Você está na página 1de 79

EPGE / FGV

Econometria I - Graduacao
Perodo 2007.1
Exerccios de Econometria da ANPEC 1990-2007
Professor: Luiz Renato
Monitor: Ilton G. Soares
Sumario
1 Econometria 5
1.1 ANPEC 2007 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1 QUEST

AO 04 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.2 QUEST

AO 05 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.3 QUEST

AO 08 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1.4 QUEST

AO 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2 ANPEC 2006 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.1 QUEST

AO 06 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.2 QUEST

AO 08 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.3 QUEST

AO 09 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3 ANPEC 2005 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3.1 QUEST

AO 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3.2 QUEST

AO 11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3.3 QUEST

AO 12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3.4 QUEST

AO 14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.4 ANPEC 2004 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4.1 QUEST

AO 11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4.2 QUEST

AO 14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.5 ANPEC 2003 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.5.1 QUEST

AO 06 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.5.2 QUEST

AO 07 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.6 ANPEC 2002 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.6.1 QUEST

AO 09 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.6.2 QUEST

AO 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.7 ANPEC 2001 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.7.1 QUEST

AO 09 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.7.2 QUEST

AO 11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.7.3 QUEST

AO 12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.8 ANPEC 2000 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1
1.8.1 QUEST

AO 06 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.8.2 QUEST

AO 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.8.3 QUEST

AO 11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.9 ANPEC 1999 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.9.1 QUEST

AO 02 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.9.2 QUEST

AO 04 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.9.3 QUEST

AO 05 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.10 ANPEC 1998 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.10.1 QUEST

AO 13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.11 ANPEC 1997 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.11.1 QUEST

AO 14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.11.2 QUEST

AO 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.12 ANPEC 1996 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.12.1 QUEST

AO 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.13 ANPEC 1995 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.13.1 QUEST

AO 05 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.13.2 QUEST

AO 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.14 ANPEC 1994 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.14.1 QUEST

AO 04 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.14.2 QUEST

AO 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
1.15 ANPEC 1993 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
1.15.1 QUEST

AO 03 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
1.15.2 QUEST

AO 07 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
1.15.3 QUEST

AO 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
1.16 ANPEC 1992 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
1.16.1 QUEST

AO 13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
1.16.2 QUEST

AO 14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1.16.3 QUEST

AO 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
1.17 ANPEC 1991 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
1.17.1 QUEST

AO 08 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
1.17.2 QUEST

AO 14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
1.17.3 QUEST

AO 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2 Modelos de Equacoes Simultaneas 48
2.1 ANPEC 2007 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.1.1 QUEST

AO 12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.2 ANPEC 2006 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.2.1 QUEST

AO 07 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.3 ANPEC 2005 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2
2.3.1 QUEST

AO 08 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.4 ANPEC 2004 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.4.1 QUEST

AO 07 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.5 ANPEC 2003 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.5.1 QUEST

AO 08 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.6 ANPEC 2002 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.6.1 QUEST

AO 11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.7 ANPEC 2001 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.7.1 QUEST

AO 08 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.8 ANPEC 1998 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.8.1 QUEST

AO 14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3 Series Temporais 56
3.1 ANPEC 2007 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.1.1 QUEST

AO 03 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.1.2 QUEST

AO 07 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.1.3 QUEST

AO 09 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.2 ANPEC 2006 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.2.1 QUEST

AO 11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.2.2 QUEST

AO 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.3 ANPEC 2005 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.3.1 QUEST

AO 07 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.3.2 QUEST

AO 09 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.4 ANPEC 2004 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.4.1 QUEST

AO 09 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.4.2 QUEST

AO 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.5 ANPEC 2003 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3.5.1 QUEST

AO 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3.5.2 QUEST

AO 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.6 ANPEC 2002 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.6.1 QUEST

AO 12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.7 ANPEC 2001 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.7.1 QUEST

AO 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.8 ANPEC 2000 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.8.1 QUEST

AO 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.9 ANPEC 1999 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.9.1 QUEST

AO 01 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.10 ANPEC 1998 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3.10.1 QUEST

AO 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3
A Gabaritos 71
B Programa da prova de Estatstica - ANPEC 76
C Tabela Distribuicao Normal Padrao 77
4
Captulo 1
Econometria
1.1 ANPEC 2007
1.1.1 QUEST

AO 04
Considere o modelo de regressao m ultipla: M
t
= +
1
Y

t
+
2
R

t
+u
t
, em que M
t
e a demanda real
por moeda, Y

t
e a renda real esperada, R

t
e a taxa de juros esperada e u
t
e o erro aleatorio com
media zero e variancia constante. Nem Y

t
, nem R

t
sao observaveis, ms podem ser construdas da
seguinte forma:
Y

t
=
1
Y

t1
+ (1
1
) Y
t1
, 0 <
1
< 1
R

t
=
1
R

t1
+ (1
2
) R
t1
, 0 <
2
< 1
Seja L o operador defasagem tal que LX
t
= X
t1
. Y
t
e R
t
sao a renda real e a taxa de juros
observadas no instante t.

E correto armar que:
(0) O modelo, em sua versao observavel, e: M
t
= +

1
(1
1
)
1
1
L
Y
t1
+

2
(1
2
)
1
2
L
R
t1
+u
t
.
(1)

E necessaria uma tecnica de estimacao nao linear para o modelo observavel.
(2) O modelo e linear nos parametros. Portanto, a tecnica de mnimos quadrados ordinarios deve ser
utilizada para a estimacao.
(3) O modelo observavel apresenta erros autocorrelacionados.
(4) O modelo observavel apresenta heteroscedasticidade.
Solucao
5
1.1.2 QUEST

AO 05
Considere os seguintes modelos para taxa de juros de determinado pas
Modelo I: i
t
=
0
+
1
i
t1
+
2

t
+
3

t1
+
4
h
t
+
5
h
t1
+u
t
u
t
= u
t1
+e
t
Modelo II: i
t
=
0
+
1

t
+
2
h
t
+u
t
u
t
= u
t1
+e
t
em que i
t
e a taxa de juros,
t
e a taxa de inacao, h
t
e o hiato do produto e e
t
e um rudo branco
com media zero e variancia constante. Todas as variaveis sao estacionarias de segunda ordem. Julgue
as armacoes:
(0) Mesmo que = 0, os estimadores de mnimos quadrados ordinarios dos parametros
i
, i = 1, ..., 5,
no modelo I, continuarao consistentes.
(1) Mesmo que = 0, os estimadores de mnimos quadrados ordinarios dos parametros
i
, i = 1, 2,
no modelo II, continuarao consistentes.
(2) Suponha que = 0 nos dois modelos. A estatstica t usual nao sera valida no Modelo I, mas
podera ser utilizada no Modelo II sem problema algum.
(3) Suponha que = 0 nos dois modelos. As estatsticas t e F usuais so serao validas se os estimadores
de mnimos quadrados ordinarios dos parametros foram consistentes.
(4) No Modelo II, os estimadores de mnimos quadrados ordinarios dos parametros
i
, i = 1, 2, nao
serao ecientes caso = 0.
Solucao
6
1.1.3 QUEST

AO 08
Julgue as armativas:
(0) Heteroscedasticidade ocorre quando o erro aleatorio em um modelo de regressao e correlacionado
com uma das variaveis explicativas.
(1) Quando o erro aleatorio em um modelo de regressao e correlacionado com alguma variavel explica-
tiva, os estimadores de mnimos quadrados nao sao consistentes.
(2) Na presenca de heteroscedasticidade, estimadores de mnimos quadrados ordinarios sao inecientes.
(3) Os testes t e F usuais nao sao validos na presenca de heteroscedasticidade.
(4) Na presenca de heteroscedasticidade, estimadores de mnimos quadrados ordinarios sao nao viesa-
dos, mas sao inconsistentes.
Solucao
7
1.1.4 QUEST

AO 15
A regressao abaixo foi estimada com o objetivo de explicar a diferenca de salarios entre homens e
mulheres. As seguintes variaveis foram utilizadas:
sal = salario medio por hora, em Reais;
homecas = 1 se homem e casado; =0 caso contrario
mulhcas = 1 se mulher e casada; =0 caso contrario
mulhsol = 1 se mulher e solteira; =0 caso contrario
edu = n umero de anos de educacao formal;
exper = n umero de anos de experiencia prossional;
empre = n umero de anos com o atual empregador.
Entre parenteses encontram-se os erros-padrao calculados por Mnimos Quadrados Ordinarios
(MQO).

log (sal) = 0, 300 + 0, 200homecas 0, 200mulhcas 0, 100mulhsol + 0, 0800edu


(0, 100) (0, 055) (0, 050) (0, 050) (0, 006)
+0, 0200exper + 0, 0300empre
(0, 005) (0, 006)
Suponha que um indivduo do sexo masculino, com 15 anos de experiencia prossional, se case.
Ceteris Paribus, qual a variacao percentual esperada no seu salario dois anos apos seu casamento em
relacao ao seu salario de solteiro? Suponha que o n umero de anos de educacao formal do indivduo
n ao se tenha alterado e que ele nao tenha trocado de emprego.
Solucao
8
1.2 ANPEC 2006
1.2.1 QUEST

AO 06
Julgue as armativas. A respeito dos estimadores de Mnimos Quadrados Ordinarios (MQO), em um
modelo de regressao linear m ultipla:
(0) Se a variancia do erro nao for constante, as estimativas dos parametros serao nao-viesadas.
(1) Se E() = 0, os estimadores de todos os parametros, com excecao do intercepto, serao viesados.
(2) Se o erro nao seguir a distribuicao Normal as estimativas por MQO sao consistentes.
(3) Sob as hipoteses do modelo de regressao classica, com erros na forma de rudo branco com dis-
tribuicao Normal, os estimadores de MQO serao os mais ecientes possveis.
(4) A presenca de colinearidade imperfeita entre as variaveis explicativas gera estimadores viesados..
Solucao
9
1.2.2 QUEST

