EPGE / FGV

Econometria I - Graduao
Perodo 2008.1
Exerccios de Econometria da ANPEC 1993-2008
Ilton G. Soares
24 de fevereiro de 2008
Sumrio
1 Econometria 5
1.1 ANPEC 2008 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1 QUESTO 06 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.2 QUESTO 07 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 ANPEC 2007 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.1 QUESTO 04 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.2 QUESTO 05 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.3 QUESTO 08 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.4 QUESTO 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3 ANPEC 2006 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3.1 QUESTO 06 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3.2 QUESTO 08 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3.3 QUESTO 09 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4 ANPEC 2005 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4.1 QUESTO 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4.2 QUESTO 11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.4.3 QUESTO 12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4.4 QUESTO 14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.5 ANPEC 2004 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.5.1 QUESTO 11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.5.2 QUESTO 14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.6 ANPEC 2003 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.6.1 QUESTO 06 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.6.2 QUESTO 07 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.7 ANPEC 2002 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.7.1 QUESTO 09 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.7.2 QUESTO 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.8 ANPEC 2001 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.8.1 QUESTO 09 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1
1.8.2 QUESTO 11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.8.3 QUESTO 12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.9 ANPEC 2000 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.9.1 QUESTO 06 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.9.2 QUESTO 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.9.3 QUESTO 11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.10 ANPEC 1999 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.10.1 QUESTO 02 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.10.2 QUESTO 04 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.10.3 QUESTO 05 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.11 ANPEC 1998 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.11.1 QUESTO 13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.12 ANPEC 1997 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.12.1 QUESTO 14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.12.2 QUESTO 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.13 ANPEC 1996 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.13.1 QUESTO 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.14 ANPEC 1995 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.14.1 QUESTO 05 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.14.2 QUESTO 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
1.15 ANPEC 1994 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
1.15.1 QUESTO 04 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
1.15.2 QUESTO 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
1.16 ANPEC 1993 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
1.16.1 QUESTO 03 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
1.16.2 QUESTO 07 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
1.16.3 QUESTO 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2 Modelos de Equaes Simultneas 44
2.1 ANPEC 2008 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.1.1 QUESTO 09 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.2 ANPEC 2007 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.2.1 QUESTO 12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.3 ANPEC 2006 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.3.1 QUESTO 07 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.4 ANPEC 2005 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.4.1 QUESTO 08 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.5 ANPEC 2004 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.5.1 QUESTO 07 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2
2.6 ANPEC 2003 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.6.1 QUESTO 08 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.7 ANPEC 2002 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.7.1 QUESTO 11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.8 ANPEC 2001 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.8.1 QUESTO 08 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.9 ANPEC 1998 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.9.1 QUESTO 14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3 Sries Temporais 54
3.1 ANPEC 2008 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.1.1 QUESTO 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.1.2 QUESTO 11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.1.3 QUESTO 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.2 ANPEC 2007 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.2.1 QUESTO 03 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.2.2 QUESTO 07 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.2.3 QUESTO 09 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.3 ANPEC 2006 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.3.1 QUESTO 11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.3.2 QUESTO 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.4 ANPEC 2005 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.4.1 QUESTO 07 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.4.2 QUESTO 09 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.5 ANPEC 2004 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3.5.1 QUESTO 09 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3.5.2 QUESTO 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.6 ANPEC 2003 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.6.1 QUESTO 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.6.2 QUESTO 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.7 ANPEC 2002 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.7.1 QUESTO 12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.8 ANPEC 2001 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.8.1 QUESTO 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.9 ANPEC 2000 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3.9.1 QUESTO 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3.10 ANPEC 1999 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.10.1 QUESTO 01 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.11 ANPEC 1998 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3
3.11.1 QUESTO 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
A Gabaritos 73
B Programa da prova de Estatstica - ANPEC 77
C Tabela Distribuio Normal Padro 78
4
Captulo 1
Econometria
1.1 ANPEC 2008
1.1.1 QUESTO 06
Um econometrista estimou o seguinte modelo de regresso para explicar a renda de 526 indivduos:
log (rc:da) = 0, 10
(0,099)
0, 810
(0,036)
qc:cro 0, 080
(0,03)
cdnc 0, 080
(0,005)
crjcr 0, 001
(0,00010)
crjcr
2
n
1
2
= 0, 441, : = 26,
em que qc:cro uma varivel dicotmica (=1 se mulher, =0, caso contrrio), cdnc o nmero de anos
gastos com educao, crjcr a experincia prossional do indivduo, medida em anos. Os desvios
padres dos coecientes esto entre parnteses. Com base nesses resultados, julgue as armativas:
(0) O efeito de um ano a mais de experincia prossional na renda mdia de um indivduo do sexo
masculino 0,030 unidades monetrias.
(1) As mulheres recebem salrios 31% mais baixos que os dos homens, em mdia.
(2) De acordo com o modelo estimado, a hiptese de que o efeito mdio de um ano a mais de educao
na renda dos indivduos seja diferente de 10% rejeitada ao nvel de signicncia de 5%.
(3) Se \ (n[qc:cro, cdnc, crjcr) = a
2
/
2
cdnc, ento os estimadores de mnimo quadrados so ten-
denciosos. Nota: \ (n[A) a varincia de n condicionada a A, a e / so parmetros.
(4) Em uma regresso do resduo n em funo de educao e gnero, o 1
2
ser alto.
Soluo
5
1.1.2 QUESTO 07
Considere a regresso mltipla:
j = ,
0
,
1
r
1
,
2
r
2
,
3
r
3
n
cujos parmetros tenham sido estimados pelo mtodo dos mnimos quadrados ordinrios. Julgue as
armativas:
(0) Se 1 (n[r
1
, r
2
, r
3
) = 0 e o modelo no perfeitamente colinear, ento os estimadores no so
viesados.
(1) Se o 1
2
= 1, ento o j uma combinao linear de r
1
, r
2
e r
3
.
(2) O 1
2
ajustado aumenta ao se incluir uma varivel adicional, caso tal varivel seja signicativa ao
nvel de 5%.
(3) Se o modelo satisfaz as hipteses do teorema de Gauss-Markov, ento

,
1
o estimador linear no
viesado de ,
1
com menor varincia possvel.
(4) Se omitirmos r
3
da regresso, os estimadores de ,
0
, ,
1
e ,
2
podem ser viesados.
Soluo
6
1.2 ANPEC 2007
1.2.1 QUESTO 04
Considere o modelo de regresso mltipla: '
t
= c ,
1
1

t
,
2
1

t
n
t
, em que '
t
a demanda real
por moeda, 1

t
a renda real esperada, 1

t
a taxa de juros esperada e n
t
o erro aleatrio com
mdia zero e varincia constante. Nem 1

t
, nem 1

t
so observveis, ms podem ser construdas da
seguinte forma:
1

t
=
1
1

t1
(1
1
) 1
t1
, 0 <
1
< 1
1

t
=
1
1

t1
(1
2
) 1
t1
, 0 <
2
< 1
Seja 1 o operador defasagem tal que 1A
t
= A
t1
. 1
t
e 1
t
so a renda real e a taxa de juros
observadas no instante t. correto armar que:
(0) O modelo, em sua verso observvel, : '
t
= c
o
1
(1
1
)
1
1
1
1
t1

o
2
(1
2
)
1
2
1
1
t1
n
t
.
(1) necessria uma tcnica de estimao no linear para o modelo observvel.
(2) O modelo linear nos parmetros. Portanto, a tcnica de mnimos quadrados ordinrios deve ser
utilizada para a estimao.
(3) O modelo observvel apresenta erros autocorrelacionados.
(4) O modelo observvel apresenta heteroscedasticidade.
Soluo
7
1.2.2 QUESTO 05
Considere os seguintes modelos para taxa de juros de determinado pas
Modelo I: i
t
= c
0
c
1
i
t1
c
2

t
c
3

t1
c
4
/
t
c
5
/
t1
n
t
n
t
= jn
t1
c
t
Modelo II: i
t
= c
0
c
1

t
c
2
/
t
n
t
n
t
= jn
t1
c
t
em que i
t
a taxa de juros,
t
a taxa de inao, /
t
o hiato do produto e c
t
um rudo branco
com mdia zero e varincia constante. Todas as variveis so estacionrias de segunda ordem. Julgue
as armaes:
(0) Mesmo que j ,= 0, os estimadores de mnimos quadrados ordinrios dos parmetros c
i
, i = 1, ..., ,
no modelo I, continuaro consistentes.
(1) Mesmo que j ,= 0, os estimadores de mnimos quadrados ordinrios dos parmetros c
i
, i = 1, 2,
no modelo II, continuaro consistentes.
(2) Suponha que j ,= 0 nos dois modelos. A estatstica t usual no ser vlida no Modelo I, mas
poder ser utilizada no Modelo II sem problema algum.
(3) Suponha que j ,= 0 nos dois modelos. As estatsticas t e 1 usuais s sero vlidas se os estimadores
de mnimos quadrados ordinrios dos parmetros foram consistentes.
(4) No Modelo II, os estimadores de mnimos quadrados ordinrios dos parmetros c
i
, i = 1, 2, no
sero ecientes caso j ,= 0.
Soluo
8
1.2.3 QUESTO 08
Julgue as armativas:
(0) Heteroscedasticidade ocorre quando o erro aleatrio em um modelo de regresso correlacionado
com uma das variveis explicativas.
(1) Quando o erro aleatrio em um modelo de regresso correlacionado com alguma varivel explica-
tiva, os estimadores de mnimos quadrados no so consistentes.
(2) Na presena de heteroscedasticidade, estimadores de mnimos quadrados ordinrios so inecientes.
(3) Os testes t e 1 usuais no so vlidos na presena de heteroscedasticidade.
(4) Na presena de heteroscedasticidade, estimadores de mnimos quadrados ordinrios so no viesa-
dos, mas so inconsistentes.
Soluo
9
1.2.4 QUESTO 15
A regresso abaixo foi estimada com o objetivo de explicar a diferena de salrios entre homens e
mulheres. As seguintes variveis foram utilizadas:
sal = salrio mdio por hora, em Reais;
homecas = 1 se homem e casado; =0 caso contrrio
mulhcas = 1 se mulher e casada; =0 caso contrrio
mulhsol = 1 se mulher e solteira; =0 caso contrrio
edu = nmero de anos de educao formal;
exper = nmero de anos de experincia prossional;
empre = nmero de anos com o atual empregador.
Entre parnteses encontram-se os erros-padro calculados por Mnimos Quadrados Ordinrios
(MQO).
\
log (:a|) = 0, 800 0, 200/o:cca: 0, 200:n|/ca: 0, 100:n|/:o| 0, 0800cdn
(0, 100) (0, 0) (0, 00) (0, 00) (0, 006)
0, 0200crjcr 0, 0800c:jrc
(0, 00) (0, 006)
Suponha que um indivduo do sexo masculino, com 15 anos de experincia prossional, se case.
Ceteris Paribus, qual a variao percentual esperada no seu salrio dois anos aps seu casamento em
relao ao seu salrio de solteiro? Suponha que o nmero de anos de educao formal do indivduo
no se tenha alterado e que ele no tenha trocado de emprego.
Soluo
10
1.3 ANPEC 2006
1.3.1 QUESTO 06
Julgue as armativas. A respeito dos estimadores de Mnimos Quadrados Ordinrios (MQO), em um
modelo de regresso linear mltipla:
(0) Se a varincia do erro no for constante, as estimativas dos parmetros sero no-viesadas.
(1) Se 1(-) ,= 0, os estimadores de todos os parmetros, com exceo do intercepto, sero viesados.
(2) Se o erro no seguir a distribuio Normal as estimativas por MQO so consistentes.
(3) Sob as hipteses do modelo de regresso clssica, com erros na forma de rudo branco com dis-
tribuio Normal, os estimadores de MQO sero os mais ecientes possveis.
(4) A presena de colinearidade imperfeita entre as variveis explicativas gera estimadores viesados..
Soluo
11
1.3.2 QUESTO 08
Em um modelo de regresso mltipla, com erros que seguem uma distribuio Normal, identique se
os itens so corretos:
(0) Os testes de heterocedasticidade de Breush-Pagan e de White podem ser calculados mediante
regresses auxiliares com os quadrados dos resduos.
(1) Caso a forma funcional da heterocedasticidade seja conhecida, mnimos quadrados ponderados,
estimados de modo interativo, sero menos ecientes que o estimador de Mxima Verossimilhana.
(2) Empiricamente no h como distinguir um modelo de expectativas adaptativas de primeira ordem
de um modelo de ajustamento parcial de primeira ordem.
(3) Se houver uma varivel dependente defasada entre as variveis explicativas, o teste apropriado para
a autocorrelao de primeira ordem dos resduos o / de Durbin, e no o teste de Breush-Godfrey.
(4) Os mtodos de estimao do coeciente de autocorrelao Cochrane-Orcutt e Durbin so diferentes
em pequenas amostras.
Soluo
12
1.3.3 QUESTO 09
O mtodo dos mnimos quadrados ordinrios foi empregado para estimar o modelo de regresso abaixo,
cujo objetivo explicar as variaes de renda entre 526 indivduos de uma amostra aleatria:
|:(rc:da) = 0, 862 0, 004cdnc 0, 014crjcr 0, 178:cro 0, 010crjcr :cro n
(0, 128) (0, 008) (0, 002) (0, 08) (0, 002)
12 = 0, 868 : = 26
em que :cro uma varivel dicotmica (valor 1, se for mulher e 0, caso contrrio), cdnc o nmero
de anos de escolaridade (0 < cdnc < 17), crjcr so anos de experincia prossional (0 < crjcr < 40)
e n a estimativa do erro. Os nmeros entre parnteses so os erros-padro das estimativas, robustos
heterocedasticidade. Com base nos resultados acima, correto armar:
(0) Ao nvel de signicncia de /, o efeito de um ano a mais de experincia prossional para indivduos
do sexo masculino estatisticamente maior do que o efeito para mulheres.
(1) Para um indivduo com 10 anos de escolaridade, 1 ano adicional de estudo acarreta um aumento
da renda de aproximadamente 0/.
(2) O efeito na renda de um aumento de 1 ano na experincia prossional para as mulheres 1/
menor do que para os homens.
(3) Pela inspeo dos resultados da estimao ca claro que os erros do modelo so heterocedsticos.
(4) Se a um nvel de signicncia de /, o valor crtico do teste 1 para a regresso for 2, 87, os
coecientes angulares sero conjuntamente diferentes de zero.
Soluo
13
1.4 ANPEC 2005
1.4.1 QUESTO 10
A respeito do modelo de regresso mltipla:
1
i
= ,
0
,
1
A
1i
,
2
A
2i
c
i
em que c
i
tem mdia zero e varincia o
2
, so corretas as armativas:
(0) No caso de uma forte colinearidade entre A
1i
e A
2i
, tende-se a aceitar a hiptese nula de que
,
2
= 0, pois a estatstica t subestimada.
(1) Se os erros so autocorrelacionados, ainda assim os estimadores de Mnimos Quadrados Ordinrios
de ,
1
e ,
2
so lineares e no tendenciosos.
(2) Se os erros so heterocedsticos, ainda assim os testes usuais t e 1 podem, sem prejuzo algum,
ser empregados para se testar a signicncia dos parmetros do modelo, caso estes sejam estimados
por Mnimos Quadrados Ordinrios.
(3) Erros de medida da varivel dependente reduzem as varincias dos estimadores de Mnimos Quadra-
dos Ordinrios de

,
1
e

,
2
.
(4) A omisso da varivel explicativa relevante, A
2
, para explicar a varivel dependente, 1
i
, torna a
estimativa dos coecientes ,
0
e ,
1
tendenciosa e inconsistente, se somente se, a varivel omitida A
2
,
for correlacionada com a varivel includa, A
1
.
Soluo
14
1.4.2 QUESTO 11
dada a seguinte funo de produo para determinada indstria:
ln(1
i
) = ,
0
,
1
ln(1
i
) ,
2
ln(1
i
) n
i
,
em que 1 o valor adicionado por rma (em reais), 1 o trabalho empregado, 1 o valor do
capital (em reais) e n o termo aleatrio. Uma amostra aleatria de 27 observaes leva s seguintes
estimativas:
ln(1
i
) = ,
0
,
1
ln(1
i
) ,
2
ln(1
i
) n
i
oQ1 =
27

i=1
n
2
i
= 0, 84
1
2
= 0, 76
So corretas as armativas:
(0) Se 1 passasse a ser medido em mil reais, somente o valor estimado do intercepto da regresso seria
alterado.
(1) Ao nvel de /, os coecientes associados ao trabalho e ao capital so conjuntamente iguais a zero.
(2) Se o desvio padro do estimador de ,
2
for 0,0854, o intervalo de conana a 95% para o efeito
sobre 1 de um aumento de 1% no estoque de capital ser
0,950,3856
0,0854
.
(3) Os valores estimados permitem concluir que, para aquela indstria, a produtividade marginal do
trabalho menor que a produtividade mdia do mesmo fator.
(4) Qualquer outra forma funcional que leve a um 1
2
maior que 0,76 ser prefervel utilizada.
Soluo
15
1.4.3 QUESTO 12
Um pesquisador estima o seguinte modelo de regresso simples: 1
i
= ,
0
,
1
A
i
c
i
. Outro pesquisador
estima o mesmo modelo, mas com escalas diferentes para 1
i
e A
i
. O segundo modelo : 1

i
=
,

0
,

1
A

i
c
i
, em que: 1

i
= n
1
1
i
, A

i
= n
2
A
i
e n
1
e n
2
so constantes maiores que zero.
(0) Os estimadores de Mnimos Quadrados Ordinrios de ,
0
e ,
1
so iguais aos de ,

0
e ,

1
.
(1) Se o
2
a varincia estimada de c

i
e o
2
a varincia estimada de c
i
, ento o
2
= n
2
1
o
2
.
(2) As varincias dos estimadores dos parmetros do primeiro modelo so maiores do que as varincias
dos estimadores do segundo modelo.
(3) Os coecientes de determinao so iguais nos dois modelos.
(4) A transformao de escala de (1
i
, A
i
) para (1

i
, A

i
) no afeta as propriedades dos estimadores de
Mnimos Quadrados Ordinrios dos parmetros.
Soluo
16
1.4.4 QUESTO 14
Considere o seguinte modelo para a populao: 1 = 2 4A 7 n, em que n o termo aleatrio e
1 (n[A, 7) = 1 (n) = 0. A partir de uma amostra de : indivduos, estimaram-se os parmetros deste
modelo, tendo, todavia, sido omitida a varivel 7. Ou seja, o modelo estimado foi:

1
i
=

0
0

0
1
A
i
.
Suponha ainda que, para amostra em questo, tenham sido obtidos os seguintes resultados:
n
P
i=1
(Z
i
Z)(A
i
A)
n
P
i=1
(A
i
A)
2
= 0, 7, em que A =
1
a
a

i=1
A
i
e 7 =
1
a
a

i=1
7
i
.
Calcule 1
_

0
1
[A
_
. Multiplique o resultado por 10.
Soluo
17
1.5 ANPEC 2004
1.5.1 QUESTO 11
Considere o modelo de regresso linear mltipla para dados seccionais:
j
i
= ,
0
,
1
r
1i
,
2
r
2i
... ,
I
r
Ii
n
i
, i = 1, ..., :.
correto armar que:
(0) Para que os estimadores de mnimos quadrados sejam lineares no-tendeciosos de menor varincia
(BLUE) necessrio que os erros sejam homocedsticos.
(1) A hiptese que \ ar (n
i
[r
1i
, r
2i
, ..., r
ki
) = o
2
, necessria para que os estimadores de mnimos
quadrados sejam no-tendenciosos.
(2) As estatsticas t e 1 continuam vlidas assintoticamente mesmo que os erros da regresso sejam
heterocedsticos.
(3) Se Co (r
1i
, r
3i
) ,= 0, os estimadores de mnimos quadrados ordinrios da regresso j
i
= ,
0

,
1
r
1i
,
2
r
2i
... ,
I
r
Ii
n
i
, i = 1, ..., :, sero consistentes.
(4) Se Co (r
1i
, r
3i
) = 0 os estimadores de mnimos quadrados ordinrios da regresso j
i
= ,
0

