Estudante: ______________________________________________ RGA: ________________________

Prova 1 - 26.04.2023 (Valor: 10,0 pontos)

(2 pts) 1. Assinale a alternativa correta:

i. O modelo de regressão linear (MQO) procura minimizar o erro absoluto do preditor.
ii. A especificação do modelo envolve a análise da inclusão e omissão de variáveis.
iii. O estimador de MQO para os parâmetros é uma expressão da solução da minimização da soma dos
quadrados dos resíduos da regressão.
iv. O modelo de regressão precisa ser avaliado em duas óticas: econômica e estatística.
( ) Estão corretas: i e ii ( ) Estão corretas: ii, iii e iv
( ) Estão corretas: ii e iii ( ) Estão corretas: i, ii e iv
( ) Estão corretas: iii e iv ( ) Nenhuma das alternativas anteriores.

(2 pts) 2. Assinale a alternativa correta, sobre os pressupostos clássicos da regressão múltipla:

i. A heterocedasticidade é um problema de variância diferente entre resíduos.
ii. A multicolinearidade, chamado de erro de especificação, envolve a omissão de variáveis regressoras
do modelo.
iii. O resíduo deve ser normalmente distribuído, com média zero e variância constante.
iv. A autocorrelação residual é um problema da correlação entre variáveis explicativas do modelo.
( ) Estão corretas: i e ii ( ) Estão corretas: ii, iii e iv
( ) Estão corretas: ii e iii ( ) Estão corretas: i, ii e iv
( ) Estão corretas: i e iii ( ) Nenhuma das alternativas anteriores.

ENUNCIADO PARA QUESTÕES 3, 4 e 5: Seja um modelo com dados de Fox e Weisberg (2019) – dataset
Prestige - Prestígio das ocupações canadenses. Os dados têm 102 linhas e 6 colunas, cujas observações são
ocupações. Analise os resultados com os conhecimentos transmitidos na disciplina e assinale a alternativa
correta. Os códigos executados estão abaixo e a tabela contém os resultados para análise.

prestige.mod1 <- lm(prestige ~ education + income + women, data=Prestige)

(prestige.mod1$AIC<-AIC(prestige.mod1))
(prestige.mod1$BIC<-BIC(prestige.mod1))
prestige.mod2 <- lm(log(prestige) ~ log(education) + log(income) + women,
data=Prestige)
(prestige.mod2$AIC<-AIC(prestige.mod2))
(prestige.mod2$BIC<-BIC(prestige.mod2))
prestige.mod3 <- lm(prestige ~ education + income , data=Prestige)
(prestige.mod3$AIC<-AIC(prestige.mod3))
(prestige.mod3$BIC<-BIC(prestige.mod3))
stargazer(list(prestige.mod1, prestige.mod2, prestige.mod3),
title = "Título: Resultados das Regressões",
align = TRUE, type = "text", style = "all",
keep.stat = c("AIC", "BIC", "rsq", "adj.rsq", "n"),
column.labels = c("mod1", "mod2","mod3"),
dep.var.labels.include = FALSE)

1
=======================================================
Dependent variable:
-----------------------------------
mod1 mod2 mod3
(1) (2) (3)
-------------------------------------------------------
education 4.187*** 4.137***
(0.389) (0.349)
t = 10.771 t = 11.858
p = 0.000 p = 0.000
income 0.001*** 0.001***
(0.0003) (0.0002)
t = 4.729 t = 6.071
p = 0.00001 p = 0.00000
log(education) 0.688***
(0.095)
t = 7.285
p = 0.000
log(income) 0.405***
(0.048)
t = 8.480
p = 0.000
women -0.009 0.002***
(0.030) (0.001)
t = -0.293 t = 2.939
p = 0.771 p = 0.005
Constant -6.794** -1.411*** -6.848**
(3.239) (0.326) (3.219)
t = -2.098 t = -4.325 t = -2.127
p = 0.039 p = 0.00004 p = 0.036
-------------------------------------------------------
Observations 102 102 102
R2 0.798 0.794 0.798
Adjusted R2 0.792 0.788 0.794
Akaike Inf. Crit. 715.636 -53.777 713.725
Bayesian Inf. Crit. 728.761 -40.653 724.225
=======================================================
Note: *p<0.1; **p<0.05; ***p<0.01

Questão 3: Assinale a alternativa correta:

i. O melhor modelo é o mod3.
ii. Os modelos não são comparáveis entre si.
iii. O modelo tipo duplo log teve pior ajustamento segundo o critério Akaike
iv. Os modelos explicam aproximadamente 79% das variações de prestige.
( ) Estão corretas: i e ii ( ) Estão corretas: ii, iii e iv ( ) Estão corretas: i e iii
( ) Estão corretas: ii e iii ( ) Estão corretas: iii e iv ( ) Nenhuma das alternativas anteriores.

