Questões de Concurso sobre Índice de Fischer

Sobre números índices, assinale a opção correta.

Ao calcular índices de preço entre dois anos, um pesquisador usa os Métodos de Laspeyres e de Paasche, equalizando, nos dois casos, o ano base a 100. Então, pode-se afirmar que no segundo ano:

Nos modelos em que aparecem valores defasados da variável dependente no segundo membro — cujo exemplo mais simples é $Y_t=\alpha +\beta Y_{t-1}+{\epsilon }_p$ em que os distúrbios ${\epsilon }_t$ são serialmente independentes —, as consequências de se utilizar os estimadores de mínimos quadrados para o caso de violação da independência entre o distúrbio e a variável explicativa é a possibilidade de obtenção de estimativas viesadas e perda de eficiência.

A multicolinearidade afeta a variância e a covariância dos estimadores, o que pode provocar alteração do sinal dos parâmetros.

A hipótese clássica de Gauss-Markov de homocedasticidade é irrelevante para demonstrar que os estimadores são não viesados e consistentes.

Sob heterocedasticidade, os estimadores de mínimos quadrados ordinários são ineficientes.

A hipótese de autocorrelação serial dos resíduos não é relevante para a demonstração de que os estimadores de MQO são não viesados e consistentes.

Considerando o resultado da estatística t do modelo MQO, os valores obtidos são inconsistentes sob a presença de heterocedasticidade.

Em um modelo de regressão linear múltipla, o gráfico dos resíduos da regressão de Y por X₁, em oposição aos resíduos da regressão de X₁ por X₂, é usado para verificar heterocedasticidade.

Ao se aplicar um modelo de tendência, cujo tempo é utilizado como variável explicativa em um modelo de regressão linear, deve-se utilizar o teste de Durbin-Watson para verificar a autocorrelação serial dos resíduos.

A hipótese de homocedasticidade é importante para demonstrar que os estimadores de MQO são não viesados e consistentes.

Na presença de autocorrelação dos resíduos, os estimadores de MQO serão eficientes, porém viesados e inconsistentes.

Efeito Fischer é o ajuste da taxa de juros real à taxa de inflação.

Há heteroscedasticidade quando as perturbações aleatórias de uma regressão linear possuem a mesma variância.

Por que utilizamos o método dos mínimos quadrados generalizados para corrigir heterocedasticidade?