,
1
r
1i
,
2
r
2i
... ,
I
r
Ii
n
i
, i = 1, ..., :, sero consistentes.
Soluo
18
1.5.2 QUESTO 14
Um pesquisador estimou uma regresso mltipla com variveis independentes e : = 6, mas na
pressa, no imprimiu os resultados e anotou apenas o valor do 1
2
= 0, 00, o coeciente de determi-
nao. Este pesquisador precisa vericar se a regresso signicante. Ajude-o, calculando o valor da
estatstica do teste a ser empregado.
Soluo
19
1.6 ANPEC 2003
1.6.1 QUESTO 06
Considere o modelo de regresso linear mltipla para dados seccionais
j
i
= ,
0
,
1
r
1i
,
2
r
2i
... ,
I
r
Ii
n
i
, i = 1, ..., :.
correto armar que:
(0) para que os estimadores de mnimos quadrados sejam os melhores estimadores lineares no-
tendeciosos necessrio que os erros sejam normalmente distribudos;
(1) a hiptese que \ ar (n
i
[r
1i
, r
2i
, ..., r
ki
) = o
2
, i = 1, ..., :, no necessria para que os estimadores
de mnimos quadrados sejam consistentes;
(2) a incluso de uma nova varivel explicativa no modelo reduzir o coeciente de determinao 1
2
;
(3) para que as estatsticas t e 1 sejam vlidas assintoticamente necessrio que os erros sejam
normalmente distribudos;
(4) se Co (r
1i
, r
3i
) ,= 0, i = 1, ..., : os estimadores de mnimos quadrados ordinrios da regresso
j
i
= ,
0
,
1
r
1i
,
2
r
2i
... ,
I
r
Ii
n
i
, i = 1, ..., : sero tendenciosos.
Soluo
20
1.6.2 QUESTO 07
O mtodo dos mnimos quadrados ordinrios foi empregado para estimar o modelo de regresso abaixo,
cujo objetivo explicar as variaes de renda entre 26 indivduos:
log (rc:da) = 0, 417 0, 207:cro 0, 080cdnc 0, 020crjcr 0, 0008crjcr
2
n
(0,099) (0,036) (0,007) (0,005) (0,00010)
1
2
= 0, 441 : = 26
em que :cro uma varivel dicotmica (valor 1, se for homem e 0, caso contrrio), cdnc o nmero
de anos de escolaridade, crjcr experincia prossional, tambm medida em anos. Os nmeros entre
parnteses so os erros-padro das estimativas (o
b
i
i = 0, 1, ..., 4). Com base nos resultados acima,
correto armar:
(0) a regresso no estatisticamente signicante pois o coeciente de determinao menor do que
0, ;
(1) a diferena de renda entre homens e mulheres no estatisticamente signicante;
(2) um ano a mais de escolaridade, mantidos constantes todos os demais fatores, aumenta em 0, 08/
a renda de um indivduo do sexo feminino;
(3) a signicncia conjunta das variveis cdnc e crjcr no pode ser medida por meio da estatstica t.
Para isto, o teste 1 deve ser utilizado;
(4) o modelo incapaz de captar diferenas nos retornos da educao entre homens e mulheres.
Soluo
21
1.7 ANPEC 2002
1.7.1 QUESTO 09
Pode-se armar sobre o modelo de regresso linear clssico j
t
= ,
1
,
2
r
t
n
t
(0) A reta de regresso passa pelas mdias amostrais de j e r, mesmo que o modelo no tenha
intercepto.
(1) Na presena de heterocedasticidade, o estimador de MQO viesado e no se pode conar nos
procedimentos de testes usuais (1 e t), j que o estimador alm de viesado, ineciente.
(2) Na presena de autocorrelao dos resduos, os estimadores de MQO so no viesados e consistentes.
(3) Quanto maior for a variao da varivel explicativa, maior ser a preciso com que o coeciente
angular pode ser estimado.
(4) Se 1
2
(coeciente de determinao) for zero, ento a melhor previso para um valor de y sua
mdia amostral.
Soluo
22
1.7.2 QUESTO 10
correto armar a respeito do modelo de regresso linear clssico multivariado: 1 = A -, com :
observaes e / 2 variveis explicativas, incluindo-se o intercepto.
(0) Os coecientes de inclinao no se alteram quando se modicam as unidades de medida de 1
e A multiplicando-os por uma constante, por exemplo, transformando-se seus valores de reais para
dlares.
(1) Se o modelo for estimado com apenas / 1 variveis explicativas (mas mantendo o intercepto), os
coecientes estimados podero ser viesados e inconsistentes.
(2) Quando os coecientes
0
: estimados forem altamente signicativos, individualmente, mas a es-
tatstica 1 e o 1
2
indicarem que o modelo como um todo tem um baixo poder explicativo, pode-se
desconar da presena de multicolinearidade.
(3) Para testar a hiptese conjunta de que
2
=
3
= ... =
I
= 0, pode-se utilizar o teste
1
c;(I1),(aI)
=
1
2
(I1)
[(11
2
)(aI)]
, em que 1
2
o coeciente de determinao do modelo.
(4) Sempre que o modelo tiver pelo menos duas variveis explicativas alm do intercepto, o 1
2
ser
maior ou igual ao 1
2
ajustado.
Soluo
23
1.8 ANPEC 2001
1.8.1 QUESTO 09
A partir de uma amostra de : elementos, foi estimada uma regresso linear simples, pelo mtodo de
mnimos quadrados, obtendo-se os resultados:

1
t
= c

,
1
A
t
c ,= 0
1
2
1
= 1
1
A seguir, a mesma regresso foi estimada sabendo-se que a reta de regresso da populao passa
pela origem das coordenadas (termo constante = 0), obtendo-se os resultados:

1
t
=

,
2
A
t
1
2
2
= 1
2
Pode-se armar que:
(0)

,
1
=

,
2
(1) o
b
o
2
_
desvio padro de

,
2
_
< o
b
o
1
_
desvio padro de

,
1
_
(2) A reta

,
2
A passa pelo ponto mdio da amostra (A, 1 )
(3) (12,11) 1
(4) A soma dos resduos de mnimos quadrados de ambas equaes estimadas zero.
Soluo
24
1.8.2 QUESTO 11
Um econometrista estimou uma funo consumo usando 2 observaes anuais da renda pessoal
disponvel e consumo, a partir do modelo:
C
t
= ,
1
,
2
1
t
n
t
, em que:
C
t
= consumo em t; 1
t
= renda pessoal disponvel em t; n
t
= erro aleatrio.
Os resultados indicaram parmetros signicativos a /, coeciente de determinao de 0, 04 e d
de Durbin-Watson 0, 421. Com base nesses nmeros, o econometrista fez o teste de Dickey-Fuller
aumentado (ADF) para as sries de renda e de consumo, obtendo estimativas de t menores que os
valores crticos de t tabelados, a 1/, / e 10/.
Conseqentemente, o econometrista:
(0) Aceitou a hiptese nula do teste ADF, concluindo que as sries de renda e consumo so no-
estacionrias;
(1) Concluiu que os testes t e 1 no so vlidos.
(2) Concluiu que o teste t no vlido.
(3) Concluiu que a regresso estimada espria.
(4) Necessita fazer mais outros testes para vericar se a regresso estimada espria.
Soluo
25
1.8.3 QUESTO 12
No modelo clssico de regresso linear: 1
i
= ,
1
,
2
A
i
n
i
(0) A hiptese de que o erro normalmente distribudo necessria para que os estimadores de
mnimos quadrados ordinrios tambm sejam normalmente distribudos.
(1) Se a hiptese co (n
i
, n
)
[ A
i
, A
)
) = 0, i ,= , for violada, os estimadores de mnimos quadrados
ordinrios sero viesados e no ecientes.
(2) As hipteses de que o erro normalmente distribudo e de que co (n
i
, n
)
[ A
i
, A
)
) = 0, i ,= ,
asseguram que n
i
e n
)
se distribuem independentemente.
(3) A hiptese \ ar (n
i
[ A
i
) = o
2
necessria para que os estimadores de mnimos quadrados or-
dinrios sejam no tendenciosos.
(4) Os estimadores de mnimos quadrados de ,
1
e ,
2
podem ser escritos como combinaes lineares
das observaes 1
i
.
Soluo
26
1.9 ANPEC 2000
1.9.1 QUESTO 06
Seja o modelo de regresso linear clssico com duas variveis explicativas A
2
e A
3
: 1 i = ,
1
,
2
A
2i

,
3
A
3i
n
i
. correto armar que:
(0) Se a correlao entre A
2
e A
3
zero, ento o estimador de mnimos quadrados ordinrios (MQO)
de ,
2

P
i
(A
2i
A
2)(Y
i
Y )
P
i
(A
2i
A
2)
2
.
(1) Mesmo que a correlao entre A
2
e A
3
seja igual unidade, pode-se estimar ,
2
c,
3
, em que c
uma constante conhecida.
(2) A ecincia relativa dos estimadores de MQO, dentro da classe dos estimadores lineares no
viesados, garantida pelo Teorema de Gauss Markov, necessita da hiptese de normalidade do erro
(n
i
).
(3) Se o erro (n
i
) heterocedstico, os estimadores de MQO sero viesados.
(4) Se as variveis explicativas so estocsticas, porm no correlacionadas com o erro (n
i
), ento, os
estimadores dos parmetros do modelo so no-viesados.
Soluo
27
1.9.2 QUESTO 10
O seguinte modelo de regresso foi estimado utilizando-se dados trimestrais entre 1070 e 1008, inclusive:

1
i
= 2.20 0.104A
2i
A soma total explicada foi 100, . Quando esta equao foi re-estimada, adicionando-se trs dummies
sazonais, a soma total explicada aumentou para 114, e a soma do quadrado dos resduos foi igual a
20, 00. Suponha que deseja-se testar se a sazonalidade signicativa. Calcule a estatstica de teste
adequada.
Soluo
28
1.9.3 QUESTO 11
Considere o seguinte modelo de regresso linear clssico, relacionando as variveis quantidade deman-
dada (Q) e preo do produto (1). Admita que as duas variveis sejam medidas em Reais, e que a
estimao ser efetuada por MQO (ln logaritmo natural)
lnQ
i
= ,
1
,
2
ln1
i
n
i
i = 1, 2, ..., 100.
correto armar que:
(0) Variando-se o preo em 1/, a quantidade demandada variar 10,
2
/, ceteris paribus.
(1) Ignorando-se o termo aleatrio, se o preo ultrapassar determinado limite, ser possvel obter
quantidades demandadas negativas.
(2) Se mudarmos as unidades de Q e 1 para dlares americanos, ento a estimativa de ,
2
na nova
equao ser igual a sua estimativa obtida na equao em Reais.
(3) Se a varivel ln1 (1 =renda) for acrescentada ao modelo o coeciente 1
2
desta nova regresso
ser maior ou igual ao coeciente 1
2
da regresso original.
(4) Se o coeciente 1
2
ajustado da regresso com a varivel ln1 for maior do que o coeciente
1
2
ajustado da regresso original, ento necessariamente, o coeciente de ln1 estatisticamente
signicante, ao nvel de signicncia de /, em um teste bilateral.
Soluo
29
1.10 ANPEC 1999
1.10.1 QUESTO 02
Uma srie temporal mensal de trs anos, de janeiro de 100 a dezembro de 1007, para o preo do
produto agrcola 1 , apresentou a seguinte tendncia linear 1 = 8 0, 2A. Estime o preo do
produto 1 para o ms de janeiro de 1008, sabendo que as variaes sazonais calculadas com base num
modelo aditivo para os trs anos considerados foram:
Ms Jan Fev Mar Abr Maio Jun
Variao sazonal -1,25 -0,52 0,84 1,50 3,00 3,85
Soluo
30
1.10.2 QUESTO 04
Seja o seguinte modelo de regresso linear mltipla na forma matricial:
1 = A, -
onde as dimenses das matrizes e dos vetores envolvidos so: 1 = (:1); A = (:/); , = (/1);
- = (: 1).
Ento, podemos fazer as seguintes armaes:
(0) Um dos pressupostos bsicos do modelo : Os elementos da matriz A so estocsticos com valores
xados em amostras repetidas.
(1) Outro pressuposto bsico : nenhuma das variveis independentes deve estar perfeitamente cor-
relacionada com qualquer outra varivel independente ou com qualquer combinao linear de outras
variveis independentes.
(2) As equaes normais de mnimos quadrados para o modelo dado podem ser apresentadas em
notao matricial como (A
0
1 ) = (A
0
A)

, e a soluo para

, ser

, = (A
0
A)
1
(A
0
1 ).
(3) Quando testamos a existncia do modelo de regresso, fazemos as seguintes hipteses sobre os
coecientes , da regresso (admitindo que ,
1
,= 0, ou seja, a regresso no passa pela origem):
Hiptese nula = H
0
: ,
2
= ,
3
= ... = ,
I
= 0
Hiptese alternativa = H
1
: Todos os ,
i
,= 0, para i = 2, 8, ..., /.
(4) Os intervalos de conana dos coecientes da regresso podem ser calculados da seguinte maneira:
_

,
i
t
aI
.:
b
o
i
;

,
i
t
aI
.:
b
o
i
_
onde

,
i
= estimativa do coeciente ,
i
; t
aI
= abcissa de uma distribuio t" com (: /) graus de
liberdade, xado o grau de conana de intervalo; e :
b
o
i
= erro padro estimado de

,
i
.
Soluo
31
1.10.3 QUESTO 05
Foram encontrados os seguintes resultados para estimar uma regresso linear com duas variveis
explicativas para uma amostra de tamanho 10.
Variveis preditoras Coeciente Desvio padro Estatstica t" p-valor
Constante 223,3 254,8 0,88 0,410
A
1
-1,26 0,8263 -1,52 0,172
A
2
-1,03 3,213 -0,32 0,752
1
2
= 81, 2/; 1
2
ajustado = 76, 1/; Valor calculado da estatstica 1 = 1, 1.
Podemos armar que:
(0) A equao de regresso estimada

1 = 228, 8 1, 26A
1
1, 08A
2
.
(1) A um nvel de signicncia de / podemos armar que a regresso existe. Porm, aps elaborarmos
os testes de hipteses para os coecientes individuais, aceitamos a hiptese (a um nvel de signicncia
de 1/) de que o coeciente para a varivel A
2
zero.
(2) O coeciente de determinao indica que 81, 2/ da variao amostral de 1 podem ser atribudos
as variaes de A
1
e A
2
.
(3) O valor estimado para 1 quando A
1
= 1 e A
2
= 80 220.
(4) Os valores tericos das estatsticas t" utilizadas para testar os coecientes das variveis explicativas
devem ser calculados para 7 graus de liberdade.
Soluo
32
1.11 ANPEC 1998
1.11.1 QUESTO 13
Considere o seguinte modelo de Regresso Linear Multiplo:
1
t
= c ,
1
A
1t
,
2
A
2t
j
t
, t = 1, 2, 8, ..., :
onde 1(j
t
) = 0, \ ar(j
t
) = o
2
j
e A
1t
, A
2t
so sries de valores xos.
(0) Se, A
1t
= A
2t
, ainda assim possvel obter os estimadores de Mnimos Quadrados de c, ,
1
e ,
2
.
(1) Se j
c
e j
t
so independentes para todo t ,= :, ento dentro da classe dos estimadores lineares no
tendenciosos, os estimadores de Mnimos Quadrados de c, ,
1
e ,
2
so os melhores.
(2) Caso A
2t
= 1
t1
na equao acima, e os erros j
t
sejam autocorrelacionados, o estimador de
Mnimos Quadrados de c, ,
1
e ,
2
mantm a propriedade de no-tendenciosidade.
(3) Quando a varincia dos resduos, \ ar(j
t
), varia para cada t, ento os estimadores de Mnimos
Quadrados de c, ,
1
e ,
2
ainda so no tendenciosos mas inecientes.
(4) No caso da existncia de autocorrelao e heterocedasticidade dos resduos, as varincias amostrais
dos estimadores de Mnimos Quadrados de c, ,
1
e ,
2
so tendenciosas, fazendo com que os testes de
hipteses destes parmetros quem comprometidos.
Soluo
33
1.12 ANPEC 1997
1.12.1 QUESTO 14
Considere o seguinte modelo de regresso, em forma matricial, com T observaes amostrais e /
regressores (A):
y
(T1)
= X
(TI)
,
(I1)
-
(T1)
(0) com regressores no-estocsticos, o estimador de mnimos quadrados ordinrios de , uma funo
linear das observaes amostrais.
(1) o estimador de mxima verossimilhana de , requer o pressuposto de mdia zero e de varincia
nita na estrutura de erros, dispensando a especicao de uma distribuio paramtrica da mesma.
(2) o estimador de mxima verossimilhana de , enviesado mas consistente.
(3) os estimadores de mnimos quadrados ordinrios de , e de mxima verossimilhana de coincidem
quando os erros so independentes e identicamente distribudos com distribuio Normal.
(4) caso tenha distribuio multivariada Normal, com mdia zero, e matriz de covarincia dada por
o
2
1
T
, o estimador de mxima verossimilhana de o
2
viesado para amostras nitas.
Soluo
34
1.12.2 QUESTO 15
Uma implementao emprica do modelo de capital humano feita com a seguinte especicao:
ln1
i
= ,
0
,
1
A11
i
,
2
(A11
i
)
2
,
3
o
i
-
i
,
onde 1
i
representa a renda do trabalho do i-simo indivduo, o nmero total de anos de sua escolaridade,

i
sua idade medida em anos, e, A11
i
=
i
o
i
, sua experincia de trabalho, medida pela diferena
entre sua idade e o total de anos de escolaridade. Finalmente, -
i
um distrbio aleatrio do modelo
de regresso associado ao i-simo indivduo de uma amostra de indivduos. Pode-se armar que:
(0) se os erros so independentes e identicamente distribudos, a razo entre os estimadores de mnimos
quadrados ordinrios dos ,: e seus respectivos desvios-padro tm distribuio assinttica Normal.
(1) o sinal do coeciente ,
2
indica a presena de retornos decrescentes ou crescentes experincia de
trabalho.
(2) mesmo em presena de heterocedasticidade na estrutura de erros, o estimador de mnimos quadra-
dos ordinrios consistente.
(3) mesmo em presena de heterocedasticidade na estrutura de erros, o estimador de mnimos quadra-
dos ordinrios relativamente eciente.
Soluo
35
1.13 ANPEC 1996
1.13.1 QUESTO 15
Suponha que, num modelo de regresso linear simples, o regressor (varivel independente) seja cor-
relacionado com o termo erro. Sobre o estimador de 'QO, podemos armar:
(0) , em geral, viesado.
(1) No possvel de ser obtido.
(2) no viesado, porm no eciente.
(3) consistente.
Soluo
36
1.14 ANPEC 1995
1.14.1 QUESTO 05
Seja j
i
= c ,r
i
-
i
uma equao de regresso e sejam a e / estimadores de mnimos quadrados
ordinrios ('QO) de c e ,, respectivamente. Pode-se armar que:
(0) A hiptese de mdia zero do termo aleatrio imprescindvel para que b seja um estimador
no-viesado de ,.
(1) A hiptese de no-autocorrelao dos resduos dignica que r e - so independentes.
(2) A hiptese de que r no-estocstica necessria para que a e b sejam estimadores no-viesados.
(3) Se a hiptese de homoelasticidade for vlida, ento a e / sero estimadores ecientes dentro da
classe dos estimadores lineares no-viesados.
(4) A hiptese de normalidade do termo aleatrio necessria para garantir a ecincia dos estimadores
de 'QO dentro da classe dos estimadores lineares no viesados.
Soluo
37
1.14.2 QUESTO 15
Em um modelo clssico de regresso linear mltipla:
(0) Uma das hipteses estabelece que as variveis explicativas so linearmente independentes.
(1) Os testes t e 1 no so equivalentes.
(2) A comparao do poder explicativo de modelos envolvendo nmero diferente de variveis explica-
tivas deve ser feita com base no 1
2
ajustado.
(3) Cada uma das variveis explicativas tem distribuio normal.
(4) A varincia da varivel dependente igual varincia do termo aleatrio.
Soluo
38
1.15 ANPEC 1994
1.15.1 QUESTO 04
Quanto ao modelo de regresso linear simples da forma
1
i
= a /A
i
n
i
em que 1 representa a produo de parafusos; A a quantidade de trabalho, medida em homens/hora
de trabalho; e n a perturbao aleatria; podemos armar que:
(0) O valor da varivel 1 nunca pode ser previsto exatamente devido presena da perturbao
ocasionada pela varivel independente A.
(1) Para cada valor de A
i
, temos como pressuposto bsicos que o correspondente n
i
tem distribuio
normal com mdia zero.
(2) O pressuposto de homocesticidade signica que cada perturbao tem a mesma varincia cujo
valor desconhecido.
(3) Pelos seus pressupostos bsicos, as perturbaes n
i
so no correlacionadas e estatisticamente
dependentes.
Soluo
39
1.15.2 QUESTO 15
Em relao ao modelo de regresso mltipla
1
i
= ,
0
,
1
A
1i
,
2
A
2i
. . . ,
I
A
Ii
c
i
, i = 1, 2,
Pode-se armar que:
(0) O mtodo, dos mnimos quadrados ordinrios ('QO), usado para estimar os coecientes ,
)
,
, = 0, 1, . . . , / exige que o erro tenha distribuio normal.
(1) Se adicionarmos um novo regressor A
I+1
equao acima ento o coeciente de determinao, 1
2
pode ou no aumentar.
(2) Os estimadores de 'QO dos coecientes ,
)
, , = 0, 1, . . . , / so no viciados (ou no viesados).
(3) Os coecientes ,
)
, , = 0, 1, . . . , / podem ser interpretados como as elasticidades entre os regressores
A
)
e a varivel 1 .
Soluo
40
1.16 ANPEC 1993
1.16.1 QUESTO 03
Suponha que se tenha usado dados de 12 plantaes para estimar a funo de produo:
1 = 2, 10
(0,3)
0, 82
(0,08)
A
em que 1 medido em toneladas de caf por hectare de A em centenas de quilo de fertilizante por
hectare. O erro-padro das estimativas e so dados entre parnteses. Pode-se armar que:
(0) Ao nvel de / ambas estimativas so signicantes.
(1) Se o desvio-padro da varivel A (:
A
) 1 e o desvio-padro da varivel 1 (:
Y
) 1 ento o coeciente
de correlao entre A e 1 , r, 0, 82.
(2) Para fazer a anlise de varincia dessa regresso precisa-se conhecer apenas a variao explicada
pela regresso um vez que os graus de liberdade j so conhecidos.
(3) Se o caf custar $1 por tonelada e o fertilizante $8 por 100 quilos, no vale a pena ao fazendeiro
usar mais fertilizante para aumentar a produo, pois o custo marginal excede a receita marginal.
(4) Um aumento de 100 quilos de fertilizante provoca um aumento de 2, 42 toneladas na produo de
caf.
Soluo
41
1.16.2 QUESTO 07
Considerando o modelo de regresso mltipla
1
)
= ,
0
,
1
A
1)
,
2
A
2)
. . . ,
I
A
1I
-
)
pode-se armar que:
(0) A anlise de varincia da regresso testa se todos os coecientes estimados da regresso
_

