Quiz 2013

1. A abordagem de Box-Jenkins envolve

a. a identificação do tipo e da ordem dos modelos através da observação dos correlogramas.

b. a estimação dos parâmetros dos modelos.
c. a análise dos resíduos.
d. um conjunto de passos que inclui os descritos das alíneas anteriores.

2. Num processo random walk

a. verifica-se que as observações flutuam em torno da média.

b. verifica-se que as observações flutuam em torno de um valor diferente da média do
processo.
c. verifica-se um comportamento menos errático do que num processo estacionário.
d. verifica-se um comportamento mais errático do que num processo estacionário.

3. A não estacionaridade de um processo resulta

a. de os choques terem um efeito persistente no tempo.

b. de os choques terem um efeito temporário.
c. do facto de a média do processo ser constante no tempo.
d. do facto de a média e a variância do processo serem constantes no tempo.

4. Considere o seguinte processo:

a. o processo apresenta uma tendência linear no tempo.

b. o processo não apresenta tendência no tempo.
c. o processo apresenta uma variância constante no tempo.
d. o processo apresenta uma variância decrescente no tempo.

5. O processo anterior torna-se estacionário

a. considerando as primeiras diferenças das observações de Y.

b. considerando os resíduos da regressão das observações de Y no tempo.
c. considerando as segundas diferenças das observações de Y.
d. considerando as primeiras diferenças dos resíduos mencionados em b.

6. Um processo integrado de ordem 2

a. é um processo estacionário em níveis.

b. é um processo estacionário em primeiras diferenças.
c. é um processo estacionário em segundas diferenças.
d. é um processo que nunca pode ser tornado estacionário.
7. O processo da alínea 4 é um processo

a. com tendência determinística.

b. com tendência estocástica.
c. é um processo sem tendência.
d. com tendência determinística e estocástica.

8. Considere o processo, O processo apresenta

a. apenas tendência determinística.

b. apenas tendência estocástica.
c. tendência determinística e tendência estocástica.
d. média constante.

9. A estacionaridade do processo anterior é conseguida

a. considerando as primeiras diferenças da série Y.

b. considerando os resíduos da regressão de Y em t.
c. considerando as primeiras diferenças da série Y e depois regredir essa série de primeiras
diferenças em t.
d. não fazendo qualquer transformação aos dados porque o processo da alínea anterior é
estacionário.

10. O teste ADF, quando aplicado a uma série de dados, permite testar a não existência

a. de cointegração.
b. de estacionaridade
c. de heterocedasticidade
d. de autocorrelação

11. Num modelo multivariado, a regressão de uma variável não estacionária noutra variável
não estacionária,

a. produz necessariamente resultados espúrios.

b. não produz necessariamente resultados espúrios
c. conduz necessariamente a uma série de resíduos não estacionária
d. conduz necessariamente a um coeficiente de determinação elevado.

12. Num teste ADF,

a. A hipótese nula estabelece a existência de uma raiz unitária

b. a hipótese nula estabelece a existência de estacionaridade
c. a hipótese alternativa estabelece a existência de uma raiz unitária.
d. a hipótese alternativa estabelece a não estacionaridade.
13. A existência de cointegração entre duas séries significa que

a. a regressão entre elas produz resultados espúrios.

b. a regressão entre elas traduz a relação de longo prazo existente entre as variáveis.
c. os resíduos da regressão entre as variáveis são não estacionários.
d. O teste ADF aplicado aos resíduos mencionados em c. não rejeita a hipótese nula.

14. Num modelo com mecanismo corretor de erros

a. é possível obter estimativas dos impactos de curto prazo.

b. é possível obter estimativas dos impactos de longo prazo.
c. é possível obter estimativas dos impactos de curto e de longo prazo.
d. não é possível obter estimativas dos impactos de longo prazo.

15. Num modelo de equações simultâneas

a. as variáveis exógenas são diferentes das variáveis endógenas

b. algumas variáveis exógenas podem ser determinadas no próprio modelo.
c. a utilização do OLS produz sempre estimativas centradas dos parâmetros.
d. nunca existe problemas de correlação entre os termos de erro e os regressores numa
mesma equação.

