Baixe o app para aproveitar ainda mais
Prévia do material em texto
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? Viés de variáveis omitidas. Apenas heterocedasticidade. Autocorrelação e heterocedasticidade. Colinearidade perfeita e heterocedasticidade. Apenas autocorrelação. Respondido em 29/04/2021 12:54:01 Explicação: A resposta correta é: Autocorrelação e heterocedasticidade. 2a Questão Acerto: 0,0 / 1,0 Tome o modelo yt=β0+β1yt−1+utyt=β0+β1yt−1+ut que define um processo autorregressivo de ordem 1. Como podemos garantir que esse processo não será explosivo? |β1|=1|β1|=1 |β1|<1|β1|<1 |β0|=0|β0|=0 |β0|=0 e|β1|=1|β0|=0 e|β1|=1 |β0|<1|β0|<1 Respondido em 29/04/2021 12:54:15 Explicação: A resposta correta é: |β1|<1|β1|<1 3a Questão Acerto: 1,0 / 1,0 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(Z′Z)−1Z′Pz=Z(Z′Z)−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×LL×L. 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×(K+1)L×(K+1) e ^XX^ contém os valores preditos de XX. Respondido em 29/04/2021 12:48:51 Explicação: A resposta correta é: A dimensão de PzPz é N×XN×X e ^XX^ contém os valores preditos de XX. 4a Questão Acerto: 0,0 / 1,0 Seja {(xi,yi,zi1):i=1,2,...,N}{(xi,yi,zi1):i=1,2,...,N} uma amostra aleatória da população, e seja zi1zi1 um instrumento para uma variável endógena xikxik qualquer. Assinale a alternativa que corresponde ao estimador de variável instrumental: β=(X′X)−1Z′Yβ=(X′X)−1Z′Y β=(X′X)Z′Yβ=(X′X)Z′Y β=(Z′Z)−1Z′Yβ=(Z′Z)−1Z′Y β=(Z′Y)−1Z′Yβ=(Z′Y)−1Z′Y β=(Z′X)−1Z′Yβ=(Z′X)−1Z′Y Respondido em 29/04/2021 12:55:04 Explicação: A resposta correta é: β=(Z′X)−1Z′Yβ=(Z′X)−1Z′Y 5a Questão Acerto: 0,0 / 1,0 Assinale a alternativa que apresenta uma vantagem de usar dados em painel sobre dados em corte transversal ou séries de tempo. O modelo de dados em painel permite resolver de maneira trivial o problema de heterocedasticidade nos dados. O modelo de dados em painel permite que o valor médio da variável dependente varie entre grupos (i.e. no cross-section), ao longo do tempo (i.e. na série de tempo) ou em ambos. O modelo de dados em painel permite obter resultados consistentes com menor poder de teste. O modelo de dados em painel permite que o pesquisador estime a relação entre as variáveis dependentes e independentes de modo que ela varie no cross-section, ao longo do tempo, ou em ambas as dimensões. O modelo de dados em painel permite a obtenção de um R2R2 maior em análises. Respondido em 29/04/2021 12:54:36 Explicação: A resposta correta é: O modelo de dados em painel permite que o valor médio da variável dependente varie entre grupos (i.e. no cross-section), ao longo do tempo (i.e. na série de tempo) ou em ambos. 6a Questão Acerto: 1,0 / 1,0 Sobre os operadores do R, assinale a incorreta. & e | são operadores lógicos no R que querem dizer E e OU, respectivamente. Operadores relativos retornam se a relação indicada é FALSA ou VERDADEIRA. Os operadores de atribuição <- e = funcionam de maneira quase equivalente. O operador relativo de igualdade é um sinal de igual =. O operador relativo de desigualdade é uma exclamação antes do sinal de igual !=. Respondido em 29/04/2021 12:44:28 Explicação: A resposta correta é: O operador relativo de igualdade é um sinal de igual =. 7a Questão Acerto: 1,0 / 1,0 Assinale a definição correta de independência plena: Cov(Y,X)=0 fX,Y(x,y)=fX(x)fY(y) E[Y|X]=E[Y] Corr(Y,X)=0 E[E[Y|X]]=E[Y] Respondido em 29/04/2021 12:13:17 Explicação: A resposta correta é: fX,Y(x,y)=fX(x)fY(y) 8a Questão Acerto: 1,0 / 1,0 Assinale a principal e mais comum preocupação de modelos de forma reduzida: ∑ni=1xi^yi=0∑i=1nxiyi^=0 ∑ni=1xi^ui≠0∑i=1nxiui^≠0 ∑ni=1xi^ui=0∑i=1nxiui^=0 ∑ni=1xi^xi=0∑i=1nxixi^=0 ∑ni=1yi^ui=0∑i=1nyiui^=0 Respondido em 29/04/2021 12:39:17 Explicação: A resposta correta é: ∑ni=1xi^ui=0∑i=1nxiui^=0 9a Questão Acerto: 0,0 / 1,0 Seja uu o vetor de erros para cada observação da amostra e xx a matriz de variáveis explicativas. Assinale a expressão que representa a hipótese de homocedasticidade e a propriedade dos estimadores de MQO para qual ela é necessária. Suponha que tenhamos n observações e k variáveis explicativas. E[u|X]=0E[u|X]=0, normalidade do erro Var[u|X]=σ2InVar[u|X]=σ2In, eficiência Var[u|X]=σ2InVar[u|X]=σ2In, ausência de viés E[u|X]=0E[u|X]=0, eficiência Var[u |X]=σ2InVar[u |X]=σ2In, estatísticas de teste com distribuição t. Respondido em 29/04/2021 12:36:54 Explicação: A resposta correta é: Var[u|X]=σ2InVar[u|X]=σ2In, eficiência 10a Questão Acerto: 1,0 / 1,0 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 maximiza 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 . Respondido em 29/04/2021 12:23:16 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.
Compartilhar