Cap3 Modelul Unifactorial

3
unde:
Modelul unifactorial
3.1 Specificarea i definirea modelului unifactorial
Specificarea unui model econometric se face pe baza teoriei economice a fenomenului observat i const n precizarea variabilei endogene i a variabilei exogene. Un model unifactorial se prezint astfel:
y = f ( x) + u
(3.1.1)
y = ( y 1 , y 2 , K , y n ) - variabila endogen sau rezultativ; x = (x 1 , x 2 , K , x n ) - variabila exogen sau factorial sau cauzal; u= (u 1 , u 2 , K , u n ) - variabila rezidual, aleatoare sau eroare. Relaia (3.1.1) reprezint o ipotez construit pe baza teoriei economice i presupune c fenomenul economic y este rezultatul aciunii unui complex de factori: fenomenul economic x este factorul principal, esenial, ce determin fenomenul y, restul factorilor fiind considerai neeseniali, cu aciune ntmpltoare, ei fiind specificai n modelul econometric cu ajutorul variabilei aleatoare u. Ca orice ipotez teoretic, ea poate fi adevrat sau fals x este sau nu este factorul hotrtor al fenomenului y iar validarea sau invalidarea unei astfel de ipoteze se face n urma unui experiment statistic.
Modele econometrice
Teoria economic a folosit i folosete n numeroase cazuri modelul unifactorial pentru a fundamenta i descrie mecanismul de formare i de manifestare a legilor economice. n acest sens, pot fi menionate: - legea cererii C = f(P) + u ; f(P) < 0 cererea (C) unui anumit produs crete sau se reduce, dac preul (P) acestuia se micoreaz sau se mrete; - legea ofertei O = g(P) + u ; g(P) > 0 oferta (O) unui produs crete sau se diminueaz, dac preul (P) acestuia se mrete sau scade; - funcia de producie a cheltuielilor totale ale unei firme: Ch = f(Q) + u; f(Q) > 0 cheltuielile de producie cresc sau scad, dac volumul produciei crete sau scade (n situaia n care productivitatea rmne constant); - legile consumului formulate de Engel i descrise de funciile lui Tornqvist consider venitul (V) consumatorului ca principal factor al consumului (C) unui produs sau grupe de produse C = f(V) + u; f(V)>0. De asemenea, foarte multe analize economice utilizeaz modelul unifactorial pentru a explica i prospecta dependena dintre dou fenomene, cum ar fi: - corelaia dintre creterea preurilor i creterea salariilor; - corelaia dintre creterea preurilor i rata omajului curba lui Philips; - corelaia dintre creterea salariilor i productivitatea muncii etc.
3.2 Identificarea modelului unifactorial Identificarea modelului const n alegerea unei funcii (sau a unui grup de funcii) matematice, cu ajutorul creia se urmrete s se descrie (s se aproximeze) valorile variabilei endogene y numai n funcie de variaia variabilei exogene x. Funciile matematice care se pot utiliza n acest sens funcii liniare sau neliniare sunt numeroase i de forme diverse, printre acestea figurnd i cele prezentate n continuare.
y a a,b >0 a<0, b>0 a a>0, b<0 x
y b>0
b<0
0
-a
1. Funcia liniar y=a+bx+u
2. Funcia semilogaritmic y = a + b log x + u
b>1 b=1
0 < b <1
nivel de saturaie
b>0 b<0
b<0 0 x 0 x
3. Funcia putere i funcia logaritmic 4. Funcia invers (hiperbola) b y = axb + u y = a+ +u x log y = log a + b log x + u sau log y = a + b log x + u
Modele econometrice
y b>0 exp nivel de saturaie (a) b<0
y yM
b, c >0
b, c >0
2 ,3026
b b 2,3026 c c 1
5. Funcia loginvers b log y = a + + u x
6. Funcia log-loginvers b log y = a + + c log x + u x
y yM
a<0 c>0 b>0 a, c > 0, b<0
ym 0
b 2c
a, c < 0, b>0 x
7. Parabola de gradul II
y = a + bx + cx 2 + u
y yM
a, c > 0, b<0
ym 0
a, c < 0, b>0
2 , 3026 b 2c
8. Parabola logaritmic
y = a + b log x + c(log x) + u
2
y a II Nivel de saturaie
III
II
aI Nivel de saturaie I
9. Funciile lui Tornquist

x + u ; a, b > 0 x +b x c II . y = a + u ; a , c > 0; b > c ; x c x +b x c III . y = ax + u ; a , c > 0; b > c ; x c x +b I. y =a
Modele econometrice
y yM a > 0, b > 0
a > 0, b < 0
b 1 + 2 , 3026 a
10. Funcia lui Konius y = x (a + b log x ) + u

y
c
(3) Nivel de saturaie b>0
(1) b<0 (2)
(1) y = (2) y =
c 1+ e a+bx
+u
c 1+ e
1+ e
a + b log x
+u
b<0
0 x
(3) y =
c
a+ b x
+u
11. Funcia logistic Alegerea unei anumite funcii matematice ca funcie de regresie a unui model econometric Y = f(x) se face pe baza valorilor reale sau empirice ale celor dou fenomene economice, sistematizate, fie n serii spaiale (yi, xi,), i = 1, n , n = numrul unitilor statistice omogene la care s-au nregistrat, ntr-o anumit perioad de timp, valorile celor dou fenomene y i x, fie n serii de timp (yt, xt ), t = 1, n , n = numrul perioadelor
de timp n care s-au nregistrat valorile celor dou fenomene y i x la aceeai unitate statistic. Dispunnd de o serie statistic privind variaia, n timp sau n spaiu, a celor dou variabile economice (vezi tabelul 3.2.1), problema identificrii const n a alege o funcie matematic, Yt = f(xt), cu ajutorul creia, cunoscnd valorile fenomenului economic xt, s se aproximeze (s se estimeze) ct mai bine (cu erori ct mai mici) valorile empirice ale fenomenului yt = (y1, y2, _ _ _, yn) prin valorile teoretice.
Tabelul 3.2.1 xt x1 x2 yt y1 y2
cmi =
yt yt 1 xt xt 1
--
cei =
xt 1 yt y t 1 yt 1 xt xt 1
--
y 2 y1 = cm2 x2 x1
ce2 =
x1 y 2 y1 y1 x 2 x1
M
xn
M
yn
M
y n y n 1 = cmn x n xn 1
ce n =
x n 1 y n y n 1 y n 1 x n x n 1
Aceast operaie se poate face, n general, utiliznd urmtoarele procedee de lucru: a) procedeul grafic; b) procedeul conservrii ariilor; c) procedeul calculelor algebrice.
Modele econometrice
a) Procedeul grafic const n construirea corelogramei dintre cele dou variabile:

y ymax
y1 0
S
L Figura 3.2.1 x
La construirea corelogramei, scala pe cele dou axe, Oy i Ox, trebuie s se calculeze pe baza urmtoarei reguli:
A x x max x 1 = L L Ay y1 y = max Oy : 1 cm L L Ox : 1 cm
adic variaia fiecrei variabile, exprimat prin amplitudinea acesteia, Ax i Ay, este reprezentat printr-un un segment de dreapt avnd aceeai lungime, L, pe cele dou axe. n acest mod, intensitatea legturii dintre cele dou variabile, exprimat prin amplitudinea acestora, nu este viciat de grafic prin aplatizarea sau alungirea acestuia. Prin unirea cu segmente de dreapt a punctelor N(xt, yt) se obine graficul punctelor empirice vezi Figura 3.2.1. n funcie de forma graficului punctelor empirice se alege o funcie matematic al crei grafic aproximeaz cel mai bine graficul punctelor empirice.
n urma acestei operaii se va alege: - funcia liniar: Yt = a + b xt dac curba empiric poate fi aproximat cu o dreapt; - funcia putere: Yt = a xtb dac curba empiric poate fi aproximat cu curba acestei funcii; sau ln Yt =ln a + b ln xt dac curba empiric poate fi aproximat cu o dreapt pe un grafic dublu logaritmic;
ln y
ln x
sau
funcia exponenial: Yt = ea+bxt - dac curba empiric poate fi aproximat cu graficul acestei funcii,
ln Yt = a + b xt dac curba empiric poate fi aproximat cu o dreapt pe un grafic semilogaritmic;
ln y
e Yt = a b xt Yt = ln a + b ln xt
Modele econometrice
ln x
b) Procedeul conservrii ariilor continu procedeul grafic i const n a compara suprafaa curbei empirice S vezi figura 3.2.1 cu suprafeele teoretice Sj, ale celor h, j = 1, h , funcii matematice: j = 1 funcia liniar, j = 2 funcia putere etc. Suprafaa aferent curbei empirice S se va calcula prin nsumarea suprafeelor trapezelor al cror numr, (n-1), depinde de numrul punctelor empirice N(xt, yt), t = 1, n , iar suprafeele teoretice ale funciilor matematice, acceptate n urma vizualizrii curbei empirice, se vor calcula cu ajutorul formulei: S j = f j (x )dx
x1 x max
n final, alegerea celei mai adecvate funcii de regresie se poate face cu ajutorul urmtoarei reguli:
min
j
S S S
j
c) Procedeul calculelor algebrice se fundamenteaz pe proprietile pe care le posed funciile matematice y = f(x) privind urmtorii indicatori: y - Cm = viteza de variaie absolut a funciei sau coeficientul x marginal; f (x ) viteza medie de variaie a funciei (valoarea medie); - y = x
Ce =
y x ln y viteza de variaie relativ a funciei sau = : ln x y x
coeficientul de elasticitate. n acest sens, vom exemplifica proprietile acestor indicatori pentru cteva categorii de funcii de regresie. Deoarece x i y descriu fenomene economice valorile lor trebuie s fie pozitive. Deci funciile de regresie sunt definite pe intervalul [0;+] [0;+]. Variabila y reprezint variabila efect, iar variabila x variabila cauz. 1. y = a + bx n cazul n care parametrul b este pozitiv se spune c exist o dependen direct ntre cauz i efect, iar cnd parametrul b este negativ se spune c exist o dependen invers ntre cauz i efect. Parametrul a reprezint valoarea efectului atunci cnd cauza este egal cu zero. Parametrii a i b nu pot fi n acelai timp negativi deoarece s-ar obine pentru y doar valori negative. n funcie de valorile parametrilor a i b exist trei cazuri:
y
a, b 0
y
a<0 b>0
y
a>0 b<0
a
x
a b
a b
Modele econometrice
Cm b>0 b
Cm
b<0 x
=b 1. a) Cm = y x
n cazul n care b>0, la o cretere cu o unitate a lui x i va corespunde o cretere cu b uniti a lui y. n cazul n care b>0, la o cretere cu o unitate a lui x i va corespunde o scdere cu b uniti a lui y. y y
b 1. b) y =
y a =b + x x
b a>0, b>0 x a<0, b>0 x
y
x x 0 x 0
lim y = b ;
lim y = , pentru a> 0
x a>0, b<0
lim y = , pentru a< 0 b
a<0, b<0
n cazul n care cauza este maxim, aceasta tinde spre infinit, efectul mediu fiind egal cu b. Atunci cnd cauza tinde ctre zero, iar parametrul a este pozitiv, efectul mediu (efectul pe fiecare unitate de cauz) va tinde s fie maxim, spre infinit, iar dac parametrul a este negativ, efectul mediu tinde s fie minim, spre minus infinit.
Ce 1 x
1. c)
Ce = y x
x 0
x bx = y a + bx
x
lim Ce = 0 ;
lim Ce = 1
Coeficientul de elasticitate exprim cu cte procente se modific efectul atunci cnd cauza se modific cu un procent. Se observ c, la o modificare cu un procent a cauzei, pentru valori mici ale acesteia, tinznd ctre zero, efectul nu se modific cu nici un procent. n cazul valorilor mari ale cauzei, modificarea cu un procent a acesteia implic o modificare cu un procent a efectului. Indiferent de valorile cauzei, unei modificri de un procent a acesteia i vor corespunde modificri ale efectului cuprinse ntre zero i unu.
2. y = a +
y
b ; a, b>0 x
x 0 x >0
lim y = +
lim y = a
a x
< 0 y este x2 descresctor
y =
Modele econometrice
2. a) Cm =
Cm
b x2
x 0 x >0
lim Cm = ; lim Cm = 0
x
(Cm) x = ( b) (- 1)2 2x = 2b 3
(x )
2
Cm e cresctor pe (0, +)
Deci, la creteri ale cauzei, efectul scade. Pentru valori mici ale cauzei modificrile efectului sunt foarte mari, tinznd spre infinit, iar pentru valori foarte mari ale cauzei, modificrile efectului, ca urmare a modificrii cauzei, tind spre zero. Cu ct valorile cauzei sunt mai mari, cu att efectul variaz mai puin la variaiile cauzei. 2. b) y = y
a b + 2 x x
x 0 x >0
lim y = +
lim y = 0
= ( y )x
x
a x
2
b (x )
2 2
2x =
1 ax+b x2 x
<0 Deoarece x>0, a, b>0 ( y )x

