Examen Final: Fundamentos de Econometría
10 preguntas que cubren todo el curso. Necesitas 7/10 para aprobar y obtener tu certificado.
Repaso integral del curso: fórmulas clave, supuestos, diagnósticos y práctica en R
Estimador insesgado, consistente y ELIO bajo supuestos clásicos. Minimiza Σ(Yáµ¢ - β̂Xáµ¢)². Requiere linealidad, exogeneidad, homocedasticidad, no autocorrelación y normalidad (para inferencia).
F-test para significancia conjunta: F = ((R²ₙ - R²ᵣ)/q)/((1-R²ₙ)/(n-k-1)). Intervalo de confianza al 95%: β̂ⱼ ± tâ‚€.₀₂₅·se(β̂ⱼ). Rechazar Hâ‚€ si |t| > t_crítico.
Log-log: β₠es elasticidad (%ΔY/%ΔX). Log-lin: β₠es semi-elasticidad (cambio porcentual en Y por unidad de X). Términos cuadráticos capturan rendimientos marginales decrecientes/crecientes.
Correlación alta entre regresores. Infla errores estándar pero no sesga β̂. Soluciones: eliminar variables, aumentar muestra, Ridge regression. No es problema si solo interesa la predicción.
Var(εᵢ) depende de Xáµ¢. β̂ sigue insesgado pero SE incorrectos. Detección: Breusch-Pagan, White, Goldfeld-Quandt. Solución: errores robustos de White (HC), WLS, MCG.
Errores correlacionados en el tiempo (series temporales). DW cercano a 0 = autocorrelación positiva. Solución: errores HAC (Newey-West) o transformación Cochrane-Orcutt.
Generalización de MCO para errores no esféricos (Ω ≠σ²I). WLS es MCG con Ω diagonal. MCGF estima Ω en primera etapa. Cuando Ω = σ²I, MCO = MCG.
X correlacionado con ε ⇒ β̂_MCO sesgado. Se requiere instrumento Z: relevante (Cov(Z,X)≠0, F>10) y exógeno (Cov(Z,ε)=0). MC2E: etapa 1→XÌ‚, etapa 2→Y sobre XÌ‚.
RESET: error de especificación (potencias de YÌ‚). JB = n(S²/6+(K-3)²/24) ∼ χ²₂ para normalidad. Cook's D > 4/n = observación influyente. R̄², AIC, BIC para selección.
summary(modelo): coeficientes, SE, p-valores, R², F. plot(modelo): 4 gráficos de diagnóstico. coef(), resid(), fitted(), predict(). tidyverse: dplyr + ggplot2 para análisis moderno.
10 preguntas que cubren todo el curso. Necesitas 7/10 para aprobar y obtener tu certificado.