Questões de Concurso Para ipea

Com base em um painel balanceado, construído a partir de uma amostra representativa de trabalhadores de um dado município brasileiro entre 2015 e 2019, um pesquisador estimou duas equações por meio dos modelos de Efeitos Fixos e Aleatórios, com o objetivo de estudar os determinantes do salário real dos trabalhadores da localidade em questão.

Equação I




O p-valor do Teste de Hausman obtido é igual a 0,001.

Equação II



O p-valor do Teste de Hausman obtido é igual a 0,265.
A base de dados é composta pelas seguintes variáveis:
• salario = salário real; • exper = anos de experiência profissional;
• casado = variável dummy igual a 1 se casado e 0 caso contrário;
• sindicato = variável dummy igual a 1 se sindicalizado e 0 caso contrário; • D15,D16,D17,D18 e D19 são os efeitos fixos de cada ano no tempo;
• a_I,i e a_II,i são os efeitos fixos não observados associados aos trabalhadores das Equações I e II, respectivamente;
• ε_I,it e ε_II,it são os termos de erro das Equações I e II, respectivamente.

Com base nos resultados dos Testes de Hausman e considerando o nível de significância a 5%, conclui-se que os coeficientes

Considere um estudo sobre o impacto de um programa de treinamento de habilidades técnicas em dois grupos de trabalhadores (Grupo P e Grupo Q), em relação à sua renda ao longo do tempo. Para isso, os pesquisadores estimam a seguinte equação:




onde
• Y_it é a renda do indivíduo i no período de tempo t;
• Treinamento_it é uma variável binária que indica se o indivíduo i recebeu ou não o treinamento no período  t (0 para não e 1 para sim);
• GrupoQ_i é uma variável binária que indica se o indivíduo i pertence ao Grupo Q (0 para Grupo P e 1 para Grupo Q);
• ϵ_it é o termo de erro.

Antes do treinamento, a renda média para o Grupo P era R$ 1.000,00 e para o Grupo Q era R$ 1.050,00. Após o treinamento, a renda média para o Grupo P foi para R$ 1.050,00 e para o Grupo Q foi para R$ 1.150,00.

Qual é a estimativa de β₃, em reais, nesse cenário, considerando-se que todos os coeficientes da equação foram estatisticamente significativos?

Existem três principais tipos de design de pesquisa. Associe os tipos de design de pesquisa com suas características.

I    –  Experimental
II  –  Quase-experimental
III  –  Não experimental observacional

P – Os pesquisadores coletam informações sem que os sujeitos da pesquisa estejam explicitamente envolvidos no registro dos dados, sem manipular qualquer aspecto do ambiente comum e sem atribuir indivíduos a grupos que ocorrem naturalmente ou que são criados artificialmente.
Q – Os pesquisadores manipulam uma ou mais variáveis e atribuem aleatoriamente os participantes aos grupos de controle e tratamento.
R – Os pesquisadores não têm total controle sobre a alocação dos participantes nos grupos de controle e tratamento, uma vez que nem sempre é possível uma aleatorização adequada dos participantes.
S – Os pesquisadores estudam a relação estatística entre duas variáveis sem manipular qualquer aspecto do contexto natural de uma amostra, de modo que esse desenho de pesquisa não permite compreender a direção da influência causal, se tal efeito existir.


As associações corretas são:

Considere um estudo de evento que analisa o impacto do lançamento de um produto nas ações de uma empresa, ao longo de um período de 11 dias, onde o dia 0 representa o dia do lançamento. Uma regressão foi realizada para entender o efeito do evento sobre o retorno das ações, utilizando um modelo que incluiu variáveis de tempo, um indicador de evento e uma interação entre tempo e evento. Os resultados da regressão foram os seguintes:

RetornoAções (Tempo, Evento) = 0,02 - 0,003Tempo + 0,05Evento - 0,01Tempo x Evento + ε ,
onde
• RetornoAções representa o retorno das ações da empresa;
• Tempo é o período de tempo em dias codificados de -5 a 5;
• Evento é uma variável indicadora que vale 1 se Tempo> 0 e 0 caso contrário;
• ε é o termo de erro.

Supondo-se que todos os coeficientes da equação acima sejam estatisticamente significativos individual e conjuntamente a 5%, verifica-se que o

O Pareamento por Escore de Propensão (Propensity Score Matching) é um método estatístico usado para reduzir o viés em estudos observacionais, ao criar grupos de tratamento e controle similares com base em uma pontuação de propensão calculada, representando a probabilidade de receber um tratamento.

No Pareamento por Escore de Propensão, um algoritmo utilizado para emparelhar cada sujeito tratado com um ou mais sujeitos não tratados que têm as pontuações de propensão mais próximas é o pareamento por