Questões sobre Regressão

• A. não é significante aos 3 níveis usuais: α = 0,01, α = 0,05, α = 0,1
• B. é significante aos 3 níveis usuais: α = 0,01, α = 0,05, α = 0,1
• C. é significante aos níveis α = 0,05 e 0,1, mas não ao nível α = 0,01
• D. é significante ao nível α = 0,1, mas não aos níveis α = 0,01 e α = 0,05
• E. é significante aos níveis α = 0,01 e 0,05, mas não ao nível α = 0,1

Um modelo de regressão linear com intercepto e 2 variáveis explicativas foi ajustado a uma amostra de tamanho 43, fornecendo coeficiente de determinação R² =0,8. O valor da estatística F que permite testar a significância deste modelo é

• A. 40
• B. 80
• C. 86
• D. 160
• E. 164

Considere que seja estimado um modelo de regressão linear entre duas séries temporais econômicas: inflação e taxa de juros. Sabe-se que estas séries são não estacionárias de ordem um e cointegradas. A respeito desta situação, considere as afirmativas a seguir.

I - O teste t de Student é aplicável, na forma usual.

II - Há risco de os resultados obtidos serem espúrios.

III - Os resíduos desta regressão serão estacionários.

É correto o que se afirma em

• A. II, apenas.
• B. I e II, apenas.
• C. I e III, apenas.
• D. II e III, apenas.
• E. I, II e III.

• A. 10
• B. 20
• C. 30
• D. 40
• E. 50

Para estimar de forma eficiente modelos de regressão linear na presença de autocorrelação serial, um método adequado é o de

• A. mínimos quadrados ordinários.
• B. mínimos quadrados em dois estágios.
• C. mínimos quadrados generalizados.
• D. mínimos quadrados indiretos.
• E. variáveis instrumentais.

Uma empresa de transporte de cargas deseja expandir seus negócios e para isso fez um levantamento acerca das 48 empresas concorrentes. Foi considerado um modelo de regressão linear múltipla, em que a variável dependente Y representa o faturamento dessas empresas, havendo três variáveis explicativas — X₁, X₂ e X₃ — que representam um perfil dessas concorrentes. O ajuste foi efetuado por mínimos quadrados ordinários e os resultados são mostrados na tabela acima. Com base nessas informações, julgue os itens subsecutivos.

Em regressão linear múltipla, o ideal é que as variáveis X₁, X₂ e X₃ sejam altamente correlacionadas duas a duas.

• C. Certo
• E. Errado

Foi usada a técnica de minimizar a soma dos erros quadráticos para ajustar a reta de regressão, a qual

• A.

  passa por  são as médias de X e de Y.

• B.

  passa pela origem (0, 0).

• C.

  não é a única reta que minimiza a soma dos erros quadráticos

• D.

  tem variância esperada nula.

• E.

  tem coeficiente angular necessariamente negativo.

As principais motivações para usar estimadores de razão e regressão são:

• A.

  estimação sem vício de totais e médias e calibração.

• B.

  estimação de razões populacionais e de parâmetros de modelos de regressão.

• C.

  simplicidade de implementação e estimação sem vício das variâncias.

• D.

  calibração e ausência de um cadastro das unidades populacionais.

• E.

  calibração e ganho de eficiência estatística na estimação de totais e médias.

Dentre os itens abaixo, identifique as premissas básicas para o modelo de regressão.

I - Linearidade do fenômeno medido

II - Variância não constante dos termos de erro (heterocedasticidade)

III - Normalidade dos erros

IV - Erros correlacionados

V - Presença de colinearidade

São premissas APENAS os itens

• A.

  I e III.

• B.

  II e III.

• C.

  I, III e IV.

• D.

  I, III e V.

• E.

  I, II, III e V.

Ajustou-se um modelo de regressão linear simples a dados provenientes de alguns experimentos executados por um fabricante de concreto, com o objetivo de determinar de que forma e em que medida a dureza de um lote de concreto depende da quantidade de cimento usada para fazê-lo. Quarenta lotes de concreto foram feitos com quantidades diferentes de cimento na mistura, e a dureza de cada lote foi medida após sete dias. Sabendo-se que

o coeficiente de determinação é, aproximadamente,

• A.

  0

• B.

  0,064

• C.

  0,5

• D.

  0,94

• E.

  14,38