Documente Academic
Documente Profesional
Documente Cultură
'
O C
p g O
p f C
) (
) (
Oferta i cererea dintr-un anumit bun depind i de alte variabile dect preul. Astfel, cererea dintr-un bun
alimentar depinde i de venitul disponibil, de preul unor produse analoage etc. La fel, dac este vorba despre un bun
agricol (gru,...) oferta depinde de preul anului precedent. Relaia stabilit ntre variabile n modelul econometric este
dat, de regul, la un anumit moment de timp t, caz n care variabilele apar indiciate:
[2]
'
t t
rt t t t t
nt t t t t
O C
x x x p g O
x x x p f C
) ,..., , , (
) ,..., , , (
2 1 1
2 1
n modelul [2] s-au introdus mai multe variabile care explic cererea i oferta dintr-un bun i s-a considerat
realizarea acestor variabile la momentul t sau t-1. Se observ c modelul comport mai multe relaii. Se zice c avem un
model cu ecuaii multiple. Evident, se va ncepe studiul cu un model mai simplu, cu o unic ecuaie.
1.2. Model aleator
S presupunem c se studiaz consumul (Ci) dintr-un anumit bun de ctre o familie (i). ntre alte variabile,
consumul depinde de venitul disponibil al familiei (Vi). Modelul econometric elementar const n a exprima Ci n funcie
de Vi. Desigur, ali factori dintre care unii sunt necunoscui determin de asemenea consumul familiei. Condensm
efectele acestor ali factori ntr-unul singur, aleator, notat i. Se obine astfel un model aleator:
[3]
i i i
V f C + ) (
Factorul aleator i este o variabil aleatoare care urmeaz o anumit lege de probabilitate, ce va trebui s fie
specificat prin ipotezele fcute asupra modelului. Cel mai frecvent, ipotezele se refer doar la momentele de ordinul I
i II ale variabilei aleatoare i. Urmeaz s ne asigurm c funcia f (sau clasa de funcii) aleas nu contrazice rezultatele
experienei. De exemplu, dac s-a ales f ca o funcie liniar (adic f(Vi) = aVi+b), modelul econometric este:
[4]
i i i
b aV C + +
i variind pe i pentru diferitele familii studiate, ne vom asigura c relaia [4] este bine satisfcut. Se spune c testm
modelul. Dac rezultatul obinut este convenabil, se va trece la estimarea parametrilor a i b. Apoi, definind o regul
de previziune se va putea determina consumul Ci dac se cunoate venitul Vi.
1.3. Natura variabilelor care apar n model
ntr-un model econometric se disting dou tipuri de variabile:
-exogene. Sunt variabilele explicative ale variabilei studiate i se consider ca fiind date autonom. n modelul
[4] Vi este variabila exogen (sau explicativ, independent). Venitul familiei Vi explic n acest model
4
consumul familiei Ci. Valoarea variabilei exogene pentru un i dat i pentru i precizat- permite determinarea
consumului Ci.
-endogene. Sunt variabilele de explicat (sau dependente). Ci este variabila endogen n modelul precedent. Se
poate remarca faptul c Ci este acum o variabil aleatoare datorit lui i.
Distincia ntre natura variabilelor este foarte important i va trebui precizat ntotdeauna nainte de a studia
modelul. Cnd modelul econometric a cptat formularea matematic definitiv se spune c modelul a fost specificat.
Modelul [4] de mai sus este specificat. Se cunoate forma funciei f din expresia Ci = f(Vi) + i , adic f(Vi) = aVi+b.
Adugarea variabilei exogene i d modelului formularea definitiv [4].
Mulimea parametrilor care definesc complet modelul econometric constituie structura acestuia. De
exemplu, dac a = 0,7 i b = 23 iar urmeaz o lege de probabilitate normal de medie (speran matematic) egal cu
zero i dispersie (varian) egal cu 5, atunci mulimea
' a = 0,7; b= 23; =
5
)
constituie structura modelului [4]. Scopul va fi acela ca, plecnd de la cuplurile (Ci,Vi) asociate diferitelor familii i, s
se determine structura adevrat a modelului. Cu alte cuvinte, plecnd de la un spaiu eantion definit de mulimea
cuplurilor (Ci,Vi) s se determine structura adevrat a modelului n spaiul cu trei dimensiuni al structurilor
' a , b, ) . Aici intervine induciastatistic.
1.4. Inducia statistic
Obiectul induciei statistice este de a determina o procedur care, pornind doar de la observaiile statistice de
care dispunem, s permit trecerea de la spaiul eantion la spaiul structurilor. Odat ce modelul a fost ales, se admite
c exist un triplet (a, b, ) care permite reprezentarea exact a procesului prin care valorile variabilelor observate au
fost determinate. n cursul induciei statistice modelul nu se mai modific. Procedura aleas aa cum se va vedea n
continuare va consta n obinerea de estimatori pentru parametrii a i b care s permit determinarea celor mai bune
valori reale ale acestor parametri. Aceste valori se vor aprecia, n general, cu ajutorul unor intervale de ncredere
construite la un prag de semnificaie () dat. De exemplu, n modelul [4] se va gsi c a[0,64;0,78] i b[20;27] cu o
probabilitate de 95% (s-a considerat =5%). Se poate estima i abaterea medie ptratic () a variabilei aleatoare i. Se
va vedea rolul important jucat de aceast variabil aleatoare n modelul econometric.
1.5. Identificarea modelului
Considerm din nou modelul Ci=aVi+b+i. S presupunem c procedura utilizat, pornind de la informaia
deinut, adic de la cuplurile (Ci,Vi), i=1,2,... nu conduce la o soluie unic, ci la dou structuri distincte:
s0=' a0,b0,0) , s1 =' a1,b1,1) . Deorece legea de probabilitate pentru precizeaz i legea de probabilitate pentru C,
fiecare structur (innd cont de valorile exogenelor i de legea lui ) conduce la o lege de probabilitate pentru C.
Presupunem c structurile s0 i s1 conduc la aceeai lege de probabilitate pentru consumul C. Sunt posibile dou cazuri:
- s0 i s1 sunt distincte i nu putem alege ntre ele. Se spune c structurile considerate nu sunt
identificabile i, ca urmare, modelul nu este identificabil. Din aceast cauz nu vom
putea determina valorile parametrilor care figureaz n model;
- s0 i s1 nu sunt distincte, intersecia lor nu este vid. Acestea vor permite identificarea unei
pri a parametrilor modelului (cei care aparin interseciei). Se spune c cele dou
structuri sunt echivalente, dar nu permit o identificare complet a modelului.
Problema identificrii este important mai ales n cazul modelelor cu ecuaii multiple.
1.6. Previziunea variabilei endogene
Interesul unui model a crui structur a fost determinat const n a-l utiliza pentru previzionarea variabilelor
endogene ntr-o etap viitoare sau ntr-o circumstan dat, dac este vorba despre observaii luate la acelai moment-,
atunci cnd cele exogene au fost fixate. De exemplu, dac dorim s studiem evoluia importurilor (Y) n funcie de
produsul intern brut (X1) i de nivelul stocurilor (X2), modelul econometric este:
yt=a1x1t+a2x2t+b+t, t=1,2,...,T
unde t este timpul. Datele istorice (pe perioada 1990-2005) despre Y, X1 i X2 (observaiile fiind anuale)
permit determinarea parametrilor modelului. S presupunem c am gsit estimaiile punctuale:
'
6 , 0
14 , 0
2
1
b
a
a
5
Modelul estimat este: 6 6 , 0 14 , 0
2 1
+ +
t t t
x x y . Dac dorim s facem o previziune a importurilor
pentru anul 2007, trebuie s tim PIB-ul i nivelul stocurilor n anul 2007. Presupunnd c aceste variabile exogene sunt
x1=1030 i x2=12,7 vom avea ca previziune pentru y:
y2007=(0,14).1030+(0,6).(12,7)+6
sau, n general,
b x a x a y
p
2 2 1 1
+ +
, unde este perioada de previziune.
Observaie. Asupra valorii previzionate trebuie s remarcm:
- valorile exogenelor x1, x2 au fost alese arbitrar, eventual innd cont de evoluia lor trecut;
- specificarea modelului nu poate fi perfect, forma funciei alese pentru a explica evoluia lui y neputnd fi
suficient de precis;
- este posibil ca variabilele explicative (exogene) ale variabilei endogene (explicate), s nu mai intervin n
acelai mod ca n perioada 1990-2005, cnd s-a studiat legatura dintre ele. Este posibil s aib loc un oc, o
ruptur care s perturbe echilibrul dintre variabilele care explic fenomenul, la momentul previziunii.
Este evident c toate aceste cauze pot constitui surse de eroare a previziunii. Vom vedea care sunt metodele de a
minimiza eroarea de previziune.
Rezumatul capitolului I
Pentru construcia i utilizarea unui model econometric, se parcurg urmtoarele etape:
- specificarea modelului (gsirea formulrii matematice definitive a legturii dintre variabilele care descriu
fenomenul sau procesul economic studiat);
- estimarea parametrilor i testarea modelului cu ajutorul statisticilor (seriilor de date observate) deja
cunoscute;
- previziunea variabilei endogene.
1.7. Vocabular uzual
Dac suntei familiarizai cu statistica matematic, putei trece la capitolul II. n caz contrar, v reamintim aici
cteva noiuni de baz. Lectura acestui paragraf credem c v va incita s revedei cursul de Statistic matematic.
Nor de puncte Fiind dat o serie de date statistice n care valorile (xi,yj) apar efectiv de nij ori putem
reprezenta ntr-un plan toate aceste valori prin puncte de coordonate (xi,yj) afectate de coeficienii nij , obinndu-se
astfel un nor de puncte.
Ajustare Reprezentarea grafic a seriilor de date economice conduce frecvent la figuri puin lizibile i greu
de interpretat din cauza variaiilor pe termen scurt, numeroase i sensibile, dar fr o semnificaie important. Metodele
matematice numite de ajustare permit obinerea unei curbe simple, ct mai apropiat posibil de mulimea de puncte
furnizate de observaiile empirice disponibile.
Ajustare liniar Atunci cnd reprezentarea grafic a unei serii statistice duble d un nor de puncte de form
alungit, se ncearc obinerea unei aproximri bune a acestei serii cu ajutorul unei drepte, realizndu-se astfel o ajustare
liniar. Exist mai multe metode pentru gsirea acestei drepte:
- metoda grafic (se determin punctul mediu M ale crui coordonate sunt ( ) y x, i se traseaz dreapta care
pare a fi cea mai reprezentativ a seriei, determinnd ecuaia Y=aX+b. Aceast metod este ambigu pentru c nu ine
cont de ponderea fiecrui punct n norul de puncte);
- metoda lui Mayer (se regrupeaz punctele norului n dou submulimi crora li se determin punctele medii
M1 i M2. Dreapta de ajustare este atunci dreapta care trece prin M1 i M2);
- metoda celor mai mici ptrate (const n a face minim suma ptratelor distanelor de la punctele norului la o
dreapt de ecuaie Y=aX+b numit dreapt de regresie a lui Y n X. Se arat c panta (coeficientul director) acestei
drepte este a=cov(X,Y)/Var(X). Coeficientul b se obine scriind c dreapta de regresie trece prin punctul mediu:
X a Y b
. Procednd la fel se gsete dreapta de regresie de ecuaie X=a Y+b , cu a =cov(X,Y)/Var(Y) i
Y a X b . Cele dou drepte de regresie sunt, n general, distincte. Compararea lor permite msurarea nivelului
de corelaie al caracteristicilor X i Y. Corelaia se msoar cu coeficientul de corelaie =cov(X,Y)/(X)(Y). Se
constat c
2
=aa i c variaz ntre 1 i 1.
2
msoar unghiul dintre cele dou drepte de regresie, care coincid
dac
2
=1, adic
1
. Caracteristicile X i Y sunt corelate maximal cnd
n
i
i i
x p X E
1
) ( . E(X) este media n probabilitate a valorilor luate de variabila aleatoare X. E(.) este un
operator liniar.
Variana Dac X este o variabil aleatoare definit pe universul finit , nzestrat cu probabilitatea p,
universul imagine este o mulime finit i ia valorile xi, i=1,2,...,n. Legea de probabilitate a lui X asociaz fiecrui xi
probabilitatea pi=p(X=xi). Se numete varian a variabilei aleatoare X, numrul real pozitiv
n
i
i i
X E x p X Var
1
2
)) ( ( ) ( . Variana este media n probabilitate a ptratului distanelor de la xi la media lor.
Rdcina ptrat (radicalul) lui Var(X) este ecartul-tip al variabilei aleatoare X, notat x.
