Considere o modelo de regressão linear simples:

yi = a + bxi + ui,

em que y é a variável dependente, x é a variável explicativa, a é ointercepto, b é o coeficiente de inclinação e u, o termo aleatóriodo modelo.

A partir de uma amostra aleatória, obtém-se as seguintesinformações: 

... Ver mais

Considere o modelo de regressão:
Y = XB + u,
sendo Y um vetor nx1, X uma matriz nxk, B um vetor kx1 e u um vetor nx1. Y é a variável dependente, X representa um conjunto de regressores, B os parâmetros populacionais do modelo e u o termo aleatório.
As hipóteses a seguir são necessárias para que o estimador de MQO de B seja não viesado, à exceção de uma. Assinale-a.

Considere o modelo de regressão estimado:
Wi = 0,5 + 0,1*Ei + 0,2*Di + ui,
em que wi é o logaritmo neperiano do salário, Ei é o logaritmo neperiano dos anos de estudo e Di é uma variável binária igual a 1 se homem e a 0 se mulher.
Considere que todas as estimativas são estatisticamente significativas a 1%.
A partir das estimativas acima, é possível concluir que, em média,

Em modelos de regressão linear múltipla, a análise de resíduos tem um papel fundamental na verificação da qualidade do ajuste. A medida de influência responsável por medir a diferença entre um modelo de regressão com determinada observação e um modelo sem aquela observação denomina-se: 

Um analista do Ministério Público supõe que existe uma relação linear entre duas variáveis não negativas: o número de denúncias de infrações ambientas (y) e o acesso à informação e comunicação (x) de diferentes regiões administrativas. Para verificar sua hipótese, realizou um estudo e obteve o seguinte diagrama de dispersão:

Considere que r seja o coeficiente de correlação linear amostral entre as variáveis e que b seja o coeficiente de inclinação no a... Ver mais

São resumidos a seguir os resultados da análise de variância resultante do ajuste de um modelo de regressão linear homocedástico definido como Yi = ?0 + ?1X1i + ... + ?pXpi ?i, onde i = 1, . . . , n e ?i são erros independentes e normalmente distribuídos com média igual a zero e variância ?2. A estimação foi feita utilizando o método dos mínimos quadrados ordinários:

• Soma de Quadrados Total = 5.000;
• Soma de Quadrados dos Resíduos = 1.800;
• Graus de Liberdade Total = 40; e,
• Graus de Liberdade da Regressão = 4.
Com base nesses resultados, marque V para as afirmativas verdadeiras e F para as falsas. 
( ) A estimativa não-viesada para ? é igual a 50.
( ) A amostra é composta por n = 40 observações.
( ) O modelo apresenta um total de p = 4 va... Ver mais

Em modelos de regressão linear, afirma-se que há heterocedasticidade quando

Em relação aos procedimentos técnicos relacionados aos procedimentos de amostragem, julgue os itens a seguir.
I Quando se adiciona variáveis explicativas no modelo de regressão linear, espera-se o incremento da estatística R2 . 
II Ao se comparar modelos com diferentes quantidades de variáveis explicativas, deve-se analisar o valor de R2 ajustado. 
III O aumento de variáveis explicativas aumenta o R2 ajustado.
IV Ao se estimar um modelo com quatro variáveis explicativas e compará-lo com um modelo com três variáveis explicativas, escolhe-se o modelo que retornar o maior valor de R2 ajustado, tudo o mais constante.
Estão corretos apenas os itens

Todos os participantes de um curso foram divididos em 3 grupos (I, II e III). No final de um período, decide-se testar a hipótese, a um determinado nível de significância ?, da igualdade das médias das notas dos grupos obtidas em um teste aplicado para todos os participantes. Como o número de participantes era muito grande, optou-se por extrair aleatoriamente de cada grupo 10 observações apurando-se o quadro de análise de variância abaixo, sendo que somente foram fornecidos a “Soma de quadrados Total” e o valor da estatística F utilizada para a tomada de decisão. 

... Ver mais

O modelo de regressão linear simples Fi = ? + ?Gi + ?I foi adotado para prever o faturamento anual (F), em milhões de reais, de uma empresa em função dos respectivos gastos com propaganda (G), em milhões de reais. ? e ? são parâmetros reais desconhecidos, i corresponde a i-ésima observação e ?I é o erro aleatório com as respectivas hipóteses do modelo de regressão linear simples. Com base em 10 observações anuais (Gi , Fi ) e utilizando o método dos mínimos quadrados encontrou-se a equação  . Sabendo-se, com base nessas informações, que a estimativa da variância do modelo teórico encontrada foi de 25 e que o c... Ver mais