Um pesquisador do Tribunal Regional do Trabalho está analisando a relação entre o salário mensal (Y, em reais) e duas variáveis explicativas: tempo de serviço (X1, em anos) e nível de escolaridade (X2, em anos de estudo). Para isso, ajustou um modelo de regressão linear múltipla com intercepto, utilizando uma amostra de 100 servidores. Os resultados da estimação por mínimos quadrados ordinários (MQO) são apresentados a seguir:

• Coeficiente de determinação (R²) = 0,85
• Soma de quadrados total (SQT) = 2.000.000
• Soma de quadrados dos resíduos (SQR) = 300.000
• Matriz de correlação entre as variáveis explicativas: corr(X1, X2) = 0,92
• Estatística F calculada para o teste de significância global do modelo = 275,00

Com base nessas informações e nos conceitos de regressão linear múltipla, avalie as afirmativas a seguir:

I. O modelo apresenta multicolinearidade alta entre X1 e X2, o que pode inflacionar as variâncias dos estimadores dos coeficientes e tornar instáveis as estimativas individuais, embora a capacidade preditiva global do modelo possa permanecer elevada.

II. O valor da estatística F calculada (275,00) indica que, ao nível de significância de 5%, rejeita-se a hipótese nula de que todos os coeficientes de inclinação são simultaneamente iguais a zero, confirmando que pelo menos uma variável explicativa é significativa para o modelo.

III. Se o pesquisador decidir remover a variável X2 do modelo, mantendo X1, o novo R² ajustado necessariamente aumentará, pois a retirada de uma variável com alta correlação com X1 reduz a multicolinearidade e melhora o ajuste do modelo.

IV. A soma de quadrados da regressão (SQR) é igual a 1.700.000, e o coeficiente de determinação ajustado (R² ajustado) é aproximadamente 0,847, considerando o número de observações e de variáveis explicativas.

Está correto o que se afirma em: