121.95)
121.95
como una χ23 .
(d) El estadı́stico de contraste, a partir de la SALIDA 1 y la SALIDA 4A, es W =
((1 − 0.374) × 202.643 − 121.95)
× (965 − 9) ' 38.45, que se distribuye aproximada-
121.95
2
mente como una χ3 .
la elasticidad del gasto en alimentación respecto al gasto total es independiente de que el
marido tenga estudios universitarios.
respecto al gasto total es independiente de que el marido tenga estudios universitarios.
0.518 − (−0.177)
(b) El estadı́stico de contraste es t ' p ' 8.42, que se
0.0282
+ 0.0662 − 2 × (−0.0007)
(c) El estadı́stico de contraste es t ' −2.70, que se distribuye asintóticamente como una
N (0, 1).
−0.177 − 1.628
(d) El estadı́stico de contraste es t ' p ' −2.42, que se
0.066 + 0.6782 − 2 × (−0.046)
2

respecto al gasto total es independiente de que el marido tenga estudios universitarios. Con
la evidencia disponible:
(b) Rechazarı́amos la hipótesis nula al 0.1%.
(c) Rechazarı́amos la hipótesis nula al 1% pero no al 0.1%.
(d) Rechazarı́amos la hipótesis nula al 5% pero no al 1%.

clásico. Comparando dos hogares que un gasto total de 20000 euros, igual tamaño, igual edad
del marido e igual situación laboral de la mujer, el hecho de que los dos cónyuges del primer
hogar tengan titulación universitaria supone una diferencia promedio estimada en el gasto
en alimentación respecto a otro en el que ambos cónyuges carecen de estudios universitarios
igual a:
(a) (1.628 − 0.105) % ' 1.52% más.
(b) [(−0.177 × ln (20000) + (1.628 − 0.105))] × 1000 ' 229.9 euros más.
(c) [(−0.177 × ln (20000) + (1.628 − 0.105))] × 100% ' 22.99% menos.
(d) No disponemos de información suficiente.
clásico. A partir de las estimaciones obtenidas, considere las siguientes afirmaciones acerca
del gasto medio en alimentación:
(i) Considerando hogares con un gasto total de 8000 euros, aquellos en que el marido tiene
titulación universitaria tendrán en promedio un gasto en alimentación mayor que aquellos en
que el marido no tiene titulación universitaria (ceteris paribus).
(ii) Considerando hogares con un gasto total de 8000 euros, aquellos en que el marido tiene
titulación universitaria tendrán siempre un gasto en alimentación mayor que aquellos en que
el marido no tiene titulación universitaria (ceteris paribus).
(iii) Es posible que haya hogares en los que el marido tiene titulación universitaria con un
gasto efectivo en alimentación mayor que otros hogares con caracterı́sticas similares en los
que el marido no tiene titulación universitarias, y viceversa.
clásico. Queremos contrastar la hipótesis nula de que la elasticidad promedio del gasto en
alimentación respecto al gasto total es del 57%. Entonces:
(a) No rechazo la hipótesis nula al 5% si el marido tiene titulación universitaria.
(b) No rechazo la hipótesis nula al 10% para hogares en los que el marido no tiene titulación
universitaria.
(c) No disponemos de información suficiente para evaluar dicha hipótesis.
(d) No rechazo la hipótesis nula al 5% para hogares en los que el marido no tiene titulación
universitaria.

clásico. Queremos contrastar la hipótesis de que el número de miembros del hogar no afecta
al gasto en alimentación.

(0.3922 × (965 − 7) − 121.95)
W ' × (965 − 9) ' 198.02, que se distribuye aproxi-
121.95
madamente como una χ22 , de manera que rechazamos dicha hipótesis nula a cualquier
nivel de significación razonable.
(d) El estadı́stico de contraste es t = 7.94, que se distribuye asintóticamente como una
normal estándar, con lo que rechazamos dicha hipótesis nula a cualquier nivel de sig-
nificación razonable.
clásico. El efecto ceteris paribus de un miembro adicional en una familia compuesta por 5
miembros (incluyendo los cónyuges) supone un aumento promedio estimado en el gasto en
alimentación de:
(a) (0.143 − 2 × 0.01 × 3) × 100 %. ' 8.3%.
(b) (0.143 − 2 × 0.01 × 5) × 10 ' 43 euros.
(c) (0.143 − 2 × 0.01 × 3) × 10 ' 83 euros.
(d) (0.143 − 2 × 0.01 × 5) × 100 %. ' 4.3%.
clásico. A la vista de los coeficientes estimados y los errores estándar de TAM y TAM2, indique
cuál de las siguientes afirmaciones acerca del efecto estimado ceteris paribus del tamaño sobre
el gasto en alimentación es FALSA:
(a) Dicho efecto es positivo para un hogar formado por menos de 8 miembros (incluyendo
a los cónyuges).
(b) Dicho efecto es negativo para hogares con 10 miembros (incluyendo a los cónyuges).
(c) Dicho efecto es positivo pero marginalmente decreciente.
(d) El efecto es positivo para familias pequeñas pero marginalmente decreciente con el
tamaño, pudiendo ser negativo para hogares de gran tamaño.
clásico. La diferencia promedio estimada en el gasto en alimentación de dos hogares con igual
gasto total, igual tamaño, igual nivel educativo de los cónyuges y en el que la mujer trabaja
pero en el que la edad del marido en el primer hogar es 10 años mayor que la del segundo es
igual a:
(a) 40 euros.
(b) 4 euros.
(c) Un 4%.
(d) Un 0.04%.

clásico. La diferencia promedio estimada, ceteris paribus, en el gasto en alimentación entre un
hogar con un gasto total de 29700 euros en el que los cónyuges tienen estudios universitarios y
la mujer no trabaja respecto a otro con el mismo gasto total en el que los cónyuges no tienen
estudios universitarios y la mujer trabaja es aproximadamente igual a:
(a) (−0.177 × 10.3 + 1.628 − 0.105) × 100 = −30.01% menos.
(b) (−0.177 × 10.3 + 1.628 − 0.105 − (−0.071)) × 10 ' 229.1 euros menos.
(c) − (−0.177 × 10.3 + 1.628 − 0.105 − (−0.071)) × 100 ' 22.91% más.
(d) (−0.177 × 10.3 + 1.628 − 0.105 − (−0.071)) × 100 ' 22.91% menos.
16. (Problema 2) A la hora de estimar el modelo (*), existe un problema potencial respecto a
LGT debido a que el gasto en alimentación es parte del gasto total, y por tanto se determinan
17. (Problema 2) A la hora de estimar el modelo (*), si LGT es endógena, considere las siguientes
afirmaciones:
(i) La estimación MCO de la ecuación (*) no proporciona un estimador consistente de β1 .
(ii) Asintóticamente, el estimador MCO de la ecuación (*) infraestima β2 .
(iii) Asintóticamente, el estimador MCO de la ecuación (*) sobreestima β1 .
18. (Problema 2) Suponga que estamos interesados en estimar consistentemente los coeficientes
del modelo (*), y que E (LGT × u) 6= 0, E (LGT UH × u) 6= 0, aunque el resto de las variables
explicativas incluidas en el modelo (*) no están correlacionadas con el término de error u.
Además, sabemos que la variable LY tampoco está correlacionada con u.
(b) Los estimadores de la SALIDA 6 no son consistentes, porque aunque LY es exógena,
LY UH no lo es.
(c) Los estimadores de la SALIDA 6 son consistentes, porque los instrumentos LY, LY UH
cumplen las dos condiciones para ser instrumentos válidos: no estar correlacionados
con u y estar correlacionados con las variables explicativas endógenas LGT, LGT UH.
(d) La forma reducida para LGT de la SALIDA 5 no es apropiada, porque deberı́a incluir
LY pero no LY UH entre las variables explicativas.

19. (Problema 2) Teniendo en cuenta que la variable LY no está correlacionada con u, para
verificar empı́ricamente si existe un problema de endogeneidad con la variable LGT:
1.
(c) Contrastaremos la significación conjunta de los regresores tanto en la SALIDA 5 como
en la salida 5A.
20. (Problema 2) Teniendo en cuenta que la variable LY no está correlacionada con u, dados los
resultados presentados en la SALIDA 7, considere las siguientes afirmaciones:
(i) Como RES5 no es estadı́sticamente significativa, NO rechazarı́amos que LGT es exógena.
(ii) Como RES5A no es estadı́sticamente significativa, NO rechazarı́amos que LGT UH es
exógena..
121.95 − 121.74
(iii) El contraste de Hausman se hace mediante el estadı́stico W = ×
121.74
(965 − 11) ' 1.65, por lo que rechazamos exogeneidad de LGT y LGT UH a cualquier nivel
de significación razonable.
(a) Sólo (i) y (ii) son ciertas.
(c) Sólo (iii) es cierta.
(d) Sólo (i) es cierta.
21. (Problema 2) A la vista de los resultados presentados en la SALIDA 7, tomando las estima-
ciones más apropiadas del modelo (*), al 95% de nivel confianza, la elasticidad del gasto en
alimentación respecto al gasto total para aquellos hogares en los que el marido tiene titulación
universitaria:
(a) Estarı́a aproximadamente entre −7.6% y 45.2%.
(b) No se puede calcular con la información disponible.
(c) Estarı́a aproximadamente entre 27.5% y 40.7%.
(d) Estarı́a aproximadamente entre −58.9% y −5.1%.
22. (Problema 2) A la vista de los resultados presentados en la SALIDA 7, tomando las esti-
maciones más apropiadas del modelo (*), considere las siguientes afirmaciones acerca de la
diferencia en la elasticidad del gasto en alimentación respecto al gasto total entre aquellos
hogares en los que el marido tiene titulación universitaria y aquellos hogares en que el marido
no tiene titulación universitaria:
(i) Es estadı́sticamente distinta de cero al 1% de significación.
(ii) Es estadı́sticamente distinta de cero al 5% de significación..
(iii) Es estadı́sticamente distinta de cero al 10% de significación.

23. (Problema 2) Según el modelo de la SALIDA 1, la estimación del coeficiente de la variable
LGT es:
(i) Significativo y positivo con un nivel de confianza del 90%.
(ii) Igual a 0.518.
(iii) No podemos calcular el valor exacto con la información proporcionada.
De las tres afirmaciones realizadas:
(c) Solamente (i) y (ii) son correctas.
(d) Solamente (i) y (iii) son correctas.

Y = α + βX + u,
donde u = Xε. Sabe que se cumple que E(ε|X) = 0 y V (ε|X) = V (ε) = σ 2 . Considere las
(i) El estimador MCO de β es inconsistente porque u depende de X.
(ii) El supuesto de E(ε|X) = 0 es suficiente para saber seguro que X es independiente en
media de u.
(iii) Como V (ε|X) = V (ε) = σ 2 sabemos que al menos NO hay un problema de
heterocedasticidad.

Y = α + βX + u
donde u = Xε. Sabe que se cumple que E(ε|X) = 0. Considere las siguientes afirmaciones:
(i) No sabemos si hay un problema de heterocedasticidad o no, porque no nos han dicho que
V (ε|X) = V (ε) = σ 2 .
(ii) En este caso la forma normal de calcular la varianza del estimador MCO no es correcta
porque con la información dada sabemos que los errores serán en general heterocedasticos.
(iii) Haya o no haya heterocedasticidad, el estimador MCO de β de este modelo es inconsis-
tente en cualquier caso.

(c) Solamente (i) y (iii) son correctas.

(a) Está claro que NO hay autocorrelación en los residuos.
(b) El coeficiente de autocorrelación residual de orden 1 es aproximadamente igual a 0.32.
(c) El coeficiente de autocorrelación residual de orden 1 es aproximadamente igual a 0.84.
(d) Está claro que NO hay autocorrelación de los residuos positiva.

(a) La variable VM(-1) no es relevante para explicar la inversión en el modelo estimado
en la SALIDA 1.
(b) Al estar el Durbin-Watson cerca de 0, parece que no hay autocorrelación en los residuos.
(c) Suponiendo normalidad, El contraste de significación conjunta (F-statistic) sı́ es fiable
en la SALIDA 1.
(d) No podemos estar seguros de si la variable VM(-1) es o no significativa en el modelo
estimado en la SALIDA 1.
(a) La autocorrelación de los residuos es claramente negativa.
(b) El coeficiente de autocorrelación residual de primer orden es aproximadamente 0.41.
(c) Los residuos son, en este caso, independientes, al estar centrados en 0.
(d) La autocorrelación de los residuos es mayor en la SALIDA 2 que en la SALIDA 1.
(a) No existe autocorrelación residual en la SALIDA 2. Lo que pasaba en la SALIDA 1 es
que la omisión de la variable t estaba generando TODA la autocorrelación.
(b) Los valores de los coeficientes estimados en la SALIDA 2, no son fiables al existir
autocorrelación en los residuos.
(c) Los errores estándar de los parámetros de la SALIDA 2 están bien calculados.
(d) Los valores de los coeficientes estimados en la SALIDA 2, sı́ son fiables en la medida
en que sólo queda autocorrelación en los residuos.
(a) El primer y el segundo retardo no son significativos.
(b) No hay autocorrelación residual de orden 1 y 2.
(c) Con la información de la SALIDA 3, solamente podemos saber si los retardos (1 y 2)
de los residuos son individualmente significativos pero no si lo son conjuntamente.
(d) El contraste de significación conjunta del primer y del segundo retardo de los resid-
uos indica que son significativos, por lo que hay autocorrelación residual de primer y
segundo orden en la especificación de la SALIDA 2.
(a) La variable valor de mercado retrasada, VM(-1), es significativa al 5%.
(b) La SALIDA 4 no es fiable, ya que los coeficientes estimados son idénticos a los de la
SALIDA 2.
(c) El R2 de la regresión NO explica ni el 1% de la varianza de la inversión en la empresa.
(d) La variable tendencia, t, NO es significativa.
(a) NO es normal que la desviación tı́pica de la variable dependiente (48.58) de la regresión
sea mayor que el error estándar de la regresión (24.98) .
(b) En base a la evolución de los residuos del gráfico 1 es extraño que la variable tendencia,
t, tenga signo positivo.
(c) El Durbin-Watson de la regresión estimada por Newey-West debe ser el mismo que el
estimado por mı́nimos cuadrados ordinarios (MCO).
(d) El R2 ajustado suele ser mayor que el R2 sin ajustar. Esto no se verifica en el caso de
la SALIDA 4 debido a la autocorrelación.
33. (Problema 1) Si la especificación de la SALIDA 4 se estimase con datos trimestrales, en
vez de con datos anuales, el retardo de truncamiento de la formula de los errores estándar de
Newey-West deberı́a:
(a) Disminuir.
(b) El retardo de truncamiento de Newey-West no depende del tipo de datos que tengamos
porque está siempre fijo.
(c) Aumentar.
(d) No cambiar.
34. (Problema 1) Utilizando los resultados apropiados, ante un incremento del valor de mercado
en el año pasado de 1 millón de dólares, la inversión variarı́a en promedio, a un nivel de
confianza del 10%:
(a) Aproximadamente entre 4900 y 51100 dólares.
(b) Aproximadamente entre 6550 y 49450 dólares.
(c) Aproximadamente entre 9850 y 46150 dólares.
(d) Aproximadamente entre −5900 y 79900 dólares.
35. (Problema 1) Utilizando los resultados apropiados, considere las siguientes afirmaciones
acerca del efecto del valor de mercado del año pasado sobre la inversión:
(i) Es significativo al 1%.
(ii) Es significativo al 5%.
(iii) Es significativo al 10%.
36. (Problema 3) Utilizando el concepto de correlación, los precios de las manzanas normales y
de las manzanas ecológicas de la muestra:
(a) Tienen una relación positiva.
(b) Con la información proporcionada en el enunciado del problema y en las estimaciones
(f1), (f2) y (f3) no podemos decir nada sobre la correlación entre esos dos precios.
(c) No están correlacionadas.
(d) Tienen una relación negativa.

37. (Problema 3) Si además de la información proporcionada en el enunciado del problema y en
las estimaciones (f1), (f2) y (f3) supieramos que Vb (ecoprc) = 2 (utilizando el sı́mbolob para
denotar momentos estimados), entonces:
(a) C(ecoprc,
b regprc) = 1.3747
(c) La información adicional proporcionada en el enunciado de esta pregunta no se necesita
para calcular que C(ecoprc,
b regprc) = 0.2376.
(d) Necesitamos la matriz de la varianzas y covarianzas de las estimaciones de (f2) para
poder calcular C(ecoprc,
b regprc).
38. (Problema 3) Las variables ecoprc y regprc son significativas en la ecuación (f2) y sin
embargo no han sido incluidas en la ecuación (f3). Esto puede ser debido a que:
(a) dif prc serı́a endógena con respecto a esas otras dos variables y si las incluimos habrı́a
que estimar usando variables instrumentales.
(c) Como por definición la correlación entre dif prc y ecoprc es exactamente igual a 1 y la
correlación entre dif prc y regprc es exactamente igual a -1, no necesitamos incluirlas
en la regresión, pues ya sabemos que los coeficientes estimados serán igual a −2.926 y
2.926.
(d) Una función de demanda que incluyera esas tres variables estarı́a incorrectamente
especificada.
(i) Las hipótesis nula y alternativa las definiremos en base a los efectos marginales de ecoprc
y regprc que surgen de interpretar la regresión (f2) por lo que para realizar el contraste
necesitaremos la matriz de varianzas y covarianzas de las estimaciones de (f2).
(ii) La hipotesis alternativa se puede definir en base a la función de demanda que se ha
estimado en (f2) (ecocan = β0 + β1 ecoprc + β2 regprc + ε) como H1 : β1 + β2 > 0.
(iii) La hipotesis nula se puede definir en base a la función de demanda que se ha estimado
en (f2) (ecocan = β0 + β1 ecoprc + β2 regprc + ε) como H0 : β1 + β2 = 0.

(c) Solamente (ii) y (iii) son correctas.

(i) Podemos realizar el contraste y la conclusión es que no podemos rechazar la hipótesis nula
al 5%.
(ii) Podemos realizar el contraste utilizando el estadı́stico de la F cuyo valor aproximado es
0.058.
(iii) Podemos realizar el contraste y la conclusión es que rechazamos la hipótesis nula al 5%.

(b) Ninguna de las afirmaciones es correcta, porque necesitamos más información para
poder realizar el contraste.
(d) Solamente (i) y (ii) son correctas.

ECONOMETRÍA I
Muy importante: Tenga en cuenta que algunos resultados de las tablas han podido
ser omitidos.
PROBLEMA 1: DEMANDA DE DINERO
La especi…cación convencional de la demanda de dinero establece que
M
ln = 1 + 2 RS + 3 ln Y + , (*)
P
donde \ ln denota el logaritmo neperiano, M = cantidad de dinero, P = índice de pre-

cios, RS = tipo de interés a corto plazo, en tanto por uno, Y = volumen de transacciones
(renta).
La teoría cuantitativa del dinero establece la siguiente identidad contable:
MV = P Y ,
donde V = velocidad de circulación del dinero. Tomando logaritmos neperianos, podemos

escribir dicha identidad en forma aditiva:
m + v = p + y,
o bien,
v=m p y,
donde m = ln M , v = ln V , p = ln P , y = ln Y .
Además, cabe la posibilidad de que el tipo de interés a corto plazo, RS, sea una
variable endógena. Como posibles instrumentos, disponemos del tipo de interés a largo
plazo, en tanto por uno (RL), así como del tipo de interés a corto plazo de hace dos
años RS( 2).
Se consideran dos especi…caciones alternativas:
vt = 1 + 2 RSt + ut , (1)
vt = 1 + 2 RSt + 3 yt + "t . (2)
Los siguientes resultados se han obtenido de la estimación de la demanda de dinero
en el Reino Unido, durante los años 1874 hasta 1970:

Variable dependiente: v

C 0:309479 0:022446 13:78742 0:0000
RS 7:005548 0:634474 11:04150 0:0000

Desviacion tipica de la var. dependiente 0:164059
Desviacion tipica de los residuos 0:109142
R2 0:562040
R2 corregido 0:557430
Estadístico de Durbin-Watson 0:327830
SALIDA 2: Estimaciones MC2E utilizando las 97 observaciones 1874 1970

Instrumentos: RL, RS( 2)

C 0:324494 0:026089 12:43802 0:0000
RS 6:517483 0:767152 8:495690 0:0000

Variable dependiente: RS

C 0:007971 0:003011 2:647508 0:0095
RL 0:688677 0:097922 7:032898 0:0000
RS( 2) 0:417955 0:083551 5:002412 0:0000

R2 0:688276
2

C 0:324494 0:026089 12:43802 0:0000
RS 6:517483 0:767152 8:495690 0:0000
res3 1:565694 1:367535 1:144903 0:2552

R2 0:568063
(NOTA: res3 son los residuos de la SALIDA 3)

Variable dependiente: e (Nota: e son los residuos de la SALIDA 1)

C 0:000268 0:006242 0:042884 0:9659
e( 1) 0:850289 0:104457 8:140077 0:0000
e( 2) 0:017044 0:104623 0:162905 0:8710

R2 0:699037
(Nota: e( 1), e( 2) son el primer y segundo

retardo de los residuos de la SALIDA 1)

Desviaciones típicas robustas ante correlación serial, orden de retardo(s) 3
3
C 0:309479 0:040132 7:711609 0:0000
RS 7:005548 1:032501 6:785029 0:0000

R2 0:562040

Desviaciones típicas robustas ante correlación serial, orden de retardo(s) 3

C 0:652518 0:290490 2:246268 0:0270
RS 7:333019 1:114031 6:582422 0:0000
y 0:042682 0:037187 1:147754 0:2540

R2 0:576082

Desviaciones típicas robustas ante heterocedasticidad, variante HC1

C 0:652518 0:168034 3:88325 0:00020
RS 7:333019 0:701298 10:45636 0:00000
y 0:042682 0:019122 2:23209 0:02798
4

C 0:652518 0:168834 3:86485 0:00020
RS 7:333019 0:700075 10:47462 0:00000
y 0:042682 0:019002 2:24618 0:02703

R2 0:576082
5
PROBLEMA 2: EFECTO DEL ORIGEN ETNICO SOBRE LA PENA DE MUERTE
Un grupo de expertos piensa que en Estados Unidos la probabilidad de ser condenado a
muerte es mayor, ceteris paribus, cuando el acusado es de raza negra. Para comprobar
esta hipótesis, se analizan 679 juicios en diferentes Estados donde se aplica la pena de
muerte. En la muestra utilizada, la proporción de acusados de raza blanca es de un 72%.
Las variables consideradas son las siguientes:
CONDENA = variable binaria que toma el valor 1 si el acusado es condenado a muerte

RAZA_ACUSADO = variable binaria que toma el valor 1 si el acusado es de raza negra
RAZA_VICTIMA = variable binaria que toma el valor 1 si la víctima es de raza negra
y 0 en caso contrario.
Se obtuvieron los siguientes resultados:


C 2:08 0:14 14:86
RAZA_ACUSADO 0:39 0:31 1:26 0:0356
Media de condena = 0.102

const 2:04 0:61 7:26
RAZA_ACUSADO 0:83 0:36 2:31 0:0644
RAZA_VICTIMA 2:39 0:60 3:98 0:1861
6
ECONOMETRÍA I
Curso 2006/07
Tipo de examen: 1
Instrucciones:
(Nombre y apellidos y NIU, que tiene 9 dı́gitos y empieza siempre por 1000.) tanto en
letra como en las casillas correspondientes de lectura óptica.
– Rellene, en letra el nombre de la asignatura, la titulación y su grupo. Rellene también el

grupo en las dos casillas correspondientes de lectura óptica.
• AL TERMINAR EL EXAMEN, DEBE ENTREGAR EL IMPRESO DE LECTURA OPTICA

JUNTO CON EL CUESTIONARIO Y LOS ENUNCIADOS DE PROBLEMAS.
• Compruebe que este cuestionario tiene 40 preguntas numeradas correlativamente.
• Compruebe que el número de tipo de examen del cuestionario de preguntas coincide

con el del impreso de lectura óptica.

