You are on page 1of 14

Econometria I

Exercícios para revisão e autoteste

Análise de Regressão: Modelos de Uma Equação
PROVA DE 2002 – QUESTÃO 9
Pode-se afirmar sobre o modelo de regressão linear clássico yt= 1 + 2 xt + ut

Ⓞ A reta de regressão passa pelas médias amostrais de y e x, mesmo que o modelo não
tenha intercepto.
① Na presença de heterocedasticidade, o estimador de MQO é viesado e não se pode
confiar nos procedimentos de testes usuais (F e t), já que o estimador além de
viesado, é ineficiente.
② Na presença de autocorrelação dos resíduos, os estimadores de MQO são não
viesados e consistentes.
③ Quanto maior for a variação da variável explicativa, maior será a precisão com que
o coeficiente angular pode ser estimado.
④ Se R2 (coeficiente de determinação) for zero, então a melhor previsão para um
valor de y é sua média amostral.

PROVA DE 2002 – QUESTÃO 10
É correto afirmar a respeito do modelo de regressão linear clássico multivariado:
Y = Xγ +ε , com n observações e k > 2 variáveis explicativas, incluindo-se o
intercepto.

Ⓞ Os coeficientes de inclinação não se alteram quando se modificam as unidades de
medida de Y e X multiplicando-os por uma constante, por exemplo, transformando-
se seus valores de reais para dólares.
① Se o modelo for estimado com apenas k-1 variáveis explicativas (mas mantendo o
intercepto), os coeficientes estimados poderão ser viesados e inconsistentes.
② Quando os coeficientes γ ’s estimados forem altamente significativos,
individualmente, mas a estatística F e o R 2 indicarem que o modelo como um todo
tem um baixo poder explicativo, pode-se desconfiar da presença de
multicolinearidade.

n . 00058 exper 2 +u . o R2 será maior ou igual ao R2 ajustado. ( 0. cujo objetivo é explicar as variações de renda entre 526 indivíduos: log(renda )=0. i=1. 080 educ+0. 4 ) i .005) (0. não é necessária para que os estimadores de mínimos quadrados sejam consistentes.099) (0.( k −1 ). em que sexo é uma variável dicotômica (valor 1. 2 ① a hipótese que Var (ui|x 1i . ④ Sempre que o modelo tiver pelo menos duas variáveis explicativas além do intercepto. É correto afirmar que: Ⓞ para que os estimadores de mínimos quadrados sejam os melhores estimadores lineares não-tendeciosos é necessário que os erros sejam normalmente distribuídos. i=1. ③ para que as estatísticas t e F sejam válidas assintoticamente é necessário que os erros sejam normalmente distribuídos. pode-se utilizar o 2 R ( k−1) F α .036 ) ( 0. n=526 . x 3i )≠0.1..…. é correto afirmar: .③ Para testar a hipótese conjunta de que γ 2 =γ 3=. i=1. . se for homem e 0. (n−k)= teste [(1−R2 )(n−k )] . exper é experiência profissional. educ é o número de anos de escolaridade.007 ) ( 0. 417 −0. 297 sexo+0. caso contrário). ② a inclusão de uma nova variável explicativa no modelo reduzirá o coeficiente de determinação R2 .…. i=1. n .00010 ) 2 R =0.=γ k =0 .441. . em que R2 é o coeficiente de determinação do modelo. n . PROVA DE 2003 – QUESTÃO 6 Considere o modelo de regressão linear múltipla para dados seccionais y i=β 0 + β 1 x1 i + β 2 x 2i +⋯+ β k x ki +ui .…. .…. Os números entre parênteses são os erros-padrão das estimativas (s b i=0. . ④ se Cov( x 1i . . Com base nos resultados acima..029 exper−0. x ki )=σ . serão tendenciosos. x2 i . PROVA DE 2003 – QUESTÃO 7 O método dos mínimos quadrados ordinários foi empregado para estimar o modelo de regressão abaixo. .….n os estimadores de mínimos quadrados ordinários da regressão y i=β 0 + β 1 x1 i + β 2 x 2i +⋯+β k x ki +ui . também medida em anos.