Momente condiionate Se consider vectorul aleator ( )
2
: , R Y X , cu repartiia
ij j i
p y Y x X P ) , (
,
, 0 >
ij
p
i j
ij
p 1
i variabila aleatoare condiionat (X/Y=yj) cu repartia
i
ij j
j
ij
j i
p p
p
p
y Y x X P
.
.
, ) / (
. Momentul de ordinul k al variabilei aleatoare X condiionat de Y=yj este
momentul iniial de ordinul k al variabilei aleatoare condiionate (X/Y=yj):
i i i
k
i ij
j j
ij
k
i j i
k
i j
k
x p
p p
p
x y Y x X P x y Y X M
.
1
.
) / ( ) / (
Similar se definete momentul de ordinul k al variabilei aleatoare Y condiionat de X=xi.
Pentru k=1 se obin mediile condiionate:
j
ij j
i
i
i
j i i
j
j
p y
p
x X Y M p x
p
y Y X M
.
1
) / ( ,
.
1
) / (
Se pot defini variabilele aleatoare medii condiionate astfel:
- variabila aleatoare media lui X condiionat de Y, cu repartiia:
,
_
j
j j
j
j
p p
p
y Y X M
Y X M 1 . , 0 . ,
.
) / (
: ) / (
7
-variabila aleatoare media lui Y condiionat de X , cu repartiia:
,
_
i
i i
i
i
p p
p
x X Y M
X Y M 1 . , 0 . ,
.
) / (
: ) / (
Regresie Se numete regresia variabilei aleatoare X n raport cu Y, variabila aleatoare M(X/Y) cu mulimea
valorilor posibile: M(X/Y=y),
. R x
Similar, regresia variabilei aleatoare Y n raport cu X este: M(Y/X=x), . R y
Dac M(X/Y)=aX+b sau M(Y/X)=cY+d se spune c regresia este liniar
Repartia normal Variabila aleatoare X urmeaz o repartiie normal de parametri m i (se mai scrie i
) , ( m N X ) dac densitatea ei de probabilitate (derivata funciei de repartiie) este:
),
2
) (
exp(
2
1
) (
2
2
m x
x f
, R x , R m >0
Pentru m=0 i =1 se obine repartiia normal normat N(0,1), cu densitatea de probabilitate:
),
2
exp(
2
1
) (
2
x
x f
, R x
Se arat c parametri m i
2
sunt media (sperana matematic), respectiv dispersia (variana) variabilei aleatoare
) , ( m N X .
Repartiia
2
(hi-ptrat) cu n grade de libertate Variabila aleatoare X urmeaz legea de repartiie hi-ptrat
cu n grade de libertate (se mai scrie i ) (n H X ) dac densitatea ei de repartiie este:
),
2
exp(
2 )
2
(
1
) (
1
2
2
x
x
n
x f
n
n
x>0,
*
N n
Dac variabilele aleatoare ), 1 , 0 ( N X
i
i=1,2,...,n sunt independente, atunci variabila aleatoare
n
i
i
X Y
1
2
urmeaz legea de repartiie H(n).
Repartiia Student cu n grade de libertate S(n) Variabila aleatoare X urmeaz legea de repartiie Student
cu n grade de libertate dac densitatea ei de repartiie este:
, 1
2
1
,
2
1
) (
2
1
2
+
,
_
,
_
n
n
x
n
n
x f
, R x
*
N n
Dac variabilele aleatoare ), 1 , 0 ( N X ) (n H Y sunt independente, atunci variabila aleatoare
) (n S
n
Y
X
Z
.
Repartiia Fisher-Snedecor F(n1,n2) Variabila aleatoare X urmeaz legea de repartiie Fisher-Snedecor cu
n1 i n2 grade de libertate dac densitatea ei de repartiie este:
, 1
2
,
2
) (
2
2
1
2 1
1
2
2
2
1
2 1
1
1
n n
n
n
x
n
n
n n
x
n
n
x f
+
,
_
,
_
,
_
x>0,
*
2 1
, N n n
8
Dac variabilele aleatoare ) (
1 1
n H X i ) (
2 2
n H X sunt independente, atunci variabila
aleatoare ) , (
2 1
2
2
1
1
n n F
n
X
n
X
X .
9
CAPITOLUL II
REGRESIA SIMPL
Studiem, pentru nceput, cel mai simplu model econometric: o variabil endogen reprezint evoluia
fenomenului considerat i aceast evoluie este explicat printr-o singur variabil exogen.
n cadrul capitolului este prezentat metoda de estimare a parametrilor care intervin ntr-un model
econometric, se vor examina proprietile estimatorilor obinui i se vor generaliza rezultatele analizei pentru modele
mai complexe. ntr-o prima parte se va trata obinerea estimatorilor parametrilor modelului i proprietilor lor, iar ntr-
o a doua parte se d o interpretarea geometric a metodei utilizate, determinarea intervalelor de ncredere referitoare la
parametri i previziunea care poate fi fcut cu un astfel de model.
2.1. Modelul liniar al regresiei simple
Considerm modelul:
(1)
t t t
b ax y + + , t=1, 2, ...,T
n care: Y reprezint o variabil endogen;
X o variabil exogen;
o variabil aleatoare ale crei caracteristici vor fi precizate prin ipoteze.
Se dispune de T observaii asupra lui Y i X, adic T cupluri (xt, yt) care sunt realizri ale lui X i Y. a i b sunt
parametri reali necunoscui pe care dorim s-i estimm cu ajutorul observaiilor (xt, yt) cunoscute.
Ipoteze fundamentale
Pentru a putea obine rezultatele enunate la nceput, vom simplifica lucrurile impunnd o serie de ipoteze
restrictive asupra modelului. Ulterior, n alte capitole, se vor relaxa aceste restricii, discutnd implicaiile abandonrii
unora din aceste ipoteze asupra calitii estimatorilor.
I1:
xt i yt sunt mrimi numerice observate fr eroare;
X variabila explicativ se consider dat autonom n model;
Y variabila endogen este o variabil aleatoare, prin intermediul lui .
I2:
a)- urmeaz o lege de distribuie independent de timp, adic media i dispersia lui nu depind de t:
( ) T t E
t
,..., 2 , 1 , 0 ,
( )
2
t
Var
, cantitate finit, t .
Observaie:
S-au folosit aici, pentru medie i dispersie, notaiile ( ) E , respectiv ( ) Var , provenind de la sperana
matematic i variana unei variabile aleatoare. Se presupune c studenii au cunotine elementare despre teoria
probabilitilor i statistic matematic. Altfel, ele trebuie revzute!
b)- Realizrile lui sunt independente de realizrile lui X n cursul timpului. Aceasta este ipoteza de
homoscedasticitate. n caz contrar, exist heteroscedasticitate.
10
c)- Independena erorilor (se va vedea pe parcurs c variabila aleatoare reprezint erori sau reziduuri).
Dou erori relative la dou observaii diferite t i t sunt independente ntre ele, nsemnnd c au covariana nul:
( ) 0 , cov
t t
, ceea ce implic ( ) 0 .
t t
E .
Prin definiie, cov(
) ,
t t
[ ] )) ( ))( ( (
t t t t
E E E
i innd cont de a) rezult implicaia.
d)- Normalitatea erorilor. Presupunem c urmeaz o lege de repartiie normal , cu media 0 i dispersia
2
,
ceea ce poate fi scris astfel:
( )
2
, 0
N
.
I3:
Primele momente empirice ale variabilei X, pentru T foarte mare, sunt finite:
T
t
T
t
x x
T
1
0
1
(media empiric).
( )
T
t
T
t
s x x
T
1
2
2
1
(variana empiric).
Aceast ipotez va fi folosit pentru a preciza proprietile asimptotice ale estimatorilor parametrilor a i b.
Ipotezele I1, I2, I3 pot prea foarte restrictive. Vom vedea ulterior ce consecine are abandonarea unora dintre
ele asupra proprietilor estimatorilor lui a i b.
2.2. Determinarea estimatorilor parametrilor prin metoda celor mai mici ptrate
Determinarea estimatorilor parametrilor a i b (notai cu
a
i
b
,
0
.
2. condiii suficiente:
0
2
2
>
,
0
2
2 2
2
2
2
>
b a b
b a a
.
Calculm derivatele pariale ale funciei ( ) b a, .
( ) ( ) 0 2
1
t
T
t
t t
x b ax y
a
( )( ) 0 1 2
1
T
t
t t
b ax y
b
11
0 2
1
2
2
2
>
T
t
t
x
a
T
b
2
2
2
T
t
t
x
a b b a
1
2 2
2
.
Atunci, condiiile de ordinul I (necesare) conduc la sistemul de ecuaii:
( )
'
0
0
1
1 1
1 1
2
1
Tb x a y
x b x a y x
T
t
t
T
t
t
T
t
t
T
t
t
T
t
t t
,
iar condiiile suficiente (de ordinul II) sunt verificate.
Ecuaiile condiii de ordinul I (numite ecuaii normale, vezi justificarea geometric din partea a II-a), le
mprim la T, rezultnd:
'
0
0
1 1
1
2
1
b x a y
x b x
T
a y x
T
T
t
t
T
t
t t
.
Din a doua ecuaie avem
x a y b
2 2
2 2
2
1
1
x x
x x y y
x T x
x y T y x
x x
T
x y y x
T
a
t
t t
t
t t
t
t t
.
Am obinut estimatorii a i
b
'
x a y b
x x
x x y y
a
t
t t
,
2
2
Observaie:
a este o variabil aleatoare pentru c e funcie de yt, iar
b
obinui prin metoda celor mai mici ptrate sunt nedeplasai i convergeni. n
demonstraie vom ine cont de ipotezele I1, I2, I3. Pentru a uura demonstrarea proprietilor enunate, transformm mai
nti expresiile (2) pentru a le exprima n funcie de parametrii a i b. Vom considera modelul (1)
t t t
b ax y + + , t=1, 2, ...,T, nsumm dup toi t i mprim la T. Rezult:
12
+ +
t t t
T
b x
T
a y
T
1 1 1
, adic
( ) + + b x a y 2
.
Scdem membru cu membru pe (2) din (1):
( ) ( ) +
t t t
x x a y y
i nlocuim ( ) y y
t
n expresia lui a :
( ) ( ) [ ]( )
( )
( ) ( )( )
( )
( ) ( )
( )
( )
( )
2 2
2
2
2
x x
x x
a
x x
x x x x
a
x x
x x x x a
x x
x x x x a
a
t
t t
t
t t t
t
t t t
t
t t t
(deoarece 0 ) ( ) (
x x x x
t t
).
Din expresia lui
b
, avem c x a y b
, adic b x a y
0 sau ( ) x a a b b +
. Am obinut c:
( )
( )
+
2
x x
x x
a a
t
t t
( ) x a a b b +
a
i b
2
x x
x x
w
t
t
t , astfel c
+
t t
w a a
Rezult:
( ) ( ) ( ) a E w a E a E
t t
+
, pentru c E(a)=a i E(t)=0.
( ) ( ) ( ) ( ) a a E x E b E b E +
Avem c: E(b)=b, ( ) ( )
,
_
0
1 1
t t
E
T T
E E i
( ) ( ) ( ) 0 a a a E a E a a E
, deci
( ) b b E
a
i b
T
b Var pentru ca
a
i
b
s fie convergeni n probabilitate ctre a i b. Calculm variana
estimatorilor
a
i
b
.
tim c
+
t t
w a a , adic
t t
w a a .
( ) ( ) ( )
( ) ( )
<
<
+
,
_
+
'
' '
2 2
'
' '
2 2
2
2
2
2
t t
t t t t t t
t t
t t t t t t t t
E w w E w
w w w E w E a a E a Var
Conform ipotezelor fundamentale, ( )
2 2
t
E i ( ) 0
'
t t
E , pentru
' t t
, rezultnd:
( )
2
2 2 2
t t
w w a Var
,
dar
( ) ( )
,
_
2
2
2
2
1
x x x x
x x
w
t t
t
t
.
n final, dispersia estimatorului
a
este:
( )
( )
2
2
x x
a Var
t
.
Conform ipotezei I3, ( )
2
2 1
s x x
T
T
t
i avem c
( ) 0
2
2
T
Ts
a Var
.
Am obinut c
a a
P
T
1
]
1
,
_
+
1
]
1
<
<
(deoarece ( ) 0
'
t t
E ).
14
( ) [ ] ( )
( ) ( ) ( )
+
1
]
1
+
1
]
1
,
_
<
<
t t t
t t
t t t t t
t t
t t t t t t t t
w
T
Var w
T
E w
T
E w
T
w w E
T
w
T
E a a E
2
'
'
2
'
'
2
1 1 1
1 1
dar
( ) ( )
( ) 0
1
2
1
2
1
x x
x x x x
x x
w
t
t
T
t
t
t
T
t
t ,
adic ( ) [ ] 0 a a E
.
Folosind aceste rezultate pariale, se obine:
( ) ( ) ( )
( )
+ + +
2
2
2
2
2
2
2
2
2
x x
x
T
a Var x
T
a a E x
T
b Var
t
Dispersia estimatorului
b
este:
1
1
]
1
2
2
2
) (
1
)
(
x x
x
T
b Var
t
Cum ns 0
1
T
T
i
( )
0
1 1
2 2
T
t
Ts
x x
rezult c ( ) 0
T
b Var ,
adic
b b
P
T
(
b
2
2
2
2
, cov
x x
x
a Var x a a E x a a E
a a x a a E a a x a a E
b b a a E b E b a E a E b a
t
.
Matricea de varian i covarian a lui a i
b
, notat
( ) b a
este deci:
15
( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
,
_
,
_
1
1
]
1
,
_
2
2
2
2 2
2
2
2
2
2
2
2
2
2
2
,
1
1
1
cov
, cov
x x
x
T
x x
x
x x
x
x x
x x
x
T
x x
x
x x
x
x x
b Var a b
b a a Var
t t
t t
t t
t t
b a
Se remarc faptul c
( ) b a
conine pe
2
.
2.3.2. Determinarea unui estimator nedeplasat pentru variana erorilor
Utiliznd estimatorii a i
b
+
.
Atunci diferena dintre yt i
t
y
este un estimator pentru eroarea
t
. Notm
t t t
y y
. Avem c
( ) ( ) b b x a a b x a b ax b x a y y y
t t t t t t t t t t
+ +
. Remarc:
deoarece a i
b
i nlocuind obinem:
( ) ( ) ( ) ( ) ( ) x x a a x a a x a a
t t t t t
+
.
iar prin ridicare la ptrat:
( ) ( ) ( )( ) ( ) ( )
2
2
2
2
2 x x a a x x a a
t t t t t
+
.
nsumm dup t=1,2,...,T i mprim la T:
( ) ( ) ( )( ) ( ) ( )
+
2
2
2
2
1
1
2
1
1
x x
T
a a x x
T
a a
T T
t t t t t
.
16
Dar:
( )
( )
x x
x x
a a
t
t t
, i
( )( ) ( ) ( ) [ ] ( ) ( ) ( ) ( )
2
x x a a x x x x x x x x x x
t t t t t t t t t
pentru c ( )
0 x x
t
.
nlocuind, rezult:
( ) ( ) ( )
2
2
2
2
1
1
x x
T
a a
T T
t t t
.
Notm cu ( )
2
2
1
t
T
dispersia erorilor fa de media lor i cum ea este o variabil aleatoare, i
calculm media ( )
2
E :
( ) ( ) ( )
( ) ( )
( ) ( )
,
_
1
]
1
,
_
+
1
1
]
1
,
_
1
]
1
1
]
1
+
1
]
1
<
<
T T
E
T
E
T
T
E
T
E E E
T
T
E
T
E
T
E E
t t
t t t
t t
t t t t t
t t t t
1
1
2 1
2
1 1 1
1
2
1 1
2
2
2
'
'
2
2
2
2
'
'
2
2
2
2
2
2
2
2
2
2
2
2
2
Aplicnd acum operatorul de medie n relaia:
( ) ( ) ( )
2
2
2
2
1
1
x x
T
a a
T T
t t t
,
i innd cont de expresia varianei estimatorului a , rezult:
( ) ( ) ( )
,
_
,
_
,
_
T T T
x x
T
a Var E
T
E
t t
2
1
1
1
1
1
2
2
2
2
2 2
.
Relaia gsit se poate scrie i astfel:
,
_
2 2
2
1
t
T
E
, aa c, notnd
2 2
2
1
t
T
, am
obinut: ( )
2 2
E
, adic
2
(variana erorilor).
Este de remarcat c modelul
t t t
b ax y + + presupune estimarea a doi parametri (a i b), iar
numitorul lui
2
este T-2. (T-2) constituie numrul gradelor de libertate. Vom reveni ulterior asupra acestei
probleme.
n concluzie, pentru modelul liniar al regresiei simple, avem estimatorii:
( )( )
( )
x x
x x y y
a
t
t t
17
x a y b
2 2
2
1
t
T
Estimatorul
2
, notat
( ) b a
:
( )
( ) ( )
( ) ( )
,
_
b Var b a
b a a Var
b a
, cov
, cov
,
, unde:
( )
( )
2
2
x x
a Var
t
,
( )
( )
1
1
]
1
2
2
2
1
x x
x
T
b Var
t
,
( ) ( ) a Var x b a
, cov
.
2.3.3. Interpretarea geometric a metodei celor mai mici ptrate
Am determinat estimatorii a i
b
2
t
. Putem s dm o condiie necesar i suficient pentru ca
2
t
s fie
minimal, cu ajutorul unei reprezentri grafice. Aceast condiie va consta n egalitatea cu zero a dou produse scalare
care redau ecuaiile normale.
Modelul
t t t
b ax y + + se scrie sub form matriceal astfel:
+ + bU aX Y
,
unde:
,
_
T
y
y
y
Y
.
.
.
2
1
,
,
_
T
x
x
x
X
.
.
.
2
1
,
,
_
1
.
.
.
1
1
U ,
,
_
.
.
.
2
1
.
n spaiul ortonormat
T
considerm vectorii Y, X, U i .
18
Vectorul 0H=aX+bU aparine planului (L) determinat de vectorii X i U. Fie 0A=Y, 0B=X, 0C=U, HA=.
Cantitatea
2 2
2
HA
t
este minimal dac HA este ortogonal pe (L), adic pe X i U. Aceast condiie se
traduce prin egalitatea cu zero a produsului scalar al vectorilor respectivi:
'
0 0
0 0
C HA
B HA
, sau
'
> <
> <
0 ,
0 ,
U bU aX Y
X bU aX Y
, adic
'
2
b T x a y
x b x a y x
t t
t t t t
.
Am regsit, deci, sistemul de ecuaii normale.
Notm
Y
proiecia pe planul (L) a vectorului Y i cu
vectorul HA ortogonal la planul (L).
A efectua o regresie a variabilei Y asupra variabilei X n modelul
t t t
b ax y + + revine, deci, la a
proiecta vectorul Y pe planul (L) din
T
determinat de X i U.
Observaie:
Considerm modelul
t t
b y + . O reprezentare analog celei dinainte este:
Y
(L)
A
B
C U
H
Y X
O
0
Y
A
U H
19
n scriere matricial, modelul este
+ bU Y
, iar conform cu reprezentarea grafic, avem relaia
OA=OH+HA.
2
2
HA
t
este minimal dac H HA 0 (HA este perpendicular pe 0H), adic 0 U HA sau
0 , > < U bU Y sau
0 b T y
t
,
y y
T
b
t
1
i
Y U y U b H
0
. Msura algebric a
proieciei vectorului Y pe suportul vectorului U este y . Vom utiliza aceast observaie pentru a exprima ecuaia
varianei.
Ecuaia varianei
Relum reprezentarea geometric precedent i notm cu K proiecia lui A pe suportul vectorului U:
Evident, KH este perpendicular n K pe 0C. n triunghiul AKH, dreptunghic, avem:
( )
2 2 2
1 HA KH AK +
.
tim c
b x a y
t t
+
i
+ b x
T
a y
T
t t
1
1
, adic:
b x a y
+
. Dar i
b x a y
+
, rezultnd c
y y
.
Deoarece: AK=0A-0K ( K A0 dreptunghic n K)
HK=0H-0K ( HK 0 dreptunghic n K),
rezult, folosind (1):
( ) ( ) ( )
+
2
2 2
2
t t t
y y y y
Y
(L)
A
B
C U
H
Y
X
K
Y
O
20
rezidual
atea Variabilit
regresiei datorat
atea Variabilit
total
atea Variabilit
+
Aceasta este ecuaia varianei. Vom reveni asupra ei cnd vom aborda regresia multipl.
2.3.4. Coeficientul de corelaie liniar
Coeficientul de corelaie liniar ntre variabilele X i Y, notat , se calculeaz cu relaia:
( )( )
( ) ( )
2 2
x x y y
x x y y
t t
t t
.
n general,
( )
Y X
XY
Y X
, cov
, unde
X
i
Y
sunt abaterile standard (radicalul dispersiei) ale variabilelor
X i Y.
tim c estimatorul parametrului a are expresia
( )( )
( )
x x
x x y y
a
t
t t
, astfel c putem scrie:
( )( )
( )
( )
( ) ( )
( )
( )
2
2
2 2
2
2
y y
x x a
x x y y
x x
x x
x x y y
t
t
t t
t
t
t t
. Am obinut o expresie a coeficientului
de corelaie n funcie de estimator, iar prin ridicare la ptrat:
( )
( )
2
2
2
2
y y
x x a
t
t
.
Un calcul imediat arat c:
( ) ( ) ( ) [ ] ( ) [ ] ( )
+ +
2
2
2
2
2 2
x x a x x a b x a b x a y y y y
t t t t t
.
n acelai timp, ecuaia varianei conduce la: ( ) ( )
2
2 2
t t t
y y y y , de unde:
( )
( )
( )
( ) ( )
2
2
2
2
2
2
2
2
1
y y y y
y y
y y
y y
t
t
t
t t
t
t
.
Pe de alt parte, utiliznd figura geometric i notnd cu unghiul
H K A
, avem
AK
KH
cos ,
( )
( )
2
2
2
2
2
cos
y y
y y
AK
KH
t
t
, adic
( )
2
2
2 2
1 cos
y y
t
t
.
n mod necesar, 1 0
2
i 1 1 .
21
Cnd
0
, nu exist o relaie de tip liniar
b ax y
t t
+
ntre yt i xt, adic a=0.
Cnd
1
2
, yt este legat de xt printr-o relaie de forma
b ax y
t t
+
.
1
implic a>0, iar
1 implic a<0.
Cnd relaia dintre yt i xt nu este strict, adic
b ax y
t t
+
, atunci este apropiat de 1, semnul lui
fiind cel al lui a.
2.3.5. Distribuia de probabilitate a estimatorilor
Deoarece erorile t t=1,2,...,T au o distribuie normal, de medie zero i dispersie
2
, densitatea de
probabilitate a lui t este:
( ) T t f
t
t
,..., 2 , 1 ,
2
1
exp
2
1
2
2
'
.
Cum t i t sunt independente pentru ' t t , densitatea de probabilitate a vectorului aleator (1, 2, ..., T) va fi
egal cu produsul densitilor de probabilitate relative la fiecare t.
( ) ( )
'
,
_
2
2
2 1
2
1
exp
2
1
,..., , 1
t
T
t
f
Dar, b ax y
t t t
i
( ) ( ) ( )
)
( ) (
b b x a a
b b x a a b x a y b b x a x a b ax y b ax y
t t
t t t t t t t t t
+ +
+ + + +
(deoarece
t t t t t
y y b x a y
).
Evalum suma ptratelor erorilor:
( ) ( ) ( ) [ ]
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) [ ]
2
2
2
2
2
2 2 2
2
2
2
2
2 2
+ +
1
]
1
+ +
1
]
1
+ + + + +
+ +
b b x a a b b x a a
x b b a a b b x a a b b x a a
b b x a a b ax y
t t t t
t t t t t t
t t t t t
( ( ) 0 2
t t
x a a , ( ) 0
2 b b
t
pentru c aa cum arat reprezentarea grafic, vectorul
este ortogonal la
planul (L), prin urmare este perpendicular pe orice vector din acel plan, deci i pe X i U. Produsele scalare cu aceti
vectori vor fi nule, adic: 0 , > < X i 0 , > < U ).
ntr-o scriere matricial:
22
( ) ( ) [ ]
,
_
,
_
,
_
b b
a a
T x T
x T x
b b
a a
b b x a a
t
t
2
'
2
( lasm studenilor plcerea de a verifica !).
nlocuind n (1) fiecare t prin expresiile calculate mai sus, deducem densitatea de probabilitate a vectorului aleator
(y1,y2,...,yT):
( )
( )
'
,
_
,
_
,
_
'
,
_
'
,
_
b b
a a
T x T
x T x
b b
a a
b ax y
y y y
t
t
T
t t
T
t
2
1
exp
2
1
exp
2
1
2
1
exp
2
1
,..., ,
2
2
'
2
2
2
2
2 1
, se arat uor c:
( )
1
,
2
2
1
,
_
b a
t
T x T
x T x
i ( ) ( ) ( ) b a h g y y y
t
T
t
,
2
1
,..., ,
2 1
,
_
unde ( )
t
g
este densitatea de
probabilitate a lui
t
, iar ( ) b a h
, cea a lui ( ) b a
, .