• Cada pregunta, que debe responderse rellenando la casilla correspondiente a la

opción seleccionada, tiene una única respuesta correcta (A, B, C ó D).
Cualquier pregunta en la que se seleccione más de una opción será considerada incorrecta y su
• Para obtener una calificación de 5 sobre 10 en la asignatura hay que responder correctamente
22 preguntas. Recuerde que en la convocatoria extraordinaria no se considera la puntuación
complementaria que se haya podido obtener durante el curso.
• Al final del documento se adjuntan tablas estadı́sticas.

• Fechas de publicación de calificaciones: Martes 25 de Septiembre.
– Grupos del Campus de Getafe: Jueves 27 de Septiembre a las 15 h en las aulas 15.0.04,
15.0.5 y 15.0.06.
– Grupos del Campus de Colmenarejo: Jueves 27 de Septiembre a las 15 h en el Despacho
1.2.B11.
– Para tener derecho a revisión, el alumno deberá acudir a la revisión con una copia impresa
de las soluciones del examen, que estarán disponibles en Aula Global desde el dı́a de
publicación de las calificaciones.
– La revisión tendrá por objeto comprobar que se ha computado bien el número de respuestas
correctas del examen.
– Cualquier reclamación que se quiera hacer sobre supuestos errores en las preguntas y
en la solución oficial del examen deberá hacerse mediante escrito razonado y entregarse
en ese mismo acto de revisión, indicando nombre, apellidos, NIU y dirección de correo
electrónico de la Universidad. No se admitirá ninguna reclamación posterior ni por otro
medio. Si en el plazo de cinco dı́as no recibiera respuesta a ese escrito y/o no se modificara
su calificación provisional en Aula Global, debe entender que su reclamación ha sido
desestimada, poniendo fin a la reclamación ante el profesor.
Borrador de
RESPUESTAS
1. 21.
2. 22.
3. 23.
4. 24.
5. 25.
6. 26.
7. 27.
8. 28.
9. 29.
10. 30.
11. 31.
12. 32.
13. 33.
14. 34.
15. 35.
16. 36.
17. 37.
18. 38.
19. 39.
20. 40.
1. (Problema 2) Teniendo en cuenta que en la SALIDA 1 la única variable explicativa es binaria,
podemos concluir que la proporción en la muestra de acusados de raza negra que son condenados
a muerte es aproximadamente igual a:
(a) No tenemos información suficiente para calcularlo.
(b) 23%.
(c) 28%.
(d) 8%.
si en la SALIDA 1, en lugar de estimar un modelo logit por máxima verosimilitud estimamos
un modelo de probabilidad lineal, la estimación de la constante serı́a aproximadamente:
(a) −2.08.
(b) No tenemos información suficiente para calcularlo.
(c) 0.11.
(d) 0.28.
si en la SALIDA 1, en lugar de estimar un modelo logit por máxima verosimilitud estimamos un
modelo de probabilidad lineal la estimación del parámetro asociado con la variable explicativa
RAZA ACUSADO serı́a aproximadamente:
(a) 0.08.
(b) −0.03.
(c) No tenemos información suficiente para calcularlo.
(d) −0.39.
4. (Problema 2) Teniendo en cuenta que en la SALIDA 1 la única variable explicativa es bi-
naria, la estimación de E( CONDENA | RAZA ACUSADO = 1, RAZA VICTIMA = 0 ) es
aproximadamente igual a:
(a) No se puede calcular porque los modelos que se han estimado no son modelos sobre la
esperanza condicional.
(b) 0.08.
(c) 0.83.
(d) 0.23.
5. (Problema 2) Teniendo en cuenta que en la SALIDA 1 la única variable explicativa es bina-
ria, si el modelo especificado en la SALIDA 1 hubiera sido estimado mediante un modelo de
probabilidad lineal en lugar de utilizar la estimación logit:
(ii) La magnitud del efecto estimado de la variable explicativa sobre la probabilidad de condena
serı́a la misma.
6. (Problema 2) La probabilidad predicha de que un acusado de raza negra sea condenado
(a) 0.23.
(b) 0.96.
(c) 0.08.
(d) 0.83.
7. (Problema 2) Si el modelo especificado en la SALIDA 2 hubiera sido estimado mediante un
(ii) Las magnitudes de los efectos estimados de las variables explicativas sobre la probabilidad
de condena serı́an las mismas.
8. (Problema 2) De acuerdo con las estimaciones de la SALIDA 2, la media del efecto estimado
de ser un acusado de raza negra sobre la probabilidad de condena es aproximadamente igual a:
(a) 0.22.
(c) 0.09.
(d) 0.11.
9. (Problema 2) De acuerdo con las estimaciones de la SALIDA 2, la media del efecto estimado
de que la vı́ctima sea de raza negra sobre la probabilidad de condena es aproximadamente igual
a:
(a) −0.13.
(c) −0.19.
(d) 0.20.
10. (Problema 2) De acuerdo con los resultados, podemos afirmar que:
Tipo de examen: 1 página 2 22 de septiembre de 2007

11. (Problema 2) Dado el modelo de la SALIDA 2:
(i) Si mantenemos el supuesto de distribución logı́stica, las estimaciones de los parámetros serı́an
idénticas tanto si estimamos por máxima verosimilitud como si aplicamos mı́nimos cuadrados
no lineales.
de los coeficientes estimados serı́an menores en el caso de la normal.
(iii) Si, manteniendo el supuesto de distribución logı́stica, estimamos por mı́nimos cuadrados no
lineales en vez de por máxima verosimilitud, los errores estándar robustos a heterocedasticidad
de los coeficientes serán siempre mayores o iguales que los errores estándar convencionales de
esos mismos coeficientes.
12. (Problema 2) En el modelo de la SALIDA 1:
(i) Hubiéramos obtenido exactamente las mismas estimaciones de los efectos de la variable
explicativa (raza del acusado) si hubiéramos supuesto una distribución normal en vez de una
logı́stica.
(ii) Si este modelo fuera el correcto (esto es, incluyera todas las variables explicativas relevantes
y el supuesto de la distribución logı́stica fuera correcto), hubiéramos obtenido estimadores
igualmente consistentes de los coeficientes del modelo si lo hubiéramos estimado por mı́nimos
cuadrados no lineales, los errores estándar convencionales serı́an inapropiados debido a la exis-
tencia de heterocedasticidad condicional.
(d) Solamente (iii) es cierta.
13. (Problema 2) Suponga que la proporción de vı́ctimas que son de raza blanca es del 47% y la
proporción de acusados que son de raza negra es del 55%. Según la SALIDA 2, ¿cómo cambia
en media la probabilidad de condena con la raza del acusado?
(a) 0.11.
(b) No tenemos información suficiente para calcular este efecto.
(c) 0.06.
(d) −0.07.
14. (Problema 2) Suponga que la proporción de vı́ctimas que son de raza blanca es del 47% y
la proporción de acusados que son de raza negra es del 55%. Según la SALIDA 2, ¿cuál es el
efecto de ser un acusado de raza negra sobre la probabilidad de condena para un caso en que
RAZA VICTIMA toma valor medio?
(a) 0.01.
(b) 0.05.
(c) 0.04.
(d) No tenemos información suficiente para calcular este efecto.
15. (Problema 2) ¿Cuál es el efecto de que la vı́ctima sea de raza blanca sobre la probabilidad
de condena para un acusado cuya raza se corresponde con el valor modal de esta variable?
(a) No tenemos información suficiente para calcular este efecto.
(b) −0.10.
(c) −0.20.
(d) 0.10.
16. (Problema 2) Dados los resultados de la SALIDA 2:
(i) Si la vı́ctima es de raza negra, la probabilidad de condena es muy pequeña comparada con
la probabilidad media de condena.
(ii) Si la vı́ctima es de raza negra, la raza del acusado hace que cambie la probabilidad de
condena relativamente más que si la vı́ctima fuese de raza blanca.
(iii) Considere los casos en que la vı́ctima es de raza blanca. Entonces, la probabilidad de
condena es mayor que si la vı́ctima es de raza negra. Además, el efecto de que el acusado sea
de raza negra es mayor cuando la vı́ctima es de raza blanca que cuando es de raza negra.
17. (Problema 2) Considere las siguientes afirmaciones:
(i) Mirando al número de casos correctamente predichos podemos concluir que los dos modelos
estimados son igualmente válidos para conocer si hay efecto de la raza del acusado sobre la
probabilidad de condena.
(ii) Atendiendo al número de casos correctamente predichos, los dos modelos estimados ajustan
igual de bien los datos.
(iii) Atendiendo al valor de la función de verosimilitud, el modelo estimado en la salida 2 ajusta
mejor los datos.
(a) Solamente (i) es falsa.
(b) Solamente (i) y (ii) son falsas.
(c) Solamente (iii) es falsa.
(d) Solamente (ii) es falsa.
18. (Problema 2) Si queremos contrastar si la raza del acusado es una variable relevante para
explicar la probabilidad de que sea condenado a muerte:
(i) En vista de que el valor del correspondiente estadı́stico t es aproximadamente 2.31,
rechazamos al 1% la hipótesis nula de que dicha variable no tiene un efecto significativo.
(ii) En vista de que el valor del correspondiente contraste de razón de verosimilitudes es
aproximadamente 20.36, rechazamos al 1% la hipótesis nula de que dicha variable no tiene un
efecto significativo.
(iii) En vista de que el valor del correspondiente estadı́stico t es aproximadamente −1.26, no
podemos rechazar al 1% la hipótesis nula de que dicha variable no tiene un efecto significativo.


19. (Problema 1) En la SALIDA 1:
(i) La constante de la regresión mide la velocidad media de circulación del dinero.
(ii) El efecto estimado del tipo de interés a corto plazo sobre la velocidad de circulación del
dinero es constante y aproximadamente igual a −7.
(iii) Un aumento del tipo de interés a corto plazo de 0.1 puntos porcentuales disminuye la
velocidad de circulación aproximadamente en 0.7 puntos porcentuales.
20. (Problema 1) En la SALIDA 1, si RS estuviera medido en tanto por ciento en vez de en
tanto por uno:
(i) El valor estimado del coeficiente de RS serı́a aproximadamente −0.07005.
(ii) El estadı́stico t del coeficiente de RS serı́a aproximadamente −0.11041.
(iii) El error estándar del coeficiente de RS serı́a aproximadamente 0.006345.
21. (Problema 1) Comparando los modelos (1) y (2) respecto a los coeficientes del modelo (*):
(i) Se cumple que α3 = 0 en el modelo (1).
(ii) Se cumple que α2 = δ2 en el modelo (2).
(iii) Se cumple que α3 = δ3 en el modelo (2)
22. (Problema 1) Si quisiéramos estimar el modelo más general de los tres presentados:
(i) Utilizarı́amos el modelo (*).
(ii) Utilizarı́amos el modelo (2).
(iii) Los modelos (*) y (2) son distintos pero no son comparables.

23. (Problema 1) De acuerdo con la SALIDA 1, y suponiendo que el modelo (1) cumple los
supuestos del modelo de regresión clásico:
(i) La constante de la regresión mide la velocidad media de circulación del dinero.
(ii) La media del logaritmo de la velocidad de circulación del dinero es aproximadamente 0.525.
(iii) Un aumento del tipo de interés a corto plazo de 0.1 puntos porcentuales aumenta la
velocidad de circulación aproximadamente en un 0.7%.
24. (Problema 1) En la SALIDA 1, y suponiendo que el modelo (1) cumple los supuestos del
modelo de regresión clásico:
(i) La velocidad de circulación del dinero aumenta al aumentar el tipo de interés a corto plazo.
(ii) La media del logaritmo de la velocidad de circulación del dinero es aproximadamente −0.31.
(iii) Una reducción del tipo de interés a corto plazo de 0.1 puntos porcentuales disminuye la
velocidad de circulación aproximadamente en un 0.7%.
(i) No podemos rechazar al 10% la hipótesis de que un incremento de 0.1 puntos porcentuales
en el tipo de interés a corto plazo aumenta en promedio la velocidad de circulación en un 1%.
(ii) El estadı́stico de contraste para la hipótesis nula H0 : β2 = −10 es aproximadamente igual
a 4.8.
(iii) No podemos rechazar al 10% la hipótesis de que por cada punto porcentual de reducción en
el tipo de interés a corto plazo, la velocidad de circulación aumenta en promedio en un punto
porcentual.
(i) El 56% de la varianza de v es explicada por el tipo de interés a corto plazo.
(ii) Los estimadores de la constante y de la pendiente del modelo (1) son, individualmente,
distintos de cero estadı́sticamente, pero no tienen por qué ser conjuntamente distintos de cero
estadı́sticamente.
(iii) La varianza condicional de −v es aproximadamente igual a 0.012.

(i) El 56% de la varianza de v es explicada por el tipo de interés a corto plazo.
(ii) La varianza de v, condicional en RS, es aproximadamente igual a − (0.109142)2 .
(iii) La varianza condicional de −v es aproximadamente igual a 0.012.
28. (Problema 1) Concentrándonos en la especificación (1) y a la vista de los resultados:
(i) RS es claramente endógena, ya que su coeficiente estimado varı́a de −7 en la SALIDA 1 a
−6.5 en la SALIDA 2.
(ii) Tanto las estimaciones de la SALIDA 1 como las de la SALIDA 2 son consistentes.
(iii) El estimador de la SALIDA 1 es más eficiente que el de la SALIDA 2..
29. (Problema 1) Concentrándonos en la especificación (1) y a la vista de las distintas salidas
presentadas, podemos concluir que:
(i) RS es endógena.
(ii) Solamente las estimaciones basadas en la SALIDA 1 son apropiadas.
(iii) No tenemos buenos instrumentos para RS que estén suficientemente correlacionados con
dicha variable.
presentadas, podemos concluir que:
(i) Si RS es endógena, RL también lo es, dado que está correlacionada con RS.
(ii) RS(−2) nunca puede ser un buen instrumento para RS, ya que estará relacionado con los
errores de la SALIDA 2 al ser RS una variable explicativa.
(iii) RL y RS(−2) cumplen una de las condiciones para ser instrumentos apropiados para RS,
al estar conjuntamente e individualmente relacionadas con RS.

presentadas, encontramos evidencia de que:
(i) Hay autocorrelación de orden 1.
(ii) Hay autocorrelación de orden 2.
(iii) No hay autocorrelación de orden superior a 2, a la vista del estadı́stico Durbin-Watson de
la SALIDA 1.
(c) Solamente (i) es cierta.
(d) Solamente (iii) es cierta.
32. (Problema 1) Concentrándonos en la especificación (1) y a la vista de los distintos resultados:
(i) Los coeficientes estimados de las salidas 1 y 6 deberı́an ser iguales.
(ii) A pesar de que en la especificación (1) existe autocorrelación en los residuos, podemos
afirmar que RS es significativa.
(iii) El estadı́stico para la hipótesis nula H0 : β2 = −1 es aproximadamente igual a 0.29.
33. (Problema 1) La especificación (1):
(i) Impone que el efecto del tipo de interés a corto plazo sobre la velocidad de circulación es
constante.
(ii) Impone que la elasticidad de la demanda de dinero con respecto a la renta es constante.
(iii) Impone que la elasticidad de la demanda de dinero con respecto a la renta es igual a la
unidad.
34. (Problema 1) La especificación (2):
(i) Impone que el efecto del tipo de interés a corto plazo sobre la velocidad de circulación es
constante.
(ii) Impone que la elasticidad de la demanda de dinero con respecto a la renta es constante.
(iii) Impone que la elasticidad de la demanda de dinero con respecto a la renta es igual a la
unidad.
(c) Solamente (ii) es cierta.

35. (Problema 1) Respecto a la especificación (2), de acuerdo con los resultados presentados:
(i) Hay evidencia de autocorrelación condicional.
(ii) Hay evidencia de heterocedasticidad condicional.
(iii) Deberı́amos basar el análisis en la SALIDA 7.
36. (Problema 1) De acuerdo con los resultados presentados para las especificaciones (1) y (2),
podemos concluir que:
(i) La renta (Y ) no es relevante para la demanda de dinero (M/P ).
(ii) Al nivel de significación del 3%, rechazamos la hipótesis de que la elasticidad de la demanda
de dinero en términos reales (M/P ) con respecto a la renta (Y ) sea igual a uno.
(iii) La renta tiene un efecto significativo sobre la velocidad de circulación: por cada punto
porcentual de incremento en la renta (Y ), manteniendo el tipo de interés constante, la velocidad
de circulación (V ) aumenta aproximadamente en un 0.04%.
(i) La demanda de dinero (M/P ) depende de la renta (Y ) y del tipo de interés a corto plazo
(RS).
(ii) Al nivel de significación del 3%, rechazamos la hipótesis de que la elasticidad de la demanda
de dinero en términos reales (M/P ) con respecto a la renta (Y ) sea igual a uno.
(iii) Por cada punto porcentual de incremento en la renta (Y ), para un tipo de interés a corto
plazo dado, la demanda de dinero (M/P ) aumenta en promedio en un 1%.
(i) Las estimaciones de la especificación (1) son inconsistentes.
(ii) Optarı́amos por los resultados de la SALIDA 7.
(iii) Las estimaciones de la especificación (2) son inconsistentes.

39. (Problema 1) De acuerdo con todos los resultados presentados, la estimación más apropiada
del efecto de un incremento porcentual en el tipo de interés a corto plazo sobre la velocidad de
circulación es:
(a) −7%.
(b) 7.33%.
(c) −7.33%.
(d) 7%.
40. (Problema 1) De acuerdo con todos los resultados presentados, la estimación más apropiada
de la elasticidad de la demanda de dinero (M/P ) con respecto a la renta (Y ) es:
(a) −1.
(b) 1.04.
(c) −0.96.
(d) 1.

ECONOMETRÍA I
Convocatoria Extraordinaria
SOLUCIONES EXAMEN
Tipo 1
1.D 2.C 3.B 4.D 5.B

6.A 7.C 8.B 9.A 10.A
11.A 12.A 13.C 14.C 15.D
16.D 17.A 18.A 19.B 20.C
21.D 22.C 23.D 24.C 25.A
26.C 27.C 28.D 29.B 30.C
31.C 32.A 33.C 34.C 35.C
36.B 37.C 38.B 39.D 40.D
Tipo 2
1.A 2.B 3.C 4.A 5.C

6.D 7.B 8.C 9.D 10.D
11.D 12.D 13.B 14.B 15.A
16.A 17.D 18.D 19.C 20.B
21.A 22.B 23.A 24.B 25.D
26.B 27.B 28.A 29.C 30.B
31.B 32.D 33.B 34.B 35.B
36.C 37.B 38.C 39.A 40.A
Tipo 3
1.A 2.D 3.B 4.D 5.B

6.D 7.C 8.D 9.D 10.B
11.A 12.D 13.D 14.C 15.D
16.D 17.D 18.A 19.D 20.A
21.B 22.B 23.B 24.D 25.A
26.B 27.A 28.C 29.D 30.A
31.C 32.C 33.C 34.C 35.D
36.D 37.B 38.B 39.C 40.C
Tipo 4
1.C 2.A 3.D 4.C 5.D