AO 08
Em um modelo de regressao m ultipla, com erros que seguem uma distribuicao Normal, identique se
os itens sao corretos:
(0) Os testes de heterocedasticidade de Breush-Pagan e de White podem ser calculados mediante
regressoes auxiliares com os quadrados dos resduos.
(1) Caso a forma funcional da heterocedasticidade seja conhecida, mnimos quadrados ponderados,
estimados de modo interativo, serao menos ecientes que o estimador de Maxima Verossimilhanca.
(2) Empiricamente nao ha como distinguir um modelo de expectativas adaptativas de primeira ordem
de um modelo de ajustamento parcial de primeira ordem.
(3) Se houver uma variavel dependente defasada entre as variaveis explicativas, o teste apropriado para
a autocorrelacao de primeira ordem dos resduos e o h de Durbin, e nao o teste de Breush-Godfrey.
(4) Os metodos de estimacao do coeciente de autocorrelacao Cochrane-Orcutt e Durbin sao diferentes
em pequenas amostras.
Solucao
10
1.2.3 QUEST

AO 09
O metodo dos mnimos quadrados ordinarios foi empregado para estimar o modelo de regressao abaixo,
cujo objetivo e explicar as variacoes de renda entre 526 indivduos de uma amostra aleatoria:
ln(renda) = 0, 362 + 0, 094educ + 0, 014exper 0, 178sexo 0, 010exper sexo + u
(0, 128) (0, 008) (0, 002) (0, 058) (0, 002)
R2 = 0, 368 n = 526
em que sexo e uma variavel dicotomica (valor 1, se for mulher e 0, caso contrario), educ e o n umero
de anos de escolaridade (0 < educ < 17), exper sao anos de experiencia prossional (0 < exper < 40)
e u e a estimativa do erro. Os n umeros entre parenteses sao os erros-padrao das estimativas, robustos
`a heterocedasticidade. Com base nos resultados acima, e correto armar:
(0) Ao nvel de signicancia de 5%, o efeito de um ano a mais de experiencia prossional para indivduos
do sexo masculino e estatisticamente maior do que o efeito para mulheres.
(1) Para um indivduo 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 experiencia prossional para as mulheres e 1%
menor do que para os homens.
(3) Pela inspecao dos resultados da estimacao ca claro que os erros do modelo sao heterocedasticos.
(4) Se a um nvel de signicancia de 5%, o valor crtico do teste F para a regressao for 2, 37, os
coecientes angulares serao conjuntamente diferentes de zero.
Solucao
11
1.3 ANPEC 2005
1.3.1 QUEST

AO 10
A respeito do modelo de regressao m ultipla:
Y
i
=
0
+
1
X
1i
+
2
X
2i
+e
i
em que e
i
tem media zero e variancia
2
, sao corretas as armativas:
(0) No caso de uma forte colinearidade entre X
1i
e X
2i
, tende-se a aceitar a hipotese nula de que

2
= 0, pois a estatstica t e subestimada.
(1) Se os erros sao autocorrelacionados, ainda assim os estimadores de Mnimos Quadrados Ordinarios
de
1
e
2
sao lineares e nao tendenciosos.
(2) Se os erros sao heterocedasticos, ainda assim os testes usuais t e F podem, sem prejuzo algum,
ser empregados para se testar a signicancia dos parametros do modelo, caso estes sejam estimados
por Mnimos Quadrados Ordinarios.
(3) Erros de medida da variavel dependente reduzem as variancias dos estimadores de Mnimos Quadra-
dos Ordinarios de

1
e

2
.
(4) A omissao da variavel explicativa relevante, X
2
, para explicar a variavel dependente, Y
i
, torna a
estimativa dos coecientes
0
e
1
tendenciosa e inconsistente, se somente se, a variavel omitida X
2
,
for correlacionada com a variavel includa, X
1
.
Solucao
12
1.3.2 QUEST

AO 11

E dada a seguinte funcao de producao para determinada ind ustria:


ln (Y
i
) =
0
+
1
ln (L
i
) +
2
ln (K
i
) +u
i
,
em que Y e o valor adicionado por rma (em reais), L e o trabalho empregado, K e o valor do
capital (em reais) e u e o termo aleatorio. Uma amostra aleatoria de 27 observacoes leva `as seguintes
estimativas:
ln (Y
i
) =
0
+
1
ln (L
i
) +
2
ln (K
i
) +u
i
SQR =
27

i=1
u
2
i
= 0, 84
R
2
= 0, 76
Sao corretas as armativas:
(0) Se Y passasse a ser medido em mil reais, somente o valor estimado do intercepto da regressao seria
alterado.
(1) Ao nvel de 5%, os coecientes associados ao trabalho e ao capital sao conjuntamente iguais a zero.
(2) Se o desvio padrao do estimador de
2
for 0,0854, o intervalo de conanca a 95% para o efeito
sobre Y de um aumento de 1% no estoque de capital sera
0,950,3856
0,0854
.
(3) Os valores estimados permitem concluir que, para aquela ind ustria, a produtividade marginal do
trabalho e menor que a produtividade media do mesmo fator.
(4) Qualquer outra forma funcional que leve a um R
2
maior que 0,76 sera prefervel `a utilizada.
Solucao
13
1.3.3 QUEST

AO 12
Um pesquisador estima o seguinte modelo de regressao simples: Y
i
=
0
+
1
X
i
+e
i
. Outro pesquisador
estima o mesmo modelo, mas com escalas diferentes para Y
i
e X
i
. O segundo modelo e: Y

i
=

0
+

1
X

i
+e
i
, em que: Y

i
= w
1
Y
i
, X

i
= w
2
X
i
e w
1
e w
2
sao constantes maiores que zero.
(0) Os estimadores de Mnimos Quadrados Ordinarios de
0
e
1
sao iguais aos de

0
e

1
.
(1) Se
2
e a variancia estimada de e

i
e
2
e a variancia estimada de e
i
, entao
2
= w
2
1

2
.
(2) As variancias dos estimadores dos parametros do primeiro modelo sao maiores do que as variancias
dos estimadores do segundo modelo.
(3) Os coecientes de determinacao sao iguais nos dois modelos.
(4) A transformacao de escala de (Y
i
, X
i
) para (Y

i
, X

i
) nao afeta as propriedades dos estimadores de
Mnimos Quadrados Ordinarios dos parametros.
Solucao
14
1.3.4 QUEST

AO 14
Considere o seguinte modelo para a populacao: Y = 2 +4X 5Z +u, em que u e o termo aleatorio e
E (u|X, Z) = E (u) = 0. A partir de uma amostra de n indivduos, estimaram-se os parametros deste
modelo, tendo, todavia, sido omitida a variavel Z. Ou seja, o modelo estimado foi:

Y
i
=

0
+

1
X
i
.
Suponha ainda que, para amostra em questao, tenham sido obtidos os seguintes resultados:
n

i=1
(Z
i
Z)(X
i
X)
n

i=1
(X
i
X)
2
= 0, 7, em que X =
1
n
n

i=1
X
i
e Z =
1
n
n

i=1
Z
i
.
Calcule E
_

1
|X
_
. Multiplique o resultado por 10.
Solucao
15
1.4 ANPEC 2004
1.4.1 QUEST

AO 11
Considere o modelo de regressao linear m ultipla para dados seccionais:
y
i
=
0
+
1
x
1i
+
2
x
2i
+... +
k
x
ki
+u
i
, i = 1, ..., n.

E correto armar que:


(0) Para que os estimadores de mnimos quadrados sejam lineares nao-tendeciosos de menor variancia
(BLUE) e necessario que os erros sejam homocedasticos.
(1) A hipotese que V ar (u
i
|x
1i
, x
2i
, ..., x
ki
) =
2
, e necessaria para que os estimadores de mnimos
quadrados sejam nao-tendenciosos.
(2) As estatsticas t e F continuam validas assintoticamente mesmo que os erros da regressao sejam
heterocedasticos.
(3) Se Cov (x
1i
, x
3i
) = 0, os estimadores de mnimos quadrados ordinarios da regressao y
i
=
0
+

1
x
1i
+
2
x
2i
+... +
k
x
ki
+u
i
, i = 1, ..., n, serao consistentes.
(4) Se Cov (x
1i
, x
3i
) = 0 os estimadores de mnimos quadrados ordinarios da regressao y
i
=
0
+

1
x
1i
+
2
x
2i
+... +
k
x
ki
+u
i
, i = 1, ..., n, serao consistentes.
Solucao
16
1.4.2 QUEST

AO 14
Um pesquisador estimou uma regressao m ultipla com 5 variaveis independentes e n = 56, mas na
pressa, nao imprimiu os resultados e anotou apenas o valor do R
2
= 0, 90, o coeciente de deter-
minacao. Este pesquisador precisa vericar se a regressao e signicante. Ajude-o, calculando o valor
da estatstica do teste a ser empregado.
Solucao
17
1.5 ANPEC 2003
1.5.1 QUEST

AO 06
Considere o modelo de regressao linear m ultipla para dados seccionais
y
i
=
0
+
1
x
1i
+
2
x
2i
+... +
k
x
ki
+u
i
, i = 1, ..., n.

E correto armar que:


(0) para que os estimadores de mnimos quadrados sejam os melhores estimadores lineares nao-
tendeciosos e necessario que os erros sejam normalmente distribudos;
(1) a hipotese que V ar (u
i
|x
1i
, x
2i
, ..., x
ki
) =
2
, i = 1, ..., n, nao e necessaria para que os estimadores
de mnimos quadrados sejam consistentes;
(2) a inclusao de uma nova variavel explicativa no modelo reduzira o coeciente de determinacao R
2
;
(3) para que as estatsticas t e F sejam validas assintoticamente e necessario que os erros sejam
normalmente distribudos;
(4) se Cov (x
1i
, x
3i
) = 0, i = 1, ..., n os estimadores de mnimos quadrados ordinarios da regressao
y
i
=
0
+
1
x
1i
+
2
x
2i
+... +
k
x
ki
+u
i
, i = 1, ..., n serao tendenciosos.
Solucao
18
1.5.2 QUEST

AO 07
O metodo dos mnimos quadrados ordinarios foi empregado para estimar o modelo de regressao abaixo,
cujo objetivo e explicar as variacoes de renda entre 526 indivduos:
log (renda) = 0, 417 0, 297sexo + 0, 080educ + 0, 029exper 0, 00058exper
2
+u
(0,099) (0,036) (0,007) (0,005) (0,00010)
R
2
= 0, 441 n = 526
em que sexo e uma variavel dicotomica (valor 1, se for homem e 0, caso contrario), educ e o n umero
de anos de escolaridade, exper e experiencia prossional, tambem medida em anos. Os n umeros entre
parenteses sao os erros-padrao das estimativas (S
b
i
i = 0, 1, ..., 4). Com base nos resultados acima, e
correto armar:
(0) a regressao nao e estatisticamente signicante pois o coeciente de determinacao e menor do que
0, 5;
(1) a diferenca de renda entre homens e mulheres nao e estatisticamente signicante;
(2) um ano a mais de escolaridade, mantidos constantes todos os demais fatores, aumenta em 0, 08%
a renda de um indivduo do sexo feminino;
(3) a signicancia conjunta das variaveis educ e exper nao pode ser medida por meio da estatstica t.
Para isto, o teste F deve ser utilizado;
(4) o modelo e incapaz de captar diferencas nos retornos da educacao entre homens e mulheres.
Solucao
19
1.6 ANPEC 2002
1.6.1 QUEST

AO 09
Pode-se armar sobre o modelo de regressao linear classico y
t
=
1
+
2
x
t
+u
t
(0) A reta de regressao passa pelas medias amostrais de y e x, mesmo que o modelo nao tenha
intercepto.
(1) Na presen ca de heterocedasticidade, o estimador de MQO e viesado e nao se pode conar nos
procedimentos de testes usuais (F e t), ja que o estimador alem de viesado, e ineciente.
(2) Na presenca de autocorrelacao dos resduos, os estimadores de MQO sao nao viesados e consistentes.
(3) Quanto maior for a variacao da variavel explicativa, maior sera a precisao com que o coeciente
angular pode ser estimado.
(4) Se R
2
(coeciente de determinacao) for zero, entao a melhor previsao para um valor de y e sua
media amostral.
Solucao
20
1.6.2 QUEST

AO 10

E correto armar a respeito do modelo de regressao linear classico multivariado: Y = X +, com n


observacoes e k > 2 variaveis explicativas, incluindo-se o intercepto.
(0) Os coecientes de inclinacao nao se alteram quando se modicam as unidades de medida de Y
e X multiplicando-os por uma constante, por exemplo, transformando-se seus valores de reais para
d olares.
(1) Se o modelo for estimado com apenas k 1 variaveis explicativas (mas mantendo o intercepto), os
coecientes estimados poderao ser viesados e inconsistentes.
(2) Quando os coecientes

s estimados forem altamente signicativos, individualmente, mas a es-


tatstica F e o R
2
indicarem que o modelo como um todo tem um baixo poder explicativo, pode-se
desconar da presenca de multicolinearidade.
(3) Para testar a hipotese conjunta de que
2
=
3
= ... =
k
= 0, pode-se utilizar o teste
F
;(k1),(nk)
=
R
2
(k1)
[(1R
2
)(nk)]
, em que R
2
e o coeciente de determinacao do modelo.
(4) Sempre que o modelo tiver pelo menos duas variaveis explicativas alem do intercepto, o R
2
sera
maior ou igual ao R
2
ajustado.
Solucao
21
1.7 ANPEC 2001
1.7.1 QUEST

AO 09
A partir de uma amostra de n elementos, foi estimada uma regressao linear simples, pelo metodo de
mnimos quadrados, obtendo-se os resultados:

Y
t
= +

1
X
t
= 0
R
2
1
= K
1
A seguir, a mesma regressao foi estimada sabendo-se que a reta de regressao da populacao passa
pela origem das coordenadas (termo constante = 0), obtendo-se os resultados:

Y
t
=

2
X
t
R
2
2
= K
2
Pode-se armar que:
(0)

1
=

2
(1) S

2
(desvio padrao de
2
) < S

1
(desvio padrao de
1
)
(2) A reta

2
X passa pelo ponto medio da amostra (X, Y )
(3) (K2/K1) > 1
(4) A soma dos resduos de mnimos quadrados de ambas equacoes estimadas e zero.
Solucao
22
1.7.2 QUEST

AO 11
Um econometrista estimou uma funcao consumo usando 25 observacoes anuais da renda pessoal
disponvel e consumo, a partir do modelo:
C
t
=
1
+
2
Y
t
+u
t
, em que:
C
t
= consumo em t; Y
t
= renda pessoal disponvel em t; u
t
= erro aleatorio.
Os resultados indicaram parametros signicativos a 5%, coeciente de determinacao de 0, 94 e d
de Durbin-Watson 0, 5421. Com base nesses n umeros, o econometrista fez o teste de Dickey-Fuller
aumentado (ADF) para as series de renda e de consumo, obtendo estimativas de menores que os
valores crticos de tabelados, a 1%, 5% e 10%.
Conseq uentemente, o econometrista:
(0) Aceitou a hipotese nula do teste ADF, concluindo que as series de renda e consumo sao nao-
estacionarias;
(1) Concluiu que os testes t e F nao sao validos.
(2) Concluiu que o teste t nao e valido.
(3) Concluiu que a regressao estimada e esp uria.
(4) Necessita fazer mais outros testes para vericar se a regressao estimada e esp uria.
Solucao
23
1.7.3 QUEST

AO 12
No modelo classico de regressao linear: Y
i
=
1
+
2
X
i
+u
i
(0) A hipotese de que o erro e normalmente distribudo e necessaria para que os estimadores de
mnimos quadrados ordinarios tambem sejam normalmente distribudos.
(1) Se a hipotese cov (u
i
, u
j
| X
i
, X
j
) = 0, i = j for violada, os estimadores de mnimos quadrados
ordinarios serao viesados e nao ecientes.
(2) As hipoteses de que o erro e normalmente distribudo e de que cov (u
i
, u
j
| X
i
, X
j
) = 0, i = j
asseguram que u
i
e u
j
se distribuem independentemente.
(3) A hipotese V ar (u
i
| X
i
) =
2
e necessaria para que os estimadores de mnimos quadrados or-
dinarios sejam nao tendenciosos.
(4) Os estimadores de mnimos quadrados de
1
e
2
podem ser escritos como combinacoes lineares
das observacoes Y
i
.
Solucao
24
1.8 ANPEC 2000
1.8.1 QUEST

AO 06
Seja o modelo de regressao linear classico com duas variaveis explicativas X
2
e X
3
: Y i =
1
+
2
X
2i
+

3
X
3i
+u
i
.

E correto armar que:
(0) Se a correlacao entre X
2
e X
3
e zero, entao o estimador de mnimos quadrados ordinarios (MQO)
de
2
e

i
(X
2i
X
2)(Y
i
Y )

i
(X
2i
X
2)
2
.
(1) Mesmo que a correlacao entre X
2
e X
3
seja igual `a unidade, pode-se estimar
2
+ c
3
, em que c
e uma constante conhecida.
(2) A eciencia relativa dos estimadores de MQO, dentro da classe dos estimadores lineares nao
viesados, garantida pelo Teorema de Gauss Markov, necessita da hipotese de normalidade do erro
(u
i
).
(3) Se o erro (u
i
) e heterocedastico, os estimadores de MQO serao viesados.
(4) Se as variaveis explicativas sao estocasticas, porem nao correlacionadas com o erro (u
i
), entao, os
estimadores dos parametros do modelo sao nao-viesados.
Solucao
25
1.8.2 QUEST

AO 10
O seguinte modelo de regressao foi estimado utilizando-se dados trimestrais entre 1979 e 1998, inclusive:

Y
i
= 2.20 + 0.104X
2i
A soma total explicada foi 100, 5. Quando esta equacao foi re-estimada, adicionando-se tres dummies
sazonais, a soma total explicada aumentou para 114, 5 e a soma do quadrado dos resduos foi igual a
20, 00. Suponha que deseja-se testar se a sazonalidade e signicativa. Calcule a estatstica de teste
adequada.
Solucao
26
1.8.3 QUEST

AO 11
Considere o seguinte modelo de regressao linear classico, relacionando as variaveis quantidade deman-
dada (Q) e preco do produto (P). Admita que as duas variaveis sejam medidas em Reais, e que a
estimacao sera efetuada por MQO (ln e logaritmo natural)
ln Q
i
=
1
+
2
ln P
i
+u
i
i = 1, 2, ..., 100.

E correto armar que:


(0) Variando-se o preco em 1%, a quantidade demandada variara 10
2
%, ceteris paribus.
(1) Ignorando-se o termo aleatorio, se o preco ultrapassar determinado limite, sera possvel obter
quantidades demandadas negativas.
(2) Se mudarmos as unidades de Q e P para dolares americanos, entao a estimativa de
2
na nova
equacao sera igual a sua estimativa obtida na equacao em Reais.
(3) Se a variavel ln Y (Y =renda) for acrescentada ao modelo o coeciente R
2
desta nova regressao
sera maior ou igual ao coeciente R
2
da regressao original.
(4) Se o coeciente R
2
ajustado da regressao com a variavel ln Y for maior do que o coeciente
R
2
ajustado da regressao original, entao necessariamente, o coeciente de ln Y e estatisticamente
signicante, ao nvel de signicancia de 5%, em um teste bilateral.
Solucao
27
1.9 ANPEC 1999
1.9.1 QUEST

AO 02
Uma serie temporal mensal de tres anos, de janeiro de 1995 a dezembro de 1997, para o preco do
produto agrcola Y , apresentou a seguinte tendencia linear Y = 3 + 0, 25X. Estime o preco do
produto Y para o mes de janeiro de 1998, sabendo que as variacoes sazonais calculadas com base num
modelo aditivo para os tres anos considerados foram:
Mes Jan Fev Mar Abr Maio Jun
Variacao sazonal -1,25 -0,52 0,84 1,50 3,00 3,85
Solucao
28
1.9.2 QUEST

AO 04
Seja o seguinte modelo de regressao linear m ultipla na forma matricial:
Y = X +
onde as dimensoes das matrizes e dos vetores envolvidos sao: Y => (n1); X => (nk); => (k1);
=> (n 1).
Entao, podemos fazer as seguintes armacoes:
(0) Um dos pressupostos basicos do modelo e: Os elementos da matriz X sao estocasticos com valores
xados em amostras repetidas.
(1) Outro pressuposto basico e: nenhuma das variaveis independentes deve estar perfeitamente cor-
relacionada com qualquer outra variavel independente ou com qualquer combinacao linear de outras
variaveis independentes.
(2) As equacoes normais de mnimos quadrados para o modelo dado podem ser apresentadas em
notacao matricial como (X