16. Um modelo de equações simultâneas é exatamente identificado

a. quando é possível obter as estimativas dos coeficientes a partir das estimativas dos
coeficientes do modelo na forma reduzida.
b. quando não é possível obter as estimativas dos coeficientes a partir das estimativas dos
coeficientes do modelo na forma reduzida.
c. quando o número de variáveis endógenas no modelo é superior ao número de variáveis
exógenas no modelo.
d. quando o número de variáveis endógenas no modelo é igual ao número de variáveis
exógenas no modelo.

17. A estimação de um modelo de equações simultâneas pelo método das variáveis

instrumentais

a. consiste em substituir a variável explicativa que está correlacionada com o termo de erro.
b. consiste em substituir a variável explicativa que não está correlacionada com o termo de
erro.
c. consiste em substituir a variável explicada que está correlacionada com o termo de erro.
d. consiste em substituir a variável explicada e a variável explicativa que estão
correlacionadas com o termo de erro.
18. O método dos mínimos quadrados indiretos só pode ser aplicado a todas as equações de
um modelo quando

a. todas as equações são sobreidentificadas.

b. todas as equações são subidentificadas.
c. todas as equações são exatamente identificadas.
d. algumas equações são sobreidentificadas e outras subidentificadas.

19. Com dados em painel,

a. o OLS conduz sempre a estimativas enviesadas dos parâmetros do modelo

b. o OLS conduz a estimativas enviesadas dos parâmetros do modelo se não existir
heterogeneidade não observada entre os indivíduos e de cada indivíduo ao longo do tempo.
c. o OLS conduz a estimativas centradas dos parâmetros do modelo se existir
heterogeneidade não observada entre os indivíduos
d. deverá ser utilizado o estimador de efeitos fixos ou o de efeitos aleatórios desde que
exista heterogeneidade dos indivíduos ao longo do tempo.

20. O teste de Hausman permite escolher

a. entre o modelo de efeito fixos e o OLS.

b. entre o modelo de efeitos aleatórios e o OLS
c. entre o modelo de efeitos aleatórios e o modelo com variáveis dummy.
d. entre o modelo de efeitos fixos e o modelo de efeitos aleatórios.
Quiz 2015
7. Considere um modelo em que se pretende explicar a evolução da taxa de juro, com base na massa
monetária e na taxa de inflação (variáveis explicativas). A aplicação do teste ADF aos resíduos da regressão
referida permite

a. Testar a existência de relações de longo prazo entre as variáveis.

b. Testar a estacionaridade de cada variável.
c. Estimar multiplicadores de impacto.
d. Estimar multiplicadores de longo prazo.

8. Considerando as variáveis da questão anterior, foi concluído que todas são I(1). Foi, posteriormente,
construído um modelo sem mecanismo de correcção de erros. Tal significa que foi concluído que

a. Existe uma relação de longo prazo entre as variáveis.

b. Não existe nenhuma relação de longo prazo entre as variáveis.
c. O efeito na taxa de juro resultante de uma alteração na taxa de inflação é limitado ao multiplicador de
impacto.
d. os efeitos de longo prazo estão a ser ignorados no modelo estimado.

9. Se o modelo a que se refere a alínea anterior incluísse um mecanismo corretor de erros, tal significaria
que o modelo

a. Seria estimado por OLS porque as variáveis (explicada e explicativas) encontrar-se-iam em níveis.
b. Seria estimado por OLS porque todas as variáveis (explicada e explicativas) estariam em primeiras
diferenças, sendo estacionárias, e os resíduos da relação de cointegração seriam estacionários.
c. Não seria estimado por OLS porque as variáveis (explicada e explicativas) encontrar-se-iam em níveis.
d. Não seria estimado por OLS porque todas as variáveis estariam em primeiras diferenças, sendo
estacionárias, e os resíduos da relação de cointegração seriam estacionários.

10. Considerando duas variáveis, a taxa de juro e a taxa de inflação, existe cointegração entre elas se

a. Ambas as variáveis forem I(0).

b. Ambas as variáveis forem I(0) e o resíduos da regressão do consumo no investimento forem não
estacionários.
c. Ambas as variáveis forem I(0) e os resíduos da regressão do consumo no investimento forem
estacionários.
d. Ambas as variáveis tiverem a mesma ordem de integração e os resíduos da regressão da taxa de juro na
taxa de inflação forem estacionários.

2
11. Ao testar a existência de cointegração, a análise do correlograma dos resíduos da regressão adequada
pode ajudar a chegar a uma conclusão. O decrescimento dos coeficientes de correlação para zero

a. É garantia de que a série dos resíduos é I(0).

b. Pode ser indicativo de estacionaridade da série dos resíduos e a velocidade com que decresce para zero
depende da magnitude do coeficiente autoregressivo.
c. Pode corresponder a um processo não estacionário com uma amostra de dimensão reduzida.
d. Pode ser indicativo de estacionaridade da série dos resíduos e a velocidade com que decresce para zero
depende da magnitude do coeficiente autoregressivo, mas também pode corresponder a um processo não
estacionário com uma amostra de dimensão reduzida

12. No teste de cointegração,

a. A hipótese nula estabelece a existência de cointegração.
b. A hipótese nula estabelece a ausência de cointegração.
c. A hipótese alternativa estabelece a ausência de cointegração.
d. A hipótese nula estabelece a estacionaridade dos resíduos da regressão das variáveis em causa.

13. Considere que pretende explicar a despesa em bens de consumo das famílias portuguesas (LC) com
base no rendimento disponível (LRD) e na taxa de inflação (TI). Ao testar a cointegração concluiu que existe
uma relação de longo prazo entre as variáveis, pelo que estimou o modelo seguinte:

a. O modelo anterior representa a relação de longo prazo entre o consumo e as variáveis explicativas.
b. O modelo anterior representa uma relação espúria entre o consumo e as variáveis explicativas.
c. Os coeficientes estimados representam multiplicadores de impacto.
d. Os coeficientes explicados representam impactos de variações de cada uma das variáveis explicativas na
variável explicada ao fim de 2 períodos.

14. Num modelo de dados em painel

a. É possível considerar o efeito de factores não observáveis específicos de cada indivíduo.
b. É possível analisar diferenças entre os indivíduos e em cada indivíduo ao longo do tempo.
c. A existência de factores não observáveis específicos de cada indivíduo e constantes no tempo torna
inválidas as estimativas obtidas pelo OLS.
d. Todas as alíneas estão corretas.

2
15. Considere o seguinte modelo que pretende explicar a evolução da taxa de juro (Yt) com base nos
valores assumidos nos 2 períodos anteriores e com base na taxa de inflação corrente e passada (Xt e Xt-1)

O modelo corresponde a um
a. ARMA(2,1).
b. DL(2,1).
c. ARDL(1,1).
d. ARDL(2,1).

16. A estimação do modelo da questão anterior conduziu ao seguinte resultado:

a. O aumento da taxa de inflação de 1 ponto percentual no período t, origina um aumento da taxa de juro
no período seguinte de 0,33 pontos percentuais.
b. O aumento da taxa de inflação de 1 ponto percentual no período t, origina um aumento da taxa de juro
no período seguinte de 0,50 pontos percentuais.
c. O aumento da taxa de inflação de 1 ponto percentual no período t, origina um aumento da taxa de juro
no período seguinte de 0,65 pontos percentuais.
d. O aumento da taxa de inflação de 1 ponto percentual no período t, não tem impacto na taxa de juro no
período seguinte.

17. Verificou-se que no modelo anterior o coeficiente não era estatisticamente significativo, pelo que o
correspondente termo foi excluído do modelo. A estimação do novo modelo conduziu ao seguinte
resultado: . De acordo com os resultados obtidos, o impacto do de uma
alteração da taxa de inflação na taxa de juro vai ser decrescente no tempo porque 2

a. O coeficiente da taxa de inflação em cada período t é inferior à unidade.

b. O coeficiente da taxa de inflação no período anterior é inferior à unidade.
c. O coeficiente da taxa de juro no período anterior é inferior à unidade.
d. O termo autónomo é inferior à unidade.

18. A existência de simultaneidade num modelo de equações simultâneas

a. provoca enviesamento e inconsistência dos estimadores obtidos por OLS

b. não tem efeitos sobre o enviesamento dos estimadores obtidos por OLS
c. provoca enviesamento mas não inconsistência dos estimadores obtidos por OLS
d. não provoca enviesamento mas provoca inconsistência dos estimadores obtidos por OLS.

