Um modelo de regressão com séries temporais apresenta indícios do fenômeno de regressão espúria se apresentar

No modelo de regressão linear clássico, a premissa de linearidade do modelo, necessária para a estimação dos parâmetros do modelo pelo método de mínimos quadrados ordinários, indica que:

Considere que um economista precise realizar uma pesquisa de opinião pública para saber se determinada população, considerada de tamanho infinito, aprova, ou não, um determinado projeto de reforma. Que tamanho deve ter a amostra para que se possa estimar a proporção de votos favoráveis com um erro máximo igual a 2 pontos percentuais, ao nível de confiança de 95%?

Considere que Φ(1)=0,841, Φ(1,65)=0,95, Φ(2)=0,975 e Φ(2,57)=0,99, em que Φ(Z) é a função de distribuição normal padronizada acumulada e também desconsidere os valores decimais da resposta.

Uma em cada duas pessoas é contra a liberação do porte de armas. Em uma amostra aleatória simples contendo cinco pessoas, qual é a probabilidade de se encontrar, pelo menos, uma pessoa favorável ao porte de armas?

Considere a resposta apenas com uma casa decimal e sem arredondamentos.

Uma pesquisa realizada entre 100 clientes de uma agência de automóveis mostrou que 75 preferem carros nacionais, 50 preferem carros populares e 40 preferem carros populares nacionais. Com base nessas informações, qual é a probabilidade de que o próximo cliente a ser atendido procure por um carro popular ou nacional?

Considere a estimação do modelo de regressão linear, dado por Y_t=β₀+β₁X_t+u_t , em que Y_t e X_t são duas séries temporais. As duas séries serão cointegradas somente se os resíduos da regressão (û_t), estimado por MQO,

A partir de uma amostra contendo informações sobre postos de combustíveis na cidade de Goiânia, um economista decide estimar uma função de demanda por gasolina, dada pela seguinte equação: Q_i=β₀+β₁P_i+u_i , em que Q_i representa a quantidade de gasolina vendida pelo posto (medida em litros), P_i é o preço da gasolina cobrada pelo posto (em reais) e u_i é o termo de erro aleatório. O resultado do modelo estimado por MQO, para uma amostra de tamanho n = 100, foi

!$ hat{Q} !$_i=430,21−70,0 P_i

Considerando que o preço médio da gasolina, calculado com base na amostra, foi de R$ 3,00 e o volume médio de gasolina vendido pelos postos foi de 120 litros, qual é a elasticidade-preço da demanda por gasolina?

Um economista tentando estimar os preços dos apartamentos disponíveis para venda definiu o seguinte modelo: lny_i=β₀+β₁ lnx_i+β₂ Di+u_i , em que Y_i representa o preço dos apartamentos em reais, x_i é o tamanho do imóvel, medido em m² , D_i é uma variável dummy indicando se existe um parque ou praça pública, no raio de 200 metros de distância do imóvel, e u_i é o termo de erro aleatório. O modelo foi estimado pelo método dos mínimos quadrados ordinários, com uma amostra de tamanho n = 732 e o resultado da estimação está descrito, a seguir.

R ² = 0,95 R ² ajust. = 0,94

De acordo com os resultados estimados, a existência de um parque próximo ao imóvel, aumenta o seu valor, ceteris paribus, em

Considere o modelo de regressão linear múltipla com variável dependente y e variáveis explicativas x₁, x₂, ... , x_k, representado por yi=β₀+β₁ x_1i+β₂ x_2i+...+β_k x_ki+u_i , em que u_i significa o termo de erro aleatório e i = 1, 2, ..., n, o índice relativo às observações amostrais. O erro de especificação causado por inclusão de variável explicativa irrelevante resulta em estimadores de MQO

Considere uma população contendo dez elementos. Então, o número de amostras possíveis de tamanho n = 4 que podem ser extraídas dessa população, sem reposição, será igual a