

Seu próximo nível começa aqui
Com a Assinatura Ilimitada, você tem tudo que precisa para sua aprovação.
Com a Assinatura Ilimitada, você combina prática, teoria e método em uma única assinatura com tudo que você precisa para sua aprovação.

13,065 e 0,0007
5,76 e 0,0007
1,042 e 0,0014
− 0,54 e 0,0014
− 3,61 e 0,0007

Assuma que um modelo de regressão com 5 variáveis explicativas tenha sido ajustado em uma amostra de tamanho n = 25 e obteve-se um coeficiente de determinação do modelo igual a R2 = 0,80. Nessa situação, o coeficiente de determinação ajustado (Ra2) será maior que 0,75.

Tendo como base a análise de regressão linear simples, assinale a alternativa incorreta.
Tem como objetivo a descrição da relação existente entre duas variáveis.
Sendo a variável y função da variável x, x será a variável explicada e y variável explicativa.
A determinação de parâmetros em uma reta é denominada como ajustamento.
Em uma reta ajustada, a é o ponto onde a reta corta o eixo da variável y.



A hipótese de homocedasticidade é importante para demonstrar que os estimadores de MQO são não viesados e consistentes.
Considere que, em um modelo de regressão de Y, explicado por X1, se obtenha uma soma de quadrados totais (SQT) igual a 419,875 e uma soma de quadrados da regressão (SQReg) igual a 231,125. Assumindo que, no modelo de Y, explicado por X1 e X2, se obtenha uma soma de quadrados do resíduo (SQR) igual a 17,625, então é correto afirmar que a soma de quadrado extra, devido ao acréscimo de X2, é igual a 171,125.
Considere uma variável resposta Y e duas variáveis explicativas X1 e X2. Nesse caso, a soma de quadrados totais (SQT) do modelo Y, explicado por X1, será maior que a soma de quadrados totais do modelo Y, explicado por X1 e X2.
Suponha que, em um modelo de regressão ajustado, em uma pequena amostra, obteve-se uma observação Xi, cuja medida de desvio das covariáveis com relação à respectiva média foi igual a ℎii = 1/5 . Nesse caso, se o resíduo padronizado for superior a 2, então essa observação será um ponto influente.

Quaisquer que sejam os modelos utilizados para inferir o comportamento do mercado e formação de valores, eles devem ter seus pressupostos devidamente explicitados e testados.
No caso de utilização de modelos de regressão linear, deve-se verificar a
linearidade do modelo pela construção de gráficos dos valores observados para a variável dependente versus cada variável independente, com respectivas transformações.
homoscedasticidade do modelo, observando-se que a análise gráfica dos resíduos versus valores ajustados deve apresentar um padrão definido.
multicolinearidade por meio do teste t de Student.
existência de pontos atípicos, que devem ser submetidos ao teste F de Snedecor ao nível máximo de significância de 1%.
autocorrelação por meio do teste Qui-quadrado.