2
19. As condições para que a variável Z seja um bom instrumento da variável X são:
a. corr(Zi, Xi)=0 e corr (Zi, ui)=0
b. corr(Zi, Xi)=0 e corr (Zi, ui)≠0
c. corr(Zi, Xi)≠0 e corr (Zi, ui)=0
d. corr(Zi, Xi)≠0 e corr (Zi, ui)≠0

20. As condições para que um instrumento seja válido não incluem a seguinte condição:

a. cada instrumento não pode estar correlacionado com o termo de erro.

b. cada uma das variáveis instrumentais tem de ter uma distribuição normal.
c. não pode haver perfeita multicolinearidade entre a variável endógena e as variáveis exógenas.
d. cada instrumento tem de estar fortemente correlacionado com a variável instrumentada.

2
Quiz 2016

1. Considere um modelo em que se pretende explicar a evolução da taxa de Juro, com base na massa

monetária e na taxa de Inflação (variáveis explicativas). A aplicação do teste ADF aos resíduos da

regressão referida permite

a. Testar a existência de uma relação de equilíbrio de longo prato entre as variáveis.

b. Testar a estadonariedade de cada variável.

c. Estimar multiplicadores de Impacto.

d. Estimar multiplicadores de longo prato.

2. Considerando os resíduos do modelo anterior, foi concluído que os mesmos são não estacionários. Tal
significa que
a. Existe uma relação de longo prato entre as variáveis.
b. Não existe nenhuma relação de longo prato entre as variáveis.
C. A relação de longo prato entre a taxa de Inflação e a taxa de Juro não é espúria.
d. os efeitos de longo prato estão a ser ignorados no modelo estimado.

3. Considerando duas variáveis, a taxa de juro e a taxa de inflação, existe cointegração entre elas se

a. Ambas as variáveis forem I(1).

b. Ambas as variáveis forem I(1) e os resíduos da regressão da taxa de Juro na taxa de Inflação

forem não estacionários.

c Ambas as variáveis forem I(1) e os resíduos da regressão da taxa de Juro na taxa de inflação

forem estacionários.

d. Ambas as variáveis tiverem a mesma ordem de integração e os resíduos da regressão da taxa de

Juro na taxa de Inflação forem estacionários.

4. Ao testar a existência de cointegração, a análise do correlograma dos resíduos da regressão adequada

pode ajudar a chegar a uma conclusão. O decrescimento dos coeficientes de correlação para zero

a. É garantia de que a série dos resíduos é I(0)

b. Pode ser Indicativo de estadonariedade da série dos resíduos e a velocidade com que decresce para zero
depende da magnitude do coeficiente autoregressivo. mas também pode corresponder a um processo não
estacionário com uma amostra de dimensão reduzida.

c. Pode ser Indicativo de estadonariedade da série dos resíduos e a velocidade com que decresce para zero

depende da magnitude do coeficiente autoregressivo.

2
d. Apenas Indica que o modelo estimado apresenta erros de especificação.
5. No teste de cointegração,

a. A hipótese nula estabelece a existência de cointegração.

b. A hipótese alternativa estabelece a ausência de cointegração.

c. A hipótese nula estabelece a estacionariedade dos resíduos da regressão das variáveis em causa.

d. A hipótese nula estabelece a ausência de cointegração.

6. Considere que pretende explicar a despesa em bens de consumo das famílias portuguesas (LC) com base

no rendimento disponível (LRD) e na taxa de Inflação (TI) Ao testar a cointegração concluiu que existe

uma relação de longo prazo entre as variáveis, pelo que estimou o modelo seguinte:

a. O modelo anterior representa a relação de curto prazo entre o consumo e as variáveis

explicativas.

b. O modelo anterior representa uma relação espúria entre o consumo e as variáveis explicativas.

c. Os coeficientes estimados representam multiplicadores de longo prazo,

d. Os coeficientes estimados representam impactos de variações de cada uma das

variáveis explicativas na variável explicada ao fim de 2 períodos.

