Introdução a Econometria AV

Prévia do material em texto

Disciplina: INTRODUÇÃO À ECONOMETRIA  AV
Aluno: ANA CAROLINE SOUZA DOS SANTOS 202102012473
Professor: LEONARDO MENEZES MELO
 
Turma: 9001
DGT0217_AV_202102012473 (AG)   07/06/2023 23:15:01 (F) 
Avaliação: 9,00 pts Nota SIA: 10,00 pts
 
ENSINEME: APLICAÇÕES DE R EM ECONOMETRIA  
 
 1. Ref.: 6091603 Pontos: 1,00  / 1,00
O R possui diversos operadores para realizar as tarefas. São eles:
I. Operadores aritméticos
II. Operadores relativos
III. Operadores de atribuição
IV. Operadores de comparação
Assinale a alternativa que indica os itens corretos.
II, III e IV, apenas.
I, II, III e IV.
 I, II e III, apenas.
I e III, apenas.
I e IV, apenas.
 
ENSINEME: EQUAÇÕES SIMULTÂNEAS E EFEITOS FIXOS  
 
 2. Ref.: 4053460 Pontos: 1,00  / 1,00
Sobre a condição de ordem, assinale a alternativa correta.
Ela é necessária e su�ciente para identi�cação.
Ela é su�ciente, porém não necessária para a identi�cação.
 Ela é necessária, porém não su�ciente para a identi�cação.
Ela não é necessária e nem su�ciente para a identi�cação.
Também é conhecida como condição de posto.
 
ENSINEME: HETEROCEDASTICIDADE E AUTOCORRELAÇÃO  
 
 3. Ref.: 4035267 Pontos: 1,00  / 1,00
Quando corrigimos nosso erro  padrão para o erro  padrão tipo HAC (ou Newey-West), estamos resolvendo
qual (ou quais) problema(s) potencial (ou potenciais) em nossa regressão? 
 Autocorrelação e heterocedasticidade.
javascript:alert('C%C3%B3digo da quest%C3%A3o: 6091603.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 4053460.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 4035267.');
Apenas heterocedasticidade. 
Viés de variáveis omitidas. 
Apenas autocorrelação. 
Colinearidade perfeita e heterocedasticidade. 
 4. Ref.: 4035273 Pontos: 1,00  / 1,00
Qual o papel da defasagem de truncagem na construção do erro padrão HAC? 
Resolver o problema de colinearidade perfeita.
 Controlar quanta autocorrelação estamos permitindo no modelo corrigido.
Aumentar a e�ciência da estimação. 
Apenas o de resolver problemas de heterocedasticidade. 
Controlar correlações do erro com defasagens das variáveis explicativas. 
 
ENSINEME: MODELO BÁSICO DE REGRESSÃO LINEAR  
 
 5. Ref.: 4056316 Pontos: 1,00  / 1,00
Assinale a de�nição correta sobre métricas para a qualidade da regressão linear:
O  é particularmente útil para medir o nível de causalidade de nossa variável explicativa
 
 
 
 6. Ref.: 4053520 Pontos: 1,00  / 1,00
Assinale a de�nição correta de dados em corte transversal (também conhecidos como cross section):
São dados do mesmo indivíduo para múltiplos períodos de tempo. 
São dados de vários indivíduos em vários períodos de tempo. 
São dados obtidos de maneira aleatória. 
 São dados de vários indivíduos em um único período de tempo. 
São dados populacionais. 
 
ENSINEME: REGRESSÃO MULTIVARIADA  
 
 7. Ref.: 4056405 Pontos: 1,00  / 1,00
R2 R2
R2 =   + 1
SQT
SQE
1 − R2 =
SQR
SQT
R2 =   − 1
SQR
SQT
R2 = 1 −
SQR
SQE
javascript:alert('C%C3%B3digo da quest%C3%A3o: 4035273.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 4056316.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 4053520.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 4056405.');
A hipótese de ausência de correlação serial é automaticamente satisfeita se:
Supomos independência da média condicional.
A variância do erro é �nita.
Usamos dados observacionais.
 Nossos dados são uma amostra aleatória da população.
O modelo de regressão populacional é linear nos parâmetros.
 8. Ref.: 4053394 Pontos: 1,00  / 1,00
Assinale a alternativa que corresponde à condição de primeira ordem para obter o estimador de mínimos
quadrados ordinários:
, em que  é um candidato qualquer a estimador que minimiza .
, em que  é um candidato parâmetro populacional que minimiza .
, em que é um candidato qualquer a estimador que maximiza .
 
, em que  é um candidato qualquer a estimador que minimiza .
, em que  é um candidato qualquer a estimador que minimiza .
 
ENSINEME: VARIÁVEIS INSTRUMENTAIS  
 
 9. Ref.: 4053364 Pontos: 0,00  / 1,00
Seja    uma matriz qualquer de dimensão . Assuma que existe uma outra matriz  com
dimensão  . Seja  uma matriz de projeção para   . Assinale a alternativa que
contém a dimensão de  e a descrição do conteúdo da matriz  :
A dimensão de  é  e  contém os valores da matriz variância-covariância entre  e .
A dimensão de  é .
A dimensão de  é  e  contém os valores da matriz variância-covariância entre  e 
.
 A dimensão de  é   e  contém os valores preditos de .
 A dimensão de  é   e  contém os valores preditos de .
 10. Ref.: 4053356 Pontos: 1,00  / 1,00
Qual hipótese de Gauss-Markov é violada quando há endogeneidade?
A variância dos erros, condicional às variáveis explicativas, não é constante e depende dos valores
dessas variáveis explicativas.
A variável dependente não possui relação linear com as variáveis independentes.
 O termo de erro idiossincrático é correlacionado com pelo menos uma das variáveis explicativas.
A variável dependente é endógena.
< 0
∂SQR(β̂)
∂b
b SQR
= 0
∂SQR(β̂)
∂b
b SQR
= 0
∂SQR(β̂)
∂b
b SQR
= 0
∂SQR(β̂)
∂b
b SQR
> 0
∂SQR(β̂)
∂b
b SQR
X N × (K + 1) Z
N × L Pz = Z(Z
′Z)−1Z ′ Z
Pz X̂ = PzX
Pz N × N X̂ X Z
Pz L × L
Pz L × (K + 1) X̂ X
Z
Pz N × X X̂ X
Pz L × (K + 1) X̂ X
javascript:alert('C%C3%B3digo da quest%C3%A3o: 4053394.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 4053364.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 4053356.');
O termo de erro de uma observação é correlacionado com o erro de outra observação.