6.B 7.A 8.D 9.B 10.B
11.B 12.B 13.A 14.A 15.C
16.C 17.B 18.B 19.D 20.A
21.C 22.A 23.C 24.A 25.B
26.A 27.A 28.C 29.D 30.A
31.A 32.B 33.A 34.A 35.A
36.D 37.A 38.D 39.C 40.C
ECONOMETRÍA I
Curso 2006/07
GUIA DE SOLUCIONES
PROBLEMA 1
El presente problema se basa en la especi…cación más utilizada para la demanda

de dinero de una economía. La ecuación (*), utilizando la notación del enunciado en
logaritmos, puede escribirse como
(mt pt ) = 1 + 2 RSt + 3 yt + t
Como v = (m p) y, podemos escribir la ecuación de arriba de forma equivalente

como (restando yt en ambos lados de la ecuación).
vt = 1 + 2 RSt +( 3 1) yt + t.
La especi…cación (*) es por tanto equivalente a la especi…cación (2), donde
1 = 1,
2 = 2,
3 = 3 1.
y por tanto el término de error "t veri…ca que "t = t.
Por el contrario, la especi…cación (1) es una versión restringida del modelo, en la

que
1 = 1
2 = 2
3 = 1
Nótese que la especi…cación (1) es menos general que la ecuación (*), ya que impone
la restricción de que 3 = 1. Eso no implica que la ecuación sea independiente de
yt , puesto que está implícita en la de…nición de la variable dependiente vt : lo que
impone es que para un tipo de interés a corto plazo dado, la elasticidad de la demanda
de dinero con respecto a la renta es igual a la unidad.
El modelo se estima con datos de series temporales, que pueden presentar un

problema potencial de autocorrelación sobre el que se pregunta en el examen.
Tanto en la especi…cación (1) como en la (2), la variable dependiente es el opuesto

del logaritmo neperiano de la velocidad de circulación del dinero ( v), lo que tiene
que tenerse en cuenta a la hora de evaluar el signo de los efectos de las variables del
lado derecho sobre la velocidad de circulación.
La discusión referente a las SALIDAS 1 a 6, a continuación, se basa en que la
especi…cación (1) es correcta (en particular, que la restricción que impone respecto a
la especi…cación general (*) se veri…ca).
Las SALIDAS 1 y 2 (en las que la variable dependiente es v y la única variable

explicativa es RS) estiman el modelo restringido (1) por MCO y por MC2E. En este
segundo caso, se tiene en cuenta la posible endogeneidad del tipo de interés a corto
plazo RS, para el que se utilizan como instrumentos el tipo de interés contemporáneo
a largo plazo, RL, y el tipo de interés a corto plazo observado hace dos años, RS( 2).
La SALIDA 6 estima igualmente el modelo (1) por MCO pero incluye errores estándar
robustos a autocorrelación (de manera que los coe…cientes estimados son idénticos a
los de la SALIDA 1 pero los errores estándar de dichos coe…cientes pueden diferir).
La SALIDA 3 presenta la ecuación auxiliar de forma reducida de la variable
potencialmente endógena, que consiste en la proyección lineal de RS sobre RL y
RS( 2). Dicha salida nos permite evaluar si se cumple una de las dos condiciones
requeridas para que los instrumentos sean válidos, que estén correlacionados con la
variable potencialmente endógena que se debe instrumentar. Puede verse que tanto
RL como RS( 2) son individual y conjuntamente signi…cativos en dicha ecuación
auxiliar, lo que implica que ambos instrumentos tienen capacidad para predecir RS
y cumplen por tanto la condición de correlación con dicha variable. Recordemos que
la segunda condición para que un instrumento sea válido, que no esté correlacionado
con el término de error del modelo a estimar ut (es decir, que sean exógenas re-
specto al término de error del modelo de interés) es generalmente no contrastable (en
todo caso, el ejercicio no aporta información que permita llevar a cabo un contraste
de restricciones de sobreidenti…cación que permitiera contrastar parcialmente esta
segunda condición).
La SALIDA 4 es una estimación MCO del modelo (1) ampliado, incluyendo los
residuos de la ecuación auxiliar de forma reducida anterior (SALIDA 3) como vari-
able adicional. El contraste de Hausman puede llevarse a cabo contrastando la sig-
ni…cación de dicha variable adicional. Bajo la hipótesis de exogeneidad de RS, la
variable res3 debería tener un coe…ciente estadísticamente igual a 0. En vista de la
SALIDA 4, res3 no es estadísticamente signi…cativa, por lo que no rechazamos la
exogeneidad de RS.
En consecuencia, dado que bajo la hipótesis de exogeneidad tanto el estimador
MCO como el de MC2E de la especi…cación (1) son consistentes (en el caso de MC2E,
siempre que los instrumentos sean válidos) debemos considerar los resultados de la
SALIDA 1 frente a los de la SALIDA 2, dado que el estimador MCO es más e…ciente
bajo la hipótesis nula de exogeneidad.
Si nos concentramos por tanto en la SALIDA 1, vemos que el tipo de interés

a corto plazo tiene un efecto positivo sobre la velocidad de circulación del dinero
(es decir, que la velocidad de circulación del dinero aumenta al aumentar el tipo de
interés a corto plazo). Por otro lado, como la variable dependiente es el logaritmo
de la velocidad de circulación (con signo menos), la constante cambiada de signo
se interpretaría como el valor medio del logaritmo de la velocidad de circulación
cuando el tipo de interés a corto plazo es igual a cero. En cuanto a la interpretación
del efecto del tipo de interés a corto plazo, RS, podemos concluir, dado que dicho
tipo está medido en tanto por uno, que si éste aumenta en 0:1 puntos porcentuales,
la velocidad de circulación aumentaría en un 0:7% (el efecto sobre la velocidad de
2
circulación se mide en tanto por ciento al estar transformada en logaritmos). Nótese
que la especi…cación de la SALIDA 1 implica que el efecto del tipo de interés a corto
sobre el logaritmo de la velocidad de circulación, v, es constante e igual a 2 (de
manera que el efecto sobre la velocidad de circulación V no es constante).
Una de las posible hipótesis que se plantean en el examen es H0 : 2 = 10
(es decir: que ante una aumento del tipo de interés a corto plazo en 0:1 puntos
porcentuales, la velocidad de circulación aumenta en un 1%. Suponiendo que el
modelo (1) cumple los supuestos del modelo de regresión clásico, el estadístico de
contraste, utilizando la SALIDA 1, sería aproximadamente
b2 ( 10) 7 ( 10)
t= = ' 4:8,
se(b2 ) 0:63
que se distribuye asintóticamente como una N (0; 1) bajo H0 . El p-valor del estadís-
tico es muy inferior al 1%, de manera que a los niveles de signi…cación habituales
rechazamos la hipótesis nula.
Continuando con el análisis de la SALIDA 1, vemos que el R2 es igual a 0:56, de
manera que, ateniéndonos a la de…nición del R2 , si el modelo (1) cumple los supuestos
del modelo de regresión clásico, podemos concluir que el tipo de interés a corto plazo
explica el 56% de la varianza del logaritmo de la velocidad de circulación. En cuanto
a la estimación de la varianza condicional (a RS) de v, no es sino el cuadrado de la
desviación típica de los residuos, es decir, (0:109142)2 ' 0:012. Nótese que la varianza
condicional de v y de v son la misma cosa.
Además, en la SALIDA 1 encontramos que los coe…cientes estimados de la con-
stante y de la pendiente son estadísticamente distintos de cero de forma individual.
Como uno de los coe…cientes es el de la constante, y la constante es una variable
con correlación cero con cualquier otra (en particular, con RS) entonces podemos
cocnluir que el hecho de que individualmente son estadísticamente distintos de cero
implica que también son estadísticamente distintos de cero conjuntamente. Natural-
mente, esta propiedad no tiene por qué cumplirse cuando se trata de la signi…cación
estadística de los coe…cientes de dos variables explicativas, ninguna de las cuales es
constante, que están generalmente correlacionadas.
Por último, la SALIDA 1 presenta, al tratarse de datos de series temporales, el
estadístico de Durbin-Watson. Recordemos que el estadístico de Durbin-Watson es
aproximadamente
DW ' 2 (1 b) ,
donde b es el coe…ciente de autocorrelación muestral de primer orden de los residuos
del modelo, es decir, la estimación basada en la muestra de cov(et ; et 1 ). Recordemos
que este estadístico sólo es informativo de si hay o no autocorrelación de primer
orden, pero no aporta evidencia sobre si hay autocorrelación de orden superior. Si
nos basamos en este estadístico, si no existe autocorrelación de primer orden, el valor
del estadístico DW debería estar cercano a 2. Dado que el valor está muy alejado
(mucho menor que 2), hay evidencia de autocorrelación (positiva) de primer orden.
Utilizando la expresión de arriba, el coe…ciente de autocorrelación muestral de primer
orden está en torno a 0:84.
Sin embargo, la evidencia basada en el estadístico DW no nos dice nada acerca
de la posibilidad de que exista autocorrelación de orden superior. La SALIDA 5
permite contrastar la hipótesis nula de no correlación de orden igual o inferior a
2. En concreto, consiste en una regresión de los residuos contemporáneos sobre los
3
residuos desfasados uno y dos períodos. En vista de que el coe…ciente de e( 1) es
estadísticamente signi…cativo pero el coe…ciente de e( 2) es estad´siticamente igual a
cero, podemos concluir que existe evidencia de autocorrelación de primer orden pero
no de segundo orden. (Nótese que el coe…ciente estimado de e( 1) es numéricamente
similar al coe…ciente de autocorrelación muestral calculado a partir del estadístico
DW ). No obstante, los resultados de la SALIDA 5 no nos permiten concluir que no
existe autocorrelación de orden tres o superior, dado que no se han incluido retardos
de los residuos de orden tres o superior.
La existencia de autocorrelación de primer orden no afecta a la consistencia del
estimador MCO de los coe…cientes del modelo, pero en dicha situación la los er-
rores estándar convencionales de dichos coe…cientes no estiman consistentemente las
desviaciones típicas de los coe…cientes estimados. Ello implica que no es posible hacer
inferencia válida a partir de los resultados de la SALIDA 1. Como puede verse, los
errores estándar de la SALIDA 6 son sustancialmente mayores que los de la SAL-
IDA 1, lo que es coherente con la evidencia hallada de autocorrelación de primer
orden. Esto quiere decir que cualquier contraste apropiado sobre el modelo (1) debe
utilizar los resultados de la SALIDA 7. En todo caso, la variable RS mantiene su
signi…cación estadística cuando se utilizan errores estándar apropiados, robustos a
autocorrelación.
Finalmente, el problema presenta las SALIDAS 7, 8 y 9, correspondientes al

modelo (2), que es un modelo más general que el modelo (1) (al no restringir el
coe…ciente de y a la unidad) y equivalente a la especi…cación (*). La interpretación
del coe…ciente de RS es parecida a la del modelo anterior, excepto por el hecho de
que ahora dicho coe…ciente re‡eja el efecto de RS sobre la velocidad de circulación
para una renta dada (es decir, el efecto ceteris paribus). En este sentido, condicional
a RS y y, el efecto ceteris paribus del tipo de interés a corto sobre la velocidad de
circulación sigue sin ser constante (lo que es constante es el efecto sobre el logaritmo
de la velocidad de circulación). La magnitud del efecto es parecida a la obtenida en
el modelo (1). En cuanto al efecto de la renta, recordemos que 3 = 3 1, donde,
al estar la demanda de dinero y la renta en logaritmos, 3 es la elasticidad de la
demanda de dinero con respecto a la renta, que es constante. El modelo (2) permite
que esa elasticidad sea distinta de la unidad. Este modelo nos permite contrastar la
validez de la hipótesis de elasticidad unitaria de la demanda de dinero con respecto
a la renta, H0 : 3 = 1, o, de forma equivalente, H0 : 3 = 0. De no rechazarse
dicha hipótesis, optaríamos por el modelo (1), y basaríamos nuestra inferencia en la
SALIDA 6.
En este caso, tenemos tres estimaciones MCO del mismo modelo (por tanto, los
coe…cientes estimados son los mismos) con estimaciones alternativas de los errores
estándar: no robustos a autocorrelación y heterocedasticidad (SALIDA 9), robustos
a heterocedasticidad (SALIDA 8) y robustos a autocorrelación de orden igual o infe-
rior a tres (SALIDA 7). Dada la información, la decisión de qué salida utilizar debe
basarse en la comparación de los errores estándar. En ausencia de heterocedastici-
dad y de autocorrelación, los errores estándar robustos y no robustos deberían ser
numéricamente muy parecidos. A la vista de los resultados de las SALIDAS 8 y 9, no
hay evidencia de heterocedasticidad condicional, dado el gran parecido en los errores
estándar de ambas. Sin embargo, los errores estándar robustos a autocorrelación son
sustancialmente mayores que los respectivos errores estándar convencionales. Este
hecho apunta un problema de autocorrelación condicional que invalida la inferencia
4
de la SALIDA 9 (MCO con errores estándar no robustos), debiendo basarla en la
SALIDA 7 (MCO con errores estándar robustos a heterocedasticidad). La elección
de la SALIDA correcta tiene consecuencias críticas de cara al contraste de la hipótesis
H0 : 3 = 1, o H0 : 3 = 0. El estimador MCO de 3 es d3 = 0:043 con un error
estándar de 0:037. Por tanto, el estadístico t es
0:043
t= ' 1:15
0:037
con un p-valor asociado de un 25%, por lo que no se rechaza la hipótesis de elasti-
cidad unitaria de la demanda de dinero respecto a la renta a niveles de signi…cación
habituales.
En consecuencia, dados los resultados, el modelo de nuestra elección sería el mod-

elo (1), con la restricción arriba mencionada, y nuestra inferencia se basaría en la SAL-
IDA 6. Nótese que ello no implica que la renta no sea relevante para la demanda de
dinero, porque el modelo (1) se puede escribir en la forma (*) con ln M P = m p como
variable dependiente y ln Y = y como variable explicativa con coe…ciente restringido
a la unidad (lo que lleva a rede…nir la variable dependiente como v = m p y.
Podemos concluir por tanto que la demanda de dinero depende positivamente de la
renta (con elasticidad unitaria) y del tipo de interés a corto plazo.
Conviene aclarar que, como el modelo (2) es más general que el (1), ambas especi-
…caciones son válidas y si se cumplen los supuestos habituales, los estimadores MCO
de los coe…cientes en ambos modelos son consistentes. Sin embargo, a la hora de
escoger uno de los dos modelos, optaríamos por el (1) dada la ganancia de e…ciencia
que supone estimar un modelo que incorpora una restricción ( 3 = 0) que es cierta
(como puede verse en los menores errores estándar de la constante y de la pendiente
de RS en la SALIDA 6 frente a los de la SALIDA 7). Eso implica que nuestras esti-
maciones preferidas implican que la elasticidad de la demanda de dinero respecto a
la renta es igual a 1 y que el efecto estimado de un incremento de 1 punto porcentual
en el tipo de interés a corto aumenta en promedio la velocidad de circulación en un
7%.
5
PROBLEMA 2
(El enunciado de este problema es similar al de un problema planteado en el

examen de Enero de 2007, con la única diferencia de que la variable explicativa
RAZA_ACUSADO se de…ne de manera opuesta, es decir, toma el valor 1 si el acusado
es de raza negra y 0 en caso contrario).
Se trata de un modelo de elección discreta para caracterizar la probabilidad

de ser condenado a muerte. La SALIDA 1 incluye una única variable explicativa,
RAZA_ACUSADO, mientras que la SALIDA 2 es un modelo más general que in-
cluye una variable explicativa adicional, RAZA_VICTIMA. Nótese que, al igual que
la variable dependiente CONDENA, las variables explicativas son binarias.
Comparando ambas salidas, vemos que la omisión de la variable RAZA_VICTIMA
afecta de forma crítica a la hora de evaluar el efecto de la raza del acusado sobre la
probabilidad de condena. Así, mientras que en la SALIDA 1 dicha variable no es
signi…cativa a niveles de signi…cación habituales (de manera que concluiriamos que la
condena es independiente de la raza del acusado) en ls SALIDA 2 vemos que, dada
la raza de la víctima, la probabilidad de condena es mayor si el acusado es negro.
El texto también indica que la proporción de acusados de raza blanca en la muestra

es del 72% (lo que representa 489 individuos de la muestra) y por tanto la proporción
de acusados de raza negra en la muestra es del 28% (lo que supone 190 individuos).
En la SALIDA 1 podemos ver que la media de CONDENA es 0:102, es decir que el
10:2% de los individuos de la muestra son condenados a muerte.
Al ser la variable binaria RAZA_ACUSADO, tenemos que, a partir de la SALIDA

1 podemos estimar la proporción en la muestra de acusados de raza negra que son
condenados a muerte como
E ( CONDENA j RAZA_ACUSADO = 1) = ( 2:08 0:39)

1
= 2:08+0:39
= 0:0779.
1+e
que en tanto por ciento es aproximadamente el 8%.
Con la información que tenemos, podemos calcular los estimadores de la constante
y la pendiente de la proyección lineal o PLO de CONDENA sobre RAZA_ACUSADO
(es decir, el modelo de probabilidad lineal). Recordemos que la estimación MCO de
la constante y la pendiente de P LO ( Y j X) = 1 + 2 X son
b0 = Y b1 X,
P
Yi Xi nY X
i
b1 = P 2 2 ,
Xi nX
i
Donde los sumatorios se re…eren a todas las observaciones (de 1 a 679).

En este caso, Y = CONDENA, X = RAZA_ACUSADO, de manera que
P
Yi Xi = No. de acusado de raza negra que son condenados = 190 0:08.
i
Y = Media de CONDENA = 0:102.
6
1 P 190
X = Media de RAZA_ACUSADO = Xi = = 0:28.
679 i 679
P P
Como Xi es binaria, Xi2 = Xi = 190 (número de acusados de raza negra).
i i
Por tanto, la estimación de la constante y la pendiente del modelo de probabilidad

lineal son iguales a
b0 = 0:102 ( 0:03) 0:28 ' 0:11,

190 0:08 679 0:102 0:28
b1 = ' 0:03.
190 679 0:282
Nótese que si el modelo de la SALIDA 1 se hubiese estimado como un modelo de
probabilidad lineal, el modelo sería por construcción homocedástico, dado que al
ser Yi binomial, su varianza condicional sería igual a Pi (1 Pi ), donde Pi depende
del valor que tome la variable explicativa RAZA_ACUSADO, de manera que la
varianza condicional no es constante. Otra propiedad del modelo de probabilidad
lineal es que impone que el efecto de la variable explicativa sobre la probabilidad
de condena es constante, dada la linealidad del modelo (a diferencia de un logit
o un probit). Por último, aunque en general el modelo de probabilidad lineal no
acota los valores predichos entre 0 y 1, en este caso sí lo hace, debido que el modelo
tiene una única variable explicativa que es además dicotómica, de manera que las
predicciones del modelo en este caso no pueden ser mayores que 1 o menores que 0.
Puede comprobarse directamente viendo que las únicas posibilidades aquí son que
RAZA_ACUSADO sea 0 (blanco) o 1 (negro). En el primer caso, la probabilidad
predicha de condena es 0:11 0:03 0 = 0:11, mientras que en el segundo caso
dicha probabilidad es 0:11 0:03 1 = 0:08. Si el modelo de probabilidad lineal
incluyera dos o más variables explicativas, dicotómicas o no, no podría garantizarse
que las probabilidades predichas para cualquier combinación posible de valores de
dichas variables explicativas estén entre 0 y 1.
El hecho de que la única variable explicativa en el modelo de la SALIDA 1 sea
dicotómica supone además que el efecto estimado de la raza del acusado sería exacta-
mente el mismo si en lugar de un logit (distribución logística) hubiéramos utilizado
un probit (distribución normal). Este resultado no se mantiene si el modelo tiene dos
o más variables explicativas, dicotómicas o no.
Por otro lado, como se vio en teoría, el modelo logit puede estimarse de forma
consistente (suponiendo que el modelo es correcto) tanto por mínimos cuadrados no
lineales como por máxima verosimilitud. No obstante, bajo el supuesto de que la dis-
tribución es efectivamente logística, el estimador de máxima verosimilitud de dicho
modelo sería más e…ciente. Además, en el caso de la estimación del modelo logístico
por mínimos cuadrados no lineales, deberíamos utilizar errores estándar de los co-
e…cientes robustos a heterocedasticidad, porque los errores estándar convencionales
serían inconsistentes.
A la hora de hacer inferencia o predecir probabilidades, debemos primero escoger

el modelo más apropiado de entre los dos presentados. El criterio de selección a
utilizar, dada la información disponible, es el logaritmo de la función de verosimilitud.
Vemos que la mejora en el logaritmo de la función de verosimilitud es sustancial
al pasar de la SALIDA 1 a la SALIDA 2. Formalmente, deberñiamos calcular un
7
contraste LR de razón de verosimilitudes
2
LR = 2 (lS lR ) e 1,
donde lS y lR son los valores de los logaritmos de las funciones de verosimilitud del
modelo no restringido (SALIDA 2, que no impone coe…ciente cero a RAZA_VICTIMA)
y del modelo restringido, respectivamente. Dicho contraste tiene en este caso un grado
de libertad al existir una única restricción. El valor del estadístico es en este caso
20:36, por lo que a cualquier nivel de signi…cación usual rechazamos la restricción que
impone el modelo de la SALIDA 1 y optamos por tanto por la SALIDA 2.
Esto supone que:
Si la víctima es blanca, es mucho más probable que el acusado sea condenado,

con independencia de cuál sea la raza del acusado.
La probabilidad de condena si la víctima es negra es mucho más pequeña que

la probabilidad media de condena.
El efecto relativo (en términos de cocientes de probabildiades) de la raza del

acusado es mayor cuando la víctima es de raza negra.
El efecto absoluto de la raza del acusado es mayor cuando la víctima es de raza

blanca.
A partir de la SALIDA 2, podemos concluir, entre otras cosas, que la probabilidad

predicha de condena para un acusado de raza negra cuando la víctima es blanca es
aproximadamente
E(CONDENAjRAZA_ACUSADO = 1; RAZA_VICTIMA = 0) = ( 2:04 + 0:83 1 2:39 0)

= 0:2297 ' 0:23
8
ECONOMETRÍA I
Curso 2008/09
1. Cada pregunta del cuestionario, salvo que se indique expresamente lo con-

trario, requiere un análisis completo de todas las salidas del problema al que
se re…ere.
Por ejemplo, para responder aquellas preguntas que se re…eren a “estima-
ciones apropiadas”, o “dadas las estimaciones” o “dadas las condiciones del
problema”, etc., deben usarse los resultados basados en los estimadores con-
sistentes y más e…cientes de entre las distintas salidas.
2. Cada salida incluye todas las variables explicativas utilizadas en la estimación

correspondiente.
3. Algunos resultados correspondientes a las salidas presentadas han podido ser

omitidos.
4. La variable dependiente puede variar en cada salida presentada dentro del

mismo problema.
5. Para simpli…car, diremos que un modelo está “bien especi…cado” cuando el

modelo sea lineal en las variables en que se condiciona (tal y como aparecen
en el modelo) y el error sea independiente en media de dichas variables.
6. MCO y MC2E son las abreviaturas de mínimos cuadrados ordinarios y mín-

imos cuadrados en 2 etapas, respectivamente.

PROBLEMA 1: Nivel nutricional de los menores de 6 años
Los nutricionistas argumentan que una buena medida del nivel nutricional
de los niños pequeños, condicional a su edad y sexo, es su altura. Un modelo
económico del hogar sugeriría que la altura del niño, dados su edad y su sexo,
debería depender de los recursos del hogar y de la e…ciencia con que los hogares
traducen esos recursos en una mejor salud de sus miembros. En este ejemplo,
se proponen la renta del hogar y la educación de los padres para aproximar los
recursos del hogar, y la edad de la madre para aproximar su experiencia en el uso
de los recursos del hogar.
El modelo propuesto es el siguiente:
ALTED = 0 + 1 RENTAH + 2 EDADM + 3 EDUCM+ (*)

4 FEM + 5 RENTAFEM + u
donde:
ALTED = altura del niño (en cm) comparada con la altura de un niño bien
nutrido de su misma edad y sexo.
RENTAH = renta del hogar, medida en miles de euros.
EDADM = edad de la madre.
EDUCM = años de educación de la madre.
FEM = variable binaria que toma el valor uno si el menor es una niña y cero si
es un niño
RENTAFEM = RENTAH FEM = interacción de la variable RENTAH con la variable
binaria FEM.
Empleando datos de una muestra aleatoria de 269 niños y niñas menores de 6

años, se proporcionan las siguientes estimaciones:

Variable dependiente: ALTED

const 33:31 6:62 5:03 0:0000
RENTAH 2:30 0:89 2:59 0:0101
EDADM 1:15 0:29 3:95 0:0001
EDUCM 1:34 0:29 4:68 0:0000
FEM 0:20 0:92 0:22 0:8244
RENTAFEM 0:21 0:13 1:60 0:1106
2
R2
R2 corregido 0:1662
F (5; 263) 11:6874
(NOTA: La suma de cuadrados de los residuos de una regresión como la de la

Salida 1 pero que omite tanto FEM como RENTAFEM es 7715:57).

