Quizz Econometria I - 17/04/2020

1. Pergunta 1
Pretende-se estudar a relação entre o salário e a escolaridade, tendo
estimado o seguinte modelo:
\
log(salary) = β̂0 + β̂1 educ

Escolha a afirmação verdadeira:

(a) Se a escolaridade aumenta 1%, espera-se que, aproximadamente,

o salário aumente, em média, β̂1 %.
(b) Se a escolaridade aumenta 1 ano, espera-se que, aproximadamente,
o salário aumente, em média, β̂1 % .
(c) Se a escolaridade aumenta 1 %, espera-se que, aproximadamente,
o salário aumente, em média, (β̂1 /100) % .
(d) Se a escolaridade aumenta 1 ano, espera-se que, aproximadamente,
o salário aumente, em média, β̂1 × 100 % . X
(e) NÃO QUERO RESPONDER A ESTA QUESTÃO

2. Pergunta 2
Considere os seguintes modelos:

yi = β̃1 x1i + ũi

yi = β̂1 x1i + β̂2 x2i + ûi

Sabendo que x2i é uma variável relevante e que corr(x1i , x2i ) = 0. Pode
concluir-se que:

(a) Verifica-se sempre vd ar(β̃1 | X) ≤ vd

ar(β̂1 | X)
(b) ar(β̃1 | X) = vd
vd ar(β̂1 | X)
(c) se(β̃1 ) > se(β̂1 ) X
(d) se(β̃1 ) < se(β̂1 )
(e) NÃO QUERO RESPONDER A ESTA QUESTÃO

3. Pergunta 3
Considere os seguintes modelos estimados:

ŷi = 17.393 + 18.546xi1 + 4.879xi2 + 4.395xi3

1
 ŷi = λ̂˜i

Sabendo que ˜i são os resı́duos da regressão linear de xi2 sobre xi1 e
xi3 , qual o valor de λ̂ ?

(a) 18.546
(b) 4.879 X
(c) 4.395
(d) 17.393
(e) NÃO QUERO RESPONDER A ESTA QUESTÃO

4. Pergunta 4
Considerando Y = Xβ + U , se r(X) < k + 1, então:
Nota: r(X) é a caracterı́stica da matriz X.

(a) Não se consegue estimar os parâmetros por OLS. X

(b) Não existe multicolineariedade perfeita.
(c) As colunas da matriz X são linearmente independentes.
(d) A variância dos erros não é constante.
(e) NÃO QUERO RESPONDER A ESTA QUESTÃO

5. Pergunta 5
O modelo de regressão da população é dado por:

yi = β0 + β1 xi1 + β2 xi2 + ui

No entanto, considerou-se a seguinte modelo:

yi = β0 + β1 xi1 + i

Sabendo que corr(xi1 , xi2 ) > 0 e β2 < 0, selecione a a afirmação verda-

deira:

(a) Não se verifica E[ | X] 6= 0

(b) O estimador de β1 da regressão linear simples será não enviesado
mas não será eficiente.

2
 (c) O estimador de β1 da regressão linear simples será enviesado e o
enviesamento será negativo. X
(d) O estimador de β1 da regressão linear simples será enviesado e o
enviesamento será positivo.
(e) NÃO QUERO RESPONDER A ESTA QUESTÃO

6. Pergunta 6
Com o objetivo de se explicarem os determinantes dos salários, foram
estimadas as seguintes regressões (erros padrão entre parênteses):

log(wage) (1) (2) (3) (4)

educ 0.093 0.087 0.098

(0.008) (0.007) (0.008)

exper 0.004 0.01

(0.002) (0.002)

tenure 0.022 0.026 0.024

(0.003) (0.003) (0.003)

numdep 0.01 0.005 -0.036

(0.016) (0.016) (0.017)

Constant 0.257 0.393 1.54 0.217

(0.113) (0.099) (0.033) (0.109)

Observations 526 526 526 526

R2 0.317 0.309 0.113 0.249

onde: wage=salário/hora; educ=anos de escolaridade; exper=experiência

profissional; tenure= número de anos no emprego actual; numdep=número
de dependentes. Escolha a afirmação verdadeira:

(a) As estimativas das variáveis explicativas do modelo (1) são glo-

balmente significativas para α = 0.05, mas as do modelo (3) não

3
 são globalmente significativas para o mesmo nı́vel de significância.
(b) As estimativas das variáveis explicativas do modelo (2) são glo-
balmente significativas para α = 0.05, mas as do modelo (3) não
são globalmente significativas para o mesmo nı́vel de significância.
(c) As estimativas das variáveis explicativas do modelo (2) são glo-
balmente significativas para α = 0.05, mas as do modelo (4) não
são globalmente significativas para o mesmo nı́vel de significância.
(d) Nenhuma das anteriores. X
(e) NÃO QUERO RESPONDER A ESTA QUESTÃO

7. Pergunta 7
Com o objetivo de se explicarem os determinantes dos salários, foram
estimadas as seguintes regressões (erros padrão entre parênteses):

log(wage) (1) (2) (3) (4)

educ 0.093 0.087 0.098

(0.008) (0.007) (0.008)

exper 0.004 0.01

(0.002) (0.002)

tenure 0.022 0.026 0.024

(0.003) (0.003) (0.003)

numdep 0.01 0.005 -0.036

(0.016) (0.016) (0.017)

Constant 0.257 0.393 1.54 0.217

(0.113) (0.099) (0.033) (0.109)

Observations 526 526 526 526

R2 0.317 0.309 0.113 0.249

onde: wage=salário/hora; educ=anos de escolaridade; exper=experiência

4
 profissional; tenure= número de anos no emprego actual; numdep=número
de dependentes. Escolha a afirmação verdadeira:

(a) tenure e numdep são individualmente relevantes para explicar o

salário para um nı́vel de significância a 5% no modelo (1), mas
não são conjuntamente relevantes.
(b) tenure e numdep são individualmente e conjuntamente relevan-
tes para explicar o salário para um nı́vel de significância a 5%,
considerando o modelo (1).
(c) No modelo (1), tenure é individualmente relevante para explicar o
salário, mas numdep não é individualmente relevante para explicar
o salário, para um nı́vel de significância a 5%. X
(d) No modelo (1), tenure e numdep não são individualmente relevan-
tes para explicar o saláário para um nı́vel de significância a 5%,
mas são conjuntamente relevantes.
(e) NÃO QUERO RESPONDER A ESTA QUESTÃO

8. Pergunta 8
Com o objetivo de se explicarem os determinantes dos salários, foram
estimadas as seguintes regressões (erros padrão entre parênteses):

5
 log(wage) (1) (2)

educ 0.05 0.057

(0.008) (0.007)

exper 0.013 0.02

(0.004) (0.003)

IQ 0.006 0.02
(0.001) (0.003)

age 0.014
(0.005)

sibs -0.007
(0.006)

Constant 4.921 5.198

(0.175) (0.122)

Observations 935 935

R2 ??? ???
SST 164.4 164.4
σ̂ 0.384 0.386

onde: wage=salário/hora; educ=anos de escolaridade; exper=experiência

profissional; IQ = QI - Quociente de Inteligência; age = idade, sibs =
número de irmãos. O R2 do modelo (1) é:

(a) 0.158
(b) 0.842
(c) 0.167 X
(d) 0.833
(e) NÃO QUERO RESPONDER A ESTA QUESTÃO

6
9. Pergunta 9
Com o objetivo de se explicarem os determinantes dos salários, foram
estimadas as seguintes regressões (erros padrão entre parênteses):

log(wage) (1) (2)

educ 0.05 0.057

(0.008) (0.007)

exper 0.013 0.02

(0.004) (0.003)

IQ 0.006 0.02
(0.001) (0.003)

age 0.014
(0.005)

sibs -0.007
(0.006)

