Baixe o app para aproveitar ainda mais
Prévia do material em texto
ANPEC QUESTÃO 09 (2001) A partir de uma amostra de n elementos, foi estimada uma regressão linear simples, pelo método de mínimos quadrados, obtendo-se os resultados: t t X Y 1 ˆ ˆ ˆ b a + = 0 ˆ ¹ a 1 2 1 K R = A seguir, a mesma regressão foi estimada sabendo-se que a reta de regressão da população passa pela origem das coordenadas (termo constante = 0), obtendo-se os resultados: t t X Y 2 ˆ ˆ b = 2 2 2 K R = Pode-se afirmar que: Ⓞ b ˆ 1 = b ˆ 2 ① ) de padrão (desvio ) de padrão (desvio 1 2 1 2 b b b b s s < ② A reta X ˆ 2 b passa pelo ponto médio da amostra ( Y , X ) ③ (K2 / K1) > 1 ④ A soma dos resíduos de mínimos quadrados de ambas equações estimadas é zero. QUESTÃO 12 (2005) Um pesquisador estima o seguinte modelo de regressão simples: i i i e X Y + + = 1 0 b b . Outro pesquisador estima o mesmo modelo, mas com escalas diferentes para i Y e i X . O segundo modelo é: * * * 1 * 0 * i i i e X Y + + = b b , em que: i i Y w Y 1 * = , i i X w X 2 * = e 1 w e 2 w são constantes maiores que zero. Ⓞ Os estimadores de Mínimos Quadrados Ordinários de 0 b e 1 b são iguais aos de * 0 b e * 1 b . ① Se 2 * ˆ s é a variância estimada de * i e e 2 ˆ s é a variância estimada de i e , então 2 2 1 2 * ˆ ˆ s s w = . ② As variâncias dos estimadores dos parâmetros do primeiro modelo são maiores do que as variâncias dos estimadores do segundo modelo. ③ Os coeficientes de determinação são iguais nos dois modelos. ④ A transformação de escala de ( i Y , i X ) para ( * i Y , * i X ) não afeta as propriedades dos estimadores de Mínimos Quadrados Ordinários dos parâmetros. QUESTÃO 11 (2000) Considere o seguinte modelo de regressão linear clássico, relacionando as variáveis quantidade demandada (Q) e preço do produto (P). Admita que as duas variáveis sejam medidas em Reais, e que a estimação será efetuada por MQO (ln é logaritmo natural) lnQi = (1 + (2 lnPi + ui i = 1,2,..., 100. É correto afirmar que: (0) Variando-se o preço em 1%, a quantidade demandada variará 10(2%, ceteris paribus. (1) Ignorando-se o termo aleatório, se o preço ultrapassar determinado limite, será possível obter quantidades demandadas negativas. (2) Se mudarmos as unidades de Q e P para dólares americanos, então a estimativa de (2 na nova equação será igual a sua estimativa obtida na equação em Reais. (3) Se a variável ln Y (Y = renda) for acrescentada ao modelo o coeficiente R2 desta nova regressão será maior ou igual ao coeficiente R2 da regressão original. (4) Se o coeficiente R2 ajustado da regressão com a variável ln Y for maior do que o coeficiente R2 ajustado da regressão original, então necessariamente, o coeficiente de ln Y é estatisticamente significante, ao nível de significância de 5%, em um teste bi-lateral. QUESTÃO 12 (2001) No modelo clássico de regressão linear: 12 iii YXu bb =++ Ⓞ A hipótese de que o erro é normalmente distribuído é necessária para que os estimadores de mínimos quadrados ordinários também sejam normalmente distribuídos. ① Se a hipótese 0 ) , | , cov( = j i j i X X u u , i ( j for violada, os estimadores de mínimos quadrados ordinários serão viesados e não eficientes. ② As hipóteses de que o erro é normalmente distribuído e de que 0 ) , | , cov( = j i j i X X u u , i ( j asseguram que i u e j u se distribuem independentemente. ③ A hipótese 2 ) | ( s m = i i X Var é necessária para que os estimadores de mínimos quadrados ordinários sejam não tendenciosos. ④ Os estimadores de mínimos quadrados de 1 b e 2 b podem ser escritos como combinações lineares das observações i Y . QUESTÃO 07 (2008) Considere a regressão múltipla: y = β0 + β1 x1+ β2 x2+ β3 x3 + u cujos parâmetros tenham sido estimados pelo método dos mínimos quadrados ordinários. Julgue as afirmativas: Ⓞ Se E(u| x1, x2, x3)=0 e o modelo não é perfeitamente colinear, então os estimadores não são viesados. ① Se o R2 = 1, então y é uma combinação linear de x1, x2 e x3. ② O R2 ajustado aumenta ao se incluir uma variável adicional, caso tal variável seja significativa ao nível de 5%. ③ Se o modelo satisfaz as hipóteses do teorema de Gauss-Markov, então 1 ˆβ é o estimador linear não viesado de β1 com menor variância possível. ④ Se omitirmos x3 da regressão, os estimadores de β0, β1 e β2 podem ser viesados. QUESTÃO 08 (2007) Julgue as afirmativas: Ⓞ Heterocedasticidade ocorre quando o erro aleatório em um modelo de regressão é correlacionado com uma das variáveis explicativas. Exame Nacional ANPEC 2007: 1° Dia ESTATÍSTICA 3/6 ① Quando o erro aleatório em um modelo de regressão é correlacionado com alguma variável explicativa, os estimadores de mínimos quadrados não são consistentes. ② Na presença de heterocedasticidade, estimadores de mínimos quadrados ordinários são ineficientes. ③ Os testes t e F usuais não são válidos na presença de heterocedasticidade. ④ Na presença de heterocedasticidade, estimadores de mínimos quadrados ordinários são não viesados, mas são inconsistentes. QUESTÃO 06 (2006) Julgue as afirmativas. A respeito dos estimadores de Mínimos Quadrados Ordinários (MQO), em um modelo de regressão linear múltipla: Ⓞ Se a variância do erro não for constante, as estimativas dos parâmetros serão não-viesadas. ① Se E(() ( 0, os estimadores de todos os parâmetros, com exceção do intercepto, serão viesados. ② Se o erro não seguir a distribuição Normal as estimativas por MQO são consistentes. ③ Sob as hipóteses do modelo de regressão clássica, com erros na forma de ruído branco com distribuição Normal, os estimadores de MQO serão os mais eficientes possíveis. ④ A presença de colinearidade imperfeita entre as variáveis explicativas gera estimadores viesados. QUESTÃO 09 (2006) O método dos mínimos quadrados ordinários foi empregado para estimar o modelo de regressão abaixo, cujo objetivo é explicar as variações de renda entre 526 indivíduos de uma amostra aleatória: ln(renda) = 0,362+ 0,094 educ + 0,014 exper – 0,178 sexo – 0,010 exper x sexo + u (0,128) (0,008) (0,002) (0,058) (0,002) R2 = 0,368 n = 526 em que sexo é uma variável dicotômica (valor 1, se for mulher e 0, caso contrário), educ é o número de anos de escolaridade (0 ( educ ( 17), exper são anos de experiência profissional (0 ( exper ( 40) e u é a estimativa do erro. Os números entre parênteses são os erros-padrão das estimativas, robustos à heterocedasticidade. Com base nos resultados acima, é correto afirmar: Ⓞ Ao nível de significância de 5%, o efeito de um ano a mais de experiência profissional para indivíduos do sexo masculino é estatisticamente maior do que o efeito para mulheres. ① Para um indivíduo com 10 anos de escolaridade, 1 ano adicional de estudo acarreta um aumento da renda de aproximadamente 9%. ② O efeito na renda de um aumento de 1 ano na experiência profissional para as mulheres é 1% menor do que para os homens. ③ Pela inspeção dos resultados da estimação fica claro que os erros do modelo são heterocedásticos. ④ Se a um nível de significância de 5%, o valor crítico do teste F para a regressão for 2,37, os coeficientes angulares serão conjuntamente diferentes de zero. QUESTÃO 14 (2004) Um