Variable dependiente: ALTED

const 7:29 0:77 9:47 0:0000
RENTAH 2:51 0:91 2:75 0:0064
EDUCM 0:28 0:11 2:68 0:0077
FEM 0:29 0:94 0:30 0:7607
RENTAFEM 0:21 0:14 1:51 0:1333
R2 0:1332
2
R corregido 0:1200
F (4; 264) 10:1392
Salida 3 : Matriz de correlaciones de variables seleccionadas utilizando las 269

observaciones 1–269
EDADM EDUCM RENTAH
EDADM 1:00 0:03
EDUCM 1:00 0:01
RENTAH 1:00
3
PROBLEMA 2: Estructura familiar y comportamiento lab-
oral de la mujer
Estamos interesados en estimar el impacto de las características familiares en
el comportamiento laboral de mujeres con hijos. Para ello, consideramos el modelo
siguiente:
hourswork = 0+ 1 age + 2 age2 + 3 educ

+ 4 educ2 + 5 Marr + 6 nchild + u;
donde
hourswork = número de horas trabajados por la mujer en la última semana;
age = edad de la mujer (en años);
age2 = (age)2 = edad de la mujer (en años) al cuadrado;,
educ = años de educación de la mujer (el número máximo de años de educación
es 24);
educ2 = años de educación de la mujer al cuadrado;
Marr = variable binaria que vale 1 si la mujer está actualmente casada y 0 en
caso contrario;
nchild = número de niños en el hogar.
Es muy posible que C(Marr; u) 6= 0 y C(nchild; u) 6= 0, por la existencia de

posibles variables omitidas correlacionadas con el estado civil y el número de hijos.
Para considerar este sesgo potencial de omisión de variables, disponemos de la
variable binaria boy1, que toma el valor 1 si el primer hijo que tuvo la mujer fue
varón y 0 en caso contrario, y la variable binaria mb1 que toma el valor 1 si la
mujer tuvo un parto múltiple en su primer embarazo y 0 en caso contrario.
Salida 1 : Estimaciones MCO usando las 662829 observaciones 1–662829

Variable dependiente: hourswork

const 3:3660 1:3668 2:46 0:0140
age 1:4447 0:0864 16:73 0:0000
age2 0:0246 0:0013 18:38 0:0000
educ 1:3966 0:0216 64:73 0:0000
educ2 0:0204 0:0017 12:28 0:0000
Marr 5:6990 0:0514 110:81 0:0000
nchild 4:7962 0:0264 181:77 0:0000
4
Desv. típica de la variable dependiente 19:0319
Desv. típica residual (^ ) 18:1407
R2 0:0914697
F (6; 662822) 11122:0

Variable dependiente: Marr
Errores estándar robustos a heterocedasticidad, variante HC1

const 0:28190 0:0333 8:46 0:0000
age 0:0267 0:0021 12:63 0:0000
age2 0:00026 0:00003 7:95 0:0000
educ 0:0344 0:0005 69:07 0:0000
educ2 0:0013 0:00004 31:37 0:0000
mb1 0:0313 0:0045 6:91 0:0000
boy1 0:0095 0:0011 8:86 0:0000
Suma de cuadrados de los residuos 127184:
R2 0:0199276
2
R corregido 0:0199187
F (6; 662822) 2264:04

Variable dependiente: Marr
Errores estándar robustos a heterocedasticidad, variante HC1

const 0:2875 0:0333 8:62 0:0000
age 0:0266 0:0021 12:60 0:0000
age2 0:00026 0:00003 7:93 0:0000
educ 0:0343 0:0005 68:94 0:0000
educ2 0:00125 0:00004 31:24 0:0000
5
R2 0:0197302
F (4; 662824) 3365:33

Variable dependiente: nchild

const 0:67952 0:0640 10:61 0:0000
age 0:1512 0:0040 37:39 0:0000
age2 0:00277 0:00006 44:26 0:0000
educ 0:1909 0:0010 195:41 0:0000
educ2 0:00633 0:00008 81:00 0:0000
mb1 0:6616 0:0086 76:71 0:0000
boy1 0:0073 0:0021 3:51 0:0004
2
R 0:198561
F (6; 662822) 27369:6

Variable dependiente: nchild

const 0:6882 0:0643 10:70 0:0000
age 0:1522 0:0041 37:47 0:0000
age2 0:00278 0:00006 44:15 0:0000
educ 0:1901 0:0001 193:68 0:0000
educ2 0:0063 0:00008 80:40 0:0000
R2 0:191445
F (4; 662824) 39235:0
Salida 6 : Estimaciones MC2E usando las 662829 observaciones 1–662829

Variable dependiente: texttthourswork
6
Instrumentos: mb1 boy1

const 9:0637 1:8731 4:84 0:0000
age 1:1823 0:1876 6:30 0:0000
age2 0:0173 0:00241 7:09 0:0000
educ 0:3205 0:1333 2:40 0:0162
educ2 0:01641 0:0052 3:17 0:0015
Marr 16:7750 4:6990 3:57 0:0004
nchild 1:1354 0:3646 3:11 0:0018
F (6; 662822) 5867:88
con valor p = 1.37037e-051

Variable dependiente: texttthourswork
(Nota: u_Marr y u_nchild son los residuos de las Salidas 2 y 4, respectivamente)

const 9:0637 1:7958 5:05 0:0000
age 1:1823 0:1799 6:57 0:0000
age2 0:0173 0:0023 7:40 0:0000
educ 0:3205 0:1278 2:51 0:0121
educ2 0:01641 0:0050 3:31 0:0009
Marr 16:7750 4:50511 3:72 0:0002
nchild 1:13540 0:3496 3:25 0:0012
u_Marr 11:0956 4:50541 2:46 0:0138
u_nchild 3:6993 0:3506 10:55 0:0000
R2 0:0917907
F (8; 662820) 8373:72
7
ECONOMETRÍA I
Curso 2008/09
Tipo de examen: 1
Instrucciones:
asignatura y su grupo, de acuerdo con la siguiente tabla:

ASIGNATURA
Economı́a 61 62 63 64 10188
Economı́a-Periodismo 66 10188
ADE 71 72 73 74 10188
Sim. ADE-Dcho. 17 18 43020

• Lea los enunciados de los problemas y las preguntas detenidamente.

Las primeras 25 preguntas se refieren al Problema 1, y las restantes al Problema 2.
• Para la fila correspondiente al número de cada una de las preguntas, rellene la casilla correspondi-
ente a la respuesta escogida en el impreso de lectura óptica (A ó B).

será cero.
tas tendrán una puntuación de cero. Para aprobar la asignatura, hay que responder correctamente
un mı́mimo de 35 preguntas. Recuerde que en la convocatoria extraordinaria no se tiene en cuenta
la posible puntuación complementaria que haya podido obtenerse durante el curso.

• Fechas de publicación de calificaciones: Viernes 4 de Septiembre.
– Grupos del Campus de Getafe: Lunes 6 de Septiembre a las 15 h (el lugar será anunciado en
Aula Global).
– Grupos del Campus de Colmenarejo: Lunes 6 de Septiembre a las 10 h (el lugar será anunciado
en Aula Global).

∗ entregue por escrito, si lo estima conveniente, las posibles reclamaciones sobre el enun-
ciado y las respuestas, que serán resueltas por escrito en un plazo máximo de 10 dı́as a
contar desde la fecha de revisión.
A. B. A. B. A. B. A. B. A. B.
1. 13. 25. 37. 49.
2. 14. 26. 38. 50.
3. 15. 27. 39. 51.
4. 16. 28. 40. 52.
5. 17. 29. 41. 53.
6. 18. 30. 42. 54.
7. 19. 31. 43. 55.
8. 20. 32. 44. 56.
9. 21. 33. 45. 57.
10. 22. 34. 46. 58.
11. 23. 35. 47. 59.
12. 24. 36. 48. 60.
Problema 1
1. Suponga que el modelo (*) verifica todos los supuestos del modelo de regresión clásico. La
hipótesis nula de que para hogares con el mismo nivel de renta, la altura del menor no
depende de su sexo es H0 : β 4 = 0.
A. Verdadero.
B. Falso.
hipótesis nula de que la altura del menor es independiente de su sexo se rechaza al 10%,
pero no al 5%.
A. Verdadero.
B. Falso.
3. Suponga que el modelo (*) verifica todos los supuestos del modelo de regresión clásico. Si
excluimos la variable EDADM en la estimación del modelo (*), el estimador MCO de β 3 será
inconsistente.
A. Verdadero.
B. Falso.
excluimos la variable RENTAH del modelo (*), los valores estimados de los coeficientes de las
variables incluidas cambiarán en función de la correlación de cada variable con la variable
excluida RENTAH.
A. Verdadero.
B. Falso.
5. Si la renta de los hogares estuviera medida con error, solamente los estimadores para β 1 y
β 5 serı́an inconsistentes.
A. Verdadero.
B. Falso.
6. Si la renta de los hogares se midiera en euros en lugar de en miles de euros, el coeficiente de
determinación R2 no se verı́a afectado.
A. Verdadero.
B. Falso.
7. Se podrı́a argumentar que el modelo (*) omite la educación del padre. Suponga que tanto la
educación del padre como la de la madre afectan positivamente la altura de sus hijos y que
los cónyuges tienden a tener niveles similares de educación. En un modelo que incluyera la
variable EDUCP (Educación del Padre) además de las variables ya incluidas en la Salida 1,
esperarı́amos que el coeficiente estimado de EDUCM fuera aún mayor que el de la Salida 1.
A. Verdadero.
B. Falso.

hipótesis nula de que el efecto de la educación de la madre no depende del sexo del menor
es H0 : β 4 = 0.
A. Verdadero.
B. Falso.
9. Suponga que el modelo (*) verifica todos los supuestos del modelo de regresión clásico. El es-
tadı́stico de contraste asociado a la hipótesis nula de que la altura del menor es independiente
(7715.57 − 7566.77)
de su sexo es W 0 ≃ × (269 − 5 − 1).
7566.77
A. Verdadero.
B. Falso.
10. Suponga que el modelo (*) verifica todos los supuestos del modelo de regresión clásico,
salvo el de homocedasticidad condicional. En ese caso, los estimadores convencionales de las
varianzas de los estimadores MCO serı́an incorrectos.
A. Verdadero.
B. Falso.
excluimos la variable RENTAH del modelo (*), los valores estimados de los coeficientes de las
variables incluidas no deberı́an cambiar mucho, dado que RENTAH que no es una variable
relevante.
A. Verdadero.
B. Falso.
12. El modelo (*) proporciona el mismo estimador, para hermanos de distinto sexo, del efecto
de un aumento en la renta del hogar sobre la altura.
A. Verdadero.
B. Falso.
13. Suponga que el modelo (*) verifica todos los supuestos del modelo de regresión clásico.
Utilizando las estimaciones apropiadas, manteniendo todo lo demás constante, considerando
una niña de 5 años, la diferencia media de altura si vive en un hogar cuya renta es de 11000
euros respecto a otro cuya renta es de 10000 euros, es aproximadamente de 2.51 cm.
A. Verdadero.
B. Falso.
14. Si la renta de los hogares estuviera medida con error, el sesgo de inconsistencia de los
estimadores de los coeficientes afectados serı́a mayor cuanto mayor fuera la varianza del
error de medida respecto a la varianza de la renta.
A. Verdadero.
B. Falso.

15. Si suponemos que las variables RENTAFEM y RENTAH están muy correlacionadas, y estimamos
el modelo (*) omitiendo una de las dos, el valor numérico del estadı́stico F de significación
conjunta disminuirı́a sustancialmente.
A. Verdadero.
B. Falso.
hipótesis nula de que el efecto de la renta del hogar no depende del sexo del menor es
H0 : β 5 = 0.
A. Verdadero.
B. Falso.
17. Suponga que el modelo (*) verifica todos los supuestos del modelo de regresión clásico. Al es-
timar el modelo (*) sin incluir la variable EDADM, se verifica que E (u | RENTAH, EDUCM, FEM) =
0.
A. Verdadero.
B. Falso.
18. Teniendo en cuenta que 1 centı́metro equivale a 0.4 pulgadas, si en lugar de disponer de
la altura de los niños medida en centı́metros, nos dieran la altura medida en pulgadas, los
coeficientes y los errores estándar de éstos quedarı́an reescalados por un factor de 0.4.
A. Verdadero.
B. Falso.
19. Suponga que el modelo (*) verifica todos los supuestos del modelo de regresión clásico, salvo
el de homocedasticidad condicional. En ese caso, los estimadores MCO convencionales de
los parámetros del modelo serı́an incorrectos.
A. Verdadero.
B. Falso.
20. Si la renta de los hogares se midiera en euros en lugar de en miles de euros, los estimadores
MCO de todos los coeficientes quedarı́an transformados.
A. Verdadero.
B. Falso.
21. Se podrı́a argumentar que el modelo (*) omite la educación del padre. Suponga que tanto
la educación del padre como la de la madre afectan positivamente la altura de sus hijos y
que los cónyuges tienden a tener niveles similares de educación. Suponga además que, al
estimar un modelo con la variable EDUCP (Educación del Padre) además de las variables ya
incluidas en la Salida 1, los estadı́sticos t de EDUCP y EDUCM son, respectivamente, 0.8 y 0.9.
Entonces, podrı́amos afirmar que la educación del padre y de la madre no son relevantes
para la altura.
A. Verdadero.
B. Falso.

22. Suponga que el modelo (*) verifica todos los supuestos del modelo de regresión clásico,
incluyendo el de homocedasticidad condicional, pero utilizamos errores estándar robustos a
heterocedasticidad. En ese caso, la inferencia será incorrecta, porque dichos errores estándar
son inconsistentes bajo homocedasticidad.
A. Verdadero.
B. Falso.
23. Dados los coeficientes para la variable EDUCM de las Salidas 1 y 2, si realizáramos una
regresión simple de la variable EDUCM sobre EDADM, el coeficiente de EDADM serı́a positivo.
A. Verdadero.
B. Falso.
24. Para complementar la especificación del modelo (*) se deberı́a incluir una variable de inter-
acción RENTAMAS = RENTAH × MAS, donde MAS es una variable binaria que toma el valor 1 si
el menor es un niño, y 0 si es una niña.
A. Verdadero.
B. Falso.
hipótesis nula de que para hogares con el mismo nivel de renta, la altura del menor no
depende de su sexo es H0 : β 4 = β 5 = 0.
A. Verdadero.
B. Falso.

Problema 2
26. De acuerdo con la información disponible, loa estimadores MCO de Marr y nchild serán
estimadores sesgados de β 5 y β 6 , y por tanto debemos calcular los correspondientes errores
estándar robustos a heterocedasticidad.
A. Verdadero.
B. Falso.
27. Utilizando las estimaciones apropiadas, y manteniendo constante todo lo demás, una madre
casada de 20 años de edad trabaja, en promedio, unas 5.1 horas semanales menos que una
madre soltera de 40 años de edad.
A. Verdadero.
B. Falso.
28. Si C(mb1, u) = C(boy1, u) = 0, C(Marr, u) 6= 0 y C(nchild, u) 6= 0, para que la ecuación esté
sobreidentificada bastarı́a que C(mb1, Marr) 6= 0 y C(mb1, nchild) 6= 0 simultáneamente, o
que C(boy1, Marr) 6= 0 y C(boy1, nchild) 6= 0 simultáneamente.
A. Verdadero.
B. Falso.
29. Utilizando las estimaciones apropiadas, podemos afirmar que, todo lo demás constante, una
madre de 31 años de edad trabaja en promedio unas 1.18 horas semanales menos que una
madre de 30 años de edad.
A. Verdadero.
B. Falso.
30. Si C(mb1, u) = 0, C(boy1, u) 6= 0, C(Marr, u) 6= 0 y C(nchild, u) 6= 0, la ecuación no está
identificada, por lo que deberı́amos estimarla apropiadamente por MCO.
A. Verdadero.
B. Falso.
31. La hipótesis nula de que el modelo es lineal en los años de educación y en la edad de la
madre es H0 : β 2 = β 4 = 0.
A. Verdadero.
B. Falso.
32. Utilizando las estimaciones apropiadas, la edad aumenta el número de horas semanales
trabajadas para mujeres de hasta 29 años, mientras que para mujeres por encima de dicha
edad, incrementos de la edad tienden a reducir la cantidad de horas trabajadas.
A. Verdadero.
B. Falso.
33. Si C(mb1, u) = C(boy1, u) = 0, C(Marr, u) 6= 0 y C(nchild, u) 6= 0, necesitarı́amos un
instrumento adicional por variable endógena para tener una ecuación sobreidentificada.
A. Verdadero.
B. Falso.

34. Utilizando las estimaciones apropiadas, una madre casada de 20 años de edad, con un niño,
y con 12 años de educación trabajará un promedio de 14.1 horas semanales.
A. Verdadero.
B. Falso.
35. Utilizando las estimaciones apropiadas, podemos afirmar que una mayor educación incre-
menta la cantidad media de horas trabajadas pero a una tasa decreciente.
A. Verdadero.
B. Falso.
36. Si C(mb1, u) = C(boy1, u) = 0, C(Marr, u) 6= 0 y C(nchild, u) 6= 0, la ecuación está
identificada, manteniéndose todo lo demás constante, incluso aunque mb1 no sea significativo
en la Salida 4 y boy1 sea no significativo en la Salida 2.
A. Verdadero.
B. Falso.
37. Si C(mb1, u) = C(boy1, u) = 0, C(Marr, u) 6= 0 y C(nchild, u) 6= 0, necesitarı́amos un
instrumento adicional para tener una ecuación sobreidentificada.
A. Verdadero.
B. Falso.
38. Si C(mb1, u) = C(boy1, u) = C(Marr, u) = 0 y C(nchild, u) 6= 0, podrı́amos estimar consis-
tentemente el modelo usando sólo uno de los instrumentos. Sin embargo, las estimaciones
resultantes serı́an menos eficientes que si utilizáramos ambos instrumentos.
A. Verdadero.
B. Falso.
39. Si C(mb1, u) = C(boy1, u) = 0, C(Marr, u) 6= 0 y C(nchild, u) 6= 0, la ecuación está
identificada, manteniéndose todo lo demás constante, incluso aunque mb1 no sea significativo
en la Salida 4.
A. Verdadero.
B. Falso.
40. Utilizando las estimaciones apropiadas, una madre casada de 25 años de edad, con un niño,
y con 12 años de educación trabajará un promedio de 27.4 horas semanales.
A. Verdadero.
B. Falso.
41. Utilizando las estimaciones apropiadas, y manteniendo constante todo lo demás, una madre
soltera de 20 años de edad trabaja, en promedio, unas 13.9 horas semanales más que una
madre casada de 40 años de edad.
A. Verdadero.
B. Falso.

42. Si estimáramos la misma ecuación que en la Salida 6 por MCO, utilizando Marr pero susti-
tuyendo nchild por su predicción correspondiente basada en las estimaciones de la Salida 4,
la estimación numérica de β 6 serı́a idéntica a la de la Salida 6, pero la estimación numérica
de β 5 diferirı́a de la de la Salida 6.
A. Verdadero.
B. Falso.
43. Si C(Marr, u) = C(nchild, u) = 0, podemos afirmar que las horas semanales trabajadas
tienden a aumentar con los años de educación pero a una tasa decreciente. Sin embargo, las
horas trabajadas no decrecen con la educación para el rango de valores relevante (menos de
20 años de educación).
A. Verdadero.
B. Falso.
44. Podrı́amos haber obtenido estimaciones idénticas de los coeficientes de la Salida 6 si es-
timáramos la misma ecuación por MC2E, pero usando como instrumentos las predicciones
correspondientes de Marr y nchild basadas en la Salida 2 y en la Salida 4, respectivamente.
A. Verdadero.
B. Falso.
45. Para contrastar únicamente la exogeneidad de Marr, debemos proceder de forma similar a
la Salida 7, pero excluyendo u nchild, y usar el estadı́stico t de u Marr para implementar
el contraste de exogeneidad.
A. Verdadero.
B. Falso.
46. Si C(mb1, u) = C(boy1, u) = C(Marr, u) = 0 y C(nchild, u) 6= 0, tendremos una ecuación
exactamente indentificada, que puede estimarse apropiadamente por MCO.
A. Verdadero.
B. Falso.
47. Si C(mb1, u) = C(boy1, u) = 0, mirando los resultados de la Salida 2 a la Salida 5, podemos
concluir a partir de los estadı́sticos correspondientes, que son aproximadamente 130.3 y
5884.6, y al 5% de significación, que mb1 y boy1 son instrumentos válidos.
A. Verdadero.
B. Falso.
48. De acuerdo con la información disponible, podemos implementar el contraste de exogeneidad
de forma equivalente (con un valor similar) de nchild y Marr usando la Salida 7 y la Salida
1.
A. Verdadero.
B. Falso.
49. Si C(mb1, u) = C(boy1, u) = 0, mirando los resultados de la Salida 2 a la Salida 5, podemos
concluir a partir de los estadı́sticos correspondientes, que son aproximadamente 2264.0 y
27369.6, y al 5% de significación, que mb1 y boy1 son instrumentos válidos.
A. Verdadero.
B. Falso.

50. Si C(Marr, u) = 0 pero C(nchild, u) 6= 0 todas las estimaciones de la Salida 1 serán en
general sesgadas e inconsistentes.
A. Verdadero.
B. Falso.
51. Si C(Marr, u) = 0 pero C(nchild, u) 6= 0 podemos afirmar en base a la Salida 1 que
una madre casada trabaja en media 5.7 horas semanales menos que una madre soltera. Sin
embargo, no podemos decir nada sobre el impacto del número de niños, porque su coeficiente
estimado es inconsistente.
A. Verdadero.
B. Falso.
52. De acuerdo con la información disponible, rechazamos la exogeneidad de nchild y Marr al
5% de significación, en vista del valor del estadı́stico χ2 de 234.
A. Verdadero.
B. Falso.
53. Si C(Marr, u) = C(nchild, u) = 0, podemos afirmar que las horas semanales trabajadas
aumentan con la edad de la madre, pero a una tasa decreciente. Sin embargo, las horas
trabajadas no decrecen con la edad para el rango de valores relevante (por debajo de 65
años).
A. Verdadero.
B. Falso.
54. Si C(Marr, u) 6= 0 y C(nchild, u) 6= 0 pero tanto Marr como nchild tienen media cero y no
están correlacionadas con los demás regresores, que son exógenos, las estimaciones MCO de
β 1 , β 2 , β 3 y β 4 serı́an consistentes, mientras que las de β 5 y β 6 , no.
A. Verdadero.
B. Falso.
55. Dada la información disponible, no es posible contrastar la exogeneidad de los instrumentos
mb1 y boy1.
A. Verdadero.
B. Falso.
56. Dada la información disponible, para contrastar que mb1 no está correlacionado con u nece-
sitamos un instrumento adicional para poder implementar un contraste de restricciones de
sobreidentificación.
A. Verdadero.
B. Falso.
57. La hipótesis nula de que el modelo es lineal en los años de educación y en la edad de la
madre es H0 : β 2 = β 4 = 1.
A. Verdadero.
B. Falso.

58. Para contrastar que nchild no está correlacionado con u, podemos eliminar Marr de la
estimación, de manera que tendrı́amos entonces dos instrumentos para nchild y podrı́amos
implementar un contraste de restricciones de sobredentificación.
A. Verdadero.
B. Falso.
59. Podrı́amos haber obtenido estimaciones idénticas de los coeficientes de la Salida 6 si es-
timáramos la misma ecuación por MCO, pero sustituyendo Marr y nchild por sus predic-
ciones correspondientes basadas en la Salida 2 y en la Salida 4, respectivamente.
A. Verdadero.
B. Falso.
60. Si C(mb1, u) = 0, C(boy1, u) 6= 0, C(Marr, u) 6= 0 y C(nchild, u) 6= 0, independiente-
mente de la correlación parcial de los instrumentos con Marr y nchild, ni MCO ni MC2E
proporcionarı́an estimadores consistentes.
A. Verdadero.
B. Falso.

