INTRODUÇÃO À ECONOMETRIA simulado

Prévia do material em texto

1.
		 Assinale a definição correta de independência plena:
	
	
	
	Cov(Y,X)=0
 
	
	
	Corr(Y,X)=0
 
	
	
	E[E[Y|X]]=E[Y]
	
	
	E[Y|X]=E[Y]
 
	
	
	fX,Y(x,y)=fX(x)fY(y)
	
Explicação:
A resposta correta é: fX,Y(x,y)=fX(x)fY(y)
	
	
	REGRESSÃO MULTIVARIADA
	 
		
	
		2.
		Assinale a alternativa que corresponde à condição de primeira ordem para obter o estimador de mínimos quadrados ordinários:
	
	
	
	∂SQR(^β)∂b=0∂SQR(β^)∂b=0, em que bb é um candidato parâmetro populacional que minimiza SQRSQR.
	
	
	∂SQR(^β)∂b=0∂SQR(β^)∂b=0, em que bb é um candidato qualquer a estimador que minimiza SQRSQR.
	
	
	∂SQR(^β)∂b>0∂SQR(β^)∂b>0, em que bb  é um candidato qualquer a estimador que minimiza SQRSQR .
	
	
	∂SQR(^β)∂b=0∂SQR(β^)∂b=0, em que bb é um candidato qualquer a estimador que maximiza SQRSQR .
	
	
	∂SQR(^β)∂b<0∂SQR(β^)∂b<0, em que bb  é um candidato qualquer a estimador que minimiza SQRSQR .
	
Explicação:
A resposta correta é: ∂SQR(^β)∂b=0∂SQR(β^)∂b=0, em que bb é um candidato qualquer a estimador que minimiza SQRSQR.
	
	
	 
		
	
		3.
		Quais hipóteses garantem que o estimador de MQO será não viesado?
	
	
	
	Ausência de homocedasticidade, distribuição normal do erro e autocorrelação dos resíduos.
	
	
	Colinearidade perfeita, independência da média condicional e homocedasticidade.
	
	
	Variância finita do erro e distribuição normal dos parâmetros estimados.
	
	
	Independência da média condicional, ausência de colinearidade perfeita e distribuição normal do erro.
	
	
	Linearidade nos parâmetros, ausência de colinearidade perfeita e independência na média condicional.
	
Explicação:
A resposta correta é: Linearidade nos parâmetros, ausência de colinearidade perfeita e independência na média condicional.
	
	
	HETEROCEDASTICIDADE E AUTOCORRELAÇÃO
	 
		
	
		4.
		Suponha que estamos com uma base de dados e queremos realizar uma análise. Suponha, também, que fomos premiados com o dom da adivinhação e temos certeza sobre a forma funcional da heterocedasticidade em nossos dados, que é dada por h(x)=16x41h(x)=16x14.  Nossa regressão possui 2 variáveis explicativas x1x1 e x2x2. Qual será a especificação de mínimos quadrados generalizados (MQG) que devemos aplicar nesse caso? 
	
	
	
	y∗(4x21)=β0∗(4x21)+β1∗(4x21)∗x1+β2∗(4x21)∗x2+u∗(4x21)y∗(4x12)=β0∗(4x12)+β1∗(4x12)∗x1+β2∗(4x12)∗x2+u∗(4x12)
	
	
	yx21=β0x21+β1x21+β0x21x2+ux21yx12=β0x12+β1x12+β0x12x2+ux12
	
	
	yx41=β0x41+β1x41+β0x41x2+ux41yx14=β0x14+β1x14+β0x14x2+ux14
	
	
	y4x21=β04x21+β14x1+β04x21x2+u4x21y4x12=β04x12+β14x1+β04x12x2+u4x12
	
	
	y16x41=β016x41+β116x41+β016x41x2+u16x41y16x14=β016x14+β116x14+β016x14x2+u16x14
	
Explicação:
A resposta correta é: y4x21=β04x21+β14x1+β04x21x2+u4x21y4x12=β04x12+β14x1+β04x12x2+u4x12
	
	
	 
		
	
		5.
		Quais hipóteses garantem que o estimador de MQO para séries temporais será não viesado? 
	
	
	
	Homocedasticidade, ausência de colinearidade perfeita e independência da média condicional. 
	
	
	Linearidade nos parâmetros, normalidade dos erros e independência da média condicional. 
	
	
	Homocedasticidade, ausência de autocorrelação e independência da média condicional.
	
	
	Homocedasticidade, ausência de autocorrelação e normalidade dos erros. 
	
	
	Linearidade nos parâmetros, ausência de colinearidade perfeita, e independência na média condicional. 
	