i=1.….…. 2 ① A hipótese que Var ( ui|x 1i . ③ Se Cov( x 1i .….n . i=1. ④ Se Cov( x 1i .5. x 3i )=0.… . É correto afirmar que: Ⓞ Para que os estimadores de mínimos quadrados sejam lineares não-tendeciosos de menor variância (BLUE) é necessário que os erros sejam homocedásticos. mantidos constantes todos os demais fatores. ② As estatísticas t e F continuam válidas assintoticamente mesmo que os erros da regressão sejam heterocedásticos. é necessária para que os estimadores de mínimos quadrados sejam não-tendenciosos.08% a renda de um indivíduo do sexo feminino. ③ a significância conjunta das variáveis educ e exper não pode ser medida por meio da estatística t.…. i=1. Para isto. aumenta em 0. PROVA DE 2005 – QUESTÃO 10 A respeito do modelo de regressão múltipla: . n . serão consistentes. ④ o modelo é incapaz de captar diferenças nos retornos da educação entre homens e mulheres. serão regressão i 0 1 1 i 2 2i 4 4i consistentes. x ki )=σ .Ⓞ a regressão não é estatisticamente significante pois o coeficiente de determinação é menor do que 0. n .n os estimadores de mínimos quadrados ordinários da regressão i y =β 0 +β 1 x1 i +β 2 x 2i +β 4 x 4i +⋯+ β k x ki+u i . os estimadores de mínimos quadrados ordinários da y =β +β x +β x +β x +⋯+ β k x ki+u i . n . i=1. ② um ano a mais de escolaridade.…. x 3i )≠0. x2 i . o teste F deve ser utilizado. PROVA DE 2004 – QUESTÃO 11 Considere o modelo de regressão linear múltipla para dados seccionais: y i=β 0 + β 1 x1 i + β 2 x 2i +⋯+ β k x ki +ui . ① a diferença de renda entre homens e mulheres não é estatisticamente significante. i=1. i=1. n .….

K é o valor do capital (em reais) e u é o termo aleatório. ④ A omissão da variável explicativa relevante. em que Y é o valor adicionado por firma (em reais). caso estes sejam estimados por Mínimos Quadrados Ordinários.3856 ln( K i ) 27 SQR=∑ u^ 2i =0. ② Se os erros são heterocedásticos. para explicar a variável dependente. ① Ao nível de 5%. são corretas as afirmativas: Ⓞ No caso de uma forte colinearidade entre X 1 i e X 2 i . os coeficientes associados ao trabalho e ao capital são conjuntamente iguais a zero. sem prejuízo algum. a variável omitida X2. Uma amostra aleatória de 27 observações leva às seguintes estimativas: ln(Y i )=1. somente o valor estimado do intercepto da regressão seria alterado.84 i=1 2 R =0. X1. for correlacionada com a variável incluída. torna a estimativa dos coeficientes 0 e 1 tendenciosa e inconsistente. ainda assim os estimadores de Mínimos Quadrados Ordinários de β1 e β2 são lineares e não tendenciosos. tende-se a aceitar a hipótese nula de que β 2=0 . X2. ③ Erros de medida da variável dependente reduzem as variâncias dos estimadores de Mínimos Quadrados Ordinários de β^ 1 e β^ 2 . Y i= β0 +β 1 X 1i + β2 X 2i +ei em que e i tem média zero e variância σ 2 .6022 ln( Li )+0. pois a estatística t é subestimada. PROVA DE 2005 – QUESTÃO 11 É dada a seguinte função de produção para determinada indústria: ln(Y i )=β 0 + β1 ln( Li )+β 2 ln( K i )+ui .76 São corretas as afirmativas: Ⓞ Se Y passasse a ser medido em mil reais. . Yi.1755+0. ① Se os erros são autocorrelacionados. L é o trabalho empregado. ser empregados para se testar a significância dos parâmetros do modelo. ainda assim os testes usuais t e F podem. se somente se.