Problema 2
26. B. 33. B. 40. B. 47. A. 54. A.
ECONOMETRÍA I 27. B. 34. A. 41. A. 48. A. 55. A.
Curso 2008/09 28. B. 35. B. 42. B. 49. B. 56. A.
EXAMEN FINAL (Convocatoria Extraordinaria)
1 de Septiembre de 2009 29. B. 36. A. 43. A. 50. A. 57. B.
30. B. 37. A. 44. A. 51. B. 58. B.
31. A. 38. A. 45. B. 52. A. 59. A.
Problema 1
32. B. 39. A. 46. B. 53. B. 60. A.
1. B. 6. A. 11. B. 16. A. 21. B.
2. A. 7. B. 12. B. 17. B. 22. B.
3. A. 8. B. 13. A. 18. A. 23. A.
4. A. 9. A. 14. A. 19. B. 24. B.
5. B. 10. A. 15. A. 20. B. 25. A.
Tipo de examen: 1 página 1 Tipo de examen: 1 página 2
ECONOMETRÍA
Curso 2009/10
25 de Junio de 2010
1. Cada pregunta del cuestionario, salvo que se indique expresamente lo contrario, requiere un análisis
completo de todas las salidas del problema al que se re…ere.
Por ejemplo, para responder aquellas preguntas que se re…eren a “estimaciones apropiadas”, o “dadas
las estimaciones” o “dadas las condiciones del problema”, deben usarse los resultados basados en los
estimadores consistentes y más e…cientes de entre las distintas salidas.
2. El orden de las preguntas es aleatorio.
3. Cada salida incluye todas las variables explicativas utilizadas en la estimación correspondiente.
4. Algunos resultados correspondientes a las salidas presentadas han podido ser omitidos.
5. La variable dependiente puede variar en cada salida presentada dentro del mismo problema.
6. Para simpli…car, diremos que un modelo está “bien especi…cado” cuando el modelo sea lineal en las
variables en que se condiciona (tal y como aparecen en el modelo) y el error sea independiente en media
de dichas variables.
7. MCO y MC2E son las abreviaturas de mínimos cuadrados ordinarios y mínimos cuadrados en 2 etapas,
respectivamente.
Problema: Determinantes de la fertilidad.
Queremos estudiar los determinantes del número total de niños que ha tenido una mujer (KIDS). Nos
interesa, entre otras cosas, conocer si han cambiado los índices de fertilidad (entendidos como el número
medio de hijos por mujer) a lo largo del tiempo. Disponemos de una muestra de 476 mujeres de la Encuesta
Social General (General Social Survey) del Centro de Investigación Nacional de Opinión de Estados Unidos
para los años 1972, 1978 y 1984.
Las características de la mujer que consideramos son EDU C (Años de educación), AGE (Edad), AGE 2
(Edad al cuadrado), BLACK (Variable binaria que toma el valor 1 si la mujer es de raza negra y 0 en caso
contrario).
Además, para considerar la posibilidad de que los índices de fertilidad cambien a lo largo del tiempo,
disponemos de las variables Y EAR (año al que corresponde la observación; esta variable toma tres valores
posibles: 72, 78 u 84); Y 72 (Variable binaria que toma el valor 1 si la observación corresponde al año 1972
y 0 en caso contrario).
Por último, cabe la posibilidad de utilizar la interacción de Y EAR con educación, (Y EAR EDU C).
Se han considerado los siguientes modelos para analizar los determinantes del número de hijos:
2
KIDS = 0 + 1 AGE + 2 AGE + 3 BLACK + 4 EDU C + 5Y EAR + "1 (I)
2
KIDS = 0 + 1 AGE + 2 AGE + 3 BLACK + 4 EDU C + 5Y 78 + 6Y 84 + "2 (II)
KIDS = 0+ 1 AGE + 2 AGE 2 + 3 BLACK + 4 EDU C + 5Y EAR (III)

+ 6 (Y EAR EDU C) + "3
También se dispone de dos variables binarias adicionales, RU RAL (que toma el valor 1 si la mujer residía
en un área rural en su adolescencia y 0 en caso contrario) y LP OP (que toma el valor 1 si la mujer residía en
un área densamente poblada en su adolescencia y 0 en caso contrario). Por supuesto, pueden considerarse
también las interacciones de Y EAR con estas dos variables, (Y EAR RU RAL) y (Y EAR LP OP ).
A continuación se presentan los resultados de diversas estimaciones:

const 2:1966 5.0370 0:4361 0.6630
AGE 0:4788 0.2178 2:1982 0.0284
AGE 2 0:0054 0.0025 2:1862 0.0293
BLACK 0:3640 0.2929 1:2429 0.2145
EDU C 0:1381 0.0298 4:6403 0.0000
Y EAR 0:0489 0.0152 3:2135 0.0014
R2 0.0993 Adjusted R2 0.0897
F (5; 470) 10.36 P-value(F ) 1.9e–09
2
const 6:0500 4.8054 1:2590 0.2087
AGE 0:4908 0.2179 2:2518 0.0248
AGE 2 0:0055 0.0025 2:2398 0.0256
BLACK 0:3814 0.2931 1:3014 0.1938
EDU C 0:1374 0.0298 4:6184 0.0000
Y 78 0:1001 0.1871 0:5351 0.5929
Y 84 0:5794 0.1827 3:1706 0.0016
R2 0.1020 Adjusted R2 0.0905
F (6; 469) 8.87 P-value(F ) 3.5e–09

? 0:0005 0:0013 0:0007 0:0034 0:0036 AGE
? 1:4 10 5 7:4 10 6 3:6 10 5 3:6 10 5 AGE 2
? 0 0:0030 0:0012 BLACK
? 0:0003 0:0008 EDU C
? 0:0180 Y 78
? Y 84

const 15:5816 7.4233 2:0990 0.0363
AGE 0:4401 0.2172 2:0261 0.0433
AGE 2 0:0050 0.0025 2:0148 0.0445
BLACK 0:3984 0.2917 1:3660 0.1726
EDU C 0:9904 0.4627 2:1403 0.0328
Y EAR 0:1321 0.0756 1:7473 0.0812
(Y EAR EDU C) 0:0143 0.0059 2:4438 0.0149

R2 0.1106 Adjusted R2 0.0992
F (6; 469) 9.7 P-value(F ) 4.2e–10

AGE AGE 2 BLACK EDUC YEAR (YEAR EDUC)
? 0:0005 0:0009 0:0066 0:0009 9:3 10 5 AGE
6 5 5
? 9:3 10 7:5 10 1 10 1 10 6 AGE 2
? 0:0069884 0:0011365 8:3 10 5 BLACK
? 0:034144 0:0027 EDUC
? 0:0004 YEAR
? (YEAR EDUC)
3
Salida 4: TSLS, using observations 1–476
Instrumented: EDU C
Instruments: const AGE AGE 2 BLACK Y EAR RU RAL LP OP (Y EAR RU RAL) (Y EAR LP OP )
Coe¢ cient Std. Error z-stat p-value
const 43:3158 34.9236 1:2403 0.2149
AGE 0:6207 0.2728 2:2749 0.0229
AGE 2 0:0069 0.0031 2:2416 0.0250
BLACK 0:6224 0.3591 1:7331 0.0831
EDU C 3:0089 2.8246 1:0652 0.2868
Y EAR 0:3817 0.4369 0:8736 0.3824
(Y EAR EDU C) 0:0360 0.0350 1:0299 0.3031

R2 0.0061 Adjusted R2 0.0066
F (6; 469) 4.28 P-value(F ) 0.00033

AGE AGE 2 BLACK EDUC YEAR (YEAR EDUC)
? 0:0008 0:0058 0:1016 0:0195 0:0015 AGE
? 5:7 10 5 0:0012 0:0002 1:8 10 5 AGE 2
? 0:3550 0:0521 0:0042 BLACK
? 1:2291 0:0986 EDUC
? 0:0153 YEAR
? (YEAR EDUC)
Salida 5A: OLS, using observations 1–476

const 15:7871 8.2430 1:9152 0.0561
AGE 0:6551 0.3326 1:9693 0.0495
AGE 2 0:0071 0.0038 1:8905 0.0593
BLACK 0:3120 0.4519 0:6904 0.4903
Y EAR 0:1492 0.0358 4:1732 0.0000
RU RAL 11:1516 4.1572 2:6825 0.0076
LP OP 5:0678 3.6998 1:3698 0.1714
(Y EAR RU RAL) 0:1509 0.0530 2:8455 0.0046
(Y EAR LP OP ) 0:0586 0.0473 1:2389 0.2160
R2 0.0974 Adjusted R2 0.0819
F (8; 467) 6.3 P-value(F ) 9.2e–08
Salida 5B: OLS, using observations 1–476

const 24:0167 7.7205 3:1108 0.0020
AGE 0:7663 0.3354 2:2849 0.0228
AGE 2 0:0083 0.0038 2:1778 0.0299
BLACK 0:5512 0.4528 1:2174 0.2241
Y EAR 0:0779 0.0233 3:3433 0.0009
4
R2 0.0530 Adjusted R2 0.0449
F (4; 471) 6.6 P-value(F ) 0.00004
Salida 5C: OLS, using observations 1–476

Dependent variable: (Y EAR EDU C)
const 322:8543 649.5532 0:4970 0.6194
AGE 54:4209 26.2127 2:0761 0.0384
AGE 2 0:5941 0.2974 1:9977 0.0463
BLACK 22:7724 35.6073 0:6395 0.5228
Y EAR 24:2667 2.8177 8:6124 0.0000
RU RAL 907:9992 327.5882 2:7718 0.0058
LP OP 355:6616 291.5432 1:2199 0.2231
(Y EAR RU RAL) 12:3139 4.1784 2:9471 0.0034
(Y EAR LP OP ) 4:0834 3.7263 1:0958 0.2737
Sum squared resid 17033368 S.E. of regression 190.98
R2 0.2610 Adjusted R2 0.2484
F (8; 467) 20.6 P-value(F ) 8.4e–27
Salida 5D: OLS, using observations 1–476

Dependent variable: (Y EAR EDU C)
const 957:0200 609.1059 1:5712 0.1168
AGE 63:0297 26.4602 2:3821 0.0176
AGE 2 0:6831 0.3003 2:2748 0.0234
BLACK 40:9939 35.7203 1:1476 0.2517
Y EAR 18:7665 1.8383 10:2087 0.0000
Sum squared resid 17914806 S.E. of regression 195.03
R2 0.2228 Adjusted R2 0.2162
F (4; 471) 33.7 P-value(F ) 8.8e–25

const 43:3158 30.9547 1:3993 0.1624
AGE 0:6207 0.2418 2:5665 0.0106
AGE 2 0:0069 0.0027 2:5291 0.0118
BLACK 0:6224 0.3183 1:9553 0.0511
EDU C 3:0089 2.5036 1:2018 0.2300
Y EAR 0:3817 0.3873 0:9856 0.3249
(Y EAR EDU C) 0:0360 0.0310 1:1619 0.2459
RES5A 2:0124 2.5476 0:7899 0.4300
RES5C 0:0214 0.0316 0:6790 0.4975
NOTA: RES5A y RES5C son los respectivos residuos de las Salida 5A y 5C.
5
R2 0.1250 Adjusted R2

Dependent variable: RES4
const 0:9642 6.0759 0:1587 0.8740
AGE 0:0135 0.2452 0:0551 0.9561
AGE 2 0:0001 0.0028 0:0536 0.9572
BLACK 0:0349 0.3331 0:1047 0.9166
Y EAR 0:0098 0.0264 0:3716 0.7104
RU RAL 0:8046 3.0643 0:2626 0.7930
LP OP 2:3062 2.7271 0:8456 0.3982
(Y EAR RU RAL) 0:0082 0.0391 0:2105 0.8334
(Y EAR LP OP ) 0:0315 0.0349 0:9027 0.3671
NOTA: RES4 son los residuos de la Salida 4.
R2 0.0046 Adjusted R2 0.0125
F (8; 467) 0.2689 P-value(F ) 0.9757
6
ECONOMETRÍA
Curso 2009/10
25 de Junio de 2010
Tipo de examen: 1
TIEMPO: 125 MINUTOS
Instrucciones:


Las respuestas incorrectas tendrán una puntuación de cero.
será cero.
• Para obtener una calificación de 5 sobre 10 en el examen, hay que responder correctamente 28
preguntas.

• Fechas de publicación de calificaciones: Lunes 28 de Junio.
• Fecha y lugar de revisión:
– Grupos del Campus de Getafe: Miércoles 30 de Junio a las 14:30 h. Aulas 15.1.39, 15.1.41 y
15.1.43.
– Grupos del Campus de Colmenarejo: Jueves 1 de Julio a las 14:30 h. Aula 1.0.B08.

(a) (b) (c) (a) (b) (c) (a) (b) (c) (a) (b) (c)
1. 13. 25. 37.
2. 14. 26. 38.
3. 15. 27. 39.
4. 16. 28. 40.
5. 17. 29. 41.
6. 18. 30. 42.
7. 19. 31. 43.
8. 20. 32. 44.
9. 21. 33. 45.
10. 22. 34. 46.
11. 23. 35. 47.
12. 24. 36. 48.

contrastar que el número medio de hijos no depende del momento del tiempo (el año), la
(a) H0 : γ5 = γ6 .
(b) H0 : γ5 = γ6 = 0.
(c) H0 : γ5 = 0.
2. Suponga que el modelo (II) verifica los supuestos del modelo de regresión clásico. Si la raza
(BLACK) fuera una variable irrelevante, la varianza de los estimadores de los coeficientes de
las variables relevantes serı́a mayor cuanto:
(a) Mayor sea la proporción de mujeres de raza negra en la muestra.
(b) Más correlacionada esté BLACK con las variables relevantes.
(c) Menos correlacionada esté BLACK con las variables relevantes.
3. Suponga que el error del modelo (II) verifica E (ε2 | AGE,BLACK,EDU C,Y 78,Y 84) 6= 0 para
de homocedasticidad. Suponga además que disponemos de cuatro variables adicionales Z1 ,
Z2 , Z3 , Z4 no incluidas en el modelo y que sabemos que no están correlacionadas con ε2 .
Entonces, en cualquier caso:
(a) Si estimáramos el modelo (II), incluyendo Z1 , Z2 , Z3 , Z4 como variables adicionales,
por MCO, los estimadores que obtendrı́amos para los coeficientes δ1 , δ2 , δ3 , δ4 , serı́an
consistentes.
(b) Si estimáramos el modelo (II) por MC2E utilizando Z1 , Z2 , Z3 , Z4 como instrumentos,
los estimadores que obtendrı́amos para los coeficientes δ1 , δ2 , δ3 , δ4 , serı́an consistentes.
(c) Si estimáramos el modelo (II) por MCO, los estimadores que obtendrı́amos para los
coeficientes δ1 , δ2 , δ3 , δ4 , serı́an inconsistentes.
4. Si en el modelo (I) se omitiera alguna variable relevante, entonces las estimaciones de la Salida
1 serı́an:
(b) Siempre inconsistentes.
(c) Consistentes, siempre que la variable omitida no esté correlacionada con las restantes
variables explicativas del modelo.
5. Suponga que tenemos la seguridad de que AGE, BLACK y, por supuesto, Y EAR, no están
correlacionadas con ε2 . Además, suponga que RU RAL y LP OP tampoco están correla-
cionadas con ε2 . Si hubiéramos estimado el modelo (II) por MC2E pero utilizando solamente
RU RAL como instrumento para EDU C, los estimadores obtenidos para los parámetros del
modelo (II):
(a) El programa Gretl nos indicarı́a que no hay suficientes instrumentos.
(c) Serı́an menos eficientes que los estimadores MC2E que utilizaran tanto RU RAL como
LP OP como instrumentos.

6. Suponga que estamos interesados en el modelo (III). La información proporcionada en la
Salida 6 nos permite averiguar si:
(a) RU RAL es mejor instrumento que LP OP .
7. Considere el modelo (III) y suponga que la educación es una variable endógena. Teniendo en
cuenta los instrumentos utilizados en la Salida 4, podemos afirmar que el modelo está:
(a) Sobreidentificado, siendo el número de restricciones de sobreidentificación igual a 2.
(b) Exactamente identificado.
(c) Sobreidentificado, siendo el número de restricciones de sobreidentificación igual a 1.
8. Suponga que el modelo (II) verifica los supuestos del modelo de regresión clásico. Si quisiera
contrastar que el efecto causal de la edad sobre el número de hijos es constante, la hipótesis
nula serı́a
(a) H0 : δ1 − δ2 = 0.
(b) H0 : δ1 = δ2 = 0.
(c) H0 : δ2 = 0.
9. Comparando los modelos (I), (II) y (III):
(a) Los modelos (I) y (II) no son comparables, ya que ninguno de los dos se puede expresar
como un caso particular del otro.
(b) El modelo (I) es el más restrictivo.
(c) El modelo (III) es el menos restrictivo.
10. Comparando los modelos (I) y (II), el modelo (II) puede expresarse como el modelo (I) con
(a) δ6 = 6δ5 .
(b) δ6 = δ5 .
(c) δ6 = 2δ5 .
EDU C estuviera medida con error (y dicho error tuviese varianza estrictamente positiva), las
estimaciones de la Salida 1 serı́an:
(a) Consistentes, aunque menos eficientes que si la variable no se midiera con error.
(c) Inconsistentes, sólo si el error de medida estuviera correlacionado con el error del
modelo.
12. Suponga que el modelo (I) verifica los supuestos del modelo de regresión clásico. Considere
dos mujeres entrevistadas en el mismo año, ambas de raza blanca y con la misma edad, la
primera de las cuales tiene 7 años menos de estudios que la segunda. La primera tendrá, en
promedio, aproximadamente (redondeando al entero más próximo):
(b) 1 hijo menos que la segunda.
13. Si la educación fuera una variable endógena:
14. Suponiendo que RU RAL y LP OP no están correlacionados con ε3 , si quisiéramos contrastar
que las variables RU RAL y LP OP son instrumentos válidos para EDU C, el valor del es-
tadı́stico de contraste serı́a
(a) 7.8.
(b) 51.4.
(c) 23.4.
mación apropiada de V (KIDS| AGE, BLACK,EDU C,Y EAR) (redondeada a 1 decimal),
es:
(a) 1.6.
(b) 2.8.
(c) 2.6.
resultados de la Salida 3, y considerando solamente mujeres menores de 40 años:
(b) Las mujeres con mayor nivel de educación tienen en promedio más niños.
17. Suponga que el modelo (I) verifica los supuestos del modelo de regresión clásico. Dados
los resultados de la Salida 1, para una edad, raza y nivel de educación determinados (y
redondeando a 1 decimal):
1984.
1972.
contrastar que la educación no afecta a la fertilidad, la hipótesis nula es:
(a) H0 : γ4 = 0.

γ4 − γ6 = 0
(b) H0 : .
γ6 = 0
(c) H0 : γ4 = γ6 .

19. Suponga que estamos interesados en el modelo (II). Considere la siguiente afirmación: “En
el año 1972, el ı́ndice de fertilidad de una mujer negra de 30 años con 10 años de estudios
es igual que el de una mujer negra con igual educación pero 1 año más joven”. Dados los
resultados obtenidos (redondeando a 2 decimales):
equivalente:
como regresores todas las variables explicativas exógenas y las correspondientes predic-
ciones de la educación y de su interacción con Y EAR, basadas en las respectivas
estimaciones de las Salidas 5A y 5C.
estimaciones de las Salidas 5B y 5D.
como regresores todas las variables explicativas exógenas, ası́ como las variables
RU RAL y LP OP y las interacciones de éstas con Y EAR.
cuenta los instrumentos utilizados en la Salida 4, si quisiera realizar un contraste de restric-
ciones de sobreidentificación, utilizarı́a como estadı́stico de contraste:
(a) El R2 de la Salida 4 multiplicado por el número de observaciones.
(b) El R2 de la Salida 7 multiplicado por el número de observaciones.
(c) El R2 de la Salida 5A multiplicado por el número de observaciones.
contrastar que el efecto causal de la educación es igual para las mujeres observadas en 1978
que para las mujeres observadas en 1984, la hipótesis nula a contrastar serı́a:
(a) γ4 = γ6 = 0.
(b) γ6 = 0.
(c) γ4 = γ5 = γ6 .
contrastar la hipótesis de que el número medio de hijos no depende del momento del tiempo
(el año):

(a) Los modelos (I) y (II) no son modelos comparables porque el modelo (I) incluye vari-
ables que no incluye el modelo (II), y viceversa.
cación dadas, el ı́ndice de fertilidad cambie de manera diferente a lo largo del tiempo.
equivalente:
como regresores las variables explicativas exógenas, la educación y su interacción con
Y EAR, utilizando como instrumentos predicciones basadas en las estimaciones de las
Salidas 5B y 5D.
Salidas 5A y 5C.
26. Suponga que el modelo (III) verifica los supuestos del modelo de regresión clásico. Si quisiera
contrastar que en el año 1972, el número medio de hijos para una mujer negra con 10 años de
educación es el mismo que para una mujer negra de igual edad pero con 12 años de educación,
la hipótesis nula serı́a:
(a) H0 : γ4 = −144γ6 .
(b) H0 : γ4 + 72γ6 = 0.
(c) H0 : 2γ4 + 72γ6 = 0.
el año 1972, el ı́ndice de fertilidad de una mujer negra de 30 años con 10 años de estudios es
igual que el de una mujer también negra y con igual educación pero 1 año más joven”. Dados
los resultados obtenidos:
(c) Podemos rechazar dicha afirmación al 5% de significación.
28. Considere el modelo (III) y suponga que la educación es una variable endógena. Los resultados
de la Salida 7 nos permiten contrastar que:
(a) La educación no está correlacionada con los instrumentos utilizados en la Salida 4.
(b) Ninguno de los instrumentos utilizados en la Salida 4 está correlacionado con ε3 .
(c) La educación no está correlacionada con ε3 .
29. Concentrándonos en los modelos (I) y (II):
(b) El modelo (II) está mal especificado, porque omite la variable Y 72.

