Questões

A estacionariedade da série é algo relevante na análise de séries temporais, mas ela por si só não é suficiente para o entendimento do comportamento passado e futuro da série temporal.
Sobre o exposto, analise as afirmativas a seguir:

1. Em uma série temporal a estacionariedade concede a compreensão do comportamento passado dessa série, mas não proporciona projetar a sua trajetória futura.
2. Em um passeio aleatório observa-se que a variância diminui indefinidamente à medida que se avança no tempo t, dessa forma, estamos diante de um processo estacionário.
3. Para o entendimento do comportamento puro das séries temporais, a estacionariedade não é suficiente.

Qual o papel da defasagem de truncagem na construção do erro padrão HAC?

Sobre o modelo de série temporal, analise as afirmativas a seguir e assinale-as com V (verdadeiro) ou F (falso):

Assinale a alternativa que contenha a sequência correta de V e F:

• ( ) Os modelos Auto Regressive Conditional Heteroskedasticity (ARCH) são empregados para estimar a volatilidade da inflação.
• ( ) A questão é que o retorno não está relacionado linearmente, mas a volatilidade depende dos retornos anteriores, por meio de uma função quadrática.
• ( ) Modelos Generalized Autoregressive Conditional Heteroskedasticity (GARCH) possuem caudas gordas e agrupamento de períodos voláteis.
• ( ) Um modelo ARCH é uma generalização dos modelos GARCH.
• ( ) Os modelos GARCH possuem menos parâmetros.

Até agora observamos modelos que são lineares nos parâmetros e nas variáveis. No entanto, como observamos na unidade anterior, a premissa de linearidade requer que somente os parâmetros sejam lineares, sem exigir isso das variáveis. Alguns dos modelos funcionais alternativos mais utilizados são os modelos log-linear.

Assim, quanto a esta metodologia alternativa, analise as afirmativas abaixo e classifique-as com “V” para verdadeiro e “F” para falso:

• ( ) Alguns dos modelos funcionais alternativos mais utilizados são os modelos log-linear, que nos permitem medir a elasticidade.
• ( ) Alguns dos modelos funcionais alternativos mais utilizados são os modelos log-linear, que nos permitem medir a disrupção entre duas ou mais variáveis.
• ( ) Para elaborar o modelo log-linear e estudar as elasticidades, o modelo é conhecido como modelo de regressão exponencial.
• ( ) O modelo pressupõe que o coeficiente de elasticidade entre a variável dependente (Y), a explicativa (X) e o coeficiente de inclinação, permaneçam constantes.

Considerando os parâmetros acima e que a hipótese nula (H_0) pressupõe erros aleatórios e ausência de autocorrelação, e que na hipótese alternativa (H_1) os resíduos são autocorrelacionados, sabendo-se que determinado modelo de série temporal do Banco Central apresentou DW = 0,38125 e p-valor = 0,00000, a qual conclusão podemos chegar?

Com relação a análise de variância multivariada (MANOVA - Multiple Analysis Of VAriance) é incorreto afirmar:

Sobre o problema de multicolinearidade, analise as afirmativas a seguir:

O problema de multicolinearidade implica na situação na qual as variáveis explicativas são altamente correlacionadas, ou seja, duas ou mais variáveis apresentam alguma inter-relação.

Se houver uma combinação perfeita entre duas variáveis, diz-se que a colinearidade é perfeita.

O problema de multicolinearidade pode ter origem no fato da amostra ser muito pequena bem como na quantidade muito grande de parâmetros a serem estimados comparativamente ao tamanho da amostra.

Sobre a análise de resíduos, assinale a alternativa falsa:

Os principais modelos utilizados para realizar estimativas da população são: