Baixe o app para aproveitar ainda mais
Prévia do material em texto
06/06/2022 11:41 Avaliação Final (Discursiva) - Individual 1/2 Prova Impressa GABARITO | Avaliação Final (Discursiva) - Individual (Cod.:746856) Peso da Avaliação 4,00 Prova 46305457 Qtd. de Questões 2 Nota 8,75 Os modelos de regressão linear são baseados em hipóteses que, ao estarem presentes no modelo, permitem estimar parâmetros que carregam as propriedades estatísticas desejáveis de consistência, eficiência e ausência de tendenciosidade. Entretanto, nem sempre estas hipóteses se confirmam. Explique o que são os problemas de heterocedasticidade e autocorrelação que podem ocorrer em seu modelo. Resposta esperada A autocorrelação significa a correlação de uma variável com valores defasados dela mesma (correlação de xt e xt-1). Desta forma, enquanto a multicolinearidade e a heteroscedasticidade podem ocorrer tanto em dados de corte quanto em séries temporais, a correlação serial ou autocorrelação ocorre exclusivamente em séries de tempo. A heteroscedasticidade significa que a variância pode ser diferente entre as observações. Dito de outra forma, no caso de um exemplo simples de renda (variável explicativa) e consumo (variável dependente) à medida que estas se tornam cada vez maiores, fica mais difícil prever uma em função da outra, porque a variabilidade ou dispersão se torna cada vez maior. A seguir, a complementação da resposta utilizando a ferramenta matemático para o caso da variância: Minha resposta A autocorrelação é a correlação de uma variável com valores defasados dela mesma, e ocorre exclusivamente em séries de tempo. A heteroscedasticidade demonstra que a variância pode ser diferente entre as observações, e à medida que as variáveis dependentes e explicativas se tornam cada vez maiores se torna mais difícil prever uma em função da outra porque a dispersão aumenta. A análise de regressão simples refere-se à quantificação e descrição dada pela relação entre uma variável dependente (ou explicada) e uma outra variável explicativa. O Modelo de regressão linear simples apresenta quatro hipóteses básicas: (i) linearidade no parâmetro; (ii) a variável X é não estocástica e seus valores são fixos em amostras repetidas; (iii) a média condicional do termo de erro é igual a zero; (iv) os erros são homocedásticos e não apresentam covariância. Explique as hipóteses (i) e (ii). Resposta esperada (i) Linearidade no parâmetro: a teoria econômica mostra a relação causal entre dois fenômenos. É a linearidade desta relação causal que o modelo de de regressão linear pressupõe, o que é dada pelo parâmetro. De forma, que o que importa é a linearidade no parâmetro e não na variável VOLTAR A+ Alterar modo de visualização 1 2 06/06/2022 11:41 Avaliação Final (Discursiva) - Individual 2/2 explicativa. (ii) A variável X é não estocástica e seus valores são fixos em amostras repetidas: os valores de X são valores conhecidos para amostras repetidas, uma vez que não são gerados ao acaso e seus valores são os mesmos nos diferentes estudos. Exemplo: se estou fazendo um estudo para saber a altura de filhos de homens de 1.80 m, de modo que X = 1,80 m. Se eu fizer o mesmo estudo para 100 localidades diferentes, minha variável explicativa será a mesma. Minha resposta Sobre a hipótese (i): As funções devem ser lineares nos parâmetros, o que significa que os parâmetros não podem ser apresentados sendo divididos por outros nem mesmo elevados a expoentes diferentes de "1", o que violaria a hipótese, quebrando a linearidade dos parâmetros. Permite-se a não linearidade nas variáveis. Sobre a hipótese (ii): Significa que conhecemos os valores de "X" , que não são gerados ao acaso. Imprimir
Compartilhar