Documente Academic
Documente Profesional
Documente Cultură
QUESTÃO 09 (2001)
A partir de uma amostra de n elementos, foi estimada uma regressão linear simples, pelo método de mínimos
quadrados, obtendo-se os resultados:
Yˆt ˆ ˆ1 X t
ˆ 0
R 12 K1
A seguir, a mesma regressão foi estimada sabendo-se que a reta de regressão da população passa pela origem das
coordenadas (termo constante = 0), obtendo-se os resultados:
Yˆt ˆ 2 X t
R 22 K 2
Pode-se afirmar que:
Ⓞ ̂ 1 = ̂ 2
QUESTÃO 12 (2005)
Um pesquisador estima o seguinte modelo de regressão simples: Yi 0 1 X i ei . Outro pesquisador estima o
mesmo modelo, mas com escalas diferentes para Yi e X i . O segundo modelo é: Yi 0 1 X i ei , em que:
* * * * *
② As variâncias dos estimadores dos parâmetros do primeiro modelo são maiores do que as variâncias dos estimadores
do segundo modelo.
③ Os coeficientes de determinação são iguais nos dois modelos.
* *
④ A transformação de escala de ( Yi , X i ) para ( Yi , X i ) não afeta as propriedades dos estimadores de Mínimos
Quadrados Ordinários dos parâmetros.
QUESTÃO 11 (2000)
Considere o seguinte modelo de regressão linear clássico, relacionando as variáveis quantidade
demandada (Q) e preço do produto (P). Admita que as duas variáveis sejam medidas em Reais, e que a
estimação será efetuada por MQO (ln é logaritmo natural)
(0) Variando-se o preço em 1%, a quantidade demandada variará 102%, ceteris paribus.
(1) Ignorando-se o termo aleatório, se o preço ultrapassar determinado limite, será possível obter
quantidades demandadas negativas.
(2) Se mudarmos as unidades de Q e P para dólares americanos, então a estimativa de 2 na
nova equação será igual a sua estimativa obtida na equação em Reais.
(3) Se a variável ln Y (Y = renda) for acrescentada ao modelo o coeficiente R 2 desta nova
regressão será maior ou igual ao coeficiente R2 da regressão original.
(4) Se o coeficiente R2 ajustado da regressão com a variável ln Y for maior do que o coeficiente R 2
ajustado da regressão original, então necessariamente, o coeficiente de ln Y é estatisticamente significante,
ao nível de significância de 5%, em um teste bi-lateral.
QUESTÃO 12 (2001)
③ A hipótese Var ( i | X i )
2
é necessária para que os estimadores de mínimos quadrados ordinários sejam não
tendenciosos.
④ Os estimadores de mínimos quadrados de 1 e 2 podem ser escritos como combinações lineares das observações
Yi .
QUESTÃO 07 (2008)
QUESTÃO 08 (2007)
Julgue as afirmativas:
Ⓞ Heterocedasticidade ocorre quando o erro aleatório em um modelo de regressão é correlacionado com uma
das variáveis explicativas.
Exame Nacional ANPEC 2007: 1° Dia ESTATÍSTICA 3/6
① Quando o erro aleatório em um modelo de regressão é correlacionado com alguma variável explicativa, os
estimadores de mínimos quadrados não são consistentes.
② Na presença de heterocedasticidade, estimadores de mínimos quadrados ordinários são ineficientes.
③ Os testes t e F usuais não são válidos na presença de heterocedasticidade.
④ Na presença de heterocedasticidade, estimadores de mínimos quadrados ordinários são não viesados, mas
são inconsistentes.
QUESTÃO 06 (2006)
Julgue as afirmativas. A respeito dos estimadores de Mínimos Quadrados Ordinários (MQO), em um modelo de
regressão linear múltipla:
Ⓞ Se a variância do erro não for constante, as estimativas dos parâmetros serão não-viesadas.
① Se E() 0, os estimadores de todos os parâmetros, com exceção do intercepto, serão viesados.
② Se o erro não seguir a distribuição Normal as estimativas por MQO são consistentes.
③ Sob as hipóteses do modelo de regressão clássica, com erros na forma de ruído branco com distribuição Normal, os
estimadores de MQO serão os mais eficientes possíveis.
④ A presença de colinearidade imperfeita entre as variáveis explicativas gera estimadores viesados.
QUESTÃO 09 (2006)
O método dos mínimos quadrados ordinários foi empregado para estimar o modelo de regressão abaixo, cujo objetivo é
explicar as variações de renda entre 526 indivíduos de uma amostra aleatória:
ln(renda) = 0,362+ 0,094 educ + 0,014 exper – 0,178 sexo – 0,010 exper x sexo + u
(0,128) (0,008) (0,002) (0,058) (0,002)
R2 = 0,368 n = 526
em que sexo é uma variável dicotômica (valor 1, se for mulher e 0, caso contrário), educ é o número de anos de
escolaridade (0 educ 17), exper são anos de experiência profissional (0 exper 40) e u é a estimativa do erro. Os
números entre parênteses são os erros-padrão das estimativas, robustos à heterocedasticidade. Com base nos resultados
acima, é correto afirmar:
Ⓞ Ao nível de significância de 5%, o efeito de um ano a mais de experiência profissional para indivíduos do sexo
masculino é estatisticamente maior do que o efeito para mulheres.
① Para um indivíduo com 10 anos de escolaridade, 1 ano adicional de estudo acarreta um aumento da renda de
aproximadamente 9%.
② O efeito na renda de um aumento de 1 ano na experiência profissional para as mulheres é 1% menor do que para os
homens.
③ Pela inspeção dos resultados da estimação fica claro que os erros do modelo são heterocedásticos.
④ Se a um nível de significância de 5%, o valor crítico do teste F para a regressão for 2,37, os coeficientes angulares
serão conjuntamente diferentes de zero.
QUESTÃO 14 (2004)
Um pesquisador estimou uma regressão múltipla com 5 variáveis independentes e n = 56, mas na pressa, não imprimiu
os resultados e anotou apenas o valor do R 2 = 0,90, o coeficiente de determinação. Este pesquisador precisa verificar se
a regressão é significante. Ajude-o, calculando o valor da estatística do teste a ser empregado.
QUESTÃO 11 (2005)
É dada a seguinte função de produção para determinada indústria:
ln(Yi ) 0 1 ln( Li ) 2 ln( K i ) u i ,
em que Y é o valor adicionado por firma (em reais), L é o trabalho empregado, K é o valor do capital (em reais) e u é o
termo aleatório. Uma amostra aleatória de 27 observações leva às seguintes estimativas:
R 2 0,76
São corretas as afirmativas:
Ⓞ Se Y passasse a ser medido em mil reais, somente o valor estimado do intercepto da regressão seria alterado.
① Ao nível de 5%, os coeficientes associados ao trabalho e ao capital são conjuntamente iguais a zero.
QUESTÃO 14 (2005)
Considere o seguinte modelo para a população: Y = 2 + 4X – 5Z + u, em que u é o termo aleatório e
E (u | X , Z ) E (u ) 0 . A partir de uma amostra de n indivíduos, estimaram-se os parâmetros deste modelo, tendo,
todavia, sido omitida a variável Z. Ou seja, o modelo estimado foi: Yˆ ˆ ˆ X . Suponha ainda que, para amostra
i 0 1 i
(Z i Z )( X i X )
1 n 1 n
i 1
n
0,7 , em que X
n i 1
X i e Z Zi .
n i 1
(X
i 1
i X )2
Calcule E ˆ1 | X . Multiplique o resultado por 10.
QUESTÃO 07 (2003)
O método dos mínimos quadrados ordinários foi empregado para estimar o modelo de regressão abaixo, cujo objetivo é
explicar as variações de renda entre 526 indivíduos:
log(renda ) 0,417 0,297 sexo 0,080 educ 0,029 exper 0,00058 exper 2 u ,
( 0 , 099 ) ( 0 , 036 ) ( 0 , 007 ) ( 0 , 005 ) ( 0 , 00010 )
R 0,441, n 526, 2
em que sexo é uma variável dicotômica (valor 1, se for homem e 0, caso contrário), educ é o número de anos de
escolaridade, exper é experiência profissional, também medida em anos. Os números entre parênteses são os erros-
padrão das estimativas ( sb i 0,,.,..
i
1 .,4) . Com base nos resultados acima, é correto afirmar:
Ⓞ a regressão não é estatisticamente significante pois o coeficiente de determinação é menor do que 0,5;
② um ano a mais de escolaridade, mantidos constantes todos os demais fatores, aumenta em 0,08% a renda de um
indivíduo do sexo feminino;
QUESTÃO 10 (2000)
O seguinte modelo de regressão foi estimado utilizando-se dados trimestrais entre 1979 e 1998,
inclusive:
^
Yi = 2.20 + 0.104 X2i
A soma total explicada foi 100,5. Quando esta equação foi re-estimada, adicionando-se três “dummies”
sazonais, a soma total explicada aumentou para 114,5 e a soma do quadrado dos resíduos foi igual a
20,00. Suponha que deseja-se testar se a sazonalidade é significativa. Calcule a estatística de teste
adequada.