y descresctor
n cazul n care cauza tinde spre infinit, efectul mediu, adic efectul pe unitatea de cauz este zero. Atunci cnd cauza tinde ctre zero, efectul pe fiecare unitate de cauz tinde spre infinit. Efectul mediu este descresctor, deci, cu ct cauza este mai mare, efectul pe unitatea de cauz este mai mic.
2. c) Ce = y x
Ce
x b = y ax + b
x 0 x >0
lim Ce = 1
-1
lim Ce = 0
1
2
(ax + b) Ce este cresctor
= ( b) (Ce) x
a =
ab (ax + b) 2
>0
Se observ c, la o modificare cu un procent a cauzei, pentru valori mici ale acesteia, tinznd ctre zero, efectul se modific (scade) cu un procent. n cazul valorilor mari ale cauzei, modificarea cu un procent a acesteia nu implic nici o modificare a efectului. Indiferent de valorile cauzei, la modificri (creteri) cu un procent ale acesteia le corespund modificri (scderi) ale efectului cuprinse ntre zero i unu. Cu ct valorile cauzei sunt mai mari, cu att modificrile relative ale efectului sunt mai mici. 3. y = a + bx + cx2 , a, b i c nu sunt toi egali cu zero. Graficul acestei funcii depinde de parametrii a, b i c. De exemplu, pentru a>0, b<0, c>0 se obine urmtorul grafic:
y
= 2cx +b = 0 x = yx
x2 x
b 2c = 2c > 0 x corespunde yx
x1
b 2c
lui y minim
b min y ; 2c 4c
4c
= 2cx + b 3. a) Cm = y x
Modele econometrice
Dac c este negativ, atunci Cm este descresctor, deci variaiile efectului ca rspuns la variaia cauzei sunt din ce n ce mai mici. Dac b este pozitiv, nseamn c, pentru o cauz mai mic dect b/2c, efectul crete ca urmare a creterii cauzei. Pentru o cauz mai mare dect b/2c efectul scade ca urmare a creterii cauzei. Dac b este negativ, efectul va scdea ca urmare a creterii cauzei. n cazul n care c este pozitiv, Cm este cresctor, deci variaiile efectului ca urmare a variaiilor cauzei sunt din ce n ce mai mari. Dac b este negativ, nseamn c, pentru o cauz mai mic dect b/2c efectul scade ca urmare a creterii cauzei. Pentru o cauz mai mare dect b/2c, efectul crete ca urmare a creterii cauzei. Dac b este pozitiv, efectul va crete ca urmare a creterii cauzei.
Cm b>0 b<0 b x
b 2c
c>0
3. b) y =
a + bx + cx 2 x - pentru a, c>0: y
x
lim y = + a 0+ = +
x 0 x >0
lim y =
b + 2 ac
x
= ( y )x
a
c
( y )
cx 2 a x 0 a x 1,2 = 2 c x a = 2 ac + b c
a c
( y)x
y
| +
------------- 0 + + + + + + +
b + 2 ac
Ce
3.c) Ce = y
x
x bx + 2cx 2 = y a + bx + cx 2
lim Ce = 2
x 0
lim Ce = 0
4. y = axb, a>0 deoarece y trebuie s fie pozitiv, iar fucia putere este o funcie pozitiv i b1, deoarece altfel s-ar obine o funcie liniar.
4. a) Cm = abxb-1 grafic similar cu cel al funciei iniiale y 4. b) y = = a x b 1 grafic similar cu cel al funciei iniiale x x x 4. c) Ce = y = a b x b 1 . =b y ax b
Modele econometrice
Ce b b>0 x b b<0
Dac b este cuprins ntre zero i unu, atunci cauza variaz n acelai sens cu efectul, dar coeficientul marginal fiind descresctor, nseamn c variaiile efectului sunt din ce n ce mai mici. De asemenea, i efectul pe unitatea de cauz este cu att mai mic cu ct cauza este mai mare. Totui, dac exist o variaie de un procent a cauzei, efectul va varia cu b procente, indiferent de mrimea cauzei. Dac b este mai mic dect unu, atunci cauza variaz n sens invers efectului. Coeficientul marginal fiind descresctor, nseamn c variaiile efectului sunt din ce n ce mai mici. De asemenea, i efectul pe unitatea de cauz este cu att mai mic cu ct cauza este mai mare. Dac exist o variaie de un procent a cauzei, efectul va varia cu b procente, indiferent de mrimea cauzei. Dac b este mai mare dect unu, atunci cauza variaz n acelai sens cu efectul. Coeficientul marginal fiind cresctor, nseamn c variaiile efectului sunt din ce n ce mai mari. De asemenea, i efectul pe unitatea de cauz este cu att mai mare cu ct cauza este mai mare. Dac exist o variaie de un procent a cauzei, efectul va varia cu b procente, indiferent de mrimea cauzei. Prin compararea proprietilor indicatorilor teoretici ai funciilor de regresie variaie continu cu indicatorii empirici variaie discret ai celor dou variabile, calculai pe baza seriei statistice y y t 1 y y t 1 x t x t 1 se va putea alege acea cm i = t ; ce i = t : x t x t 1 y t 1 x t 1 funcie de regresie ai crei indicatori au proprieti apropiate cu indicatorii empirici.
De exemplu, dac coeficienii marginali ai variabilei y n raport de variabila x, calculai pe baza seriei statistice sunt aproximativ egali: y 2 y1 y 3 y 2 y y n 1 K n ct t = 1, n ; se va alege x 2 x1 x 3 x 2 x n x n 1 funcia liniar - Yt = a + b xt, sau funcia putere - Yt = axtb - n cazul n care coeficienii empirici de elasticitate vor fi aproximativ egali:
x1 y 2 y 1 x 2 y 3 y 2 x y y n 1 K n 1 n y 1 x 2 x1 y 2 x 3 x 2 y n 1 x n x n 1
De reinut c, n economia real, datele statistice relev corelaii diverse i contradictorii, care nu pot fi descrise cu o singur funcie matematic. n astfel de cazuri se recomand ca identificarea modelului econometric s se fac cu ajutorul mai multor funcii de regresie, urmnd ca, n final n etapa de verificare a modelului , s se decid asupra unei singure forme a modelului.
3.3 Estimarea parametrilor unui model econometric unifactorial Parametrii unui model econometric sunt reprezentai de coeficienii funciei de regresie acceptat n etapa de identificare a acestuia. Aceti parametrii fiind necunoscui, ei vor trebui estimai (aproximai) pe baza datelor experimentale sistematizate n seriile statistice ale celor dou variabile y i x, prin valorile yt, xt, t = 1, n . Funciile de regresie ale unui model econometric unifactorial pot fi funcii linare, Y= a + bx, sau funcii neliniare, ca de exemplu: - funcia putere Yt = a xtb ; - funcia exponenial Yt = ea+bxt ; funcia de gradul doi Yt = a + bxt + cxt2 ; c funcia logistic Y t = . 1 + e a +bx t
Modele econometrice
Deoarece, n numeroase cazuri, funciile neliniare (curbilinii) pot fi liniarizate, estimarea parametrilor unui model econometric se va axa numai pe cazul modelelor liniare. Liniarizarea unui model neliniar se poate face prin mai multe procedee, cum ar fi: logaritmarea modelului econometric, schimbri de variabil, stabilirea arbitrar a valorii unor parametri etc. De exemplu: Liniarizarea prin logaritmare 1) Fie modelul neliniar exprimat prin funcia putere yt = a xt ut. Prin transformare logaritmic acesta devine: ln yt = ln a +b ln xt + ln ut, sau
b
yt = A + b xt + ut
unde:
yt = ln yt; A = ln a; xt = ln xt; ut = ln ut.

2) Cazul modelului neliniar exponenial yt = ea+bxt ut Prin logaritmare acesta devine:
* *
ln yt = a + b xt + ln ut yt = a + b xt + ut
Liniarizarea prin schimbare de variabile
Fie modelul neliniar yt = b0 + b1x + b2xt2 + _ _ _ + bkxtk + ut Notnd cu: x1t = xt; x2t = xt2;, xkt = xtk, se obine modelul liniar multifactorial: yt = b0 + b1 x1t + b2 x2t + + bk xkt + ut Liniarizarea prin fixarea arbitrar a valorii unor parametri Acest model poate fi aplicat atunci cnd, pe baza unei analize economice a fenomenelor studiate, se poate evalua valoarea unui parametru.
De exemplu, funcia logistic se preteaz foarte bine la descrierea evoluiei consumului (y) unui anumit produs n funcie de venitul consumatorului (x). Dar, consumul unui anumit produs are anumite limite raionale, respectiv un nivel de saturaie, nivel estimat prin parametrul e al funciei logistice. Stabilind valoarea parametrului prin constanta c acest lucru se poate face, fie prin calcule statistice de specialitate, fie prin preluarea valorii acestuia de la o ar dezvoltat unde consumul acelui produs s-a stabilizat funcia logistic se poate transforma ntr-o funcie liniar:
yt =
c
1+e
a +bx t
c c 1 = e a +bx t ln 1 = a + bx t yt yt
* c 1 yt = a + b xt, unde: y t = ln yt
Revenind la problema estimrii parametrilor unui model econometric, acetia pot fi calculai cu ajutorul mai multor metode cum ar fi: a) metoda punctelor empirice (M.P.E.); b) metoda punctelor medii (M.P.M.); c) metoda celor mai mici ptrate (M.C.M.M.P.); d) metoda celor mai mici ptrate generalizat; e) metoda verosimilitii maxime (M.V.M) cu informaie limitat sau complet. Metodele a) i b) se folosesc atunci cnd nu se urmrete o rigoare statistic a calculelor, datorit simplitii i rapiditii calculelor, sau cnd aplicarea M.C.M.M.P. este anevoioas, necesitnd calcule complicate. Metodele d) i e) au mai mult valoare teoretic deoarece, n economie, ipotezele pe care se fundamenteaz pot fi acceptate cu mult reinere, n plus, calculele complicate pe care le solicit, mresc mult costul estimrii parametrilor, fr a genera o cretere pe msur a preciziei estimaiilor.
Modele econometrice
Estimarea parametrilor unui model liniar unifactorial presupune: - existena seriei statistice a celor dou variabile economice
Tabelul 3.3.1 xt x1
| ||
yt y1
| ||
xt2 x12
| ||
xt yt x1 y1
| ||
x +b t =a y t
x +b 1 =a y 1
| ||
t = yt y t u
1 = y 1 y 1 u
| || |
t ) 2 (u
1 ) 2 (u
| ||
xn xt
yn yt
xn2 xt2
xn yn xt yt
x +b n =a y n
n =yn y n u
t = 0 u
n )2 (u
t y
t ) 2 (u
- modelul econometric liniar: yt = a + bxt + ut x +b =a y

t t
(3.3.1) (3.3.2) (3.3.3)
t = yt y t u
unde: yt, xt =
valorile empirice ale variabilelor; parametrii modelului; estimaiile parametrilor modelului; variabila eroare; estimaia lui ut. utilizarea unei metode de estimare pentru a calcula estimatorii parametrilor modelului.
a, b = = ,b a ut
t u = = -
n acest sens ne referim la: a) Metoda punctelor empirice (M.P.E.) - const n alegerea unui numr de puncte empirice, M(xt, yt), egal cu numrul parametrilor modelului. Coordonatele acestor puncte se introduc n funcia de regresie a modelului i va rezulta un sistem de ecuaii egal cu numrul acestora. De
exemplu, n cazul modelului liniar -vezi relaia (3.3.1) - vor trebui alese dou puncte. Fie acestea, M3(x3, y3) i M8(x8, y8):
y3 x3 + b x3 y3 = a y x8 = = 8 ; b a x 1 + bx8 3 y8 = a 1 x8
1 y3 1 y8 1 x3 1 x8
De regul, alegerea punctelor empirice se face, fie pe baza reprezentrii grafice a celor dou serii statistice, n sensul c acestea ar trebui s fie foarte aproape de dreapta virtual trasat sau s fie intersectate de aceasta, fie prin aprecierea c aceste puncte sunt reprezentative pentru caracterizarea variaiilor celor dou fenomene i nu sunt rezultatul unor condiii speciale. b) Metoda punctelor medii (M.P.M.) presupune ca cele dou serii statistice s fie mprite ntr-un numr de subserii egal cu numrul estimatorilor. Pentru fiecare subserie se vor calcula mediile aritmetice ale celor dou variabile. Aceste valori medii se vor introduce n funcia de regresie i se va continua procedura ca n cazul M.P.E. Dac numrul termenilor seriilor statistice nu este divizibil cu numrul parametrilor, se va renuna la un numr de termeni cei mai ndeprtai n timp sau de media celor dou variabile. De exemplu, n cazul modelului liniar, numrul parametrilor este egal cu doi. Dac seriile de timp ale celor dou variabile se refer la nou perioade, t = 1,9 , se va renuna la valorile primei perioade, respectiv la x1 i y1. n acest caz, cele dou serii vor fi:
x2 y 2 x3 y3 x4 y4 1 x5 x1 = 4 (x 2 + x 3 + x 4 + x5) ; 1 y5 y 1 = (y 2 + y 3 + y 4 + y 5 ) 4
Modele econometrice
x6 y 6
x7 y7
x8 y8
1 x9 x2 = 4 (x6 + x7 + x8 + x9 ) y9 y 2 = 1 (y 6 + y 7 + y 8 + y 9 ) 4
Prin introducerea acestor valori n relaia (3.3.2) rezult:
x = y +b a 1 1 x = y +b a
2
y1 y = 2 a 1 2 1
x1 x2 = ; b x1 x2
1 1 1 1
y1 y2 x1 x2
c) Metoda celor mai mici ptrate (M.C.M.M.P.) este tehnica de lucru cea mai des folosit la estimarea parametrilor unui model econometric. Utilizarea acestei metode pornete de la urmtoarele relaii:
yt = a + bxt + ut x +b =a y
t t
x b t = yt y t = yt a u t
unde: yt, xt = valorile reale ale celor dou fenomene economice existente n seriile statistice ale acestora;
t y = valorile teoretice ale variabilei y, obinute numai n funcie de valorile factorului esenial xt i de valorile estimatorilor
; i b parametrilor a i b, respectiv a
t = u
estimaiile valorilor variabile reziduale ut.
Practic, M.C.M.M.P. const n a minimiza funcia:

= min (y y ,b t F a t
t =1
( )
)2 = min
t =1
x b yt a t
(3.3.4)
adic a minimiza suma ptratelor distanelor, fa de axa OY, dintre valorile t. reale, yt, i valorile teoretice, y Condiia de minim a funciei (3.3.4) rezult din:
) , b F (a =0 a
) , b F (a =0 b
n
2(y a bx )( 1) = 0 (y a bx ) = 0
n t t t t t =1
t t t t t t 2 t
(3.3.5)
x )( x ) = 0 (y x a x ) = 0 (3.3.6) b x b 2 (y a
t =1
sistem de ecuaii ce devine n final:

n n n a b x yt + = t t =1 t =1 n x 2 = y x a xt + b t t t t =1
(3.3.7)
din care se vor calcula valorile estimatorilor: - estimaia parametrului a

x = y * 1 a xt = y +b +b na t t n n n
t
x = y b a
(3.3.8)
- estimaia parametrului b
n = b x t n x t
-
y t y t xt x t 2 x t
y t xt x* y n y t x t y t x t n = = 2 2 x t n x t2 (x t ) x 2 n
(3.3.9)
dispersia variabilei x
2 x =
(x t x n
)2
2 x t 2x t x + x n
2 xt xt 2x +x n n
Modele econometrice
xt xt = 2x 2 + x 2 = x2 n n y t xt x* y n b = 2 x
- covariana dintre variabilele y i x
cov (y , x ) = (x t x )(y t y ) (x t y t x t y x y t + x y ) x t y t = = n n n xt y t xt y t x i y t y x +x y = y x x y +x y = x y n n n n = cov (y , x ) = (x t x )(y t y ) (3.3.10) b 2 2 ( x x ) x t
coeficientul de corelaie liniar a celor dou variabile
r ( y , x ) = r (x , y ) =
cov(y , x )
x y
x b = r (y , x ) r (y , x ) = b
y (3.3.11) x
unde: y, x = abaterile medii ptratice ale variabilelor y i x. Sistemul de ecuaii, format din relaiile (3.3.5) i (3.3.6), rezultat n urma aplicrii M.C.M.M.P., poart numele i de sistem de ecuaii normale. Acest sistem de ecuaii posed cteva proprieti cum ar fi: Din ecuaia (3.3.5) se deduce c:
x = u b t = 0 M (u t ) = 0 variabila aleatoare ut 1) y t a t
t t
este de sum nul i, evident, de medie zero;
x = (y y b t )= 0 y t = y t 2) y t a t t
t t t t
suma
t ) valorilor empirice ( y t ) este egal cu suma informaiilor teoretice ( y

t
t
principiul conservrii informaiilor. Din rezolvarea sistemului de ecuaii rezult c:
x , trasat pe baza x dreapta de regresie, y +b t =a = y b 3) a t

M.C.M.M.P., trece prin punctul M ( x , y ) vezi figura 3.3.1;
= 4) b
(y t y )(x t x )
t 2 (x t x )
[(y t y )(x t x )]
2 (x t x )
(x t (x t
x) x)
y y (x t x )2 bt (x t x )2 t t xt x = t = panta dreptei de regresie, 2 2 (x t x ) (x t x )

t
x , este o medie aritmetic a pantelor dreptelor ce pot fi trasate t = a +b y t

prin punctele M ( x , y ) i M t ( x t , y t ) , respectiv bt =
yt y , ponderate xt x
cu ptratul abaterilor, ( x t x ) 2 , variabilei factoriale x vezi figura 3.3.1.
Modele econometrice
y yn
b2 =
y2 y x2 x
= a + bx y
y1 y x1 x
b1 =
M
y
y2 y1 0 x1
M2
M1
x2
x
Figura 3.3.1
xn
b=
b1 ( x1 x ) + b2 ( x2 x ) + K + bn ( xn x ) (x1 x )2 + (x2 x )2 + K + (xn x )2

2 2
i b se vor Dup estimarea parametrilor a i b prin valorile a
x , i +b t =a putea calcula valorile teoretice ale fenomenului explicat y, y t

t = yt y t (vezi tabelul 3.3.1, apoi estimaiile variabilei aleatoare u, prin u
coloanele 5 i 6).
3.4 Verificarea modelului econometric ntruct modelul econometric, n etapele de specificare, identificare i estimare, se fundamenteaz pe acceptarea unor ipoteze de lucru, ct i pe date experimentale de sondaj, este necesar ca, nainte de utilizarea sa ca instrument pertinent scopului urmrit, acesta s fie verificat (testat, filtrat). n aceast etap se pune problema similitudinii dintre modelul economic real, descris de seriile statistice ale fenomenelor analizate, i modelul teoretic, de natur econometric, construit i rezolvat.
n economie, spre deosebire de domeniul tehnic, de exemplu, nu putem vorbi de o similitudine absolut ntre modelul teoretic i modelul real (cum poate s existe ntre macheta unei cldiri i cldirea construit), ci de o similitudine statistic ntre cele dou modele, n sensul c modelul econometric posed i descrie n mare (n medie) principalele caracteristici ale modelului economic real. Practic, acceptarea econometric a modelului teoretic ca model similar, ca aproximaie statistic echivalent cu modelul real, presupune: 3.4.1 Verificarea ipotezelor pe care se fundamenteaz estimarea parametrilor unui model econometric 3.4.2 Verificarea semnificaiei estimatorilor pararametrilor modelului econometric 3.4.3 Verificarea similitudinii modelului econometric
3.4.1 Verificarea ipotezelor pe care se fundamenteaz estimarea parametrilor unui model econometric n general, estimatorul sau estimaia este o aproximaie a unei dimensiuni privind un anumit fenomen. Aceast dimensiune (volum, suprafa, valoare etc.) exact, stabil i repetabil, adic constant, reprezint parametrul (msura) unei caracteristici, al unei nsuiri a unitilor statistice. Statistica calculeaz parametrii caracteristicilor unitilor statistice ale unei populaii n urma unei observri totale asupra colectivitii statistice. Dac datele privind valorile caracteristicilor provin dintr-o observare selectiv (sondaj), indicatorii calculai din aceste date reprezint estimaiile statistice ale parametrilor, adic ale indicatorilor care s-ar fi obinut din prelucrarea datelor provenite dintr-o observare total. Dar statistica nu folosete orice fel de aproximaii, de estimaii ale parametrilor, ci numai estimaii de maxim verosimilitate1.
1
Vezi teorema 2 i 3.
Modele econometrice
Din acest motiv, estimarea parametrilor unui model econometric se fundamenteaz pe cteva ipoteze pe care trebuie s le posede modelul econometric yt = a + bxt + ut. Aceste ipoteze se refer la: I1: Cele dou variabile yt i xt sunt observate fr erori de msur. ut este o variabil aleatoare, iar variabila xt este un fenomen cu valori predeterminate => variabila explicat yt este la rndul ei o variabil aleatoare; I2: Variabila aleatoare ut este de medie nul, M(ut) = 0, i de dispersie constant,
2 D 2 (u1 ) = D 2 (u 2 ) = K = D 2 (u n ) = u , t = 1, n .
Ipoteza I2 presupune c erorile ut sunt homoscedastice i nu

2 ; heteroscedastice D 2 ( u1 ) D 2 ( u2 ) K D 2 ( u n ) u
I3: Valorile variabilei reziduale sunt independente (nu sunt corelate), adic nu exist fenomenul de autocorelare a erorilor: 0, i j erorile sunt independente cov( u i , u j ) = 0, i j erorile sunt autocorelate I4: Variabila aleatoare ut urmeaz distribuia normal, de medie zero i de abatere medie ptratic constant i egal cu
u = u2 = ct , respectiv L(ut) = N(0, u)

Dac aceste ipoteze pot fi acceptate, iar estimarea parametrilor modelului liniar unifactorial yt = a + bxt + ut , atunci se pot demonstra urmtoarele: Se efectueaz o selecie de volum n, adic se observ valorile caracteristicii x i, pentru fiecare valoare observat, valorile caracteristicii y / x = xt = y t . Se obine astfel selecia: (xt,yt)t=1,.,n. Pe baza acestei selecii se estimeaz parametrii a i b din modelul de regresie liniar -yt =a+bxt+ut..
Parametrii a i b pot fi estimai prin: - metoda celor mai mici ptrate prin care se minimizeaz suma ptratelor erorilor, adic funcia:
= min u x ,b b t2 = min y t a Fa t
t =1 t =1
( )
- metoda verosimilitii maxime prin care se maximizeaz funcia de verosimilitate, adic:
L (y t ; a, b ) = f (y 1 ) f (y 2 ) ... f (y n ); t = 1 , n ,
repartiia caracteristicii y.
unde
este
Teorema 1 Dac variabila rezidual ut este repartizat normal, avnd media egal cu zero i abaterea medie ptratic u, atunci metoda verosimilitii maxime este echivalent cu metoda celor mai mici ptrate. Demonstraie n cazul modelului liniar y = a + bx + u , u este repartizat N(0, u), ceea ce este echivalent cu y repartizat N(a+bx, ). Funcia de verosimilitate a caracteristicii y este:
= f (y ) f (y ) ... f (y ) ,b L y t ;a 1 2 n
= ,b L y t ;a
1 2
1 x b y 1 a 1 2 2
...
e
1 2
1 2
n 2
1 x b y n a n 2 2
= ,b L yt; a
1 2
2 ( y t a b x t ) t =1
Modele econometrice
Metoda verosimilitii maxime presupune maximizarea funciei de verosimilitate:

1 ) max ln L( y , a , b max L( yt , a t , b ) = max ln a ,b a ,b a ,b 2 1 2 2
n
n
(y
n t =1
x 2 b a t
1 Deoarece este constant, ln = k = constant. 2

1 max ln a ,b 2 1 2 2
n n x x 2 = k + max 1 b a b yt a t t t a ,b 2 2 t =1 t =1 1 x 2 = k + b , b yt a min F a t 2 a ,b 2
(y
n
) =
2
n 1 min = k + 2 2 a ,b t =1
( )
n concluzie, a determina maximul funciei de verosimilitate este echivalent cu a determina minimul sumei ptratelor erorilor.
Observaie Se tie c estimatorii de verosimilitate maxim sunt estimatori nedeplasai, consisteni i eficieni, adic: ) = b (estimatorii sunt nedeplasai); ) = a, M ( b - M(a
p p a a, b b (estimatorii sunt consisteni);
orice alt estimator pentru a i b are dispersia mai mare dect (estimatorii sunt eficieni). i b dispersia lui a
n cazul repartiiei normale a variabilei reziduale, estimatorii obinui prin metoda celor mai mici ptrate sunt nedeplasai, consisteni i eficieni. n consecin, aceti estimatori pot fi considerai drept cei mai buni n procesul de decizie sau de modelare econometric.
Teorema 2 Dac variabila rezidual este repartizat normal, avnd media egal
2 este repartizat N b , = ct . , atunci b cu zero i dispersia u Demonstraie

n
t =1
xt x
u2
= t =1 b
y t y xt x
t =1
)(
xt x
t =1
y t xt x y xt x
t =1
xt x
t =1
1 = t =n
y t xt x
t =1
xt x
= t y t
t =1
unde:
t =
u t ~ N (0, u ) y t ~ N (a + bx t , u ) , t = 1, , n
t =1
xt x
xt x
fiind combinaie liniar de variabile aleatoare n concluzie, b repartizate normal, este i el repartizat normal.
) = M ( y ) = ( a + bx ) = a + b x M(b t t t t t t t
t =1 t =1 t =1 t =1 n n n n
) = 2 D 2 ( y ) = 2 2 D 2( b t t u t
t =1 t =1
Se calculeaz:
t =
t =1
( x t x)
t =1
( x t x) 2
t =1
=0
Modele econometrice
t =1
(x x )x = (x x ) (x x ) (x x ) = 1 = ( (x x ) x x)
2 t =1
t x t =
t =1
t 2
t =1 n
xt x x t
t =1 2 t =1 t
= t =1
x t 2x x t + n x
t =1
t =1
(x
n
t =1
=1
t =1
t =1
t =1
Deci:
) =b M(b
)= D (b
2
t =1
xt x
u2
cu
zero
dispersia
u2 = ct . ,
.
atunci
este
repartizat
N a , u2
1 x2 + n n xt x t =1
Demonstraie
x = t =1 = y b a n yt
n n n 1 n x t y t = xt y t = t y t t =1 t =1 n t =1
unde:
t =
1 x t , t =1,., n n u t ~ N (0, u ) y t ~ N (a + bx t , u ) , t = 1, , n
fiind combinaie liniar de variabile aleatoare n concluzie, a repartizate normal, este i el repartizat normal.
) = t M ( y t ) = t ( a + bx t ) = t a + b t x t M(a
t =1 n t =1 t =1 t =1 2 ) = t D 2 ( y t ) = u D 2( a t t =1 t =1 2 n 2 n n n n
Se calculeaz:
n n 1 n t = x t = 1 x t = 1 t =1 t =1 n t =1
n n 1 n t x t = x t x t = x x t x t = 0 t =1 t =1 n t =1
n n 1 n 1 2x n 1 x2 2 2 2 t = x t = t + x t = + n n n t =1 n t =1 t =1 n t =1 xt x t =1 2
Deci:
) =a M(a 1 x2 ) = u2 + D 2( a n 2 n (x t x ) t =1
Teorema 4 Dac x0 este fixat, iar variabila rezidual este repartizat normal, 2 x este +b =a = ct . , atunci y avnd media egal cu zero i dispersia u 0
2 ( x0 x ) 2 1 + n repartizat N a + bx 0 , u 2 n xt x t =1
Modele econometrice
Demonstraie
x = y + b (x x ) = t =1 +b =a y 0 0 n
n 1 n = + (x 0 x ) t y t = t y t t =1 n t =1
yt
+ (x 0 x ) t y t =
t =1
unde:
1 + (x 0 x ) t , t = 1, , n n u t ~ N (0, u ) y t ~ N (a + bx t , u ) , t = 1, , n
t =
fiind combinaie liniar de variabile aleatoare repartizate Deci, y
normal, este i el repartizat normal. M ( y ) = t M ( y t ) = t ( a + bxt ) = t a + b t x t

t =1 t =1 t =1 t =1
= min (y y x ,b b t )2 = min y t a Fa t t
t =1 t =1
( )
Se calculeaz:
n n 1 n t = + (x 0 x ) t = 1 + (x 0 x ) t = 1 t =1 t =1 n t =1
n n 1 n t x t = + (x 0 x )t x t = x + (x 0 x ) t x t = x + (x 0 x ) = x 0 t =1 t =1 n t =1
(x x ) 1 2(x x ) n 2n 2 1 t = +(x0 x )t = + 0 t +(x0 x ) t = + n 0 2 n t =1 n t =1 t =1n t =1 n x x

n 2 n 1 2 2 t =1
Deci: ) = a + bx 0 M(y
1 (x 0 x )2 ) = u2 + D 2( y n 2 n xt x t =1
2 t = yt y t, = ct . , atunci eroarea previziunii, u cu zero i dispersia u
2 1 x x 2 . 1 n t t = 1, .., n, este repartizat N 0, u 2 n x t x t =1
Demonstraie
x b t = yt y t = yt a u t
unde:
sunt repartizai normal ,b a u t ~ N (0, u ) y t ~ N (a + bx t , u ) , t = 1, , n

t fiind combinaie liniar de variabile aleatoare n concluzie, u repartizate normal, este i ea repartizat normal.
x ) = a + bx a bx = 0 +b t ) = M( yt y t ) = M( yt ) M( a M(u t t t
t ) = M u t 2 M (u t )2 = M (u t 2 ) = M ( yt y t )2 = M yt2 2M ( yt y t ) + M y t 2 D2 (u
2 M ( y t2 ) = D 2 ( y t ) + M ( y t ) 2 = u + ( a + bx t ) 2
( )
) ( )
( )
1 ( x x )2 2 + (a + bx t )2 t2 ) = D 2 ( y t ) +M( y t ) 2 = u + n t M( y n 2 ( x t x ) t =1
Modele econometrice
x )) = M ((a + bx )((a x )) + M (u (a x )) t ) = M ((a + bxt + ut )(a +b +b +b M ( yt y t t t t t 2 + bx )) = (a + bx ) + M (u (a

t t t
x )) = M ( u ( y b x +b x )) +b M ( ut ( a t t t n = y b k k k =1
n n x )) = M u +b M ( ut ( a y x k y k + x t k y k t t k =1 k =1
= M ( ut y ) M ( x k y k ut ) + M ( x t k y k ut )
k =1 k =1
M ( ut y ) =
n 1 1 1 M ( y k u t ) = M ( u t2 ) = u2 n n n k =1
(deoarece erorile sunt necorelate ntre ele)

M ( x k yk ut ) = xM ( k yk ut ) = x k M ( yk ut )
k =1 n k =1 k =1 n n n
M ( xt k yk ut ) = xt M ( k yk ut ) = xt k M ( yk ut )
k =1 k =1 k =1
M ( y u ) = M ((a + bx
k =1 k k t k =1 k n n k =1 k =1
+ uk )ut ) =
n
= k M ((a + bxk )ut ) + k M (uk ut ) = k (a + bxk ) M (ut ) + t M (ut ut )

k =1
( xt x)
( x x)
t =1 t
2
2
Deci:
2 x )) = 1 2 + ( x t x ) +b M ( ut ( a t n n u 2 ( x t x ) t =1
Din relaiile anterioare rezult c:
( x x )2 2 1 t ) = u2 + ( a + bx t ) 2 + u + n t D 2( u n 2 ( x t x ) t =1 1 ( x x )2 2 u2 + n t n 2 ( x t x ) t = 1
+ ( a + bx t ) 2
( x x )2 1 2 2( a + bx t ) 2 = u 1 n t n 2 ( x t x ) t = 1
Teorema 6 Dac variabila rezidual este repartizat normal, avnd media egal 1 n 2 2 = ct . , atunci cu zero i dispersia u u t este un estimator n 2 t =1
2 . nedeplasat pentru dispersia variabilei reziduale u
Demonstraie Trebuie demonstrat c: 1 n 2 t = u2 M u n 2 t =1 Folosind teorema anterioar rezult c:

1 n 1 n 2 1 n 2 t = t 2 ) = t ) = M u D ( u M ( u n 2 t =1 n 2 t =1 n 2 t =1
n ( xt x ) 2 2 1 n 1 ( xt x ) 2 1 2 2 =1 u n 1 t n = u u = = 1 n 2 t =1 n n n 2 2 2 ( x t x ) ( x t x ) t =1 t =1
Modele econometrice
2 n + = y n + y n + , = ct . , atunci eroarea previziunii u cu zero i dispersia u
x x 1 este repartizat N 0, u2 1 + + n n + n xt x t =1
) )
2 2
, pentru orice .
Demonstraie Se reia demonstraia teoremei 5, unde t se nlocuiete cu +n i, deoarece +n este mai mare ca n, pentru orice k = 1,.., n, M (u k u n+ ) = 0 , rezult c:
M ( y u
k =1 k
k n +
) = 0 i M (un + y ) = 0 .
x +b Deci M ( u n + ( a n + )) = 0
n final, rezult c:
2 x x 1 2 2 2 + (a + bx n + )2 n + ) = u + (a + bx n + ) + u 1 + + n n + D 2 (u 2 n xt x t = 1 2 x x 1 2 2 2(a + bxn + ) = u 1 + + n n + n 2 xt x t =1 Demonstraia pentru normalitate i valoarea medie este identic cu cea de la teorema 5. Deoarece, cele patru ipoteze, I1, I2, I3 i I4, au fost acceptate a priori
) )
) )
n etapa de estimare a parametrilor, n aceast etap urmeaz ca ele s fie testate, iar eventualele abateri de la cerinele lor s fie corectate prin utilizarea unor proceduri econometrice adecvate fiecrei abateri.
De regul, n cazul unui numr mare al observaiilor efectuate

t = 1, n , n , ipoteza de normalitate a variabilei eroare ut se accept fr
rezerve.
Verificarea ipotezelor de fundamentare a M.C.M.M.P. I1 Variabilele x i y nu sunt afectate de erori de msur. Aceast ipotez se poate verifica cu regula celor trei sigma, regul care const n verificarea urmtoarelor relaii: x t (x 3 x ) x 3 x < x t < x + 3 x y t y 3 y y 3 y < y t < y + 3 y
unde:
2 (x t x ) = n 2 (y t y ) n
y =
Dac valorile acestor variabile aparin intervalelor x t (x 3 x ) i y t y 3 y , ipoteza de mai sus poate fi acceptat fr rezerve. Aceast ipotez, referitoare la calitatea datelor nregistrate, se consider rezolvat n etapa de prelucrare a datelor observate statistic sau, cel mai trziu, n etapa de identificare a modelului.
I2 Ipoteza de homoscedasticitate a variabilei reziduale ) = 0 , iar Variabila aleatoare (rezidual) u este de medie nul M (u
2 dispersia ei s u este constant i independent de X.
Pe baza acestei ipoteze se poate admite c legtura dintre Y i X este relativ stabil. Contrariul acestei ipoteze este heteroscedasticitatea. y t = a + bxt + u t , reziduurile n cazul modelului liniar
x sunt homoscedastice dac dispersiile lor sunt b t = yt y t = yt a u t

constante i egale cu dispersiile teoretice, pentru orice t i sunt independente de variabila exogen x.
Modele econometrice
2 2 t ) 2 = u su , ()t = 1, n = M (u
Contrariul homoscedasticitii este heteroscedasticitatea, care nseamn c erorile nu au dispersiile egale ci diferite:
2 M ( u 1 ) 2 M ( u 2 ) 2 ... M ( u n ) 2 u .
Dac dispersiile nu mai sunt egale, estimatorii rmn nedeplasai, dar nu mai sunt eficace, M.C.M.M.P. conducnd la o subestimare a parametrilor modelului, influennd sensibil i calitatea diferitelor teste statistice aplicate acestuia. Depistarea heteroscedasticitii se poate realiza prin mai multe procedee: I2.1) Procedeul grafic - care const n construirea corelogramei privind valorile variabilei factoriale x i ale variabilei reziduale u. Dac, pe msura creterii (scderii) valorilor variabilei factoriale x, se observ o cretere (scdere) a valorilor variabilei reziduale u, nseamn c cele dou variabile sunt corelate i nu independente.
u
x
u
x
Figura 3.4.1 Corelare pozitiv
Figura 3.4.2 Corelare negativ
I2.2) Procedeul dispersiilor variabilei reziduale Acest procedeu se poate aplica atunci cnd se dispune de serii lungi de date. n acest caz, seria valorilor variabilei reziduale se mparte n dou sau mai multe grupe, pentru fiecare grup calculndu-se dispersiiile
2 2 corespunztoare ( s u 1 , su 2 ,... ). Dac se accept ipoteza c dispersiile acestor
grupe nu difer semnificativ, se accept ipoteza de homoscedasticitate i se utilizeaz testul Fisher-Snedecor.
2 2 su dac su , atunci se accept ipoteza I2; 1 2 2 2 su dac su , atunci se respinge ipoteza I2. 1 2
Testul Fisher-Snedecor const n calcularea raportului dintre cele dou dispersii (dispersia avnd valoarea cea mai mare fiind plasat la numrtor; iar dac numrul de termeni ai seriei este impar se recomand eliminarea termenului din mijlocul seriei, astfel nct s se ajung la subeantioane egale):
Fc =
2 su 1 2 su 2
u
n t = +1 2
n/2 t =1 n
n k 1 / 2 2 n k 1 u2 / 2
2 1
(3.4.1)
- dac Fc > F
n k 1 n k 1 ; 2 2
, atunci ipoteza de homoscedasticitate este
infirmat, deci erorile sunt heteroscedastice, eliminarea acestui fenomen fcndu-se cu ajutorul metodei regresiei ponderate; se accept ipoteza de - dac Fc F n k 1 n k 1 atunci
;
2 ; 2
homoscedasticitate. I2.3) Calculul coeficientului de corelaie liniar simpl cov(u , x ) (ut u )(x t x ) ut (x t x ) ru / x = = = u x n u x n u x
(3.4.2)
- dac valoarea coeficientului de corelaie liniar este aproximativ egal cu zero ru/x 0, atunci se accept ipoteza de homoscedasticitate, variabilele u i x fiind independente; - dac valoarea coeficientului de corelaie liniar este diferit de zero ru/x 0, atunci se respinge ipoteza de homoscedasticitate.
Modele econometrice
I2.4) Acceptarea sau respingerea ipotezei de homoscedasticitate se mai poate realiza i cu ajutorul metodei analizei variaiei. Cele dou restricii enunate mai sus se realizeaz dac variabila rezidual u i variabila explicativ x sunt independente. Pe aceast premis se fundamenteaz utilizarea metodei analizei variaiei la acceptarea sau respingerea ipotezei de homoscedasticitate. Metoda analizei variaiei pornete de la relaia:
t +y t y yt y = yt y
(y t
n t =1
n 2 n
t +y t y) y ) = (y t y
2
n t =1
2
2
2 t y ) +( y t y t )] ( y t y ) = [( y
2 n 2 n
(3.4.3)
2 n
t =1
t y ) + ( yt y t ))] = (y t y ) + (yt y t ) + 2(y t y )(yt y t ) (yt y ) = [(y

t =1 t =1 t =1 t =1
(3.4.4)
Dar y t = a + bxt + u t ;
x y = a x +b +b t =a y t
t = yt y t u
x a x )u y )( y Y ) = 2 (a +b b t = 2 (Y t t t t
t =1 n
(x x) u = 2b t t
n cov( u , x ) = 2n b t t n
2 2 =x + u2 Dac mprim relaia (3.4.4) la n 0 + 2 b cov(u , x )
Pentru ca egalitatea s se verifice este necesar ca: cov(u , x) = 0 (b 0) Acceptarea ipotezei I2 pe baza analizei variaiei const n efectuarea urmtoarelor calcule:
2 (y t y ) = A 2 (Yt y ) = B 2 ( y t Yt ) = C
- dac A=B+C, atunci variabilele ut i xt sunt independente i se accept I2; - dac AB+C atunci ut i xt sunt corelate i se respinge I2
Dac se constat existena fenomenului de heteroscedasticitate, acesta trebuie eliminat deoarece prezena lui determin subestimarea parametrilor modelului i obinerea de valori viciate, fiind afectat calitatea estimatorilor, acetia nemaifiind eficieni (dispersie minim). I2.5) Estimarea unei matrici a covarianelor corespunztoare estimatorilor parametrilor modelului1 adecvat aplicrii M.C.M.M.P. n cazul unui model coninnd erori heteroscedastice. Heteroscedasticitatea erorilor implic faptul c dispersiile corespunztoare erorilor nu mai sunt egale, ci diferite, caz n care estimatorii parametrilor modelului rmn nedeplasai, dar nu mai sunt eficace. Astfel, aplicarea M.C.M.M.P. va conduce la o subestimare a parametrilor modelului, influennd sensibil i calitatea diferitelor teste statistice aplicate modelului. n cazul unui model multifactorial, vectorul estimatorilor parametrilor modelului se calculeaz, matriceal, cu ajutorul relaiei: = ( X X )1 ( X Y ) . Matricea varianelor i covarianelor corespunztoare B
2 ( X X ) acestuia este de forma: V (B ) = u 1 2
. Acest mod de calcul al
matricei varianelor i covarianelor este valabil doar n cazul n care aplicarea M.C.M.M.P. conduce la obinerea de estimatori eficieni, convergeni i nedeplasai, deci ipotezele corespunztoare acestei metode au fost verificate n prealabil. n cazul unor erori heteroscedastice, a cror form este, n general, necunoscut, este posibil, ca prin aplicarea metodei regresiei ponderate n vederea eliminrii heteroscedasticitii erorilor, s nu se obin estimatori consisteni. White a artat c este posibil s se calculeze
1
Conform Wiliam H. Greene, Econometric Analysis, 2d ed., Macmillan, New York, 1993, p. 384-392
Modele econometrice
un estimator adecvat al matricei covarianelor corespunztoare estimatorilor parametrilor modelului, chiar dac exist o relaie de dependen ntre erorile heteroscedatice i variabilele exogene incluse n model, pe care a denumit-o matricea covarianelor estimatorilor consisteni heteroscedastici (HCCME), de forma:
VW (B ) =
n n 1 ( X X )1 u t2 xt xt ( X X ) nk t =1
(3.4.5)
unde: n = numrul de observaii; k = numrul regresorilor; ut = variabila rezidual. Prin aplicarea acestei matrici, estimaiile punctuale ale parametrilor nu vor suferi modificri, ci doar abaterile standard corespunztoare parametrilor. Utilizarea acestei matrici va permite observarea mai rapid a prezenei fenomenului de heteroscedasticitate a erorilor. Astfel, abaterile standard vor putea fi mai mari sau mai mici comparativ cu cele obinute n cazul modelului iniial, iar valorile mai mici nregistrate de testul Student, t, vor semnaliza faptul c estimatorii parametrilor sunt nesemnificativi, deci posibila prezen a erorilor heteroscedastice. I2.6) Testul Goldfeld-Quandt3 Acest test se poate aplica atunci cnd se dispune de serii lungi de date i cnd una dintre variabile reprezint cauza heteroscedasticitii (ntre dispersia variabilei reziduale heteroscedastic i variabila exogen exist o relaie de dependen pozitiv), i presupune parcurgerea urmtoarelor etape:
ordonarea cresctoare a observaiilor n funcie de variabila exogen x;
2 3
vezi demonstraie op. cit., p.182 Conform D. N. Gujarati, Basic Econometrics, 3rd ed., New York, Mc Graw-Hill, 1995, p 374-375.
eliminarea a c observaii centrale, c fiind specificat a priori. n privina numrului de observaii omise, c, au fost emise diverse opinii. n cazul unui model unifactorial, Goldfeld i Quandt, n urma efecturii experimentelor Monte-Carlo, au propus ca c s fie aproximativ egal cu 8 n cazul n care mrimea eantionului este de aproximativ 30 de observaii i 16, dac eantionul cuprinde 60 de observaii. Judge i colaboratorii si menioneaz faptul c, n cazul n care c=4 pentru n=30 i c=10 pentru n60, se obin rezultate mai bune. n general, se consider c c trebuie s reprezinte o treime sau un sfert din numrul total de observaii. efectuarea de regresii aplicnd M.C.M.M.P. asupra celor dou sub-eantioane de dimensiune (n-c)/2 i calcularea sumei ptratelor erorilor pentru fiecare subeantion n parte; calcularea raportului dintre sumele ptratelor erorilor sau dispersiilor acestora, corespunztoare celor dou subeantioane (suma ptratelor erorilor avnd valoarea cea mai mare fiind plasat la numrtor):
(n c ) (k + 1) u12 / 2 1 = t= n ( ) n c 2 u2 / (k + 1) 2 (n c ) +1 t=
(n c ) / 2
F* =
2 su 1 2 su 2
(3.4.6)
unde: k = numrul variabilelor exogene. Presupunnd c erorile sunt normal distribuite, atunci raportul F* (n c ) (k + 1) grade de libertate. urmeaz o distribuie F cu v1 = v2 = 2
-
dac
F* > F
( nc ) ( nc ) ( k +1) ; ( k +1) 2 2
atunci
ipoteza
de
homoscedasticitate este infirmat, deci erorile sunt heteroscedastice;
Modele econometrice
* dac F F (nc) ( nc) ipoteza de homoscedasticitate ; ( k +1) ; ( k +1) 2 2
este acceptat. I2.7) Testul Park4 Testul propus de Park se bazeaz pe existena unei relaii de dependen ntre dispersia corespunztoare erorilor heteroscedastice i variabila exogen x de forma:
2 u = 2 xtb et t
(3.4.7)
Acest model neliniar poate fi transformat ntr-un model liniar prin logaritmare:
2 ln u = ln 2 + b ln xt + t t
(3.4.8)
unde: t = variabila rezidual, ce verific ipotezele corespunztoare M.C.M.M.P. Ca urmare a faptului c valoarea dispersiei erorilor heteroscedastice i2 , n cadrul este necunoscut, aceasta a fost nlocuit cu ptratul erorilor, u modelului liniarizat prin logaritmare:
t2 = ln 2 + b ln xt + t = + b ln xt + t ln u
(3.4.9)
n situaia n care parametrul b corespunztor variabilei exogene este nesemnificativ ipoteza de homoscedasticitate a erorilor este verificat, cazul contrar indicnd existena heteroscedasticitii. I2.8) Testul Glejser5 Acest test se bazeaz pe bazeaz pe relaia dintre erorile estimate n urma aplicrii M.C.M.M.P. asupra modelului iniial i variabila explicativ, presupus a fi cauza heteroscedasticitii.
4 5
cf. op. cit., p. 369-370 cf. op. cit., p. 371-372
Testul Glejser prezint o serie de puncte comune cu testul precedent, respectiv, dup calcularea erorilor n urma aplicrii M.C.M.M.P., valoarea absolut a acestora este regresat n funcie de valorile variabilei exogene utilizndu-se n acest scop urmtoarele forme de exprimare corespunztoare celor dou variabile:
t = a + bxt + t I. u
2 = 2 xt2 , caz n aceast situaie heteroscedasticitatea este de tipul: u t
n care va fi aplicat regresia ponderat asupra datelor iniiale, care vor fi mprite la xi , rezultnd astfel un model de forma:
y t a1 u = + b1 + t xt xt xt
t = a + b xt + t II. u
2 = 2 xt , caz n aceast situaie heteroscedasticitatea este de tipul: u i
n care va fi aplicat regresia ponderat asupra datelor iniiale, care vor fi mprite
yt xt = a1 xt
la
xt ,
rezultnd
xt .
astfel
un
model
de
forma:
+ b1 x t +
ut
t = a + b III. u
1 + t xt
2 = 2 xt2 . n aceast situaie heteroscedasticitatea este de tipul: u i
t = a + b IV. u
1 xt
+ t
t = a + bx t + t V. u
t = a + bxt2 + t VI. u
Modele econometrice
Verificarea homoscedasticitii erorilor presupune, ca i n cazul testului precedent, verificarea semnificaiei parametrului corespunztor variabilei exogene. Aplicarea acestui test conduce la rezultate semnificative n cazul unor eantioane de dimensiuni mari, iar, n cazul celor de dimensiuni mici, este pur teoretic, aa cum menioneaz nsui autorul. De menionat faptul c ultimele dou modele nu pot fi estimate cu ajutorul M.C.M.M.P. I2.9) Testul Breusch-Pagan-Godfrey (BPG)6 Acest test are n vedere modelul multifactorial liniar de forma:
yi = b0 + b1 x1t + b2 x2t + + bk x kt + ut (3.4.10) plecnd de la ipoteza potrivit creia dispersia corespunztoare erorilor heteroscedastice este dependent de o serie de variabile factoriale zi. n locul acestor variabile pot fi utilizate cteva sau toate variabilele exogene ce intervin n modelul iniial. Se presupune, de asemenea, c ntre dispersia corespunztoare erorilor heteroscedastice i variabilele factoriale zi exist o relaie de dependen liniar, respectiv:
2 u = 0 + 1 z1t + 2 z 2t + K + m z mt t
(3.4.11)
Verificarea homoscedasticitii dispersiei presupune verificarea ipotezei nulitii parametrilor corespunztori variabilelor factoriale, caz n
2 = 0 = ct. care u t
Aplicarea acestui test const n: - calculul valorilor variabilei reziduale prin aplicarea M.C.M.M.P. asupra modelului iniial; - calculul estimatorului de maxim verosimilitate corespunztor
t ; dispersiei variabilei reziduale homoscedastice: u2 = u
2
t
cf. op. cit., p. 377-378
- construirea unei variabile de forma: t =
t2 u 2 u t
i regresarea
acesteia n funcie de variabilele factoriale zt, ce pot fi nlocuite cu variabilele exogene xi din modelul original, respectiv:
t = 0 + 1 x1t + 2 x 2t + K + m x mt + t
(3.4.12)
unde: t = variabila rezidual. - calculul sumei ptratelor explicat de model, notat cu SSR, i SSR . calculul unei variabile H de forma: H = 2 Presupunnd c erorile sunt normal distribuite, i c ne aflm n situaia unui eantion de volum mare, variabila H este asimptotic distribuit
2 sub forma unui ; v , pentru care numrul gradelor de libertate este egal cu: 2 v = m 1 , unde m = numrul parametrilor modelului, respectiv: H~ ;v . 2 Dac H > ; v , erorile sunt heteroscedastice, n caz contrar, sunt
homoscedastice. I2.10) Testul White7 Aplicarea testului White n cazul modelului unifactorial presupune parcurgerea urmtoarelor etape: - estimarea parametrilor modelului iniial i calculul valorilor estimate ale variabilei reziduale, u; - construirea unei regresii auxiliare, bazat pe prespunerea existenei unei relaii de dependen ntre ptratul valorilor erorii, variabila exogen inclus n modelul iniial i ptratul valorilor acesteia:
t2 = 0 + 1 xt + 2 xt2 + t u
(3.4.13)
cf. op. cit., p. 379
Modele econometrice
i calcularea coeficientului de determinare, R2, corespunztor acestei regresii auxiliare; - verificarea semnificaiei parametrilor modelului nou construit, iar dac unul dintre acetia este semnificativ diferit de zero, atunci ipoteza de heteroscedasticitate a erorilor este acceptat. Exist dou variante de aplicare a testului White: - utilizarea testului Fisher-Snedecor clasic, bazat pe ipoteza nulitii parametrilor, respectiv: H0: 0 = 1 = 2 = 0 ; Dac ipoteza nul, potrivit creia rezultatele estimrii sunt nesemnificative ( Fc F ;v1 ;v2 ), este acceptat, atunci ipoteza de homoscedasticitate se verific, cazul contrar semnificnd prezena heteroscedasticitii erorilor.
- utilizarea testului LM, calculat ca produs ntre numrul de observaii corespunztoare modelului, n, i coeficientul de determinare, R2, corespunztor acestei regresii auxiliare. n general, testul LM este
2 asimptotic distribuit sub forma unui ; v , pentru care numrul gradelor de
libertate este egal cu: v = k , unde k = numrul variabilelor exogene, respectiv:

2 LM = n R 2 ~ ;v
(3.4.14)
2 Dac LM > ; v , erorile sunt heteroscedastice, n caz contrar, sunt
homoscedastice, respectiv ipoteza nulitii parametrilor, 0 = 1 = 2 = 0 , este acceptat.

Eliminarea fenomenului de heteroscedasticitate se poate realiza prin urmtoarele procedee:
a) Construirea modelului pe baza abaterilor centrate ale variabilelor (3.4.15) Fie y t = a + bxt + u t
x +b t =a y t
y = a + bx + u
(3.4.16) (3.4.17) (3.4.18)
________________ (3.4.15) (3.4.17) y t y = b ( x t x ) + u t

* * y t* = y t y y t = b xt + u t Notnd cu: * * * x t = xt x t = b xt y
Estimarea parametrului b presupune minimizarea funciei:

= min t* Fb yt* y
t =1
()
x* = min y t* b t
t =1
i calculul derivatei pariale a funciei:

) = 0 2 F ' (b
(y
* t
x* x* = 0 b t t
)( )
u (x
t
x ) = 0 cov(u t , xt ) = 0
b) Metoda regresiei ponderate Fie modelul iniial y t = a + bxt + u t

2 , ceea ce nseamn: Heteroscedasticitatea presupune M (u t ) 2 u
u2 = 1 u2
1
2 u2
2 = 2 u
.
2 un
(3.4.19)
= n
2 u
unde: t este un coeficient de ponderare. Estimarea parametrilor modelului presupune minimizarea funciei: n 1 ) = min x ) 2 , b b min F (a 2 ( yt a t
t =1
Modele econometrice
n 1 ) = min x ) 2 (3.4.20) , b b Conform relaiei (3.4.19): min F (a ( yt a t t =1
n relaia (3.4.20) cantitile u2 i t sunt, n general, necunoscute. S-a constatat ns c, n practic, abaterile standard, ut , sunt aproximativ proporionale cu valorile variabilei exogene x, adic:
u = u x1
1
u = u x2
2
un = u x n
(3.4.21)
Corelnd relaiile (3.4.19) i (3.4.21), rezult c relaia (3.4.20) devine:

) = 1 min , b min F (a 2
x
t
1
2 t
x ) 2 b ( yt a t
2 n y 1 = 1 min t a b x 2 xt u t =1 t 2
x y a b t = 2 min t u xt t =1 1
(3.4.22)
Dar relaia (3.4.22) este echivalent cu aplicarea M.C.M.M.P. modelului iniial, dup ce, n prealabil, a fost mprit la xt:
y t = a + bxt + u t |: xt
2
yt u 1 = a +b+ t xt xt xt
2
n u n y 1 ) = min ,b b minF( a t = min t a x x x t =1 t t =1 t t
(3.4.23)
ale funciilor i b Calculnd derivatele pariale n raport cu a (3.4.22) i (3.4.23) i anulndu-le se ajunge la acelai sistem de ecuaii pe baza cruia se determin cei doi estimatori:
) = 0 a F ' (a ) = 0 F ' (b a
x x
yt
t
1
2 t
+b
x = x
t
yt
2 t
1
t
= + nb
yt
t
(3.4.24)
b = = a
x x x x
2 t t
yt
2 t
x
2 t 2 t 2 t
1 x t
(3.4.25)
x x
yt 1 b
x x
1
t 2 t
Un caz concret de utilizare a acestei metode o constituie situaia n care se urmrete modelarea investiiilor unor intreprinderi de dimensiuni diferite n funcie de capital, cifra de afaceri i venit: I = f (K, CA, V) + u. O alt metod const n segmentarea eantionului n subcolectiviti omogene din punct de vedere al nivelelor factorilor, urmat de o respecificare a modelului pentru fiecare segment n parte. n mod curent, acest procedeu se utilizeaz la estimarea parametrilor unui model econometric privind cererea sau consumul populaiei fa de un produs de folosin curent, deoarece s-a constatat c dispersia corespunztoare consumului crete pe msura creterii nivelului venitului.
I3 Valorile variabilei reziduale u sunt necorelate, respectiv nu exist fenomenul de autocorelare a erorilor.
cov(ut , uk ) = M (ut , uk ) = 0 ()t , k = 1, n , t < k
Modele econometrice
Deoarece aplicaiile practice au artat c acest fenomen e frecvent n special n cazul seriilor cronologice interdependente, verificarea acestuia este necesar, mai ales n cazul calculelor de prognoz. M.C.M.M.P., n cazul existenei fenomenului de autocorelaie, M (ut , uk ) 0 , nu mai permite obinerea de estimatori eficieni, acetia prezentnd totodat distorsiuni de la valorile reale. Se pstreaz ns calitatea acestora de a fi consisteni, fapt ce impune introducerea n calcul a unor serii de date suficient de lungi (eantion de valori ct mai mare). Autocorelarea erorilor se datoreaz analizei n timp a legturii dintre variabile, respectiv a unui efect inerial n evoluia variabilelor sau o alt cauz ar constitui o eroare de specificare a modelului, respectiv omiterea unei variabile explicative, xt, cu influen puternic asupra variabilei endogene y. Depistarea autocorelrii erorilor se poate face utiliznd urmtoarele procedee: 1) Procedeul grafic se realizeaz corelograma ntre valorile t . t i valorile variabilei reziduale u estimate ale variabilei endogene y
t u
t y
Figura 3.4.3
Grafic, autocorelaia erorilor se manifest fie printr-un numr foarte mic sau foarte mare de schimbri ale semnului variabilei aleatoare, fie ca urmare a unor schimbri simetrice (o oscilaie regulat a valorilor variabilei ). reziduale fa de valorile lui y
2) Calculul coeficientului de autocorelaie de ordinul 1
r1 = t =2 n 1 t2 u
t =1
tu t 1 u
= t =2 n t21 u
t =2
tu t 1 u
(3.4.26)
Acesta este definit n intervalul semnificaie:
[ 1; 1] ,
avnd urmtoarea
r( 1)
1, autocorelaie strict negativ = 0, independen + 1, autocorelaie strict pozitiv
3) Testul Durbin-Watson const n calcularea valorii: t u t 1 ) (u

t =1 n 2
d = t =2
t 2 u
(3.4.27)
Aceast valoare empiric, d, se compar cu dou valori teoretice, d1 i d2, preluate din tabelul distribuiei Durbin-Watson (vezi Anexa 3) n funcie de un prag de semnificaie , arbitrar ales, ( = 0,05 sau = 0,01), de numrul de variabile exogene (k) i de valorile observate ( n, n 15) . Regula de decizie a aplicrii testului se prezint n tabelul urmtor:
0 < d < d1 Autocorelare pozitiv d1 d d2 Indecizie d2 < d< 4-d2 Erorile sunt independente 4-d2 d 4-d1 4-d1 < d <4 Indecizie Autocorelare negativ
Cei doi autori, acceptnd ipoteza de normalitate a variabilei reziduale, au demonstrat c distribuia variabilei aleatoare d este cuprins
Modele econometrice
ntre dou distribuii limit, d1 i d2, ale cror mrimi depind de pragul de semnificaie (), de numrul de variabile exogene (k) i de numrul de valori observate (n, n 15). Dezvoltnd relaia lui d, aceasta devine: t 2 + u t 1 2 2 u t u t 1 u
t =2 t =2 t =2 n n n
d=
u
t =1
2 t
t 2 , u t21 , u t 2 , Pentru un n suficient de mare, cele trei sume, u

t =2 t =2 t =1
fiind aproximativ egale, relaia lui d va fi egal cu: u u

t n
d = 2 2 t =2 n 1
t =1
t 1
2 t
Se noteaz cu: r1 = 1 a reziduurilor ut.
u u
t =2 n 1 t =1 t
t 1
coeficientul de autocorelaie de ordinul
2 t
d d = 2 1 r (1) r (1) = 1 2 d [0,4]
(3.4.28)
cu semnificaia: 4 1 autocorela re strict negati v indecizie d = 2 r1 = 0 independen indecizie autocorela re strict poziti v 1 0 4) Un alt procedeu de verificare a ipotezei de independen a erorilor const n aplicarea testului Breusch-Godfrey8, acest test fiind utilizat n vederea depistrii unei autocorelaii de ordin superior. Ca urmare a presupunerii existenei unei autocorelaii de ordin superior se construiete urmtorul model:
u t = r1u t 1 + r2 u t 2 + K + r p u t p + z t
(3.4.29)
unde: zt = variabil rezidual de medie zero i dispersie constant. Ipoteza nul care st la baza testului este aceea potrivit creia toi coeficienii corespunztori valorilor decalate ale variabilei reziduale sunt simultan egali cu zero, fapt ce implic non-existena fenomenului de autocorelaie a erorilor. n vederea utilizrii testului sunt estimate valorile variabilei reziduale ut, obinute n urma aplicrii M.C.M.M.P. asupra modelului iniial. Variabila rezidual ut este regresat apoi n funcie de variabilele exogene iniiale ale modelului i de valorile sale decalate, respectiv ut-1, ut-2, , ut-p. n cazul acestei regresii este calculat valoarea coeficientului de determinare R2 i a unei variabile de forma: BG = (n-p)R2
(3.4.30)
cf. op. cit., p. 425
Modele econometrice
Presupunnd c ne aflm n situaia unui eantion de volum mare,

2 variabila BG este asimptotic distribuit sub forma unui ; v , pentru care
numrul gradelor de libertate este egal cu: v = p , unde p = mrimea

2 decalajului , respectiv: BG~ ;v . 2 Dac BG > ; v , ipoteza nul este respins, ceea ce presupune c
exist cel puin un coeficient de autocorelaie nenul. n general, autocorelaia erorilor este provocat de dou cauze: fie c variabila endogen y se autocoreleaz n evoluia sa (ca urmare a unui efect inerial) genernd o autocorelare n timp a erorilor; fie datorit omiterii unei variabile exogene x, cu influen semnificativ asupra lui y, adic a unei erori de specificare a modelului econometric.
Eliminarea fenomenului de autocorelare a variabilei reziduale ut n cazul depistrii sale se fundamenteaz pe evitarea cauzelor care l genereaz. O modalitate direct de a evita consecinele statistice pe care le genereaz acest fenomen o constituie utilizarea urmtoarelor procedee: a) Aplicarea M.C.M.M.P. generalizate n vederea estimrii parametrilor modelului care, n cazul autocorelrii reziduurilor, permite obinerea de estimatori nedeplasai, consisteni i eficieni. Aceast metod este recomandat n situaia n care numrul variabilelor cauzale este superior lui unu (modele multifactoriale). Estimatorii modelului se obin = ( X ' V 1 X ) 1 ( X ' V 1Y ) unde V = matricea varianelor i astfel: B
covarianelor reziduurilor. b) Un alt procedeu este urmtorul: Fie modelul liniar unifactorial:
y t = a + bx t + u t . Se estimeaz
parametrii acestuia, a i b, cu ajutorul M.C.M.M.P. Se calculeaz valorile x +b t =a ajustate ale variabilei endogene - y i reziduurile t
x (3.4.31) i se aplic testul d. Dac ipoteza de b t = yt y t = yt a u t
independen a variabilelor reziduale, I3, nu poate fi acceptat ( r1 0 ,

d ), aceasta presupune o autocorelare de ordinul nti a erorilor, 2 respectiv: r1 = 1
t = r(1) u t 1 + z t u
(3.4.32)
unde: zt este variabila aleatoare ce verific ipotezele I2, I3 i I4. tiind c:
x b t 1 = y t 1 y t 1 = y t 1 a u t 1
(3.4.33)
nlocuind relaiile (3.4.31)i (3.4.33) n relaia (3.4.32) se obine: x = r ( y a x ) + z b b yt a t (1) t 1 t 1 t