pesquisador estimou uma regressão múltipla com 5 variáveis independentes e n = 56, mas na pressa, não imprimiu os resultados e anotou apenas o valor do R2 = 0,90, o coeficiente de determinação. Este pesquisador precisa verificar se a regressão é significante. Ajude-o, calculando o valor da estatística do teste a ser empregado. QUESTÃO 11 (2005) É dada a seguinte função de produção para determinada indústria: i i i i u K L Y + + + = ) ln( ) ln( ) ln( 2 1 0 b b b , em que Y é o valor adicionado por firma (em reais), L é o trabalhoempregado, K é o valor do capital (em reais) e u é o termo aleatório. Uma amostra aleatória de 27 observações leva às seguintes estimativas: 76 , 0 R 84 , 0 ˆ ) ln( 3856 , 0 ) ln( 6022 , 0 1755 , 1 ) ln( 2 27 1 2 = = = + + = å = i i i i i u SQR K L Y São corretas as afirmativas: Ⓞ Se Y passasse a ser medido em mil reais, somente o valor estimado do intercepto da regressão seria alterado. ① Ao nível de 5%, os coeficientes associados ao trabalho e ao capital são conjuntamente iguais a zero. QUESTÃO 14 (2005) Considere o seguinte modelo para a população: Y = 2 + 4X – 5Z + u, em que u é o termo aleatório e 0 ) ( ) , | ( = = u E Z X u E . A partir de uma amostra de n indivíduos, estimaram-se os parâmetros deste modelo, tendo, todavia, sido omitida a variável Z. Ou seja, o modelo estimado foi: i i X Y 1 0 ˆ ˆ ˆ q + q = . Suponha ainda que, para amostra em questão, tenham sido obtidos os seguintes resultados: 7 , 0 ) ( ) )( ( 1 2 1 = - - - å å = = n i i n i i i X X X X Z Z , em que å = = n i i X n X 1 1 e å = = n i i Z n Z 1 1 . Calcule ( ) X E | ˆ 1 q . Multiplique o resultado por 10. QUESTÃO 07 (2003) O método dos mínimos quadrados ordinários foi empregado para estimar o modelo de regressão abaixo, cujo objetivo é explicar as variações de renda entre 526 indivíduos: , 526 , 441 , 0 , 00058 , 0 029 , 0 080 , 0 297 , 0 417 , 0 ) log( 2 2 ) 00010 , 0 ( ) 005 , 0 ( ) 007 , 0 ( ) 036 , 0 ( ) 099 , 0 ( = = + - + + - = n R u exper exper educ sexo renda em que sexo é uma variável dicotômica (valor 1, se for homem e 0, caso contrário), educ é o número de anos de escolaridade, exper é experiência profissional, também medida em anos. Os números entre parênteses são os erros-padrão das estimativas ) 4 ., ,.,.. 1 , 0 ( = i s i b . Com base nos resultados acima, é correto afirmar: Ⓞ a regressão não é estatisticamente significante pois o coeficiente de determinação é menor do que 0,5; ① a diferença de renda entre homens e mulheres não é estatisticamente significante; ② um ano a mais de escolaridade, mantidos constantes todos os demais fatores, aumenta em 0,08% a renda de um indivíduo do sexo feminino; QUESTÃO 10 (2000) O seguinte modelo de regressão foi estimado utilizando-se dados trimestrais entre 1979 e 1998, inclusive: ^ i Y = 2.20 + 0.104 X2i A soma total explicada foi 100,5. Quando esta equação foi re-estimada, adicionando-se três “dummies” sazonais, a soma total explicada aumentou para 114,5 e a soma do quadrado dos resíduos foi igual a 20,00. Suponha que deseja-se testar se a sazonalidade é significativa. Calcule a estatística de teste adequada. QUESTÃO 5 (1999) Foram encontrados os seguintes resultados para estimar uma regressão linear com duas variáveis explicativas para uma amostra de tamanho 10. Variáveis preditoras Coeficiente Desvio padrão Estatística “t’ p-valor Constante 223,3 254,8 0,88 0,410 X1 -1,26 0,8263 -1,52 0,172 X2 -1,03 3,213 -0,32 0,752 R2 = 81,2%; R2 ajustado = 76,1%; Valor calculado da estatística F=15,1 Podemos afirmar que: (0) A equação de regressão