Questões de Concurso Público Câmara dos Deputados 2024 para Consultor de Orçamento e Fiscalização Financeira (Reaplicação)

Um pesquisador deseja estimar um modelo econométrico da receita pública dos estados brasileiros. Para isso, ele tem uma amostra de dados dos 27 estados e DF para o ano de 2022, com as seguintes variáveis:

Y = do Imposto sobres Circulação de Mercadorias e Serviços (ICMS) em milhões de reais;
X = alíquota do ICMS em %;
Z = renda per capita de cada estado em milhares de reais;

O pesquisador planeja usar o seguinte modelo:
Y = a + b.X + c.X² + d.ln(Z) + V

em que a, b, c, d são parâmetros a serem estimados, ln(Z) é o logaritmo natural de Z e V é o termo de erro do modelo.

Nessas condições, avalie se as afirmativas a seguir são verdadeiras (V) ou falsas (F).

I. Para que os parâmetros do modelo possam ser estimados pelo método de mínimos quadrados ordinários (MQO) é preciso que a distribuição de probabilidade de V tenha distribuição Normal Padrão.

II. Se os valores estimados de b e c forem, respectivamente, 2,5 e 7,5, então a relação entre Y e X tem o formato de uma curva de Lafer.

III. Se o valor estimado de d for 0,5, significa que o efeito esperado de um aumento de 1% na renda per capita seria o aumento de 0,5% na receita de ICMS.


As afirmativas são, respectivamente, 

Suponha que um economista queira estimar a relação entre a taxa de inflação e a taxa de juros no Brasil com o uso do seguinte modelo econométrico:

I = a + b*S + e em que

• a é o intercepto.
• b é o coeficiente de regressão.
• S representa a taxa de juros Selic em %.
• I representa a taxa de inflação IPCA em %.

Ele também suspeita que haja simultaneidade no modelo, isto é, S também seria causado por I.
Nesse caso, avalie se as afirmativas a seguir são verdadeiras (V) ou falsas (F).

( ) Se de fato existe simultaneidade, então a estimação do modelo um pelo método mínimos quadrados ordinários (MQO) geraria estimadores inconsistentes do parâmetros.

( ) No caso de simultaneidade no modelo, o método de variáveis instrumentais seria o mais adequado para estimador o modelo. Os estimadores seriam consistentes.

( ) Um dos problemas para se usar o método de variáveis instrumentais é que nesse caso precisaríamos de no mínimo 3 instrumentos para testar a validade deles.



As afirmativas são, respectivamente,

Considerando um modelo econômico no qual a taxa de inflação (Y) é explicada pela emissão de moeda (X), um pesquisador depara com o problema de endogeneidade entre X e Y, decidindo então utilizar o método de Variáveis Instrumentais (VI) para estimar os parâmetros do modelo.

Nesse caso, assinale a opção que melhor descreve um requisito fundamental para que uma variável Z seja considerada um instrumento válido para X.

Um dos principais desafios para se trabalhar com dados de séries de tempo é que as variáveis podem ser não estacionárias e terem ordens de integração diferentes.

Considere um economista que busca estimar a relação entre a receita tributária (Y) e a produção industrial (X) no Brasil.

Suponha que o resultado do teste de Dickey-Fuller aumentado (ADF) foi aplicado para testar a presença de raiz unitária em cada uma das séries e rendeu o seguinte resultado:

• Y: p-valor do teste = 0,15 (15%);
• X: p-valor do teste = 0,001 (ou 0,1%).

Nesse caso, avalie as afirmativas a seguir.
I. Receita tributária é uma série estacionária e produção industrial tem uma raiz unitária.
II. Receita tributária e produção industrial podem ser cointegradas.
III. O pesquisador deveria usar como variável dependente a primeira diferença da série de Receita tributária. Isso poderia resolver o problema de estacionariedade do modelo.


Está correto o que se afirma em

Modelos econométricos do tipo Vetor Autorregressivo (VAR) e Vetor de Correção de Erros (VEC) são largamente usados em economia para se entender como duas ou mais variáveis interagem dinamicamente e para fazer previsões.

Considerando esses modelos, avalie se as afirmativas a seguir são verdadeiras (V) ou falsas (F).

( ) O modelo VAR deve ser usado quando as séries temporais são não estacionárias de ordem 1 e têm uma relação de cointegração.

( ) A função impulso-resposta em modelos VAR permite analisar como uma variável é afetada por choques temporários em outra variável ao longo do tempo, mas essa análise não é possível em modelos VEC.


( ) Em modelos VEC, o termo de correção de erro é incorporado para ajustar o relacionamento de longo prazo entre as séries temporais cointegradas após choques temporários, algo que não é diretamente modelado em VAR tradicionais.

( ) A decomposição de variância em modelos VAR ajuda a entender a proporção da variância de previsão de cada variável que pode ser atribuída a choques em si mesma versus choques nas outras variáveis, uma análise que também é aplicável em modelos VEC.


As afirmativas são, respectivamente,