11
Q761264
A partir dos resultados, é correto afirmar que:
12
Q761263
A multicolinearidade é uma das dificuldades que pode ocorrer no processo de estimação de Modelos de Regressão Múltipla. Em casos mais severos, a multicolinearidade chega a impossibilitar a obtenção de estimativa, mas mesmo quando tal não se dá, outros problemas podem advir.
Como exemplo, seria possível dizer que:
13
Q761262
Assim sendo, é correto afirmar que:
14
Q761261
No caso da seleção de Modelos de Regressão Múltipla por meio do grau de aderência e do nível de captura das variações da variável explicada, alguns cuidados devem ser tomados.
Dentre esses, cabe destacar que:
15
Q761260
Sobre os resultados e as perspectivas de uso do modelo, é correto afirmar que:
16
Q761259
Os pressupostos do modelo de regressão linear simples estão relacionados às propriedades dos estimadores de Mínimos Quadrados Ordinários (MQO), Melhor Estimador Linear Não Tendencioso (BLUE) e Máxima Verossimilhança (MV).
Sobre essas vinculações, é correto afirmar que:
17
Q761243
O Método de Mínimos Quadrados (MQ), o Método dos Momentos (MM) e o de Máxima Verossimilhança (MV) estão entre os mais usados para estimação pontual de parâmetros.
Sobre esses, é correto afirmar que:
18
Q761201
A respeito da autocorrelação dos erros de um modelo de regressão linear, julgue os itens subsequentes. A autocorrelação dos erros, desde que não seja unitária em termos absolutos, insere um viés nas estimativas da variável dependente.
19
Q761200
Considerando um modelo de regressão linear com erros heteroscedásticos, julgue os itens seguintes. Para um modelo de regressão linear múltiplo, o teste de White permite detectar a heteroscedasticidade a partir da regressão de cada erro estimado da regressão original com as variáveis explicativas e seus inversos.
20
Q761198
Considerando um modelo de regressão linear com erros heteroscedásticos, julgue os itens seguintes. Para corrigir a heteroscedasticidade, como regra geral, é suficiente fazer a regressão da variável dependente em função das raízes quadradas das variáveis independentes.