Questões de Regressão Linear (Estatística)

No estudo de um modelo de regressão linear simples, avalie se os principais problemas que podem ser detectados por intermédio da análise dos resíduos incluem, entre outros: 
I. Não-linearidade da relação entre as variáveis. II. Não normalidade dos erros. III. Variância não-constante dos erros (heterocedasticidade). IV. Correlação entre os erros. V. Presença de outliers ou observações atípicas.

Estão corretos os problemas

Um analista investiga, mediante um modelo de regressão linear clássico, a relação entre a rentabilidade y de ofertas públicas disponíveis no mercado e um indicador de risco associado ao emissor, representado pela variável explicativa x. Considera-se que o termo de erro do modelo siga distribuição Normal. Foi utilizada uma amostra aleatória simples de 20 pares (x,y) de observações mensais. O modelo estimado está apresentado a seguir (erros padrão entre parênteses).




O intervalo de 95% de confiança associado ao impacto de x sobre y é (considere apenas 3 casas decimais):

Um analista financeiro tenta prever a rentabilidade anual futura de um ativo, em termos reais. Ele considera que a rentabilidade real (em %) siga, ao longo dos anos, um modelo AR(1): yt = Φ₀ + Φ₁ y_t-1 + ε_t, em que t é o ano, E(ε_t) = 0 e corr(ε_t, ε_t-s) = 0, para s = 1, 2, ... . Sabe-se que a rentabilidade real prevista pelo modelo para o longuíssimo prazo foi de 4% ao ano.
Se a estimativa obtida para o parâmetro Φ₁ foi 0,8, a estimativa do parâmetro Φ₀ foi:

Sabe-se que os modelos estatísticos de regressão foram construídos com base em algumas suposições.

Dessa forma, assinale a opção que apresenta a suposição que se aplica aos modelos de regressão múltipla e não está presente nos modelos de regressão simples.

Sabe-se que os modelos estatísticos de regressão foram construídos com base em algumas suposições.

Dessa forma, assinale a opção que apresenta a suposição que se aplica aos modelos de regressão múltipla e não está presente nos modelos de regressão simples.