Questões de Concurso sobre Re-Regulação

Considere por simplificação que o sistema de equações simultâneas, a seguir, é adequado para representar, sinteticamente, a espiral de preços e salários de uma economia:

$\{\begin{array}{c}w={\alpha }_{2}p+{\alpha }_{3}d+e_1\\ p={\beta }_{2}w+e_2\end{array}$ ${}_{\mathrm{m}\mathrm{o}\mathrm{d}\mathrm{e}\mathrm{l}\mathrm{o}2}^{\mathrm{m}\mathrm{o}\mathrm{d}\mathrm{e}\mathrm{l}\mathrm{o}1}$

onde w =variação no salário e p=variação no preço são variáveis endógenas; d=taxa de desemprego é variável exógena; e₁ e e₂ são erros aleatórios com média zero, variância constante, não autocorrelacionados e Cov(e₁, e₂)=0.

Mantendo as demais hipóteses do Modelo Clássico de Regressão linear, considerando apenas as comparações entre os estimadores de Mínimos Quadrados Ordinários (MQO), Mínimos Quadrados Indiretos (MQI), Variáveis Instrumentais (VI) e Mínimos Quadrados em 2 Estágios (MQ2E), analise as proposições e assinale (V) para verdadeira e (F) para falsa.

( ) O estimador de MQO produzirá coeficientes viesados, inconsistentes e ineficientes de ${\beta }_2$ do modelo 2.

( ) Quando p e d forem independentes entre sí, o estimador de MQO produzirá um estimador eficiente do parâmetro ${\alpha }_3$ do modelo 1.

( ) O parâmetro ${\beta }_2$ do modelo 2 poderá ser estimado de maneira consistente apenas por MQ2E já que a equação do modelo 2 é sobre-identificada.

( ) Para o modelo 2, os estimadores de MQI, VI e MQ2E produzirão os mesmos resultados para o parâmetro ${\beta }_2$ quando usamos a variável d como instrumento para w.

( ) A equação do modelo 1 tem as condições necessárias e suficientes para ser exatamente identificada.

Assinale a alternativa correta, de cima para baixo.

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.

O relacionamento entre as taxas de juros de curto e de longo prazos ilustra como as variáveis se ajustam a qualquer discrepância do relacionamento de equilíbrio de longo prazo, exemplificando variáveis cointegradas cujas trajetórias temporais são influenciadas pela extensão do desvio do equilíbrio de longo prazo.

Se as informações de x_t e x_{t –1} forem altamente correlacionadas, então o teste de estacionariedade ADF (augmented Dickey-Fuller) será falho.

Em um processo estocástico gaussiano, uma série temporal é dita estritamente estacionária se a sua média for constante e a sua função de autocovariância depender da defasagem temporal.

A função de autocorrelação e a função de autocorrelação parcial permitem avaliar a qualidade do ajuste e decidir sobre a ordem do modelo a ser empregado.

A diferença entre um modelo ARIMA e um modelo SARIMA é a sazonalidade presente nos dados.

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.

As principais variáveis macroeconômicas, como produto interno bruto (PIB), oferta de moeda e índice de preços possuem, em geral, alguma tendência. Por isso, se uma série econômica qualquer possuir raiz unitária pelo teste Augmented Dickey-Fuller (ADF), é correto afirmar que essa série será estacionária.

Há sazonalidade de período anual numa série temporal de dados mensais de produção. Logo,