estimada é . (1) A um nível de significância de 5% podemos afirmar que a regressão existe. Porém, após elaborarmos os testes de hipóteses para os coeficientes individuais, aceitamos a hipótese (a um nível de significância de 1%) de que o coeficiente para a variável X2 é zero. (2) O coeficiente de determinação indica que 81,2b% da variação amostral de Y podem ser atribuídos as variações de X1 e X2. (3) O valor estimado para Y quando X1 = 15 e X2 = 80 é 220. (4) Os valores teóricos das estatísticas “t” utilizadas para testar os coeficientes das variáveis explicativas devem ser calculados para 7 graus de liberdade. QUESTÃO 08 (2001) No modelo de equações simultâneas: 1 1 1 1 u Y P Q D + + + = g b a (demanda) 2 2 2 u P Q S + + = b a (oferta) S D Q Q = em que: QD é a quantidade demandada; QS, a quantidade ofertada; P, o preço; Y, a renda; 1 u e 2 u são os componentes aleatórios. Neste modelo: Ⓞ A aplicação do método de mínimos quadrados ordinários (MQO) a cada uma das equações do sistema, desconsiderando-se a outra, fornecerá estimativas não tendenciosas. ① A equação de demanda é subidentificada. ② A equação de oferta é exatamente identificada. ③ Na equação de oferta, o estimador de MQO é consistente. ④ Caso seja subidentificada, a equação de demanda não pode ser estimada QUESTÃO 12 (2002) Em relação aos modelos de Séries de Tempo pode-se afirmar: Ⓞ No modelo Autoregressivo de ordem 1, 0 1 q f + + = - t t t u Z Z , 1 < f , em que ut é um ruído branco, o parâmetro 0 q é a média do processo. ① O modelo misto Autoregressivo-Médias Móveis, ARMA(1,1), pode ser representado pela expressão Zt = Zt + ut – ut-1 em que e são parâmetros e ut é um ruído branco. ② Se um processo estocástico possui uma tendência determinística, yt= 1 + 2 t + ut, então este é dito não-estacionário e sua não-estacionariedade pode ser detectada por um teste para raiz unitária. ③ Em uma regressão com duas séries temporais, se estas são I(1), ou seja, não estacionárias, mas são cointegradas, pode-se empregar a estatística t de Student para testar a significância dos coeficientes da regressão. ④ O teste de Engle-Granger para co-integração entre três variáveis consiste em utilizar a estatística e a tabela de valores críticos Dickey-Fuller nos resíduos de uma regressão entre estas variáveis. QUESTÃO 08 (2003) Considere o modelo de equações simultâneas: S i D i i i S i i i D i Q Q u P Q u P Q = + + = + + = (oferta) (demanda) 2 2 2 1 ' 1 b a b a em que: D i Q é a quantidade demandada, S i Q é a quantidade ofertada, Pi é o preço, e u1i e u2i são termos aleatórios. É correto afirmar que: Ⓞ o estimador de mínimos quadrados ordinários aplicado a cada uma das equações é consistente e não-tendencioso; ① no modelo acima a equação de demanda é identificada mas a equação de oferta não é; ② se a equação de demanda for definida por i i i D i u Y P Q 1 1 ' 1 + + + = g b a , em que Yi é a renda, a equação de oferta será identificada; ③ a equação de demanda será identificada se for definida por i i i D i u Y P Q 1 1 ' 1 + + + = g b a ; ④ a variável renda, empregada nos dois itens anteriores, é uma “variável instrumental”. QUESTÃO 07 (2004) São corretas as afirmativas. Em modelos de equações simultâneas: Ⓞ o problema da identificação precede o da estimação. ① se a condição de ordem for satisfeita, a condição de posto também será satisfeita. ② os estimadores de mínimos quadrados indiretos e os de mínimos quadrados de dois estágios são não-tendenciosas e consistentes. ③ se uma equação é exatamente identificada, os métodos de mínimos quadrados indiretos