7. Considere o seguinte modelo que pretende explicar a evolução da taxa de juro (Yt) com base nos valores

assumidos nos 2 anos anteriores e com base na taxa de Inflação corrente e passada

O modelo corresponde a um
a. ARMA(2,1)
b.DL(2,2)
c.ARDL(1,1)
d.ARDL(2,2)

2
8. A estimação do modelo da questão anterior conduziu ao seguinte resultado:

a. O aumento da taxa de Inflação de 1 ponto percentual no ano t, origina um aumento da taxa de

juro de 0.33 pontos percentuais no fim do ano seguinte.

b. O aumento da taxa de inflação de 1 ponto percentual no ano t. origina um aumento da taxa de
juro de 0,50 pontos percentuais no fim do ano seguinte.

c. O aumento da taxa de Inflação de 1 ponto percentual no ano t, origina um aumento da taxa de

juro de 0,45 pontos percentuais no fim do ano seguinte.

d. O aumento da taxa de Inflação de 1 ponto percentual no ano t, não tem Impacto na taxa de

juro no fim do ano seguinte.

9. Verificou-se que no modelo anterior o coeficiente a2 não era estatisticamente significativo, pelo que o

correspondente termo foi excluído do modelo. A estimação do novo modelo conduziu ao seguinte resultado:

De acordo com os resultados obtidos, o Impacto de uma alteração da taxa de Inflação na taxa de Juro vai

ser decrescente no tempo porque

a.O processo gerador de dados é estacionário.

b. A componente autorregressiva do modelo não é estacionária.
c. O termo autónomo é inferior à unidade.
d. O coeficiente associado a 𝑥𝑡, ou seja, à taxa de inflação no ano t, é inferior à unidade.

10. A ausência de autocorrelação pode ser testada através

a. Dos testes de Breush-Pagan e/ou White, tendo como hipótese nula a ausência de autocorrelação.
b. Dos testes de Breush-Pagan e/ou White, tendo como hipótese nula a existência de autocorrelação.
c. Dos testes de Breush-Godfrey e/ou White, tendo como hipótese nula a ausência de autocorrelação.
d. Dos testes de Breush-Godfrey e/ou Durbin-Watson, tendo como hipótese nula a existência de
autocorrelação.
11. A autocorrelação consiste na violação da seguinte hipótese clássica:
a. 𝐸(𝑢)=0.
b. 𝑣𝑎𝑟(𝑢)=𝜎2𝐼𝑛.
c. 𝑢 𝑡𝑒𝑚 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑖çã𝑜 𝑚𝑢𝑙𝑡𝑖−𝑛𝑜𝑟𝑚𝑎𝑙.
d. 𝑢′𝑢=0. 2
 12. A autocorrelação
a. Provoca o enviesamento das estimativas dos coeficientes.
b. Não pode ser detetada graficamente.
c. Não invalida a inferência estatística.
d. Pode ser causada pela omissão incorreta de variáveis no modelo.

13. O teste de Durbin-Watson,

a. Testa a existência de autocorrelação de qualquer ordem.
b. Testa a existência de autocorrelação de qualquer ordem e só pode ser aplicada desde que o model inclua
a variável dependente desfasada como variável explicativa.
c. Testa a existência de autocorrelação de 1ª ordem e baseia-se na estimação de uma regressão na qua não
pode haver um termo autónomo.
d. Testa a existência de autocorrelação de 1ª ordem e, em certas situações, pode não ser conclusivo.

14. O teste de Breush-Godfrey

a. É um teste à autocorrelação e é preferível ao teste de Durbin-Watson porque permite
testar a autocorrelação de qualquer ordem.
b. Pode não ser um teste conclusivo.
c. Adota como hipótese nula a existência de autocorrelação.
d. A estatística de teste tem sempre uma distribuição F de Snedecor.

15. No processo 𝑦𝑡 = 𝛼0 + 𝛼1𝑢𝑡−1 + 𝛼2𝑢𝑡−2 + 𝑢𝑡 ,

a. A FAP apresenta 2 valores significativos e todos os outros são não significativos.
b. A FAP apresenta um crescimento exponencial à medida que o desfasamento entre os termos da série
aumenta.
c. A FA apresenta 2 valores significativos e todos os outros são não significativos.
d. A FA apresenta um decrescimento exponencial à medida que o desfasamento entre os termos da série
aumenta.

