Questões de Concurso
Sobre econometria em economia
Foram encontradas 507 questões
Resolva questões gratuitamente!
Junte-se a mais de 4 milhões de concurseiros!
Caso um processo de média móvel MA(1) possa ser representado na forma invertida como um processo autorregressivo de ordem infinita, sua função de autocorreção parcial decairá exponencialmente para zero.
Considerando um processo autorregressivo estacionário, é possível demonstrar que Cov( Yt , Y t-2 ) = Ø2 σy2, em que Ø < 1 é uma constante e σy2 é a variância de Y.
Considerando-se que em um modelo macroeconômico de séries temporais, cujos coeficientes foram estimados por mínimos quadrados ordinários, R2 tenha apresentado uma variável explicativa com tendência e coeficiente acima de 0,80, que as estatísticas referentes às variáveis explicativas tenham indicado significância estatística dos seus respectivos coeficientes, e que o valor de Durbin-Watson seja igual a 0,25, é correto afirmar que a regressão estimada não foi espúria.
A função de autocorrelação de um processo AR(1), Cor( yt , y t- k ) cresce exponencialmente à medida que k aumenta.
Se houver heterocedasticidade residual, os valores da estatística t pertinentes às estimativas dos coeficientes do modelo serão inferiores ao que se espera sob a condição de homocedasticidade dos erros aleatórios
Ainda que os erros aleatórios do modelo sejam considerados heterocedásticos, os estimadores de mínimos quadrados ordinários dos coeficientes são não viciados e consistentes.
A presença de multicolinearidade pode provocar alteração no sinal esperado nas estimativas dos coeficientes do modelo.
Sob heterocedasticidade, as estimativas por mínimos quadrados generalizados produzem melhores resultados do que aqueles que são produzidos pelo método de mínimos quadrados ordinários.
O problema da omissão de uma variável explicativa relevante resulta, geralmente, em estimadores de mínimos quadrados ordinários viciados e inconsistentes.
e são, respectivamente, os estimadores de mínimos quadrados ordinários de a e β . A respeito desse modelo, julgue os itens que se seguem.
e são, respectivamente, os estimadores de mínimos quadrados ordinários de a e β . A respeito desse modelo, julgue os itens que se seguem.A variância da variável regressora xt pode ser nula.
Se as variáveis regressoras forem perfeitamente multicolineares, não será possível obter de forma única os estimadores de mínimos quadrados ordinários para os coeficientes do modelo de regressão.
Na presença de autocorrelação dos resíduos, embora os estimadores de mínimos quadrados ordinários dos coeficientes do modelo não sejam viciados, eles se mostram estatisticamente ineficientes.
O modelo de regressão linear simples pela origem, cujo ajuste pelo método de mínimos quadrados ordinários se apresenta na forma
sempre gera estimativas viciadas para o coeficiente β. No processo de modelagem por regressão linear múltipla, como regra geral, define-se como o melhor modelo aquele que produz o maior coeficiente de determinação (R2 ).
Com base nas informações apresentadas, a probabilidade da variável X está na área de rejeição, ou seja, P (μ- σ > X > μ+σ) é
Pode-se afirmar que, em média, um aumento de