Baixe o app para aproveitar ainda mais
Prévia do material em texto
Disc.: INTRODUÇÃO À ECONOMETRIA Aluno(a): ANDRESSA FACCIO SIMÃO 201903034337 Acertos: 9,0 de 10,0 21/05/2021 1a Questão Acerto: 1,0 / 1,0 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? Apenas autocorrelação. Viés de variáveis omitidas. Colinearidade perfeita e heterocedasticidade. Autocorrelação e heterocedasticidade. Apenas heterocedasticidade. Respondido em 21/05/2021 18:59:41 Explicação: A resposta correta é: Autocorrelação e heterocedasticidade. 2a Questão Acerto: 1,0 / 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 e|β1|=1|β0|=0 e|β1|=1 |β0|<1|β0|<1 |β0|=0|β0|=0 Respondido em 21/05/2021 19:00:34 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 N×NN×N e ^XX^ contém os valores da matriz variância-covariância entre XX e ZZ. 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. 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×XN×X e ^XX^ contém os valores preditos de XX. Respondido em 21/05/2021 19:01:31 Explicação: A resposta correta é: A dimensão de PzPz é N×XN×X e ^XX^ contém os valores preditos de XX. 4a Questão Acerto: 1,0 / 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)Z′Yβ=(X′X)Z′Y β=(Z′Y)−1Z′Yβ=(Z′Y)−1Z′Y β=(Z′Z)−1Z′Yβ=(Z′Z)−1Z′Y β=(Z′X)−1Z′Yβ=(Z′X)−1Z′Y β=(X′X)−1Z′Yβ=(X′X)−1Z′Y Respondido em 21/05/2021 19:01:55 Explicação: A resposta correta é: β=(Z′X)−1Z′Yβ=(Z′X)−1Z′Y 5a Questão Acerto: 0,0 / 1,0 A abordagem utilizada para obter o within estimator consiste em: Usar tanto dummies de tempo quanto de local em um modelo de efeitos fixos. Estimar o modelo utilizando variáveis dummy para cada grupo de observações (e.g. uma dummy para cada cidade). Subtrair a média de cada variável dentro de toda a amostra (e.g. a renda dos indivíduos, independente de qual cidade eles pertençam) e subtrair essa média do valor observado dessas variáveis para cada observação. Subtrair a média de cada variável dentro de cada grupo de observações (e.g. a renda dos indivíduos dentro das mesmas cidades) e subtrair essa média do valor observado dessas variáveis para cada observação. Tirar a média dos valores das variáveis para toda a amostra. Respondido em 21/05/2021 19:13:29 Explicação: A resposta correta é: Subtrair a média de cada variável dentro de cada grupo de observações (e.g. a renda dos indivíduos dentro das mesmas cidades) e subtrair essa média do valor observado dessas variáveis para cada observação. 6a Questão Acerto: 1,0 / 1,0 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) lm(UrbanPop ~ Assault, data = dados) lm(y = Assault, x = UrbanPop, data = dados) lm(Assault ~ UrbanPop, data = dados) regress(UrbanPop ~ Assault, data = dados) Respondido em 21/05/2021 19:10:47 Explicação: A resposta correta é: lm(Assault ~ UrbanPop, data = dados) 7a Questão Acerto: 1,0 / 1,0 Assinale a alternativa correta sobre aleatorização: Ela garante que para obter o efeito causal apenas precisamos subtrair valores esperados entre quem recebeu a intervenção e quem não recebeu. Ela é crucial dentro da abordagem estrutural Não é possível fazer uma análise utilizando regressão linear sem ela Ela necessária para obter boas previsões Não é possível obter causalidade sem dados experimentais Respondido em 21/05/2021 19:03:27 Explicação: A resposta correta é: Ela garante que para obter o efeito causal apenas precisamos subtrair valores esperados entre quem recebeu a intervenção e quem não recebeu. 8a Questão Acerto: 1,0 / 1,0 Assinale a principal e mais comum preocupação de modelos de forma reduzida: ∑ni=1yi^ui=0∑i=1nyiui^=0 ∑ni=1xi^ui≠0∑i=1nxiui^≠0 ∑ni=1xi^xi=0∑i=1nxixi^=0 ∑ni=1xi^ui=0∑i=1nxiui^=0 ∑ni=1xi^yi=0∑i=1nxiyi^=0 Respondido em 21/05/2021 19:05:36 Explicação: A resposta correta é: ∑ni=1xi^ui=0∑i=1nxiui^=0 9a Questão Acerto: 1,0 / 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, ausência de viés Var[u |X]=σ2InVar[u |X]=σ2In, estatísticas de teste com distribuição t. E[u|X]=0E[u|X]=0, eficiência Var[u|X]=σ2InVar[u|X]=σ2In, eficiência Respondido em 21/05/2021 19:07:34 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 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 . Respondido em 21/05/2021 19:08:56 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