Y ) = (X

X)

e a solucao para

sera

= (X

X)
1
(X

Y ).
(3) Quando testamos a existencia do modelo de regressao, fazemos as seguintes hipoteses sobre os
coecientes da regressao (admitindo que
1
= 0, ou seja, a regressao nao passa pela origem):
Hipotese nula = H
0
:
2
=
3
= ... =
k
= 0
Hipotese alternativa = H
1
: Todos os
i
= 0, para i = 2, 3, ..., k.
(4) Os intervalos de conanca dos coecientes da regressao podem ser calculados da seguinte maneira:
_

i
t
nk
.s

i
;

i
+t
nk
.s

i
_
onde

i
= estimativa do coeciente
i
; t
nk
= abcissa de uma distribuicao t com (n k) graus de
liberdade, xado o grau de conanca de intervalo; e s

i
= erro padrao estimado de

i
.
Solucao
29
1.9.3 QUEST

AO 05
Foram encontrados os seguintes resultados para estimar uma regressao linear com duas variaveis
explicativas para uma amostra de tamanho 10.
Variaveis preditoras Coeciente Desvio padrao Estatstica t p-valor
Constante 223,3 254,8 0,88 0,410
X
1
-1,26 0,8263 -1,52 0,172
X
2
-1,03 3,213 -0,32 0,752
R
2
= 81, 2%; R
2
ajustado = 76, 1%; Valor calculado da estatstica F = 15, 1.
Podemos armar que:
(0) A equacao de regressao estimada e

Y = 223, 3 1, 26X
1
1, 03X
2
.
(1) A um nvel de signicancia de 5% podemos armar que a regressao existe. Porem, apos elaborarmos
os testes de hipoteses para os coecientes individuais, aceitamos a hipotese (a um nvel de signicancia
de 1%) de que o coeciente para a variavel X
2
e zero.
(2) O coeciente de determinacao indica que 81, 2% da variacao amostral de Y podem ser atribudos
as variacoes de X
1
e X
2
.
(3) O valor estimado para Y quando X
1
= 15 e X
2
= 80 e 220.
(4) Os valores teoricos das estatsticas t utilizadas para testar os coecientes das variaveis explica-
tivas devem ser calculados para 7 graus de liberdade.
Solucao
30
1.10 ANPEC 1998
1.10.1 QUEST

AO 13
Considere o seguinte modelo de Regressao Linear Multiplo:
Y
t
= +
1
X
1t
+
2
X
2t
+
t
, t = 1, 2, 3, ..., n
onde E(
t
) = 0, V ar(
t
) =
2

e X
1t
, X
2t
sao series de valores xos.
(0) Se, X
1t
= X
2t
, ainda assim e possvel obter os estimadores de Mnimos Quadrados de ,
1
e
2
.
(1) Se
s
e
t
sao independentes para todo t = s, entao dentro da classe dos estimadores lineares nao
tendenciosos, os estimadores de Mnimos Quadrados de ,
1
e
2
sao os melhores.
(2) Caso X
2t
= Y
t1
na equacao acima, e os erros
t
sejam autocorrelacionados, o estimador de
Mnimos Quadrados de ,
1
e
2
mantem a propriedade de nao-tendenciosidade.
(3) Quando a variancia dos resduos, V ar(
t
), varia para cada t, entao os estimadores de Mnimos
Quadrados de ,
1
e
2
ainda sao nao tendenciosos mas inecientes.
(4) No caso da existencia de autocorrelacao e heterocedasticidade dos resduos, as variancias amostrais
dos estimadores de Mnimos Quadrados de ,
1
e
2
sao tendenciosas, fazendo com que os testes de
hipoteses destes parametros quem comprometidos.
Solucao
31
1.11 ANPEC 1997
1.11.1 QUEST

AO 14
Considere o seguinte modelo de regressao, em forma matricial, com T observacoes amostrais e k
regressores (X):
(T 1)y = (T k)X(k 1) + (T 1)
(0) com regressores nao-estocasticos, o estimador de mnimos quadrados ordinarios de e uma funcao
linear das observacoes amostrais.
(1) o estimador de maxima verossimilhanca de requer o pressuposto de media zero e de variancia
nita na estrutura de erros, dispensando a especicacao de uma distribuicao parametrica da mesma.
(2) o estimador de maxima verossimilhanca de e enviesado mas consistente.
(3) os estimadores de mnimos quadrados ordinarios de e de maxima verossimilhanca de coincidem
quando os erros sao independentes e identicamente distribudos com distribuicao Normal.
(4) caso tenha distribuicao multivariada Normal, com media zero, e matriz de covariancia dada por

2
I
T
, o estimador de maxima verossimilhanca de
2
e viesado para amostras nitas.
Solucao
32
1.11.2 QUEST

AO 15
Uma implementacao emprica do modelo de capital humano e feita com a seguinte especicacao:
ln Y
i
=
0
+
1
XPR
i
+
2
(XPR
i
)
2
+
3
S
i
+
i
,
onde Y
i
representa a renda do trabalho do i-esimo indivduo, o n umero total de anos de sua escolar-
idade, A
i
sua idade medida em anos, e, XPR
i
= A
i
S
i
, sua experiencia de trabalho, medida pela
diferenca entre sua idade e o total de anos de escolaridade. Finalmente,
i
e um dist urbio aleatorio do
modelo de regressao associado ao i-esimo indivduo de uma amostra de N indivduos. Pode-se armar
que:
(0) se os erros sao independentes e identicamente distribudos, a razao entre os estimadores de mnimos
quadrados ordinarios dos s e seus respectivos desvios-padrao tem distribuicao assintotica Normal.
(1) o sinal do coeciente
2
indica a presenca de retornos decrescentes ou crescentes `a experiencia de
trabalho.
(2) mesmo em presenca de heterocedasticidade na estrutura de erros, o estimador de mnimos quadra-
dos ordinarios e consistente.
(3) mesmo em presenca de heterocedasticidade na estrutura de erros, o estimador de mnimos quadra-
dos ordinarios e relativamente eciente.
Solucao
33
1.12 ANPEC 1996
1.12.1 QUEST

AO 15
Suponha que, num modelo de regressao linear simples, o regressor (variavel independente) seja cor-
relacionado com o termo erro. Sobre o estimador de MQO, podemos armar:
(0)

E, em geral, viesado.
(1) Nao e possvel de ser obtido.
(2)

E nao viesado, porem nao e eciente.
(3)

E consistente.
Solucao
34
1.13 ANPEC 1995
1.13.1 QUEST

AO 05
Seja y
i
= + x
i
+
i
uma equacao de regressao e sejam a e b estimadores de mnimos quadrados
ordinarios (MQO) de e , respectivamente. Pode-se armar que:
(0) A hipotese de media zero do termo aleatorio e imprescindvel para que b seja um estimador
n ao-viesado de .
(1) A hipotese de nao-autocorrelacao dos resduos dignica que x e sao independentes.
(2) A hipotese de que x e nao-estocastica e necessaria para que a e b sejam estimadores nao-viesados.
(3) Se a hipotese de homoelasticidade for valida, entao a e b serao estimadores ecientes dentro da
classe dos estimadores lineares nao-viesados.
(4) A hipotese de normalidade do termo aleatorio e necessaria para garantir a eciencia dos estimadores
de MQO dentro da classe dos estimadores lineares nao viesados.
Solucao
35
1.13.2 QUEST

AO 15
Em um modelo classico de regressao linear m ultipla:
(0) Uma das hipoteses estabelece que as variaveis explicativas sao linearmente independentes.
(1) Os testes t e F nao sao equivalentes.
(2) A comparacao do poder explicativo de modelos envolvendo n umero diferente de variaveis explica-
tivas deve ser feita com base no R
2
ajustado.
(3) Cada uma das variaveis explicativas tem distribuicao normal.
(4) A variancia da variavel dependente e igual `a variancia do termo aleatorio.
Solucao
36
1.14 ANPEC 1994
1.14.1 QUEST

AO 04
Quanto ao modelo de regressao linear simples da forma
Y
i
= a +bX
i
+u
i
em que Y representa a producao de parafusos; X a quantidade de trabalho, medida em homens/hora
de trabalho; e u a perturbacao aleatoria; podemos armar que:
(0) O valor da variavel Y nunca pode ser previsto exatamente devido `a presenca da perturbacao
ocasionada pela variavel independente X.
(1) Para cada valor de X
i
, temos como pressuposto basicos que o correspondente u
i
tem distribuicao
normal com media zero.
(2) O pressuposto de homocesticidade signica que cada perturbacao tem a mesma variancia cujo
valor e desconhecido.
(3) Pelos seus pressupostos basicos, as perturbacoes u
i
sao nao correlacionadas e estatisticamente
dependentes.
Solucao
37
1.14.2 QUEST

AO 15
Em relacao ao modelo de regressao m ultipla
Y
i
=
0
+
1
X
1i
+
2
X
2i
+. . . + +
k
X
ki
+e
i
, i = 1, 2,
Pode-se armar que:
(0) O metodo, dos mnimos quadrados ordinarios (MQO), usado para estimar os coecientes
j
,
j = 0, 1, . . . , k exige que o erro tenha distribuicao normal.
(1) Se adicionarmos um novo regressor X
k+1
`a equacao acima entao o coeciente de determinacao, R
2
pode ou nao aumentar.
(2) Os estimadores de MQO dos coecientes
j
, j = 0, 1, . . . , k sao nao viciados (ou nao viesados).
(3) Os coecientes
j
, j = 0, 1, . . . , k podem ser interpretados como as elasticidades entre os regressores
X
j
e a variavel Y .
Solucao
38
1.15 ANPEC 1993
1.15.1 QUEST

