Questões de Concurso

Suponha que o modelo explicativo para a variável Y seja
Y_i = β₁ + β₂X_i + β₃X²_i + β₄ X³_i + u_1i , modelo explicativo 0, onde Y é a variável dependente; X, a variável explicativa; β₁ , β₂ , β₃ e β₄ , os coeficientes da regressão; u, o termo de erro, e o subscrito i indica a i-ésima observação.

No entanto, considere que, por diversos motivos, o pesquisador decida estimar outros modelos (equações 1, 2, 3 e 4), cujas notações foram alteradas para distingui-los do modelo explicativo verdadeiro (modelo explicativo 0): 




Essa decisão poderia levar a erros de especificação, já que os modelos 1, 2, 3 e 4 são diferentes do modelo explicativo verdadeiro (modelo equação 0), o que permite concluir que

Os Gráficos Acíclicos Direcionais (Directed Acyclic Graph – DAG) são ferramentas gráficas muito utilizadas para identificar fatores de confusão, colisores e mediadores, permitindo, assim, uma melhor identificação dos efeitos causais diretos e indiretos.

Considere que a análise DAG foi utilizada para auxiliar na definição das restrições na identificação de um modelo VAR estrutural (SVAR) aplicado à política monetária. O modelo é constituído a partir das seguintes variáveis: Taxa Selic, PIB, câmbio nominal e taxa de inflação. Considere o DAG abaixo.




Nesse contexto, verifica-se que

Considere um cenário hipotético em que um país, País Z, implementou uma política para reduzir os benefícios de seguro-desemprego em 2017, e que um pesquisador quer avaliar o seu impacto. O método utilizado pelo pesquisador  para estimar o efeito dessa política é o controle sintético. Dito isso, considere as seguintes informações:
• taxa de desemprego do País Z em 2016 = 7%;
• taxa de desemprego do País Z em 2018 = 5%;
• taxas de desemprego das Unidades de Controle (Países P, Q, R, S, T) em 2016 = variando de 6% a 8%;
• taxas de desemprego das Unidades de Controle (Países P, Q, R, S, T) em 2018 = variando de 4% a 6%;
• taxa de desemprego sintética do País Z em 2016 = 6,5%;
• taxa de desemprego prevista para o controle sintético em 2018: 6%.

Nessa situação, qual foi o efeito estimado da política sobre a taxa de desemprego do País Z no ano seguinte à implementação da política de redução do seguro-desemprego?

Seja um modelo autorregressivo de ordem 1, AR(1), para uma variável Yt estacionária, conforme a seguinte especificação:

Y_t = 3 + 0,5Y_t-1 + u_t ,

onde E(u_t) =0 e Var(u_t) = 6. Assuma, também, que u_t e Y_t-1 são independentes.

Nesse cenário, qual é a variância de Y_t?

O modelo de Regressão com Descontinuidade (RDD) é uma técnica estatística usada para avaliar o impacto causal de uma variável independente em uma variável dependente, quando essa variável independente ultrapassa um certo limite ou ponto de corte.

Suponha que se esteja investigando o efeito do número de horas de estudo (variável independente) no desempenho em um teste (variável dependente). Assumindo-se que haja um ponto de corte de 5 horas de estudo e que se deseje verificar se há algum efeito no resultado do teste ao se ultrapassar esse ponto de corte.

A equação para esse modelo pode ser expressa da seguinte forma:

Y_i = 60 + 5X_i + 8D_i + ϵ_i ,

onde

• Y_i é o desempenho no teste para o indivíduo i;

• X_i é o número de horas de estudo para o indivíduo i;

• D_i é uma variável indicadora que vale 1 se X_i > 5 horas e 0 caso contrário para o indivíduo i;

• ϵ_i é o termo de erro para o indivíduo i.

Ao se comparar um estudante que estuda 6 horas para um teste com um outro que estuda 4 horas, de acordo com o modelo RDD apresentado acima, verifica-se que o