Lista de Exercícios e Provas Econometria Wooldridge e Gujarati

Exercícios recomendados para P2 Livro do Wooldridge capítulo 3 31 32 37 e 39 Livro do Wooldridge capítulo 4 41 43 e 49 Livro do Wooldridge capítulo 7 71a 72 e 73 Livro do Wooldridge capítulo 8 81 82 84 i e 85 i Livro do Gujarati capítulo 11 da 5 edição 111 114 e 117 Livro do Gujarati capítulo 12 da 5 edição 121 a d e f e 1222 Prova 2016 Prova 2017 QUESTÃO 05 Considere o modelo de regressão linear yi β0 β1 x1i β2 x2i ui i 1 n em que Eui x1i x2i 0 Com base nesse modelo é correto afirmar A hipótese Eui x1i x2i 0 não é necessária para que o estimador de Mínimos Quadrados Ordinários MQO de β1 seja consistente ① Se Varui x1i x2i σ2 o estimador de MQO de β1 tem distribuição normal ② Se Varui x1i x2i x1i σ2 o estimador de MQO de β1 é tendencioso ③ Se a correlação entre x1i e x2i é igual a 095 o estimador de MQO de β1 não é eficiente ④ Suponha que os parâmetros do modelo tenham sido estimados por MQO Se Varui x1i x2i x1iσ2 a estatística t não é válida para testar a significância dos parâmetros do modelo Prova 2018 QUESTÃO 12 Considere a estimativa da função linear y β0 β1 x1 β2 x2 u cujos parâmetros tenham sido estimados pelo Método dos Mínimos Quadrados Ordinários Julgue as afirmativas Se Eu x1 0 e Eu x1 0 então os estimadores não são viesados ① Se o R2 0 então y é uma combinação linear de x1 e x2 ② Suponha que x2 seja relevante e correlacionada com x1 Se omitirmos x2 da regressão considerando que Eu x1 0 os estimadores de β0 e β1 não serão viesados ③ O R2 ajustado aumenta ao se incluir uma variável adicional irrelevante ④ Se Vu x1 x2 θ0 então serão tendenciosos os estimadores de mínimos quadrados da variância de β0 β1 e β2 PROVA 2019 QUESTÃO 02 Julgue como verdadeiras ou falsas as afirmativas que se seguem Na presença de heterocedasticidade dos erros de um modelo de regressão linear os estimadores de mínimos quadrados ordinários são inconsistentes ① Na presença de erros autocorrelacionados os estimadores dos parâmetros de um modelo de regressão linear serão viesados ② A condição de exogeneidade das variáveis explicativas é suficiente para que os estimadores de mínimos quadrados sejam não viesados ③ A omissão de uma variável relevante implica que os estimadores dos parâmetros de um modelo de regressão linear serão viesados ④ Caso os estimadores dos parâmetros de um modelo de regressão linear sejam consistentes sob a suposição de normalidade e homocedasticidade dos erros então esses estimadores de mínimos quadrados ordinários serão idênticos aos obtidos via Máxima Verossimilhança