QUESTÃO 5 (1999)
Foram encontrados os seguintes resultados para estimar uma regressão linear com duas variáveis explicativas para uma
amostra de tamanho 10.
(1) A um nível de significância de 5% podemos afirmar que a regressão existe. Porém, após elaborarmos os testes de
hipóteses para os coeficientes individuais, aceitamos a hipótese (a um nível de significância de 1%) de que o
coeficiente para a variável X2 é zero.
(2) O coeficiente de determinação indica que 81,2b% da variação amostral de Y podem ser atribuídos as variações de X1 e
X2.
(4) Os valores teóricos das estatísticas “t” utilizadas para testar os coeficientes das variáveis explicativas
devem ser calculados para 7 graus de liberdade.
QUESTÃO 08 (2001)
No modelo de equações simultâneas:
Q D 1 1 P 1Y u1 (demanda)
Q S 2 2 P u 2 (oferta)
QD QS
em que: QD é a quantidade demandada; QS, a quantidade ofertada; P, o preço; Y, a renda; u1 e u2 são os componentes
aleatórios. Neste modelo:
Ⓞ A aplicação do método de mínimos quadrados ordinários (MQO) a cada uma das equações do sistema,
desconsiderando-se a outra, fornecerá estimativas não tendenciosas.
QUESTÃO 12 (2002)
Em relação aos modelos de Séries de Tempo pode-se afirmar:
QUESTÃO 08 (2003)
Considere o modelo de equações simultâneas:
QiD 1 ' Pi u1i (demanda)
QiS 2 2 Pi u 2i (oferta)
Q Q
i
D
i
S
D S
em que: Qi é a quantidade demandada, Qi é a quantidade ofertada, Pi é o preço, e u1i e u2i são termos aleatórios. É
correto afirmar que:
Ⓞ o estimador de mínimos quadrados ordinários aplicado a cada uma das equações é consistente e não-tendencioso;
① no modelo acima a equação de demanda é identificada mas a equação de oferta não é;
② se a equação de demanda for definida por Qi 1 ' Pi 1Yi u1i , em que Yi é a renda, a equação de oferta será
D
identificada;
③ a equação de demanda será identificada se for definida por Qi 1 ' Pi 1Yi u1i ;
D
④ a variável renda, empregada nos dois itens anteriores, é uma “variável instrumental”.
QUESTÃO 07 (2004)
São corretas as afirmativas. Em modelos de equações simultâneas:
Ⓞ o problema da identificação precede o da estimação.
① se a condição de ordem for satisfeita, a condição de posto também será satisfeita.
② os estimadores de mínimos quadrados indiretos e os de mínimos quadrados de dois estágios são não-tendenciosas e
consistentes.
③ se uma equação é exatamente identificada, os métodos de mínimos quadrados indiretos e de dois estágios produzem
resultados idênticos.
④ o método de mínimos quadrados indiretos pode ser aplicado tanto a equações exatamente identificados quanto a
equações superidentificadas.
QUESTÃO 08 (2005)
Considere o modelo de equações simultâneas:
Qtd 0 1 Pt 2 X t e1t (demanda)
Qts 0 1 Pt e2t (oferta)
Qtd Qts (condição de equilíbrio)
d s
Q e Q são, respectivamente, as quantidades demandadas e ofertadas do bem, X t é uma variável exógena e
t t
e1t e e2 t são os termos aleatórios, com médias zero e variâncias constantes. São corretas as afirmativas:
Ⓞ As equações de demanda e oferta são exatamente identificadas.
① Os parâmetros estruturais do modelo são consistentemente estimados por Mínimos Quadrados Ordinários.
0 0
② As equações na forma reduzida são: Pt 0 1 X t v t e Qt 2 3 X t wt , em que 0
;
1 1
2 e1t e2t 1 0 0 1 2 1 1e2t 1e1t
1 ; vt ; 2 ; 3 e wt .
1 1 1 1 1 1 1 1 1 1
③ As estimativas dos parâmetros da forma reduzida descritos no quesito anterior, por Mínimos Quadrados Ordinários,
são consistentes.
④ Os parâmetros das equações estruturais, obtidos dos parâmetros da forma reduzida, são estimados por Mínimos
Quadrados Ordinários.