① Se E()  0. a produtividade marginal do trabalho é menor que a produtividade média do mesmo fator.95×0. .0854 . i ) não afeta as propriedades dos estimadores de Mínimos Quadrados Ordinários dos parâmetros. Ⓞ Os estimadores de Mínimos Quadrados Ordinários de β 0 e β 1 são iguais aos de β ¿0 e β ¿1 ① Se σ^ ¿ 2 é a variância estimada de e ¿i e σ^ 2 é a variância estimada de ei .0854. 3856 o efeito sobre Y de um aumento de 1% no estoque de capital será 0. O ¿ ¿ ¿ ¿ ¿ ¿ ¿ segundo modelo é: Y i =β 0 + β 1 X i +ei . Outro pesquisador estima o mesmo modelo. ② As variâncias dos estimadores dos parâmetros do primeiro modelo são maiores do que as variâncias dos estimadores do segundo modelo.76 será preferível à utilizada. ③ Os coeficientes de determinação são iguais nos dois modelos. X i =w 2 X i e w 1 e w 2 são constantes maiores que zero. as estimativas dos parâmetros serão não- viesadas. para aquela indústria. os estimadores de todos os parâmetros. PROVA DE 2005 – QUESTÃO 12 Um pesquisador estima o seguinte modelo de regressão simples: Y i= β0 +β 1 X i +e i . PROVA DE 2006 – QUESTÃO 6 Julgue as afirmativas. X i ) para ( Y i X . então σ^ ¿ 2 =w21 σ^ 2 . A respeito dos estimadores de Mínimos Quadrados Ordinários (MQO). ③ Os valores estimados permitem concluir que. em que: Y i =w1 Y i . com exceção do intercepto.② Se o desvio padrão do estimador de β 2 for 0. serão viesados. o intervalo de confiança a 95% para 0. em um modelo de regressão linear múltipla: Ⓞ Se a variância do erro não for constante. ④ Qualquer outra forma funcional que leve a um R 2 maior que 0. ② Se o erro não seguir a distribuição Normal as estimativas por MQO são consistentes. ¿ ¿ ④ A transformação de escala de ( Y i . mas com escalas diferentes para Y i e Xi .

com erros que seguem uma distribuição Normal. ③ Se houver uma variável dependente defasada entre as variáveis explicativas. se for mulher e 0.008) (0. educ é o número de anos de escolaridade (0  educ  17).002) R2 = 0.128) (0. mínimos quadrados ponderados. . caso contrário). ① Para um indivíduo com 10 anos de escolaridade. PROVA DE 2006 – QUESTÃO 9 O método dos mínimos quadrados ordinários foi empregado para estimar o modelo de regressão abaixo.010 exper x sexo + u (0.058) (0. é correto afirmar: Ⓞ Ao nível de significância de 5%. e não o teste de Breush-Godfrey. o teste apropriado para a autocorrelação de primeira ordem dos resíduos é o h de Durbin. os estimadores de MQO serão os mais eficientes possíveis. estimados de modo interativo. cujo objetivo é explicar as variações de renda entre 526 indivíduos de uma amostra aleatória: ln(renda) = 0. robustos à heterocedasticidade. serão menos eficientes que o estimador de Máxima Verossimilhança.178 sexo – 0.014 exper – 0. ④ Os métodos de estimação do coeficiente de autocorrelação Cochrane-Orcutt e Durbin são diferentes em pequenas amostras. exper são anos de experiência profissional (0  exper  40) e u é a estimativa do erro. ② Empiricamente não há como distinguir um modelo de expectativas adaptativas de primeira ordem de um modelo de ajustamento parcial de primeira ordem. Com base nos resultados acima.002) (0. ④ A presença de colinearidade imperfeita entre as variáveis explicativas gera estimadores viesados. o efeito de um ano a mais de experiência profissional para indivíduos do sexo masculino é estatisticamente maior do que o efeito para mulheres. identifique se os itens são corretos: Ⓞ Os testes de heterocedasticidade de Breush-Pagan e de White podem ser calculados mediante regressões auxiliares com os quadrados dos resíduos. 1 ano adicional de estudo acarreta um aumento da renda de aproximadamente 9%. com erros na forma de ruído branco com distribuição Normal.094 educ + 0.368 n = 526 em que sexo é uma variável dicotômica (valor 1. Os números entre parênteses são os erros-padrão das estimativas. ① Caso a forma funcional da heterocedasticidade seja conhecida. PROVA DE 2006 – QUESTÃO 8 Em um modelo de regressão múltipla.362+ 0.③ Sob as hipóteses do modelo de regressão clássica.

