In msperlin/adfeR: Data, exercises and Functions for Book "Analise de Dados Financeiros e Economicos com o R"

set.seed(5)

# number of obs
n_row <- 1000

# set x as Normal (0, 1)
x <- rnorm(n_row)

# set coefficients
my_alpha <- 1.5
my_beta <- 0.5

# build y
y <- my_alpha + my_beta*x + rnorm(n_row)

library(tidyverse)

my_lm <- lm(formula = y ~ x, data = tibble(x, y))

summary(my_lm)

library(gvlma)

# global validation of model
gvmodel <- gvlma(my_lm) 

# print result
summary(gvmodel)

# none
#my_answers <- make_random_answers(my_sol)
my_answers <- rep(NA, 5)

Question

Utilize pacote gvlma para testar as premissas do OLS para o modelo estimado anteriormente. O modelo passa em todos os testes? Em caso negativo, aumente o valor de n_row para 1000 e tente novamente. O aumento do número de observações do modelo impactou no teste das premissas? De que forma?

Solution

O modelo estimado não passou todos os testes. De fato, nem o aumento do número de observações na simulação resultou em aprovação do modelo em todos os quesitos.

Meta-information

extype: string exsolution: r mchoice2string(c(TRUE, FALSE, FALSE, FALSE, FALSE), single = TRUE) exname: "function 01" exshuffle: TRUE

msperlin/adfeR documentation built on March 26, 2021, 3:05 a.m.