{"subject_id":"cb08187882c9443aa540191849bf9241","topico":"Hipóteses de Gauss-Markov e estimador BLUE; viés de variável omitida; endogeneidade","stems":["Considerando o modelo clássico de regressão linear e a importância das suas hipóteses no contexto de uso intensivo de dados, julgue os itens a seguir."],"questions":[{"id":"8b78041c5fdc","number":68,"stem":0,"statement":"Mesmo na presença de multicolinearidade imperfeita, os estimadores de mínimos quadrados ordinários são os melhores estimadores lineares não viesados (BLUE – best linear unbiased estimator).","answer":"C","source":{"slug":"ANATEL_24","ano":2024},"explanation":{"verdict_reason":"O modelo clássico supõe apenas a ausência de multicolinearidade perfeita; correlação alta, porém não exata, entre regressores não viola nenhuma hipótese de Gauss-Markov. Por isso o MQO continua sendo o melhor estimador linear não viesado, e o teorema vale sem ressalva. O que a colinearidade imperfeita provoca é o aumento da variância dos coeficientes individuais, e variância grande não é o mesmo que estimador pior dentro da classe: nenhum outro estimador linear não viesado faria melhor com aqueles dados.","distortion_type":"correto","distorted_span":null,"corrected_statement":null,"concept":"Colinearidade imperfeita não quebra Gauss-Markov","citation":null,"trap_note":"Distinga violar hipótese de perder precisão. Heterocedasticidade e autocorrelação violam hipótese e tiram o BLUE; multicolinearidade imperfeita não viola nenhuma e apenas alarga os intervalos. O sintoma clássico dela é R² alto com estatísticas t individuais insignificantes."}}]}