Alternativa correta: C - V – F – V

Vamos analisar cada afirmação, compreendendo seus fundamentos teóricos na análise de regressão, um tema central na econometria que permite entender relações entre variáveis.

1. "(V) Na análise de regressão, o objetivo é verificar como o valor médio da variável dependente varia com o valor dado da variável explanatória."

Verdadeiro. A regressão analisa a relação entre uma variável dependente e uma ou mais variáveis explanatórias (ou independentes), observando como alterações nas variáveis independentes influenciam o valor médio da variável dependente. Essa é uma definição clássica de regressão linear, conforme encontrada em livros de econometria como "Econometria Básica" de Gujarati e Porter.

2. "(F) Funções de regressão amostral lineares necessariamente são lineares no regressando ou nos regressores."

Falso. O termo "linear" em regressão linear refere-se à linearidade nos parâmetros, não necessariamente nas variáveis. Assim, podemos ter transformações não lineares nas variáveis, como logaritmos ou polinômios, e ainda assim a função ser considerada linear nos parâmetros. Isso significa que o modelo é linear na forma como os parâmetros aparecem, mesmo que as variáveis originais não sejam lineares.

3. "(V) Para fins empíricos, o que importa é a Função de Regressão Populacional estocástica."

Verdadeiro. Em prática, buscamos estimar a Função de Regressão Populacional (FRP), que descreve a relação entre as variáveis na população inteira. Entretanto, como trabalhamos com amostras, usamos a Função de Regressão Amostral (FRA) para inferir sobre a FRP. A natureza estocástica da FRP reflete a inclusão de um termo de erro, capturando a aleatoriedade e as influências não observadas, conforme abordado em fontes como "Econometric Analysis" de Greene.

Compreender esses conceitos é essencial para um economista, pois a regressão é uma ferramenta fundamental na análise de dados econômicos, permitindo tanto a previsão quanto o entendimento das relações causais entre variáveis econômicas.

Gostou do comentário? Deixe sua avaliação aqui embaixo!

C

I- Correto. Y = B1 + B2Xi + ui, logo como X (Variável regressora ou Explicatória) explica Y (Variável regressando ou Explicada)

II - Errado. Linear apenas no Regressor

III - Correto. Especificação estocástica: Y = B1 + B2Xi + ui. Onde ui é uma variável aleatória não-observável que pode assumir valores positivos ou negativos, também conhecido como termo de erro estocástico ou perturbação estocástica