QUESTÃO 07 (2006)
Considere o modelo:
Yt = Zt + Yt-1 + e1t (equação I)
Zt = Zt-1 + e2t (equação II)
em que , e são parâmetros e
e 0 2 12
e t 1t ~ Normal , 11
2
e2t 0 12 22
0
E (e t e k ) , para todo k t.
0
Suponha também que |<1 e |<1. São corretas as afirmativas:
Ⓞ A condição |<1 garante a estacionariedade de segunda ordem de Zt.
① O estimador de mínimos quadrados ordinários de na equação II, não é consistente.
② Os estimadores de mínimos quadrados ordinários de e na equação I, só serão consistentes se 12 = 1.
③ Sem nenhuma restrição adicional sobre os parâmetros do modelo, a equação I não satisfaz a condição de ordem para
identificação.
④ Para testar se há endogeneidade na equação I, pode-se usar o teste de Hausman
QUESTÃO 15 (2000)
Considere um processo AR(1)
Yt = Yt -1 + t , t ~ NID(0, 2), t = 1,2,...T,
em que, por hipótese, || <1, a não ser que seja dito o contrário. Considere Y o fixo e que t seja muito
distante da origem.
(0) A condição | | < 1 é necessária para que o processo apresente média e variância
incondicionais independentes do tempo.
(1) A média incondicional do processo é zero.
(2) A função de autocorrelação deste processo é diferente de zero para o "lag" 1, e é igual a zero
para todos os outros "lags".
(3) A previsão dois-passos à frente é dada por: E(Y t+2| Yt) = ( +1) + 2Yt , em que Yt = { Y1 , Y2 ,..., Yt}.
(4) Se =1, o processo será não estacionário.
QUESTÃO 10 (2001)
Seja o processo auto-regressivo: y t 1 y t 1 t . Pode-se afirmar que:
QUESTÃO 11 (2001)
Um econometrista estimou uma função consumo usando 25 observações anuais da renda pessoal disponível e
consumo, a partir do modelo:
Ct 1 2Yt ut , em que:
QUESTÃO 12 (2002)
Em relação aos modelos de Séries de Tempo pode-se afirmar:
① O modelo misto Autoregressivo-Médias Móveis, ARMA(1,1), pode ser representado pela expressão Zt = Zt + ut – ut-1
em que e são parâmetros e ut é um ruído branco.
② Se um processo estocástico possui uma tendência determinística, yt= 1 + 2 t + ut, então este é dito não-estacionário e
sua não-estacionariedade pode ser detectada por um teste para raiz unitária.
③ Em uma regressão com duas séries temporais, se estas são I(1), ou seja, não estacionárias, mas são cointegradas, pode-se
empregar a estatística t de Student para testar a significância dos coeficientes da regressão.
④ O teste de Engle-Granger para co-integração entre três variáveis consiste em utilizar a estatística e a tabela de valores
críticos Dickey-Fuller nos resíduos de uma regressão entre estas variáveis.
QUESTÃO 10 (2003)
Considere o modelo de regressão linear
Ct 0 1Yt u t , t 1, , T ,
em que: Ct é o consumo pessoal em t, Yt é a renda pessoal em t e ut é o termo aleatório. É correto afirmar que:
Ⓞ se Ct e Yt são I(1), então ut será obrigatoriamente estacionário;
① se o Ct e Yt são integradas, mas com ordens de integração diferentes, então a regressão será inválida;
② se Ct e Yt são I(1), então o teste ADF aplicado aos resíduos da regressão poderá identificar a presença de co-integração
entre as variáveis;
③ se Ct e Yt são I(1), mas os resíduos são I(0), então há co-integração entre as variáveis;
④ se Ct e Yt são I(1) e os resíduos também são I(1), então a regressão de Ct em Yt é inválida.
QUESTÃO 15 (2003)
Considere o modelo ARMA(1,1) definido por:
y t 0,5 y t 1 0,2 t 1 t , t 1, , T ,
em que a variância de t é igual a 1. Encontre a variância de yt.
(Multiplique o resultado final por 10. Marque somente a parte inteira na folha de resposta).
QUESTÃO 09 (2004)
Considere a seguinte regressão entre yt e zt:
yt z t u t ,
QUESTÃO 10 (2004)
Em relação aos modelos de séries temporais, são corretas as afirmativas: 0
Ⓞ No processo AR(1), Z t Z t 1 a t 0 , 1 , e a t é um ruído branco, a média de Z t será .