30. Suponga que el modelo (I) verifica los supuestos del modelo de regresión clásico. Dadas las
(a) Por cada 50 mujeres, hay alrededor de 2.4 hijos más en 1972 que en 1984.
(b) Por cada 50 mujeres, hay alrededor de 29.3 hijos más en 1972 que en 1984.
(c) El número medio de hijos que tiene una mujer en 1978 es un 29.3% menor que el de
una mujer en 1972.
con la Salida 1, el efecto de la educación sobre el número de hijos es:
(b) Negativo (en promedio) para todas las mujeres de la muestra.
(c) Positivo (en promedio) para las mujeres negras, ya que el coeficiente de BLACK es
mayor en valor absoluto que el coeficiente de EDU C.
32. Suponga que estamos interesados en el modelo (III). A la vista de los resultados:
(a) No rechazamos que la correlación de los instrumentos con el error del modelo (III) es
igual a cero.
(b) Rechazamos que EDU C es exógena.
33. Suponga que el modelo (III) verifica los supuestos del modelo de regresión clásico. Dadas las
10 de estudios, en el año 1972, el número medio de hijos es aproximadamente:
(a) 0.98.
(b) 0.34.
(c) 1.12.
34. Suponga que desea obtener el efecto causal de la educación sobre el número de hijos en
el modelo (III). Si la educación fuera una variable endógena, a la luz de la información
proporcionada:
(b) Necesitarı́amos al menos una variable no incluida en el modelo y no correlacionada con
ε3 para estimar consistentemente los parámetros de interés utilizando MC2E.
(c) Necesitarı́amos al menos dos variables diferentes no incluidas en el modelo y no cor-
relacionadas con ε3 para estimar consistentemente los parámetros de interés utilizando
MC2E, ya que la educación aparece en el modelo (III) interaccionada con la variable
Y EAR.
35. Suponga que estamos interesados en el modelo (II) y su relación con el modelo (I). Considere
la siguiente conjetura: “Para una edad, raza y nivel de educación determinados, la caı́da en
el ı́ndice de fertilidad es constante a lo largo del tiempo”. Si dicha conjetura es cierta, debe
cumplirse que:
(a) δ5 = δ6 .
(b) Los términos constantes de ambos modelos son iguales, es decir, β0 = δ0 .
(c) 6β5 = δ6 − δ5 .

cuenta los instrumentos utilizados en la Salida 4, y a la luz de los resultados presentados:
(a) No se dispone de información para concluir si dichos instrumentos son o no válidos.
(b) No rechazamos la validez de dichos instrumentos.
(c) Rechazamos la validez de dichos instrumentos.
37. Suponga que el modelo (III) verifica los supuestos del modelo de regresión clásico. Dadas
las estimaciones, las mujeres negras con 20 años de edad y 5 años de educación han visto
disminuir su número medio de hijos de 1978 a 1984 (redondeando a 1 decimal) en:
(a) −0.8.
(b) −0.7.
(c) −0.4.
AGE, AGE 2 , BLACK y EDU C. Entonces:
(a) Si incluyéramos además Y EAR, Y 78 e Y 84 como variables explicativas, dicho modelo
serı́a más general que el modelo (I) o que el modelo (II).
MCO, el R2 serı́a mayor que el de la Salida 2.
los de la Salida 2.
contrastar la hipótesis nula de que el efecto causal de la educación es el mismo para mujeres
observadas en 1978 que para mujeres observadas en 1984, podemos concluir que:
(b) No rechazamos dicha hipótesis nula al 5% de significación.
de regresión clásico, si la raza (BLACK) fuera una variable irrelevante:
(b) La Salida 1 proporcionarı́a estimaciones inconsistentes de los parámetros del modelo
(I).
(c) Para que la Salida 2 proporcionara estimaciones consistentes de los parámetros del
modelo (II) habrı́a que estimar el modelo eliminando la variable BLACK.

41. Si la educación fuera una variable endógena, para contrastar que tanto RU RAL como LP OP
son instrumentos válidos, habrı́a que:
sobre ambos instrumentos y sus respectivas interacciones con la variable Y EAR, dichos
instrumentos y sus respectivas interacciones son conjuntamente significativos.
la educación.
(a) El efecto causal de la educación es más negativo en 1978 que en 1984.
(b) El efecto causal de la educación es positivo.
(c) El efecto causal de la educación es más negativo en 1978 que en 1972.
43. Suponga que el modelo (I) verifica los supuestos del modelo de regresión clásico. Dados los
resultados de la Salida 1, podemos decir que los ı́ndices de fertilidad medios:
contrastar que el efecto causal de la educación sobre el número de hijos no depende del año,
la hipótesis nula es:
(a) H0 : γ5 = γ6 = 0.
(b) H0 : γ6 = 0.
(c) H0 : γ4 = γ6 = 0.
mujeres observadas en 1984, el estadı́stico de contraste, en valor absoluto (redondeando a 1
decimal) serı́a:
(a) 14.7.
(b) 1.7.
(c) 2.4.
(a) El modelo (I) impone la restricción de que el valor del coeficiente de Y 78 es exactamente
la mitad del valor del coeficiente de Y 84.
otro.
(c) El modelo (I) impone la restricción de que los coeficientes de Y 78 e Y 84 son iguales.

y una mujer blanca de igual edad pero con 5 años menos de estudios es (redondeando a 1
decimal):
(a) No es posible responder con la información disponible.

ECONOMETRÍA
Curso 2009/10
25 de Junio de 2010
Tipo de examen: 2
TIEMPO: 125 MINUTOS
Instrucciones:


será cero.
preguntas.

15.1.43.

(a) (b) (c) (a) (b) (c) (a) (b) (c) (a) (b) (c)
1. 13. 25. 37.
2. 14. 26. 38.
3. 15. 27. 39.
4. 16. 28. 40.
5. 17. 29. 41.
6. 18. 30. 42.
7. 19. 31. 43.
8. 20. 32. 44.
9. 21. 33. 45.
10. 22. 34. 46.
11. 23. 35. 47.
12. 24. 36. 48.

(el año):
(b) 1 hijo menos que la segunda.
(a) 23.4.
(b) 51.4.
(c) 7.8.
nula serı́a
(a) H0 : δ2 = 0.
(b) H0 : δ1 = δ2 = 0.
(c) H0 : δ1 − δ2 = 0.
(a) H0 : 2γ4 + 72γ6 = 0.
(b) H0 : γ4 + 72γ6 = 0.
(c) H0 : γ4 = −144γ6 .

(a) H0 : γ4 = γ6 = 0.
(b) H0 : γ6 = 0.
(c) H0 : γ5 = γ6 = 0.
decimal) serı́a:
(a) 2.4.
(b) 1.7.
(c) 14.7.
(a) Si estimáramos el modelo (II) por MCO, los estimadores que obtendrı́amos para los
(b) Si estimáramos el modelo (II) por MC2E utilizando Z1 , Z2 , Z3 , Z4 como instrumentos,
(c) Si estimáramos el modelo (II), incluyendo Z1 , Z2 , Z3 , Z4 como variables adicionales,
consistentes.
(a) Podemos rechazar dicha afirmación al 5% de significación.
(a) La educación no está correlacionada con ε3 .
(b) Ninguno de los instrumentos utilizados en la Salida 4 está correlacionado con ε3 .
(c) La educación no está correlacionada con los instrumentos utilizados en la Salida 4.
(b) Las mujeres con mayor nivel de educación tienen en promedio más niños.
(c) No es posible responder con la información disponible.
(c) Los modelos (I) y (II) no son modelos comparables porque el modelo (I) incluye vari-
(a) Inconsistentes, sólo si el error de medida estuviera correlacionado con el error del
modelo.
(c) Consistentes, aunque menos eficientes que si la variable no se midiera con error.
1 serı́an:
(a) Consistentes, siempre que la variable omitida no esté correlacionada con las restantes
(a) El modelo (I) impone la restricción de que los coeficientes de Y 78 e Y 84 son iguales.
otro.
(c) El modelo (I) impone la restricción de que el valor del coeficiente de Y 78 es exactamente

modelo (II):
(a) Serı́an menos eficientes que los estimadores MC2E que utilizaran tanto RU RAL como
(c) El programa Gretl nos indicarı́a que no hay suficientes instrumentos.
(b) El modelo (II) está mal especificado, porque omite la variable Y 72.
equivalente:
es:
(a) 2.6.
(b) 2.8.
(c) 1.6.
la educación.

(a) Positivo (en promedio) para las mujeres negras, ya que el coeficiente de BLACK es
(b) Negativo (en promedio) para todas las mujeres de la muestra.
equivalente:
Salidas 5A y 5C.
Salidas 5B y 5D.
(b) El efecto causal de la educación es positivo.
(a) Menos correlacionada esté BLACK con las variables relevantes.
(b) Más correlacionada esté BLACK con las variables relevantes.
(c) Mayor sea la proporción de mujeres de raza negra en la muestra.
(a) Rechazamos la validez de dichos instrumentos.
(b) No rechazamos la validez de dichos instrumentos.
(c) No se dispone de información para concluir si dichos instrumentos son o no válidos.
(a) −0.4.
(b) −0.7.
(c) −0.8.

los de la Salida 2.
(c) Si incluyéramos además Y EAR, Y 78 e Y 84 como variables explicativas, dicho modelo
(b) Exactamente identificado.
(a) H0 : γ5 = 0.
(b) H0 : γ5 = γ6 = 0.
(c) H0 : γ5 = γ6 .
proporcionada:
(a) Necesitarı́amos al menos dos variables diferentes no incluidas en el modelo y no cor-
Y EAR.
(b) Necesitarı́amos al menos una variable no incluida en el modelo y no correlacionada con
(a) Para que la Salida 2 proporcionara estimaciones consistentes de los parámetros del
(b) La Salida 1 proporcionarı́a estimaciones inconsistentes de los parámetros del modelo
(I).

(a) El número medio de hijos que tiene una mujer en 1978 es un 29.3% menor que el de
una mujer en 1972.
(c) Por cada 50 mujeres, hay alrededor de 2.4 hijos más en 1972 que en 1984.
(a) 1.12.
(b) 0.34.
(c) 0.98.
(b) Rechazamos que EDU C es exógena.
(c) No rechazamos que la correlación de los instrumentos con el error del modelo (III) es
igual a cero.
decimal):
cumplirse que:
(a) 6β5 = δ6 − δ5 .
(b) Los términos constantes de ambos modelos son iguales, es decir, β0 = δ0 .
(c) δ5 = δ6 .
(a) δ6 = 2δ5 .
(b) δ6 = δ5 .
(c) δ6 = 6δ5 .

1972.
1984.
(a) El R2 de la Salida 5A multiplicado por el número de observaciones.
(c) El R2 de la Salida 4 multiplicado por el número de observaciones.
(a) H0 : γ4 = γ6 .

γ4 − γ6 = 0
(b) H0 : .
γ6 = 0
(c) H0 : γ4 = 0.
(b) No rechazamos dicha hipótesis nula al 5% de significación.
(a) El modelo (III) es el menos restrictivo.
(b) El modelo (I) es el más restrictivo.
(c) Los modelos (I) y (II) no son comparables, ya que ninguno de los dos se puede expresar

(a) γ4 = γ5 = γ6 .
(b) γ6 = 0.
(c) γ4 = γ6 = 0.
(c) RU RAL es mejor instrumento que LP OP .

ECONOMETRÍA
Curso 2009/10
25 de Junio de 2010
Tipo de examen: 3
TIEMPO: 125 MINUTOS
Instrucciones:


será cero.
preguntas.

15.1.43.

(a) (b) (c) (a) (b) (c) (a) (b) (c) (a) (b) (c)
1. 13. 25. 37.
2. 14. 26. 38.
3. 15. 27. 39.
4. 16. 28. 40.
5. 17. 29. 41.
6. 18. 30. 42.
7. 19. 31. 43.
8. 20. 32. 44.
9. 21. 33. 45.
10. 22. 34. 46.
11. 23. 35. 47.
12. 24. 36. 48.

(a) El modelo (II) está mal especificado, porque omite la variable Y 72.
(a) Más correlacionada esté BLACK con las variables relevantes.
(b) Mayor sea la proporción de mujeres de raza negra en la muestra.
(c) Menos correlacionada esté BLACK con las variables relevantes.
la educación.
(a) Las mujeres con mayor nivel de educación tienen en promedio más niños.
decimal) serı́a:
(a) 1.7.
(b) 14.7.
(c) 2.4.
(a) H0 : γ6 = 0.
(b) H0 : γ5 = γ6 = 0.
(c) H0 : γ4 = γ6 = 0.

(a) Exactamente identificado.
(b) Sobreidentificado, siendo el número de restricciones de sobreidentificación igual a 2.
(a) δ6 = δ5 .
(b) δ6 = 6δ5 .
(c) δ6 = 2δ5 .
(a) 1 hijo menos que la segunda.
(a) No rechazamos la validez de dichos instrumentos.
(b) No se dispone de información para concluir si dichos instrumentos son o no válidos.
(c) Rechazamos la validez de dichos instrumentos.
equivalente:
Salidas 5B y 5D.
Salidas 5A y 5C.
(a) γ6 = 0.
(b) γ4 = γ6 = 0.
(c) γ4 = γ5 = γ6 .

(a) Rechazamos que EDU C es exógena.
(b) No rechazamos que la correlación de los instrumentos con el error del modelo (III) es
igual a cero.
(a) −0.7.
(b) −0.8.
(c) −0.4.

γ4 − γ6 = 0
(a) H0 : .
γ6 = 0
(b) H0 : γ4 = 0.
(c) H0 : γ4 = γ6 .
(a) H0 : γ5 = γ6 = 0.
(b) H0 : γ5 = γ6 .
(c) H0 : γ5 = 0.
(a) H0 : γ4 + 72γ6 = 0.
(b) H0 : γ4 = −144γ6 .
(c) H0 : 2γ4 + 72γ6 = 0.

(c) Podemos rechazar dicha afirmación al 5% de significación.
(a) Por cada 50 mujeres, hay alrededor de 29.3 hijos más en 1972 que en 1984.
(c) El número medio de hijos que tiene una mujer en 1978 es un 29.3% menor que el de
una mujer en 1972.
nula serı́a
(a) H0 : δ1 = δ2 = 0.
(b) H0 : δ1 − δ2 = 0.
(c) H0 : δ2 = 0.
(a) Siempre inconsistentes.
(b) Consistentes, aunque menos eficientes que si la variable no se midiera con error.
(c) Inconsistentes, sólo si el error de medida estuviera correlacionado con el error del
modelo.
(el año):

equivalente:
(a) 51.4.
(b) 7.8.
(c) 23.4.
decimal):
(b) 4.5 hijos menos.
(a) El modelo (I) es el más restrictivo.
(b) Los modelos (I) y (II) no son comparables, ya que ninguno de los dos se puede expresar
(c) El modelo (III) es el menos restrictivo.
(b) Los modelos (I) y (II) no son modelos comparables porque el modelo (I) incluye vari-

(b) No es posible responder con la información disponible.
modelo (II):
(b) El programa Gretl nos indicarı́a que no hay suficientes instrumentos.
(c) Serı́an menos eficientes que los estimadores MC2E que utilizaran tanto RU RAL como
(a) No rechazamos dicha hipótesis nula al 5% de significación.
(I).
(c) Para que la Salida 2 proporcionara estimaciones consistentes de los parámetros del
(a) Ninguno de los instrumentos utilizados en la Salida 4 está correlacionado con ε3 .
(b) La educación no está correlacionada con los instrumentos utilizados en la Salida 4.
(c) La educación no está correlacionada con ε3 .
(a) 0.34.
(b) 0.98.
(c) 1.12.

(a) Negativo (en promedio) para todas las mujeres de la muestra.
(c) Positivo (en promedio) para las mujeres negras, ya que el coeficiente de BLACK es
es:
(a) 2.8.
(b) 1.6.
(c) 2.6.
(b) Si incluyéramos además Y EAR, Y 78 e Y 84 como variables explicativas, dicho modelo
los de la Salida 2.
cumplirse que:
(a) Los términos constantes de ambos modelos son iguales, es decir, β0 = δ0 .
(b) δ5 = δ6 .
(c) 6β5 = δ6 − δ5 .
(a) El R2 de la Salida 7 multiplicado por el número de observaciones.
(c) El R2 de la Salida 5A multiplicado por el número de observaciones.

proporcionada:
(a) Necesitarı́amos al menos una variable no incluida en el modelo y no correlacionada con
(c) Necesitarı́amos al menos dos variables diferentes no incluidas en el modelo y no cor-
Y EAR.
(b) RU RAL es mejor instrumento que LP OP .
otro.
(b) El modelo (I) impone la restricción de que el valor del coeficiente de Y 78 es exactamente
(c) El modelo (I) impone la restricción de que los coeficientes de Y 78 e Y 84 son iguales.
(a) Si estimáramos el modelo (II) por MC2E utilizando Z1 , Z2 , Z3 , Z4 como instrumentos,
(b) Si estimáramos el modelo (II), incluyendo Z1 , Z2 , Z3 , Z4 como variables adicionales,
consistentes.
(c) Si estimáramos el modelo (II) por MCO, los estimadores que obtendrı́amos para los
1972.
1984.

1 serı́an:
(a) Siempre inconsistentes.
(c) Consistentes, siempre que la variable omitida no esté correlacionada con las restantes
(a) El efecto causal de la educación es positivo.
(b) El efecto causal de la educación es más negativo en 1978 que en 1984.

ECONOMETRÍA
Curso 2009/10
25 de Junio de 2010
Tipo de examen: 4
TIEMPO: 125 MINUTOS
Instrucciones:


será cero.
preguntas.

15.1.43.

(a) (b) (c) (a) (b) (c) (a) (b) (c) (a) (b) (c)
1. 13. 25. 37.
2. 14. 26. 38.
3. 15. 27. 39.
4. 16. 28. 40.
5. 17. 29. 41.
6. 18. 30. 42.
7. 19. 31. 43.
8. 20. 32. 44.
9. 21. 33. 45.
10. 22. 34. 46.
11. 23. 35. 47.
12. 24. 36. 48.

(a) El modelo (III) es el menos restrictivo.
(b) Los modelos (I) y (II) no son comparables, ya que ninguno de los dos se puede expresar
(c) El modelo (I) es el más restrictivo.
(a) γ4 = γ5 = γ6 .
(b) γ4 = γ6 = 0.
(c) γ6 = 0.
(el año):
1 serı́an:
(a) Consistentes, siempre que la variable omitida no esté correlacionada con las restantes
(c) Siempre inconsistentes.
(a) H0 : γ4 = γ6 = 0.
(b) H0 : γ5 = γ6 = 0.
(c) H0 : γ6 = 0.

(a) Rechazamos la validez de dichos instrumentos.
(b) No se dispone de información para concluir si dichos instrumentos son o no válidos.
(c) No rechazamos la validez de dichos instrumentos.
(a) Para que la Salida 2 proporcionara estimaciones consistentes de los parámetros del
(I).
decimal) serı́a:
(a) 2.4.
(b) 14.7.
(c) 1.7.
(a) La educación no está correlacionada con ε3 .
(b) La educación no está correlacionada con los instrumentos utilizados en la Salida 4.
(c) Ninguno de los instrumentos utilizados en la Salida 4 está correlacionado con ε3 .
(c) No rechazamos dicha hipótesis nula al 5% de significación.

cumplirse que:
(a) 6β5 = δ6 − δ5 .
(b) δ5 = δ6 .
(c) Los términos constantes de ambos modelos son iguales, es decir, β0 = δ0 .
(b) No rechazamos que la correlación de los instrumentos con el error del modelo (III) es
igual a cero.
(c) Rechazamos que EDU C es exógena.
equivalente:
(a) Podemos rechazar dicha afirmación al 5% de significación.
(c) 1 hijo menos que la segunda.

(c) El modelo (II) está mal especificado, porque omite la variable Y 72.
(a) Si estimáramos el modelo (II) por MCO, los estimadores que obtendrı́amos para los
(b) Si estimáramos el modelo (II), incluyendo Z1 , Z2 , Z3 , Z4 como variables adicionales,
consistentes.
(c) Si estimáramos el modelo (II) por MC2E utilizando Z1 , Z2 , Z3 , Z4 como instrumentos,
(a) Inconsistentes, sólo si el error de medida estuviera correlacionado con el error del
modelo.
(b) Consistentes, aunque menos eficientes que si la variable no se midiera con error.
(c) Siempre inconsistentes.
(b) Sobreidentificado, siendo el número de restricciones de sobreidentificación igual a 2.
(c) Exactamente identificado.
1984.
1972.
nula serı́a
(a) H0 : δ2 = 0.
(b) H0 : δ1 − δ2 = 0.
(c) H0 : δ1 = δ2 = 0.
(a) δ6 = 2δ5 .
(b) δ6 = 6δ5 .
(c) δ6 = δ5 .
(b) RU RAL es mejor instrumento que LP OP .
(c) Las mujeres con mayor nivel de educación tienen en promedio más niños.
(a) −0.4.
(b) −0.8.
(c) −0.7.
la educación.
decimal):
(b) 4.5 hijos menos.

(a) H0 : 2γ4 + 72γ6 = 0.
(b) H0 : γ4 = −144γ6 .
(c) H0 : γ4 + 72γ6 = 0.
(a) H0 : γ4 = γ6 .
(b) H0 : γ4 = 0.

γ4 − γ6 = 0
(c) H0 : .
γ6 = 0
(a) El R2 de la Salida 5A multiplicado por el número de observaciones.
(c) El R2 de la Salida 7 multiplicado por el número de observaciones.
modelo (II):
(a) Serı́an menos eficientes que los estimadores MC2E que utilizaran tanto RU RAL como
(b) El programa Gretl nos indicarı́a que no hay suficientes instrumentos.
(b) Los modelos (I) y (II) no son modelos comparables porque el modelo (I) incluye vari-
(a) 1.12.
(b) 0.98.
(c) 0.34.

proporcionada:
(a) Necesitarı́amos al menos dos variables diferentes no incluidas en el modelo y no cor-
Y EAR.
(c) Necesitarı́amos al menos una variable no incluida en el modelo y no correlacionada con
(b) El efecto causal de la educación es más negativo en 1978 que en 1984.
(c) El efecto causal de la educación es positivo.
es:
(a) 2.6.
(b) 1.6.
(c) 2.8.
(a) H0 : γ5 = 0.
(b) H0 : γ5 = γ6 .
(c) H0 : γ5 = γ6 = 0.
los de la Salida 2.
(b) Si incluyéramos además Y EAR, Y 78 e Y 84 como variables explicativas, dicho modelo
(a) El modelo (I) impone la restricción de que los coeficientes de Y 78 e Y 84 son iguales.
(b) El modelo (I) impone la restricción de que el valor del coeficiente de Y 78 es exactamente
otro.
equivalente:
Salidas 5A y 5C.
Salidas 5B y 5D.
(a) 23.4.
(b) 7.8.
(c) 51.4.
(b) No es posible responder con la información disponible.
(a) El número medio de hijos que tiene una mujer en 1978 es un 29.3% menor que el de
una mujer en 1972.
(c) Por cada 50 mujeres, hay alrededor de 29.3 hijos más en 1972 que en 1984.
(a) Positivo (en promedio) para las mujeres negras, ya que el coeficiente de BLACK es
(c) Negativo (en promedio) para todas las mujeres de la muestra.

(a) Menos correlacionada esté BLACK con las variables relevantes.
(b) Mayor sea la proporción de mujeres de raza negra en la muestra.
(c) Más correlacionada esté BLACK con las variables relevantes.