,
)
_
so
signicantes simultaneamente.
(1) O vetor de solues para os parmetros ,
)
expresso por

, = (A
0
A)
1
A
0
1 .
(2) Para estimar os parmetros ,
)
da regresso necessrio que as variveis explicativas sejam inde-
pendentes entre si.
(3) O coeciente de determinao mltipla corrigido para graus de liberdade
_
1
2
_
pode ser negativo.
Soluo
42
1.16.3 QUESTO 15
A varivel aleatria 7 guarda com a varivel aleatria A a relao 7 = A l onde l uma
varivel aleatria, independente de A. Pode-se armar que:
(0) 7 tem correlao 1 com A.
(1) Qualquer que seja o valor do termo constante na relao acima, a correlao de 7 com A no se
altera.
(2) A covarincia de 7 com A de 2 vezes a varincia de A.
(3) Se os desvios padro de A e de l forem idnticos e iguais a 2, a varincia de 7 valer 104.
(4) A correlao de l com 7 independente dos coecientes da relao acima.
Soluo
43
Captulo 2
Modelos de Equaes Simultneas
2.1 ANPEC 2008
2.1.1 QUESTO 09
Considere o modelo macroeconmico:
i
t
= i

a (
t

) -
1t

t
= /j
t

t1
-
2t
j
t
= c (i
t1

t1
) -
3t
em que:
t
a inao no perod t, j
t
o hiato do produto, i
t
a taxa de juros nominal, i

a taxa de
juros de equilbrio e

a meta de inao. Suponha que 0 < / < 1, 1 < c < 0 e a _ 0. Finalmente,

considere que e
t
= (-
1t
, -
2t
, -
3t
)
0
seja um vetor de variveis aleatrias independentes e normalmente
distribudas tal que
_
_
_
-
1t
-
2t
-
3t
_
_
_
~ 11
_

_
_
_
_
0
0
0
_
_
_
,
_
_
_
o
2
1
0 0
0 o
2
3
0
0 0 o
2
3
_
_
_
_

_
, para t = 1, 2, 8, ..., T.
Julgue as armativas:
(0) Se a = 1 a funo de autocorrelao da inao decai exponencialmente. Se a = 2, \ (
t
)
quando t .
(1) Se a = 2, ento

/ =
T
P
t=1

t
j
t
T
P
t=1
j
2
t
um estimador consistente de /.
(2) O coeciente c s pode ser estimado de modo consistente pelo mtodo de variveis instrumentais.
(3) Seja r
t
= j
t

,
t1
, em que

, =
T
P
t=1
j
t

t1
T
P
t=1

2
t1
. Se a = 2, ento

/ =
T
P
t=1

t
b v
t
T
P
t=1
b v
2
t
um estimador consistente
de /.
44
(4) Se a = 1, 1 (j
t
[
t1
) = c.
Soluo
45
2.2 ANPEC 2007
2.2.1 QUESTO 12
Considere o modelo:
Q
1
t
= c
1
,
1
1
t
n
1
t
(equao de demanda)
Q
O
t
= c
2
,
2
1
t
n
O
t
(equao de oferta)
Q
1
t
= Q
O
t
= Q
t
em que: Q
1
t
e Q
O
t
so as quantidades demandada e ofertada, respectivamente, de laranja na Flrida
no ano t, 1
t
o preo da laranja no ano t e n
1
t
e n
O
t
so termos aleatrios de mdia nula em que
Co
_
n
1
t
, n
O
t
_
= 0. correto armar que:
(0) O estimador de mnimos quadrados de ,
1
ser tendencioso caso ,
2
,= 0.
(1) Seja

,
1
o estimador de mnimos quadrados de ,
1
. Logo, 1
_

,
1
_
=
o
1
+o
2
2
(2) Se \ ar
_
n
1
t
_
= o
2
1
e \ ar
_
n
O
t
_
= o
2
O
, ento a matriz de varincia-covarincia do vetor aleatrio
X
t
= (Q
t
, 1
t
) dada por:
=
1
(,
2
,
1
)
2
_
,
2
2
o
2
1
,
2
1
o
2
O
,
2
o
2
1
,
1
o
2
O
,
2
o
2
1
,
1
o
2
O
o
2
1
o
2
O
_
.
(3) Seja 7
t
uma nova varivel representando o nmero de dias na Flrida com temperaturas abaixo de
zero. Se 1
_
n
1
t
[7
t
_
= 0 e 1
_
n
O
t
[7
t
_
,= 0, ento a equao de demanda pode ser estimada por mnimos
quadrados em dois estgios, sendo 7
t
uma varivel instrumental.
(4) Seja 7
t
denida como no item anterior, ento se 1
_
n
1
t
[7
t
_
,= 0 e 1
_
n
O
t
[7
t
_
= 0, as equaes de
oferta e demanda podem ser estimadas por mnimos quadrados em dois estgios com 7
t
sendo uma
varivel instrumental.
Soluo
46
2.3 ANPEC 2006
2.3.1 QUESTO 07
Considere o modelo:
1
t
= c7
t
,1
t1
c
1t
(equao I)
7
t
= 7
t1
c
2t
(equao II)
em que c, , e ` so parmetros e
e
t
=
_
c
1t
c
2t
_
or:a|
__
0
0
_
,
_
o
2
11
o
2
12
o
2
12
o
2
22
__
1 (e
t
e
t
) =
_
c
1t
c
2t
_
, para todo / ,= t.
Suponha tambm que [`[ < 1 e [,[ < 1. So corretas as armativas:
(0) A condio [`[ < 1 garante a estacionariedade de segunda ordem de 7
t
.
(1) O estimador de mnimos quadrados ordinrios de `, na equao II, no consistente.
(2) Os estimadores de mnimos quadrados ordinrios de c e , na equao I, s sero consistentes se
o
12
= 1.
(3) Sem nenhuma restrio adicional sobre os parmetros do modelo, a equao I no satisfaz a
condio de ordem para identicao.
(4) Para testar se h endogeneidade na equao I, pode-se usar o teste de Hausman.
Soluo
47
2.4 ANPEC 2005
2.4.1 QUESTO 08
Considere o modelo de equaes simultneas:
Q
o
t
= c
0
c
1
1
t
c
2
A
t
c
1t
(demanda)
Q
c
t
= ,
0
,
1
1
t
c
2t
(oferta)
Q
o
t
= Q
c
t
(condio de equilbrio)
Q
o
t
e Q
c
t
so, respectivamente, as quantidades demandadas e ofertadas do bem, A
t
uma varivel
exgena e c
1t
e c
2t
so os termos aleatrios, com mdias zero e varincias constantes. So corretas as
armativas:
(0) As equaes de demanda e oferta so exatamente identicadas.
(1) Os parmetros estruturais do modelo so consistentemente estimados por Mnimos Quadrados
Ordinrios.
(2) As equaes na forma reduzida so: 1
t
= H
0
H
1
A
t

t
e Q
t
= H
2
H
3
A
t
n
t
, em que
H
0
=
o
0
c
0
c
1
o
1
; H
1
=
c
2
c
1
o
1
;
t
=
c
1t
c
2t
c
1
o
1
; H
2
=
c
1
o
0
c
0
o
1
c
1
o
1
; H
3
=
c
2
o
1
c
1
o
1
e
H
2
=
c
1
c
2t
o
1
c
1t
c
1
o
1
.
(3) As estimativas dos parmetros da forma reduzida descritos no quesito anterior, por Mnimos
Quadrados Ordinrios, so consistentes.
(4) Os parmetros das equaes estruturais, obtidos dos parmetros da forma reduzida, so estimados
por Mnimos Quadrados Ordinrios.
Soluo
48
2.5 ANPEC 2004
2.5.1 QUESTO 07
So corretas as armativas. Em modelos de equaes simultneas:
(0) o problema da identicao precede o da estimao.
(1) se a condio de ordem for satisfeita, a condio de posto tambm ser satisfeita.
(2) os estimadores de mnimos quadrados indiretos e os de mnimos quadrados de dois estgios so
no-tendenciosas e consistentes.
(3) se uma equao exatamente identicada, os mtodos de mnimos quadrados indiretos e de dois
estgios produzem resultados idnticos.
(4) o mtodo de mnimos quadrados indiretos pode ser aplicado tanto a equaes exatamente identi-
cados quanto a equaes superidenticadas.
Soluo
49
2.6 ANPEC 2003
2.6.1 QUESTO 08
Considere o modelo de equaes simultneas:
Q
1
i
= c
1
,
1
1
i
n
1i
(demanda)
Q
S
i
= c
2
,
2
1
i
n
2i
(oferta)
Q
1
i
= Q
S
i
em que: Q
1
i
a quantidade demandada, Q
S
i
a quantidade ofertada, 1
i
o preo, e n
1i
e n
2i
so
termos aleatrios. correto armar que:
(0) o estimador de mnimos quadrados ordinrios aplicado a cada uma das equaes consistente e
no-tendencioso;
(1) no modelo acima a equao de demanda identicada mas a equao de oferta no ;
(2) se a equao de demanda for denida por Q
1
i
= c
1
,
1
1
i

1
1
i
n
1i
, em que 1
i
a renda, a
equao de oferta ser identicada;
(3) a equao de demanda ser identicada se for denida por Q
1
i
= c
1
,
1
1
i

1
1
i
n
1i
;
(4) a varivel renda, empregada nos dois itens anteriores, uma varivel instrumental.
Soluo
50
2.7 ANPEC 2002
2.7.1 QUESTO 11
Considere as seguintes equaes do modelo estrutural:
Equao de Demanda: Q
t
= c
0
c
1
1
t
c
2
1
t
n
1t
Equao de oferta: Q
t
= ,
0
,
1
1
t
,
2
1
t1
n
2t
em que no perodo t, Q
t
a quantidade de produto; 1
t
, o preo (endgeno) do produto; 1
t
, a renda do
consumidor; n
1t
, o distrbio aleatrio da equao de demanda e n
2t
, o distrbio aleatrio da equao
de oferta. A partir destas equaes so obtidas as equaes na forma reduzida:
1
t
=
0

1
1
t

2
1
t1

1t
e Q
t
=
3

4
1
t

5
1
t1
n
t
.
(0) Assim sendo,
0
=
o
0
c
0
c
1
o
1
,
1
=
c
2
c
1
o
1
e
2
=
o
2
c
1
o
1
.
(1) A condio de posto indica que a primeira e a segunda equaes so identicadas.
(2) Se multiplicarmos a equao de demanda por ` (0 < ` < 1) e a equao de oferta por (1 `)
e som-las, desde que o resultado dessa soma seja diferente da equao de oferta e da equao de
demanda, as duas sero identicadas.
(3) O mtodo de mnimos quadrados ordinrios produz estimadores consistentes e ecientes dos
parmetros da forma estrutural.
(4) Para vericar se qualquer equao do sistema identicvel, basta aplicar a condio de ordem.
Soluo
51
2.8 ANPEC 2001
2.8.1 QUESTO 08
No modelo de equaes simultneas:
Q
1
= c
1
,
1
1
1
1 n
1
(demanda)
Q
S
= c
2
,
2
1 n
2
(oferta)
Q
1
= Q
S
em que: Q
1
a quantidade demandada; Q
S
, a quantidade ofertada; 1, o preo; 1 , a renda; n
1
e
n
2
so os componentes aleatrios. Neste modelo:
(0) A aplicao do mtodo de mnimos quadrados ordinrios (MQO) a cada uma das equaes do
sistema, desconsiderando-se a outra, fornecer estimativas no tendenciosas.
(1) A equao de demanda subidenticada.
(2) A equao de oferta exatamente identicada.
(3) Na equao de oferta, o estimador de MQO consistente.
(4) Caso seja subidenticada, a equao de demanda no pode ser estimada.
Soluo
52
2.9 ANPEC 1998
2.9.1 QUESTO 14
Considere o seguinte conjunto de equaes simultneas:
Q = c
1
,
1
1
1
1 j
1
: funo de demanda
Q = c
2
,
2
1 j
2
: funo de oferta
onde Q (quantidade) e 1 (preos) so as variveis endgenas, 1 (renda) a varivel exgena e j
1
, j
2
,
representam os resduos. Os valores c
1
, c
2
, ,
1
,
1
e ,
2
so os parmetros do modelo.
Ento, pode-se armar que:
(0) As equaes na forma reduzida so denidas como :
Q =
1

2
1
1
Q =
3

4
1
2
onde,
1
=
,
1
c
2
,
2
c
1
,
1
,
2
,
2
=

1
,
2
,
1
,
2
,
3
=
c
2
c
1
,
1
,
2
,
4
=

1
,
1
,
2
,
1
=
,
1
j
2
,
2
j
1
,
1
,
2
e

2
=
j
1
j
2
,
1
,
2
.
(1) As funes de demanda e oferta so identicadas.
(2) A estimao dos parmetros das equaes na forma reduzida por Mnimos Quadrados Ordinrios,
produz estimadores consistentes.
(3) Os resduos
1
e
2
so independentes.
Soluo
53
Captulo 3
Sries Temporais
3.1 ANPEC 2008
3.1.1 QUESTO 10
Julgue as armativas:
(0) Na presena de heteroscedasticidade dos erros de um modelo de regresso linear, os estimadores
de mnimos quadrados ordinrios so inecientes.
(1) Para testar a presena de autocorrelao de primeira ordem em um modelo j
t
= c ,j
t1
-
t
usa-se o teste de Brausch-Godfrey.
(2) Quando os erros da regresso so autocorrelacionados, os estimadores de mnimos quadrados so
ecientes.
(3) A omisso de uma varivel relevante em um modelo de regresso linear pode gerar autocorrelao
nos erros.
(4) A regresso entre duas variveis integradas de primeira ordem, isto I(1), sempre espria.
Soluo
54
3.1.2 QUESTO 11
Julgue as armativas:
(0) Toda srie temporal estacionria com varincia nita pode ser escrita como um modelo de mdia
mvel com termo de erro serialmente no correlacionado.
(1) Um modelo de sries temporais no estacionrio tem pelo menos uma raiz unitria.
(2) O teste de Dickey-Fuller monocaudal.
(3) Um modelo 1(2) dado por 1
t
= a c
1
1
t1
c
2
1
t2
-
t
, t = 1, 2, 8, ..., em que -
t
um rudo
branco com mdia zero e varincia o
2
, ser estacionrio se c
1
< 1 e c
2
< 2.
(4) Um passeio aleatrio um processo estacionrio.
Soluo
55
3.1.3 QUESTO 15
Suponha que j
t
= c,j
t1
n
t
, em que n
t
independente e igualmente distribudo, com distribuio
normal de mdia zero e varincia o
2
. Sabe-se que c = 8, , = 8, e o
2
= 2. Voc informado que
j
2
= 0. Determine a melhor previso para j
4
.
Soluo
56
3.2 ANPEC 2007
3.2.1 QUESTO 03
Considere o modelo autorregressivo de primeira ordem, AR(1), denido por
1
t
= a /1
t1
n
t
em que a e / so parmetros e n
t
uma seqncia de variveis aleatrias independentes e igualmente
distribudas, com mdia nula e varincia o
2
Suponha que [/[ < 1. A previso : passos--frente para
a varivel Y convergir para
(0) a.
(1) a mdia de n
t
.
(2)
o
1b
.
(3) 1 (1
t
).
(4) .
Soluo
57
3.2.2 QUESTO 07
Sejam 1
t
e A
t
duas sries temporais. Considere os resultados dos seguintes modelos de regresso
estimados por mnimos quadrados ordinrios (MQO):
^

1
t
= 4, 8788 0, 1121
t1
e ^

A
t
= 0, 1004 0, 1807A
t1
(1, 70) (1, 07) (1, 26) (2, 21)
Considere tambm os resultados da regresso de 1
t
em A
t
1
t
= 28, 8024 14, 4006A
t
c
t
(1, 70) (1, 07)
em que c
t
o resduo. Finalmente, considere a regresso:
^ c
t
= 0, 0780 0, 417 c
t1
(0, 06) (8, 48)
Os nmeros entre parnteses so os valores do teste t de signicncia individual dos parmetros.
Dado que o valor crtico a 5% da estatstica de Dickey-Fuller 2, 088, correto armar que:
(0) 1
t
e A
t
so sries temporais integradas de ordem 1.
(1) A regresso de 1
t
em A
t
espria.
(2) A hiptese de cointegrao entre 1
t
e A
t
rejeitada pois os resduos da regresso de 1
t
em A
t
so
no-estacionrios.
(3) Para que duas variveis sejam cointegradas necessrio que ambas tenham a mesma ordem de
integrao.
(4) A rejeio da hiptese nula do teste Dickey-Fuller implica que a varivel em questo no-
estacionria.
Soluo
58
3.2.3 QUESTO 09
Julgue as proposies:
(0) A soma de dois processos estocsticos independentes e estacionrios de segunda ordem ser esta-
cionria de segunda ordem.
(1) A soma de dois processos estocsticos no-estacionrios ser no-estacionria.
(2) Seja 1 o operador de defasagem tal que 11
t
= 1
t1
. Se 1
t
segue um processo AR(1) estacionrio
de segunda ordem, ento (1 1)
2
1
t
um processo ARMA(2,2).
(3) O processo ARMA(2,2) denido na forma
_
1 1 0, 21
2
_
1
t
=
_
1 0, 1 0, 061
2
_
n
t
no
estacionrio, em que n
t
o erro aleatrio com mdia nula e varincia constante.
(4) Todo processo MA estacionrio de segunda ordem.
Soluo
59
3.3 ANPEC 2006
3.3.1 QUESTO 11
Dois economistas usam os modelos abaixo para analisar a relao entre demanda de moeda (:) e
renda nacional (j). As variveis esto todas em logaritmos e a periodicidade mensal.
Economista A: Economista B:
:
t
= 1.000j
t
n
t
(Equao 1) ^:
t
= 1.14^j
t
c
t
(Equao 2)
(0.0086) (0.14)
Os valores entre parnteses so os erros-padro.
Testes Dickey-Fuller Aumentado (ADF), com nmero apropriado de defasagens maior que zero em
todos os casos, para as variveis e para os resduos dos dois modelos geram os seguintes resultados:
Varivel :
t
j
t
n
t
^:
t
^j
t
c
t
Estatstica - ADF 2, 101 1, 02 2, 008 , 78 6, 812 8, 46
O valor crtico da tabela Dickey-Fuller a 5% igual a -2,886. So corretas as armativas:
(0) Tanto a srie de demanda de moeda quanto a de renda nacional so integradas de primeira ordem.
(1) As sries de demanda de moeda e de renda nacional no so cointegradas ao nvel de signicncia
de /.
(2) Se a srie de demanda de moeda for estacionria na diferena (dierence stationarity) ela no pode
ser estacionria na tendncia (trend stationary).
(3) Se as sries de demanda de moeda e de renda nacional forem cointegradas, o Economista B deve
incluir o erro defasado n
t1
em seu modelo.
(4) A srie de renda nacional um passeio aleatrio puro.
Soluo
60
3.3.2 QUESTO 15
Uma srie temporal 1
t
, t = 1, ..., T, foi gerada por um processo da classe ARIMA(j, d, ) e apresenta
os seguintes formatos para a Funo de Autocorrelao (FAC) e Funo de Autocorrelao Parcial
(FACP):
Supondo que a mdia da srie seja 100 e que 1
T3
= 8, 1
T2
= 28, 1
T1
= 88 e 1
T
80, calcule a
previso para 1
T+1
feita no instante T , isto 1(1
T+1
[1
T
, 1
T1
, 1
T2
, 1
T3
, ...).
Soluo
61
3.4 ANPEC 2005
3.4.1 QUESTO 07
Com respeito teoria das sries temporais, so corretas as armativas:
(0) Considere uma srie temporal 1
t
auto-regressiva de ordem 1 com parmetro j. No modelo: 1
t

