Seu próximo nível começa aqui
Seu desenvolvimento não pode ter limites. Garanta sua Assinatura Ilimitada e libere uma preparação completa com os melhores professores do Brasil.
Em um modelo de regressão linear estimado por mínimos quadrados ordinários, a análise g...
Em um modelo de regressão linear estimado por mínimos quadrados ordinários, a análise gráfica dos resíduos revela que a dispersão dos erros aumenta sistematicamente conforme os valores ajustados crescem. Adicionalmente, observa-se que os testes de hipótese individuais indicam significância estatística para diversos coeficientes, mas o pesquisador suspeita que os intervalos de confiança e os p-valores podem estar incorretos.
Nessa situação hipotética, o modelo apresenta
A
endogeneidade resultante da correlação entre variáveis explicativas e o termo de erro, o que torna os estimadores viesados e exige o uso de métodos de variáveis instrumentais para a obtenção de estimativas consistentes.
B
multicolinearidade severa entre os regressores, o que provoca instabilidade nas estimativas e inflação artificial da dispersão dos resíduos conforme os valores ajustados aumentam.
C
não linearidade na forma funcional, sendo necessário aplicar transformações logarítmicas ou polinomiais para a correção do viés sistemático introduzido pela especificação linear incorreta.
D
autocorrelação dos resíduos, o que viola o pressuposto de independência temporal, resultando em estimadores viesados e inconsistentes, que não convergem para os valores verdadeiros populacionais.
E
heterocedasticidade, o que viola o pressuposto de variância constante dos erros, resultando em erros-padrão incorretos e inferências estatísticas não confiáveis.