AO 03
Suponha que se tenha usado dados de 12 plantacoes para estimar a funcao de producao:
Y = (0, 3)2, 10 + (0, 08)0, 32X
em que Y e medido em toneladas de cafe por hectare de X em centenas de quilo de fertilizante por
hectare. O erro-padrao das estimativas e sao dados entre parenteses. Pode-se armar que:
(0) Ao nvel de 5% ambas estimativas sao signicantes.
(1) Se o desvio-padrao da variavel X (s
X
) e 1 e o desvio-padrao da variavel Y (s
Y
) e 1 entao o coeciente
de correlacao entre X e Y , r, e 0, 32.
(2) Para fazer a analise de variancia dessa regressao precisa-se conhecer apenas a variacao explicada
pela regressao um vez que os graus de liberdade ja sao conhecidos.
(3) Se o cafe custar $15 por tonelada e o fertilizante $3 por 100 quilos, nao vale a pena ao fazendeiro
usar mais fertilizante para aumentar a producao, pois o custo marginal excede a receita marginal.
(4) Um aumento de 100 quilos de fertilizante provoca um aumento de 2, 42 toneladas na producao de
cafe.
Solucao
39
1.15.2 QUEST

AO 07
Considerando o modelo de regressao m ultipla
Y
j
=
0
+
1
X
1j
+
2
X
2j
+. . . +
k
X
1k
+
j
pode-se armar que:
(0) A analise de variancia da regressao testa se todos os coecientes estimados da regressao
_

j
_
sao
signicantes simultaneamente.
(1) O vetor de solucoes para os parametros
j
e expresso por

= (X

X)
1
X

Y .
(2) Para estimar os parametros
j
da regressao e necessario que as variaveis explicativas sejam inde-
pendentes entre si.
(3) O coeciente de determinacao m ultipla corrigido para graus de liberdade
_
R
2
_
pode ser negativo.
Solucao
40
1.15.3 QUEST

AO 15
A variavel aleatoria Z guarda com a variavel aleatoria X a relacao Z = 5 + 5X + U onde U e uma
variavel aleatoria, independente de X. Pode-se armar que:
(0) Z tem correlacao 1 com X.
(1) Qualquer que seja o valor do termo constante na relacao acima, a correlacao de Z com X nao se
altera.
(2) A covariancia de Z com X e de 25 vezes a variancia de X.
(3) Se os desvios padrao de X e de U forem identicos e iguais a 2, a variancia de Z valera 104.
(4) A correlacao de U com Z e independente dos coecientes da relacao acima.
Solucao
41
1.16 ANPEC 1992
1.16.1 QUEST

AO 13
O custo total, C, de uma ind ustria e sua producao, X, tem uma relacao linear do tipo C =
0
+
1
X.
Para se ajustar esse modelo por mnimos quadrados ordinarios e preciso assumir certas hipoteses como:
(0) A variavel independente X seja aleatoria.
(1) Os erros tenham media zero.
(2) A variancia dos erros nao seja constante.
(3) Os erros sigam uma distribuicao normal.
(4) A variavel independente X seja independente do temo erro.
Solucao
42
1.16.2 QUEST

AO 14
Considere o modelo Y
i
= + X
i
+ u
i
, estimado pelo metodo dos Mnimos Quadrados Ordinarios.
Pode-se dizer que:
(0) Se o coeciente estimado for igual a um
_

= 1
_
, a correlacao linear entre X e Y sera perfeita.
(1) A signicancia de b sera testada tanto por meio de teste t quanto do teste F.
(2) Se o R
2
estimado for menor que 10%, o modelo devera ser abandonado.
(3) Se for introduzida mais uma variavel explicativa no modelo, o R
2
certamente nao diminuira.
(4) Se o coeciente estimado for inferior `a unidade ( < 1), a reta passara pela origem.
Solucao
43
1.16.3 QUEST

AO 15
Dada a funcao de producao P =
0
K

1
L

2
e
u
, tem-se que:
(0) Se houver correlacao linear perfeita entre K e L, necessariamente o modelo nao podera ser estimado.
(1)
1
e
2
sao as elasticidades produto-capital e produto-trabalho respectivamente.
(2) Para vericar se a funcao e homogenea de grau 1 deve-se testar a hipotese de que
1
+
2
= 1.
(3) Se o teste t indicar que
1
e nao signicante, a variavel K devera ser retirada do modelo.
(4) Se o R
2
ajustado for menor que o R
2
, uma das variaveis e superua.
Solucao
44
1.17 ANPEC 1991
1.17.1 QUEST

AO 08
A capacidade de producao instalada (Y ), em toneladas, de uma rma, pode ser funcao da potencia
instalada (X), em 1000kW, ou da area construda (Z) em 100m
2
. Dados:

X = 38,

Y = 80,

Z = 100,

X
2
= 182

Y
2
= 736,

Z
2
= 1048,

XY = 361,

Y Z = 848
Sendo n = 10, pode-se armar que:
(0) Ao fazer uma regressao da capacidade de producao instalada em funcao da potencia instalada
(Y = +X) obtem-se como estimativas de e , 2, 24 e 1, 52, respectivamente.
(1) O R
2
da regressao em (0) e de 0, 90.
(2) Ao fazer uma regressao da capacidade de producao instalada em funcao da area construda
(X = +Z) obtem-se como estimativas de e , 2, 00 e 1, 00, respectivamente.
(3) O R
2
da regressao em (2) e de 0, 92.
(4) Pode-se dizer que o melhor (porque tem maior correlacao) usar a potencia instalada (X), do que
a area construda (Z) para estimar a capacidade de producao.
Solucao
45
1.17.2 QUEST

AO 14
O lucro Y de uma empresa em funcao do tempo, X, tem distribuicao normal com media seguindo
a estrutura linear de regressao + X e variancia, por pressuposicao, constante. Ajustando-se esse
modelo por mnimos quadrados a uma serie de 5 anos obtiveram-se os somatorios abaixo:

X = 15,

Y = 38,

X
2
= 55,

Y
2
= 362,

XY = 141.
Pode-se armar que, exceto por erro de arredondamento,
(0) A estimativa do termo constante e 0, 5.
(1) O quadrado do coeciente de correlacao m ultipla R
2
e 80%.
(2) A estimativa do coeciente de X e 1, 4.
(3) A estimativa da variancia do erro estocastico e 0, 10.
(4) A soma dos quadrados explicada pelo modelo e 85, 6.
Solucao
46
1.17.3 QUEST

AO 15
Ainda em relacao `a questao anterior pode-se concluir que, exceto por erro de arredondamento:
(0) O erro padrao da estimativa de a e igual a 0, 77.
(1) O erro padrao da estimativa de e igual a 0, 10.
(2) A previsao do lucro para X = 10 e 26, 5 milhoes de cruzeiros.
(3) O coeciente do tempo e altamente signicativo produzindo um valor observado da estatstica t
de Student de 27.
(4) A estatstica F de adequacao do modelo e 729.
Solucao
47
Captulo 2
Modelos de Equacoes Simultaneas
2.1 ANPEC 2007
2.1.1 QUEST

AO 12
Considere o modelo:
Q
D
t
=
1
+
1
P
t
+u
D
t
(equacao de demanda)
Q
O
t
=
2
+
2
P
t
+u
O
t
(equacao de oferta)
Q
D
t
Q
O
t
Q
t
em que: Q
D
t
e Q
O
t
sao as quantidades demandada e ofertada, respectivamente, de laranja na Florida
no ano t, P
t
e o preco da laranja no ano t e u
D
t
e u
O
t
sao termos aleatorios de media nula em que
Cov
_
u
D
t
, u
O
t
_
= 0.

E correto armar que:
(0) O estimador de mnimos quadrados de
1
sera tendencioso caso
2
= 0.
(1) Seja

1
o estimador de mnimos quadrados de
1
. Logo, E
_

1
_
=

1
+
2
2
(2) Se V ar
_
u
D
t
_
=
2
D
e V ar
_
u
O
t
_
=
2
O
, entao a matriz de variancia-covariancia do vetor aleatorio
X
t
= (Q
t
, P
t
) e dada por:
=
1
(
2

1
)
2
_

2
2

2
D
+
2
1

2
O

2

2
D
+
1

2
O

2
D
+
1

2
O

2
D
+
2
O
_
.
(3) Seja Z
t
uma nova variavel representando o n umero de dias na Florida com temperaturas abaixo de
zero. Se E
_
u
D
t
|Z
t
_
= 0 e E
_
u
O
t
|Z
t
_
= 0, entao a equacao de demanda pode ser estimada por mnimos
quadrados em dois estagios, sendo Z
t
uma variavel instrumental.
(4) Seja Z
t
denida como no item anterior, entao se E
_
u
D
t
|Z
t
_
= 0 e E
_
u
O
t
|Z
t
_
= 0, as equacoes de
oferta e demanda podem ser estimadas por mnimos quadrados em dois estagios com Z
t
sendo uma
variavel instrumental.
Solucao
48
2.2 ANPEC 2006
2.2.1 QUEST

AO 07
Considere o modelo:
Y
t
= Z
t
+Y
t1
+e
1t
(equacao I)
Z
t
= Z
t1
+e
2t
(equacao II)
em que , e sao parametros e
e
t
=
_
e
1t
e
2t
_
Normal
__
0
0
_
,
_

2
11

2
12

2
12

2
22
__
E (e
t
e
t
) =
_
e
1t
e
2t
_
, para todo k = t.
Suponha tambem que || < 1 e || < 1. Sao corretas as armativas:
(0) A condicao || < 1 garante a estacionariedade de segunda ordem de Z
t
.
(1) O estimador de mnimos quadrados ordinarios de , na equacao II, nao e consistente.
(2) Os estimadores de mnimos quadrados ordinarios de e na equacao I, so serao consistentes se

12
= 1.
(3) Sem nenhuma restricao adicional sobre os parametros do modelo, a equacao I nao satisfaz a
condicao de ordem para identicacao.
(4) Para testar se ha endogeneidade na equacao I, pode-se usar o teste de Hausman.
Solucao
49
2.3 ANPEC 2005
2.3.1 QUEST