1
t1
= c1
t1
n
t
, em que n
t
um rudo branco e c = j 1, se c for de fato igual a zero, a srie 1
t
ser no estacionria.
(1) Numa regresso linear simples de duas sries temporais no estacionrias de ordem 1, o teste usual
t de Student ainda vlido.
(2) Numa regresso linear mltipla de sries temporais de ordem 1, mas cointegrveis, no se corre o
risco de os resultados serem esprios.
(3) Numa regresso linear mltipla de sries temporais de ordem 1, mas cointegrveis, os resduos da
regresso so estacionrios.
(4) Se uma srie temporal tiver que ser diferenciada n vezes antes de se tornar estacionria, a srie
original integrada de ordem n -1.
Soluo
62
3.4.2 QUESTO 09
So corretas as armativas:
(0) No processo AR(1): j
t
= c
0
c
1
j
t1
c
t
, em que [c[ < 1 e c
t
um rudo branco de mdia zero e
varincia o
2
, a varincia de j
t
ser
o
2
1
2
.
(1) Seja a funo de autocovarincia do processo AR(1) denido no quesito anterior
)
= 1 [(j
t)
j) (j
t)
j)[,
em que j = 1 [j
t
[ a mdia do processo j
t
. correto armar que
)
=
(
0
+
1
)
j
1
2
1
.
(2) O processo AR(2), j
t
= c
0
c
1
j
t1
c
t2
j
t2
c
t
, em que c
t
um rudo branco de mdia nula
e varincia o
2
, ser estacionrio de segunda ordem se, e somente se, c
1
< 1 e c
2
< 1.
(3) A mdia do processo MA(1), j
t
= c
t
0c
t1
, em que c
t
um rudo branco, igual a zero.
(4) No modelo ARMA(1,1), j
t
= c
0
c
1
j
t1
c
t
0c
t1
, em que c
t
um rudo branco de mdia nula
e varincia constante, a mdia de j
t
dada por

0
1
1
.
Soluo
63
3.5 ANPEC 2004
3.5.1 QUESTO 09
Considere a seguinte regresso entre j
t
e .
t
:
j
t
= c.
t
n
t
em que n
t
o erro. So corretas as armativas:
(0) Se j
t
for I(1) e .
t
for I(0), ento j
t
e .
t
so co-integradas.
(1) Se j
t
for I(0) e .
t
for I(1), ento j
t
e .
t
so co-integradas.
(2) Se j
t
for I(1) e .
t
for I(1), ento j
t
e .
t
so co-integradas.
(3) Se j
t
for I(1), .
t
for I(1) e ut for I(0), ento j
t
e .
t
so co-integradas.
(4) Se n
t
for I(0) as sries j
t
e .
t
so necessariamente co-integradas.
Soluo
64
3.5.2 QUESTO 10
Em relao aos modelos de sries temporais, so corretas as armativas:
(0) No processo AR(1), 7
t
= c7
t1
a
t
0
0
, [c[ < 1, e a
t
um rudo branco, a mdia de 7
t
ser
0
0
1
.
(1) O processo MA(1), 7
t
= a
t
a
t1
, em que a
t
um rudo branco, no estacionrio.
(2) O processo AR(1), 7
t
= 0, 87
t1
a
t
, em que a
t
um rudo branco, estacionrio.
(3) No processo AR(1), 7
t
= c7
t1
a
t
, em que a
t
um rudo branco com \ ar(a
t
) = o
2
o
, a varincia
de 7
t

o
2
a
1
2
.
(4) No modelo ARMA(1,1), 7
t
= c7
t1
a
t
0a
t1
, em que a
t
um rudo branco, a mdia de 7
t

