

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.
Modelos de séries temporais são fundamentais para a análise macroeconômica e financeira. Entre os conceitos centrais estão a estacionariedade e a cointegração.
Sobre séries temporais, analise as afirmativas a seguir.
I. Uma série temporal é fracamente estacionária quando sua média e sua variância são constantes ao longo do tempo, e sua autocovariância depende apenas da defasagem temporal.
II. O teste de Dickey-Fuller aumentado (ADF) é utilizado para testar a hipótese nula de presença de raiz unitária, associada à não estacionariedade da série.
III. Se duas séries não estacionárias, integradas da mesma ordem, possuem uma combinação linear estacionária, diz-se que elas são cointegradas, o que sugere uma relação de longo prazo entre elas.
Está correto o que se afirma em
II, apenas.
I e II, apenas.
I e III, apenas.
II e III, apenas.
I, II e III.
Considere o modelo de séries temporais:Yt = 1 + 0,5Yt-1 + Et, em que Et é um ruído branco com média zero e variância igual a 3. A variância de Yt, de acordo com o modelo proposto, vale:
3;
4;
5;
6;
7.
Dentro do escopo dos estudos de séries temporais é correto afirmar que o termo cross-section data refere-se:
à uma série de tempo para cada unidade analisada dentro de um conjunto de dados.
ao termo substituto de todas as variáveis que se encontram omitidas pelo modelo.
tem como objetivo medir a intensidade linear observado entre duas variáveis.
à estimativa da média da população ou dos valores médios das variáveis dependentes, utilizada a partir de uma variável explicativa.
à uma amostra tomada em um determinado ponto do tempo. Sendo que, às vezes, os dados de todas as unidades não correspondem precisamente ao mesmo período.
A variância de Yt é igual a 10.
Certo
Errado
A necessidade de teoria econômica para definir as variáveis explicada e explicativa de um modelo torna-se muito importante, na presença de raiz unitária. Isso porque é possível encontrar relações econométricas entre duas ou mais variáveis econômicas, sem qualquer relação de causalidade entre uma e outra.
É típico, nas relações entre as séries econômicas, que,
se duas séries yt e xt são ambas estacionárias, a regressão convencional não se aplica devido ao problema de regressão espúria.
se duas séries yt e xt são integradas de diferentes ordens, pode-se regredir uma contra a outra, sem incorrer no problema de regressão espúria.
se duas séries yt e xt são integradas de mesma ordem e o resíduo ainda é integrado, não há o problema de regressão espúria.
se duas séries yt e xt são integradas de mesma ordem e os resíduos são estacionários, não há cointegração.
se duas séries yt e xt, independentes, são integradas de ordens diferentes, pode-se incorrer em regressão espúria.
Um dos tipos importantes de dados utilizados em análises são os de séries temporais.
Nas análises aplicadas às séries temporais,
a raiz unitária implica reconhecer que a série é estacionária.
a rejeição da hipótese nula do teste de Dickey-Fuller implica série não estacionária.
as séries temporais podem ser diferença-estacionária ou tendência-estacionária.
os testes clássicos t e F não se baseiam na premissa de que as séries temporais são estacionárias.
os modelos de cointegração não podem ser aplicados às séries temporais não estacionárias.
Em geral, as estatísticas R2 serão maiores para estimativas em séries temporais que para cortes transversais.
Certo
Errado
Para a utilização efetiva de um modelo de vetor autorregressivo em previsões, não é necessário que as séries temporais incluídas sejam estacionárias.
Certo
Errado
A autocorrelação entre Yt e Yt-1 é igual a 0,45.
Certo
Errado
Considere a estimação do modelo de regressão linear, dado por Yt=β0+β1Xt+ut , em que Yt e Xt são duas séries temporais. As duas séries serão cointegradas somente se os resíduos da regressão (ût), estimado por MQO,
forem temporalmente independentes, isto é, cov (ûy ,ût+k )=0, para qualquer valor de k.
forem homocedásticos.
forem não estacionários.
forem estacionários.
Um economista elaborou um modelo de séries temporais com o objetivo de prever o número de queimadas ( Yt ) em um dado município do Estado de Santa Catarina. Para um número de observações suficientemente grande para valer as propriedades assintóticas, o economista obteve o seguinte resultado ao aplicar, com sucesso, a metodologia Box-Jenkins:
Yt= 60 + 0,5Yt−1+ ut+ 0,4ut−1 onde ut é White Noise e ut ∼ N(0,1)
Analise as proposições em relação à informação.
I. A série é estacionária com a raiz do polinômio característico do processo AR igual a 2.
II. A série é invertível com a raiz do polinômio característico do processo MA igual a 1,5.
III. E(Yt) = 120
IV. E(Yt− E(Yt))2 = 1
Assinale a alternativa correta.
Somente as afirmativas I e II são verdadeiras.
Somente as afirmativas I e III são verdadeiras.
Somente as afirmativas II e III são verdadeiras.
Somente as afirmativas I, II e III são verdadeiras.
Somente as afirmativas I e IV são verdadeiras.
Um modelo de regressão com séries temporais apresenta indícios do fenômeno de regressão espúria se apresentar
R2 elevado, coeficientes altamente significativos e baixo valor da estatística d de Durbin Watson, implicando R2 > d.
R2 elevado, coeficientes altamente significativos e alto valor da estatística d de Durbin Watson, implicando R2 < d.
R2 baixo, coeficientes não significativos e baixo valor da estatística d de Durbin Watson, implicando R2 > d.
R2 baixo, coeficientes não significativos e alto valor da estatística d de Durbin Watson, implicando R2 < d.
Com relação ao conceito de Séries Temporais é correto afirmar que, quando a covariância entre dois:
pontos de um processo estocástico depender unicamente da distância temporal entre eles, e este processor ter média constante, porém a variância não precisa ser constante, este processo é considerado fracamente estacionário.
pontos de um processo estocástico depender unicamente da distância temporal entre eles, e este processor ter média constante, porém a variância não precisa ser constante, este processo é considerado fortemente estacionário.
pontos num sistema cartesiano de um processo estocástico depender unicamente da distância temporal entre eles, e este processor ter média e variância constantes, este processo é considerado fortemente estacionário.
membros de um processo estocástico depender unicamente da distância temporal entre eles, e este processo tem média e variância constantes, este processo estocástico é considerado estacionário de segunda ordem.
membros de um processo estocástico não depender unicamente da distância temporal entre eles, e este processo tem média e variância constantes, este processo estocástico é considerado estacionário de segunda ordem.

O modelo de regressão de dados em painel, representado por yit=xit/β+zi/α+εit, atribui flexibilidade à modelagem de diferenças no comportamento entre indivíduos; o modelo de efeitos aleatórios é mais indicado se o objetivo da análise de painel for evitar efeitos não observados.
Certo
Errado