Avaliação Final (Discursiva) - Individual - Econometria 1

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