SóProvas


ID
2618152
Banca
CESPE / CEBRASPE
Órgão
STM
Ano
2018
Provas
Disciplina
Matemática
Assuntos

Considerando um modelo de regressão linear com erros heteroscedásticos, julgue o item seguinte.


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.

Alternativas
Comentários
  • GABARITO ERRADO

    Heteroscedasticidade é a violação da hipótese de homoscedasticidade. Homoscedasticidade corresponde a hipótese de que a variância dos erros é constante.

    Ex.: curva de aprendizagem

    Ao analisar-se, por exemplo, um iniciante comete muitos mais erros em comparação com aqueles que já têm uma certa experiência em digitar.

    À medida que aumenta experiência com a digitação diminui a quantidade de erros.

    Para detectar a existência da heteroscedasticidade existem vários testes. Utiliza-se o teste de Goldfeld-Quandt quando se conhece a variável causadora do problema. Mas, o mais usado é aquele no qual não se conhece a variável causadora do problema.

    Como é solucionado o problema de heteroscedasticidade ?

    -> Quando variância for conhecida: usar-se o método dos mínimos quadrados ponderados, pois os estimadores obtidos por está técnica são BLUE.

    -> Quando a variância não for conhecida: deverá ser usado variância e erros-padrão consistentes, em heteroscedasticidade de white. Diz-se corrigido pela matriz de white.

  • Passos para efetuar o teste de White

    1- Estimar os resíduos do ajuste de Mínimos Quadrados Ordinários (MQO) para o modelo original de Regressão Linear Múltipla (RLM);

    2- Ajustar um modelo auxiliar relacionando o quadrado dos resíduos às variáveis independentes

    do modelo original, seus quadrados e produtos cruzados;

    3- Calcular a estatística Linear Múltipla pelo produto do número de observações e o R2 do ajuste auxiliar;

    4- Calcular o valor p associado à estatística em uma distribuição Xi quadrado com regressão linear dado pelo número de

    variáveis explanatórias do ajuste auxiliar.