Conceptos Fundamentales de Econometría

En el contexto del modelo ecuacional Y=… y E(uu´)=… afirmamos que: las perturbaciones aleatorias del modelo no están autocorrelacionadas. En el contexto de un modelo lineal que cumple la hipótesis Y=… donde X es una matriz (nxk): las columnas de X son linealmente independientes. Dado el modelo uniecuacional Y=… en el que se sabe que el orden de la matriz Y es 58×1 podemos afirmar que: el orden de la matriz u es 58×1. Durante la etapa de especificación de un modelo econométrico, deben especificarse: entre otras cuestiones, el periodo muestral y la frecuencia de datos a utilizar. Un parámetro estimado es óptimo cuando: de entre los insesgados, es el que presenta menor varianza. Yt=…. El parámetro asociado a la variable factor trabajo puede interpretarse como: la elasticidad de la producción respecto al factor trabajo y el cambio % en la cantidad producida ante cambios % en el factor trabajo. En el MBRL (modelo básico de regresión lineal) son estocásticos: parámetros estimadores, la variable endógena y las perturbaciones aleatorias. En un MBRL, un valor negativo de un parámetro estimado para una variable exógena indica que: un incremento de la variable exógena provoca un decremento de la variable endógena. En un MBRL, los parámetros beta estimados por máxima verosimilitud: son insesgados, coinciden con los estimadores MCO, son consistentes, son eficientes. Entre los problemas atribuibles al método de obtención/fuente estadística de los datos utilizados en un modelo econométrico se encuentra: los errores de muestreo. En un modelo econométrico, se consideran variables predeterminadas: entre otras, variables endógenas, exógenas; excluida la variable asociada al término independiente y entre otros, las variables endógenas referidas a un momento anterior en el tiempo. Un modelo econométrico se caracteriza por: exigir una especificación estadística muy concreta de las variables. En un modelo econométrico se consideran variables estocásticas: variable endógena y variables endógenas referidas a un momento anterior en el tiempo. Entre las posibles utilidades de un modelo econométrico, NO ESTÁ: crear teorías económicas y confirmarlas o refutarlas categóricamente. Entre las posibles relaciones matemáticas y un modelo econométrico: las relaciones lineales y no lineales. Entre los problemas atribuibles a la fuente estadística de los datos utilizados en un modelo econométrico se encuentran: los errores de muestreo. Las posibles utilidades de un modelo econométrico son: determinar la estructura económica, calcular el valor de determinadas variables en el futuro e identificar políticas, simular los efectos que tiene sobre un fenómeno determinado diferentes estrategias o tácticas. La interpolación es: encontrar un dato desconocido que se encuentra comprendido entre datos conocidos. Solo se utiliza en series de datos temporales. La estructura económica de un modelo: se determina a partir de la estimación de los parámetros del modelo econométrico; se define con la cuantificación de las relaciones de un sistema. Se dice que una relación es dinámica cuando en alguna de las siguientes circunstancias: aparecen variables referidas a momentos diferentes del tiempo.

Las hipótesis básicas definidas como estructurales referidas a la matriz X son: hipótesis de la permanencia estructural. En un modelo lineal con término independiente, que trata de explicar el consumo en función de la renta, el parámetro asociado a la variable renta puede interpretarse como: la propensión marginal al consumo. Para que el estimador de los parámetros (beta estimado) de un modelo de regresión lineal sea insesgado: la esperanza matemática del término de perturbación aleatoria debe ser nula E(u)=0. El contraste de la F de Snedecor de significación conjunta: nos mide el % explicado de la variación de la endógena real. El contraste de la F-Snedecor de significación conjunta: determina la validez conjunta de todas las variables exógenas del modelo para explicar a la endógena (significación conjunta). El coeficiente de determinación corregido se diferencia del coeficiente de determinación general en que: en el cálculo del coeficiente de determinación corregido se tienen en cuenta los grados de libertad. Con respecto a las propiedades de los estimadores, podemos afirmar que: Un estimador ELIO es siempre eficiente y las hipótesis variables explicativas son deterministas y E(u)=0 son necesarias para demostrar la insesgadez de los estimadores MCO. Y=XB+u: y=nx1 X=nxk u=nx1 B=kx1. Si disponemos de datos de las ventas de una empresa con una periodicidad mensual y queremos utilizar la información para estimar un modelo econométrico en el que para el resto de variables solo disponemos de una observación por año, es conveniente: calcular la suma de ventas de cada mes y obtener una serie de periodicidad anual. Las técnicas de interpolación y extrapolación de datos se utilizan: cuando tenemos datos ordenados cronológicamente, datos de alta y baja frecuencia temporal, datos de series temporales. La hipótesis nula del contraste de significación individual de la T-student nos indica que: el coeficiente es nulo. La componente estacional de una serie de datos econométricos: refleja las oscilaciones de la serie en el c/p si la serie es mensual y las oscilaciones de la serie en el c/p si la serie es trimestral. Un parámetro estimado es óptimo cuando: de entre todos los insesgados es el que presenta menor dispersión o varianza. Los parámetros estimados por MCO en el MBRL se distribuyen como: una normal en todos los casos. Con respecto a las propiedades de los estimadores, podemos afirmar que: la hipótesis E(u)=0 es necesaria para demostrar la insesgadez de los estimadores MCO, un estimador ELIO es siempre eficiente. Bajo todas las hipótesis de un MBRL, la insesgadez del estimador MCO significa que: la esperanza del estimador MCO de B coincide con el verdadero valor de B. El coeficiente de determinación es una medida de significación que puede interpretarse como: el % explicado de la varianza de la endógena estimada y la real. El método de estimación MCO: garantiza una suma cuadrática residual mínima.