Baixe o app para aproveitar ainda mais
Prévia do material em texto
ECONOMETRIA APLICADA – atividade 2 1) Leia o trecho a seguir: “É fundamental observar que, ao comparar dois modelos com base no coeficiente de determinação, ajustado ou não, o tamanho da amostra n e a variável dependente devem ser os mesmos; as variáveis explanatórias podem assumir qualquer forma”. GUJARATI, D. N.; PORTER, D. C. Econometria básica. 5. ed. Porto Alegre: Bookman, 2011. p. 218. Diante disso, calcule o coeficiente de determinação a partir da seguinte fórmula (em que e ) e assinale a alternativa correta. Resposta correta: 97,1%. 2) O erro tipo I é aquele em que se rejeita a hipótese nula quando ela é realmente verdade, concluindo que os resultados são estatisticamente significativos quando, na realidade, surgiram puramente por acaso ou por fatores não relacionados. Já o erro tipo II é aquele em que não se rejeita a hipótese nula quando ela é realmente falsa. Isso não é exatamente o mesmo que "aceitar" a hipótese nula, porque os testes de hipóteses só podem dizer se rejeitam a hipótese nula. A respeito dos erros tipo I e tipo II, assinale a alternativa que pode representar uma redução do risco de cometer o erro tipo II. Resposta correta: 10% de significância. 3) Leia o trecho a seguir: “No procedimento do teste de significância, desenvolvemos um teste estatístico e examinamos sua distribuição amostral sob a hipótese nula. Os testes estatísticos costumam seguir uma distribuição de probabilidade bem definida, como a normal, a t, a F ou a qui-quadrado. Uma vez calculado o teste estatístico (por exemplo, a estatística t) com base nos dados disponíveis, seu p-valor pode ser facilmente obtido”. GUJARATI, D. N.; PORTER, D. C. Econometria básica. 5. ed. Porto Alegre: Bookman, 2011. p. 153. Com base no apresentado, analise as asserções a seguir e a relação proposta entre elas. I. se valor p-valor > α, rejeita-se . PORQUE: II. se valor p-valor < α, não se rejeita . A seguir, assinale a alternativa correta. Resposta correta: As asserções I e II são proposições falsas. 4) Não há linha reta que percorra todos os pontos de dados. Então, o objetivo aqui é encaixar o melhor ajuste de uma linha reta que tentará minimizar o erro entre o valor esperado e o real. A regressão linear tem dois propósitos principais. O primeiro é estimar os valores da variável dependente por meio das variáveis determinadas a afetar a variável dependente. O segundo é determinar quais das variáveis independentes parecem afetar a variável dependente ou, ainda, de que forma a variável dependente é afetada. Com base no apresentado, analise as asserções a seguir e a relação proposta entre elas. I. se o modelo for mal ajustado, o resíduo será grande. PORQUE: II. se o modelo for bem ajustado, o resíduo será pequeno. A seguir, assinale a alternativa correta. Resposta correta: As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa correta da I. 5) Leia o trecho a seguir: “Para testarmos a hipótese nula (por exemplo, para testar sua validade), utilizamos a informação da amostra para obter o que é conhecido como estatística de teste. Muito frequentemente, essa estatística de teste torna-se o estimador pontual do parâmetro desconhecido. Então, tentamos descobrir a distribuição da amostra ou da probabilidade da estatística de teste e utilizamos a abordagem do intervalo de confiança ou o teste de significância para testar a hipótese nula”. GUJARATI, D. N.; PORTER, D. C. Econometria básica. 5. ed. Porto Alegre: Bookman, 2011. p. 827. A respeito do teste de significância, p-valor do modelo, podemos afirmar que ele testa: Resposta correta: a hipótese nula de não correlação. 6) Leia o trecho a seguir: “Em consequência, as inferências sobre os parâmetros de regressão na regressão não linear em geral se baseiam na teoria das amostras grandes. Essa teoria nos diz que, quando as amostras são grandes, os estimadores de mínimos quadrados e de máxima verossimilhança de modelos de regressão não linear com termos de erros normais distribuem-se quase normalmente, são quase não tendenciosos e têm variância muito próxima da mínima. A teoria das grandes amostras também se aplica quando os termos de erro não são normalmente distribuídos”. GUJARATI, D. N.; PORTER, D. C. Econometria básica. 5. ed. Porto Alegre: Bookman, 2011. p. 529. Com base no apresentado, analise as asserções a seguir e a relação proposta entre elas. I. A MV fornece uma abordagem inconsistente. PORQUE: II. A MV pode ser utilizada se a média e a variância forem desconhecidas. A seguir, assinale a alternativa correta. Resposta correta: A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. 7) Leia o trecho a seguir: “[...] o método dos mínimos quadrados ordinários (MQO), que não faz nenhuma suposição sobre a distribuição da probabilidade dos termos de erro , será suficiente. Mas, se a meta é a estimação e a inferência, [...], precisaremos supor que os seguem alguma distribuição de probabilidade”. GUJARATI, D. N.; PORTER, D. C. Econometria básica. 5. ed. Porto Alegre: Bookman, 2011. p. 246. Considere e , em que , calcule os resíduos e assinale a alternativa correta. Resposta correta? . 8) Aprendemos que uma alternativa ao modelo de Mínimos Quadrados Ordinários (MQO) seria o método da Máxima Verossimilhança (MV), que é uma forma muito útil para estimar os parâmetros dos modelos de regressão não linear, por exemplo: probit, logit, logit e probit multinomial. Na regressão linear, assumimos que os resíduos do modelo são idênticos e distribuídos de forma independente. Com base no apresentado, analise as asserções a seguir e a relação proposta entre elas. I. A função de MV envolve a probabilidade de um conjunto de dados. PORQUE: II. Os valores do parâmetro minimizam a probabilidade da amostra. A seguir, assinale a alternativa correta. Resposta correta: A asserção I é uma proposição verdadeira, e a asserção II é uma proposição falsa. 9) s modelos lineares são uma classe de modelos amplamente utilizados na prática e têm sido estudados extensivamente nas últimas décadas, com raízes que remontam a mais de cem anos. Modelos lineares fazem uma previsão usando uma função linear das características de entrada. Em outras palavras, seu principal objetivo é encontrar a função linear expressando a relação entre variável dependente (y) independente (x). Considerando o texto apresentado e o que são os princípios de Mínimos Quadrados Ordinários, analise as afirmativas a seguir. I. Um dos princípios de Mínimos Quadrados Ordinários seria a amostra contínua. II. Um dos princípios de Mínimos Quadrados Ordinários seria a linearidade nas variáveis. III. Um dos princípios de Mínimos Quadrados Ordinários seria a normalidade dos erros. IV. Um dos princípios de Mínimos Quadrados Ordinários seria a homocedasticidade. É correto o que se afirma em: Resposta correta: III e IV, apenas. 10) Leia o excerto a seguir: “[...] o modelo clássico de regressão linear assume explicitamente que o termo de erro apresenta média igual a zero, variância constante (homocedástica) e não é correlacionado ao(s) regressor(es). É sob essas hipóteses que os estimadores de mínimos quadrados ordinários são o melhor estimador linear não viesado. Além disso, no modelo clássico de regressão linear normal, os estimadores de MQO também estão normalmente distribuídos”. GUJARATI, D. N.; PORTER, D. C. Econometria básica. 5. ed. Porto Alegre: Bookman, 2011. p. 192. A respeito dos princípios de MQO, assinale a alternativa que corresponde às variáveis independentes que estão correlacionadas entre si. Resposta correta? Multicolinearidade. ECONOMETRIA APLICADA – atividade 2
Compartilhar