estimadores de mínimos quadrados ordinários são ineficientes. ② O R² ajustado aumenta ao se incluir uma variável adicional. PROVA DE 2008 – QUESTÃO 7 Considere a regressão múltipla: y = β0 + β1 x1+ β2 x2+ β3 x3 + u cujos parâmetros tenham sido estimados pelo método dos mínimos quadrados ordinários. ③ Pela inspeção dos resultados da estimação fica claro que os erros do modelo são heterocedásticos. x2 e x3. ③ Os testes t e F usuais não são válidos na presença de heterocedasticidade. ② Na presença de heterocedasticidade. x3)=0 e o modelo não é perfeitamente colinear. ① Se o R² = 1.② O efeito na renda de um aumento de 1 ano na experiência profissional para as mulheres é 1% menor do que para os homens. ④ Na presença de heterocedasticidade. os coeficientes angulares serão conjuntamente diferentes de zero. mas são inconsistentes. Julgue as afirmativas: Ⓞ Se E(u| x1. os estimadores de mínimos quadrados não são consistentes. o valor crítico do teste F para a regressão for 2. caso tal variável seja significativa ao nível de 5%. estimadores de mínimos quadrados ordinários são não viesados. então os estimadores não são viesados. PROVA DE 2009 – QUESTÃO 10 Com relação aos testes de hipótese. β1 e β2 podem ser viesados. então β^ 1 é o estimador linear não viesado de β1 com menor variância possível. ③ Se o modelo satisfaz as hipóteses do teorema de Gauss-Markov. então y é uma combinação linear de x1. os estimadores de β0. ④ Se a um nível de significância de 5%. ④ Se omitirmos x3 da regressão.37. é correto afirmar: . ① Quando o erro aleatório em um modelo de regressão é correlacionado com alguma variável explicativa. x2. PROVA DE 2007 – QUESTÃO 8 Julgue as afirmativas: Ⓞ Heterocedasticidade ocorre quando o erro aleatório em um modelo de regressão é correlacionado com uma das variáveis explicativas.

Caso o erro seja heterocedástico. ④ Se x e y têm distribuição conjunta Normal. segundo.80. em que v é o desvio de y com relação a sua média condicional. uma regressão de y em x1. isto é. tendo como ponderador a diferença da explicativa de sua média. PROVA DE 2010 – QUESTÃO 9 Responda se verdadeiro ou falso: Ⓞ O estimador de Mínimos Quadrados do coeficiente angular em uma regressão simples com constante faz uma média ponderada da razão entre desvios da variável explicada de sua média e desvios da variável explicativa de sua média. ④ O teste t em regressões envolvendo variáveis não-estacionárias não será válido caso a regressão seja espúria. ③ Em um modelo de regressão simples sem constante. v= y-(0+ 1 x). ③ Considere o seguinte modelo de regressão linear: y = βo+ β1X + u. y é a variável dependente e X é a variável explicativa. em que o coeficiente angular é estimado por Mínimos Quadrados. com exogeneidade estrita das explicativas e erro com média zero. salvando-se o resíduo (e1). A estimativa do coeficiente angular da segunda regressão será igual à estimativa de 2 na regressão múltipla. o teste F de significância conjunta também não terá a hipótese nula rejeitada. ① O estimador de Mínimos Quadrados do coeficiente angular em uma regressão simples. v será independente de x. em que u é o erro da regressão. ② Considere o seguinte modelo de regressão linear: y = βo+ β1X + u. sendo 0 e 1 parâmetros. PROVA DE 2011 – QUESTÃO 5 . será consistente se a média da variável explicativa for zero e se o erro for independente da explicativa e possuir média zero. com correlação =0. ① A estatística de Dickey-Fuller para testar a presença de raiz unitária em séries temporais possui sempre distribuição Normal. ② Considere o modelo y = + 1 x1 + 2 x2 +. se individualmente os coeficientes não forem significativos. a estatística t usual para testarmos a hipótese H0: β1 = 0. y é a variável dependente e X é a variável explicativa. contra a alternativa H1: β1≠ 0 não é mais válida. com a constante erroneamente omitida. uma regressão de e1 em x2. os resíduos têm média amostral zero por construção. Para testarmos a hipótese H0: β1 = 0. contra a alternativa H1: β1> 0 .Ⓞ Em uma regressão com várias variáveis explicativas. O modelo é estimado em dois estágios: primeiro. em que u é o erro da regressão. devemos utilizar um teste t unilateral.