1
① O processo MA(1), Z t at at 1 , em que a t é um ruído branco, não é estacionário.
QUESTÃO 07 (2005)
Com respeito à teoria das séries temporais, são corretas as afirmativas:
Ⓞ Considere uma série temporal Yt auto-regressiva de ordem 1 com parâmetro . No modelo:
Yt Yt 1 Yt 1 u t , em que ut é um ruído branco e 1 , se for de fato igual a zero, a série Yt
será não estacionária.
① Numa regressão linear simples de duas séries temporais não estacionárias de ordem 1, o teste usual t de Student ainda é
válido.
② Numa regressão linear múltipla de séries temporais de ordem 1, mas cointegráveis, não se corre o risco de os
resultados serem espúrios.
③ Numa regressão linear múltipla de séries temporais de ordem 1, mas cointegráveis, os resíduos da regressão são
estacionários.
④ Se uma série temporal tiver que ser diferenciada n vezes antes de se tornar estacionária, a série original é integrada de
ordem n -1.
QUESTÃO 09 (2005)
São corretas as afirmativas:
Ⓞ No processo AR(1): y t 0 1 y t 1 et , em que 1 e et é um ruído branco de média zero e variância
2
2 , a variância de y t será .
1 2
① Seja a função de autocovariância do processo AR(1) definido no quesito anterior j E[( y t j )( y t j )] ,
0 1 j
em que E[ y t ] é a média do processo y t . É correto afirmar que j .
1 12
② O processo AR(2), y t 0 1 y t 1 2 y t 2 et , em que et é um ruído branco de média nula e variância 2 ,
será estacionário de segunda ordem se, e somente se, 1 1 e 2 1 .
③ A média do processo MA(1), y t et et 1 , em que et é um ruído branco, é igual a zero.
④ No modelo ARMA(1,1), y t 0 1 y t 1 et et 1 , em que et é um ruído branco de média nula e variância
0
constante, a média de y t é dada por .
1 1
QUESTÃO 07 (2006)
Considere o modelo:
Yt = Zt + Yt-1 + e1t (equação I)
Zt = Zt-1 + e2t (equação II)
em que , e são parâmetros e
e 0 2 12
e t 1t ~ Normal , 11
2
e
2t 0
12
22
0
E (e t e k ) , para todo k t.
0
Suponha também que |<1 e |<1. São corretas as afirmativas:
Ⓞ A condição |<1 garante a estacionariedade de segunda ordem de Zt.
① O estimador de mínimos quadrados ordinários de na equação II, não é consistente.
② Os estimadores de mínimos quadrados ordinários de e na equação I, só serão consistentes se 12 = 1.
③ Sem nenhuma restrição adicional sobre os parâmetros do modelo, a equação I não satisfaz a condição de ordem para
identificação.
④ Para testar se há endogeneidade na equação I, pode-se usar o teste de Hausman
QUESTÃO 11 (2006)
Dois economistas usam os modelos abaixo para analisar a relação entre demanda de moeda ( m) e renda nacional (y).
As variáveis estão todas em logaritmos e a periodicidade é mensal.
Economista A: Economista B:
mt 1.099 y t uˆ t (Equação 1) mt 1.14 y t eˆt (Equação 2)
( 0.0086) ( 0.145)
Testes Dickey-Fuller Aumentado (ADF), com número apropriado de defasagens maior que zero em todos os casos,
para as variáveis e para os resíduos dos dois modelos geram os seguintes resultados:
Ⓞ Tanto a série de demanda de moeda quanto a de renda nacional são integradas de primeira ordem.
① As séries de demanda de moeda e de renda nacional não são cointegradas ao nível de significância de 5%.
② Se a série de demanda de moeda for estacionária na diferença (difference stationarity) ela não pode ser estacionária na
tendência (trend stationary).
③ Se as séries de demanda de moeda e de renda nacional forem cointegradas, o Economista B deve incluir o erro
defasado ût-1 em seu modelo.
④ A série de renda nacional é um passeio aleatório puro.
QUESTÃO 15 (2006)
Uma série temporal Yt, t = 1,...T, foi gerada por um processo da classe ARIMA(p,d,q) e apresenta os seguintes
formatos para a Função de Autocorrelação (FAC) e Função de Autocorrelação Parcial (FACP):
Supondo que a média da série seja 100 e que YT-3 = 35, YT-2 = 28, YT-1 = 38 e YT = 30, calcule a previsão para YT+1 feita
no instante T , isto é E(YT+1|YT,YT-1,YT-2,YT-3,...).