e de dois estágios produzem resultados idênticos. ④ o método de mínimos quadrados indiretos pode ser aplicado tanto a equações exatamente identificados quanto a equações superidentificadas. QUESTÃO 08 (2005) Considere o modelo de equações simultâneas: t t t d t e X P Q 1 2 1 0 + + + = a a a (demanda) t t s t e P Q 2 1 0 + + = b b (oferta) s t d t Q Q = (condição de equilíbrio) s t d t Q e Q são, respectivamente, as quantidades demandadas e ofertadas do bem, t X é uma variável exógena e t e 1 e t e 2 são os termos aleatórios, com médias zero e variâncias constantes. São corretas as afirmativas: Ⓞ As equações de demanda e oferta são exatamente identificadas. ① Os parâmetros estruturais do modelo são consistentemente estimados por Mínimos Quadrados Ordinários. ② As equações na forma reduzida são: t t t v X P + P + P = 1 0 e t t t w X Q +P + P = 3 2 , em que 1 1 0 0 0 b a a b - - = P ; 1 1 2 1 b a a - - = P ; 1 1 2 1 b a - - = t t t e e v ; 1 1 1 0 0 1 2 b a b a b a - - = P ; 1 1 1 2 3 b a b a - - = P e 1 1 1 1 2 1 b a b a - - = t t t e e w . ③ As estimativas dos parâmetros da forma reduzida descritos no quesito anterior, por Mínimos Quadrados Ordinários, são consistentes. ④ Os parâmetros das equações estruturais, obtidos dos parâmetros da forma reduzida, são estimados por Mínimos Quadrados Ordinários. QUESTÃO 07 (2006) Considere o modelo: Yt = Zt + Yt-1 + e1t (equação I) Zt = Zt-1 + e2t (equação II) em que , e são parâmetros e . todo para , 0 0 ) ( , 0 0 Normal ~ 2 22 12 12 2 11 2 1 t k E e e k t t t t ¹ ÷ ÷ ø ö ç ç è æ = ú ú û ù ê ê ë é ÷ ÷ ø ö ç ç è æ ÷ ÷ ø ö ç ç è æ ÷ ÷ ø ö ç ç è æ = e e e s s s s Suponha também que |<1 e |<1. São corretas as afirmativas: Ⓞ A condição |<1 garante a estacionariedade de segunda ordem de Zt. ① O estimador de mínimos quadrados ordinários de na equação II, não é consistente. ② Os estimadores de mínimos quadrados ordinários de e na equação I, só serão consistentes se 12 = 1. ③ Sem nenhuma restrição adicional sobre os parâmetros do modelo, a equação I não satisfaz a condição de ordem para identificação. ④ Para testar se há endogeneidade na equação I, pode-se usar o teste de Hausman QUESTÃO 15 (2000) Considere um processo AR(1) Yt = ( Yt -1 + (t , (t ~ NID(0, (2), t = 1,2,...T, em que, por hipótese, |(| <1, a não ser que seja dito o contrário. Considere Yo fixo e que t seja muito distante da origem. (0) A condição |( | < 1 é necessária para que o processo apresente média e variância incondicionais independentes do tempo. (1) A média incondicional do processo é zero. (2) A função de autocorrelação deste processo é diferente de zero para o "lag" 1, e é igual a zero para todos os outros "lags". (3) A previsão dois-passos à frente é dada por: E(Yt+2| Yt) = (( +1) + (2Yt , em que Yt = { Y1 , Y2 ,..., Yt}. (4) Se ( =1, o processo será não estacionário. QUESTÃO 10 (2001) Seja o processo auto-regressivo: t 1 t 1 t y y e + f = - . Pode-se afirmar que: Ⓞ O processo é estacionário para 1 f < 1. ① Se 1 f = 1, o processo é dito um caminho aleatório (random walk). ② O estimador de mínimos quadrados ordinários do parâmetro 1 f é não tendencioso. ③ A estatística t-Student pode ser usada para testar a presença de raiz unitária. ④ O processo pode ser escrito em uma forma alternativa como ( t 1 t t y y e + d = - em que 1 1 - f = d e ( t y = 1 t t y y - - . QUESTÃO 11 (2001) Um econometrista estimou uma função consumo usando 25 observações anuais da renda pessoal disponível e consumo, a partir do modelo: 12 ttt CYu bb =++ , em que: t C = consumo em t; t Y = renda pessoal