Questão 4: Assinale a alternativa correta:

i. Foi racional restringir o mod3 comparativamente ao mod1.
ii. A variável income foi não significativa porque seu valor foi 0.001 em mod1 e mod3.
iii. O modelo tipo duplo log permite identificar algumas elasticidades diretamente na saída de resultados.
iv. As variáveis income e education foram significativas a 1% de significância em todos os modelos.
( ) Estão corretas: i e ii ( ) Estão corretas: i, iii e iv ( ) Estão corretas: i e iii
( ) Estão corretas: ii e iii ( ) Estão corretas: iii e iv ( ) Nenhuma das alternativas anteriores.
Boa prova.

2
 GABARITO
(2 pts) QUESTÃO 1. Assinale a alternativa correta:
i. O modelo de regressão linear (MQO) procura minimizar o erro absoluto do preditor. errada
ii. A especificação do modelo envolve a análise da inclusão e omissão de variáveis. correta
iii. O estimador de MQO para os parâmetros é uma expressão da solução da minimização da soma
dos quadrados dos resíduos da regressão. correta
iv. O modelo de regressão precisa ser avaliado em duas óticas: econômica e estatística. correta
( ) Estão corretas: i e ii (X) Estão corretas: ii, iii e iv
( ) Estão corretas: ii e iii ( ) Estão corretas: i, ii e iv
( ) Estão corretas: iii e iv ( ) Nenhuma das alternativas anteriores.
A i está errada pois o modelo de regressão procura minimizar a soma dos quadrados dos resíduos da
regressão.

(2 pts) QUESTÃO 2. Assinale a alternativa correta, sobre os pressupostos clássicos da regressão múltipla:
i. A heterocedasticidade é um problema de variância diferente entre resíduos. correta
ii. A multicolinearidade, chamado de erro de especificação, envolve a omissão de variáveis
regressoras do modelo. Errada pois multicolinearidade e erro de especificação são coisas
distintas
iii. O resíduo deve ser normalmente distribuído, com média zero e variância constante. correta
iv. A autocorrelação residual é um problema da correlação entre variáveis explicativas do modelo.
Errada pois a correlação entre as variáveis está relacionada a multicolinearidade.
( ) Estão corretas: i e ii ( ) Estão corretas: ii, iii e iv
( ) Estão corretas: ii e iii ( ) Estão corretas: i, ii e iv
(X) Estão corretas: i e iii ( ) Nenhuma das alternativas anteriores.

(3 pts) Questão 3: Assinale a alternativa correta:

i. O melhor modelo é o mod3. correta
ii. Os modelos não são comparáveis entre si. Errada. Pode comparar R2, R2 ajustado e
significâncias.
iii. O modelo tipo duplo log teve pior ajustamento segundo o critério Akaike errada porque não
compara o Akaike entre modelos log-log e lineares
iv. Os modelos explicam aproximadamente 79% das variações de prestige. correta
( ) Estão corretas: i e ii ( ) Estão corretas: ii, iii e iv ( ) Estão corretas: i e iii
( ) Estão corretas: ii e iii ( ) Estão corretas: iii e iv (X) Nenhuma das alternativas anteriores.

(3 pts) Questão 4: Assinale a alternativa correta:

i. Foi racional restringir o mod3 comparativamente ao mod1. correta
ii. A variável income foi não significativa porque seu valor foi 0.001 em mod1 e mod3. errada
iii. O modelo tipo duplo log permite identificar algumas elasticidades diretamente na saída de
resultados. correta
iv. As variáveis income e education foram significativas estatisticamente a 1% de significância em
todos os modelos. correta
( ) Estão corretas: i e ii ( X) Estão corretas: i, iii e iv ( ) Estão corretas: i e iii
( ) Estão corretas: ii e iii ( ) Estão corretas: iii e iv ( ) Nenhuma das alternativas anteriores.