então Pr(|Z|>1. 2 1 ② β^ 2 é mais eficiente do que b se β = 0. para qualquer amostra de tamanho n.] Considere as seguintes estimativas obtidas pelo método de mínimos quadrados ordinários para o modelo de regressão abaixo (desvios-padrões entre parênteses): ln(salário) = 0.090sexo+0. uj) = 0 para todo i ≠ j Considere os dois estimadores alternativos de β 2: n ∑i=1 x i y i b2 = n ∑i=1 x2i e n ∑i=1 ( x i− x̄ )( y i − ȳ ) β^ 2= n ∑i=1 ( xi − x̄ )2 n n x̄=n−1 ∑ xi ȳ=n −1 ∑ yi Onde i=1 e i=1 são as médias amostrais de x e y respectivamente.05... ȳ=0 .009) (0.. PROVA DE 2011 – QUESTÃO 10 [Para a resolução desta questão talvez lhe seja útil saber que se Z tem distribuição normal padrão. para qualquer amostra de tamanho n. i = 1.645)=0.600+ 0.032) (0.050) (0.080educ+0.96)=0.36 . É correto afirmar que: Ⓞ b2 em geral é um estimador não viesado de β 2.n Suponha que xi é não estocástico e que E[u i] = 0. 2 1 ③ b2 é um estimador não viesado de β2 se. E[ui²] = σ².001) R2 = 0. ① β^ 2 é um estimador não viesado de β se e somente se β = 0.030 exper – 0.Considere o seguinte modelo de regressão: y i = β1+ β2xi + ui..10 e Pr(|Z|>1.201) (0. ④ b2 é um estimador não viesado de β2 se. E(ui.003 exper 2+ û (0.100) (0. x̄=0 .175sindicato + 0.

em que educ e exper denotam. são simultaneamente iguais a zero (F 0. sindicato é uma variável dummy que assume o valor 1 se o trabalhador for sindicalizado e 0 caso contrário e sexo é uma variável dummy igual a 1 se o trabalhador for do sexo masculino e igual a 0 se for do sexo feminino. 200 = 2. ③ Se incluirmos um regressor adicional entre as variáveis explicativas. o estimador de mínimos quadrados ordinários de β1 será. é possível rejeitar.. o R² não diminuirá. . a hipótese nula de que os salários de trabalhadores sindicalizados e não sindicalizados são iguais.95. . O resíduo da regressão é o termo û .2592). A hipótese alternativa é que os salários de homens e mulheres são diferentes.00%. ao nível de significância de 5%. com exceção do intercepto. em geral. d ε t |x 1t ' . respectivamente. PROVA DE 2011 – QUESTÃO 12 Considere o modelo de regressão linear múltipla yt = β1 x1t + β2 x2t + εt no qual i. ② Um ano adicional de experiência eleva o salário em 3. É correto afirmar que: Ⓞ Supondo que o tamanho da amostra seja grande o suficiente para que aproximações assintóticas sejam válidas. inconsistente. A hipótese alternativa é que os trabalhadores sindicalizados ganham mais do que os não sindicalizados. ① Supondo que o tamanho da amostra seja grande o suficiente para que aproximações assintóticas sejam válidas. assuma que as variáveis são expressas como desvios em relação às respectivas médias. σ 2 ) . É correto afirmar que: Ⓞ Se β2 ¿ 0 e excluirmos x2t da regressão. . 5. é possível rejeitar. ao nível de significância de 5%.T Por simplicidade. ao nível de significância de 5%. é possível rejeitar. x 2 t ' ~ N ( 0. Todas as suposições usuais acerca do modelo de regressão linear clássico são satisfeitas. . i. a hipótese de que os coeficientes da regressão. ∀ t .t ' =1. o número de anos de estudo e o número de anos de experiência profissional. a hipótese nula de que os salários de homens e mulheres são iguais. ④ Supondo que os erros tenham distribuição normal e que o tamanho da amostra seja 206.

