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

Considerando que a figura acima mostra as curvas de poder referentes a dois testes de hipóteses — A (linha contínua) e B (linha tracejada) — para a média populacional ?, julgue o item a seguir.

Com respeito ao teste de hipóteses B, se ? = 27,5, então a probabilidade de se rejeitar a hipótese nula será inferior a 0,75. 

Considerando que a figura acima mostra as curvas de poder referentes a dois testes de hipóteses — A (linha contínua) e B (linha tracejada) — para a média populacional ?, julgue o item a seguir.

Os testes de hipóteses A e B são bilaterais, com H0 : ? = 25 e H1 : ? ? 25.

O quadro a seguir mostra as estimativas de mínimos quadrados ordinários dos coeficientes de um modelo de regressão linear simples na forma yi = ?0 + ?1xi + ?i, em que i ?  {1, … ,6} e ?i representa o erro aleatório com média zero e variância ?2.

Considerando essas informações e sabendo que = 0,01, julgue o item seguinte.

... Ver mais