disponível em t; t u = erro aleatório Os resultados indicaram parâmetros significativos a 5%, coeficiente de determinação de 0,94 e d de Durbin-Watson 0,5421. Com base nesses números, o econometrista fez o teste de Dickey-Fuller aumentado (ADF) para as séries de renda e de consumo, obtendo estimativas de t menores que os valores críticos de t tabelados, a 1%, 5% e 10%. Conseqüentemente, o econometrista: Ⓞ Aceitou a hipótese nula do teste ADF, concluindo que as séries de renda e consumo são não-estacionárias; ① Concluiu que os testes t e F não são válidos. ② Concluiu que o teste t não é válido. ③ Concluiu que a regressão estimada é espúria. QUESTÃO 12 (2002) Em relação aos modelos de Séries de Tempo pode-se afirmar: Ⓞ No modelo Autoregressivo de ordem 1, 0 1 q f + + = - t t t u Z Z , 1 < f , em que ut é um ruído branco, o parâmetro 0 q é a média do processo. ① O modelo misto Autoregressivo-Médias Móveis, ARMA(1,1), pode ser representado pela expressão Zt = Zt + ut – ut-1 em que e são parâmetros e ut é um ruído branco. ② Se um processo estocástico possui uma tendência determinística, yt= 1 + 2 t + ut, então este é dito não-estacionário e sua não-estacionariedade pode ser detectada por um teste para raiz unitária. ③ Em uma regressão com duas séries temporais, se estas são I(1), ou seja, não estacionárias, mas são cointegradas, pode-se empregar a estatística t de Student para testar a significância dos coeficientes da regressão. ④ O teste de Engle-Granger para co-integração entre três variáveis consiste em utilizar a estatística e a tabela de valores críticos Dickey-Fuller nos resíduos de uma regressão entre estas variáveis. QUESTÃO 10 (2003) Considere o modelo de regressão linear T t u Y C t t t , , 1 , 1 0 K = + a + a = , em que: Ct é o consumo pessoal em t, Yt é a renda pessoal em t e ut é o termo aleatório. É correto afirmar que: Ⓞ se Ct e Yt são I(1), então ut será obrigatoriamente estacionário; ① se o Ct e Yt são integradas, mas com ordens de integração diferentes, então a regressão será inválida; ② se Ct e Yt são I(1), então o teste ADF aplicado aos resíduos da regressão poderá identificar a presença de co-integração entre as variáveis; ③ se Ct e Yt são I(1), mas os resíduos são I(0), então há co-integração entre as variáveis; ④ se Ct e Yt são I(1) e os resíduos também são I(1), então a regressão de Ct em Yt é inválida. QUESTÃO 15 (2003) Considere o modelo ARMA(1,1) definido por: , , , 1 , 2 , 0 5 , 0 1 1 T t y y t t t t K = e + e - = - - em que a variância de t é igual a 1. Encontre a variância de yt. (Multiplique o resultado final por 10. Marque somente a parte inteira na folha de resposta). QUESTÃO 09 (2004) Considere a seguinte regressão entre yt e zt: t t t u z y + a = , em que ut é o erro. São corretas as afirmativas: Ⓞ Se yt for I(1) e zt for I(0), então yt e zt são co-integradas. ① Se yt for I(0) e zt for I(1), então yt e zt são co-integradas. ② Se yt for I(1) e zt for I(1), então yt e zt são co-integradas. ③ Se yt for I(1), zt for I(1) e ut for I(0), então yt e zt são co-integradas. ④ Se ut for I(0) as séries yt e zt são necessariamente co-integradas. QUESTÃO 10 (2004) Em relação aos modelos de séries temporais, são corretas as afirmativas: Ⓞ No processo AR(1), 0 t 1 t t a Z Z q + + f = - , 1 < f , e t a é um ruído branco, a média de t Z será f q - 1 0 . ① O processo MA(1), 1 - - = t t t a a Z , em que t a é um ruído branco, não é estacionário. ② O processo AR(1), t t t a Z Z + = - 1 8 , 0 , em que t a é um ruído branco, é estacionário. ③ No processo AR(1), t t t a Z Z + = - 