Um modelo de regressão linear é definido por \( Y_i \sim \) Normal\( (\mu =X^T_i \cdot \beta, σ^2) \), em que \( X_i \) é um vetor \( 10 \times 1 \) de características, cuja primeira entrada é 1, T é o operador transposto, \( \beta \) é um vetor \( 10 \times 1 \) de parâmetros, e \( σ^2 \) é um parâmetro escalar. Nesse modelo:

• \( X_{i2} \) a \( X_{i5} \) codificam uma variável aleatória qualitativa ;
• \( X_{i2}=1 \) indica que Q assumiu a categoria A;
• \( X_{i2}=0 \) indica que Q não assumiu a categoria A;
• \( X_{i3}, X_{i4} \) e \( X_{i5} \) foram codificados de forma semelhante para outras categorias de Q.

A partir das informações precedentes, julgue o item a seguir, considerando que uma amostra de tamanho n foi retirada da referida população, e assumindo que SQR₁ representa a soma dos quadrados dos resíduos para o modelo sem \( X_{i2} \), \( X_{i3} \), \( X_{i4} \) e \( X_{i5} \) e que SQR₂ representa a soma dos quadrados dos resíduos para o modelo completo (incluindo \( X_{i1} \) a \( X_{i10} \))

Q tem 4 categorias.