Cu aceste rezultate i fcnd apel la unele teoreme importante ale statisticii matematice, putem deduce
urmtoarele distribuii de probabilitate:
1. Deoarece
2 2
2
1
t
T
, adic
( )
2 2
2
T
t , variabila aleatoare definit de
raportul ( )
,
_
2
2 2
2
1
2
t
T
urmeaz o repartiie
2
(hi-ptrat) cu (T-2) grade de
libertate. (Vectorul admite T-2 componente independente nenule distribuite dup T-2 legi
normale independente, cu media zero i abatere standard
)
2. Folosind relaile de calcul stabilite anterior, rezult c
2
2
2
a
a
(am utilizat aici notaiile ) (
2
a Var
a
i
) (
2
a r a V
a
pentru variana estimatorului a , respectiv
pentru estimaia acesteia). Atunci variabila aleatoare definit de raportul ( )
2
2
a
a
T
urmeaz tot o
repartiie
2
cu (T-2) grade de libertate.
A A
B
B
23
3. Cuplul ( ) b a
N
a a
a
;
( ) 2
T
a
S
a a
( ) 1 , 0
N
b b
b
;
( ) 2
T
b
S
b b
.
4. Expresia
( )
'
,
_
,
_
b b
a a
b b
a a
F
b a
2
1
1
,
'
este variabil aleatoare repartizat Fisher-
Snedecor, cu 2 i (T-2) grade de libertate.
2.4. Teste i intervale de ncredere
Pentru c exist tabele cu valorile legilor de probabilitate anterioare, putem determina intervale de ncredere
pentru parametrii a i b la un nivel de semnificaie fixat.
'
t
a a
ob r P
a
t
este luat din tabela distribuiei Student cu (T-2) grade de libertate. Un calcul simplu conduce la intervalul
de ncredere pentru parametrul a, de forma:
a a
t a a t a
+
ceea ce permite afirmaia c adevrata valoare a parametrului real a , se gsete n intervalul de valori
[ ]
a a
t a t a
;
+ cu probabilitatea 1-.
Cnd se dorete testarea unei valori a0 a parametrului a, este suficient, pentru a accepta aceast valoare cu
riscul , s ne asigurm c:
t
a a
a
.
A A
B
B
24
Altfel spus, este suficient ca a0 s aparin intervalului de ncredere stabilit: [ ]
a a
t a t a a
0
,
+ .
De asemenea, ( ) { } 1 2 , 2 , T F F ob r P .
( ) 2 , 2 , T F F este ecuaia unei elipse cu centrul n ( ) b a w
. Dar, este important de remarcat c, nivelul de semnificaie referitor la aceste intervale nu mai este nivelul
asociat elipsei.
Dac se dorete testarea simultan a dou valori a0, b0 alese apriori, este suficient s nlocuim a i b n expresia
F prin a0 i b0.
Dac ( ) ( ) 2 , 2 , ,
0 0
T F b a F se accept valorile, altfel ele vor fi respinse. Altfel spus, pentru a
accepta cuplul (a0, b0) la nivelul de semnificaie este suficient ca punctul M0(a0,b0) s aparin elipsei de ncredere
asociat cuplului (a, b).
Observaii:
1. Expresia
( )
T
y y y ,..., ,
2 1
,
adic n funcie de yt, a ,
b
; h nu conine dect pe a ,
b
, sunt estimatori
exhaustivi pentru a i b, adic ei rezum toat informaia pe care eantionul o poate aduce despre a i
b.
A A
B
B
w
x
yyy
25
2. Cnd ipoteza de normalitate asupra erorilor t
2
b ax y
t t
. Estimatorii ( ) b a
obinui
prin metoda celor mai mici ptrate au variana minim printre toi estimatorii liniari centrai n a i b (se
va da o demonstraie pe cazul general).
2.5. Previziunea cu modelul liniar
Fie
+
,
iar realizarea efectiv a lui Y este:
+ + b ax y
.
Eroarea de previziune se poate exprima prin variabila aleatoare
y y e
P
P
.
( ) ( )
+ b b x a a y y
P
.
Se remarc imediat c ( ) 0
P
e E , iar variana erorii de previziune este:
( ) ( ) ( ) ( ) ( )
( ) ( ) [ ] ( ) [ ] ( ) [ ] b b E a a E x b b a a E x
E b b E a a E x y y E e Var
P
P
+
+ + +
2 2
2
2
2
2
2
sunt necorelai).
Deci:
( ) ( ) ( ) ( ) ( ) b a x Var b Var a Var x e Var
P
, cov 2
2
+ + +
.
Notm variana erorii de previziune cu ( )
P
e Var
2
+ +
+
1
1
]
1
+ +
2
2
2
2
2
2
2
2
2
2
2
2 2
1
1
2
1
x x
x x
T
x x
x x
x x
x T
T
x x
x
t
t t t
x
yyy
26
2
+ +
2
2
2 2
1
1
x x
x x
T
t
Aceast varian poate fi redus, pe de o parte prin creterea numrului de observaii (T), iar pe de alt parte,
prin alegerea lui
x astfel nct
( )
2
x x
(urmeaz legi
normale). Rezult urmtoarele distribuii de probabilitate pentru variabilele:
( ) 1 , 0 N
y y
P
y y
P
T T
.
n planul (x,y) trasm dreapta de ajustare
b x a y
+
. Fie ( )
P
y x P
, punctul situat pe dreapta de ajustare.
Putem construi, avnd P ca centru i paralel cu axa 0y un interval de ncredere M1M2 la nivelul de semnificaie .
'
<
2
t
y y
P
P
.
2
t
fiind luat din tabela distribuiei Student. Pentru T dat,
ca funcie de
( )
2
x x
. Punctele M1 i M2 sunt deci situate, cnd variaz, pe dou arce de curb (vezi figura), care determin astfel
regiunea creia i aparine
y pentru
+
27
1. O variabil aleatoare t este distribuit dup o lege Student cu T-2 grade de libertate dac expresia
2
2
T
t
este raportul dintre o variabil aleatoare distribuit
2
cu 1 grad de libertate i o alta distribuit
2
cu (T-2) grade
de libertate. Fie
a
a a
t
. Atunci:
( )
( )
( )
( )
libertate de grade 2) - (T cu
libertate de grad un cu
T
a a
T
a a
T
t
2
a
a
a
a
2
2
2
2
2 2
.
2. O variabil aleatoare F este distribuit dup o lege Fisher-Snedecor cu n1 i n2 grade de libertate dac
expresia
2
1
n
F n
este raportul dintre o variabil aleatoare distribuit
2
cu n1 grade de libertate i o alta distribuit
2
cu n2 grade de libertate.
Fie
( )
'
,
_
,
_
b b
a a
b b
a a
F
b a
'
2
1
1
,
.
Atunci:
( )
( )
libertate de grade 2) - (T cu
libertate de grade doua cu
T
b b
a a
T x T
x T x
b b
a a
T
b b
a a
T x T
x T x
b b
a a
T
F
2
t
t
2
2
2
2
2
,
2
2
,
2
2
,
_
,
_
,
_
,
_
,
_
,
_
pentru c ( ) b a
T
T T T
T
T
y y y
y y y
y y y
y D
D
J
28
( ) ( ) ( ) ( ) ( ) J y y y f y y y
T T T
. ,..., , ,..., ,
2 2 1 1 2 1
4. Am vzut c ( )
t t
w a a
,
t
i ( ) a a fiind distribuite normal. ( ) a a este o combinaie
liniar de
t
. Deci:
( )
( ) 1 , 0
N
a a
a
( )
2
a
a a
este distribuit
2
cu 1 grad de libertate pentru c este ptratul unei variabile aleatoare N(0,1).
( )
( ) 1 , 0
N
b b
b
( )
( ) 1
2
2
b
b b
Deoarece ( ) ( ) ( )
2
2
2
2
x x a a
t t t
, prin mprirea la
2
, obinem:
( )
( )
( )
2
2
2
2
2
2
2
x x
a a
t
t t
( )
2
) 1 (
2
) 1 (
2
) (
2
2
2
2
2
2
T T
t t
T
( )
( )
( )
( )
( )
2
1
2
2
2
2
a Var
a a
x x
a a
t
Rezult c:
2
) 2 (
2
) 1 (
2
) 1 (
2
2
T T
t
.
2.6. Experien de calcul
Pentru a studia cum variaz cheltuielile de ntreinere i reparaii ale unui utilaj agricol n funcie de vrsta
utilajului, s-au cules urmtoarele date:
Vrsta utilajului (xt)
n luni-
15 8 36 41 16 8 21 21
Cheltuieli anuale de ntreinere i reparaii (yt)
n RON-
48 43 77 89 50 40 56 62
Vrsta utilajului (xt)
n luni-
53 10 32 17 58 6 20
Cheltuieli anuale de ntreinere i reparaii (yt)
n RON-
100 47 71 58 102 35 60
29
Rezolvare:
Cutm s estimm parametrii unei regresii liniare nte variabilele X i Y, de forma
t t t
b ax y + + ,
presupunnd c sunt ndeplinite ipotezele fundamentale I1,I2,I3.
1. Pentru a calcula estimatorii, se folosesc relaiile de calcul stabilite anterior (n cadrul seminarului se vor
prezenta facilitile de calcul oferite de diferite pachete de programe dedicate). Elementele necesare calculului sunt date
n tabelul ce urmeaz:
30
31
Pe baza elementelor din tabelul de calcul, se determin:
-
T
t
t
x
T
x
1
133 , 24 362
15
1 1
T
t
t
y
T
y
1
533 , 62 938
15
1 1
-
( )( )
( )
28 , 1
) 133 , 24 ( 15 12490
) 533 , 62 )( 133 , 24 ( 15 27437
.
2 2 2 2
x T x
y x T y x
x x
x x y y
a
t
t t
t
t t
-
67 , 31 ) 133 , 24 ( 28 , 1 533 , 62
x a y b
- coeficientul de corelaie liniar:
( )( )
( ) ( )
9894 , 0
733 , 3753 733 . 6269
) 533 , 62 )( 133 , 24 ( 15 27437
2 2
x x y y
x x y y
t t
t t
Valoarea apropiat de 1 a coeficientului de corelaie arat c ntre cele dou variabile studiate exist o
corelaie liniar.
Observaie: Am vzut c:
( )
( )
2
2
2
2
2
2
2
2
) (
) (
) (
) (
y y
y y
y y
x a x a
y y
x x a
t
t
t
t
t
t
Ptratul coeficientului de corelaie liniar este raportul dintre variabilitatea explicat prin model i
variabilitatea total.
- ecuaia de analiz a varianei:
variabilitatea total = variabilitatea explicat + variabilitatea rezidual
( ) ( )
+
2
2 2
t t t
y y y y
6269,733 = 6137,719 + 132,014
n spaiul observaiilor, Y este cu att mai bine explicat prin modelul liniar, cu ct este mai aproape se
planul (L) generat de vectorii X i U (vectorul unitar), deci cu ct variabilitatea rezidual este mai mic fa
de variabilitatea empiric total. Aceasta face ca raportul dintre variabilitatea explicat prin model i
variabilitatea total, adic
2
, s fie apropiat de 1.
- estimaiile varianelor reziduurilor i ale estimatorilor:
15 , 10
2 15
0144 , 132
2
1
2 2
t
T
( )
( )
; 0027 , 0
733 , 3753
15 , 10
2
2
x x
a Var
t
052 , 0 0027 , 0
32
( )
( )
25 , 2
733 , 3753
) 133 , 24 (
15
1
15 , 10
1
2
2
2
2
1
]
1
+
1
1
]
1
x x
x
T
b Var
t
5 , 1 25 , 2
i
( )
b
b b
[31,67 (2,16)(1,5) ; 31,67+(2,16)(1,5)]=
=[28,43 ; 34,91]
Prin urmare, putem afirma c valorile parametrilor reali a i b se gsesc n aceste intervale cu o
probabilitate de 95%.
Stabilim acum un interval de ncredere pentru estimatorul varianei erorilor. Am vzut c variabila
aleatoare ( )
,
_
2
2 2
2
1
2
t
T
1
]
1
) 2 ( Pr
2
2
2
1
v T v ob
Se obine astfel intervalul de ncredere:
1
]
1
1
2
2
2
2
) 2 (
;
) 2 (
v
T
v
T
pentru =0,05 i 13 grade de libertate extragem din tabel v1=5,01 i v2=24,7 rezultnd intervalul:
1
]
1
01 , 5
15 , 10 ) 2 15 (
;
7 , 24
15 , 10 ) 2 15 (
2
[5,34 ; 26,34]
33
- testm dac parametrii a i b ai modelului sunt semnificativ diferii de zero la pragul de semnificaie
=0,05.
