Question

Uma das hipóteses do modelo de regressão linear múltipla é que o modelo não apresente problema de multicolinearidade, que ocorre quando duas ou mais variáveis independentes (X) estão correlacionadas, isto é, apresentem uma alto grau de inter-relação entre elas, tornando os parâmetros estimados inconsistentes e viesados. Essa inter-relação entre as variáveis é demonstrada por meio do coeficiente de correlação parcial, que mede o grau de inter-relação entre as variáveis Y e X e entre as próprias variáveis Xs do modelo.

AFONSO, Juliana Franco. Introdução à Econometria. Maringá - PR.: Unicesumar, 2017.
Sobre o coeficiente de correlação parcial, analise as afirmativas a seguir:

I. O ideal é que as variáveis Xs sejam independentes um das outras, mas altamente correlacionadas com a variável dependente Y, isto é, apresentem um valor alto do coeficiente de correlação com a variável Y, mas um baixo valor entre as variáveis Xs.
II. O coeficiente de correlação r é uma medida de intensidade da relação entre ou dentre as variáveis, assumindo valores entre 0 < r < 1.
III. Se o coeficiente de correlação entre duas variáveis for r > 1, dizemos que as duas variáveis estão positivamente correlacionadas, isto é, quando uma variável aumenta a outra também aumenta e vice-versa.
IV. Quando as variáveis Xs possuem alta correlação entre elas, podem gerar problemas de multicolinearidade, uma forma de se evitar isso é acrescentar mais variáveis ao modelo.
É correto o que se afirma em:
Alternativa 1: I, apenas.
Alternativa 2: III, apenas.
Alternativa 3: I e II, apenas.
Alternativa 4: II, III e IV, apenas.
Alternativa 5: I, II, III e IV.

Answer 1

Resposta:

Alternativa 1: I, apenas.

Explicação:

A alternativa II está incorreta, pois o coeficiente de correlação assume medidas entre -1< r < 1. Então podemos eliminar todas as alternativas que contenham esta como certa e a alternativa 1 é correta, pois na página 176 informa que Y tem que ser altamente correlacionada e as variáveis Xs sejam independentes.  Alternativa 3 é errada porque não se deve acrescentar variáveis Xs do modelo, mas excluir.