1) Seja o seguinte modelo de regressão linear múltipla na forma matricial: Y= Xβ + u1.

Onde as dimensões das matrizes e dos vetores envolvidos são: Y= (n x 1); X= (n x k);
β= (k x 1). u= (n x 1). Com base nas seguintes afirmações, podemos concluir que:
I. As equações normais de mínimos múltiplos quadrados para o modelo dado podem ser
apresentadas em notação matricial como (X’Y) = (X’X)β e a solução para os β’s
estimados será β= (X’ Y)-1(X’ X).
II. Um dos pressupostos básicos do modelo de regressão linear clássico é que os
elementos da matriz X são estocásticos com valores fixados em amostras repetidas.
III. Nenhuma das variáveis independentes deve estar perfeitamente correlacionada
com qualquer outra variável independente ou com qualquer combinação linear de
outras variáveis independentes.
a) Apenas a alternativa I está correta;
b) Apenas a alternativa II está correta;
c) Apenas a alternativa III está correta;
d) As alternativas I e II estão corretas;
e) As alternativas I e III estão corretas;

2) Em relação ás afirmações feitas ao modelo de regressão múltiplo apresentado abaixo,

é correto afirmar que:
Yi = β1+ β2Xi2+ β3Xi3+...+ βlXik+ui para i = l, ...n
I. O método dos mínimos quadrados ordinários para estimação dos parâmetros exige
distribuição normal para os resíduos.
II. Se adicionarmos uma nova variável no modelo de regressão, o coeficiente de
determinação R2, pode ou não aumentar.
III. Os coeficientes podem ser interpretados como a elasticidade entre os regressores X e
a variável Y.
a) Apenas a alternativa I está correta;
b) Apenas a alternativa II está correta;
c) Apenas a alternativa III está correta;
d) As alternativas I e II estão corretas;
e) As alternativas I e III estão corretas;

3) Com base nas hipóteses estatísticas do modelo clássico de regressão múltipla, é

correto afirmar que:
I. Dado o valor de X, a variância de ui é a mesma para todas as observações, ou seja, as
variâncias condicionais de ui são idênticas, o que significa que os erros são
Heteroscedásticos.
II. A covariância entre ui e qualquer das variáveis independentes X deve ser igual a
zero, ou seja, E(Xi, ui)=0.
III. Dadas duas variáveis X quaisquer, Xi e Xj (i ≠ j), a correlação entre elas deve ser
diferente de zero, o que indica a ausência de multicolinearidade.
a) Apenas a alternativa I está correta;
b) Apenas a alternativa II está correta;
c) Apenas a alternativa III está correta;
d) As alternativas I e III estão corretas;
e) As alternativas II e III estão corretas;

4) Com base nas proposições acerca dos estimadores dos parâmetros de regressão (β’s)
para um modelo de regressão múltipla, é correto que:
I. Os estimadores de mínimos quadrados ordinários para os parâmetros β’s são
considerados estimadores eficientes quando comparados aos estimadores de máxima
verossimilhança, por apresentarem variância mínima.
II. Um coeficiente de determinação R2 = 1 significa a presença de uma combinação
linear perfeita entre variável dependente Y e as variáveis independentes X’s.
III. Sob a hipótese de normalidade, os estimadores de máxima verossimilhança e de
mínimos quadrados ordinários para os parâmetros β’s de um modelo de regressão
múltipla são distintos. Contudo, os estimadores da variância de ui são eficientes
assintoticamente.
a) Apenas a alternativa I está correta;
b) Apenas a alternativa II está correta;
c) Apenas a alternativa III está correta;
d) As alternativas I e II estão corretas;
e) As alternativas II e III estão corretas;

5) Considere um modelo ANOVA com duas variáveis qualitativas, como segue:

Yi = β1 + β2D2i + β3D3i + ûi
Onde: Yi = salário hora em R$; D2i = Estado Civil; 1 – casado e 0 – para as demais;
D3i= Região de Residência; 1 – para os estados da região Sul e 0 – para os demais.
Com base nessas informações e nas proposições que seguem, podemos afirmar que:
I. O coeficiente β1 representa apenas o salário médio dos não residentes na região Sul;
II. A soma dos coeficientes β1 e β3 representa o salário médio dos residentes na região
Sul;
III. O coeficiente β2 representa o salário médio para os que são casados;
a) Apenas a alternativa I está correta;
b) Apenas a alternativa II está correta;
c) Apenas a alternativa III está correta;
d) As alternativas I e II estão corretas;
e) As alternativas II e III estão corretas;

6) Considerando a utilização de um modelo de variáveis binárias como uma alternativa

ao teste Chow, para testar a presença de quebras estruturais na série de dados de tempo,
apresentado como segue:
Yi = α1 + α2D1 + β1X1 + β2 (D1X1) + ui
Com base nas seguintes proposições é correto afirmar que:
I. O coeficiente β2 representa o coeficiente angular diferencial;
II. Se os coeficientes α2 e β2 forem estatisticamente significativos pode-se dizer que
existe uma quebra estrutural, e trata-se de regressões paralelas;
III. Os coeficientes α1 e α2 representam, respectivamente, o intercepto diferencial e o
coeficiente angular diferencial;
a) Apenas a alternativa I está correta;
b) Apenas a alternativa II está correta;
c) Apenas a alternativa III está correta;
d) As alternativas I e III estão corretas;
e) As alternativas II e III estão corretas;

7) Considere as proposições formadas com base no modelo de variáveis binárias

estimado para testar quebras estruturais (teste Chow), é correto afirmar que:
Yt = 1,64 + 5,86 Dt + 0,08 Xt – 0,06 (Dt Xt)
(20,1648) (33,0824) (0,0144) (0,0159)
t=0,0504 t= 4,6090 t= 5,5413 t= 4,0963
p= 0,0000 p= 0,1500 p= 0,000 p=0,0000

I. A quebra estrutural deve-se a mudanças estatisticamente significativas nos

coeficientes linear e angular, o que sugere tartar-se de regressões dessemelhantes;
II. Os coeficientes linear e angular, para o modelo que representa o segundo período da
série de tempo é respectivamente, de 7,5 e 0,14;
III. O fato de o coeficiente angular diferencial não ser estatisticamente significativo
sugere que a quebra estrutural deve-se a uma mudança significativa no coeficiente
angular diferencial, o que sugere tratar-se de regressões concorrentes;
a) Apenas a alternativa I está correta;
b) Apenas a alternativa II está correta;
c) Apenas a alternativa III está correta;
d) As alternativas I e III estão corretas;
e) As alternativas II e III estão corretas;

8) Com base nas proposições referentes aos intervalos de confiança e testes de hipóteses
para os estimadores β’s, é correto afirmar que:
I. Considerando que os erros seguem a distribuição normal ui ~ N(0, σ2), e que os
estimadores dos β’s são normalmente distribuídos, e são os melhores estimadores
lineares não tendenciosos com média zero e variância dada, podemos constatar que cada
parâmetro segue uma distribuição t, com (n-k) graus de liberdade.
II. A razão F fornece um teste para avaliar a consistência de cada parâmetro individual
do modelo estimado.
III. Podemos utilizar a técnica da analise da variância para verificar se uma variável X
adicional contribui para aumentar significativamente a SQE e R2 ou, de modo
equivalente, reduzir a SQR.
a) Apenas a alternativa I está correta;
b) Apenas a alternativa II está correta;
c) Apenas a alternativa III está correta;
d) As alternativas I e III estão corretas;
e) As alternativas II e III estão corretas;
9) Y X1 X2
6,0 2,5 4,0
7,5 2,9 5,4
4,4 1,9 1,0
8,7 3,9 6,0
9,5 5,5 3,5
11,0 5,3 7,2
Utilizando-se da notação matricial:

a) Construa a matriz (X’X), (X’X)-1 e (X’y);

b) Encontre os coeficientes de regressão β’s;
c) Monte a equação de regressão e interprete os resultados;
d) Encontre a matriz de variância-covariância dos parâmetros estimados, e encontre os
desvios padrão dos estimadores;
e) Encontre o coeficiente de determinação R2, e explique o seu significado. Dada a
magnitude do R2 encontrado, o que você pode dizer com relação ao ajuste do modelo de
regressão obtido.
f) Construa um intervalo de confiança de 95% para os estimadores β’s.
g) Teste a hipótese nula de que os parâmetros β’s são iguais a zero, contra a alternativa
de que são diferente de zero, considerando um nível de significância de 5%. O que se
pode concluir?
h) Teste a hipótese nula de que os parâmetros são simultaneamente iguais a zero H0: β1
= β2 = β3 = 0 , considerando níveis de significância de 5% (teste F).
10) Demonstre que para Σ yi2 = Σ yi2 + Σui2, temos que:

Σ yi2 = β2 Σyix2i + β3 Σyix3i + ... + βk Σyixki.

11) Utilizando a notação matricial demonstre que: Para β = (X’X)-1 X’ y e y = X β + u,

tem-se que a matriz de Var – Covar(β) = σ2(X’ X)-1.
a) Utilizando-se dos instrumentos algébricos e gráficos demonstre como as variáveis
binárias podem ser utilizadas para detectar mudanças estruturais nas séries temporais.
Explique, quais são as vantagens de utilizar-se desse instrumento.
b) Com base nos dados de tabela, especifique o modelo estimado na sua forma de
equação de regressão.

c) demonstre as equações resultantes para cada período considerado e explique os

resultados. Demonstre os resultados graficamente.