( x r x ) + z (1 r(1) ) + b yt r(1) yt 1 = a t (1) t 1 t
(3.4.34)
n ecuaia (3.4.34) variabilele yt i xt sunt cunoscute, iar valoarea coeficientului de autocorelaie se va calcula cu relaia:
r(1) =
u u
t =2 n 1 t =1
t t 1
2 t
Se introduce valorile acestuia n relaia (3.4.34) i se vor estima i parametrii a i b prin aplicarea din nou a M.C.M.M.P. Fie estimaiile parametrilor a i b, calculate pe baza diferenelor de ordinul nti ale variabilelor y i x. Se ajunge astfel la modelul:
( y t r(1) y t 1 ) = (1 r(1) ) + ( xt r(1) xt 1 )
(3.4.35)
Modele econometrice
unde: ( y t r(1) y t 1 ) reprezint diferenele teoretice (ajustate) de ordinul nti ale variabilei endogene y, calculate pe baza funciei de regresie (3.4.34). c) Procedeul prin baleiaj (Hildreth-Lu) Dac exist corelaie se ajunge la relaia: (x r x ) + z y* = a + b x* + z 0 (1 r(1) ) + b y t r(1) yt 1 = a 1 1 t 0 t (1) t 1 t t t Procedeul prin baleiaj const n atribuirea de valori lui r(1) n intervalul [0,1] autocorelare pozitiv, sau n intervalul [-1,0] autocorelare negativ. De exemplu, n cazul unei autocorelri pozitive, i se atribuie lui r(1) urmtoarele valori: r(1) = 0,1 zt2 = 1,75; r(1) = 0,2 zt2 = 2,75; r(1) = 0,3 zt2 = 3,75. Deci minimul se situeaz n intervalul [0,2; 0,3]. Se dau apoi valori lui r = 0,21; 0,22;0,27, oprindu-ne la valoarea pentru care se obine min zt2. Pentru aceast valoare se pstreaz obinui n acest caz. i b estimatorii a d) Procedeul iterativ al lui D. Cochran i C. Orcutt Se consider modelul yt = a + bxt + ut . Se estimeaz parametrii modelului, se aplic testul D-W, se calculeaz coeficientul de autocorelaie de ordinul nti i se nlocuiete valoarea sa n ecuaia iniial, (3.4.34), obinndu-se modelul - y * = a1 + b1 x * t + z t . n cazul acestui model se t verific dac s-a eliminat sau nu autocorelaia erorilor. n caz contrar, se continu procedeul pn cnd se atinge acest deziderat.
e) Procedeul Durbin
x = r ( y a x ) + z b b yt a t (1) t 1 t 1 t
Se calculeaz r(1), se introduce n relaia (3.4.34) i rezult estimatorii . Aceast metod d rezultate bune numai n cazul ,b parametrilor, a
1 1
existenei unei autocorelaii de ordinul nti i este aplicabil n cazul n se lucreaz cu un numr mare de date. f) Uneori, eliminarea autocorelaiei se poate realiza i prin construirea modelului pe baza diferenelor de ordinul nti ale variabilelor:
y t y t 1 = a + b( x t x t 1 ) + z t y t* = a + bx t* + z t
g) Pentru eliminarea autocorelaiei se poate construi un model nou n care se introduce o variabil fictiv suplimentar. Aceast metod pornete de la ideea c variabila rezidual u nu este influenat numai de factori aleatori, ci exist cel puin un factor sistematic care provoac autocorelaia.
I4 Legea de probabilitate a variabilei reziduale ut este legea normal, de medie nul i abatere medie ptratic u, ut (0,u). Se tie c, dac erorile urmeaz legea normal de medie zero i de abatere medie ptratic su $ (consecina ipotezelor I1, I2, I3), atunci are loc
relaia:
t t s u ) = 1 P (u
Pe baza acestei relaii, n funcie de diferite praguri de semnificaie , din tabela distribuiei normale sau a distribuiei Student se vor prelua valorile corespunztoare lui t . Verificarea ipotezei de normalitate se poate face pe baza unui grafic n cadrul cruia pe axa Ox se vor reprezenta valorile ajustate ale variabilei y
Modele econometrice
t , iar pe axa Oy se vor trece valorile variabilei reziduale - u t . Dac -y valorile empirice ale variabilei reziduale se nscriu n banda t s u , cu un anumit prag de semnificaie , ipoteza de normalitate a variabilei reziduale poate fi acceptat cu acest prag de semnificaie vezi figura 3.4.4:
u
+ t su
t su
Figura 3.4.4
O alt modalitate de verificare a ipotezei de normalitate a erorilor o constituie testul Jarque-Berra9, care este i el un test asimptotic (valabil n cazul unui eantion de volum mare), ce urmeaz o distribuie hi ptrat cu un numr al gradelor de libertate egal cu 2, avnd urmtoarea form:
S 2 (K 3)2 2 + JB = n ~ ;2 24 6
(3.4.36)
unde: n =
numrul de observaii;
S = coeficientul de asimetrie (skewness), ce msoar simetria distribuiei erorilor n jurul mediei acestora, care este egal cu zero, avnd urmtoarea relaie de calcul:
1 n yt y n t =1
S=
9
(3.4.37)
cf. EViews, User Guide, Version 2.0, QMS Quantitative Micro Software, Irvine, California, 1995, p. 140-141
K = coeficientul de aplatizare calculat de Pearson (kurtosis), ce msoar boltirea distribuiei (ct de ascuit sau de aplatizat este distribuia comparativ cu distribuia normal), avnd urmtoarea relaie de calcul: 1 n yt y n t =1
K=
(3.4.38)
Testul Jarque-Berra se bazeaz pe ipoteza c distribuia normal are un coeficient de asimetrie egal cu zero, S = 0, i un coeficient de aplatizare egal cu trei, K = 3. Dac probabilitatea, p(JB), corespunztoare valorii calculate a testului este suficient de sczut, atunci ipoteza de normalitate a erorilor este respins, n timp ce, n caz contrar, pentru un nivel suficient de ridicat al probabilitii ipoteza de normalitate a erorilor este acceptat, sau dac
2 JB > ; 2 , atunci ipoteza de normalitate a erorilor este respins.
3.4.2. Verificarea semnificaiei estimatorilor parametrilor modelului econometric
Dac cele patru ipoteze pot fi acceptate, se poate demonstra (vezi Teorema 1) c M.C.M.M.P. este echivalent cu M.V.M. (metoda verosimilitii maxime) i, deci, estimatorii obinui n acest caz sunt nedeplasai, convergeni i eficieni. , sunt i b De asemenea (vezi Teorema 2 i 3), cei doi estimatori, a variabile aleatoare repartizate normal: ) = N ( a, s a L( a ) ) ; L( b ) = N ( b ,sb
Modele econometrice
unde: x2 2 1 sa + = su 2 n (x t x ) t
2 su
; = abaterea medie ptratic a estimatorului a
s b =
(x t x )
t
; = abaterea medie ptratic a estimatorului b
1 2 t2 ) = su = ( u n 2 t teorema 6)
t )2 ( y t y
t
n 2
= dispersia variabilei reziduale (vezi
Verificarea semnificaiei estimatorilor const n a accepta, sau a respinge, una din cele dou ipoteze: a = 0 H0 : b = 0 a 0 H1 : b 0
fiind variabile normale, este i b Testul adecvat acestui scop, a , n cazul ipotezei i b testul t. Prin centrarea i normarea estimaiilor a
)=N(0, s a H0: L( a ), se obin valorile calculate: ) i L( b )=N(0, s b
1 = t cal
0 0 b a 2 = i t cal . Aceste valori calculate sau empirice se compar sa sb

t = variabil normal, dac t = 1, n , n>30, preluat din tabela
cu valoarea teoretic: distribuiei normale, n funcie de o valoare arbitrar aleas a probabilitii
p sau a pragului de semnificaie , p+ = 1; aceste valori, de regul fiind: p = 0,9 => = 0,1; p = 0,95 => = 0,05; p = 0,99 => = 0,01; - t;n-(k+1) = variabil Student, dac t = 1, n , n30, preluat din tabela distribuiei Student, n funcie de valoarea stabilit pentru i de numrul gradelor de libertate, n-(k+1); n = numrul observaiilor; k = numrul variabilelor exogene xj, j = 1, k (k+1 = numrul parametrilor modelului econometric). Pe baza celor dou valori, tcal i t;v , regula de decizie a testului este:
1 t cal =
dac
2 t cal
a t ;v sa b = t ;v sb
=> se accept H0 => estimatorii nu sunt
semnificativ diferii de zero, se renun la ei i la model => se revine la prima etap cu o nou specificare;
1 = t cal
dac
2 t cal
a > t ;v sa => b = > t ;v sb
se accept H1 => modelul a fost corect
specificat, identificat i estimat i se continu discuia econometric;

1 = t cal
dac
2 t cal
a t ;v sa => b = > t ;v sb
se reine modelul y = f(x) + u = bx + u i
se continu discuia econometric. n practic, deoarece t0,05 > 2, economitii accept ipoteza H1 estimatorii sunt semnificativi dac:
1 t cal =
a 2 sa b 2 sb
2 t cal =
Modele econometrice
sunt repartizai normal, se poate i b n acelai timp, tiind c a estima intervalul de ncredere al parametrilor acestora:
t ;v s a + t ;v s a P (a a a )= p = 1
t s b b + t s = p = 1 Pb ;v b ;v b
Parametrii a i b vor fi considerai semnificativ diferii de zero dac:

t ;v s a Pa= a > 0 = p = 1
t s > 0 = p = 1 Pb= b ;v b
3.4.3 Verificarea similitudinii modelului econometric
Modelul econometric,
x , este expresia formal a +b t =a y t
modelului economic real, yt = f(xt) + ut = a + bxt + ut, conceput pe baza teoriei economice i rezultat pe baza unui singur experiment, unui singur sondaj statistic. Ca atare, n aceast etap se urmrete s se verifice: 1) dac ipoteza de pornire x = principalul factor de influen a fenomenului y este corect sau nu; 2) dac legitatea economic dintre cele dou variabile este de forma - y = a + bx; 3) dac rezultatele obinute pot fi considerate sistematice n sensul c se vor obine aproape aceleai rezultate dac se va repeta experiena cu alte sondaje, de volum i structur (alte uniti statistice) diferite sau ntmpltoare, adic rezultate diferite pentru sondaje diferite. n general, scopurile urmrite n aceast etap se rezolv cu ajutorul metodei analizei variaiei, cunoscut i sub numele de metoda ANOVA. Metoda analizei variaiei pornete de la identitatea: t +y t y ( yt y )2 = ( yt y t + y t y )2 yt y = yt y
t =1
( yt y) 2 =
y) + ( y y )] [( y
t t t t =1
(3.4.3)
unde10: yt = valorile reale ale fenomenului y; t = valorile teoretice ale fenomenului y; y
x +b t =a y t
1 1 1 x = a x +b +b t = a yt = y t n n n Prin ridicarea la ptrat a binomului din partea dreapt a relaiei (3.4.3) rezult:
y =
t y)2 + ( yt y t )2 + 2( y t y)(yt y t ) ( yt y)2 == ( y

t =1 t =1 t =1 t =1
(3.4.4)
Termenii relaiei (3.4.4) se definesc prin:
V = ( yt y) = variaia total a variabilei y provocat de toi

2 0 2 t =1
factorii si de influen;
t y )2 = variaia fenomenului y provocat numai de variaia V x2 = (y
t =1 n
factorului x, considerat factorul principal al variabilei y, adic variaia lui y explicat de modelul econometric;
t ) = variaia rezidual, sau variaia fenomenului y Vu2 = (yt y

2 t =1
generat de ctre factorii nespecificai n model, aceti factori fiind considerai n etapa de specificare drept factori cu influen ntmpltoare, neeseniali pentru a explica variaia fenomenului y;
10
Relaia (3.4.3) rmne valabil n toate cazurile de modele liniare sau liniarizabile. n cazul acestora din urm, se va ine cont de semnificaia simbolurilor. De exemplu: b - modelul putere: yt = a xt ut => ln yt = ln a +b ln xt + ln ut, n acest caz, semnificaiile simbolurilor vor fi: yt* = ln yt;
* t; y t = ln y
y =
1 1 t; t ;u *t = ln yt - ln y ln y t = ln y n n
- modelul exponenial yt = ea+bxt ut => ln yt = a + b xt + ln ut,=> yt* = ln yt;
* t ; y = media geometric a termenilor. y t = ln y
Modele econometrice
(y
t =1
t ) = 2 y )( y t y
(a + bx
x )u b t = 2b a
(x
x ) ut
n cov(u , x ) = 0 = 2n b t t n
cov (xt, ut) = 0, adic xt i ut sunt variabile independente. Aceast condiie se realizeaz dac erorile sunt homoscedastice ( vezi ipoteza I2). De regul, rezultatele aplicrii metodei ANOVA se prezint ntr-un tabel de forma:
Tabelul 3.4.1
Sursa de variaie Msura variaiei Numrul gradelor de libertate
2
Dispersii corectate
Valoarea testului F
Fc
Fc =
-
F ;v1 ;v2
2 su
Variana explicat de model

Variana rezidual Variana total
.
Vx2 =
y) ( y
t t =1
k =1
s2 y/x =
2 su =
V x2 k
s2 y/x
Vu2
t =1
t )2 ( yt y
2
n k 1
Vu2 n k 1
-
V02 =
( y y)
t t =1
n 1
Pe baza datelor din tabel se pot testa urmtoarele ipoteze:

2 H 0 : sy /
= su2 => cele dou dispersii sunt aproximativ egale, adic su2 => influena factorului x i a factorilor ntmpltori
influena factorului x nu difer de influena factorilor ntmpltori;

