Você está na página 1de 10

PROVAS DE ECONOMETRIA – 2º BIMESTRE

1. Considere o seguinte modelo de Regressão Linear Múltipla. (2,0)


̂0 + 𝛽
Yt = 𝛽 ̂1 X1t + 𝛽
̂2 X2t + ût. t = 1, 2, 3, …, n.
Onde E(𝜀̂𝑡 ) = 0, Var = σ2, e X1t, X2t são séries de valores fixos.
Assinale verdadeiro (v) ou falso (f) e justifique todas as alternativas.
a) ( ) Se X1t = X2t, ainda assim é possível obter os estimadores de Mínimos
̂0 , 𝛽
Quadrados de 𝛽 ̂1 e 𝛽
̂2 .

b) ( ) Se 𝜀̂𝑡 e 𝜀̂𝑠 são independentes para todo t ≠ s, estão dentro da classe dos
estimadores lineares não tendenciosos, os estimadores de Mínimos Quadrados
Ordinários são os melhores.
c) ( ) Caso X2t esteja corelacionado com Yt-1, e os erros 𝜀̂𝑡 sejam
autocorrelacionados, os estimadores de MQO mantém a propriedade de não-
tendenciosidade.
d) ( ) Quando a variância dos resíduos, Var = δ 2, varia para cada t, então os
estimadores de MQO ainda não são não tendenciosos e eficientes.
e) ( ) No caso da existência de autocorrelação e heterocedasticidade dos
resíduos, as variâncias amostrais dos estimadores de MQO são tendenciosas,
fazendo com que os testes de hipóteses destes parâmetros fiquem
comprometidos.

2. Julgue as afirmativas com V ou F e justifique todas as questões (2,0):


(0) Heterocedasticidade ocorre quando o erro aleatório em um modelo de
regressão é correlacionado com uma das variáveis explicativas.
(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 tendenciosos.
(3) Os testes t e f usuais não são válidos na presença de heterocedasticidade.
(4) Na presença de heterocedasticidade os estimadores de mínimos quadrados
ordinários são não viesados, mas são inconsistentes.
3. Com base no modelo estimado no software stata 14 temos: (3,0)
Source SS df MS
Model 72.3381123 2 34.1630567
Residual 1.61087366 14 .115062833
Total 73.9489859 16 4.42101206
lnpib Coef. Std. Err. t P>(t) [95% Conf. Interval]
lnfbk .9582449 .0496335 19.70 0.000 .8539365 1.062859
lnsalmedio .0891434 .0787341 1.21 0.247 -.0690004 .2472873
_cons -.2129633 .1323701 -1.61 0.190 -.4968689 .0709423
. vif
Variable VIF 1/VIF
Lnfbk 1.51 0.663785
Lnsalmedio 1.51 0.663725
Mean VIF 1.51
. estat imtest
Source chif df p
Heterocedastidiy 6.65 5 0.2561

4. O método MQO foi empregado para estimar o modelo de regressão abaixo,


cujo objetivo é explicar as variações de renda entre 526 indivíduos de uma amostra
aleatória (2,0):
ln (renda) = 0,362 + 0,094educ + 0,014expe – 0,178sexo – 0,010exper.sexo + u
(0,128) (0,008) (0,002) (0,058) (0,002)
R2 = 0,368, n = 526 e tc (95%) = 1,96.
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:
a. ( ) 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.
b. ( ) Para um indivíduo com 8 anos de escolaridade, 1 ano adicional de estudo
acarreta um aumento da renda de aproximadamente 9%
c. ( ) O efeito na renda de um aumento de 1 ano na experiência profissional para
as mulheres é 1% menor do que para os homens.
d. ( ) Pela inspeção dos resultados da estimação fica claro que os erros do modelo
são heterocedásticos.
e. ( ) Ao nível de confiança de 95% todos os coeficientes estimados são
estatisticamente significativos.

5. Considere o modelo de regressão linear múltipla, com a variável dependente Y


e variáveis explicativas X1, X2, ..., Xk, que pode ser expresso como:
Yt = 0 + 1X1t + 2X2t ... + kXkt + εt
No qual εt significa o fator de erro e t = 1, 2, ..., é relativo às observações amostrais.
Marque V para a alternativa correta e corrija as questões erradas, sobre as hipóteses
do modelo de regressão linear.
a) ( ) a relação linear entre pelo menos duas variáveis explicativas deve ser exata.
b) ( ) a variância dos erros deve variar na amostra E (𝜀𝑡2) ≠ E (𝜀𝑧2) para t ≠ z.
c) ( ) o valor esperado do fator de erro deve ser diferente de zero: E (𝜀𝑡2) ≠ 0.
d) ( ) os erros devem ser não dependentes: E (εt.εz) = 0.
e) ( ) os valores das variáveis explicativas X1, X2, ..., Xk devem variar de amostra
para amostra.

6. Considere o modelo de regressão linear múltipla, com a variável dependente Y


e variáveis explicativas X1, X2, ..., Xk, que pode ser expresso como:
Yt = 0 + 1X1t + 2X2t ... + kXkt + εt
Nesse modelo:
(i) O alto grau de multicolinearidade torna imprecisas as estimativas dos
parâmetros populacionais baseadas no MQO.
(ii) O erro de especificação por inclusão de variável explicativa irrelevante torna
tendencioso o estimador de MQO dos parâmetros populacionais.
(iii) Satisfeitas as hipóteses do modelo clássico de regressão linear, segue-se que
os estimadores de MQO são consistentes e têm variância mínima entre todos os
estimadores lineares não tendenciosos.
(iv) Ao se incluir uma variável explicativa irrelevante num modelo de regressão
linear múltipla, o valor do grau de ajustamento do modelo ajustado, não se altera de
maneira significativa, mesmo que o grau de ajustamento do modelo aumente.
Marque a sequência correta e corrija as erradas.
a) I e III.
b) I, II e IV
c) I, II e III.
d) I, III e IV.
e) II e III.

7. Considere as seguintes estimativas obtidas pelo método de mínimos quadrados


ordinários para o modelo de regressão abaixo (desvios padrões entre parênteses):
(2,5)
ln(salár) = 0,600 + 0,175sind.+ 0,090sexo+0,080educ+ 0,030exper – 0,003exper2 + û
(0,201) (0,100) (0,050) (0,032) (0,009) (0,001)
R2 = 0,36
Em que educ e exper denotam, respectivamente, o número de anos de estudo e o
número de anos de experiência profissional, sindicato é uma variável dummy que
assume o valor de 1 se o trabalhador for sindicalizado e 0 caso contrário e sexo é uma
variável dummy igual a 1 se o 0 trabalhador for do sexo masculino e igual a 0 se for
do sexo feminino. O resíduo da regressão é o termo û. Todas as suposições usuais
acerca do modelo de regressão linear clássico são satisfeitas.
Marque V (verdadeiro) ou F (falso) justificando todas as alternativas:
( ) Supondo que o tamanho da amostra seja grande o suficiente para que
aproximações assimétricas sejam válidas, é possível rejeitar, ao nível de significância
de 5% (1,96), a hipótese nula de que os salários de trabalhadores sindicalizados e
não sindicalizados são iguais. A hipótese alternativa é que os trabalhadores
sindicalizados ganham mais do que os não sindicalizados.
( ) Supondo que o tamanho da amostra seja grande o suficiente para que
aproximações assimétricas sejam válidas, é possível rejeitar, ao nível de significância
de 5%, a hipótese nula de que os salários de homens e mulheres são iguais. A
hipótese alternativa é que os salários de homens e mulheres são diferentes.
( ) Um ano adicional de experiência eleva o salário em 3,00%.
( ) Se incluirmos um regressor adicional entre as variáveis explicativas, o R 2 não
diminuirá.