AO 08
Considere o modelo de equacoes simultaneas:
Q
d
t
=
0
+
1
P
t
+
2
X
t
+e
1t
(demanda)
Q
s
t
=
0
+
1
P
t
+e
2t
(oferta)
Q
d
t
= Q
s
t
(condicao de equilbrio)
Q
d
t
e Q
s
t
sao, respectivamente, as quantidades demandadas e ofertadas do bem, X
t
e uma variavel
exogena e e
1t
e e
2t
sao os termos aleatorios, com medias zero e variancias constantes. Sao corretas as
armativas:
(0) As equacoes de demanda e oferta sao exatamente identicadas.
(1) Os parametros estruturais do modelo sao consistentemente estimados por Mnimos Quadrados
Ordinarios.
(2) As equacoes na forma reduzida sao: P
t
=
0
+
1
X
t
+v
t
e Q
t
=
2
+
3
X
t
+w
t
, em que

0
=

0

1
;
1
=

2

1
; v
t
=
e
1t
e
2t

1
;
2
=

1

1
;
3
=

2

1
e

2
=

1
e
2t

1
e
1t

1
.
(3) As estimativas dos parametros da forma reduzida descritos no quesito anterior, por Mnimos
Quadrados Ordinarios, sao consistentes.
(4) Os parametros das equacoes estruturais, obtidos dos parametros da forma reduzida, sao estimados
por Mnimos Quadrados Ordinarios.
Solucao
50
2.4 ANPEC 2004
2.4.1 QUEST

AO 07
S ao corretas as armativas. Em modelos de equacoes simultaneas:
(0) o problema da identicacao precede o da estimacao.
(1) se a condicao de ordem for satisfeita, a condicao de posto tambem sera satisfeita.
(2) os estimadores de mnimos quadrados indiretos e os de mnimos quadrados de dois estagios sao
n ao-tendenciosas e consistentes.
(3) se uma equacao e exatamente identicada, os metodos de mnimos quadrados indiretos e de dois
estagios produzem resultados identicos.
(4) o metodo de mnimos quadrados indiretos pode ser aplicado tanto a equacoes exatamente identi-
cados quanto a equacoes superidenticadas.
Solucao
51
2.5 ANPEC 2003
2.5.1 QUEST

AO 08
Considere o modelo de equacoes simultaneas:
Q
D
i
=
1
+
1
P
i
+u
1i
(demanda)
Q
S
i
=
2
+
2
P
i
+u
2i
(oferta)
Q
D
i
= Q
S
i
em que: Q
D
i
e a quantidade demandada, Q
S
i
e a quantidade ofertada, P
i
e o preco, e u
1i
e u
2i
sao
termos aleatorios.

E correto armar que:
(0) o estimador de mnimos quadrados ordinarios aplicado a cada uma das equacoes e consistente e
n ao-tendencioso;
(1) no modelo acima a equacao de demanda e identicada mas a equacao de oferta nao e;
(2) se a equacao de demanda for denida por Q
D
i
=
1
+
1
P
i
+
1
Y
i
+ u
1i
, em que Y
i
e a renda, a
equacao de oferta sera identicada;
(3) a equacao de demanda sera identicada se for denida por Q
D
i
=
1
+
1
P
i
+
1
Y
i
+u
1i
;
(4) a variavel renda, empregada nos dois itens anteriores, e uma variavel instrumental.
Solucao
52
2.6 ANPEC 2002
2.6.1 QUEST

AO 11
Considere as seguintes equacoes do modelo estrutural:
Equacao de Demanda: Q
t
=
0
+
1
P
t
+
2
R
t
+u
1t
Equacao de oferta: Q
t
=
0
+
1
P
t
+
2
P
t1
+u
2t
em que no perodo t, Q
t
e a quantidade de produto; P
t
, o preco (endogeno) do produto; R
t
, a renda do
consumidor; u
1t
, o dist urbio aleatorio da equacao de demanda e u
2t
, o dist urbio aleatorio da equacao
de oferta. A partir destas equacoes sao obtidas as equacoes na forma reduzida:
P
t
=
0
+
1
R
t
+
2
P
t1
+v
1t
e Q
t
=
3
+
4
R
t
+
5
P
t1
+w
t
.
(0) Assim sendo,
0
=

0

1
,
1
=

2

1
e
2
=

2

1
.
(1) A condicao de posto indica que a primeira e a segunda equacoes sao identicadas.
(2) Se multiplicarmos a equacao de demanda por (0 < < 1) e a equacao de oferta por (1 )
e soma-las, desde que o resultado dessa soma seja diferente da equacao de oferta e da equacao de
demanda, as duas serao identicadas.
(3) O metodo de mnimos quadrados ordinarios produz estimadores consistentes e ecientes dos
parametros da forma estrutural.
(4) Para vericar se qualquer equacao do sistema e identicavel, basta aplicar a condicao de ordem.
Solucao
53
2.7 ANPEC 2001
2.7.1 QUEST

AO 08
No modelo de equacoes simultaneas:
Q
D
=
1
+
1
P +
1
Y +u
1
(demanda)
Q
S
=
2
+
2
P +u
2
(oferta)
Q
D
= Q
S
em que: Q
D
e a quantidade demandada; Q
S
, a quantidade ofertada; P, o preco; Y , a renda; u
1
e
u
2
sao os componentes aleatorios. Neste modelo:
(0) A aplicacao do metodo de mnimos quadrados ordinarios (MQO) a cada uma das equacoes do
sistema, desconsiderando-se a outra, fornecera estimativas nao tendenciosas.
(1) A equacao de demanda e subidenticada.
(2) A equacao de oferta e exatamente identicada.
(3) Na equacao de oferta, o estimador de MQO e consistente.
(4) Caso seja subidenticada, a equacao de demanda nao pode ser estimada.
Solucao
54
2.8 ANPEC 1998
2.8.1 QUEST

AO 14
Considere o seguinte conjunto de equacoes simultaneas:
Q =
1
+
1
P +
1
Y +
1
: funcao de demanda
Q =
2
+
2
P +
2
: funcao de oferta
onde Q (quantidade) e P (precos) sao as variaveis endogenas, Y (renda) e a variavel exogena e
1
,
2
,
representam os resduos. Os valores
1
,
2
,
1
,
1
e
2
sao os parametros do modelo.
Entao, pode-se armar que:
(0) As equacoes na forma reduzida sao denidas como :
Q =
1
+
2
Y +v
1
Q =
3
+
4
Y +v
2
onde,
1
=

1

2

2

1

2
,
2
=

1

1

2
,
3
=

2

1

1

2
,
4
=

1

1

2
, v
1
=

1

2

2

1

2
e v
2
=

1

2

1

2
.
(1) As funcoes de demanda e oferta sao identicadas.
(2) A estimacao dos parametros das equacoes na forma reduzida por Mnimos Quadrados Ordinarios,
produz estimadores consistentes.
(3) Os resduos v
1
e v
2
sao independentes.
Solucao
55
Captulo 3
Series Temporais
3.1 ANPEC 2007
3.1.1 QUEST

AO 03
Considere o modelo autorregressivo de primeira ordem, AR(1), denido por
Y
t
= a +bY
t1
+u
t
em que a e b sao parametros e {u
t
} e uma seq uencia de variaveis aleatorias independentes e igualmente
distribudas, com media nula e variancia
2
Suponha que |b| < 1. A previsao n passos-`a-frente para
a variavel Y convergira para
(0) a.
(1) a media de u
t
.
(2)
a
1b
.
(3) E (Y
t
).
(4) .
Solucao
56
3.1.2 QUEST

AO 07
Sejam Y
t
e X
t
duas series temporais. Considere os resultados dos seguintes modelos de regressao
estimados por mnimos quadrados ordinarios (MQO):

Y
t
= 4, 8788 0, 1512Y
t1
e

X
t
= 0, 1094 0, 1807X
t1
(1, 70) (1, 97) (1, 26) (2, 21)
Considere tambem os resultados da regressao de Y
t
em X
t
Y
t
= 23, 3924 + 14, 4006X
t
+ e
t
(1, 70) (1, 97)
em que e
t
e o resduo. Finalmente, considere a regressao:
e
t
= 0, 0730 0, 4157 e
t1
(0, 06) (3, 43)
Os n umeros entre parenteses sao os valores do teste t de signicancia individual dos parametros.
Dado que o valor crtico a 5% da estatstica de Dickey-Fuller e 2, 938, e correto armar que:
(0) Y
t
e X
t
sao series temporais integradas de ordem 1.
(1) A regressao de Y
t
em X
t
e esp uria.
(2) A hipotese de cointegracao entre Y
t
e X
t
e rejeitada pois os resduos da regressao de Y
t
em X
t
sao
nao-estacionarios.
(3) Para que duas variaveis sejam cointegradas e necessario que ambas tenham a mesma ordem de
integracao.
(4) A rejeicao da hipotese nula do teste Dickey-Fuller implica que a variavel em questao e nao-
estacionaria.
Solucao
57
3.1.3 QUEST

AO 09
Julgue as proposicoes:
(0) A soma de dois processos estocasticos independentes e estacionarios de segunda ordem sera esta-
cionaria de segunda ordem.
(1) A soma de dois processos estocasticos nao-estacionarios sera nao-estacionaria.
(2) Seja L o operador de defasagem tal que LY
t
= Y
t1
. Se Y
t
segue um processo AR(1) estacionario
de segunda ordem, entao (1 L)
2
Y
t
e um processo ARMA(2,2).
(3) O processo ARMA(2,2) denido na forma
_
1 L 0, 25L
2
_
Y
t
=
_
1 0, 5L 0, 06L
2
_
u
t
e nao
estacionario, em que u
t
e o erro aleatorio com media nula e variancia constante.
(4) Todo processo MA e estacionario de segunda ordem.
Solucao
58
3.2 ANPEC 2006
3.2.1 QUEST

AO 11
Dois economistas usam os modelos abaixo para analisar a relacao entre demanda de moeda (m) e
renda nacional (y). As variaveis estao todas em logaritmos e a periodicidade e mensal.
Economista A: Economista B:
m
t
= 1.099y
t
+ u
t
(Equacao 1) m
t
= 1.14y
t
+ e
t
(Equacao 2)
(0.0086) (0.145)
Os valores entre parenteses sao os erros-padrao.
Testes Dickey-Fuller Aumentado (ADF), com n umero apropriado de defasagens maior que zero em
todos os casos, para as variaveis e para os resduos dos dois modelos geram os seguintes resultados:
Variavel m
t
y
t
u
t
m
t
y
t
e
t
Estatstica - ADF 2, 191 1, 952 2, 993 5, 578 6, 312 8, 456
O valor crtico da tabela Dickey-Fuller a 5% e igual a -2,886. Sao corretas as armativas:
(0) Tanto a serie de demanda de moeda quanto a de renda nacional sao integradas de primeira ordem.
(1) As series de demanda de moeda e de renda nacional nao sao cointegradas ao nvel de signicancia
de 5%.
(2) Se a serie de demanda de moeda for estacionaria na diferenca (dierence stationarity) ela nao pode
ser estacionaria na tendencia (trend stationary).
(3) Se as series de demanda de moeda e de renda nacional forem cointegradas, o Economista B deve
incluir o erro defasado u
t1
em seu modelo.
(4) A serie de renda nacional e um passeio aleatorio puro.
Solucao
59
3.2.2 QUEST

AO 15
Uma serie temporal Y
t
, t = 1, ..., T, foi gerada por um processo da classe ARIMA(p, d, q) e apresenta
os seguintes formatos para a Funcao de Autocorrelacao (FAC) e Funcao de Autocorrelacao Parcial
(FACP):
Supondo que a media da serie seja 100 e que Y
T3
= 35, Y
T2
= 28, Y
T1
= 38 e Y
T
30, calcule a
previsao para Y
T+1
feita no instante T , isto e E(Y
T+1
|Y
T
, Y
T1
, Y
T2
, Y
T3
, ...).
Solucao
60
3.3 ANPEC 2005
3.3.1 QUEST

AO 07
Com respeito `a teoria das series temporais, sao corretas as armativas:
(0) Considere uma serie temporal Y
t
auto-regressiva de ordem 1 com parametro . No modelo: Y
t

Y
t1
= Y
t1
+ u
t
, em que u
t
e um rudo branco e = 1, se for de fato igual a zero, a serie Y
t
sera nao estacionaria.
(1) Numa regressao linear simples de duas series temporais nao estacionarias de ordem 1, o teste usual
t de Student ainda e valido.
(2) Numa regressao linear m ultipla de series temporais de ordem 1, mas cointegraveis, nao se corre o
risco de os resultados serem esp urios.
(3) Numa regressao linear m ultipla de series temporais de ordem 1, mas cointegraveis, os resduos da
regressao sao estacionarios.
(4) Se uma serie temporal tiver que ser diferenciada n vezes antes de se tornar estacionaria, a serie
original e integrada de ordem n -1.
Solucao
61
3.3.2 QUEST

AO 09
S ao corretas as armativas:
(0) No processo AR(1): y
t
=
0
+
1
y
t1
+e
t
, em que || < 1 e e
t
e um rudo branco de media zero e
variancia
2
, a variancia de y
t
sera

2
1
2
.
(1) Seja a funcao de autocovariancia do processo AR(1) denido no quesito anterior
j
= E [(y
tj
) (y
tj
)],
em que = E [y
t
] e a media do processo y
t
.

E correto armar que
j
=
(
0
+
1
)
j
1
2
1
.
(2) O processo AR(2), y
t
=
0
+
1
y
t1
+
t2
y
t2
+e
t
, em que e
t
e um rudo branco de media nula
e variancia
2
, sera estacionario de segunda ordem se, e somente se,
1
< 1 e
2
< 1.
(3) A media do processo MA(1), y
t
= e
t
+e
t1
, em que e
t
e um rudo branco, e igual a zero.
(4) No modelo ARMA(1,1), y
t
=
0
+
1
y
t1
+e
t
+e
t1
, em que e
t
e um rudo branco de media nula
e variancia constante, a media de y
t
e dada por

0
1
1
.
Solucao
62
3.4 ANPEC 2004
3.4.1 QUEST

AO 09
Considere a seguinte regressao entre y
t
e z
t
:
y
t
= z
t
+u
t
em que u
t
e o erro. Sao corretas as armativas:
(0) Se y
t
for I(1) e z
t
for I(0), entao y
t
e z
t
sao co-integradas.
(1) Se y
t
for I(0) e z
t
for I(1), entao y
t
e z
t
sao co-integradas.
(2) Se y
t
for I(1) e z
t
for I(1), entao y
t
e z
t
sao co-integradas.
(3) Se y
t
for I(1), z
t
for I(1) e ut for I(0), entao y
t
e z
t
sao co-integradas.
(4) Se u
t
for I(0) as series y
t
e z
t
sao necessariamente co-integradas.
Solucao
63
3.4.2 QUEST

AO 10
Em relacao aos modelos de series temporais, sao corretas as armativas:
(0) No processo AR(1), Z
t
= Z
t1
+a
t
+
0
, || < 1, e a
t
e um rudo branco, a media de Z
t
sera

0
1
.
(1) O processo MA(1), Z
t
= a
t
a
t1
, em que a
t
e um rudo branco, nao e estacionario.
(2) O processo AR(1), Z
t
= 0, 8Z
t1
+a
t
, em que a
t
e um rudo branco, e estacionario.
(3) No processo AR(1), Z
t
= Z
t1
+a
t
, em que a
t
e um rudo branco com V ar(a
t
) =
2
a
, a variancia
de Z
t
e

2
a
1
2
.
(4) No modelo ARMA(1,1), Z
t
= Z
t1
+ a
t
+ a
t1
, em que a
t
e um rudo branco, a media de Z
t
e
diferente de zero.
Solucao
64
3.5 ANPEC 2003
3.5.1 QUEST

AO 10
Considere o modelo de regressao linear
C
t
=
0
+
1
Y
t
+u
t
, t = 1, ..., T,
em que: C
t
e o consumo pessoal em t, Y
t
e a renda pessoal em t e u
t
e o termo aleatorio.

E correto
armar que:
(0) se C
t
e Y
t
sao I(1), entao u
t
sera obrigatoriamente estacionario;
(1) se o C
t
e Y
t
sao integradas, mas com ordens de integracao diferentes, entao a regressao sera invalida;
(2) se C
t
e Y
t
sao I(1), entao o teste ADF aplicado aos resduos da regressao podera identicar a
presenca de co-integracao entre as variaveis;
(3) se C
t
e Y
t
sao I(1), mas os resduos sao I(0), entao ha co-integracao entre as variaveis;
(4) se C
t
e Y
t
sao I(1) e os resduos tambem sao I(1), entao a regressao de C
t
em Y
t
e invalida.
Solucao
65
3.5.2 QUEST

AO 15
Considere o modelo ARMA(1, 1) denido por:
y
t
= 0, 5y
t1
0, 2
t1
+
t
, t = 1, ..., T,
em que a variancia de
t
e igual a 1. Encontre a variancia de y
t
.
(Multiplique o resultado nal por 10. Marque somente a parte inteira na folha de resposta).
Solucao
66
3.6 ANPEC 2002
3.6.1 QUEST

AO 12
Em relacao aos modelos de Series de Tempo pode-se armar:
(0) No modelo Autoregressivo de ordem 1, Z
t
= Z
t1
+u
t
+
0
, || < 1, em que u
t
e um rudo branco,
o parametro
0
e a media do processo.
(1) O modelo misto Autoregressivo-Medias Moveis, ARMA(1,1), pode ser representado pela expressao
Z
t
= Z
t
+u
t
u
t1
em que e sao parametros e u
t
e um rudo branco.
(2) Se um processo estocastico possui uma tendencia determinstica, y
t
=
1
+
2
t + u
t
, entao este e
dito nao-estacionario e sua nao-estacionariedade pode ser detectada por um teste para raiz unitaria.
(3) Em uma regressao com duas series temporais, se estas sao I(1), ou seja, nao estacionarias, mas sao
cointegradas, pode-se empregar a estatstica t de Student para testar a signicancia dos coecientes
da regressao.
(4) O teste de Engle-Granger para co-integracao entre tres variaveis consiste em utilizar a estatstica
e a tabela de valores crticos Dickey-Fuller nos resduos de uma regressao entre estas variaveis.
Solucao
67
3.7 ANPEC 2001
3.7.1 QUEST

AO 10
Seja o processo auto-regressivo: y
t
=
1
y
t1
+
t
. Pode-se armar que:
(0) O processo e estacionario para < 1.
(1) Se = 1, o processo e dito um caminho aleatorio (random walk).
(2) O estimador de mnimos quadrados ordinarios do parametro
1
e nao tendencioso.
(3) A estatstica t-Student pode ser usada para testar a presenca de raiz unitaria.
(4) O processo pode ser escrito em uma forma alternativa como y
t
= y
t1
+
t
em que =
1
1
e y
t
= y
t
y
t1
.
Solucao
68
3.8 ANPEC 2000
3.8.1 QUEST

AO 15
Considere um processo AR(1)
Y
t
= Y
t1
+
t
,
t
NID(0,
2
), t = 1, 2, ...T,
em que, por hipotese, || < 1, a nao ser que seja dito o contrario. Considere Y
o
xo e que t seja muito
distante da origem.
(0) A condicao || < 1 e necessaria para que o processo apresente media e variancia incondicionais
independentes do tempo.
(1) A media incondicional do processo e zero.
(2) A funcao de autocorrelacao deste processo e diferente de zero para o lag 1, e e igual a zero para
todos os outros lags.
(3) A previsao dois-passos `a frente e dada por: E(Y
t+2
|Y
t
) = (+1)+
2
Y
t
, em que Y
t
= {Y
1
, Y
2
, ..., Y
t
}.
(4) Se = 1, o processo sera nao estacionario.
Solucao
69
3.9 ANPEC 1999
3.9.1 QUEST

AO 01
Com relacao aos modelos Auto - Regressivo, Media - Movel e Misto, pode-se armar que:
(0) No modelo AR(1), Z
t
= Z
t1
+ a
t
, onde E(a
t
) = 0, E(a
2
t
) =
2
a
e Cov(a
t
, a
s
) = 0 se t = s, a
variancia de Z
t
e nita qualquer que seja o valor de .
(1) No modelo MA(1) , Zt = + a
t
a
t1
, onde E(a
t
) = 0 para todo t e E(a
2
t
) =
2
a
, entao
E(Z
t
) = e V ar(Z
t
) = (1 +
2
)
2
a
.
(2) O processo ARMA(p,q) (Auto-Regressivo Media-Movel) pode ser escrito na forma (L) Z
t
=
(L) a
t
, onde (L) = 1
1
L
2
L
2
...
p
L
p
e (L) = 1
1
L
2
L
2
...
q
L
q
sao,
respectivamente, os operadores auto-regressivo e de media-movel de ordem p e q onde, L
n
Z
t
= Z
tn
.
(3) Se o processo gerador de dados pode ser escrito como (1 L)Z
t
= + a
t
, entao a raiz de sua
equacao caracterstica sera diferente de um.
Solucao
70
3.10 ANPEC 1998
3.10.1 QUEST

