Vamos analisar as alternativas uma a uma para identificar a que melhor descreve a implicação da violação do pressuposto de independência dos erros (autocorrelação) em um modelo de regressão linear. A) A autocorrelação dos resíduos afeta apenas o coeficiente de determinação (R²), fazendo com que ele sempre superestime a capacidade explicativa do modelo. - Esta afirmação não é correta, pois a autocorrelação não afeta apenas o R², mas sim a validade das inferências estatísticas. B) Se os erros não forem independentes, os coeficientes de regressão estimados se tornarão viesados e inconsistentes, tornando o modelo inútil para qualquer propósito. - Embora a falta de independência possa afetar a precisão das estimativas, os coeficientes em si não se tornam viesados, mas sim as inferências sobre eles. C) A violação da premissa de independência dos erros (autocorrelação) leva a estimativas de erros-padrão incorretas para os coeficientes, o que invalida os testes de hipótese e os intervalos de confiança, tornando as inferências sobre a significância das variáveis menos confiáveis. - Esta alternativa está correta, pois a autocorrelação afeta a precisão das estimativas dos erros-padrão, impactando diretamente os testes de hipótese e intervalos de confiança. D) A ausência de independência nos erros significa que a relação entre a variável dependente e a independente não é linear, exigindo uma transformação dos dados. - Esta afirmação não é verdadeira, pois a autocorrelação não implica necessariamente que a relação seja não linear. Portanto, a alternativa que melhor descreve a implicação da violação do pressuposto de independência dos erros é: C.