INTRODUÇÃO À ECONOMETRIA AV

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.