1 f , em que t a é um ruído branco com Var( t a ) = 2 a s , a variância de t Z é 2 2 1 f s - a . ④ No modelo ARMA(1,1), 1 1 - - + + = t t t t a a Z Z q f , em que t a é um ruído branco, a média de t Z é diferente de zero. QUESTÃO 07 (2005) Com respeito à teoria das séries temporais, são corretas as afirmativas: Ⓞ Considere uma série temporal t Y auto-regressiva de ordem 1 com parâmetro r . No modelo: t t t t u Y Y Y + = - - - 1 1 d , em que t u é um ruído branco e 1 - = r d , se d for de fato igual a zero, a série t Y será não estacionária. ① Numa regressão linear simples de duas séries temporais não estacionárias de ordem 1, o teste usual t de Student ainda é válido. ② Numa regressão linear múltipla de séries temporais de ordem 1, mas cointegráveis, não se corre o risco de os resultados serem espúrios. ③ Numa regressão linear múltipla de séries temporais de ordem 1, mas cointegráveis, os resíduos da regressão são estacionários. ④ Se uma série temporal tiver que ser diferenciada n vezes antes de se tornar estacionária, a série original é integrada de ordem n -1. QUESTÃO 09 (2005) São corretas as afirmativas:Ⓞ No processo AR(1): t t t e y y + f + f = - 1 1 0 , em que 1 < f e t e é um ruído branco de média zero e variância 2 s , a variância de t y será 2 2 1 f - s . ① Seja a função de autocovariância do processo AR(1) definido no quesito anterior ] ) )( E[( m - m - = g - - j t j t j y y , em que ] E[ t y = m é a média do processo t y . É correto afirmar que ( ) 2 1 1 0 1 f - f + f = g j j . ② O processo AR(2), t t t t e y y y + f + f + f = - - 2 2 1 1 0 , em que t e é um ruído branco de média nula e variância 2 s , será estacionário de segunda ordem se, e somente se, 1 1 < f e 1 2 < f . ③ A média do processo MA(1), 1 - q + = t t t e e y , em que t e é um ruído branco, é igual a zero. ④ No modelo ARMA(1,1), 1 1 1 0 - - q + + f + f = t t t t e e y y , em que t e é um ruído branco de média nula e variância constante, a média de t y é dada por 1 0 1 f - f . QUESTÃO 07 (2006) Considere o modelo: Yt = Zt + Yt-1 + e1t (equação I) Zt = Zt-1 + e2t (equação II) em que , e são parâmetros e . todo para , 0 0 ) ( , 0 0 Normal ~ 2 22 12 12 2 11 2 1 t k E e e k t t t t ¹ ÷ ÷ ø ö ç ç è æ = ú ú û ù ê ê ë é ÷ ÷ ø ö ç ç è æ ÷ ÷ ø ö ç ç è æ ÷ ÷ ø ö ç ç è æ = e e e s s s s Suponha também que |<1 e |<1. São corretas as afirmativas: Ⓞ A condição |<1 garante a estacionariedade de segunda ordem de Zt. ① O estimador de mínimos quadrados ordinários de na equação II, não é consistente. ② Os estimadores de mínimos quadrados ordinários de e na equação I, só serão consistentes se 12 = 1. ③ Sem nenhuma restrição adicional sobre os parâmetros do modelo, a equação I não satisfaz a condição de ordem para identificação. ④ Para testar se há endogeneidade na equação I, pode-se usar o teste de Hausman QUESTÃO 11 (2006) Dois economistas usam os modelos abaixo para analisar a relação entre demanda de moeda (m) e renda nacional (y). As variáveis estão todas em logaritmos e a periodicidade é mensal. Economista A: t t t u y m ˆ 099 . 1 ) 0086 . 0 ( + = (Equação 1) Economista B: t t t e y m ˆ 14 . 1 ) 145 . 