Um modelo de regressão linear simples é estimado e verifica-se que uma (e apenas uma) das hipóteses básicas do modelo foi violada: a homoscedasticidade. Isso significa que a variância do termo de erro não pode ser considerada constante. Nessa condição, NÃO existe mais garantia de que os estimadores de mínimos quadrados para os coeficientes do modelo sejam: A) não viesados, pois os valores esperados desses estimadores poderão não corresponder aos valores reais dos coeficientes; B) consistentes, pois esses estimadores não necessariamente convergem em probabilidade para os respectivos parâmetros; C) os melhores possíveis dentre os estimadores lineares e não viesados, pois uma das hipóteses de Gauss-Markov é violada; D) endógenos, pois a covariância entre as variáveis explicativas e o erro só é zero se a variância do erro do modelo é constante; E) definidos, pois pode não ser possível calcular a fórmula de mínimos quadrados, já que o denominador pode valer zero.

C) os melhores possíveis dentre os estimadores lineares e não viesados, pois uma das hipóteses de Gauss-Markov é violada;

Questões Economia

Um modelo de regressão linear simples é estimado e verifica-se que uma (e apenas uma) d...

Responda: Um modelo de regressão linear simples é estimado e verifica-se que uma (e apenas uma) das hipóteses básicas do modelo foi violada: a homoscedasticidade. Isso significa que a variância do termo de e...

1Q1007817 | Economia, Perito em Economia, MPU, FGV, 2025

Um modelo de regressão linear simples é estimado e verifica-se que uma (e apenas uma) das hipóteses básicas do modelo foi violada: a homoscedasticidade. Isso significa que a variância do termo de erro não pode ser considerada constante.
Nessa condição, NÃO existe mais garantia de que os estimadores de mínimos quadrados para os coeficientes do modelo sejam:

✂️ a) não viesados, pois os valores esperados desses estimadores poderão não corresponder aos valores reais dos coeficientes;
✂️ b) consistentes, pois esses estimadores não necessariamente convergem em probabilidade para os respectivos parâmetros;
✂️ c) os melhores possíveis dentre os estimadores lineares e não viesados, pois uma das hipóteses de Gauss-Markov é violada;
✂️ d) endógenos, pois a covariância entre as variáveis explicativas e o erro só é zero se a variância do erro do modelo é constante;
✂️ e) definidos, pois pode não ser possível calcular a fórmula de mínimos quadrados, já que o denominador pode valer zero.