16. O processo 𝑦𝑡 = 2 + 0,75𝑦𝑡−1,

a. É um processo sempre invertível.
b. É um processo MA(1).
c. Apresenta uma FAP que decresce exponencialmente para zero.
d. É um processo não estacionário.

2
17. A representação

corresponde a um

a. ARMA(∞).

b. Processo de ruído branco.

c. ARMA(4,2).

d. AR(2,4).

18. A função de autocorrelação de um processo autoregressivo de ordem 2

a. Mede as correlações indiretas entre observações

b. Mede correlações diretas entre observações

c. Mede as correlações diretas e indiretas entre observações

d. Permite identificar a ordem do processo.

19. Um processo autoregressivo de ordem 2, AR(2)

a. Nunca é estacionário.

b. Nunca é invertível.

c. É sempre estacionário.

d. É estacionário sob certas condições.

20. Um processo médias móveis de ordem 1, MA(1)

a. Nunca é estacionário.

b. Nunca é invertível.

c. É sempre invertível.

d. É invertível sob certas condições.

2
Quiz 2017
1. No modelo Autoregresslvo de ordem 1, Zt = ø Zt-1 ut + θ0., |ø| <1 em que ut é um ruído
branco, a média do processo

a. é o parâmetro θ0

b. é θ0 / (1- ø)

c. é ø/ (1- ø)

d. é (1- ø)/ (1- θ0)

2. O modelo misto Autoregressivo-Médias Móveis, ARMA(1,1), pode ser representado pela

expressão

a. Zt = ø Zt-1 + ut - θ0ut-1 em que ø e θ são parâmetros e ut é um ruído branco.

b. Zt = ø Zt + ut - θ0ut-1 em que ø e θ s3o parâmetros e ut é um ruído branco.

c. Zt = ø1Zt-1 + ø2Zt-2 +ut - θ0ut-1 em em que ø1, ø2 e θ são parâmetros e ut é um ruído

branco.

d. Zt = ø Zt-1 + ut em que ø é um parâmetro e ut é um ruído branco.

3. Se um processo estocástlco possui uma tendência determinística yt = 1 + 2t + ut ,

a. então este processo é estacionário.

b. então este processo é não-estacionário e sua não-estacionaridedade pode ser detetada por
um teste para raiz unitária.

c. então este processo é não-estacionário e sua não-estacionaridedade resulta da existência de

uma tendência que torna variável a média do processo.

d. então este processo é estacionário porque a sua média é constante.

4. O processo Zt= at - at-1, em que at é um ruído branco,

a. É um MA{1) e é não estacionário.

b. É um MA(2) e é não estacionário.

c. É um MA{1) e é estacionário.

d. É um MA(2) e é estacionário.

5. No processo AR(1) estacionário, Zt = ø Zt-1 + at , em que at é um ruído branco com Var(at) =

σa 2

a. A variância de Zt é

b. A variância de Zt é

c. A variância de Zt é

d. A variância de Zt é
6. O processo definido na forma em que ut é o erro aleatório com
média nula e variância constante

a. é não estacionário.

b. é estacionário.

c. é um processo ARMA(1,1).

d. é um processo ARMA(2,3).

7. Um modelo AR(2) dado por t =1, 2,3,..., em que εt é um ruído

branco com média zero e variância σ2, será estacionário se

a.

b.

c. Se as raízes do polinómio caraterístico estiverem dentro "do círculo unitário”.

d. Se, pelo menos, uma das raizes do polinómio caraterístico estiver fora do círculo unitário.

8.Um modelo de médias móveis

a.Nunca é estacionário.

b.É sempre estacionário.

c.É sempre Invertível.

d.Nunca é invertível.

9.No teste ADF,

a. A hipótese nula estabelece a estacionariedade.

b. A hipótese alternativa estabelece a não estaclonariedade.

c. A estatística de teste tem uma distribuição t-Student.

d.A hipótese nula estabelece a não estadonariedade.