0 ( + D = D (Equação 2) Os valores entre parênteses são os erros-padrão. Testes Dickey-Fuller Aumentado (ADF), com número apropriado de defasagens maior que zero em todos os casos, para as variáveis e para os resíduos dos dois modelos geram os seguintes resultados: Variável mt yt ût (mt (yt êt Estatística-ADF -2.191 -1,952 -2.993 -5.578 -6.312 -8.456 O valor crítico da tabela Dickey-Fuller a 5% é igual a –2,886. São corretas as afirmativas: Ⓞ Tanto a série de demanda de moeda quanto a de renda nacional são integradas de primeira ordem. ① As séries de demanda de moeda e de renda nacional não são cointegradas ao nível de significância de 5%. ② Se a série de demanda de moeda for estacionária na diferença (difference stationarity) ela não pode ser estacionária na tendência (trend stationary). ③ Se as séries de demanda de moeda e de renda nacional forem cointegradas, o Economista B deve incluir o erro defasado ût-1 em seu modelo. ④ A série de renda nacional é um passeio aleatório puro. QUESTÃO 15 (2006) Uma série temporal Yt, t = 1,...T, foi gerada por um processo da classe ARIMA(p,d,q) e apresenta os seguintes formatos para a Função de Autocorrelação (FAC) e Função de Autocorrelação Parcial (FACP): Supondo que a média da série seja 100 e que YT-3 = 35, YT-2 = 28, YT-1 = 38 e YT = 30, calcule a previsão para YT+1 feita no instante T , isto é E(YT+1|YT,YT-1,YT-2,YT-3,...). _1145454064.unknown _1145620386.unknown _1145794249.unknown _1147967930.unknown _1152857110.unknown _1179142795.unknown _1179146682.unknown _1179146773.unknown _1153495487.unknown _1148041228.unknown _1149869929.unknown _1149869976.unknown _1149869856.unknown _1147973152.unknown _1147864512.unknown _1147865209.unknown _1147876541.unknown _1147876758.unknown _1147876753.unknown _1147865371.unknown _1147865493.unknown _1147865520.unknown _1147865578.unknown _1147865486.unknown _1147865282.unknown _1147864805.unknown _1147865130.unknown _1147865184.unknown _1147864909.unknown _1147864518.unknown _1147864747.unknown _1145897470.unknown _1147864465.unknown _1147864489.unknown _1147864350.unknown _1145897453.unknown _1145621032.unknown _1145621157.unknown _1145621212.unknown _1145621093.unknown _1145620457.unknown _1145620802.unknown _1145621007.unknown _1145620435.unknown _1145454618.unknown _1145455169.unknown _1145620281.unknown _1145620334.unknown _1145537750.unknown _1145537774.unknown _1145537542.unknown _1145537655.unknown _1145455193.unknown _1145454783.unknown _1145455117.unknown _1145454704.unknown _1145454312.unknown _1145454443.unknown _1145454543.unknown _1145454329.unknown _1145454235.unknown _1145454249.unknown _1145454085.unknown _1029510459.unknown _1091785532.unknown _1145453913.unknown _1145453988.unknown _1145454022.unknown _1114861055.unknown _1145453211.unknown _1145453819.unknown _1145453841.unknown _1114861469.unknown _1114861530.unknown _1118557054.unknown _1115049514.unknown _1114861195.unknown _1091785662.unknown _1114860842.unknown _1114860910.unknown _1114861011.unknown _1093707050.unknown _1091785630.unknown _1085293460.unknown _1091785315.unknown _1091785375.unknown _1085295062.unknown _1085300925.unknown _1053016171.unknown _1049572143.unknown _1049571882.unknown _1049572101.unknown _1049572040.unknown _1029510520.unknown _1024577015.unknown _1024841980.unknown _1029507943.unknown _1029510093.unknown _1029510113.unknown _1029510223.unknown _1029508164.unknown _1024843214.unknown _1024923593.unknown _1028311233.unknown _1024843289.unknown _1024843357.unknown _1024842031.unknown _1024577130.unknown _1024841948.unknown _1024577028.unknown _1024577069.unknown _1021896329.unknown _1024575117.unknown _1024575666.unknown _1024575743.unknown _1024575763.unknown _1024575127.unknown _1024574396.unknown _1021896433.unknown _1021008912.unknown _1021274716.unknown _1021274785.unknown _1021009050.unknown _1021272467.unknown _1021011231.unknown _1021008954.unknown _994676720.unknown _1021008512.unknown _966074298.unknown
Compartilhar