Questão 1403218

• Banca: FGV
• Órgão: TJ-BA
• Ano: 2015
• Provas: FGV - 2015 - TJ-BA - Analista Judiciário - Estatística
• Disciplina: Estatística
• Assuntos: Inferência estatística; Propriedades dos estimadores

A verificação dos pressupostos do modelo de regressão linear múltipla é fundamental para a garantia das propriedades dos estimadores dos parâmetros, na dependência do método de estimação a ser empregado. Nesse contexto:

• A. a perda da homocedasticidade incide diretamente sobre a consistência dos estimadores de BLUE;
• B. na presença de multicolinearidade os estimadores de MQO passam a ser, estatisticamente, ineficientes;
• C. se a hipótese de esperança nula do termo aleatório for violada, tanto o estimador do parâmetro que representam o efeito fixo quanto os demais de MQO serão tendenciosos;
• D. as hipóteses de média nula e inexistência de autocorrelação serial entre os erros quando combinadas acabam implicando na independência entre eles;
• E. o método da máxima verossimilhança aplicado à estimação dos parâmetros de uma regressão tem a vantagem de gerar um estimador também para a variância dos erros.

Gabarito: E

Comentários

• Corrigindo:
  A)A perda de homocedasticidade incide diretamente sobre a eficiência dos estimadores, os quais passam a não ser mais "blue" ou com variância mínima.
  B)Na presença de multicolinearidade as variáveis explicativas passam a ser linearmente dependentes.
  C)-
  D)-

• A) A homocedasticidade não influencia no viés nem na consistência dos estimadores dos mínimos quadrados.

  Mas as variâncias dos estimadores das variâncias são viesados.

  B) Com multicolinearidade, a variância do estimador de Y aumenta. Portanto, a eficiência do estimador diminui. MAS se a multicolinearidade for pouca, não necessariamente os estimadores serão ineficientes.

  C) Não sei. Pra mim, tah certo.

  D) Não! A esperança não tem a ver com a independência.

  E) Sim! Pelo método da máxima verossimilhança, um estimador de sig² = (sum(yi-^B0 - ^B1 xi)²)/n, que é um estimador não viesado de sig². Lembrando que erro~N(0,sig²)