Examen 2024/25-2
Hora
Asignatura Código Fecha
inicio
Econometría 21.432 14/6/2025 18:30
Ficha técnica del examen
• No es necesario que escribas tu nombre. Una vez resuelta la prueba final, solo se aceptan
documentos en formato .doc, .docx (Word) y .pdf.
• Comprueba que el código y el nombre de la asignatura corresponden a la asignatura de la que
te has matriculado.
• Tiempo total: 2 horas Valor de cada pregunta: 1/3
• ¿Se puede consultar material durante la prueba? SÍ ¿Qué materiales están permitidos?
Todos
• ¿Puede utilizarse calculadora? SÍ ¿De qué tipo? NO PROGRAMABLE
• Si hay preguntas tipo test, ¿descuentan las respuestas erróneas? NO ¿Cuánto?
• Indicaciones específicas para la realización de este examen: Se debe responder SOLO a 3
de los 4 ejercicios. Comentad y justificad las respuestas.
Página 1 de 7
, Examen 2024/25-2
Hora
Asignatura Código Fecha
inicio
Econometría 21.432 14/6/2025 18:30
Enunciados
1. Una analista está interesada en estudiar el consumo real del año 2020 (en base 2015) en términos
per cápita (Cons) en función del producto interior bruto real (en base 2015) per cápita (GDP) de los
años 2019 y 2020:
𝐶𝑜𝑛𝑠_2020𝑖 = 𝛽0 + 𝛽1 𝐺𝐷𝑃_2020𝑖 + 𝛽2 𝐺𝐷𝑃_2019𝑖 + 𝑢𝑖
A partir de una muestra de N = 20 países desarrollados ha obtenido los resultados siguientes:
> RegModel.1 <- lm(Cons_2020~GDP_2020+GDP_2019, data=Dataset)
> summary(RegModel.1)
Call:
lm(formula = Cons_2020 ~ GDP_2020 + GDP_2019, data = Dataset)
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.03597 0.03597 1.000 0.3314
GDP_2020 -1.51335 0.63415 -2.386 0.0289 *
GDP_2019 2.06154 0.66500 3.100 0.0065 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.04211 on 17 degrees of freedom
Multiple R-squared: 0.7789, Adjusted R-squared: 0.7529
F-statistic: 29.94 on 2 and 17 DF, p-value: 2.688e-06
Posteriormente ha calculado el estadístico siguiente:
> jarque.test(RegModel.1$residuals)
Jarque-Bera Normality Test
data: RegModel.1$residuals
JB = 0.73287, p-value = 0.6932
Se pide:
a. Indicar la hipótesis básica del MRLM que se quiere contrastar, especificando los detalles del
procedimiento que se ha implementado (las hipótesis nula y alternativa del contraste que se
haya aplicado, así como el nombre del contraste) y el resultado de la inferencia estadística
trabajando a un nivel de significación del 5%.
La hipótesis básica del MRLM que se quiere contrastar es el supuesto de normalidad del
término de perturbación (𝑢𝑖 ). Para ello se aplica la prueba de Jarque-Bera.
Planteamiento de Hipotesis :
Ho:Los residuos siguen una distribucion Normal
H1:Los residuos No siguen una distribucion Normal
Página 2 de 7
Hora
Asignatura Código Fecha
inicio
Econometría 21.432 14/6/2025 18:30
Ficha técnica del examen
• No es necesario que escribas tu nombre. Una vez resuelta la prueba final, solo se aceptan
documentos en formato .doc, .docx (Word) y .pdf.
• Comprueba que el código y el nombre de la asignatura corresponden a la asignatura de la que
te has matriculado.
• Tiempo total: 2 horas Valor de cada pregunta: 1/3
• ¿Se puede consultar material durante la prueba? SÍ ¿Qué materiales están permitidos?
Todos
• ¿Puede utilizarse calculadora? SÍ ¿De qué tipo? NO PROGRAMABLE
• Si hay preguntas tipo test, ¿descuentan las respuestas erróneas? NO ¿Cuánto?
• Indicaciones específicas para la realización de este examen: Se debe responder SOLO a 3
de los 4 ejercicios. Comentad y justificad las respuestas.
Página 1 de 7
, Examen 2024/25-2
Hora
Asignatura Código Fecha
inicio
Econometría 21.432 14/6/2025 18:30
Enunciados
1. Una analista está interesada en estudiar el consumo real del año 2020 (en base 2015) en términos
per cápita (Cons) en función del producto interior bruto real (en base 2015) per cápita (GDP) de los
años 2019 y 2020:
𝐶𝑜𝑛𝑠_2020𝑖 = 𝛽0 + 𝛽1 𝐺𝐷𝑃_2020𝑖 + 𝛽2 𝐺𝐷𝑃_2019𝑖 + 𝑢𝑖
A partir de una muestra de N = 20 países desarrollados ha obtenido los resultados siguientes:
> RegModel.1 <- lm(Cons_2020~GDP_2020+GDP_2019, data=Dataset)
> summary(RegModel.1)
Call:
lm(formula = Cons_2020 ~ GDP_2020 + GDP_2019, data = Dataset)
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.03597 0.03597 1.000 0.3314
GDP_2020 -1.51335 0.63415 -2.386 0.0289 *
GDP_2019 2.06154 0.66500 3.100 0.0065 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.04211 on 17 degrees of freedom
Multiple R-squared: 0.7789, Adjusted R-squared: 0.7529
F-statistic: 29.94 on 2 and 17 DF, p-value: 2.688e-06
Posteriormente ha calculado el estadístico siguiente:
> jarque.test(RegModel.1$residuals)
Jarque-Bera Normality Test
data: RegModel.1$residuals
JB = 0.73287, p-value = 0.6932
Se pide:
a. Indicar la hipótesis básica del MRLM que se quiere contrastar, especificando los detalles del
procedimiento que se ha implementado (las hipótesis nula y alternativa del contraste que se
haya aplicado, así como el nombre del contraste) y el resultado de la inferencia estadística
trabajando a un nivel de significación del 5%.
La hipótesis básica del MRLM que se quiere contrastar es el supuesto de normalidad del
término de perturbación (𝑢𝑖 ). Para ello se aplica la prueba de Jarque-Bera.
Planteamiento de Hipotesis :
Ho:Los residuos siguen una distribucion Normal
H1:Los residuos No siguen una distribucion Normal
Página 2 de 7