AO 15
Com relacao aos modelos Auto - Regressivo, Media - Movel e Misto, pode - se armar que :
(0) No modelo Z
t
= Z
t1
+a
t
+a
t1
+
0
, onde
0
e uma constante e a
t
um rudo branco, a media
do processo sera igual a zero se
0
= 0.
(1) No modelo Auto-Regressivo de ordem p,
Z
t
=
1
Z
t1
+
2
Z
t2
+... +
p
Z
tp
+a
t
,
se 1
1

2
...
p
= 0, o modelo nao sera estacionario.
(2) O processo ARMA(p,q) (Auto-Regressivo Media-Movel) sera estacionario e invertvel, se todas as
razes dos operadores Auto - Regressivo e de Media Movel carem dentro do crculo unitario.
(3) Se no modelo Auto-Regressivo de ordem 1, Z
t
= Z
t1
+a
t
, onde a
t
e um rudo branco, o verdadeiro
valor de e igual a um, entao Z
t
= a
t
+a
t1
+a
t2
+... +a
1
, desde que Z
0
= 0.
Solucao
71
Apendice A
Gabaritos
ANPEC 2007
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 F V F V F F V F V V F V 03 50 30
1 V F F V V V A V F F V F
2 V V V F F F A V F F F V
3 F F V V F V V V V F V A
4 F V F F V F F F A V F F
ANPEC 2006
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 F V F V F V V V V V V 37 33 A 58
1 F V V F V F F V V F F
2 V F V F V F F F V F V
3 V F V F F V F F F V V
4 V F F V F F V V F F F
ANPEC 2005
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 V F V V V F V F A V F F 50 05 09
1 F F F F F V F F F V F V
2 F V V V V V V F F F F F
3 F V F F V F V V V F V V
4 V F V F F F F F V V F V
ANPEC 2004
72
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 F V V V F V V F F V V 98 20 90 14
1 V F V V V V F V F F F
2 F F F F V F F F F V F
3 F V F V F F V F V V F
4 F F F F F V F F F F V
ANPEC 2003
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 F F F F A F F F F F 75 40 4 25 11
1 F V F V V V F F F V
2 F V V F F F F V V V
3 V F F F V F V F F V
4 V F F V F F V V V F
ANPEC 2002
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 F F F V V V F V F V F F 20 6 50
1 F V V V F F V F F V V V
2 V F F F V V F F V F V F
3 V V V F F F V V V F F V
4 F F F F F V V F V V F F
ANPEC 2001
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 V V V V F F V F F F V V 99 2 25
1 V F V V F F F V V V F F
2 F F F F V F V V F V V V
3 V V F F V V V F F F F F
4 V V F F F F V F F V V V
ANPEC 2000
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 F 20 F V F V V V 32 17 F F V 13 V
1 V F F V V F F F F F V
2 F V V F F F V V V F F
3 F V F F F V V V F
4 V V V F F F V
73
ANPEC 1999
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 F 11 V F V V F X F F V F F F F
1 V V V V V V F F V F V V F
2 V V V V F V V V F V V F V
3 F F F F X F V V F V F V V
4 V V V F F V V
ANPEC 1998
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 V X F V V X X F F V V 25 F V V
1 V F V F F X V V V F F V F V
2 F X V V V X F V V F V F F F
3 F V V V F X F V F F V V F V
4 F V V V
ANPEC 1997
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 F V 25 V 58 V V F V V F F 48 V V
1 V V V F F V F F V V F V
2 F V F F V V V V F F F V
3 V V V F F F V F F V V F
4 F V V V F V V
ANPEC 1996
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 V 97 V 22 V F 41 V F V F F F 0 V
1 V V V F F F V V V V F
2 F F F V F V F F F V F
3 F V V F F F F V V F F
4 F V V F F
5 F F V V
6 V
7 F
74
ANPEC 1995
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 23 V F V F F F F V 30 F F V V V
1 V F V F F F F V V V F F V
2 F V F F F V F V F V F F V
3 F V F V V V F F V F V V F
4 F V F F F V V V V F V
ANPEC 1994
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 X V 20 F 8 F V F 3 F X 55 X F F
1 X F F V F V V F F
2 V V V V V V F V V
3 F F F F V F F F F
4 F V F V V F
5 V
ANPEC 1993
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 F F V F F 3 F F F F F F V F F
1 V V V F V V F F V F F F V V
2 V F F V F F V F F V F F V F
3 F F F V V V F V F F F F V V
4 V V V F F F F F
ANPEC 1992
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0
1
2
3
4
ANPEC 1991
75
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0
1
2
3
4
76
Apendice B
Programa da prova de Estatstica -
ANPEC
1. N umeros-ndices -

Indices de Laspeyres e de Paasche. Propriedades ideais de um
n umero ndice. Mudanca de base e deacionamento de dados.
2. Probabilidade - Denicao e propriedades. Variaveis aleatorias discretas e
contnuas. Funcao de probabilidade e densidade de probabilidade. Distribuicao
conjunta, distribuicao marginais, independencia estatstica. Esperanca matematica
e variancia de uma variavel aleatoria. Covariancia e coeciente de correlacao.
3. Principais distribuicoes - Bernoulli, Binomial, Poisson, Geometrica, Hiper-
geometrica, Uniforme, Normal, Lognormal, Qui-quadrado, t e F.
4. Principais teoremas de probabilidade - Teorema de Tchebyche. Lei dos
grandes n umeros. Teorema Central do Limite.
5. Inferencia estatstica - Estimacao por ponto e por intervalo. Propriedades de-
sejaveis dos estimadores em pequenas e grandes amostras. Intervalo de conanca e
teste de hipoteses. Tipos de erro. Nvel de signicancia.
6. Analise de Regressao - O modelo classico de regressao linear e suas hipoteses
basicas. Estimadores de mnimos quadrados ordinarios e suas propriedades. In-
tervalos de conanca e teste de hipoteses. Violacao das hipoteses basicas do mod-
elo classico de regressao linear: testes de diagnostico e procedimentos de correcao.
Regressao com variaveis dummy. Modelos auto-regressivos e de defasagens dis-
tribudas. Modelos de equacoes simultaneas.
7. Introducao a series de tempo - modelos auto-regressivos, de media, moveis e
mistos. Tendencia, passeio aleatorio e razes unitarias.
77
Apendice C
Tabela Distribuicao Normal Padrao
Figura C.1: Distribuicao Normal Padrao
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
0.0 .5000 .4960 .4920 .4880 .4840 .4801 .4761 .4721 .4681 .4641
0.1 .4602 .4562 .4522 .4483 .4443 .4404 .4364 .4325 .4286 .4247
0.2 .4207 .4168 .4129 .4090 .4052 .4013 .3974 .3936 .3897 .3859
0.3 .3821 .3783 .3745 .3707 .3669 .3632 .3594 .3557 .3520 .3483
0.4 .3446 .3409 .3372 .3336 .3300 .3264 .3228 .3192 .3156 .3121
0.5 .3085 .3050 .3015 .2981 .2946 .2912 .2877 .2843 .2810 .2776
0.6 .2743 .2709 .2676 .2643 .2611 .2578 .2546 .2514 .2483 .2451
0.7 .2420 .2389 .2358 .2327 .2296 .2266 .2236 .2206 .2177 .2148
0.8 .2119 .2090 .2061 .2033 .2005 .1977 .1949 .1922 .1894 .1867
0.9 .1841 .1814 .1788 .1762 .1736 .1711 .1685 .1660 .1635 .1611
1.0 .1587 .1562 .1539 .1515 .1492 .1469 .1446 .1423 .1401 .1379
1.1 .1357 .1335 .1314 .1292 .1271 .1251 .1230 .1210 .1190 .1170
1.2 .1151 .1131 .1112 .1093 .1075 .1056 .1038 .1020 .1003 .0985
1.3 .0968 .0951 .0934 .0918 .0901 .0885 .0869 .0853 .0838 .0823
1.4 .0808 .0793 .0778 .0764 .0749 .0735 .0722 .0708 .0694 .0681
1.5 .0668 .0655 .0643 .0630 .0618 .0606 .0594 .0582 .0571 .0559
1.6 .0548 .0537 .0526 .0516 .0505 .0495 .0485 .0475 .0465 .0455
1.7 .0446 .0436 .0427 .0418 .0409 .0401 .0392 .0384 .0375 .0367
1.8 .0359 .0352 .0344 .0336 .0329 .0322 .0314 .0307 .0301 .0294
1.9 .0287 .0281 .0274 .0268 .0262 .0256 .0250 .0244 .0239 .0233
2.0 .0228 .0222 .0217 .0212 .0207 .0202 .0197 .0192 .0188 .0183
2.1 .0179 .0174 .0170 .0166 .0162 .0158 .0154 .0150 .0146 .0143
2.2 .0139 .0136 .0132 .0129 .0125 .0122 .0119 .0116 .0113 .0110
2.3 .0107 .0104 .0102 .0099 .0096 .0094 .0091 .0089 .0087 .0084
2.4 .0082 .0080 .0078 .0075 .0073 .0071 .0069 .0068 .0066 .0064
2.5 .0062 .0060 .0059 .0057 .0055 .0054 .0052 .0051 .0049 .0048
2.6 .0047 .0045 .0044 .0043 .0041 .0040 .0039 .0038 .0037 .0036
2.7 .0035 .0034 .0033 .0032 .0031 .0030 .0029 .0028 .0027 .0026
2.8 .0026 .0025 .0024 .0023 .0023 .0022 .0021 .0021 .0020 .0019
2.9 .0019 .0018 .0017 .0017 .0016 .0016 .0015 .0015 .0014 .0014
3.0 .00135
3.5 .000233
4.0 .0000317
4.5 .00000340
5.0 .000000287
78