ESTUDIOS DE GRADO
Asignatura: ECONOMETRIA
Examen (25 de junio de 2010): SOLUCIONES
Pregunta Tipo 1 Tipo 2 Tipo 3 Tipo 4

1 B C C C
2 B C A C
3 C A A B
4 C C C B
5 C A C A
6 B B A C
7 A B B C
8 C A C B
9 B A B B
10 C A A A
11 B C C C
12 A B A A
13 A A A A
14 C B C C
15 C A A B
16 C B A B
17 B A B B
18 B C A A
19 A A B A
20 A A A C
21 B C C B
22 B A B C
23 A B A A
24 C B B A
25 C A B C
26 B A C A
27 A B A A
28 B B A C
29 C A C C
30 B A A C
31 B C C C
32 B B C C
33 B B B A
34 B C A A
35 C B A C
36 B B A C
37 C B C A
38 C B C A
39 C A C C
40 A A C A
41 B C A B
42 C B A A
43 C B A A
44 B B B A
45 C A C C
46 A B A C
47 B B C C
48 B B C C
Estudios de Grado
Asignatura: ECONOMETRIA
Examen (25 de Junio de 2010)
Correspondencia entre número de respuestas correctas y nota del examen
Número de respuestas correctas Nota del examen
1 0.00
2 0.19
3 0.37
4 0.56
5 0.74
6 0.93
7 1.11
8 1.30
9 1.48
10 1.67
11 1.85
12 2.04
13 2.22
14 2.41
15 2.59
16 2.78
17 2.96
18 3.15
19 3.33
20 3.52
21 3.70
22 3.89
23 4.07
24 4.26
25 4.44
26 4.63
27 4.81
28 5.00
29 5.25
30 5.50
31 5.75
32 6.00
33 6.25
34 6.50
35 6.75
36 7.00
37 7.25
38 7.50
39 7.75
40 8.00
41 8.25
42 8.50
43 8.75
44 9.00
45 9.25
46 9.50
47 9.75
48 10.00
wpkxgtukfcf ectnqu kkk fg ocftkf r S\
geqpqogvtkeu
e TRSRQSS e  \
gzcogp hkpcn
r J{] z K z
S[ o TRSS R W SR
{ S R\T R R\T
T R\S R R\S
U R R\T R\T
o \ v \
SP u N
 P
TP u  N 
 P
r N µ ¶N µO
¶N µ ¶ µ ¶N r T\
PN O e
 §P { _ - R M - S z M DN
UP v T N w N x N n J w x K { _ i  J KN z _ i J KN
 w x N g J w x K w D  g JDK _ RP g
x P { zP
VP r N 
N  P
WP e i
 P
XP g P
YP n P
ZP qnu JoeqKN kx JxkK Tunu vunu JoeTgKN 
N N  N O
P
[P u  § P
T
r U\ t g u T\ qnuN S¸URSR
f \ Jy K
s  JgfK Jy KP p eÄ uP g O O
   P f VPVXZ RPRX[ P P
URSR  ggPwwP S[YX  gf RPR[U RPRRUWZRTU P P
Jp n u { oN pnu{oK  gz RPR[R RPRRY P P
ggPwwP S[YXP gz T !RPRRTW RPRRRU P P
n   gf Jc KN gz JgO P P P P
N KN gz T Jg KP cN  o XPU P uPfP RPVV
y jkv g J S R
u VYXPX P
KP tT RPS[WZ P c tT RPS[WR
g \
y _ - R M- S gf M- T gz M- U gz T M- V y jkv g M- W Jy jkv g # gfKM- X cdknM JRK u U\ vunuN SOURSR
f \ Jy K
cdkn P u g J gf] gz] y jkv g] cdknK _ k\ gfN y jkv g # gf
R  gfN gzN y j kv gN cdknP k\ gz N gz T N y j kv gN p gct y j kv g # p gct
u N cdkn N \ eÄ uP g O
SPXSY RPXYY TPV RPRSXZ
gf RPTXT RPRV[ WPU RPRRRR
y _ . R M . S gf M . T gz M . U gz T M . V y j kv g M . W Jy jkv g # gfK M D JSK gz RPSWX RPRTT YPS RPRRRR
gz T !RPRRTV RPRRRX !VPR RPRRRT
f  \ p gct §
y jkv g RPSW[ RPXZS RPT PZSVZ
S  R N y j kv g # p gct
y jkv g # gf !RPRSR P P RPZWRV
S  R P
P P P P
cN e Jgz] DK _ e Jgz T] DK _ e Jy jkv g] DK _ e Jp gct] DK _ RP
o XPU P uPfP RPVV
n \
u Y[VPR P
tT RPS[WY P c tT RPS[VV
u S\ qnuN SOURSR
f \ Jy K
eÄ uP g O O u V\ qnuN SOURSR
f \ gf
VPTV[ RPRZZ VZPU RPRRRR
eÄ uP g O O
gf RPSRR RPRRX SXPY RPRRRR SWPW[[ RPS[Y Y[PT RPRRRR
gz RPRZW RPRRY STPS RPRRRR
gz !RPVRY RPRUV !STPR RPRRRR
gz T !RPRRTU RPRRRU !YPY RPRRRR
gz T RPRRRTW RPRRSY RPS RPZZRU
y j kv g RPWTT RPRZT XPV RPRRRR y jkv g SPSWY RPSVT ZPS RPRRRR
y j kv g # gf !RPRTU P P RPRRRU
p gct RPWZW RPSWT UPZ RPRRRS
P P P P y jkv g # p gct !RPRYR RPSYX !RPV RPX[RU
o XPU P uPfP RPVV
P P P P
u VVYPZ P o SUPU P uPfP TPY
tT RPTVVV P c tT RPTVUS
u SSVZVPT P
tT RPVXYV P c tT RPVXXW
U V
pqvc u V\ g tT  oeq  gf u Y\ qnuN SOURSR
gzN gz T y j kv g R\VWZZP f \ Jy K
eÄ uP g O O
VPTVX RPRZY VZPZ RPRRRR
u W\ qnuN SOURSR gf RPR[X RPRRX SXPR RPRRRR
f \ y jkv g # gf gz RPRZV RPRRY STPR RPRRRR
eÄ uP g O O gz T !RPRRTU RPRRRU !YPY RPRRRR
y j kv g RPWRS RPRZT XPT RPRRRR
UPYYX RPSZZ TRPS RPRRRR
y j kv g # gf !RPRTS RPRRX !UPW RPRRRZ
gz !RPVXT RPRUT !SVPV RPRRRR
p gct RPR[V RPRUR UPS RPRRTS
gz T RPRRZV RPRRSX WPT RPRRRR
y j kv g # p gct !RPRRT RPRUX !RPS RP[WVT
y jkv g STPYRY RPSUW [VPS RPRRRR
P P P P
p gct !RPTZT RPSVW !SP[ RPRWTR o XPU P uPfP RPVV
y jkv g # p gct RPZSZ RPSXZ VP[ RPRRRR
u VVTPV P
P P P P tT RPTWUW P c tT RPTWSY
o SRPW P uPfP XPT
u SRVWVPT P
tT RP[R[Y P c tT
pqvc u W\ g tT  oeq  y jkv g #
gf gz N gz T y jkv g R\[RZUP
u X\ qnuN SOURSR
f \ Jy K
eÄ uP g O O
SPXSY RPWRW UPT RPRRSV
gf RPTXT RPRUX YPU RPRRRR
gz RPSWY RPRSX [PZ RPRRRR
gz T !RPRRTV RPRRRW !VPZ RPRRRR
y jkv g RPSW[ RPWRZ RPU RPYWUZ
y jkv g # gf !RPRSR RPRVR !RPT RPZRRY
tguV !RPSXX RPRUY !VPW RPRRRR
tguW !RPRST RPRVS !RPU RPYYUR
P P P P
o XPU P uPfP RPVV
u VVTPV P P P
pqvc u X\ tguV tguW u W XN O
P
W X
wpkxgtukfcf ectnqu kkk fg ocftkf 0 e
geqpqogvtkc 
e TRSRQSS §  N
gzcogp hkpcn P
vkrq S 0 h  §\ n TU oP
S[ o TRSS
0 h \  c iP
fwtcekqp\ T jqtcu { SW okpwvqu 0 p \
k\
¸ n    \
$  ]
0 cpvgu fg gorg|ct c tgurqpfgt gn gzcogp\ $ N N O
N   SR 
¸ t N   O P
 P t §
Jp pkwN [  SRRRK ¸ r N  
P N  c i 
 §P
¸ tN N 
P
d tgurwguvcu
0 e UY JK JK JK JK JK JK JK JK JK JK JK JK
P SP SVP TYP
TP SWP TZP
0 e  UP SXP T[P
 P VP SYP URP
WP SZP USP
0 n P
XP S[P UTP
0 u N    YP TRP UUP
§P ZP TSP UVP
[P TTP UWP
0 r §  N O SRP TUP UXP
 JcN dN e  fKP SSP TVP UYP
STP TWP
0 wvknkeg ncrk| rctc tgurqpfgt gp nc jqlc fg ngevwtc õrvkecP SUP TXP
0 e  P
e    P
0 e  RPTY §P e 
RPR[ §P n  RP
0 n §  
}R\TY # JE P K ! R\R[ # JE P K• M R\RS
0 u N  N
§P
0 r J
  KP
SP Jr UK w  N |S N \ JK p § P
JK n   N Jy j kv g # gfKN O
JK eJD] |S K _ RP
P
JK eJgf] |S K _ RP
JK n  oeq JSK 
JK p P N N P
JK eJ] |S K _ RP JK n  oeq JSK 
P
TP Jr UK c JSK oeTgN p gct Jy j kv g # p gctK
N \ YP Jr UK ár § § 
N p gctN  a
JK Jy K _ ,R M ,S gf M ,T gz M ,U gz T M ,V y jkv g M ,W Jy j kv g # gfK M
,X p gct M ,Y Jy jkv g # p gctK M UP JK pN p gct JSKP
JK Jy K _ /R M/S p gctM/T gz M/U gz T M/V y jkv g M/W Jy jkv g # p gctKMS P JK uN p gct  § p gct § u
JK p § P VP
M3T gz M3U gz T M 3V y jkv g M3W Jy jkv ~ JK p P
JK Jy K _ 3R M3S gf g # gfK MT N
Jy jkv ~ JK uN p gct  § p gct § u
gf g # gfK
WP
P
ZP Jr UK u e Jcdkn] gfK X _ RP r N
UP Jr UK u JSK oeTgN p gct Jy jkv g # p gct
SR SS  JO
P n  J K
K\
 \
JK SR\XGP
JK u P
JK U\YGP
JK p § P
JK p § P
JK v  JSK P
JK Z\WGP
JK u P
[P Jr UK u e Jcdkn] gfK X
_ RP g\
VP Jr UK u e Jcdkn] gfK X_ RP gN oeq .SN
.S N
§ \ JK g § y j kv g # gf u S -W P
JK
.S X_ -S P JK p § P
•CS
JK g § y j kv g u S -V P
JK
.S _ -S M -X P
•CS
JK g § gf u S -S P
JK
.S _ - S P
•CS
SRP Jr UK u e Jcdkn] gfK X _ RP u  O
JK p P
P g\
WP Jr UK u e Jcdkn] gfK X_ RP u JK g § y j kv g # gf u S -W P
 \
JK p § P
JK p  P JK g § y j kv g u S -V P
JK n  jR \ -S _ -W P JK g § gf u S -S P
JK c WG §N  
P SSP Jr UK g JRKN N
SS  N   N N
JK p § P  P n  \
XP Jr UK u e Jcdkn] gfK X_ RP g\ JK jR \ -S _ -T M SS-U _ RP
U V
JK jR \ -S _ -T N -T M ST-U _ RP JK u kP P
JK jR \ -S ! -T ! TU-U _ RP JK u kP kkP P
JK jR \ -S _ -T ! TU-U P JK n § P
STP Jr UK u e Jcdkn] gfK _ RP r _ R] S] \ \ \ ] WN
. SXP Jr UK u |T |U 
oeq . oeTg  JSKP g\   P gN O
§  \
JK
.  - P
JK p § P JK p § P
JK n .
 .
P JK e 
P
JK
.  - P
JK e P
SUP Jr UK f  N á  JK e 
JgfK   Jy jkv g # gfK a P
JK g  TRUN SYP Jr UK u e Jcdkn] gfK X _ RP r N
§ gf y jkv g # gf  [ SR  JO
§ WGP K\
JK g  UYN N
§ WGN gf y jkv g # gf P JK V\SGP
JK p § P JK SS\RGP
JK g  TRUN JK p P
§ gf y jkv g # gf  JK SW\XGP
§ WGP
SZP Jr SK n  { z J T K\
SVP Jr UK u e Jcdkn] gfK X_ RP gN p gct y j kv g # p gct\
JK V M zP
JK p P
JK T\RR ! R\RWzP
JK p   JSKN § y jkv g#p gct
§  J K gfP JK S\XZ M R\RWz P
JK p   JSKN JK !V M z P
u SP
S[P Jr SK n  z { J K\
JK u  JSKN § y jkv g#p gct
§  J K gfP JK S\TW M U\W{ P
SWP Jr UK u e Jcdkn] gfK _ RP s  JK R\XR M TR{ P
 Pe §\ JK U\W M S\TW{ P
kP g  S[VN N JK U\W M S\TWzP
§ N 
 P TRP Jr SK e §\
kkP g  AST N N  kP n J { z K _ g J { z KP
 O kkP n J { zK P
P kkkP g J { z K zP
kkkP g  X\VN N
§ N   JK u kkkP P
P
JK n § P
JK p § P JK u kkP kkkP P
W X
JK u kkP P JK p § P
TSP Jr SK e §\ TXP Jr TK u -R _ U\XY -S _ R\VZP u g J D zK _ R
kP n z { SN  P z N 
kkP g J { zK zP \
kkkP n { z z P
JK VZRR P
JK u kkP P JK VZP
JK p § P JK R\VZP
JK n § P JK p  N 
JK u kP P P
TTP Jr SK f  N z _ RN  TYP Jr TK e §\
{  J K\ kP p J
DK  P
JK S\YP kkP g  
JK S\UP P
kkkP u g J D zK _ RN g J { z K zP
JK TP
JK p P JK u kP kkkP P
JK u kP kkP P
TUP Jr SK u z W SRN {
JK n § P
J K\
JK u kkP kkkP P
JK W\RP
TZP Jr TK u -R _ U\XY -S _ R\VZP u g J D zK _ R zN
JK RP
x J zK _ TWP gN e J {] z K \
JK R\UP
JK !S\RP JK p  P
JK R\VZP
TVP Jr SK e §\
JK R\VZ # TW _ STP
kP z {  P
kkP e z N { P JK R\VZ_TW _ R\RS[TP
kkkP n { z z P
T[P Jr TK u g J { zK z P e
JK u kkkP P \
kP g J D zK _ R zP
JK p § P
kkP x J D z K _ = T zP
JK u kP P kkkP e Jz] DK _ RP
JK u kkP kkkP P
JK u kkkP P
TWP Jr SK u  {  JK u kP P
\ JK u kP kkkP P
kP g TN z P
kkP g UN z _ W P JK u kkP kkkP P
kkkP g S\[WN z _ W P
URP Jr TK u g J D zK _ R z N §O
JK u kP P \
kP gJ{ z K -R -S P
JK u kP kkkP P kkP u -S _ RN  gJ { KP
JK u kP kkP P kkkP n  nJ { zKP
Y Z
JK u kkP kkkP P UWP Jr TK u -R _ U\XY -S _ R\VZP u g J D zK _ R
JK n § P z N WGN 
\
JK u kP kkP P
JK u kP kkkP P JK p  N 
P
USP Jr TK u § g J { zK JK TVRR P
zP e §\
kP -R _ gJ { K ! -S gJ zKP JK T\VGP
kkP -S z { P JK R\TVGP
kkkP g  § eJ z] DK _ RP
UXP g 
JK u kkP kkkP P  P g\
JK n § P kP r  N
P
JK u kP kkP P kkP s © N
JK u kP kkkP P § P
kkkP g 
UTP Jr TK u -R _ U\XY -S _ R\VZP e §\ P
kP e N P
kkP w © N JK u kP P
 P JK u kP kkP P
kkkP g P
JK n § P
JK u kP P JK u kkP P
JK u kP kkP P
UYP r  N
JK n § P
JK u kkP P  N P
kP t
UUP Jr TK u g J { z K zP e
P
\
kkP t
kP g J D z K _ R z P
P
kkP x J D zK _ = T z P
kkkP r  P
kkkP e J z] DK _ RP
u   N
JK u kkkP P 
JK u kP P \
JK u kP kkkP P JK g P
JK u kkP kkkP P JK u kP kkP
UVP Jr TK u -R _ U\XY -S _ R\VZP u g JD z K _ R zN JK u kP
§  JK u kP kkkP
WRRR \
JK p P
JK Y\Z P
JK TVRV P
JK TUVS P
[ SR
geqpqogvtkc 
gzcogp hkpcn P
vkrq T 0 h  §\ n TU oP
S[ o TRSS
0 h \  c iP
k\
¸ n    \
$  ]
N   SR 
¸ t N   O P
 P t §
P N  c i 
 §P
¸ tN N 
P
d tgurwguvcu
P SP SVP TYP
TP SWP TZP
0 e  UP SXP T[P
 P VP SYP URP
WP SZP USP
0 n P
XP S[P UTP
§P ZP TSP UVP
[P TTP UWP
STP TWP
0 e  P
e    P
0 e  RPTY §P e 
0 n §  
0 u N  N
§P
0 r J
  KP
SP g  JK u kP kkkP P
 P g\ JK u kkP kkkP P
kP r  N
P JK u kkkP P
kkP s © N JK u kP P
§ P
kkkP g  WP Jr TK u § g J { zK
P zP e §\
kP -R _ gJ { K ! -S gJ z KP
JK n § P kkP -S z { P
JK u kkP P kkkP g  § eJ z] DK _ RP
JK u kP P JK u kP kkP P
JK u kP kkP P JK u kP kkkP P
TP r  N JK u kkP kkkP P
JK n § P
 N P
kP t XP Jr TK u -R _ U\XY -S _ R\VZP u g J D zK _ R zN
P § 
kkP t WRRR \
P
kkkP r  P JK TVRV P
u   N JK TUVS P
 JK p P
\ JK Y\Z P
JK u kP YP Jr TK u g J { zK z P e
JK u kP kkkP \
JK g P kP g J D zK _ R zP
JK u kP kkP
kkkP e Jz] DK _ RP
UP Jr TK e §\
JK u kP kkkP P
kP p J
DK  P JK u kkP kkkP P
kkP g   JK u kkkP P
P
JK u kP P
kkkP u g J D zK _ RN g J { zK zP
JK n § P ZP Jr TK u -R _ U\XY -S _ R\VZP e §\
kP e N P
JK u kkP kkkP P kkP w © N
JK u kP kkkP P  P
JK u kP kkP P kkkP g P
VP Jr TK u g J { z K zP e JK n § P
\ JK u kkP P
kP g J D z K _ R z P
JK u kP P
kkP x J D zK _ = T z P
kkkP e J z] DK _ RP JK u kP kkP P
U V
[P Jr TK u -R _ U\XY -S _ R\VZP u g J D zK _ R z N SVP Jr UK c JSK oeTgN p gct Jy jkv g # p gctK
x J zK _ TWP gN e J {] zK \ N \
JK R\VZ # TW _ STP JK p § P
JK R\VZ_TW _ R\RS[TP M3T gz M3U gz T M3V y jkv g M3W Jy jkv
JK Jy K _ 3R M3S gf ~ g # gfK M T N
JK p  P Jy jkv
gf ~ g # gfK
JK R\VZP P
JK Jy K _ ,R M ,S gf M ,T gz M ,U gz T M ,V y jkv g M ,W Jy jkv g # gfK M
SRP Jr TK u g J D zK _ R zN §O ,X p gct M ,Y Jy jkv g # p gctK M U P
\
kP gJ{ zK -R -SP JK Jy K _ /R M/S p gctM/T gz M/U gz T M/V y j kv g M/W Jy j kv g # p gctKMS P
kkP u -S _ RN  gJ { KP
SWP Jr UK u e Jcdkn] gfK X _ RP u  O
kkkP n  nJ { zKP
P g\
JK u kP kkP P
JK u kP kkkP P
JK g § gf u S -S P
JK u kkP kkkP P
JK g § y j kv g # gf u S -W P
JK n § P
JK p § P
SSP Jr TK u -R _ U\XY -S _ R\VZP u g J D z K _ R
SXP Jr UK u e Jcdkn] gfK _ RP r _ R] S] \ \ \ ] WN .
zN WGN 
\ oeq . oeTg  JSKP g\
JK T\VGP JK n
. 
. P
JK R\TVGP JK
.  - P
JK p  N  JK
.  - P
P JK p § P
JK TVRR P
SYP Jr UK u e Jcdkn] gfK X
_ RP g\
STP Jr TK u -R _ U\XY -S _ R\VZP u g J D z K _ R
zN 
\ JK g § gf u S -S P
JK R\VZP
JK p § P
JK p  N 
P SZP Jr UK f  N á 
JK VZRR P JgfK   Jy jkv g # gfK a
JK VZP
JK p § P
SUP Jr UK u e Jcdkn] gfK X_ RP u JK g  TRUN
 \ § gf y jkv g # gf 
§ WGP
JK g  TRUN
P
§ gf y jkv g # gf 
JK p § P § WGP
JK p  P JK g  UYN N
JK n  jR \ -S _ -W P § WGN gf y jkv g # gf P
W X
S[P Jr UK u |T |U  JK p § P
  P gN O
§  \ TVP Jr UK u e Jcdkn] gfK X _ RP r N
[ SR  JO
JK e P K\
JK e 
JK p P
P
JK SW\XGP
JK p § P
JK V\SGP
JK e 
P JK SS\RGP
TRP Jr UK u e Jcdkn] gfK X_ RP g\ TWP Jr UK g JRKN N
SS  N   N N
JK n  oeq JSK   P n  \
N N P
JK jR \ -S ! -T ! TU-U _ RP
P JK jR \ -S _ -T ! TU-U P
JK p § P JK jR \ -S _ -T M SS-U _ RP
JK n   N Jy jkv g # gfKN O JK jR \ -S _ -T N -T M ST-U _ RP
P
TXP Jr UK w  N |S N \
TSP Jr UK u e Jcdkn] gfK X_ RP r N
SR SS  JO JK p P
K\ JK eJ] |S K _ RP
JK eJD] |S K _ RP
JK p § P
JK eJgf] |S K _ RP
JK Z\WGP
JK SR\XGP TYP Jr UK u e Jcdkn] gfK _ RP s 
JK U\YGP  Pe §\
kP g  S[VN N
TTP Jr UK u e Jcdkn] gfK X_ RP gN p gct y j kv g # p gct\ § N 
 P
JK p   JSKN kkP g  AST N N 
u SP  O
P
kkkP g  X\VN N
§  J K gfP
§ N  
JK p P P
§  J K gfP JK u kP kkP P
JK n § P
TUP Jr UK u JSK oeTgN p gct Jy jkv g # p gct
JK p § P
P n  J K
 \ JK u kP P
JK v  JSK P TZP Jr UK ár § § 
N p gctN  a
JK u P
JK u P JK p P
Y Z
JK uN p gct  § p gct § u JK n § P
WP JK u kP P
JK pN p gct JSKP JK u kkP P
JK uN p gct  § p gct § u JK p § P
VP
UVP Jr SK e §\
T[P Jr UK u e Jcdkn] gfK X_ RP gN oeq .SN
.S N kP z {  P
§ \ kkP e zN { P
kkkP n { z zP
JK
.S _ - S P
•CS
JK p P JK u kP P
JK .
S X_ -S P JK u kkP kkkP P
•CS
JK u kkkP P
JK
.S _ -S M -X P
•CS
JK p § P
URP Jr SK e §\
UWP Jr SK u z W SRN {
kP n J { z K _ g J { zKP
J K\
kkP n J { zK P
kkkP g J { zK z P
JK R\UP
JK u kkP kkkP P JK !S\RP
JK u kkP P JK W\RP
JK u kkkP P JK RP
JK n § P
UXP Jr SK n  z { J K\
USP Jr SK u  { 
JK U\W M S\TW{ P
\
kP g TN z P JK U\W M S\TWzP
kkP g UN z _ W P JK S\TW M U\W{ P
JK R\XR M TR{ P
JK u kP kkP P
UYP Jr SK f  N z _ RN 
JK p § P {  J K\
JK u kP P
JK TP
JK u kP kkkP P
JK p P
UTP Jr SK n  { z J T K\ JK S\YP
JK S\XZ M R\RWzP JK S\UP
JK !V M zP
JK V M zP
JK T\RR ! R\RWzP
UUP Jr SK e §\
kP n z { SN  P
kkP g J { zK zP
kkkP n { z z P
[ SR
geqpqogvtkc 
gzcogp hkpcn P
vkrq U 0 h  §\ n TU oP
S[ o TRSS
0 h \  c iP
k\
¸ n    \
$  ]
N   SR 
¸ t N   O P
 P t §
P N  c i 
 §P
¸ tN N 
P
d tgurwguvcu
P SP SVP TYP
TP SWP TZP
0 e  UP SXP T[P
 P VP SYP URP
WP SZP USP
0 n P
XP S[P UTP
§P ZP TSP UVP
[P TTP UWP
STP TWP
0 e  P
e    P
0 e  RPTY §P e 
0 n §  
0 u N  N
§P
0 r J
  KP
SP Jr SK e §\ JK V M zP
kP n J { z K _ g J { zKP JK S\XZ M R\RWz P
kkP n J { zK P
kkkP g J { zK z P YP Jr SK u  { 
\
JK n § P kP g TN z P
JK u kkP P kkP g UN z _ W P
JK u kkkP P kkkP g S\[WN z _ W P
JK u kkP kkkP P JK u kP kkkP P
TP Jr SK n  z { J K\ JK p § P
JK u kP P
JK R\XR M TR{ P
JK u kP kkP P
JK U\W M S\TWzP
JK S\TW M U\W{ P ZP Jr SK e §\
kP z {  P
JK U\W M S\TW{ P
kkP e zN { P
UP Jr SK u z W SRN { kkkP n { z zP
J K\
JK p § P
JK RP JK u kkP kkkP P
JK !S\RP JK u kkkP P
JK W\RP JK u kP P
JK R\UP
[P Jr UK u e Jcdkn] gfK X _ RP u  O
VP Jr SK e §\ P g\
kP n z { SN  P
kkP g J { zK zP JK p § P
kkkP n { z z P JK g § gf u S -S P
JK p § P JK g § y j kv g # gf u S -W P
JK u kP P JK g § y j kv g u S -V P
JK u kkP P SRP Jr UK c JSK oeTgN p gct Jy jkv g # p gctK
JK n § P N \
WP Jr SK f  N z _ RN  JK Jy K _ /R M/S p gctM/T gz M/U gz T M/V y j kv g M/W Jy j kv g # p gctKMS P
{  J K\ M3T gz M3U gz T M3V y jkv g M3W Jy jkv ~
JK Jy K _ 3R M3S gf g # gfK M T N
Jy jkv
gf ~ g # gfK
JK S\UP
P
JK p P
JK Jy K _ ,R M ,S gf M ,T gz M ,U gz T M ,V y jkv g M ,W Jy jkv g # gfK M
JK S\YP
,X p gct M ,Y Jy jkv g # p gctK M U P
JK TP
JK p § P
XP Jr SK n  { z J T K\
SSP Jr UK g JRKN N
JK T\RR ! R\RWzP SS  N   N N
 P n  \
JK !V M zP
U V
JK jR \ -S _ -T N -T M ST-U _ RP JK n   N Jy j kv g # gfKN O
JK jR \ -S _ -T ! TU-U P P
JK jR \ -S _ -T M SS-U _ RP JK n  oeq JSK 
P
JK jR \ -S ! -T ! TU-U _ RP
JK p § P
STP Jr UK u e Jcdkn] gfK X_ RP r N JK n  oeq JSK 
SR SS  JO N N P
K\
SYP Jr UK ár § § 
JK U\YGP N p gctN  a
JK Z\WGP
JK uN p gct  § p gct § u
JK SR\XGP
VP
JK p § P
JK uN p gct  § p gct § u
SUP Jr UK u e Jcdkn] gfK _ RP r _ R] S] \ \ \ ] WN
. WP
oeq . oeTg  JSKP g\ JK pN p gct JSKP
JK p P
JK p § P
JK
.  - P SZP Jr UK u e Jcdkn] gfK X _ RP u
JK
.  - P  \
JK n
. 
. P JK n  jR \ -S _ -W P
SVP Jr UK u e Jcdkn] gfK _ RP s  JK p § P
 Pe §\ JK p  P
kP g  S[VN N
§ N 
P
 P
kkP g  AST N N  S[P Jr UK u e Jcdkn] gfK X
_ RP g\
 O
P JK p § P
kkkP g  X\VN N
§ N   JK g § gf u S -S P
P JK g § y j kv g # gf u S -W P
JK u kP P
JK n § P TRP Jr UK u JSK oeTgN p gct Jy jkv g # p gct
JK p § P P n  J K
 \
JK u kP kkP P
JK p § P
SWP Jr UK w  N |S N \
JK u P
JK eJgf] |S K _ RP JK u P
JK eJ] |S K _ RP JK v  JSK P
JK eJD] |S K _ RP
TSP Jr UK u |T |U 
JK p P
  P gN O
SXP Jr UK u e Jcdkn] gfK X_ RP g\ §  \
W X
JK e  TXP g 
P  P g\
JK e  kP r  N
P P
kkP s © N
JK p § P § P
JK e P kkkP g 
P
TTP Jr UK u e Jcdkn] gfK X_ RP gN p gct y j kv g # p gct\
JK u kP kkP P
JK u kkP P
§  J K gfP
JK u kP P
§  J K gfP JK n § P
JK p P TYP r  N
JK p   JSKN
u SP  N P
kP t
TUP Jr UK u e Jcdkn] gfK X_ RP r N
P
[ SR  JO
kkP t
K\
P
JK SS\RGP kkkP r  P
JK SW\XGP u   N