diferente de zero.
Soluo
65
3.6 ANPEC 2003
3.6.1 QUESTO 10
Considere o modelo de regresso linear
C
t
= c
0
c
1
1
t
n
t
, t = 1, ..., T,
em que: C
t
o consumo pessoal em t, 1
t
a renda pessoal em t e n
t
o termo aleatrio. correto
armar que:
(0) se C
t
e 1
t
so 1(1), ento n
t
ser obrigatoriamente estacionrio;
(1) se o C
t
e 1
t
so integradas, mas com ordens de integrao diferentes, ento a regresso ser invlida;
(2) se C
t
e 1
t
so 1(1), ento o teste ADF aplicado aos resduos da regresso poder identicar a
presena de co-integrao entre as variveis;
(3) se C
t
e 1
t
so 1(1), mas os resduos so 1(0), ento h co-integrao entre as variveis;
(4) se C
t
e 1
t
so 1(1) e os resduos tambm so 1(1), ento a regresso de C
t
em 1
t
invlida.
Soluo
66
3.6.2 QUESTO 15
Considere o modelo 1'(1, 1) denido por:
j
t
= 0, j
t1
0, 2-
t1
-
t
, t = 1, ..., T,
em que a varincia de -
t
igual a 1. Encontre a varincia de j
t
.
(Multiplique o resultado nal por 10. Marque somente a parte inteira na folha de resposta).
Soluo
67
3.7 ANPEC 2002
3.7.1 QUESTO 12
Em relao aos modelos de Sries de Tempo pode-se armar:
(0) No modelo Autoregressivo de ordem 1, 7
t
= c7
t1
n
t
0
0
, [c[ < 1, em que n
t
um rudo branco,
o parmetro 0
0
a mdia do processo.
(1) O modelo misto Autoregressivo-Mdias Mveis, ARMA(1,1), pode ser representado pela expresso
7
t
= c7
t
n
t
0n
t1
em que c e 0 so parmetros e n
t
um rudo branco.
(2) Se um processo estocstico possui uma tendncia determinstica, j
t
= ,
1
,
2
t n
t
, ento este
dito no-estacionrio e sua no-estacionariedade pode ser detectada por um teste para raiz unitria.
(3) Em uma regresso com duas sries temporais, se estas so 1(1), ou seja, no estacionrias, mas so
cointegradas, pode-se empregar a estatstica t de Student para testar a signicncia dos coecientes
da regresso.
(4) O teste de Engle-Granger para co-integrao entre trs variveis consiste em utilizar a estatstica
e a tabela de valores crticos Dickey-Fuller nos resduos de uma regresso entre estas variveis.
Soluo
68
3.8 ANPEC 2001
3.8.1 QUESTO 10
Seja o processo auto-regressivo: j
t
= c
1
j
t1
-
t
. Pode-se armar que:
(0) O processo estacionrio para c < 1.
(1) Se c = 1, o processo dito um caminho aleatrio (random walk).
(2) O estimador de mnimos quadrados ordinrios do parmetro c
1
no tendencioso.
(3) A estatstica t-Student pode ser usada para testar a presena de raiz unitria.
(4) O processo pode ser escrito em uma forma alternativa como ^j
t
= cj
t1
-
t
em que c = c
1
1
e ^j
t
= j
t
j
t1
.
Soluo
69
3.9 ANPEC 2000
3.9.1 QUESTO 15
Considere um processo AR(1)
1
t
= c1
t1
-
t
, -
t
NID(0, o
2
), t = 1, 2, ...T,
em que, por hiptese, [c[ < 1, a no ser que seja dito o contrrio. Considere 1
c
xo e que t seja muito
distante da origem.
(0) A condio [c[ < 1 necessria para que o processo apresente mdia e varincia incondicionais
independentes do tempo.
(1) A mdia incondicional do processo zero.
(2) A funo de autocorrelao deste processo diferente de zero para o lag 1, e igual a zero para
todos os outros lags.
(3) A previso dois-passos frente dada por: 1(1
t+2
[1
t
) = (c1)c
2
1
t
, em que 1
t
= 1
1
, 1
2
, ..., 1
t
.
(4) Se c = 1, o processo ser no estacionrio.
Soluo
70
3.10 ANPEC 1999
3.10.1 QUESTO 01
Com relao aos modelos Auto - Regressivo, Mdia - Mvel e Misto, pode-se armar que:
(0) No modelo AR(1), 7
t
= c7
t1
a
t
, onde 1(a
t
) = 0, 1(a
2
t
) = o
2
o
e Co(a
t
, a
c
) = 0 se t ,= :, a
varincia de 7
t
nita qualquer que seja o valor de c.
(1) No modelo MA(1) , 7t = j a
t
0a
t1
, onde 1(a
t
) = 0 para todo t e 1(a
2
t
) = o
2
o
, ento
1(7
t
) = j e \ ar(7
t
) = (1 0
2
)o
2
o
.
(2) O processo ARMA(j,) (Auto-Regressivo Mdia-Mvel) pode ser escrito na forma 1(1) 7
t
=
O(1) a
t
, onde 1(1) = 1 c
1
1 c
2
1
2
... c
j
1
j
e O(1) = 1 0
1
1 0
2
1
2
... 0
q
1
q
so,
respectivamente, os operadores auto-regressivo e de mdia-mvel de ordem j e onde, 1
a
7
t
= 7
ta
.
(3) Se o processo gerador de dados pode ser escrito como (1 1)7
t
= j a
t
, ento a raiz de sua
equao caracterstica ser diferente de um.
Soluo
71
3.11 ANPEC 1998
3.11.1 QUESTO 15
Com relao aos modelos Auto - Regressivo, Mdia - Mvel e Misto, pode - se armar que :
(0) No modelo 7
t
= c7
t1
a
t
0a
t1
0
0
, onde 0
0
uma constante e a
t
um rudo branco, a mdia
do processo ser igual a zero se 0
0
= 0.
(1) No modelo Auto-Regressivo de ordem p,
7
t
= c
1
7
t1
c
2
7
t2
... c
j
7
tp
a
t
,
se 1 c
1
c
2
... c
p
= 0, o modelo no ser estacionrio.
(2) O processo ARMA(p,q) (Auto-Regressivo Mdia-Mvel) ser estacionrio e invertvel, se todas as
razes dos operadores Auto - Regressivo e de Mdia Mvel carem dentro do crculo unitrio.
(3) Se no modelo Auto-Regressivo de ordem 1, 7
t
= j7
t1
a
t
, onde a
t
um rudo branco, o verdadeiro
valor de j igual a um, ento 7
t
= a
t
a
t1
a
t2
... a
1
, desde que 7
0
= 0.
Soluo
72
Apndice A
Gabaritos
ANPEC 2008
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 V F F V V F V F F V V 25 48 15 74
1 F V F V F F V V F V F
2 V V V F F F F F F F V
3 F F A V F F V V V V F
4 F V V F V V V V F F F
ANPEC 2007
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 F V F V F F V F V V F V 03 50 30
1 V F F V V V A V F F V F
2 V V V F F F A V F F F V
3 F F V V F V V V V F V A
4 F V F F V F F F A V F F
ANPEC 2006
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 F V F V F V V V V V V 37 33 A 58
1 F V V F V F F V V F F
2 V F V F V F F F V F V
3 V F V F F V F F F V V
4 V F F V F F V V F F F
73
ANPEC 2005
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 V F V V V F V F A V F F 50 05 09
1 F F F F F V F F F V F V
2 F V V V V V V F F F F F
3 F V F F V F V V V F V V
4 V F V F F F F F V V F V
ANPEC 2004
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 F V V V F V V F F V V 98 20 90 14
1 V F V V V V F V F F F
2 F F F F V F F F F V F
3 F V F V F F V F V V F
4 F F F F F V F F F F V
ANPEC 2003
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 F F F F A F F F F F 75 40 4 25 11
1 F V F V V V F F F V
2 F V V F F F F V V V
3 V F F F V F V F F V
4 V F F V F F V V V F
ANPEC 2002
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 F F F V V V F V F V F F 20 6 50
1 F V V V F F V F F V V V
2 V F F F V V F F V F V F
3 V V V F F F V V V F F V
4 F F F F F V V F V V F F
ANPEC 2001
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 V V V V F F V F F F V V 99 2 25
1 V F V V F F F V V V F F
2 F F F F V F V V F V V V
3 V V F F V V V F F F F F
4 V V F F F F V F F V V V
74
ANPEC 2000
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 F 20 F V F V V V 32 17 F F V 13 V
1 V F F V V F F F F F V
2 F V V F F F V V V F F
3 F V F F F V V V F
4 V V V F F F V
ANPEC 1999
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 F 11 V F V V F X F F V F F F F
1 V V V V V V F F V F V V F
2 V V V V F V V V F V V F V
3 F F F F X F V V F V F V V
4 V V V F F V V
ANPEC 1998
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 V X F V V X X F F V V 25 F V V
1 V F V F F X V V V F F V F V
2 F X V V V X F V V F V F F F
3 F V V V F X F V F F V V F V
4 F V V V
ANPEC 1997
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 F V 25 V 58 V V F V V F F 48 V V
1 V V V F F V F F V V F V
2 F V F F V V V V F F F V
3 V V V F F F V F F V V F
4 F V V V F V V
ANPEC 1996
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 V 97 V 22 V F 41 V F V F F F 0 V
1 V V V F F F V V V V F
2 F F F V F V F F F V F
3 F V V F F F F V V F F
4 F V V F F
5 F F V V
6 V
7 F
75
ANPEC 1995
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 23 V F V F F F F V 30 F F V V V
1 V F V F F F F V V V F F V
2 F V F F F V F V F V F F V
3 F V F V V V F F V F V V F
4 F V F F F V V V V F V
ANPEC 1994
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 X V 20 F 8 F V F 3 F X 55 X F F
1 X F F V F V V F F
2 V V V V V V F V V
3 F F F F V F F F F
4 F V F V V F
5 V
ANPEC 1993
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 F F V F F 3 F F F F F F V F F
1 V V V F V V F F V F F F V V
2 V F F V F F V F F V F F V F
3 F F F V V V F V F F F F V V
4 V V V F F F F F
76
Apndice B
Programa da prova de Estatstica -
ANPEC
1. Nmeros-ndices - ndices de Laspeyres e de Paasche. Propriedades ideais de um
nmero ndice. Mudana de base e deacionamento de dados.
2. Probabilidade - Denio e propriedades. Variveis aleatrias discretas e con-
tnuas. Funo de probabilidade e densidade de probabilidade. Distribuio con-
junta, distribuio marginais, independncia estatstica. Esperana matemtica e
varincia de uma varivel aleatria. Covarincia e coeciente de correlao.
3. Principais distribuies - Bernoulli, Binomial, Poisson, Geomtrica, Hiperge-
omtrica, Uniforme, Normal, Lognormal, Qui-quadrado, t e F.
4. Principais teoremas de probabilidade - Teorema de Tchebyche. Lei dos
grandes nmeros. Teorema Central do Limite.
5. Inferncia estatstica - Estimao por ponto e por intervalo. Propriedades dese-
jveis dos estimadores em pequenas e grandes amostras. Intervalo de conana e
teste de hipteses. Tipos de erro. Nvel de signicncia.
6. Anlise de Regresso - O modelo clssico de regresso linear e suas hipteses bsi-
cas. Estimadores de mnimos quadrados ordinrios e suas propriedades. Intervalos
de conana e teste de hipteses. Violao das hipteses bsicas do modelo clssico
de regresso linear: testes de diagnstico e procedimentos de correo. Regresso
com variveis dummy. Modelos auto-regressivos e de defasagens distribudas.
Modelos de equaes simultneas.
7. Introduo a sries de tempo - modelos auto-regressivos, de mdia, mveis e
mistos. Tendncia, passeio aleatrio e razes unitrias.
77
Apndice C
Tabela Distribuio Normal Padro
Figura C.1: valores tabelados da distribuio Normal Padro
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
0.0 .5000 .4960 .4920 .4880 .4840 .4801 .4761 .4721 .4681 .4641
0.1 .4602 .4562 .4522 .4483 .4443 .4404 .4364 .4325 .4286 .4247
0.2 .4207 .4168 .4129 .4090 .4052 .4013 .3974 .3936 .3897 .3859
0.3 .3821 .3783 .3745 .3707 .3669 .3632 .3594 .3557 .3520 .3483
0.4 .3446 .3409 .3372 .3336 .3300 .3264 .3228 .3192 .3156 .3121
0.5 .3085 .3050 .3015 .2981 .2946 .2912 .2877 .2843 .2810 .2776
0.6 .2743 .2709 .2676 .2643 .2611 .2578 .2546 .2514 .2483 .2451
0.7 .2420 .2389 .2358 .2327 .2296 .2266 .2236 .2206 .2177 .2148
0.8 .2119 .2090 .2061 .2033 .2005 .1977 .1949 .1922 .1894 .1867
0.9 .1841 .1814 .1788 .1762 .1736 .1711 .1685 .1660 .1635 .1611
1.0 .1587 .1562 .1539 .1515 .1492 .1469 .1446 .1423 .1401 .1379
1.1 .1357 .1335 .1314 .1292 .1271 .1251 .1230 .1210 .1190 .1170
1.2 .1151 .1131 .1112 .1093 .1075 .1056 .1038 .1020 .1003 .0985
1.3 .0968 .0951 .0934 .0918 .0901 .0885 .0869 .0853 .0838 .0823
1.4 .0808 .0793 .0778 .0764 .0749 .0735 .0722 .0708 .0694 .0681
1.5 .0668 .0655 .0643 .0630 .0618 .0606 .0594 .0582 .0571 .0559
1.6 .0548 .0537 .0526 .0516 .0505 .0495 .0485 .0475 .0465 .0455
1.7 .0446 .0436 .0427 .0418 .0409 .0401 .0392 .0384 .0375 .0367
1.8 .0359 .0352 .0344 .0336 .0329 .0322 .0314 .0307 .0301 .0294
1.9 .0287 .0281 .0274 .0268 .0262 .0256 .0250 .0244 .0239 .0233
2.0 .0228 .0222 .0217 .0212 .0207 .0202 .0197 .0192 .0188 .0183
2.1 .0179 .0174 .0170 .0166 .0162 .0158 .0154 .0150 .0146 .0143
2.2 .0139 .0136 .0132 .0129 .0125 .0122 .0119 .0116 .0113 .0110
2.3 .0107 .0104 .0102 .0099 .0096 .0094 .0091 .0089 .0087 .0084
2.4 .0082 .0080 .0078 .0075 .0073 .0071 .0069 .0068 .0066 .0064
2.5 .0062 .0060 .0059 .0057 .0055 .0054 .0052 .0051 .0049 .0048
2.6 .0047 .0045 .0044 .0043 .0041 .0040 .0039 .0038 .0037 .0036
2.7 .0035 .0034 .0033 .0032 .0031 .0030 .0029 .0028 .0027 .0026
2.8 .0026 .0025 .0024 .0023 .0023 .0022 .0021 .0021 .0020 .0019
2.9 .0019 .0018 .0017 .0017 .0016 .0016 .0015 .0015 .0014 .0014
3.0 .00135
3.5 .000233
4.0 .0000317
4.5 .00000340
5.0 .000000287
78