8. Considere o seguinte modelo de regressão múltipla:


Yi = β0 + β1X1i + β2X2i + ... + βkXki + ui sendo i = 1, ..., n.
É corretor afirmar que:
( ) Para que os estimadores mínimos quadrados sejam linearmente não tendenciosos
de menor variância (BLUE) é necessário que os erros sejam homocedásticos.
( ) A hipótese de Var (ui | x1i, x2i, ...m xki) = σ2, é necessária para que os estimadores
de mínimos quadrados sejam não tendenciosos.
( ) As estatísticas “t” e “f” continuam válidas quando assintoticamente mesmo que
os erros da regressão sejam heterocedásticos.
( ) Se a Cov (x1i, x2i) ≠ 0, os estimadores de MQO serão não tendenciosos e
inconsistentes.
( ) Se a Cov (x1i, x2i) = 0, os estimadores de MQO serão não tendenciosos e
consistentes.

9. O método de mínimo quadrado foi empregado para estimar o modelo de


regressão abaixo cujo objetivo é explicar as variações de renda entre 526 indivíduos:
log (rend) = 0,417 - 0,297 sexo + 0,08 educ + 0,028 exper - 0,00058 exper2 + u
(0,099) (0,036) (0,007) (0,005) (0,00010)
R2 = 0,441
Em que o sexo é uma variável dicotômica (valor 1, se for homem é 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.
Com base nos resultados acima é correto afirmar que:
( ) a regressão não é estatisticamente válida, pois o coeficiente de determinação é
menor do que 0,5.
( ) a diferença de renda entre homens e mulheres não é estatisticamente significativo
à 5% ou a 2,30 de t crítico.
( ) um ano a mais de estudo, mantidos constantes todos os demais fatores,
aumenta em 0,08% a renda de um indivíduo do sexo feminino.
( ) a significância conjunta das variáveis educ e exper não pode ser medida por meio
da estatística “t”. Para isto, o teste “f” deve ser utilizado.
( ) o modelo é incapaz de captar diferenças nos retornos da educação entre homens
e mulheres.

10. Discorra sobre os problemas de autocorrelação residual, multicolinearidade e


heterocedasticidade e as suas implicações sobre os estimadores de MQO e indique
os principais testes para avaliação da presença destes problemas.

11. Considere o modelo de regressão linear múltipla para dados seccionais:


Yi = β0 + β1X1i + β2X2i + ... + βkXki + ui, i = 1, ..., n.
É correto afirmar que:
( ) Para que os estimadores de mínimos quadrados sejam lineares não tendenciosos
de menor variância (BLUE) é necessário que os erros sejam homocedásticos.
( ) A hipótese que Var (ui | x1i, x2i, ..., xki) = σ2, i = 1, ..., n, é necessária para que os
estimadores de mínimos quadrados sejam não tendenciosos.
( ) As estatísticas t e F continuam válidas assintoticamente mesmo que os erros da
regressão sejam heterocedásticos.
( ) Se Cov (x1i, x2i) ≠ 0, i = 1, ..., n, os estimadores de Mínimos Quadrados Ordinários
da regressão Yi = β0 + β1X1i + β2X2i + β4X4i + ... + βkXki + ui, i = 1, ..., n, serão
consistentes.
( ) Se Cov (x1i, x2i) = 0, os i = 1, ..., n, estimadores de Mínimos Quadrados Ordinários
da regressão Yi = β0 + β1X1i + β2X2i + β4X4i + ... + βkXki + ui, i = 1, ..., n, serão
consistentes.