Variabilele aleatoare
a
a
i
b
b
x
. Avem c
11 , 93 67 , 31 48 . 28 , 1
+ + b x a y
P
Ce eroare corespunde unei astfel de previziuni? tim c:
y y e
P
p
, este o variabil aleatoare distribuit normal, cu media zero i variana estimat a
erorii de previziune:
( )
( )
366 , 12
733 , 3753
) 133 , 24 48 (
15
1
1 15 , 10
1
1
2
2
2
2 2
1
]
1
+ +
1
1
]
1
+ +
x x
x x
T
t
5164 , 3 366 , 12
2
Deoarece variabila aleatoare
y y
P
+
t y t y y
p p
Cu o probabilitate de 95%, valoarea adevrat a cheltuielilor de ntreinere i reparaii pentru un utilaj de 48
de luni se va afla n intervalul determinat.
35
CAPITOLUL III
REGRESIA MULTIPL
De multe ori, studiul unui fenomen economic necesit introducerea mai multor variabile
explicative. O variabil endogen se exprim, deci, n funcie de mai multe variabile exogene. Metodele de
regresie utilizate sunt n acest caz generalizri ale celor din capitolul anterior.
3.1. Modelul liniar al regresiei multiple
Considerm acum modelul:
(1)
t pt p t t t
x a x a x a y + + + + ...
2 2 1 1
, t=1, 2, ...,T
n care: Y reprezint o variabil endogen;
X1, X2 ,..., Xp sunt variabile exogene;
a1, a2 ,..., ap sunt parametri necunoscui care trebuie estimai.
Modelul nu conine o constant deoarece variabila Xp poate fi considerat astfel ca xpt=1,
T t ,..., 2 , 1 (se numete variabil auxiliar).
Folosind notaiile:
,
_
T
y
y
y
Y
.
.
.
2
1
,
,
_
pT T T
p
p
x x x
x x x
x x x
X
...
... ... ... ...
...
...
2 1
2 22 12
1 21 11
,
,
_
p
a
a
a
a
...
2
1
,
,
_
.
.
.
2
1
ecuaia (1) se scrie sub form matriceal:
(2)
+ Xa Y
.
Ipoteze fundamentale
Ipotezele I1, I2 din capitolul II rmn valabile: ceea ce era adevrat pentru xt este acum valabil
pentru xit, i=1,2,...,p.
Ipoteza I3 referitoare la variabilele exogene se modific astfel:
a. absena coliniaritii variabilelor exogene:
36
Nu exist nici o mulime de p numere reale
i
, i=1,2,...,p astfel nct
0
1
p
i
it i
x , t=1, 2, ...,T.
Matricea X de format (Txp) are n acest caz rangul p (T>p) i matricea (XX), unde
X este transpusa lui X, este nesingular, deci exist inversa ei (XX)
-1
.
b. Atunci cnd
T
, matricea
( ) X X
T
'
1
tinde ctre o matrice finit, nesingular.
3.2. Determinarea estimatorilor parametrilor
Pentru a scrie ecuaiile normale utilizm interpretarea geometric dat n capitolul II. Ne
propunem s minimizm expresia
T
t
t
U
1
2
.
Fie vectorii Y, X1, X2,...,Xp n spaiul ortonormat
T
.
Y
(L)
A
X
p
X
1
H
Y
X
2
O
37
Vectorul ( )
,
_
p
p
a
a
a
X X X Xa
...
,..., ,
2
1
2 1
aparine subspaiului (L) generat de vectorii X1,
X2,...,Xp. Cantitatea
2
2
t
U va fi minim atunci cnd vectorul
Xa Y
este ortogonal
la subspaiul (L). Aceast condiie se traduce prin egalitatea cu zero a produselor scalare dintre vectorul
Xa Y
i orice vector din subspaul (L),deci i X1,X2,...,Xp:
'
> <
> <
> <
0 , ...
..... ..........
0 , ...
0 , ...
2 2 1 1
2 2 2 1 1
1 2 2 1 1
p p p
p p
p p
X X a X a X a Y
X X a X a X a Y
X X a X a X a Y
Efectund produsele scalare, rezult sistemul de ecuaii:
Sau, cu notaiile
matriciale introduse:
XY=(XX)a , de unde rezult:
(3)
( ) Y X X X a ' '
1
,
_
,
_
,
_
p pt t pt t pt
pt t t t t
pt t t t t
t pt
t t
t t
a
a
a
x x x x x
x x x x x
x x x x x
y x
y x
y x
...
.
...
... ... ... ...
...
...
...
2
1
2
2 1
2
2
2 1 2
1 2 1
2
1
2
1
38
( ) ( ) ( ) E X X X a a E ' '
1
+
.
Dar, ( ) 0 E conform I2, deci
( ) a a E , adic a este estimator nedeplasat pentru a.
b. Prin definiie:
( ) ( ) ( ) '
a a a a E
a
.
Din (4) rezult: ( ) ' '
1
X X X a a
i ( )
1
' ' ) (
X X X a a pentru c ( )
1
'
X X este o matrice
simetric. Atunci:
( )( ) ( ) ( )
1 1
' ' ' ' '
X X X X X X a a a a
i
( ) ( ) ( )
1 1
'
I MX r s
MM MinUr
. .
'
se obine soluia ( ) ' '
1
X X X M
, adic ( ) Y X X X MY a ' ' *
1
. Am gsit c a a * .
Un astfel de estimator se numete estimator BLUE (best liniar unbiaised estimator).
3.4. Determinarea unui estimator nedeplasat al varianei
2
Variana reziduurilor
2
2 2
t
p T
Avem c: + Xa Y ;
a X Y
;
a X Xa Y Y
+
;
( ) a a X .
Dar: ( ) ' '
1
X X X a a
i ( ) ' '
1
X X X X
( ) [ ] ' '
1
X X X X I
.
Notm: ( ) ' '
1
X X X X I
.
este o matrice de format (TxT) cu proprietile = (simetric) i
2
= (idempotent de grad 2).
Am obinut . Evalum acum
t
, care sub form matriceal este:
+
i j i
j i ij i ii t
2 2
' ' ' '
, unde ij este elementul matricii situat la
intersecia liniei i cu coloana j.
Atunci, rezult c:
( ) ( ) ( )
+
i j i
j i ij i ii t
E E E
2 2
.
ns,
( ) 0
j i
E conform I2 i
( ) ( ) ( )
Ur E E
i
ii
i
i ii t
2 2 2 2
.
Artm c ( ) p T Ur .
40
( ) ( ) ( ) ( ) ( ) ( ) ' ' ' '
1 1
X X X X Ur I Ur X X X X I Ur Ur
( ) T I Ur
( ) ( ) ( ) ( ) p X X X X Ur X X X X Ur
1 1
' ' ' '
(permutarea ntre ( )
1
'
X X X i ' X este posibil datorit formatului acestor matrici i proprietilor
operatorului Ur.)
n final rezult:
( ) ( )
2 2
p T E
t
, ( )
1
]
1
2 2 2
1
t t
p T
E E
p T
, astfel c
2 2
t
p T
.
T este numrul de observaii, p este numrul de parametri de estimat i relaia gsit o
generalizeaz pe cea din capitolul II.
3.5. Teste i regiuni de ncredere
Ipoteza de normalitate a erorilor t fiind ndeplinit, se pot generaliza rezultatele obinute la
regresia simpl. Deoarece ( ) ' '
1
X X X a a
+ , rezult c a este distribuit dup o lege normal n p
dimensiuni, cu media ( ) 0 a E i dispersia ( )
1 2
'
X X
a
. Pentru un estimator
i
a
dat, avem c:
(*)
i
a
i i
a a
t
p T
este distribuit
2
(hi-ptrat) cu (T-p) grade de libertate.
(***)
i
a
i i
a a
t
a
i
a
i
, unde
2
t
este valoarea tabelat a variabilei t repartizat Student, cu T-p grade
de libertate, iar este pragul de semnificaie.
41
Observaie:
Pentru T>30 i =0,05,
2
2
t
. Deci, dac
2
i
a
i
a
i se compar cu
2
t
.
Dac tcalculat>ttabelat concludem c
0
i i
a a .
Considerm acum toi estimatorii
p
a a ,...,
1
:
(*) variabila aleatoare ( ) ( ) a a a a
a
'
1
este distribuit
2
cu p grade de libertate;
(**) variabila aleatoare
( ) ( ) a a a a
p
F
a
1
1
t
a a
t
i
a
i i
t a a t
i i
a i i a
iar pentru ansamblul coeficienilor, ecuaia
elipsoidului de ncredere este: F=F(,p,T-p).
Aceleai principii conduc la determinarea de regiuni de ncredere relative la un numr oarecare de
coeficieni din model. Dac q este numrul coeficienilor reinui, n spaiul
q
, avem ecuaia
F1=F(,q,T-p), unde:
( ) ( )
q q a q q
a a a a
q
F
q
'
1
1
1
.
2
t a a t a
i i
a i i a i
+
2
t
a a
i
a
i i
42
cu
q
a
extras din vectorul a i
q
a
extras din
a
:
Dac dorim s testm, la pragul de semnificaie , ipoteza (H0:aq=
) 0 (
q
a ) contra ipotezei (H1:aq
) 0 (
q
a ), atunci dac:
( ) ( ) ( ) p T q F a a a a
q
q q a q q
q
, ,
'
1
) 0 ( 1
) 0 (
p T distribuit
2
cu (T-p) grade de
libertate.
3.6. Previziunea variabilei endogene
Dac presupunem cunoscute la un moment valorile (x1
, x2
,..., xp
) atunci previziunea variabilei
endogene va fi:
p p
p
x a x a x a y ...
2 2 1 1
+ + + .
Eroarea de previziune va fi variabila aleatoare:
( ) ( )
+ +
p p p
p
x a a x a a Y Y ...
1 1 1
.
Se constat c media erorii de previziune este zero:
( ) 0
Y Y E
p
,
iar variana erorii de previziune este:
( ) ( ) [ ] ( ) ( ) ( )
1
]
1
+ +
< j i
j i j j i i
p
i
i i i
p p
x x a a a a x a a E Y Y E Y Y Var
2
1
2 2
2
2
deoarece
i
a
i
sunt necorelate (
i
a
nu depind dect de
t
), t=1,2,...,T i T<.
Deducem c:
( ) [ ] ( ) ( )
2
1
2
2
, cov 2
<
+ +
j i
j i j i i
p
i
i
p
a a x x a Var x Y Y E ,
43
iar sub form matricial:
( ) [ ]
2
'
2
+ X X Y Y E
a
p
, adic:
( ) ( ) [ ] 1 '
1
' 2
+
X X X X Y Y Var
p
,
unde: ( )
p
x x x X ,..., ,
2 1
'
.
Observaie:
Se arat c dac T este finit i t sunt normal distribuite, atunci a este distribuit normal n p
dimensiuni. Dac ipotezele nu sunt ndeplinite, atunci cnd T , vectorul ( ) a a T urmeaz o
distribuie normal cu media egal cu zero.
3.7. Coeficientul de corelaie multipl R. Analiza varianei
i n acest caz, ecuaia varianei se scrie:
rezidual
atea Variabilit
ajustate valorilor
atea Variabilit
total
atea Variabilit
+
( ) ( )
+
2
2 2
t t t
y y y y
Coeficientul de corelaie multipl R are definiia:
( )
( ) ( )
2
2
2
2
2
y y y y
y y
R
t
t
t
t
.
Din reprezentarea geometric fcut, rezult c
+ Y Y
,
dar tim c
+ a X Y
i
a X Y
, rezultnd c:
( ) + a X X Y Y
, ceea ce arat
c vectorul rezidual este acelai i pentru valorile (Y,X) i pentru valorile centrate fa de medie
( ) X X Y Y , . Cu alte cuvinte, dac efectum regresia pe ecuaia general, cu variabilele necentrate sau
o efectum cu variabilele centrate pe media lor, estimatorul a i vectorul rezidual sunt aceeai.
Observaie:
Cnd se centreaz valorile X i Y, vectorul a nu conine ultimul estimator
p
a
. Constanta
p
a
dispare cnd se centreaz variabilele. Considerarea modelului fr constante, cu variabilele necentrate pe
media lor, poate conduce la valori ale lui
2
R
care ies din intervalul (0,1).
44
Expresia matricial a coeficientului de corelaie multipl este:
( ) ( )
( ) ( ) Y Y Y Y
Y Y Y Y
R
'
'
2
, dar ( ) ( )a X X Y Y
.
( ) ( ) [ ] ( ) ( ) Y Y X X X X X X a
' '
1
i coeficientul devine:
( ) ( )
( ) ( ) Y Y Y Y
Y Y X X a
R
'
' '
2
.
Coeficientul
2
R
arat rolul jucat de toate variabilele exogene asupra evoluiei variabilei
endogene. El este cu att mai bun cu ct e mai apropiat de 1.
Dar, judecarea calitii unui model doar prin valoarea lui
2
R
poate duce la erori grosiere. El
mascheaz uneori influena variabilelor exogene luate separat asupra variabilei endogene i nu poate s se
substituie studiului estimatorilor coeficienilor modelului. Ptratul coeficientului de corelaie multipl nu
ine cont nici de numrul de observaii (T) i nici de numrul variabilelor explicative (p). Ori, se poate
foarte bine ca, avnd aceleai observaii asupra variabilei endogene s considerm dou modele distincte, n
al doilea fcnd s apar un numr de variabile explicative noi. n aceast a doua regresie coeficientul de
corelaie multipl nu poate dect s creasc (pentru c variabilitatea explicat prin regresie crete).
O definire mai precis a lui
2
R
, care ine cont de T i p este:
( )
2
2
1
1
1 R
p T
T
R
.
2
R
se numete coeficient de corelaie multipl corectat.
1. dac p=1, atunci
2
2
R R
;
2. dac p>1, atunci
2
2
R R <
;
3.
2
R
poate scdea prin introducerea n model a unei noi variabile exogene;
4.
2
R
poate lua i valori negative, dac
1
1
2
<
T
p
R
.
Analiza varianei
Atunci cnd studiem rolul jucat de exogene asupra evoluiei endogenei, ne putem ntreba care este
partea de variabilitate explicat de una sau mai multe variabile exogene.
Relum modelul iniial:
(1)
t pt p t t t
x a x a x a y + + + + ...
2 2 1 1
, t=1, 2, ...,T
45
i considerm q variabile printre cele p, pe care le indexm de la 1 la q:
(2)
t qt q t t t
x a x a x a y + + + + ...
2 2 1 1
.
Variabilitatea ne-explicat de cele q exogene n modelul (1) este variabilitatea rezidual asociat
modelului (2).
Fie:
( )
2
2
2 2 1 1
...
t
qt q t t t
x a x a x a y
Variabilitatea ne-explicat de cele p exogene din modelul (1) este:
( )
2
2
2 2 1 1
...
t
pt p t t t
x a x a x a y
Variabilitatea explicat de cele (p-q) exogene din modelul (1) atunci cnd a1,...,aq sunt estimai cu
modelul (2) este atunci:
2
2
2
tim c
2 2 2
0 0 HA H A + , adic
'
'
' + Y Y Y Y
.
Rezultatele se grupeaz, adesea, ntr-un tabel de analiz a varianei:
Sursa variabilitii Suma ptratelor
corespunztoare acestei surse
Numrul gradelor
de libertate
Media ptratelor
asociate
X
1
H
q
H
p
(L)
A
X
p
X
q
O
46
1. X: mulimea celor p exogene
p p
Y Y
'
p
p
Y Y
p p
'
2. : mulimea reziduurilor
p p
Y Y Y Y
'
' '
T-p
p T
'
3. Y: variabil endogen
Y Y'
T
T
Y Y'
4. (p-q) variabile exogene dintre cele p
'
'
'
p-q
q p
'
n figura anterioar avem:
p p
H Y 0
este proiecia lui Y pe subspaiul (L) ai crui vectori generatori sunt X1,X2,...,Xp.
q q
H Y 0
,
_
,
_
,
_
,
_
T T T T
x
x
x
X
x
x
x
X
y
y
y
Y
...
,
...
,
...
,
...
2
1
2
22
21
2
1
2 1
1 1
1
2
1
adic:
+ Xa Y
, unde:
,
_
,
_
3
2
1
2 1
21 11
,
1
... ... ...
1
a
a
a
a
x x
x x
X
T T
t yt x1t x2t
1 100 100 100
2 106 104 99
3 107 106 110
4 120 111 126
5 111 111 113
6 116 115 103
7 123 120 102
8 133 124 103
47
9 137 126 98
S observm c numrul de observaii (T=9) este mic, din raiuni de simplificare a calculelor.
Vom estima modelul, presupunnd c sunt ndeplinite ipotezele principale ale modelului liniar
general de regresie:
- ipoteze stochastice: , ) . ( , 0 ) (
2
I E E
(homoscedasticitate), adic:
0 ) . (
s t
E , dac s t i , ) (
2 2
t
E t.
- ipoteze structurale: dac numrul de variabile exogene veritabile este k, atunci p=k+1 este
numrul parametrilor de estimat. Trebuie ca rangul matricii X s fie egal cu p (p<T), iar matricea
( ) X X , unde X este transpusa lui X este nesingular, deci inversabil.
n exemplul nostru avem k=2 i p=3.
Atunci, ( ) Y X X X a
1
este un estimator liniar nedeplasat i cu variana minimal (estimator BLUE).
Pentru a simplifica procedura de calcul vom centra variabilele modelului. Cu notaiile:
, , ,
2 2 2 1 1 1
X X U X X U Y Y Z
,
unde:
t
t
t t
t t
t
t
T
x
T
X x
T
X y
T
Y
1
,
1
,
1
,
1
2 2 1 1
,
modelul se scrie:
+ +
2 2 1 1
U a U a Z , sau + Ub Z , unde
,
_
,
_
,
_
,
_
T T T
T
a
a
b
X x X x
X x X x
U
y y
y y
y y
Z ... , , ... ... ,
...
1
2
1
2 2 1 1
2 21 1 11
2
1
Deoarece
t
t
t
t
x
T
X y
T
Y , 113 1017
9
1 1
, 117 1053
9
1 1
1 1
106 954
9
1 1
2 2
t
t
x
T
X , valorile centrate ale variabilelor sunt:
t
Y Y Z
1 1 1
X X U
2 2 2
X X U
1 -17 -13 -6
2 -11 -9 -7
3 -10 -7 +4
4 +3 -2 +20
5 -6 -2 +7
6 -1 +2 -3
7 +6 +7 -4
48
t
Y Y Z
1 1 1
X X U
2 2 2
X X U
8 +16 +11 -3
9 +20 +13 -8
Pentru a calcula estimatorul ( ) Z U U U
a
a
b
,
_
1
2
1
,
_
,
_
,
_
,
_
648 112
112 650
... ...
...
...
2
2 2 1
2 1
2
1
2 1
21 11
2 21
1 11
t t t
t t t
T T
T
T
u u u
u u u
u u
u u
u u
u u
U U
,
_
,
_
,
_
,
_
72
872
...
...
...
2
1
1
2 21
1 11
t t
t t
T
T
T
z u
z u
z
z
u u
u u
Z U
( )
,
_
,
_
408656
650
408656
112
408656
112
408656
648
648 112
112 650
1
1
U U
( )
,
_
,
_
,
_
,
_
1244 , 0
3629 , 1
72
872
408656
650
408656
112
408656
112
408656
648
1
2
1
Z U U U
a
a
b
Pentru a determina estimatorul celui de al treilea parametru, a3, utilizm relaia:
3 2 2 1 1
a X a X a Y + +
, de unde:
1941 , 50 106 . 1244 , 0 113 . 3629 , 1 117
2 2 1 1 3
X a X a Y a
Modelul estimat este: 1941 , 50 1244 , 0 3629 , 1
2 1
+ X X a X Y , iar reziduurile sunt:
1941 , 50 2 1244 , 0 1 3629 , 1
+ X X Y a X Y Y Y .
Cutm acum un estimator nedeplasat pentru variana reziduurilor. Am vzut c acest estimator este dat de
relaia:
2 2
t
p T
. Dar,
( ) ( ) b U Z Z Z Y Y Y Y Y Y
, iar
( ) ( ) Z U b Z Z b U Z b U Z
t
2
. Avem c:
,
_
72
872
Z U
49
1248
2
t
z Z Z i ( ) 5704 , 1179
72
872
1244 , 0 3629 , 1
,
_
Z U b
4049 , 11
3 9
4296 , 68
2 2
t
p T
este: ( )
1 2
U U
b
, iar o estimaie a ei se
obine nlocuind pe
2
cu
2
. Avem c:
( )
,
_
,
_
0181 , 0 0031 , 0
0031 , 0 0180 , 0
408656
650
408656
112
408656
112
408656
648
) 4049 , 11 (
1 2
U U
b
4296 , 68
2
t
1248
2
t
z
T-1=8
2
1
1
t
z
T
2.Variabilele exogene centrate
5704 , 1179
2
t
z
k=2
1
t
z
k
3. Reziduurile
4296 , 68
2
t
T-k-1=6
1
1
t
k T
50
CAPITOLUL IV
STUDIUL MODELULUI LINIAR CND IPOTEZELE CLASICE ASUPRA ERORILOR
NU MAI SUNT REALIZATE
4.1. Ipoteza de independen a erorilor
S-a studiat anterior modelul liniar de regresie sub ipoteza c erorile sunt independente. n cazul n
care erorile t sunt corelate, matricea de varian i covarian a erorilor
nu se mai reduce la I
2
, iar
estimatorii parametrilor modelului general Y=Xa+, cu E(t)=0, t=1,2,...,T i ( ) I E
2
'
nu
mai posed aceleai proprieti ca n cazul erorilor independente.
Fie a vectorul estimatorilor parametrilor a. Estimatorul a trebuie s fie liniar n raport cu
variabilele endogene Y, adic MY a , unde M este o matrice de coeficieni. Estimatorul a este
nedeplasat deoarece:
( ) ( ) [ ] ( ) MXa ME MXa M MXa E MY E a E + +
(pentru c ( ) 0 E ).
Pentru ca ( ) a a E trebuie s impunem condiia MX=I, rezultnd c:
M a M MXa MY a + +
Matricea de varian i covarian a estimatorilor (innd cont c M a a ) este:
[ ] [ ] [ ] M M M ME M M E M M E a a a a E
a
) ( ) ( ) ( ) (
Punnd condiia ca
a
s fie minimal, sub restricia MX=I i rezolvnd aceast problem de extremum
condiionat, rezult c matricea M este de forma:
[ ]
1
1
1
X X X M
Prin nlocuire i calcul se obine:
[ ] Y X X X MY a
1
1
1
[ ]
1
1
X X
a
Estimatorul a astfel obinut este un estimator liniar, nedeplasat i de dispersie minim. El a fost obinut
prin MCMMP generalizat. Se observ imediat c dac erorile sunt independente, adic
I
2
, atunci
[ ] Y X X X a
1
. n aplicaii, deoarece
sunt corelate.
Se obine estimatorul
1
a al lui a i se determin valorile ajustate
1 1
a X Y i
estimaiile erorilor
t t t
y y
1
.
2. Dm o estimare a parametrului aplicnd MCMMP obinuit ecuaiei
t t t
+
1
, obinnd
.
3. nlocuim cu
.
Se reine valoarea lui care d cea mai mic sum a ptratelor erorilor
t
t
2
, creia i corespund
estimatorii
p
a a a ,..., ,
2 1
ai parametrilor.
***
Exist i alte proceduri de estimare a parametrilor n cazul cnd erorile sunt corelate.
4.1.1. Testarea ipotezei de independen a erorilor
Atunci cnd ipotezele fundamentale ale modelului liniar al regresiei nu sunt ndeplinite
proprietile estimatorilor parametrilor sufer. Astfel, sub ipoteza I2 referitoare la distribuia erorilor i la
independena lor, estimatorii obinui sunt nedeplasai i au variana minimal. Dac erorile sunt corelate,
estimatorii rmn, n general, nedeplasai, dar matricea de varian i covarian a acestora nu mai este
I
2
. Pentru a ne asigura de independena erorilor trebuie s efectum teste. Este vorba despre testul lui
Durbin i Watson.
Modelul liniar general al regresiei:
t pt p t t t
x a x a x a y + + + + ...
2 2 1 1
se poate scrie sub forma:
t t t
ax y +
unde: ( )
p
a a a a ,..., ,
2 1
i
,
_
pt
t
t
t
x
x
x
x
...
2
1
.
Se aplic MCMMP obinuit i se obine un estimator ( )
p
a a a a ,..., ,
2 1
, calculndu-se
valorile ajustate
t t
x a y i erorile estimate
t t t
y y
.
Reziduurile estimate depind de irul erorilor
t
i de irul valorilor exogene
t
x , deoarece:
d
1
d
2
2 d
1
d
2
54
( )
t t t t t
x a a y y + .
Se consider variabila aleatoare, notat
d
T
t
t
T
t
t t
d
1
2
2
2
1
.
Durbin i Watson au determinat densitatea de probabilitate a variabilei aleatoare
d
, notat ( ) d f
i au artat c oricare ar fi irul de exogene considerate, curbele reprezentative ale lui ( ) d f
oscileaz ntre
dou curbe limit ( )
i
d f
i ( )
s
d f
55
Vrem s testm ipoteza I0: 0 (absena autocorelaiei erorilor), contra ipotezei I1: 0 >
(erorile
t
sunt autocorelate).
La un nivel de semnificaie dat, Durbin i Watson au determinat dou valori, d1 i d2, n funcie
de numrul de observaii (T) i de numrul de exogene veritabile (m) corespunztoare fiecreia din curbele
limit.
Se calculeaz statistica
d
d d <
, atunci se accept I1;
2. dac 2 1
d d d < <
, atunci exist ndoieli c legtura dintre erori este de forma
t t t
+
1
;
3. dac 2
d d >
, atunci se accept I0.
n tabelul urmtor sunt date cteva valori uzuale pentru d1 i d2 n funcie de T i m, pentru nivelul
de semnificaie =0,05:
Tabela D-W
T m=1 m=2 m=3 m=4 m=5
d1 d2 d1 d2 d1 d2 d1 d2 d1 d2
15 1,08 1,36 0,96 1,54 0,82 1,75 0,69 1,97 0,56 2,21
20 1,20 1,41 1,10 1,54 1,00 1,68 0,90 1,83 0,79 1,99
30 1,35 1,49 1,28 1,57 1,21 1,65 1,14 1,74 1,07 1,83
50 1,50 1,59 1,46 1,63 1,42 1,67 1,38 1,72 1,34 1,77
100 1,65 1,69 1,63 1,72 1,61 1,74 1,59 1,76 1,57 1,78
Observaii:
1. n loc s testm 0 contra 0 > , se poate testa I0: 0 , contra I1: 0 . Se obin
dou valori
'
1
d i
'
2
d simetrice n raport cu 2 i se constat c:
a. dac
1
d d <
sau
'
2
d d >
, atunci se accept I1;
b. dac
2 2
d d d
sau
'
2
'
1
d d d
, atunci exist ndoieli c erorile sunt corelate;
c. dac
'
1 2
ca i cnd modelul ar
conine o constant.
3. Statistica Durbin-Watson aplicat pe un model care conine variabile endogene retardate este
deplasat ctre 2, ceea ce nseamn c erorile sunt mai puin corelate ntr-un proces autoregresiv, dect
ntr-un proces ordinar.
56
4.1.2. Experien de calcul
I. Se cunosc urmtoarele date referitoare la evoluia n timp a unei variabile economice (n preuri
constante):
t 1 2 3 4 5 6 7 8
yt 662,3 669,4 912,7 935,2 1027,2 1145,0 1193,7 1224,1
t 9 10 11 12 13 14 15
yt 1281,7 1426,3 1376,2 1327,8 1420,6 1933,9 2023,4
Pe aceast serie cronologic, utiliznd modelul
t t
b t a y + + ,s-a aplicat MCMMP,
obinndu-se estimatorii:
8657 , 81 a ;
404 , 582
b
De asemenea, s-a calculat variana estimatorilor i ecartul-tip al acestora: 94887 , 7
a
;
2721 , 72
b
i valorile ajustate ale variabilei endogene 404 , 582 . 8657 , 81 + t y
t
i ale
reziduurilor
t t t
y y :
t 1 2 3 4 5 6 7 8
t
y
664,2 746,1 828,0 909,8 991,7 1073,6 1155,5 1237,3
t 9 10 11 12 13 14 15
t
y
1319,2 1401,0 1482,9 1564,6 1646,6 1728,5 1810,4
t 1 2 3 4 5 6 7 8
t
T
t
t
T
t
t t
d
1
2
1
2
1
conduce, conform datelor din
tabel, la:
156 , 1
79 , 229991
35 , 265867
d
.
Durbin i Watson au artat c pentru un proces staionar (primele dou momente ale variabilei
aleatoare
t
independente de timp), valoarea calculat a statisticii
d
0 d d < <
, atunci erorile sunt pozitiv autocorelate;
2. dac
2 1
d d d < <
, atunci exist ndoieli c erorile ar fi corelate;
3. dac
2 2
4
d d d < <
, atunci erorile t
sunt independente;
4. dac
1 2
4
4
1
<
, atunci erorile sunt negativ corelate.
n exemplul nostru, numrul de exogene veritabile n model este (m=1) i dispunem de T=15
observaii.
Tabela D-W furnizeaz valorile d1=1,08 i d2=1,36 la pragul de semnificaie =0,05.
Deoarece
36 , 1 156 , 1
08 , 1
2 1
< < d d d
, suntem ntr-o situaie de indecizie, nu
putem s spunem c erorile
t
sunt corelate.
II. n tabelul urmtor sunt date, pentru perioada 1985-2002:
volumul investiiilor n agricultur, yt;
produsul intern brut agricol, x1t;
indicele volumului importurilor pentru agricultur, x2t.
Anul
t
Investiii n agricultur
yt
Produsul intern brut agricol
x1t
Indicele volumului importurilor pentru agricultur
x2t
1985 85,2 563,8 90,6
1986 90,2 594,7 91,7
58
Anul
t
Investiii n agricultur
yt
Produsul intern brut agricol
x1t
Indicele volumului importurilor pentru agricultur
x2t
1987 96,6 635,7 92,9
1988 112,0 688,1 94,5
1989 124,5 753,0 97,2
1990 120,8 796,3 100,0
1991 131,5 868,5 104,2
1992 146,2 935,5 109,8
1993 140,8 982,4 116,3
1994 160,0 1063,4 121,3
1995 188,3 1171,1 125,3
1996 220,0 1306,6 133,1
1997 214,6 1412,9 147,7
1998 190,9 1528,8 161,2
1999 243,0 1702,2 170,5
2000 303,3 1899,5 181,5
2001 351,5 2127,6 195,4
2002 386,2 2368,5 217,4
Se cere:
1. Determinarea legturii dintre investiii, PIB i volumul importurilor;
2. Testarea autocorelaiei erorilor;
3. Dac exist autocorelaie, cum se pot nltura efectele acesteia?
Rezolvare:
- Studierea legturii dintre variabilele economice amintite se poate efectua cu
modelul de regresie multipl:
t t t t
cx bx a y + + +
2 1
Aplicarea MCMMP conduce la urmtoarea estimare a modelului:
t t t
x x y
2 1
93 , 2 37 , 0 44 , 125 +
Coeficientul de corelaie multipl are valoarea calculat: R
2
=0,98
2. Dup calcularea reziduurilor estimate,
t
d
.
Conform tabelei D-W, pentru =5%, T=18 observaii i m=2 variabile exogene veritabile, rezult:
d1=1,05>
72 , 0
d
, ceea ce conduce la concluzia c erorile sunt corelate pozitiv.
3. Pentru a nltura efectele autocorelaiei erorilor, se procedeaz astfel:
- scriem dependena dintre variabile
(1)
t t t t
cx bx a y + + +
2 1
, pentru momentul t-1:
(2)
1
) 1 ( 2 ) 1 ( 1
1
+ + +
t t t t
cx bx a y
59
- nmulim (2) cu i efectum scderea (1)-(2):
( ) ) ( ) ( ) ( 1
1 ) 1 ( 2 2 ) 1 ( 1 1 1
+ + +
t t t t t t t t
x x c x x b a y y
- cutm o estimaie a coeficientului . Observm c este coeficientul
variabilei yt-1 n relaia anterioar. Efectum o regresie cu MCMMP pe ultima
ecuaie, fr s inem cont de relaiile dintre coeficieni, adic pe ecuaia:
t t t t t t t
x a x a x a x a y a y + + + + + +
) 1 ( 2 4 2 3 ) 1 ( 1 2 1 1 1 0
unde a0=a(1- ) , a1=b, a2=-b, a3=c, a4=-c i
1
t t t
Efectund calculele, obinem:
) 1 ( 2 2 ) 1 ( 1 1 1
11 , 2 08 , 3 60 , 0 68 , 0 70 , 0 56 , 47
+ + +
t t t t t t
x x x x y y
Estimaia gsit pentru coeficientul este 70 , 0
- cu ajutorul estimaiei gsite, transformm variabilele modelului iniial pentru o nou regresie:
Anul
1
t t t
y y z
) 1 ( 1 1 1
t t t
x x u
) 1 ( 2 2 2
t t t
x x u
1985 - - -
1986 30,56 200,04 28,28
1987 33,46 219,41 28,71
1988 44,38 243,11 29,47
1989 46,10 271,33 31,05
1990 33,68 269,70 31,96
1991 46,94 311,09 34,20
1992 54,15 327,55 36,86
1993 38,46 327,55 39,44
1994 61,44 375,72 39,89
1995 76,30 426,72 40,39
1996 88,19 486,83 45,39
1997 60,60 498,28 54,53
1998 40,68 539,77 57,81
1999 109,37 632,04 57,66
2000 133,20 707,96 62,15
2001 139,19 797,95 68,35
2002 140,15 879,18 80,62
Observaie:
Pentru a evita eliminarea primei valori din irul de observaii, prin trecerea la diferene, se pot
folosi transformrile:
2
1 1
1 y z
,
2
1 1 1 1
1 x u
,
2
1 2 21
1 x u
- se aplic MCMMP ecuaiei:
60
t t t t
u a u a a z + + +
2 2 1 1 0
, i rezult:
t t t
u u z
2 1
99 , 0 24 , 0 19 , 7 +
Coeficientul de corelaie multipl este acum R
2
=0,88 iar statistica Durbin-Watson
54 , 1
d
.
Testul de independen conduce acum la concluzia c erorile sunt independente, deoarece:
4-d2=2,47>
d
=1,54>d2=1,53
4.2. Ipoteza de normalitate a erorilor
Unele proprieti ale estimatorilor nu depind de normalitatea erorilor. De exemplu, distribuiile
asimptotice ale estimatorilor necesit doar existena primelor dou momente (media i dispersia) ale
erorilor
t
i nu n mod obligatoriu ca
t
s urmeze o lege normal. Acest lucru nu este ns valabil pe
eantioane mici. Testarea ipotezelor i intervalele de ncredere nu mai au aceleai proprieti dac legea de
distribuie a erorilor nu este legea normal. Pentru a caracteriza deviaiile de la legea normal se utilizeaz
doi coeficieni:
a) coeficientul de asimetrie, calculat prin raportul:
2
3
1
unde:
3
este momentul centrat de ordinul 3. Dac 0
1
> , atunci seria de date este deplasat spre
dreapta fa de legea normal, iar dac 0
1
< , exist o deviere spre stnga.
b) coeficientul de aplatizare, calculat prin raportul:
3
2
4
2
.
61
2. Se examineaz cele T reziduuri estimate i se repereaz cele a cror valoare absolut
este foarte mare.
3. Se elimin din seria de date observaiile corespunzatoare acestor erori foarte mari sau
se corecteaz aceste observaii astfel ca s se ajung la valori ct mai normale ale
erorilor.
4. Se efectueaz o nou regresie pe eantionul corectat. Proprietile estimatorilor
obinui vor depinde de regula adoptat n etapa anterioar. De exemplu, se poate
adopta regula de a respinge sau corecta observaiile corespunztoare reziduurilor a
cror valoare absolut
t
variaz n funcie de
t. n acest caz, estimatorii obinui sunt nc nedeplasai. Dar, momentele centrate de ordinul doi nemaifiind
constante se comite o eroare de calcul a ecartului-tip al estimatorilor. Se poate evalua deplasarea n
estimaia lui
a
x x
T
t
t
t
;
(2) ( ) ( )
,
_
,
_
2
2
2
2
1 1
t
t
t
t
t
x x
T
x x
T
t t
.
Aceste relaiile sunt realizate atunci cnd nu exist nicio legtur sistematic ntre
2
t
i
t
x
.
Homoscedasticitatea erorilor se admite n seriile cronologice atunci cnd ordinul de mrime al
variabilelor este apropiat pentru diverse observaii. Dar, n studiul datelor micro-economice, variabilele pot
avea ordine de mrime foarte diferite. Acest fapt conduce la erori de estimare importante pentru coeficienii
unui model econometric.
62
Dac putem evalua variana erorilor
2
t
t
t
t
2
2
s fie minim.
Pentru modelul elementar
t t t
b ax y + + , estimatorii a i
b
,
_
t
t t
b ax y
t
2
2
1
.
n cazul n care
2
t
,
_
t t t
t
t t
t t
x
b
a
x
y
x
b ax y
s fie minim.
4.3.1. Experien de calcul
Ne propunem s studiem legatura dintre volumul investiiilor i suprafaa cultivat. Pe un eantion
de 30 de ntreprinderi agricole s-au obinut urmtoarele date:
Suprafaa (ha) Cheltuielile de investiii (RON)
100 75,6 75,6 77,4 78,3 80,1 81
200 80,1 81,9 83,7 83,7 84,6 84,6
300 85,5 88,2 89,1 92,7 92,7 94,5
400 92,7 95,4 98,1 101,7 103,5 105,3
500 104,4 106,2 108,9 112,5 117,9 117,9
Aplicnd MCMMP pe ntregul eantion cu modelul elementar
t t t
b ax y + + , obinem:
965 , 67 08145 , 0 +
t t
x y i
9 , 0
2
R
.