Explicação:
A resposta correta é: Linearidade nos parâmetros, ausência de colinearidade perfeita, e independência na média condicional. 
	
	
	VARIÁVEIS INSTRUMENTAIS
	 
		
	
		6.
		Seja XX uma matriz qualquer de dimensão N×(K+1)N×(K+1). Assuma que existe uma outra matriz ZZ com dimensão N×LN×L. Seja Pz=Z(ZZ)−1ZPz=Z(ZZ)−1Z uma matriz de projeção para ZZ . Assinale a alternativa que contém a dimensão de PzPz e a descrição do conteúdo da matriz ^X=PzXX^=PzX:
	
	
	
	A dimensão de PzPz é L×(K+1)L×(K+1) e ^XX^ contém os valores da matriz variância-covariância entre XX e ZZ.
	
	
	A dimensão de PzPz é N×NN×N e ^XX^ contém os valores da matriz variância-covariância entre XX e ZZ.
	
	
	A dimensão de PzPz é N×XN×X  e ^XX^ contém os valores preditos de XX.
	
	
	A dimensão de PzPz é L×LL×L.
	
	
	A dimensão de PzPz é L×(K+1)L×(K+1)  e ^XX^ contém os valores preditos de XX.
	
Explicação:
A resposta correta é: A dimensão de PzPz é N×XN×X  e ^XX^ contém os valores preditos de XX.
	
	
	EQUAÇÕES SIMULTÂNEAS E EFEITOS FIXOS
	 
		
	
		7.
		Considere o modelo a seguir:
yit=α+βxit+μi+vityit=α+βxit+μi+vit
Qual classificação o representa melhor?
	
	
	
	Um modelo de corte transversal.
	
	
	Um modelo de efeitos fixos de grupo e tempo.
	
	
	Um modelo de séries de tempo.
	
	
	Um modelo de efeitos fixos de grupo.
	
	
	Um modelo de efeitos fixos de tempo.
	
Explicação:
A resposta correta é: Um modelo de efeitos fixos de grupo.
	
	
	 
		
	
		8.
		Considere o sistema de equações simultâneas a seguir, onde ocultamos os subscritos de tempo apenas para reduzir a notação.
Y1=α0+α1Y2+α3Y3+α4X1+α5X2+u1Y1=α0+α1Y2+α3Y3+α4X1+α5X2+u1
Y2=β0+β1Y3+β2Y1+β3X2+u2Y2=β0+β1Y3+β2Y1+β3X2+u2
Y3=γ0+γ1Y1+γ2Y2+γ3X3+u3Y3=γ0+γ1Y1+γ2Y2+γ3X3+u3
De acordo com a condição de ordem, a primeira equação desse sistema é:
	
	
	
	Não é possível saber se a equação é identificada, pois ela não nos dá os modelos em forma reduzida.
	
	
	Subidentificada
	
	
	Justamente identificada.
	
	
	Não é possível saber se a equação é identificada, pois precisamos verificar a condição de posto antes.
	
	
	Sobre-identificada.
	
Explicação:
A resposta correta é: Subidentificada
	
	
	APLICAÇÕES DE R EM ECONOMETRIA
	 
		
	
		9.
		Sobre classes de objetos, considere as alternativas abaixo e assinale a incorreta. 
	
	
	
	Matrizes são estruturas de dados similares a vetores, mas com duas dimensões. 
	
	
	Data frames são um caso especial de lista, em que cada componente da lista tem o mesmo comprimento. 
	
	
	Listas são estruturas de dados que comportam dados de somente de um tipo. 
	
	
	Classe é um atributo dos objetos do R, que determina a forma de armazenamento dos dados do objeto. 
	
	
	Vetores são estruturas de dados básicas no R, que contêm elementos do mesmo tipo. 
	
Explicação:
A resposta correta é: Listas são estruturas de dados que comportam dados de somente de um tipo. 
	
	
	 
		
	
		10.
		Assinale a alternativa que corresponde a uma regressão da variável   dependente "taxa de agressões" (Assault) na variável independente "população urbana" (UrbanPop) da base dados, usada no módulo 4. 
	
	
	
	lm(Assault ~ UrbanPop, data = dados) 
	
	
	lm(y = Assault, x = UrbanPop, data = dados) 
	
	
	regress(UrbanPop ~ Assault, data = dados) 
	
	
	lm(UrbanPop ~ Assault, data = dados) 
	
	
	lm(Assault ~ UrbanPop) 
	
Explicação:
A resposta correta é: lm(Assault ~ UrbanPop, data = dados)