12. Considere o seguinte modelo de regressão múltipla: (4,0)


Yi = β0 + β1X1i + β2X2i + ... + βkXki + ui sendo i = 1, ..., n.
É correto afirmar que:
( ) A hipótese de Var (ut | x1t, x2t, ..., xki) = δ2, é necessária para que os estimadores
de mínimos quadrados sejam não tendenciosos. (0,5)
( ) As estatísticas “t” e “f” continuam sendo válidas quando assintoticamente mesmo
que os erros da regressão sejam heterocedásticos. (0,5)
( ) Se a cov (x1t, x2t) ≠ 0, os estimadores de MQO serão não tendenciosos e
ineficientes. (0,5)
( ) Se a cov (x1t, x2t) = 0, os estimadores de MQO serão não tendenciosos e
consistentes. (0,5)
( ) Se E (ε) ≠ 0, os estimadores de todos os parâmetros, com exceção do intercepto,
serão viesados. (0,5)
( ) Se o erro não seguir a distribuição normal as estimativas por MQO são
consistentes. (0,5)
( ) A presença de autocorrelação residual faz com que os estimadores de MQO
sejam não tendenciosos e não eficientes. (0,5)
( ) A presença de colinearidade imperfeita entra as variáveis explicativas gera
estimadores viesados. (0,5)

13. Responda Verdadeiro (V) ou Falso (F) justificando todas as alternativas (4,0)
Sendo: yi = β0 + β1X1i + β2X2i + ui, i = 1, ..., n, em que E (ui | x1i, x2i) = 0
a) ( ) A hipótese E (ui | x1i, x2i) = 0 não é necessária para que o estimador de
Mínimos Quadrados Ordinários (MQO) de β1 seja consistente. (0,5)
b) ( ) Se a Var (ui | x1i, x2i) = σ2, o estimador de MQO de β1 tem distribuição
normal. (0,5)
c) ( ) Se a Var (ui | x1i, x2i) = x1iσ2, o estimador de MQO de β1 é tendencioso. (0,5)
d) ( ) Se a correlação entre x1i e x2i é igual a 0,95, o estimador de MQO de β1 e
β2 não é eficiente. (0,5)
e) ( ) Suponha que os parâmetros do modelo tenham sido estimados por MQO.
Se a Var (ui | x1i, x2i) = x1iσ2, a estatística t não é válida para testar a significância dos
parâmetros do modelo. (0,5)
f) ( ) É possível afirmar que se uma variável é fortemente correlacionada com a
outra, isto implica em dizer que uma possui um alto grau de explicação pela outra.
(0,5)
g) ( ) Ao se estimar uma regressão linear em que as duas variáveis não estão
em log e o coeficiente estimado da variável explicativa é β1 > 1, isto indica que a
variação percentual na variável explicativa será maior do que a variação percentual
na variável explicada. (0,5)
h) ( ) Na presença de homocedasticidade os estimadores de MQO são não
tendenciosos, mas ineficientes. (0,5)
14. Demonstre e explique o problema de viés de variável omitida para os
estimadores de MQO. (2,5)

15. Avalie o seguinte modelo de regressão múltipla. (3,5)


Source SS df MS
Model 5.1406691 2 2.57033455
Residual .373693441 5 .074738688
Total 5.51436254 7 .787766078
logyi Coef. Std. Err. t P>(t) [95% Conf. Interval]
logx1i 1.95112 .236933 8.23 0.000 1.342065 2.560176
logx2i -.7043211 .2384874 -2.95 0.032 -1.317372 -.0912698
_cons .9576835 .5090284 1.88 0.119 -.3508155 2.266183

a) Com base nas informações acima, monte a reta estimada via MQO. (0,5)
b) A partir do quadro de análise de variância indique o grau de ajustamento do
modelo estimado e realize sua interpretação. (0,5)
c) Realize o teste de hipótese global do modelo teste “F”, considerando F tabelado
= 5,79 a 95% de realize sua interpretação. (0,5)
d) Realize o teste de hipótese individual dos parâmetros estimados, teste “T”,
considerando T tabelado = 2,57 a 95% de confiança, assim como o intervalo de
confiança e os interprete. (1,0)
e) Faça uma análise do modelo estimado e considere o efeito de uma variação de
10% em x1i e avalie a variação e, yi. Logo após, considere a variação de 1% em x2i e
a respectiva variação em yi. (1,0)