10. Considere o seguinte modelo que pretende explicar a evolução da despesa em consumo
privado (Yt) com base no valor assumido no ano anterior e com base na taxa de Inflação
corrente e passada

O modelo corresponde a um:

a. ARMA(1,2)
b. DL(1,2)
c. ARDL(1,2)
d. ARDL(2,2)
11. A estimação do modelo da questão anterior (com variáveis logaritmizadas) conduziu ao
seguinte resultado:

a. O aumento da taxa de Inflação de 1 ponto percentual no ano t, origina uma redução do

consumo de 0,56 e 0,25 pontos percentuais no ano corrente e no ano seguinte.

b. O aumento da taxa de Inflação de 1 ponto percentual no ano t, origina uma redução do

consumo de 0,25 e 0,09 pontos percentuais no ano corrente e no ano seguinte.

c. A redução da taxa de Inflação de 2 pontos percentuais no ano t, origina um aumento do

consumo de 0,09 pontos percentuais no ano seguinte.

d. A redução da taxa de Inflação de 2 pontos percentuais no ano t, origina um aumento do

consumo de 0,28 portos percentuais no ano seguinte.

12. A ausência de autocorrelação pode ser testada através

a.Dos testes de Breush-Godfey e/ou Durbin-Watson, tendo como hipótese nula a ausência de
autocorrelação.

b. Dos testes de Breush-Godfrey e/ou Durbin-Watson, tendo como hipótese nula a existência
de autocorrelação.

c. Do teste ADF tendo como hipótese nula a ausência de autocorrelação.

d. Do teste ADF tendo como hipótese nula a existência de autocorrelação.~

13. A autocorrelação consiste na violação da seguinte hipótese clássica:

a. E(u) = 0

b. u’u = 0

c. var(u) = σ2 ln

d. u tem distribuição multi-normal

d. u tem distribuição muitl - normal.

14. A autocorrelação

a.Não provoca o enviesamento das estimativas dos coeficientes.

b.Não pode ser detetada graficamente através do gráfico dos resíduos,

c. Não invalida a inferência estatística.

d. Não pode ser causada pela omissão incorreta de variáveis no modelo.

15. O teste de Breusch-Godfrey.

a. Testa a existência de autocorrelação de qualquer ordem.

b.Testa a existência de autocorrelação de qualquer ordem e só pode ser aplicado desde que o
modelo Inclua a variável dependente desfasada como variável explicativa

c Testa apenas a existência de autocorrelação de 1ª ordem e baseia-se na estimação de uma

regressão na qual não pode haver um termo autónomo,

d. Testa a existência de autocorrelação de 1ª ordem e, em certas situações, pode nãoser

conclusivo.

16. O teste de Durbin-Watson

a. É um teste á autocorrelação e é preferível ao teste de Breush-Godfrey porque permite testar

a autocorrelaçJo de qualquer ordem.

b. É sempre um teste conclusivo, ao contrário do teste de Breusch-Godfrey.

C. Adota como hipótese nula a existência de autocorrelaçJo.

d. A estatística de teste varia entre 0 e 4.

17. No processo estacionário

a. A função de autocorrelação parcial apresenta 2 valores significativos e todos os outros são

não significativos.

b. A função de autocorrelação parcial apresenta um decrescimento exponencial à medida que

o desfasamento entre os termos da série aumenta

c. A função de autocorrelação apresenta 2 valores significativos e todos os outros são não

significativos.

d. A função de autocorrelação apresenta 3 valores significativos e todos os outros são não

significativos.

18.O processo

a. É um processo MA(1).

b. É um processo AR(2).

c. É um processo estacionário.

d. É um processo não estacionário.

19. A representação

corresponde a um

a. ARMA(1,3).

b. ARMA(2,3).

C. ARMA(3,1).

d. ARMA(2,1).

20. A função de autocorreção pardal de um processo autoregressivo de ordem 3 f

a. Mede as correlações Indiretas entre observações,

b. Mede correlações diretas entre observações.

c. Mede as correlações diretas e Indiretas entre observações.

d. Não permite Identificar a ordem do processo.