Constant 4.921 5.198

(0.175) (0.122)

Observations 935 935

R2 ??? ???
SST ??? ???
σ̂ 0.384 0.386

onde: wage=salário/hora; educ=anos de escolaridade; exper=experiência

profissional; IQ = QI - Quociente de Inteligência; age = idade, sibs =
número de irmãos. Escolha a afirmação verdadeira:

(a) sibs é estatisticamente significativa para um nı́vel de significância

7
 a 10%. Se um indivı́duo tiver mais um irmão, espera-se que o seu
salário diminua cerca de 0.007%, mantendo tudo o resto constante.
(b) sibs é estatisticamente significativa para um nı́vel de significância
a 10%. Se um indivı́duo tiver mais um irmão, espera-se que o seu
salário diminua cerca de 0.7 unidades monetárias, mantendo tudo
o resto constante.
(c) sibs não é estatisticamente significativa para um nı́vel de signi-
ficância a 10%. Se um indivı́duo tiver mais um irmão, espera-se
que o seu salário diminua cerca de 0.7%, mantendo tudo o resto
constante. X
(d) sibs não é estatisticamente significativa para um nı́vel de signi-
ficância a 10%. Se o número de irmãos aumentar 1%, espera-se
que o seu salário diminua cerca de 0.007%, mantendo tudo o resto
constante.
(e) NÃO QUERO RESPONDER A ESTA QUESTÃO

10. Pergunta 10
Para explicar o salário um Data Scientist estimou o seguinte modelo:

price
[ i = 3.906 + 0.883educ + 0.74exper + 0.588tenure

em que wage é salário em milhares de dólares, educ é número de anos

de escolaridade, exper é o número de anos de experiência e tenure é
número de anos no emprego atual.
O Data Scientist suspeita que o efeito do do número de anos de esco-
laridade é equivalente ao efeito do número de anos no emprego atual.
Como tal, formalizou a seguinte hipótese H0 : β1 = β3 e estimou o
modelo reparametrizado, onde entre parênteses se encontram os erros
padrão dos estimadores:

price
[i = ???? + ??? educ + ??? exper + ??? (educ + tenure)
(1.591) (0.079) (0.355) (0.219)

Qual o valor da estatı́stica teste para avaliar a suspeita do Data Scien-

tist?

8
 (a) 3.734 X
(b) 2.085
(c) 2.685
(d) 2.768
(e) NÃO QUERO RESPONDER A ESTA QUESTÃO

11. Pergunta 11
Qual das seguintes especificações não pode estimada através do OLS:
√
(a) y = β + βe2x + u X
2x
(b) y=β√+ βe√ +2xu
(c) y = α + βe + u, com α > 0, β > 0
(d) Nenhuma pode
(e) NÃO QUERO RESPONDER A ESTA QUESTÃO

12. Pergunta 12

Um data scientist seu amigo afirmou o seguinte:

Um modelo de regressão onde (yi , xi ) são i.i.d implica quase sempre que
os erros ui , ui = yi − x0i β, sejam homocedásticos.

Assinale a opção VERDADEIRA:

(a) A afirmação só seria verdadeira se E [ui | X] = 0 pois nestas cir-

cunstâncias E [u2i | X] seria constante.
(b) A afirmação é falsa pois a hipótese de que as observações são i.i.d.
não tem implicações sobre a relação entre var (ui | X) e xi X
(c) A afirmação é verdadeira
(d) A afirmação é falsa e só seria verdadeira se as colunas da matriz
X fossem linearmente independentes.
(e) NÃO QUERO RESPONDER A ESTA QUESTÃO

13. Pergunta 13
Considere o modelo y = βx + u. Assuma que se verificam as hipóteses
clássicas e também que o estimou através do OLS, obtendo y = β̂x + û.
Assinale a opção FALSA:

9
 2
(a) O
PnR pode ser negativo
(b) i=1 ûi = 0 X
(c) O ponto (ŷi , xi ) = (0, 0) pertence à reta de regressão
(d) O estimador OLS β̂ é centrado
(e) NÃO QUERO RESPONDER A ESTA QUESTÃO

14. Pergunta 15
Seja
y = β0 + β1 x + u

Considere as seguintes proposições:

A: Se E [u | x] = 0 então E [x2 u] = 0

B: Se E [xu] = 0 então E [u | x] = 0.

Qual ou quais as verdadeiras?

(a) Apenas A.
(b) Apenas B. X
(c) Ambas A e B são verdadeiras.
(d) Nenhuma.
(e) NÃO QUERO RESPONDER A ESTA QUESTÃO

15. Pergunta 15

Considere o seguinte modelo em que x é função de y

x = γy + u

o estimador OLS para γ é:

(a) γ̂ = (X0 X)−1 X0 y

(b) Não está
P definido−1 Pn
(c) γ̂ = ( ni=1 yi2 ) i=1 yi xi X
(d) γ̂ = ȳ
(e) NÃO QUERO RESPONDER A ESTA QUESTÃO

10
16. Pergunta 16
Considere que após estimar o modelo y = Xβ + u atrav’es do OLS
obteve:

(X0 X) = Ik+1

onde Ik+1 denota a matriz identidade de ordem k + 1.

Nestas circunstâncias:
 
ˆ βˆl ,βˆm | X = 1, quando m 6= l
(a) cov
 
ˆ βˆl ,βˆm | X = 1, quando m 6= l
(b) corr
     
ˆ β̂l − β̂m | X = var
(c) var ˆ β̂l | X + var ˆ
ˆ βm | X , quando m 6= l
X     
(d) se β̂l − β̂m | X = se β̂l | X + se βˆm | X , quando m 6= l
(e) NÃO QUERO RESPONDER A ESTA QUESTÃO
17. Pergunta 17
Pretende-se explicar o número de acidentes automóveis em vários esta-
dos dos EUA. Para tal, recolheu-se informação sobre o número total de
fatalidades no trânsito (totf at) e a idade mı́nima legal para consumir
álcool (agemin).
Os dados obtidos estão representados na tabela abaixo:

totfat agemin
838 20
724 21
908 19
847 19
876 20
601 21

Com esta amostra, estimou-se o seguinte modelo:

log(totf at) = β0 + β1 agemin + u

Sendo β̂1 o estimador OLS de β1 , qual é o seu valor?

11
 (a) -0.142 X
(b) -107.5
(c) 9.52
(d) Nenhuma das opções.
(e) NÃO QUERO RESPONDER A ESTA QUESTÃO
18. Pergunta 18
Pretende-se explicar o número de acidentes automóveis em vários es-
tados dos EUA. Para tal, recolheu-se informação sobre o número total
de fatalidades no trânsito (totf at), a idade mı́nima legal para consumir
álcool (minage), a percentagem de população com idades compreendi-
das entre os 14 e os 24 (perc14 24) e a taxa de desemprego (unem).
Por fim, estimou-se o seguinte modelo:
log(totf at) = β0 + β1 unem + β2 perc14 24 + β3 minage + u

Quais das estimativas são estatisticamente significativas, para um nı́vel

de significância a 5%?
(a) β̂1 e β̂2
(b) β̂1 e β̂3 X
(c) β̂2 e β̂3
(d) Todas as estimativas são estatisticamente significativos, para um
nı́vel de significância a 5%.
(e) NÃO QUERO RESPONDER A ESTA QUESTÃO
19. Pergunta 19
Considere
log (yi ) = β0 + β1 xi + εi .

12
É sabido que caso xi e εi sejam independentes então

∆E [yi | xi ]
≈ β1 ∆xi .
E [yi | xi ]

Admita agora que E [eεi | xi ] = g (xi ). Mostre que nestas circunstâncias

g 0 (xi )
 
∆E [yi | xi ]
≈ β1 + ∆xi .
E [yi | xi ] g (xi )

Sugestão: (f · g)0 = f 0 · g + f · g 0

13