16. Um econometrista estimou o seguinte modelo de regressão para explicar a


renda de 526 indivíduos:
log (renda) = 0,510 – 0,310 gênero + 0,080 educação + 0,030 exp – 0,001 exp2 + u
(0,090) (0,038) (0,03) (0,005) (0,00010)
R2 = 0,441, n = 526, Tcrítico 95% = 1,96
Em que gênero é uma variável dicotômica (-1 se mulher, = 0 caso contrário), educ é
o número de anos gastos com educação, experiência profissional do indivíduo medida
em anos. Os desvios padrões dos coeficientes estão entre parênteses. Com base
nesses resultados, julgue verdadeiro ou falso as afirmativas, justificando todas as suas
respostas.
( ) O efeito de um ano a mais na experiência profissional na renda média de um
indivíduo do sexo masculino é 0,030 unidades monetárias.
( ) As mulheres recebem salários 31% mais baixos que os dos homens.
( ) De acordo com o modelo estimado, a hipótese de que o efeito médio de um ano
a mais de educação na renda dos indivíduos seja diferente de 10% é rejeitada ao nível
de significância de 5%.
( ) Se V (u|gênero, educ, exper) = a 2 + b2 educ, então os estimadores de mínimos
quadrados são tendenciosos. Sendo V (u|X) é a variância de u, condicionada a X, a e
b são parâmetros.
( ) Em uma regressão do resíduo u em função de educação e gênero, o R 2 será alto.

17. Julgue verdadeiro ou falso as afirmativas, justificando todas as respostas, a


respeito dos estimadores de MQO, em um modelo de regressão linear múltipla:
( ) Se a variância do erro não for constante, as estimativas dos parâmetros serão
não viesadas.
( ) Se E (ε) ≠ 0, os estimadores de todos os parâmetros, com exceção do intercepto,
serão viesados.
( ) Se o erro não seguir a distribuição normal as estimativas por MQO são
consistentes.
( ) A presença de autocorrelação residual faz com que os estimadores de MQO
sejam não tendenciosos e não eficientes.
( ) A presença de colinearidade imperfeita entre as variáveis explicativas gera
estimadores viesados.
18. Estime o seguinte modelo de regressão linear com base nos métodos mínimos
quadrados ordinários. Onde Y = número de vendas de um determinado produto, X1 =
preço de venda desse produto e X2 = a carga tributária do período.
Otrs 1 2 3 4 5 6 7 8
Y 10 25 32 40 58 62 67 71
X1 1 3 4 5 7 6 10 10
X2 0 1 0 1 -1 0 -1 2
Considerando:
6 48 0 268
(X’X) = (48 364 5) (X’Y) = (2110)
0 5 8 35
0,6190 −0,0823 0,0515
(X’X)-1 = (−0,0823 0,0137 −0,0086)
0,0515 −0,0086 0,1304
Tcrítico 90% = 2,015, Fcrítico 90% = 3,78, dcalculado = 1,96, f = 0,8, d1 = 1,896, d2 = 0,467
Calcule:
a) Os coeficientes de regressão;
b) Matriz de variância e covariância;
c) O grau de ajustamento e o grau de ajustamento ajustado;
d) Realize os testes de hipóteses para os parâmetros estimados;
e) Encontre se a regressão pode ser considerada válida;
f) Identifique a previsão média e individual supondo X1 = 12 e X2 = 3, assim como
suas respectivas variâncias e seu intervalo de confiança a 10% de significância.
g) A presente regressão possui erros correlacionados?
h) As variáveis X1 e X2 possuem um grau de relação muito alto a ponto de
comprometer as estimativas?
i) Escreva a regressão estimada e interprete os resultados.
j) Considerando que a variável dependente possui-se a seguinte relação com as
variáveis explicativas:
𝛽
𝑥 1
𝑌𝑖 = 𝛽1 . [ 1𝑖
𝛽2
] . 𝑒 𝑢𝑖
𝑥2𝑖
Avalie e responda se este modelo pode ser estimado pelo método do MQO, bem como
identifique se através de alguma transformação linear este modelo pode ser estimado
pelo MQO.