Os ~y estimadores de mínimos quadrados ordinários (MQO) em uma regressão de t contra ~x ~ 1t e x 2t coincidem com os estimadores de MQO em uma regressão de y t contra x1t e x2t. isto é. x2t ] = 0 e E[ u2 t |x1t. o ¿ 2t estimador de mínimos quadrados ordinários de β1 será inconsistente. porém não serão eficientes. 0 ou 1. Se substituirmos x por x 2t . 2t 2t 2t 1t 2t ε 2 E[u2t t |x1t. se yt for uma variável binária. Gabarito PROVA DE 2002 – QUESTÃO 9 ⓄF ①F ②V ③V ④V PROVA DE 2002 – QUESTÃO 10 ⓄV ①V ②F ③F ④V . e σ² = 1.① Suponha que x2t seja medido com erro. Defina t = cyt . assumindo apenas dois valores. x ] = 0. e que E[u |x . que x ¿2t = x + u . onde t é o resíduo da regressão por mínimos quadrados ordinários. x2t ] = 2 σ u . 1t = cx1t e x 2t = cx2t. ④ A hipótese T de que o erro  t tem média 0 pode ser testada utilizando a estatística ∑ ( 1/T ) i=1 ε^ t ε ^ . ② Os estimadores de mínimos quadrados ordinários de β1 e β2 serão não viesados. ~y ~x ~ ③ Seja c uma constante diferente de zero.

PROVA DE 2003 – QUESTÃO 6 ⓄF ①V ②F ③F ④F PROVA DE 2003 – QUESTÃO 7 ⓄF ①F ②F ③V ④V PROVA DE 2004 – QUESTÃO 11 ⓄV ①F ②F ③F ④F PROVA DE 2005 – QUESTÃO 10 ⓄV ①V ②F ③F ④V PROVA DE 2005 – QUESTÃO 11 ⓄF ①F ②F ③V ④F PROVA DE 2005 – QUESTÃO 12 ⓄF ①V ②F ③V ④V PROVA DE 2006 – QUESTÃO 6 ⓄF ①F ②F .

③V ④F PROVA DE 2006 – QUESTÃO 8 ⓄV ①V ②F ③F ④V PROVA DE 2006 – QUESTÃO 9 ⓄV ①V ②F ③F ④F PROVA DE 2007 – QUESTÃO 8 ⓄF ①V ②V ③V ④F PROVA DE 2008 – QUESTÃO 7 ⓄV ①V ② V (discordância com ANPEC) ③V ④F PROVA DE 2009 – QUESTÃO 10 ⓄF ① F (disciplina avançada ‘séries temporais’) ②V ③V ④ V (disciplina avançada ‘séries temporais’) PROVA DE 2010 – QUESTÃO 9 ⓄF ①V ②F ③F ④V .

PROVA DE 2011 – QUESTÃO 5 ⓄF ①F ②F ③V ④F PROVA DE 2011 – QUESTÃO 10 ⓄV ①F ②F ③V ④V PROVA DE 2011 – QUESTÃO 12 ⓄV ①V ②V ③V ④F .