2 H1 : sy /
msurat prin cele dou dispersii difer semnificativ i, deci, se poate trece la discuia similitudinii, a verosimilitii modelului teoretic n raport cu modelul real. Dup cum se tie, testarea semnificaiei dintre dou dispersii se face cu ajutorul distribuiei teoretice Fisher-Snedecor, respectiv cu testul F. Cunoscnd cele dou valori: Fcal =
2 sy /x 2 su
V u2 V x2 : = valoarea calculat a variabilei F k n k 1
pe baza rezultatelor modelului econometric; F,v ,v = valoarea teoretic a variabilei F, preluat din tabela
1 2
repartiiei Fisher Snedecor, n funcie de un prag de semnificaie
( = 0,1 sau = 0,05 sau = 0,01) i de numrul gradelor de libertate v1 = k; v2 = n-k-1; Regula de decizie este urmtoarea: - se accept H0 i se respinge H1 dac: Fcal F,v ,v 1 2 se accept H1 i se respinge H0 dac:
,v 1 2
Fcal >F,v
Dac se accept H1 i dac variabila u este independent de fenomenul x, cov(x,u)=0, atunci ecuaia analizei variaiei este:
V 02 =V x2 + V u2
ecuaie care, prin mprirea la V02 , se transform n:
(3.4.39)
1=
V x2 V 02
V u2 V 02
100 =
V x2 V 02
V x2 V 02
100 +
V u2 V 02
100
(3.4.40)
2 Termenul R y / x =
se numete coeficient de determinare i are
urmtoarele semnificaii:
0 y f ( x ) + u x nu este factor (cauza) al fenomenulu i y; } y = f ( x ) + u x este factor al variabile i y, dar nu este factor esential; = 0,5 } y = f ( x ) + u x este un factor esential al fenomenulu i y; 1 y = f ( x ) x este singurul factor de influenta a fenomenulu i y.
2 Ry /x
Modele econometrice
Pe baza afirmaiilor de mai sus, se deduce uor c un model

2 econometric este cu att mai performant cu ct valoarea lui R y / x se
apropie mai mult de unu, respectiv cu ct se apropie mai mult de 100(%). Statistic, intensitatea legturii dintre cele dou variabile se msoar cu ajutorul indicatorului R y / x , denumit raport de corelaie: V x2 V 02 V u2 V 02
Ry / x =
2 Ry / x
= 1
Ry / x
0 x i y sunt independente } corelatie slab = 0,5 } corelatie puternic 1 corelatie determinist - y este corelat strict cu x
n cazul unei legturi liniare ntre cele dou variabile y = a + bx + u, ln y = ln a + b ln x + ln u, ln y = a + bx + ln u, estimatorii parametrilor fiind obinui cu ajutorul M.C.M.M.P., se poate demonstra c raportul de corelaie, R y / x , este egal cu coeficientul de corelaie liniar, ry / x :
(y
t =1 n t =1 n
Ry x =
y)
( yt y )
=
2
x +b (a (y
t t
x b a y)
2
(x x ) b (y y)
2 t 2 t
Ry
=b
(x (y
t t
x)
2 2
y)
x =b
x = +b t yt na x2 = xt + b t y t xt a
= b
n xt n xt
t
y y x x x
t t t 2 t
n y t xt xt y t n xt2 ( xt )
2
y x
t
x
n
xy x2
2 t
2 x
(x =
x)
=
2 t
(x
2 t
2 xt x + x 2
x
n
) = x
n
2 t
2x
x
n
+ x2 =
2x 2 + x 2 =
t t
x
n
2 t
x2
y x
= b n
xy
x2
t
cov( y, x ) = =
=
(x
x )( y t y ) n
t
=
t
(x y
t
xt y x y t + x y ) n +xy =
x y
t
n xt y t
n
x
n
y
n
yxxy+ xy =
x y
t
xy
$ = cov( y , x) b 2
ry / x =
cov( y, x )
x y
cov( y, x ) x x =b = Ry 2
De asemenea, testarea semnificaiei unui model econometric se poate face tot cu testul F, dar, pornind de la valoarea raportului de
2 corelaie, R y / x , sau a coeficientului de determinare, R y / x :
2 sy / x 2 su
Fcal =
V u2 V x2 R2 n k 1 : = = 2 k n k 1 1 R k
Modele econometrice
Astfel:
n k 1 R 2 F ;v 1 = k ;v 2 = n k 1 R y / x = 0 - dac Fcal = k 1 R 2 se renun la modelul econometric obinut;

- dac Fcal =
n k 1 R2 > F ;v1 =k ;v2 =nk 1 R y / x 0 k 1 R2
se trece la
discuia econometric a ecuaiei analizei variaiei V 02 =V x2 + V u2 vezi relaia (3.4.25).
3.5 Utilizarea modelului econometric unifactorial
n practica economic, un model econometric se utilizeaz pentru explicarea variaiei fenomenului rezultativ y n raport de variaia factorului su x, pentru estimarea valorilor probabile ale fenomenului y (simularea acestuia) n funcie de posibilele valori pe care economic le poate nregistra factorul x, i, n final, prognoza fenomenului y n funcie de valorile fenomenului x, pe intervalul de prognoz v, v = 1, 2, ..., h. Pentru a permite ca utilizatorii s verifice proprietile (performanele) unui model econometric obinut, acesta trebuie prezentat cu urmtoarele informaii:
x ; t = a +b y t
R d
su
(sa ) ) (sb
Dispunnd de aceste informaii se poate testa: - independena erorilor testul d Durbin Watson; - semnificaia estimatorilor testul t; - similitudinea modelului testul F. n anumite cazuri, cnd s-au estimat dou modele pentru spaii diferite (dou judee, sau dou piee diferite) sau pentru perioade de timp diferite, ale acelorai dou fenomene y i x, de exemplu: M 1 : y = a1 + b1 x i
M 2 : y = a 2 + b2 x ,
se poate testa ipoteza omogenitii sau stabilitii relative a
legitii dintre cele dou fenomene:

H 0 : b1 = b2 cele
dou modele sunt relativ omogene, sau legtura
este relativ stabil n timp; H 1 : b1 b2 cele dou modele nu sunt omogene (legtura nu este relativ stabil). Astfel, dac: t cal =
b1 b 2
2 sb 1
2 sb 2
t se accept H0;
dac: t cal =
b1 b 2
2 2 sb + sb 1 2
> t se accept H1.
De reinut c ipoteza H0 este folosit n special n domeniul prognozei, deoarece acceptarea ei presupune existena unei legturi relativ stabile n timp, premis ce justific previziunea fenomenului y pe baza valorilor viitoare ale fenomenului x. n acelai timp, n toate cele trei direcii n care poate fi folosit un model econometric, valorile fenomenului x , fie pe baza +b =a pot fi estimate, fie pe baza estimaiei punctuale, y
t t
unui interval de ncredere:
t t s y t + t s y P y t yt y t = p =1
(3.5.1)
De regul, prognoza fenomenului y dac se cunosc valorile variabilei factoriale x pentru momentul (n+v) se realizeaz pe baza unui interval de n + v i de ncredere, deoarece y este o variabil aleatoare normal de medie y abatere medie ptratic s y n + v (vezi ipotezele I1 i I4 ale M.C.M.M.P.):
Modele econometrice
n +v t s y n +v + t s y P y n +v y n +v y n +v = p = 1 (3.5.2)
unde: y n +v = valoarea real a variabilei y n momentul de prognoz ( n + v ); n + v = estimaia punctual a valorii de prognoz pentru variabila y, y care se calculeaz cu ajutorul relaiei:
x +b n +v = a y n +v
sy
(3.5.3)
n +v
= abaterea medie ptratic a erorii de previziune, calculat cu relaia:

xn + v x 1 2 = s u 1 + + n n xt x t =1
sy
n+v
= s2
n + v y
) )
2 2
(3.5.4)
Din relaia de mai sus rezult c eroarea de previziune ( s y n + v ) este cu att mai mic cu ct numrul de observaii va fi mai mare, cu ct valorile variabilelor n momentul de prognoz (n+v) vor fi mai apropiate de media lor, cu ct dispersia variabilei exogene x va fi mai mare i cu ct dispersia
2 variabilei reziduale ( s u ) este mai mic, iar aceasta va fi cu att mai mic cu
ct modelul econometric va explica o parte tot mai mare din variaia , sau cu ct raportul de corelaie ( R y x ) va avea o variabilei prognozate y
valoare mai apropiat de unu. Aprecierea prognozei unui fenomen y pe baza unui model x , se poate face cu ajutorul a dou noiuni, +b t =a econometric, y t sigurana prognozei i precizia prognozei, noiuni care se afl n relaie invers proporional.
Sigurana prognozei este dat de probabilitatea (p) cu care este estimat intervalul de ncredere, iar precizia prognozei de relaia: eroarea absolut: e a = y
n +v
n +v
= t s y n +v
(3.5.5)
eroarea relativ: e r (%) =
ea y
n +v
100 =
t s y n +v 100 (3.5.6) n +v y
Dar, dac p1 rezult c sigurana prognozei crete, iar dac t rezult c eroarea crete, iar precizia se diminueaz. Din acest motiv, estimarea valorilor probabile ale fenomenului y se face pe baza unor valori prestabilite privind sigurana i precizia prognozei. De exemplu, se poate preciza c prognozele vor trebui acceptate cu o probabilitate dat, p = 0,95 => = 0,05, iar eroarea de prognoz pe un anumit orizont al prognozei trebuie s fie:
t s y n +v 100 E (%) E(%) = 5, 10,... n +v y
e r (%) =
Analiza capacitii de prognoz a unui model poate fi realizat pe baza indicatorilor statistici propui de H. Theil (Pindyck, Rubinfeld, 1981, p. 364-366). Aceti indicatori sunt calculai pe baza urmtoarelor relaii: coeficientul Theil
1 n t yt )2 (y n t =1 1 n 2 1 n 2 y + t yt n t =1 n t =1
T=
(3.5.7)
ale crui valori sunt cuprinse n intervalul [0, 1]. Semnificaia acestui indicator este invers proporional cu mrimea lui, respectiv cu ct valoarea acestuia este mai mic, tinznd ctre zero, cu att capacitatea de prognoz a modelului este mai bun.
Modele econometrice
ponderea abaterii y) (y
2
T =
A
1 n t yt )2 (y n t =1
y) (y =
u2
(3.5.8)
unde:
= media valorilor teoretice ale variabilei endogene; y y = media valorilor reale ale variabilei endogene;
2 u = dispersia variabilei reziduale necorectat cu numrul gradelor de
libertate. Interpretarea acestui indicator, care evideniaz existena unor erori sistematice, este aceea c, n cazul ideal11, valoarea sa este egal cu zero, aceasta tinznd ctre unu n cazul unor erori de estimare de-a lungul ntregii serii de timp. ponderea dispersiei 1 n t y t y n t 1 = =
TD =
t y
yt
1 n t yt )2 (y n t =1
u2
2 1 n yt y n t =1
(3.5.9)
care este definit tot n intervalul [0, 1], aceasta msurnd evoluia oscilant a celor dou serii, respectiv seria ajustat i seria empiric a variabilei endogene. Acest indicator are aceeai semnificaie ca i cei precedeni, respectiv o valoare sczut indic o capacitate bun de prognoz, n timp ce o valoare apropiat de unu exprim o eroare de specificare a modelului.
11
Demn de menionat este faptul c, n cazul estimrii parametrilor unui model statistic cu ajutorul metodei celor mai mici ptrate, valoarea acestui indicator este egal cu zero, acesta fiind discriminant numai n cazul utilizrii altor procedee de estimare cum ar fi, de exemplu, metoda grafic, metoda punctelor empirice sau metoda punctelor medii.
ponderea covarianei TC = 2(1 r ) y t yt 1 n t yt )2 (y n t =1

(3.5.10)
unde: r = coeficientul de corelaie liniar dintre valoarea estimat a variabilei t , i cea real, yt. endogene, y
r=
(y
n t =1
yt y y
)(
)
(3.5.11)
n y t yt
Se poate observa uor c semnificaia acestui indicator este analog cu a celor menionai anterior. De altfel cei patru indicatori se regsesc n urmtoarea ecuaie propus de Theil:
2 1 n t yt )2 = y y + y (y t yt n t =1
) (
+ 2(1 r ) y t yt
(3.5.12)
a crei interpretare se realizeaz prin intermediul semnificaiei acestor indicatori. n cazul n care modelul econometric se utilizeaz n special la prognoza fenomenelor economice este necesar verificarea stabilitii n timp a legitii de evoluie a fenomenului analizat n funcie de evoluia factorilor si. Acest lucru se poate realiza cu ajutorul testului Chow, care se aplic astfel: - fie modelul unifactorial iniial: - y0t = a + b x0t + u0t ( t = 1, n );
2 u0
t =1
2 u 0 t
(3.5.13)
Modele econometrice
pe care l mprim n dou modele: - y1t = a1 + b1 xt + u1t ( t = 1, n 1 );