JK V\SGP \
JK p P
JK u kP kkP
TVP Jr UK u e Jcdkn] gfK X_ RP gN oeq .SN
.S N JK u kP kkkP
§ \
JK g P
JK .
S _ -S M -X P JK u kP
•CS
JK p P
TZP Jr TK u -R _ U\XY -S _ R\VZP u g J D zK _ R
JK
.S X_ -S P z N WGN 
•CS
\
JK
.S _ - S P
•CS
JK TVRR P
TWP Jr UK f  N á 
JK R\TVGP
JgfK   Jy jkv g # gfK a
JK p  N 
JK g  UYN N P
§ WGN gf y jkv g # gf P JK T\VGP
JK g  TRUN
§ gf y jkv g # gf  T[P Jr TK u -R _ U\XY -S _ R\VZP e §\
§ WGP kP e N P
kkP w © N
JK g  TRUN
 P
§ gf y jkv g # gf 
kkkP g P
§ WGP
JK p § P JK u kP kkP P
Y Z
JK u kkP P JK n § P
JK u kP P JK u kP kkkP P
JK n § P JK u kkP kkkP P
URP Jr TK u g J { z K zP e JK u kP kkP P
\
UWP Jr TK e §\
kP g J D zK _ R zP
kP p J
DK  P
kkkP e Jz] DK _ RP
kkP g  
JK u kP P P
JK u kkP kkkP P
JK u kkkP P JK u kP kkP P
JK u kP kkkP P JK u kkP kkkP P
JK u kP kkkP P
USP Jr TK u -R _ U\XY -S _ R\VZP u g JD z K _ R zN
§  JK n § P
WRRR \
UXP Jr TK u g J D zK _ R z N §O
JK Y\Z P \
JK TUVS P kP gJ{ z K -R -S P
kkP u -S _ RN  gJ { KP
JK p P kkkP n  nJ { zKP
JK TVRV P
JK n § P
UTP Jr TK u g J { z K zP e
JK u kP kkkP P
\
kP g J D z K _ R z P JK u kkP kkkP P
kkP x J D zK _ = T z P JK u kP kkP P
kkkP e J z] DK _ RP
UYP Jr TK u -R _ U\XY -S _ R\VZP u g J D zK _ R
JK u kP P z N 
JK u kkP kkkP P \
JK u kkkP P
JK VZP
JK u kP kkkP P
JK p  N 
UUP Jr TK u -R _ U\XY -S _ R\VZP u g J D zK _ R z N P
x J zK _ TWP gN e J {] zK \ JK VZRR P
JK R\VZP JK R\VZP
JK R\VZ_TW _ R\RS[TP
JK p  P
JK R\VZ # TW _ STP
UVP Jr TK u § g J { zK
zP e §\
kP -R _ gJ { K ! -S gJ zKP
kkP -S z { P
kkkP g  § eJ z] DK _ RP
[ SR
geqpqogvtkc 
gzcogp hkpcn P
vkrq V 0 h  §\ n TU oP
S[ o TRSS
0 h \  c iP
k\
¸ n    \
$  ]
N   SR 
¸ t N   O P
 P t §
P N  c i 
 §P
¸ tN N 
P
d tgurwguvcu
P SP SVP TYP
TP SWP TZP
0 e  UP SXP T[P
 P VP SYP URP
WP SZP USP
0 n P
XP S[P UTP
§P ZP TSP UVP
[P TTP UWP
STP TWP
0 e  P
e    P
0 e  RPTY §P e 
0 n §  
0 u N  N
§P
0 r J
  KP
SP Jr TK u g J D zK _ R zN §O JK n § P
\ JK u kP P
kP gJ{ zK -R -SP
kkP u -S _ RN  gJ { KP XP Jr TK u -R _ U\XY -S _ R\VZP u g J D zK _ R
kkkP n  nJ { zKP z N WGN 
\
JK u kP kkkP P
JK n § P JK R\TVGP
JK u kP kkP P JK TVRR P
JK u kkP kkkP P JK T\VGP
JK p  N 
TP Jr TK u -R _ U\XY -S _ R\VZP u g JD z K _ R zN P
§ 
WRRR \ YP Jr TK u -R _ U\XY -S _ R\VZP u g J D zK _ R
z N 
JK TUVS P \
JK Y\Z P
JK p  N 
JK TVRV P
P
JK p P
JK VZP
UP Jr TK u -R _ U\XY -S _ R\VZP u g J D zK _ R z N JK R\VZP
x J zK _ TWP gN e J {] zK \ JK VZRR P
JK R\VZ_TW _ R\RS[TP ZP Jr TK e §\
JK R\VZP kP p J
JK R\VZ # TW _ STP DK  P
kkP g  
JK p  P P
VP Jr TK u § g J { zK
zP e §\ JK u kkP kkkP P
kP -R _ gJ { K ! -S gJ zKP
kkP -S z { P JK u kP kkP P
kkkP g  § eJ z] DK _ RP JK n § P
JK u kP kkkP P
JK u kP kkkP P
JK n § P [P Jr TK u g J { zK z P e
JK u kP kkP P \
kP g J D zK _ R z P
JK u kkP kkkP P kkP x J D zK _ = T zP
kkkP e J z] DK _ RP
WP Jr TK u -R _ U\XY -S _ R\VZP e §\
kP e N P JK u kkP kkkP P
kkP w © N
 P JK u kP P
kkkP g P JK u kP kkkP P
JK u kkkP P
JK u kkP P
JK u kP kkP P
U V
SRP Jr TK u g J { z K zP e JK p § P
\ JK u kP kkkP P
kP g J D zK _ R zP
kkP x J D z K _ = T zP JK u kP kkP P
kkkP e Jz] DK _ RP JK u kP P
JK u kkP kkkP P SVP Jr SK f  N z _ RN 
JK u kP P {  J K\
JK u kP kkkP P JK p P
JK u kkkP P JK S\UP
SSP g  JK TP
 P g\ JK S\YP
kP r  N
P SWP Jr SK n  z { J K\
kkP s © N
§ P JK U\W M S\TWzP
kkkP g  JK R\XR M TR{ P
P
JK U\W M S\TW{ P
JK u kkP P JK S\TW M U\W{ P
JK u kP kkP P
SXP Jr SK e §\
JK n § P kP n z { SN  P
JK u kP P kkP g J { zK zP
kkkP n { z zP
STP r  N
JK u kP P
 N P JK p § P
kP t JK n § P
P
JK u kkP P
kkP t
P SYP Jr SK n  { z J T K\
kkkP r  P
u   N JK !V M z P
 JK T\RR ! R\RWzP
\
JK S\XZ M R\RWz P
JK u kP kkkP JK V M zP
JK u kP kkP
SZP Jr SK u z W SRN {
JK u kP J K\
JK g P
JK !S\RP
SUP Jr SK u  {  JK RP
\
JK R\UP
kP g TN z P
kkP g UN z _ W P JK W\RP
W X
S[P Jr SK e §\ JK jR \ -S _ -T M SS-U _ RP
kP n J { z K _ g J { zKP
kkP n J { zK P TVP Jr UK u e Jcdkn] gfK X _ RP u
kkkP g J { zK z P  \
JK u kkP P JK p § P
JK n § P JK n  jR \ -S _ -W P
JK u kkP kkkP P JK c WG §N  
JK u kkkP P P
JK p  P
TRP Jr SK e §\
kP z {  P TWP Jr UK f  N á 
kkP e z N { P JgfK   Jy jkv g # gfK a
kkkP n { z z P
JK g  TRUN
JK u kkP kkkP P § gf y jkv g # gf 
JK p § P § WGP
JK u kP P JK g  UYN N
§ WGN gf y jkv g # gf P
JK u kkkP P
JK p § P
TSP Jr UK u e Jcdkn] gfK X_ RP r N JK g  TRUN
[ SR  JO § gf y jkv g # gf 
K\ § WGP
JK SW\XGP TXP Jr UK u JSK oeTgN p gct Jy jkv g # p gct
JK SS\RGP P n  J K
JK p P  \
JK V\SGP JK u P
TTP Jr UK c JSK oeTgN p gct Jy j kv g # p gctK JK p § P
N \ JK v  JSK P
M3T gz M3U gz T M 3V y jkv g M3W Jy jkv ~ JK u P
JK Jy K _ 3R M3S gf g # gfK MT N
Jy jkv
gf ~ g # gfK TYP Jr UK u e Jcdkn] gfK X _ RP u  O
P P g\
JK Jy K _ /R M/S p gctM/T gz M/U gz T M/V y jkv g M/W Jy jkv g # p gctKMS P
JK p § P
JK p § P
JK Jy K _ ,R M ,S gf M ,T gz M ,U gz T M ,V y jkv g M ,W Jy j kv g # gfK M
,X p gct M ,Y Jy jkv g # p gctK M UP JK g § gf u S -S P
TUP Jr UK g JRKN N
SS  N   N N TZP Jr UK u e Jcdkn] gfK _ RP s 
 P n  \  Pe §\
kP g  S[VN N
JK jR \ -S _ -T ! TU-U P § N 
JK jR \ -S _ -T N -T M ST-U _ RP  P
JK jR \ -S ! -T ! TU-U _ RP kkP g  AST N N 
Y Z
 O JK p P
P JK .
S _ -S M -X P
kkkP g  X\VN N •CS
§ N   JK .
S _ -S P
•CS
P
JK _ -S P
.S X
•CS
JK n § P
UVP Jr UK u e Jcdkn] gfK X _ RP r N
JK u kP P
SR SS  JO
JK u kP kkP P K\
JK p § P
JK Z\WGP
T[P Jr UK u e Jcdkn] gfK X_ RP g\ JK U\YGP
JK g § gf u S -S P JK p § P
JK p § P JK SR\XGP
JK g § y jkv g u S -VP UWP Jr UK u e Jcdkn] gfK X
_ RP g\
JK g § y jkv g # gf u S -W P
URP Jr UK u e Jcdkn] gfK _ RP r _ R] S] \ \ \ ] WN
. P
oeq . oeTg  JSKP g\ JK n   N Jy j kv g # gfKN O
P
JK
.  - P
JK p § P N N P
JK n .
 .
P JK p § P
JK
.  - P
UXP Jr UK u e Jcdkn] gfK X
_ RP gN p gct y jkv g # p gct\
USP Jr UK w  N |S N \
JK u  JSKN § y j kv g#p gct
JK eJ] |S K _ RP §  J K gfP
JK eJgf] |S K _ RP JK p   JSKN § y jkv g#p gct
§  J K gfP
JK p P
JK p   JSKN
JK eJD] |S K _ RP
u SP
UTP Jr UK u |T |U  JK p P
  P gN O
§  \ UYP Jr UK ár § § 
N p gctN  a
JK e 
P JK uN p gct  § p gct § u
WP
JK e 
P JK uN p gct  § p gct § u
VP
JK e P
JK p P
JK p § P
JK pN p gct JSKP
UUP Jr UK u e Jcdkn] gfK X_ RP gN oeq .SN
.S N
§ \
[ SR
Columna1 TIPO 1 TIPO 2 TIPO 3 TIPO 4
1 A B A D
2 D A D A
3 C B C C
4 A A A B
5 A D A A
6 B B D C
7 B D D C
8 A B A A
9 D A C C
10 A C B B
11 C A D A
12 D A C C
13 B C B C
14 D B A B
15 B C C C
16 D B A B
17 B B A C
18 C D C A
19 C B B A
20 D D D B
21 B C B B
22 B B B A
23 D A A C
24 B D C D
25 C A A B
26 C D B C
27 D D D D
28 C D D C
29 B C B A
30 A B A A
31 B A B D
32 D A D A
33 C D D D
34 D D A D
35 C B B B
36 D A C A
37 C D D B

Colección de Exámenes de Econometría

Cargado por

Copyright:

Formatos disponibles

Colección de Exámenes de Econometría

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Colección de Exámenes de Econometría

Cargado por

Copyright:

Formatos disponibles

COLECCIÓ N

Unión de Estudiantes de Ciencias Económicas | AECUC3M

TIEMPO: 2 HORAS 30 MINUTOS

• ANTES DE EMPEZAR A RESPONDER EL EXAMEN:

— Rellene sus datos personales en el impreso de lectura óptica, que será

TITULACION GRUPOS CODIGO DE

• Compruebe que este cuadernillo tiene 5 problemas y que el cuestionario de

• Cualquier alumno que sea sorprendido hablando o intercambiando

• Fechas de publicación de calificaciones: Viernes 11 de febrero.

— Grupos del Campus de Getafe: Martes, 15 de febrero a las 15 h en las

• Normas para la revisión:

— La revisión sólo tendrá por objeto comprobar el número de respuestas

• No arrugar ni doblar las hojas de examen.

En cambio no será válido si lo rellena de alguna de estas formas:

La ecuación de salarios típicamente postulada para caracterizar el rendimiento de

LW = β 0 + β 1 EDU C + β 2 EXP + β 3 ANT + β 4 CAP + ε, (S.1)

E (ε| EDUC, EXP, ANT, CAP ) = 0

LW = logaritmo del salario mensual (en miles de dólares);

Los efectos esperados de las cuatro variables explicativas son positivos.

Además, se sabe que educación y capacidad están positivamente correlacionados,

C(EDUC, CAP ) > 0.

y que tanto la experiencia (EXP ) como la antigüedad (ANT ) no están correla-

Sin embargo, la capacidad es habitualmente inobservable, de manera que el modelo

LW = δ 0 + δ1 EDUC + δ 2 EXP + δ 3 ANT + u (S.2).

No obstante, cabe la posibilidad de medir, si bien de forma imperfecta, la capacidad.

donde ξ representaría el error de medida resultante de utilizar el IQ en lugar de CAP .

Además de las variables consideradas, se dispone también de información sobre

Empleando datos de 758 observaciones se han realizado las siguientes estimaciones:

(NOTA: W 0 es el contraste de significación conjunta de EDUCMAD, KW W ,

(NOTA: La variable explicativa endógena en la Salida 4 es IQ).

(NOTA: RES3 son los residuos de la Salida 3)

E (ln SAL | EDU C, EXP, N EG, HISP, MU JER) = β 0 + β 1 EDUC + β 2 EXP

donde se cumplen los supuestos del modelo de regresión clásico.

Además, las variables se definen como:

SAL = salario-hora de un individuo en euros;

Sea el modelo lineal sobre el gasto mensual con la tarjeta de crédito,

T C = β 0 + β 1 EDAD + β 2 RENT A + β 3 RENT A2 + β 4 P ROP + ε

Empleando una muestra de 72 observaciones se han realizado las siguientes esti-

renta (dividida por 10000)

Gráfico H: Residuos frente a la variable renta

Una de las funciones de producción más utilizadas es la función CES (Constant

Y = γ (δK ρ + (1 − δ)Lρ )v/ρ

ln Y = ln γ + δv ln K + (1 − δ)v ln L − 1/2ρδ (1 − δ) v [ln(K/L)]2 + ε

Los resultados obtenidos se presentan a continuación:

SALIDA 2 (Matriz de cov. de los estimadores)

donde C es el consumo en bienes de lujo, R∗ es la renta y ε es el término de error.

9. (Problema 5) De las estimaciones se deduce que:

14. (Problema 4) En relación al contraste de rendimientos constantes a escala en la tecnologı́a

ln (Y /L) = γ0 + γ1 ln (K/L) + γ2 [ln(K/L)]2 + η,

¿Qué esperarı́a de a1 cuando el tamaño muestral tiende a infinito?

33. (Problema 3) A la vista de las estimaciones:

PROBLEMA 1: PROBABILIDAD DE DENEGACIÓN DE UNA HIPOTECA

Se consideran tres especi…caciones de un modelo que explique la probabilidad de

Otro investigador añade al análisis una medida de la morosidad del solicitante en

HRS = 0 + 1 WHITE + 2 BLACK + 3 HISPAN

donde, para cada mujer:

(NOTA: RES son los residuos de la SALIDA 2)

• ANTES DE EMPEZAR A RESPONDER EL EXAMEN:

TITULACION GRUPOS CODIGO DE

• Al final de este documento, se adjuntan tablas estadı́sticas.