Material de Estudo-24

Prévia do material em texto

Material de Estudo - Econometria - 24 
1. Em um modelo de regressão linear simples, qual o objetivo do método dos mínimos 
quadrados ordinários (MQO)? 
a) Maximizar a correlação entre as variáveis independentes. b) Minimizar a soma dos erros de 
especificação do modelo. c) Minimizar a soma dos quadrados das diferenças entre os valores 
observados da variável dependente e os valores previstos pelo modelo. d) Garantir que os 
estimadores dos parâmetros sejam não viesados. e) Maximizar o coeficiente de determinação 
(R-quadrado). 
Resposta: c) Justificativa: O método MQO busca encontrar a reta de regressão que melhor se 
ajusta aos dados, minimizando a soma dos quadrados dos resíduos (erros), que são as 
diferenças entre os valores reais e os valores estimados da variável dependente. 
2. Qual a interpretação do coeficiente de determinação (R-quadrado) em um modelo de 
regressão linear? 
a) A porcentagem da variação total da variável independente que é explicada pelo modelo. b) A 
porcentagem da variação total da variável dependente que é explicada pelo modelo. c) A 
intensidade da relação linear entre as variáveis independentes. d) A significância estatística dos 
coeficientes do modelo. e) A probabilidade de rejeitar a hipótese nula de que todos os 
coeficientes são iguais a zero. 
Resposta: b) Justificativa: O R-quadrado representa a proporção da variância total da variável 
dependente que é explicada pela variância da(s) variável(is) independente(s) no modelo de 
regressão. Varia entre 0 e 1, onde valores mais próximos de 1 indicam um melhor ajuste do 
modelo aos dados. 
3. Qual dos seguintes problemas viola a suposição de homocedasticidade nos modelos de 
regressão linear? 
a) A presença de variáveis omitidas relevantes no modelo. b) A correlação linear entre as 
variáveis independentes (multicolinearidade). c) A variância dos erros não ser constante para 
todos os níveis das variáveis independentes. d) A distribuição dos erros não ser normal. e) A 
relação entre a variável dependente e as variáveis independentes não ser linear. 
Resposta: c) Justificativa: A homocedasticidade é a suposição de que a variância dos termos de 
erro é constante para todos os níveis das variáveis independentes. A violação dessa suposição, 
onde a variância dos erros varia, é chamada de heterocedasticidade. 
4. O que indica um teste de hipóteses estatisticamente significativo para um coeficiente 
em um modelo de regressão linear? 
a) Que a variável independente correspondente tem um grande impacto econômico sobre a 
variável dependente. b) Que a relação entre a variável independente e a variável dependente é 
não linear. c) Que há uma alta correlação entre essa variável independente e outras variáveis 
independentes no modelo. d) Que há evidências estatísticas suficientes para rejeitar a hipótese 
nula de que o coeficiente é igual a zero na população. e) Que o R-quadrado do modelo é alto. 
Resposta: d) Justificativa: Um resultado estatisticamente significativo em um teste de hipóteses 
para um coeficiente sugere que a variável independente correspondente tem um efeito 
estatisticamente diferente de zero sobre a variável dependente na amostra, e que essa relação 
provavelmente se estende à população. 
5. Qual a consequência da presença de multicolinearidade em um modelo de regressão 
linear? 
a) Estimativas dos coeficientes viesadas. b) Erros padrão dos coeficientes inflacionados, 
tornando os testes de hipóteses menos precisos. c) R-quadrado do modelo baixo. d) Violação 
da suposição de homocedasticidade. e) Dificuldade em interpretar o impacto individual de 
cada variável independente sobre a variável dependente. 
Resposta: b) Justificativa: A multicolinearidade, ou alta correlação entre as variáveis 
independentes, não causa viés nos estimadores MQO, mas aumenta seus erros padrão, 
tornando os testes de significância menos confiáveis e dificultando a determinação do efeito 
individual de cada variável independente. 
6. Qual a finalidade de utilizar variáveis instrumentais (IV) em econometria? 
a) Corrigir problemas de heterocedasticidade nos erros. b) Lidar com a presença de variáveis 
omitidas no modelo. c) Estimar modelos de regressão não lineares. d) Abordar problemas de 
endogeneidade, onde a variável independente é correlacionada com o termo de erro. e) 
Aumentar o R-quadrado do modelo de regressão. 
Resposta: d) Justificativa: Variáveis instrumentais são utilizadas para obter estimativas 
consistentes em modelos onde há endogeneidade, ou seja, quando a variável independente é 
correlacionada com o erro, causando viés nos estimadores MQO. Um instrumento válido é 
correlacionado com a variável independente endógena, mas não correlacionado com o termo 
de erro.