Dorim s testm ipoteza de homoscedasticitate a erorilor. n acest scop efectum dou regresii
separate, una pe primele 12 observaii, alta pe ultimele 12 (valorile lui X fiind ordonate cresctor).
Fie SPE1 i SPE2 suma ptratelor erorilor relative la cele dou regresii.
Regresia lui Y n raport cu X pentru primele 12 observaii, conduce la:
( )
6 , 72 054 , 0
1
+
t t
x y i
66 , 0
2
R
; 14 , 49
1
SPE ,
iar regresia pe ultimele 12 observaii d:
( )
45 , 54 1125 , 0
2
+
t t
x y i
60 , 0
2
R
; 695 , 250
2
SPE .
63
n cazul n care erorile ar fi distribuite normal i homoscedastice, variabilele aleatoare
2
1
SPE
,
respectiv
2
2
SPE
ar trebui s urmeze fiecare o distribuie hi-ptrat cu (T-d-k-p) grade de libertate, unde T
este numrul de observaii, d este numrul de observaii omise (n cazul nostru d=6), k este numrul de
observaii luat n fiecare regresie separat, iar p este numrul parametrilor de estimat. n exemplul nostru T-
d-k-p=10. n aceste condiii, variabila aleatoare
1
2
10
1
10
1
SPE
SPE
are o distribuie Fisher cu 10 i respectiv 10
grade de libertate (F10,10). Cu datele calculate, obinem
01 , 51
14 , 49
695 , 250
1
2
SPE
SPE
. Din tabelele
distribuiei Fischer-Snedecor, la pragul de semnificaie =0,05 gasim Ftab=2,97. Deoarece
Fcalc=51,01>Ftab=2,97 se admite ipoteza de heteroscedasticitate a erorilor.
Dac presupunem acum c variana erorilor
2
t
i
t
t
t
x
.
Se observ c ( )
,
_
2
2
1
t
t t
t
t
x x
Var Var .
Prin urmare, modelul transformat are erorile
t
homoscedastice, deoarece dispersia lor este
independent de timp. Efectund regresia pe modelul transformat, rezult:
'
u b z a
u T u
u z T u z
b
t
t t
2
2
Revenind n variabilele iniiale obinem:
64
'
,
_
,
_
t t t t
t
t t t
t t t t
t
t t
t
x T
b
x
y
T
a
x T x
x x
y
T x x
y
b
1 1
1 1 1
1 1 1
2 2
Efectund calculele, rezult:
44 , 70
b
;
072 , 0 a
;
99 , 0
2
R
, adic:
t t
t
x x
y 44 , 70
072 , 0
+
sau 44 , 70 072 , 0 +
t t
x y .
S remarcm faptul c panta dreptei de regresie (dup corectarea heteroscedasticitii) este mai
mic dect cea obinut naintea corectrii.
4.4. Ipoteza de independen a erorilor n raport cu varibilele exogene
Se tie c sub aceast ipotez fundamental estimatorii obinui au proprieti optimale
(nedeplasai, cu varian minimal). Cnd ipoteza nu mai este satisfcut aceste proprieti nu mai sunt
valabile. Cu ct coeficientul de corelaie liniar (
) dintre
t
i
t
x este mai mare, cu att deplasarea
estimatorilor va fi mai mare. n astfel de cazuri este de preferat s se aleag un alt model econometric
pentru studierea legturii dintre variabile.
La fel trebuie procedat i atunci cnd se constat c variana erorilor nu este finit.
4.5. Ipoteza referitoare la faptul c variabilele modelului sunt observate fr eroare
Atunci cnd variabilele care apar n model nu sunt variabile observate fr eroare, va exista o
corelaie ntre reziduuri i exogenele din model.
n acest caz, pentru a obine estimatori convergeni, s-a dezvoltat o metod de estimare special,
numit metoda variabilelor instrumentale, pe care o prezentm mai jos.
Fie modelul liniar general:
t pt p t t t
x a x a x a y + + + + ...
2 2 1 1
, t=1, 2, ...,T,
care, cu notaiile obinuite, se scrie n forma matricial Y=Xa+. Notm cu
Y
~
i
X
~
valorile reale
(necunoscute acum pentru c observaiile Y i X conin erori!) ale variabilelor din model.
65
Putem scrie c + Y Y
~
, + X X
~
, unde i sunt variabile aleatoare. Vom presupune c
i satisface ipotezele fundamentale (medie zero, varian finit, independente).
nlocuind X i Y prin expresiile lor, obinem modelul
+ a X Y
~ ~
, unde
+ a . Aceasta arat c n modelul iniial, Y=Xa+ , reziduurile sunt corelate cu X prin
intermediul lui .
Presupunem acum c se cunosc alte p variabile exogene Zi, i=1,2,...,p necorelate cu , i , deci
necorelate cu .
Acest lucru nseamn c ( ) 0
i
Z E , i=1,2,...,p. Considerm modelul iniial Y=Xa+ scris
sub forma:
(1) + + + +
p p
X a X a X a Y ...
2 2 1 1
,
unde
,
_
T
x
x
X
1
11
1
.
.
.
,
,
_
T
x
x
X
2
21
2
.
.
.
,...,
,
_
pT
p
p
x
x
X
.
.
.
1
nmulim, succesiv, ecuaia (1) cu Z1, Z2, ...Zp i aplicm operatorul de medie E fiecrei ecuaii. Se
obine sistemul:
(2)
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
'
+ +
+ +
+ +
p p p p p
p p
p p
X Z E a X Z E a Y Z E
X Z E a X Z E a Y Z E
X Z E a X Z E a Y Z E
...
....
...
...
1 1
2 1 2 1 2
1 1 1 1 1
Metoda de estimare VI (variabilelor instrumentale) const n a lua ca estimatori
( )
p
a a ,...,
1
exact
soluiile sistemului de ecuaii (2), n care speranele matematice sunt nlocuite cu momentele empirice
corespunztoare:
( )
t
t it i
y z
T
Y Z E
1
, i=1,2,...,p
( )
t
jt it j i
x z
T
X Z E
1
, i,j=1,2,...,p
Dac notm:
66
,
_
pT T
p
z z
z z
Z
...
... ... ...
...
1
1 11
i
,
_
pT T
p
x x
x x
X
...
... ... ...
...
1
1 11
sistemul (2) transformat se scrie sub form
matricial: ( ) a X Z Y Z ' ' , iar pentru c ( ) Y Z' este inversabil, obinem estimatorul:
( ) Y Z X Z a
' '
1
.
S observm similitudinea cu estimatorii obinui prin MCMMP:
1. MCMMP obinuit: ( ) Y X X X a
' '
1
2. MCMMP generalizat: ( ) ( ) Y X X X a
1
1
1
' '
3. metoda VI: ( ) Y Z X Z a
' '
1
.
Se trece de la 1. la 2. nlocuind
' X
prin
1
'
X
.
Se trece de la 1. la 3. nlocuind
' X
prin
' Z
.
Cunoaterea primei formule permite exprimarea celorlalte dou.
Estimatorul a obinut prin metoda VI este un estimator deplasat pentru a, dar converge n
probabilitate ctre a pentru T suficient de mare.
Pentru a putea utiliza metoda VI trebuie gsite attea variabile instrumentale cte exogene conine
modelul. Aceste variabile instrumentale trebuie s fie necorelate cu reziduurile, dar puternic corelate cu
exogenele modelului. Aceste restricii limiteaz alegerea variabilelor instrumentale i, prin urmare, metoda
VI nu este o metod general de estimare.
4.5.1. Experien de calcul
Considerm o anchet pe bugetele de familie pentru a studia consumul dintr-un anumit produs.
Ancheta cuprinde un eantion de T familii. Facem urmtoarele notaii:
y1t: cheltuielile totale ale familiei t;
y2t: cheltuielile relative la produsul studiat;
Vt: veniturile familiei t;
i scriem ecuaiile:
(1)
t t t
V y
1 1
+
(2)
t t t
b aV y
2 2
+ +
67
Ne propunem s exprimm cheltuielile relative la produsul studiat n funcie de cheltuielile totale.
Din ecuaia (1) avem c
t t t
y V
1 1
i nlocuind n (2), rezult:
t t t t
a b ay y
1 2 1 2
+ +
sau, punnd
t t t
a
1 2
:
(3)
t t t
b ay y + +
1 2
.
S observm c
t
este corelat cu y1t prin intermediul lui 1t.
Vom estima a i b din ecuaia (3) introducnd o variabil instrumental.
Fie VDt venitul declarat de familia t. Este evident corelaia puternic dintre variabilele VDt i Vt.
Dimpotriv, venitul declarat VDt nu este corelat cu
t t t
V y
1 1
, care este ecartul ntre
cheltuielile totale i veniturile familiei t. Rezult c VDt nu va fi corelat cu
t
. Utilizm venitul declarat ca
variabil instrumental.
Pentru simplificarea calculelor, centrm variabilele din model:
t t t
b ay y + +
1 2
, t=1,2,...,T
+ +
t
t
t
t
t
t
T
b y
T
a y
T
1 1 1
1 2
+ + b y a y
1 2
(4)
( ) ( ) +
t t t
y y a y y
1 1 2 2
Dac aplicm MCMMP ecuaiei (4), obinem estimatorul:
(5).
( )( )
( )
2
1 1
2 2 1 1
t
t
t
t
t
y y
y y y y
a
Folosim ns metoda variabilelor instrumentale. Pentru aceasta, considerm variabila
instrumental centrat ( ) VD VD
t
. nmulind ecuaia (4) cu variabila instrumental centrat i aplicnd
operatorul de medie E, rezult:
( )( ) [ ] ( )( ) [ ] ( )( ) [ ] VD VD E VD VD y y aE VD VD y y E
t t t t t t
+
1 1 2 2
.
68
Dar, cum
t
i VDt nu sunt corelate, nseamn c ( )( ) [ ] 0 VD VD E
t t
, iar acum
nlocuind E cu media empiric, obinem:
( )( ) [ ] ( )( ) [ ] VD VD y y aE VD VD y y E
t t t t
1 1 2 2
( )( ) ( )( )
1 1 2 2
1 1
y y VD VD
T
a y y VD VD
T
t
t
t
t
t t
,
de unde:
( )( )
( )( )
1 1
2 2
y y VD VD
y y VD VD
a
t
t
t
t
t t
.
Am obinut practic estimatorul (5) n care variabila ( )
1 1
y y
t
s-a nlocuit cu variabila
instrumental ( ) VD VD
t
att la numrtor, ct i la numitor.
69
BIBLIOGRAFIE
1. Andrei, T. Statistic i econometrie, Editura Economic, Bucureti, 2004
2. Cenu, Ghe. (coord.) Matematici pentru economiti, Editura CISON, Bucureti, 2000
3. Chow, G. Econometrics, McGraw Hill, New York, 1989
4. Dobrescu, E. Tranziia n Romnia-Abordri econometrice, Editura Economic,
Bucureti, 2002
5. Gheroghi, M. Modelarea i simularea proceselor economice, Editura ASE,
Bucureti, 2001
6. Giraud, R. - Econometrie, Economica, 49 rue Hericart, Paris, 1990
7. Gourieroux, C. Statistique et Modeles Econometriques,
Monfort, A. Economica, Paris, 1989
8. Gujarati, R.N. Essentials of Econometrics, McGraw Hill, New York, 1998
9. Isaic-Maniu, Al. Statistica pentru managementul
Mitru, C. afacerilor, Editura Economic, 1995
Voineagu, V.
10. Malinvaud, E. Methodes statistiques de leconometrie, Dunod, Paris, 1978
11. Onicescu, O. Incertitudine i modelare economic
Botez, M. (Econometrie informaional), Editura tiinific i Enciclopedic,
Bucureti, 1985
12. Pecican, E.S. Econometria pentru ... economiti; Econometrie-teorie i aplicaii,
Editura Economic, Bucureti, 2003
13. Pecican, E.S. Econometrie, Editura All, Bucureti, 1994
14. Tanadi, Al. Econometrie, Editura A.S.E., 2001
15. Tanadi, Al. Econometrie proiect, Editura A.S.E.,
Creu, A. 2003
Peptan, E.
16. Tnsoiu, O. Modele econometrice, Editura A.S.E.,
Pecican, E.S. 2001
Iacob, A.
17. Tnsoiu, O. Econometrie-studii de caz, Editura A.S.E., 1998
18. Tnsoiu, O. Econometrie aplicat, Editura Arteticart,
Iacob, A. Bucureti, 1999
19. www.asecib.ase.ro/soft.htm
70