Documente Academic
Documente Profesional
Documente Cultură
metoda celor mai mici ptrate discutat va fi suficient. Dar n cadrul analizei regresionale obiectivul nostru este nu doar calcularea valorilor b 0 i b1, ci i obinerea unor concluzii cu privire la adevratele valori 0 i 1. Am
de E(Y|Xi). n acest scop, trebuie nu doar s alegem dori s tim ct de aproape sunt b0 i b1 de parametrii populaiei 0 i 1 sau ct de aproape este Y i
corect forma funcional a modelului, dar i s formulm o serie de presupuneri cu privire la modul cum sunt generate valorile Yi. Pentru a vedea de ce aceast cerin este necesar, privim relaia Yi= 0 + 1Xi +ui. Acesta relaie arat c Yi depinde att Xi i u i. Prin urmare, necunoscnd cum au fost generate Xi i ui, nu exist nici o cale de a putea face orice inferen statistic privind Yi i, de asemenea, privind 0 i 1. Astfel, ipotezele emise cu privire variabila Xi i termenul eroare sau termenul de perturbaie ui sunt extrem de importante la interpretarea corect a estimrilor n cadrul analizei de regresie. Astfel la baza modelului de regresie liniar clasic (CLRM classical linear regression model), care este piatra de temelie a teoriei econometrice, sunt puse o serie de condiii regrupate n urmtoarele 10 ipoteze: I 1: Datele sunt obinute corect (fr erori sistematice de observare) i n numr suficient de mare (depind n orice caz numrul parametrilor ce urmeaz a fi estimai) aa nct soluiile s prezinte stabilitate. Numrul de observaii n sa fie mai mare ca numrul de variabile explicative k (conform unor surse pentru estimarea fiecrui parametru avem nevoie de cel puin 7 observaii) I 2: Variabila factorial X este nestocastic i prezint aceleai valori n eventualitatea n care repetm sondajul (variabila X are valori fixe). Variabila rezultativ Y este aliatoare. I 3: Factorul X prezint variabilitate n ceea ce privete nivelurile nregistrate n cadrul unui eantion de date (dispersia x fiind un numr pozitiv finit),
2
aa nct rolul factorului s poat fi pus n eviden. I 4: Modelul de regresie este liniar n raport cu parametrii
y i = + xi + u i
y i = e +xi
y i = + xi
yi = + xi + xi2
Neliniar
yi = + 2 xi + xi2
I 5: Modelul de regresie este corect specificat n sensul alegerii funciei potrivite (liniare sau neliniare) i includerii factorilor importani I 6: Variabila aliatoare este de medie 0 i urmeaz o repartiie normal Pentru o valoare data a lui Xi media sau sperana matematic a variabilei aliatoare ui este egal cu 0. Simbolic avem:
E (u i / x i ) = 0
sau
L(u) ~
N (0, 2 )
Ipoteza prevede ca factorii neinclui n model i specificai prin u i nu au un efect sistematic asupra valorii Yi, astfel valorile pozitive u i sunt compensate prin valorile negative i astfel media ui este egal cu 0 Dac
E (u i / x i ) = 0
I 7: Variabila aliatoare prezint o mprtiere (dispersie) egal pentru diferitele valori X i. Altfel zis variabila u este homoscedastica, adic variaia lui ui pentru fiecare Xi este o valoare pozitiv constant egal cu Simbolic avem:
var(u i / xi ) = E[u i E (u i / xi )] 2 = E (u i2 / xi ) = 2
E (u i ) = 0
/ xi ) = i2 2
Ex: Dac Y consum, iar X venit, atunci creterea venitului implic o cretere a consumului. Deci familiile cu venituri mai mari consum n mediu mai mult dect familiile cu venituri mai mici, dar se observ i o mai mare variabilitate a consumului n cadrul familiilor cu venituri mari. I 8: Variabila aliatoare nu este autocorelat n sensul c pentru oricare 2 valori sunt corelate. (corelaia dintre u i , u j este 0 )
xi , x j (i j )
perturbaiile corespunztoare
u i , u j (i j ) nu
u i i x i
este zero
cov(u i / xi ) = 0
I 10: Factorii inclui n model (cazul modelului multifactorial) sunt independeni unii n raport cu ceilali, nefiind corelai (sau cel puin nefiind perfect corelai) ntre ei.