Baixe o app para aproveitar ainda mais
Prévia do material em texto
Universidade Federal de Juiz de Fora Faculdade de Economia 1ª. Lista de ECONOMERIA II-GABARITO – Prof. Ricardo Freguglia – Responda VERDADEIRO OU FALSO e justifique: O método MQP é preferido ao MQO quando uma variável importante for omitida do modelo. Explique os dois métodos respondendo a questão. Solução: FALSO. O método MQP é preferível ao método de MQO quando detectada a presença de heterocedasticidade no modelo de MQO. MQO visa minimizar a soma dos quadrados dos resíduos para o coeficiente beta e é o melhor estimador linear não enviesado desde que atendidas algumas hipóteses, dentre elas, a de homocedasticidade. Na presença de heterocedasticidade, o estimador de MQO continua não enviesado, mas ineficiente. Para corrigir o problema da variância residual não constante, lança-se mão do MQP que consiste em transformar (ponderar) a equação de modo a garantir erros homocedásticos. A partir dessa equação transformada, estima-se o MQO. Quais das seguintes alternativas são conseqüências da heterocedasticidade (marque falso ou verdadeiro e justifique): Os estimadores de MQO são inconsistentes; Solução: FALSO - na presença de heterocedasticidade, o estimador de MQO continua não enviesado, mas ineficiente. A estatística F usual não mais tem uma distribuição F. Solução: VERDADEIRO – na presença de heterocedasticidade, as estatísticas usuais para testar hipóteses sob as hipóteses de Gauss-Markov (t, F, LM) não são válidas. Os estimadores de MQO não são mais os melhores estimadores lineares não-tendenciosos (MELNT). Solução: VERDADEIRO – perdem eficiência. Considere um modelo linear para explicar o consumo mensal de cerveja: Escreva a equação transformada que tenha um termo de erro homocedástico. Solução: Dividir toda a equação por renda de modo a garantir Var(u) = σ2 (pag 256 e 257) Responda: Quais as conseqüências da heterocedasticidade para o método de MQO? Sob heterocedasticidade, os estimadores de MQO não são mais os melhores estimadores lineares não-tendenciosos (MELNT): continuam não enviesados, mas perdem eficiência. Além disso, as estatísticas usuais para testar hipóteses sob as hipóteses de Gauss-Markov (t, F, LM) não são válidas, pois como os erros-padrão dos estimadores de MQO são baseados diretamente nessas variâncias e, dada a heterocedasticidade, eles não são válidos para construirmos intervalos de confiança e estatísticas. Como realizar uma inferência robusta em relação à heterocedasticidade após a estimação por MQO? Descreva os erros padrão robusto de White. Solução: Tópico 8.2, paginas 244 a 246.
Compartilhar