Pressupostos são ideias não expressas de maneira explícita num discurso, mas que podem ser percebidas a partir de certas palavras ou expressões que foram utilizadas.
Sobre os pressupostos básico do MQO assinale V (verdadeiro) ou F (falso)
( ) Linearidade: O modelo afirma-se que a relação de linearidade deve ser entre os parâmetros e não necessariamente entre as variáveis.
( ) Rank ou posto Completo: Não pode haver relacionamento linear perfeito entre as variáveis independentes.
( ) Exogeneidade das variáveis independentes: Indica que o valor esperado do erro não é uma função das variáveis independentes observadas.
( ) Homocedasticidade e não autocorrelação: cada perturbação, εi tem a mesma finita variância σ2, e é não correlacionado com todos os outros distúrbios, εj.
Assinale a alternativa correta:
Alternativas:
a)
F – F – F – F
b)
F – V – V – F
c)
V – F – V – F
d)
V – F – F – V
e)
V – V – V – V
Soluções para a tarefa
Resposta:
e) V-V-V-V
Explicação passo-a-passo:
1 – Linearidade: O modelo especifica um relacionamento linear entre y e x1, ..., xk. Greene (2003) esclarece que no contexto da regressão, a linearidade se refere à maneira pela qual os parâmetros e as perturbações entram na equação, não necessariamente à relação entre as variáveis. Então, afirma-se que a relação de linearidade deve ser entre os parâmetros e não necessariamente entre as variáveis.
2 – Rank ou posto Completo: Não pode haver relacionamento linear perfeito entre as variáveis independentes, pois neste caso o modelo não se justifica. (exemplo X2 não pode ser resultado de 2X1). Outro complemento a este pressuposto é que o número de observações tem de ser no mínimo tão grande quanto o número de parâmetros a serem estimados. As variáveis independentes têm de variar.
3 – Exogeneidade das variáveis independentes que é expressa e termos de notação matemática como: E [εi | xj1, xj2. . . ,xjK ]= 0 esta notação indica que o valor esperado do erro amostral na observação i da amostra não é uma função das variáveis independentes observadas em qualquer observação.. Isso significa que as variáveis independentes não carregam informações úteis para a previsão de εi.
4 – Homocedasticidade e não autocorrelação: cada perturbação εi tem a mesma finita variância σ2, e é não correlacionado com todos os outros distúrbios εj. Esta suposição limita a generalidade do modelo.