Departamento de Métodos Cuantitativos para la Economıa y la

Departamento de Métodos Cuantitativos para la Economı́a y la Empresa
Prueba de evaluación tipo test asignatura Econometrı́a II (GECO Grupo C)
Modelos de Elección Discreta
Nombre y Apellidos: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . DNI: . . . . . . . . . . . . . . . . Grupo: . . . . . . . .
Pregunta
1
2
3
4
5
6
7
8
Calificación
a
a
a
a
a
a
a
a
b
b
b
b
b
b
b
b
c
c
c
c
c
c
c
c
d
d
d
d
d
d
d
d
1. En el modelo lineal de probabilidad:
A. la estimación de los coeficientes es la variación constante en la probabilidad de éxito asociada a
incrementos de una unidad en la variable independiente.
B. la estimación de los coeficientes es la variación no constante en la probabilidad de éxito asociada
a incrementos de una unidad en la variable independiente.
C. se pueden obtener valores estimados de la probabilidad de éxito fuera del intervalo [0, 1].
D. Las opciones A y C son correctas.
1.
2. Indica la expresión incorrecta:
A. Los modelos logit y probit son modelos no lineales, por lo que se obtiene un sistema de ecuaciones
normales que debe ser resuelto mediante algoritmos de optimización.
B. Las regresiones logit y probit se basan en la función logı́stica y en la distribución normal tipificada,
respectivamente, las cuales están acotadas entre 0 y 1 (y, por tanto, proporcionarán probabilidades
entre estos dos valores).
C. Dado zi = βb1 + βb2 x2i + · · · + βbk xki , obtenido a partir de los valores x2i , . . . , xki de las variables
independientes, la probabilidad de éxito se obtienen en los modelos logit y probit, respectivamente,
como:
1
,
1 + e−zi
P [Y = 1|1, x2i , . . . , xki ] = P [Z ≤ zi ],
P [Y = 1|1, x2i , . . . , xki ] =
Z ∼ N (0, 1).
D. La forma de S de las funciones logı́stica y de distribución normal estándar supone que las variaciones constantes en la probabilidad de éxito sean menoros en los extremos.
2.
3. En los modelos logit y probit:
A. un coeficiente estimado con signo negativo indica que la probabilidad de éxito aumenta cuando
su variable independiente asociada se incrementa una unidad.
B. el odd-ratio se interpreta como el número de veces que es más probable que ocurra el fracaso que
el éxito.
C. puesto que el coeficiente de determinación deja de ser útil se usará el coeficiente de McFadden, el
cual contabiliza el porcentaje de aciertos del modelo.
D. el signo del coeficiente estimado indica la relación directa o inversa entre la variable dependiente
y la probabilidad de éxito.
3.
4. Un banco dispone de una base de datos de antiguos receptores de créditos en la que se recoge información
acerca de la devolución del mismo, ingresos (medida en centenas de miles de euros), situación laboral (1
si tiene trabajo y 0 en caso contrario) y cargas (1 si no tiene cargas familiares y 0 en caso contrario) del
cliente. Basándose en ella obtiene la siguiente estimación de un modelo logit:
Coeficientes
Desviación Tı́pica
Cte
0.0309352
0.0863636
Ingresos
0.0412042
0.00870463
Laboral
0.337372
0.0515758
Cargas
0.191641
0.0753203
En tal caso:
A. ninguno de los coeficientes de las variables es significativamente distinto de cero.
B. sólo el témino independiente es significativamente distinto de cero.
C. todos los coeficientes son significativamente distintos de cero.
D. ninguna de las opciones anteriores es correcta.
4.
5. A partir de los datos del ejercicio 4 se tiene que:
A. los odd-ratio asociados al incremento unitario de la segunda y cuarta variable son 1.042065 y
1.211236, respectivamente.
B. un cliente con trabajo es 1.40126 veces más probable que devuelva el préstamo que otro sin trabajo
(supesto que el resto de variables permanece constante).
C. un cliente sin cargas familiares tiene una probabilidad 0.191641 mayor de devolver el crédito que
un cliente que si las tenga (suponiendo que el resto de variables se mantengan constantes).
D. todas las opciones anteriores son correctas.
5.
6. A partir de los datos del ejercicio 4 se tiene que:
A. La probabilidad de devolver un crédito de un individuo con 50000 euros de ingresos, con trabajo
y sin cargas es 0.6397613.
B. La probabilidad de devolver un crédito de un individuo con 50000 euros de ingresos, con trabajo
y con cargas es 0.6826483.
C. La diferencia de la probabilidad de devolver un crédito para dos individuos, uno con cargas
familiares y otro sin ellas, con 70000 euros de ingresos y sin trabajo es 0.042887.
D. La diferencia de la probabilidad de devolver un crédito para dos individuos, uno con cargas
familiares y otro sin ellas, con 70000 euros de ingresos y sin trabajo es 0.04587279.
6.
7. Para analizar el modelo de participación en el mercado laboral de las mujeres casadas se tienen en cuenta
las ganancias del marido (medidas en miles de euros), los años de educación de la mujer, su experiencia en
el mercado de trabajo (número de años trabajando), su edad y número de hijos menores de 6 años y entre
6 y 18. Usando un modelo probit se obtienen los siguientes resultados:
Coeficientes
Desviación Tı́pica
Cte
0.27
0.509
Ganancias
-0.012
0.005
Educación
0.131
0.025
Experiencia
0.123
0.019
Edad
-0.053
0.008
Hijos menores 6
-0.868
0.119
Hijos entre 6 y 18
0.036
0.043
En tal caso:
A. Las variaciones de todas las variables influyen en la probabilidad de que la mujer trabaje, ya que
los coficientes asociados son significativamente distintos de cero.
B. Una mujer con 5 años de experiencia laboral es 1.1399 veces más probable que encuentre trabajo
que otra con 4 años (supesto que el resto de variables permanece constante).
C. Por cada hijo menor a los 6 años la probabilidad de que la mujer trabaje disminuye 0.868.
D. Conforme aumentan los hijos menores a los 6 años la probabilidad de que la mujer trabaje disminuye.
7.
8. A partir de los datos del ejercicio 7 se tiene que:
A. Una mujer cuyo marido gana 35000 euros, tiene 6 años de educación, 2 de experiencia laboral, 46
años de edad, 2 hijos menores a 46 años y 1 entre 6 y 18 tiene una probabilidad de trabajar del
0.99887.
B. Una mujer cuyo marido gana 35000 euros, tiene 6 años de educación, 2 de experiencia laboral, 46
años de edad, 2 hijos menores a 46 años y 1 entre 6 y 18 tiene una probabilidad de trabajar del
0.0056.
C. Una mujer con 3 hijos menores a los 6 años es 5.6746 veces más probable que trabaje que otra
con un hijo menor a los 6 años (supesto que el resto de variables permanece constante).
D. Una mujer con 3 hijos entre 6 y 18 años es 1.0746 veces más probable que trabaje que otra con
un hijo en dicha franja de edad (supesto que el resto de variables permanece constante).
8.
¡¡Importante!!: sólo se corregirán las respuestas especificadas en la tabla inicial.