Questões de Concurso
Sobre econometria em economia
Foram encontradas 507 questões
Resolva questões gratuitamente!
Junte-se a mais de 4 milhões de concurseiros!

• Valores aproximados da função exponencial:

• Valores aproximados da função logaritmo natural:

Também podem ser úteis os trechos de tabelas das distribuições
a seguir.
• Distribuição t de Student:

• Distribuição qui-quadrado:

• Distribuição qui-quadrado:

Um assessor de investimentos tenta prever a rentabilidade mensal futura y de um ativo. Ele considera que y (em %) siga um modelo AR(1): yt = Φ0 + Φ1 yt-1 + εt, em que E(εt) = 0 e corr(εt, εt-s) = 0, para s = 1, 2, ... . A estimativa obtida para Φ0 foi 8.
A rentabilidade prevista pelo modelo, no longuíssimo prazo, é:

• Valores aproximados da função exponencial:

• Valores aproximados da função logaritmo natural:

Também podem ser úteis os trechos de tabelas das distribuições
a seguir.
• Distribuição t de Student:

• Distribuição qui-quadrado:

• Distribuição qui-quadrado:

Assim, o valor de k é:

• Valores aproximados da função exponencial:

• Valores aproximados da função logaritmo natural:

Também podem ser úteis os trechos de tabelas das distribuições
a seguir.
• Distribuição t de Student:

• Distribuição qui-quadrado:

• Distribuição qui-quadrado:

Esse procedimento, em relação à amostragem aleatória simples de todas as corretoras, costuma ter como principal(is) vantagem(ns):
No contexto da aplicação de um modelo VAR, assinale a opção que descreve corretamente a inter-relação entre a decomposição histórica e a função de impulso-resposta.
Considerando as variáveis macroeconômicas e os métodos de previsão, assinale a opção que melhor descreve uma abordagem eficaz para a previsão de receita pública.
O modelo a ser estimado é:
no qual α, γ e β são parâmetros a serem estimados; Ci é a parte do erro do modelo que varia apenas para os países (i) e Vit é a parte do erro que varia para os países e no tempo (t).
Nesse caso, avalie as afirmativas a seguir.
I. Em modelos de painel dinâmico, a inclusão de defasagens da variável dependente como regressores pode ajudar a capturar a dinâmica temporal e os efeitos de persistência dentro das unidades de painel.
II. O estimador de Mínimos Quadrados Ordinários (MQO) é geralmente eficiente e livre de viés em modelos de painel dinâmico, mesmo na presença de variáveis dependentes defasadas.
III. O estimador de primeira diferença é preferível ao estimador de Efeitos Fixos (FE) ao estimador MQO em modelos de painel dinâmico porque elimina o termo de erro invariável no tempo, eliminando assim a endogeneidade.
IV. O Método dos Momentos Generalizados Diferença (GMM-Diff), desenvolvido por Arellano e Bond (1991), é frequentemente usado para estimar modelos de painel dinâmico, pois lida efetivamente com a endogeneidade das variáveis dependentes defasadas.
Está correto o que se afirma em
Em relação ao GMM, avalie se as afirmativas a seguir são verdadeiras (V) ou falsas (F).
( ) O GMM é particularmente útil em situações em que as variáveis explicativas são endógenas, fornecendo uma maneira de obter estimadores consistentes mesmo na presença de endogeneidade.
( ) Na estimação por GMM, um teste de Hansen ajuda a confirmar a presença de instrumentos fracos, garantindo que os estimadores sejam consistentes e eficientes.
( ) Instrumentos fracos são um problema no GMM porque podem levar a estimativas com viés e variâncias grandes, comprometendo a validade dos resultados.
( ) Diferentemente do método de variáveis instrumentais, o GMM não pode ser usado para estimar modelos com erros padrão heteroscedásticos.
As afirmativas são, respectivamente,
Considerando esses modelos, avalie se as afirmativas a seguir são verdadeiras (V) ou falsas (F).
( ) O modelo VAR deve ser usado quando as séries temporais são não estacionárias de ordem 1 e têm uma relação de cointegração.
( ) A função impulso-resposta em modelos VAR permite analisar como uma variável é afetada por choques temporários em outra variável ao longo do tempo, mas essa análise não é possível em modelos VEC.
( ) Em modelos VEC, o termo de correção de erro é incorporado para ajustar o relacionamento de longo prazo entre as séries temporais cointegradas após choques temporários, algo que não é diretamente modelado em VAR tradicionais.
( ) A decomposição de variância em modelos VAR ajuda a entender a proporção da variância de previsão de cada variável que pode ser atribuída a choques em si mesma versus choques nas outras variáveis, uma análise que também é aplicável em modelos VEC.
As afirmativas são, respectivamente,
Considere um economista que busca estimar a relação entre a receita tributária (Y) e a produção industrial (X) no Brasil.
Suponha que o resultado do teste de Dickey-Fuller aumentado (ADF) foi aplicado para testar a presença de raiz unitária em cada uma das séries e rendeu o seguinte resultado:
• Y: p-valor do teste = 0,15 (15%);
• X: p-valor do teste = 0,001 (ou 0,1%).
Nesse caso, avalie as afirmativas a seguir.
I. Receita tributária é uma série estacionária e produção industrial tem uma raiz unitária.
II. Receita tributária e produção industrial podem ser cointegradas.
III. O pesquisador deveria usar como variável dependente a primeira diferença da série de Receita tributária. Isso poderia resolver o problema de estacionariedade do modelo.
Está correto o que se afirma em
Nesse caso, assinale a opção que melhor descreve um requisito fundamental para que uma variável Z seja considerada um instrumento válido para X.
I = a + b*S + e em que
• a é o intercepto.
• b é o coeficiente de regressão.
• S representa a taxa de juros Selic em %.
• I representa a taxa de inflação IPCA em %.
Ele também suspeita que haja simultaneidade no modelo, isto é, S também seria causado por I.
Nesse caso, avalie se as afirmativas a seguir são verdadeiras (V) ou falsas (F).
( ) Se de fato existe simultaneidade, então a estimação do modelo um pelo método mínimos quadrados ordinários (MQO) geraria estimadores inconsistentes do parâmetros.
( ) No caso de simultaneidade no modelo, o método de variáveis instrumentais seria o mais adequado para estimador o modelo. Os estimadores seriam consistentes.
( ) Um dos problemas para se usar o método de variáveis instrumentais é que nesse caso precisaríamos de no mínimo 3 instrumentos para testar a validade deles.
As afirmativas são, respectivamente,
Y = do Imposto sobres Circulação de Mercadorias e Serviços (ICMS) em milhões de reais;
X = alíquota do ICMS em %;
Z = renda per capita de cada estado em milhares de reais;
O pesquisador planeja usar o seguinte modelo:
Y = a + b.X + c.X² + d.ln(Z) + V
em que a, b, c, d são parâmetros a serem estimados, ln(Z) é o logaritmo natural de Z e V é o termo de erro do modelo.
Nessas condições, avalie se as afirmativas a seguir são verdadeiras (V) ou falsas (F).
I. Para que os parâmetros do modelo possam ser estimados pelo método de mínimos quadrados ordinários (MQO) é preciso que a distribuição de probabilidade de V tenha distribuição Normal Padrão.
II. Se os valores estimados de b e c forem, respectivamente, 2,5 e 7,5, então a relação entre Y e X tem o formato de uma curva de Lafer.
III. Se o valor estimado de d for 0,5, significa que o efeito esperado de um aumento de 1% na renda per capita seria o aumento de 0,5% na receita de ICMS.
As afirmativas são, respectivamente,
Em relação aos modelos econométricos com dados em painel, em que i indexa o painel, t representa o tempo, ai, a constante heterogênea não observada e xit, o regressor, julgue os itens subsequentes.
Na presença de endogeneidade causada por efeito não
observado, o painel ordinário empilhado (pooled),
considerando cov(xit, ai) ≠ 0, é consistente.
O modelo de efeitos fixos deve ser usado quando o regressor xit é invariante no tempo, como uma variável de gênero por exemplo.
Acerca dos modelos de séries temporais, julgue o próximo item.
Na presença de raiz unitária, a série temporal será
estacionária, indicando problema de regressão espúria no
cálculo da regressão com as variáveis em nível.
O modelo ARCH é uma extensão do GARCH e este assume que a volatilidade condicional é uma função linear dos quadrados dos resíduos.
Considerando os pressupostos do modelo clássico de regressão linear, julgue o item a seguir.
Sob heterocedasticidade, pode-se incorrer no erro de aceitar
uma hipótese nula sendo ela falsa.
Considerando os pressupostos do modelo clássico de regressão linear, julgue o item a seguir.
Ao se omitir uma variável importante no modelo de
regressão, de modo que cov(xj, c) ≠ 0, em que xj representa
uma variável explicativa e c, uma constante, os estimadores
obtidos serão inconsistentes.
Considerando os pressupostos do modelo clássico de regressão linear, julgue o item a seguir.
Os estimadores de mínimos quadrados ordinários são não
viesados e consistentes, mesmo na presença de
heterocedasticidade.
Considerando os pressupostos do modelo clássico de regressão linear, julgue o item a seguir.
Na presença de heterocedasticidade, os valores da
estatística t serão menores que o esperado.