GabaritoE — Errado
Gabarito: letra E — ERRADO. A presença de sazonalidade em uma série temporal não impede a análise por regressão linear: a sazonalidade pode ser modelada como variáveis dummy (indicadoras) ou por funções trigonométricas, incorporando-a ao modelo. A regressão linear é uma ferramenta flexível que permite incluir componentes sazonais, desde que a relação seja linear nos parâmetros.
A sazonalidade é um padrão que se repete em intervalos regulares, geralmente associado a períodos do calendário (anual, mensal, semanal, diário). Ela é um dos componentes clássicos de uma série temporal, ao lado da tendência, do ciclo e do ruído aleatório. A presença de sazonalidade não torna a série inadequada para regressão linear; pelo contrário, é comum utilizar regressão linear com variáveis dummy para capturar efeitos sazonais (por exemplo, uma dummy para cada mês ou trimestre).
O que pode inviabilizar a regressão linear é a não estacionariedade da série, que se manifesta por tendência ou variância não constante. Nesses casos, aplicam-se transformações como diferenciação ou logaritmos antes de ajustar o modelo. A sazonalidade, por si só, não é um obstáculo — ela pode ser tratada dentro do próprio modelo de regressão.
A banca explora a confusão entre sazonalidade e não estacionariedade. O candidato pode pensar que, por a série apresentar padrão sazonal, ela não pode ser analisada por regressão linear. No entanto, a regressão linear é perfeitamente capaz de lidar com sazonalidade, seja por meio de variáveis dummy, seja por funções harmônicas (seno e cosseno). O que realmente impede a aplicação direta é a presença de tendência ou variância não constante, que exigem transformações prévias.
A banca troca o conceito de sazonalidade por não estacionariedade. A sazonalidade é um padrão previsível e recorrente, que pode ser modelado por regressão linear com variáveis dummy. Já a não estacionariedade (tendência, variância não constante) é que exige transformações como diferenciação. Não confunda: sazonalidade não impede regressão linear; não estacionariedade sim (sem tratamento).
Caso | Premissa (sazonalidade impede regressão linear) | Conclusão |
|---|---|---|
1 — Sazonalidade modelável por dummies/trigonométricas | F | Regressão linear é viável → premissa falsa |
2 — Não estacionariedade (tendência/variância não constante) | V (mas não é sazonalidade) | Regressão linear exige transformação prévia → premissa não se aplica |
3 — Sazonalidade sem tratamento | F | Pode ser incorporada ao modelo → premissa falsa |
A afirmativa está errada, pois a sazonalidade não impede a análise por regressão linear. Modelos de regressão linear podem incorporar a sazonalidade por meio de variáveis dummy (por exemplo, uma dummy para cada mês) ou por funções trigonométricas (série de Fourier). O que impede a aplicação direta é a não estacionariedade, que pode ser tratada com diferenciação ou outras transformações. Portanto, a afirmação de que a sazonalidade impede a análise por regressão linear é falsa.
Gabarito: letra E — ERRADO.
Link permanente: /questoes/ce198776