Questões aleatórias

1. Considere o modelo de regressão linear múltipla dado por e as

seguintes possíveis especificações (alternativas) para o termo de erro, com p1 e p2
significativos:

Existe autocorrelação de 1ª ordem nas situações:

a. I e II
b. I e III
c. II e III
d. Apenas em II

2. Numa análise gráfica aos resíduos de um modelo conclui-se que existe autocorrelação
se,
a. Não se observar qualquer padrão claro nos resíduos ao longo do tempo
b. Aos resíduos negativos sucederem resíduos positivos
c. Aos resíduos negativos sucederem resíduos negativos
d. A alínea a é falsa e as alíneas b e c são ambas verdadeiras

3. Num teste à autocorrelação

a. A hipótese nula estabelece a ausência de autocorrelação
b. A hipótese nula estabelece a presença de autocorrelação
c. A hipótese alternativa estabelece a ausência de autocorrelação
d. A hipótese alternativa estabelece sempre a ausência de autocorrelação positiva

4. Na modelação univariada da séria de consumo das famílias portuguesas

a. O consumo em cada período é explicado com base nos valores correntes de outras
variáveis sugeridas pela teórica económica
b. O consumo em cada período é explicado com base nos valores passados de outras
variáveis sugeridas pela teórica económica
c. O consumo em cada período é explicado com base no consumo em períodos passados
d. Todas as alíneas estão corretas

5. A abordagem univariada é adequada

a. Quando o objetivo é fazer a previsão a curto prazo
b. Quando o objetivo é fazer a previsão a longo prazo
c. Quando as relações entre a variável cujo comportamento se pretende modelizar e
outras variáveis não é fundamentada pela teoria económica
d. Todas as líneas anteriores estão corretas exceto a alínea b)
6. Num processo de ruído branco
a. Há uma relação clara entre as observações
b. Não há relação entre as observações
c. A função de autocorrelação correspondente apresenta valores significativos para
desfasamentos de ordem superior a zero
d. As alíneas b e c estão ambas corretas

7. A representação representa um modelo

a. AR(2)
b. AR(1)
c. MA(1)
d. MA(2)

8. A representação representa um modelo

a. AR(2)
b. AR(3)
c. MA(1)
d. MA(2)

9. Considere um processo em que a função de autocorrelação decresce

exponencialmente e a função de autocorrelação parcial apresenta 3 valores
significativos. O processo representado é um
a. AR(3)
b. MA(3)
c. White Noise (Ruído Branco)
d. Processo não estacionário

10. Considere um processo cuja função de autocorrelação parcial é decrescente de forma

exponencial e a função de autocorrelação apresenta um valor significativo. O processo
é um
a. AR(1)
b. MA(1)
c. MA(2)
d. Processo não estacionário

11. A modelação univariada de uma série cronológica

a. É sempre uma modelação dinâmica
b. É sempre uma modelação estática no tempo
c. Pode ser uma modelação dinâmica ou estática
d. Exige que se tenha em consideração a escolha de variáveis que, segundo a teoria
podem estar relacionadas com a variável cujo comportamento se pretende modelizar
12. A modelização univariada pressupõe a utilização de uma série de dados
a. Que apresente uma tendêcia no tempo
b. Que apresente variabilidade não constante no tempo de modo a garantir que os
estimadores OLS dos coeficientes sejam eficientes
c. Que não apresente tendência no tempo
d. Que não apresente tendência no tempo mas desde que a variabilidade da série não se
mantenha constante em todo o período amostral

13. Pode-se afirmar que um modelo está corretamente especificado que a utilização da
estatística t para testar a exclusão de uma variável é válida se os termos de erro
a. Seguirem um processo de médias móveis
b. Seguirem um processo de ruído branco gaussiano
c. Seguirem um processo autoregressivo de ordem 1, de forma a considerar possíveis
relações entre observações
d. Não tiverem distribuição normal e a amostra considerada for de reduzida
dimensão
e.
14. A representação representa um
a. AR(1)
b. Processo de ruído branco
c. AR(3)
d. AR(2)

15.Um processo de média móveis de ordem 1, MA(1)

a. É sempre invertível
b. É invertível sob certas condições
c. Apresenta uma função de autocorrelação com um descrescimento exponencial para
zero
d. Apresenta uma função de autocorrelação com um valor estatisticamente significativo

16.Um processo autoregressivo de ordem 1, AR(2)

a. É sempre estacionário
b. É estacionário sob certas condições
c. Apresenta uma função de autocorrelação parcial com um descrescimento exponencial
para zero
d. Apresenta uma função de autocorrelação com dois valores estatisticamente
significativos