Para estimar a demanda por diárias em hotéis (DH) de um dado destino turístico é elaborado um modelo econométrico, tendo como variáveis explicativas o preço da diária (PD), a renda dos turistas nacionais (RN), a renda dos turistas internacionais (RI), o preço das diárias em destinos alternativos (PA) e uma variável qualitativa que reflete o momento de alta ou baixa estação. A forma funcional do modelo é a seguinte:

LnDH_t = α + β.LnPD_t + β*.(D_t.LnPD_t) + γ.LnRN_t + δ.LnRI_t + φLnPA_t + ω.D_t + ε_t

Onde D_t=1, se for alta temporada e D_t=0, na baixa.

é o termo de erro e Ln é o logaritmo neperiano.

Após a aplicação de MQO foram obtidas as estimativas a seguir.

Considerando que os preços e rendas estão em reais (R$) e que as estimativas acima são significativas, é correto afirmar que:

Um modelo de regressão linear múltipla é estimado por MQO (Mínimos Quadrados Ordinários), conforme a equação:

Y_i = α + β.X_i + γ.W_i + ε_i

As estimativas estão colocadas na tabela abaixo, com algumas omissões:

Com base nas estatísticas disponíveis e no cálculo dos valores omitidos, é correto afirmar que:

Após estimar um modelo de regressão linear múltipla, por MQO, um econometrista repara que, por algum motivo, a tabela contendo os resultados da análise da variância ficou incompleta, conforme abaixo:

Apesar dos valores acima omitidos, é correto afirmar que:

Um econometrista resolve propor e estimar um modelo de regressão linear simples como forma de estimar o efeito da temperatura sobre o volume de venda de sorvetes. Emprega, para esse fim, a formulação:

Onde QS é a quantidade de sorvetes (em milhares), T é a temperatura (célsius) e é ε o termo de erro do modelo.

Apenas estatísticas descritivas básicas sobre QS e T são dadas, como Onde, variâncias (σ²), médias (μ) e covariância (σ_{T, Q, S}).

Supondo-se válidos todos os pressupostos clássicos, a partir das informações disponíveis, verifica-se que:

Os principais métodos para a estimação de parâmetros em modelos de regressão linear são os de Mínimos Quadrados Ordinários (MQO), o do Melhor Estimador Linear Não Tendencioso (BLUE) e o de Máxima Verossimilhança (MV).

Sobre esses métodos, é correto afirmar que: