O modelo linear de regressão é amplamente utilizado em aplicações práticas. Duas suposições que são comumente violadas são as de homoscedasticidade e não autocorrelação. Vários autores avaliaram os desempenhos de testes que usam erros-padrão consistentes quando há heteroscedasticidade de forma desconhecida. Na presente dissertação nós avaliamos os desempenhos de tais testes quando adicionalmente há correlação serial nos erros. Várias simulações de Monte Carlo foram realizadas em que os desempenhos de diferentes testes são avaliados tanto sob a hipótese nula quanto sob a hipótese alternativa. Uma aplicação prática é apresentada e discutida.FACEPEThe linear regression model is commonly used by practitioners. Two assumptions are commonly violated, namely: homoskedasticity and no autocorrelation. Several authors have investigated the finite sample behavior of tests that use heteroskedasticity-consistent standard errors. In this thesis, we numerically evaluate the finite sample behavior of such tests under heteroskedasticity and autocorrelation. Monte Carlo simulation results under both the null and alternative hipotheses are presented. We also present and discuss an empirical application.