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.
Na análise diagnóstica dos resíduos de um modelo de regressão múltipla estimado por mín...
Na análise diagnóstica dos resíduos de um modelo de regressão múltipla estimado por mínimos quadrados ordinários, identificam-se três observações com características distintas: a i-ésima observação apresenta resíduo studentizado externamente superior a 3 em valor absoluto, mas baixo valor de alavancagem; a j-ésima observação apresenta alta alavancagem, mas resíduo próximo de zero; e a k-ésima observação apresenta, simultaneamente, resíduo studentizado moderado (aproximadamente 2) e alta alavancagem, o que resulta em distância de Cook substancialmente elevada.
Considerando a situação hipotética apresentada e os conceitos de leverage, outliers e observações influentes, assinale a opção correta.
A
A presença simultânea dessas três observações com características distintas invalida o uso de mínimos quadrados ordinários, sendo necessário utilizar métodos robustos de estimação, como regressão quantílica ou M-estimadores, para a obtenção de resultados confiáveis.
B
As três observações são igualmente problemáticas e devem ser removidas do conjunto de dados, pois qualquer observação com resíduo elevado ou alta alavancagem viola os pressupostos do modelo de regressão e compromete a validade das inferências estatísticas.
C
A i-ésima observação indica heterocedasticidade localizada e deve ser corrigida por meio de ponderação; a j-ésima observação sugere multicolinearidade que envolve essa observação específica; e a k-ésima observação demonstra não linearidade, que requer inclusão de termos polinomiais no modelo.
D
Como a k-ésima observação apresenta a maior distância de Cook, ela é necessariamente a única observação que deve ser investigada e potencialmente removida, ao passo que as observações i e j podem ser ignoradas na análise, independentemente de seus valores de resíduo ou alavancagem.
E
A i-ésima observação é um outlier sem influência substancial sobre as estimativas; a j-ésima observação tem potencial de influência devido ao leverage, mas está bem ajustada pelo modelo; e a k-ésima observação é genuinamente influente, pois combina posição extrema no espaço dos regressores com inadequação do ajuste, sendo a mais preocupante para a estabilidade das estimativas dos coeficientes.