Questões de Concurso Público ANTT 2013 para Especialista em Regulação de Serviços de Transportes Terrestres - Estatística

Considerando que o modelo de regressão por mínimos quadrados ordinários (MQO) seja dado por , em que é o valor estimado pelo modelo para a variável dependente y_t , x_t , é a variável independente e â e são, respectivamente, os estimadores dos coeficientes linear a e angular β de um modelo de regressão linear simples, julgue o item a seguir.

Ao se multiplicar a variável dependente por uma constante c qualquer, as estimativas de MQO são multiplicadas por c, isto é, â e são multiplicados por c.

Considerando que o modelo de regressão por mínimos quadrados ordinários (MQO) seja dado por , em que é o valor estimado pelo modelo para a variável dependente y_t , x_t , é a variável independente e â e são, respectivamente, os estimadores dos coeficientes linear a e angular β de um modelo de regressão linear simples, julgue o item a seguir.

O estimador pode ser escrito da seguinte forma: em que Var(x_t ) é a variância de x_t e Cov(x_t ,y_t ) é a covariância de x_t e y_t .

Considerando que o modelo de regressão por mínimos quadrados ordinários (MQO) seja dado por , em que é o valor estimado pelo modelo para a variável dependente y_t , x_t , é a variável independente e â e são, respectivamente, os estimadores dos coeficientes linear a e angular β de um modelo de regressão linear simples, julgue o item a seguir.

Na regressão pela origem , em que â = 0, é um estimador não viesado de β.

Acerca das propriedades dos estimadores de MQO em regressão linear simples, julgue o item subsequente.

Se E(u | x) > 0, em que u é o resíduo e x é a variável explicativa de um modelo de regressão linear simples, então as estimativas de MQO serão viesadas.

Acerca das propriedades dos estimadores de MQO em regressão linear simples, julgue o item subsequente.

Para o coeficiente angular β, o estimador de MQO apresenta uma componente não aleatória, β, e outra componente aleatória, a qual depende da covariância Cov(x_t , u_t ), tal que em que u_t é o resíduo da regressão e Var(x_t ) é a variância da variável independente x_t do modelo de regressão.