2 u1
t =1
2 u1 t
n1
(3.5.14)
y2t = a2 + b2 xt + u2t ( t = n 1 +1, n ); V
2 u2=
2 2t t = n 1 +1
(3.5.15)
t =1
u 2 t = u
t =1
n1
2 1t
2 2t t = n 1 +1
2 u
=V
2 u1
+V
2 u2
(3.5.16)
n = n 1 + n 2, n = numrul de observaii. Testarea ipotezei de stabilitate const n alegerea uneia din urmtoarele ipoteze:
H0: Dac V
2 u0
2 u
rezult c legitatea de evoluie a fenomenului
este stabil n timp, iar modelul poate fi utilizat n vederea efecturii prognozei;
H1: Dac V
2 u0
2 u
rezult c legitatea de evoluie a fenomenului
nu este stabil n timp, iar modelul nu va putea fi utilizat n vederea efecturii prognozei. Aplicarea testului Fisher-Snedecor const n:
V
2 u0
- dac F
V
2 u
2 u
n 2 (k + 1) F k +1
; v 1 ;v
(3.5.17)
se alege ipoteza H0, n caz contrar se alege ipoteza H1 ( numrul gradelor de libertate este: v1= k + 1, v2 = n 2 ( k + 1 ), k = numrul variabilelor exogene).
Exemplu de aplicare a modelului unifactorial Se cunosc urmtoarele date privind consumul final real al gospodriilor populaiei i PIB-ul real n Romnia, n perioada 1990-2003, exprimate n preuri comparabile (1990=100).
Tabelul 3.5.1
Anul Consumul final real al gospodriilor populaiei (mild.lei preuri comparabile) (1990=100) PIB (mild.lei preuri comparabile) (1990=100)
1990 557,7 857,9 1991 467,4 746,8 1992 432,1 681 1993 435,9 691,3 1994 447,3 718,2 1995 505,3 769,3 1996 545,7 799,5 1997 525,7 750,7 1998 586,2 714,8 1999 579,8 706,1 2000 582,3 720,7 2001 610,7 761,7 2002 629,1 799,1 2003 673,7 838,3 Not: Ambii indicatori sunt calculai conform metodologiei de calcul a Sistemului European al Conturilor Economiei Integrate - SEC 1979. Consumul final al populaiei a fost deflaionat cu ajutorul deflatorului consumului final al populaiei exprimat n preuri constante (1990 = 100), datele provenind de la Ministerul Prognozei i Dezvoltrii, iar PIB-ul a fost deflaionat cu ajutorul deflatorului PIB exprimat n preuri constante (1990 = 100), obinut n urma prelucrrii datelor din Raportul Anual BNR. Sursa: Date prelucrate pe baza Anuarului Statistic al Romniei 2003, INS, Bucureti, 2004-CD, Raportului Anual 2000, BNR, Bucureti, 2001, p. 6*-7*, Raportului Anual 2002 BNR, Bucureti, 2003, p. 4*-5*, Comunicatului de Pres al INS nr.11/26.02.2004.
Se cere: a) S se construiasc modelul econometric ce descrie legtura dintre cele dou variabile i s se interpreteze semnificaia parametrilor modelului;
Modele econometrice
b) S se estimeze parametrii modelului i s se verifice semnificaia acestora; c) tiind c n anul 2004, valoarea PIB-ului real12 a fost egal cu 907,8 mild lei preuri comparabile (1990=100), s se estimeze valoarea consumului final real al gospodriilor populaiei n anul 2004 i s se verifice capacitatea de prognoz a modelului utilizat. Rezolvare: a) Notnd cu y = consumul final real al gospodriilor populaiei; x = PIB-ul real; modelul econometric va fi de forma: y = f ( x) + u . Pentru alegerea funciei matematice f ( x) se recurge la reprezentarea grafic a celor dou iruri de valori.
y 670 650 630 610 590 570 550 530 510 490 470 450 x 430 670 685 700 715 730 745 760 775 790 805 820 835 850
Figura 2.3.1. Legtura dintre consumul final real al gospodriilor populaiei i PIB-ul real al Romniei
12
Valoare estimat pe baza informaiilor furnizate n cadrul Comunicatului de Pres al INS nr. 12/11.03.2005, privind principalii indicatori conjuncturali n anul 2004 i luna ianuarie 2005
Deoarece graficul punctelor empirice indic faptul c distribuia poate fi aproximat cu o dreapt, modelul econometric devine:
yt = a + bxt + ut ; t = 1,14
Semnificaia economic a celor doi parametrii a i b , innd cont de semnificaia celor dou variabile (y - consumul final real al gospodriilor populaiei i x - PIB-ul real) este: - parametrul a reprezint n acest caz autoconsumul, deoarece pentru x = 0 y = a ; - parametrul b reprezint panta dreptei sau coeficientul de regresie al consumului n funcie de PIB, care msoar creterea consumului dac PIBul se modific cu un miliard de lei. b) Estimarea parametrilor modelului econometric de la punctul a) se face cu ajutorul M.C.M.M.P.:
= min ( y y x , b b Fa t t )2 = min yt a t
t =1 t =1
( )
()
14
14
$ x = $ ) = 0 na $+b F ( a t yt
$ = 0 a $ x2 = $ xt + b F b t yt xt
= 7578 ,9 + 10555 ,4b 14 a = 5744734 ,07 + 7996163 ,14 b 10555 , 4 a
(vezi tabelul 3.5.2., coloanele 2, 3, 4, 5).
Modele econometrice
Tabelul 3.5.2
Nr. Anul crt.
xt
2 857,9 746,8 681 691,3 718,2 769,3 799,5 750,7 714,8 706,1 720,7 761,7 799,1 838,3
yt
3 557,7 467,4 432,1 435,9 447,3 505,3 545,7 525,7 586,2 579,8 582,3 610,7 629,1 673,7
x t2
4 735992,41 557710,24 463761,00 477895,69 515811,24 591822,49 639200,25 563550,49 510939,04 498577,21 519408,49 580186,89 638560,81 702746,89
xt yt
5 478450,83 349054,32 294260,10 301337,67 321250,86 388727,29 436287,15 394642,99 419015,76 409396,78 419663,61 465170,19 502713,81 564762,71 5744734,07
t 1 u
6 -67,6095 -68,1688 -50,3191 -54,8389 -65,1673 -48,4431 -32,4371 -13,0191 76,4790 77,1064 67,8133 63,0957 51,2860 -
t21 u
7 4571.0382 4646.9914 2532.0160 3007.3080 4246.7772 2346.7374 1052.1637 169.4958 5849.0429 5945.4012 4598.6481 3981.0719 2630.2565 45576,9481
t u t 1 u
8 4608,8583 3430,1977 2759,4477 3573,7049 3156,9084 1571,3535 422,3000 -995,6848 5897,0252 5228,8438 4278,7321 3235,9296 3293,7103 40461,3270
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
1 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003
Total
10555,4 7578,9 7996163,14
Tabelul 3.5.2 (continuare)

y = yt
* t
0,8878 yt 1
9 -27,7030 17,1616 52,2995 60,3260 108,2056 97,1156 41,2501 119,5053 59,3959 67,5776 93,7582 86,9458 115,2111 891,0494
x = xt
* t
y = yt
* t
xt* = xt 0,9016 xt 1
0,8878 x t 1
10 -14,8081 18,0219 86,7364 104,4925 131,7118 116,5473 40,9370 48,3596 71,5302 93,8537 121,8924 122,8943 128,8921 1071,0611
0,9016 yt 1
11 -35,4029 10,7085 46,3337 54,3078 102,0299 90,1392 33,7159 112,2472 51,3025 59,5726 85,7186 78,5142 106,5254 795,7127
12 -26,6527 7,7112 77,3342 94,9481 121,7959 105,9260 29,8987 37,9951 61,6613 84,1049 111,9420 112,3779 117,8593 936,9018
Utiliznd pachetul de programe EViews n vederea estimrii parametrilor modelului au fost obinute urmtoarele rezultate:
Dependent Variable: Y Method: Least Squares Sample: 1990 2003 Included observations: 14 Variable Coefficient Semnif. ind. tStd. Semnif. ind. Prob. Semnif. ind. Statistic Error
C X R-squared
-67,6561 0,8077 0,3319
250,0188 0,3308
sa
-0,2706 2,4416
ta
) 0,7913 p(a
b
R2
Rc2
sb
tb
y sy
AIC
0,0311 p b
()
Mean dependent var 541,35
Adjusted R-squared
0,2762
S.D. dependent var 75,6474 Akaike info criterion 11,2983

2
S.E. of 64,3567 regression Sum squared resid 49701,46

t
su
) (y y = u
t 2 t
Schwarz criterion F-statistic Prob(F-statistic)
11,3896 5,9615 0,0311
SC Fc p(F)
Log -77,0883 likelihood Durbin0,1969 Watson stat
Semnificaia indicatorilor necunoscui pe care-i calculeaz pachetul de programe EViews este urmtoarea: . O ) = probabilitatea asociat parametrului , respectiv b ), p (b p (a valoare ct mai apropiat de zero a acestei probabiliti va indica o semnificaie ridicat a parametrului respectiv, n caz contrar, aceasta confirmnd, mpreun cu testul t, faptul c parametrul respectiv este nesemnificativ.
Rc2 = coeficientul de deteminare corectat sau ajustat. Acesta este
utilizat n vederea evidenierii numrului de variabile factoriale cuprinse n model, precum i a numrului de observaii pe baza crora au fost estimai parametrii modelului. n cazul unui model multifactorial acesta va nregistra
Modele econometrice
valori inferioare coeficientului de deteminaie. Expresia acestui indicator este urmtoarea:

Rc2 =1 n 1 (1 R 2 ) nk
L= logaritmul funciei de verosimilitate (presupunnd c erorile sunt normal distribuite), funcie ce este determinat innd seama de valorile estimate ale parametrilor. Relaia de calcul a acestui indicator, utilizat de ctre pachetul de programe EViews, este urmtoarea:
u t2 n L = 1 + ln(2 ) + ln n 2
unde:
2 t
= suma ptratelor erorilor;
k = numrul variabilelor exogene; n = numrul de observaii. Acest indicator este utilizat n vederea elaborrii unor teste statistice destinate depistrii variabilelor omise dintr-un model econometric, precum i a unor teste destinate depistrii variabilelor redundante dintr-un model econometric, ca, de exemplu, testul LR sau raportul verosimilitilor (Likelihood Ratio).
y = media variabilei dependente sau endogene, avnd urmtoarea
relaie de calcul: y=
y
t =1
s y = abaterea medie ptratic (standard) corespunztoare variabilei
dependente, a crei relaie de calcul este urmtoarea:

sy =
(y
n t =1
n 1
AIC = criteriul Akaike este utilizat n cazul comparrii a dou sau mai multe modele econometrice. Relaia de calcul a acestuia, utilizat de ctre pachetul de programe EViews, este urmtoarea: 2 L 2k AIC = + n n Regula de decizie utilizat n cazul aplicrii acestui test este aceea potrivit creia este ales acel model econometric pentru care s-a obinut valoarea cea mai mic corespunztoare acestui indicator. SC = criteriul Schwartz este, de asemenea, utilizat pentru a compara dou sau mai multe modele econometrice. Relaia de calcul a acestuia, utilizat de ctre pachetul de programe EViews, este urmtoarea:
SC = 2 L k ln n + n n
i n acest caz, este ales acel model econometric pentru care s-a obinut valoarea cea mai mic corespunztoare acestui indicator. p(F) = probabilitatea asociat statisticii F. O valoare ct mai apropiat de zero a acestei probabiliti va indica o semnificaie ridicat a rezultatelor estimrii, respectiv a modelului. Pe baza estimatorilor parametrilor au fost calculate valorile estimate t = 67,6561 + 0,8077 xt i ale variabilei reziduale, ale variabilei y, y
t = yt y t . Valorile acestora sunt prezentate n cadrul tabelului 3.5.3 u
(utiliznd pachetul de programe EViews).
Modele econometrice
Tabelul 3.5.3
Actual Fitted Residual
yt
557,7 467,4 432,1 435,9 447,3 505,3 545,7 525,7 586,2 579,8 582,3 610,7 629,1 673,7
t y
625,3095 535,5688 482,4191 490,7389 512,4673 553,7431 578,1371 538,7191 509,7210 502,6936 514,4867 547,6043 577,8140 609,4776
t = yt y t u
-67,6095 -68,1688 -50,3191 -54,8389 -65,1673 -48,4431 -32,4371 -13,0191 76,4790 77,1064 67,8133 63,0957 51,2860 64,2224
Residual Plot (graficul reziduurilor)
| * | | *. | | .* | | .* | | * | | .* | | . * | | . *| | . | | . | | . | | . | | . | | . |
. | . | . | . | . | . | . | . | . *| . *| * | * | *. | * |
- dispersia variabilei reziduale
s u
(y =
t ) y
n k 1
49701,4613 = 4141,7884 14 2
unde: k = numrul variabilelor exogene. (vezi tabelul afiat de programul EViews) - abaterea medie ptratic a variabilei reziduale, su :
= 4141,7884 = 64,3567 n k 1 (vezi tabelul afiat de programul EViews)

t
su =
(y
t ) y
- abaterile medii ptratice ale celor doi estimatori: x2 2 1 = + sa s = 250,0188 u 2 n ( ) x x t
2 su = 0,3308 2 ( x t x)
sb =
(vezi tabelul afiat de programul EViews) - raportul de corelaie:
R = R2 = 1
(y
t =1 14 t =1
14
t ) y
( yt y )
= 1
2
(y
t =1
14
t ) y
2 sy (n 1)
R = 1
49701,4613 = 0,3319 = 0,5761 74392,875
(vezi tabelul afiat de programul EViews) - variabila Durbin-Watson, d: (u

t =2 14
d=
t 1 ) u
2 t
u
t =1
14
9784,7173 = 0,20 49701,4613
(vezi tabelul afiat de programul EViews) Astfel, modelul estimat devine: t = 67,6561 + 0,8077 xt ; y R = 0,576
(250,0188) (0,3308)
d = 0,20 su = 64,3567
Verificarea semnificaiei modelului necesit: - verificarea ipotezei de independen a erorilor; - verificarea ipotezei de homoscedasticitate a erorilor; - verificarea semnificaiei estimatorilor; - verificarea semnificaiei raportului de corelaie.
Modele econometrice
Verificarea ipotezei de independen a erorilor, care presupune

cov( u t , u t 1 ) = 0 , se realizeaz cu ajutorul testului Durbin-Watson, constnd
n calcularea variabilei d i compararea sa cu dou valori teoretice d 1 i

d2
(d1 = 1,08; d 2 = 1,36) ,
preluate din tabela distribuiei Durbin-Watson n
funcie de un prag de semnificaie explicative k
( = 0,05) , de numrul variabilelor ( k = 1) i de numrul observaiilor n ( n 15) . Observaie:
tabela Durbin-Watson este construit pentru un numr de observaii n 15 ; pentru valori inferioare se va lucra cu valorile calculate pentru n = 15 . adic d1 = 1,08, d 2 = 1,36 . Deoarece valoarea calculat d = 0,2 este cuprins n intervalul
0 < d = 0,2 < d1 = 1,08 , aceasta indic existena unei autocorelri pozitive.
Din acest motiv, nu mai are sens testarea celorlalte ipoteze, a semnificaiei estimatorilor i a raportului de corelaie, estimatorii nemaifiind eficieni, deci se impune mai nti eliminarea fenomenului de autocorelaie a erorilor. Un alt procedeu de verificare a ipotezei de independen a erorilor const n aplicarea testului Breusch-Godfrey, acest test fiind utilizat n vederea depistrii unei autocorelaii de ordin superior. Ca urmare a presupunerii existenei unei autocorelaii de ordin superior se construiete urmtorul model:
u t = r1u t 1 + r2 u t 2 + K + r p u t p + z t
unde: zt = variabil rezidual de medie zero i dispersie constant. Ipoteza nul care st la baza testului este aceea potrivit creia toi coeficienii corespunztori valorilor decalate ale variabilei reziduale sunt simultan egali cu zero, fapt ce implic non-existena fenomenului de autocorelaie a erorilor. n vederea aplicrii testului sunt estimate valorile variabilei reziduale ut n urma aplicrii M.C.M.M.P. asupra modelului iniial. Variabila
rezidual ut este regresat apoi n funcie de variabilele exogene iniiale ale modelului i de valorile decalate ale sale, respectiv ut-1, ut-2,, ut-p. n cazul acestei regresii este calculat valoarea coeficientului de determinare R2 i a unei variabile de forma: BG = (n-p) R2. Presupunnd c ne aflm n situaia unui eantion de volum mare, variabila BG este asimptotic distribuit sub
2 forma unui ; v , pentru care numrul gradelor de libertate este egal cu: 2 v = p , unde p = mrimea decalajului , respectiv: BG~ ;v . 2 Dac BG > ; v , ipoteza nul este respins, ceea ce presupune c
exist cel puin un coeficient de autocorelaie nenul. Aplicarea testului Breusch-Godfrey s-a realizat utiliznd pachetul de programe EViews (presupunnd ca mrimea decalajului este p = 2):
Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared Test Equation: Dependent Variable: RESID Method: Least Squares Variable C X RESID(-1) RESID(-2) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 166,6378 -0,2158 1,0098 -0,0880 0,7691 0,6998 33,8769 11476,43 -66,8281 1,4994 Std. Error 146,9445 0,1935 0,2999 0,3298 t-Statistic 1,1340 -1,1154 3,3669 -0,2667 Prob. 0,2832 0,2908 0,0072 0,7951 -3,45E-14 61,8319 10,1183 10,3009 11,1025 0,0016 16,6537 10,7673 Probability Probability 0,0007 0,0046
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Modele econometrice
n cazul utilizrii pachetului de programe EViews exist dou variante de aplicare a testului Breusch-Godfrey: - utilizarea testului FisherSnedecor aplicat n vederea verificrii existenei unor variabile absente (omise) n model, avnd urmtoarea relaie de calcul: Fc = R2 p (1 R 2 ) (n m)
unde: p = numrul de variabile noi adugate n model, respectiv ut-1, ut-2,, utp; m = numrul total de parametri corespunztori noului model. Dac Fc < F ;v1 ;v2 , unde v1 = p i v2 = n-m, ipoteza conform creia estimatorii corespunztori noilor parametri adugai n model sunt nuli este verificat, respectiv, n cazul nostru, fenomenul de autocorelare a erorilor nu este prezent, cazul contrar implicnd existena cel puin a unei autocorelaii de ordinul nti. Cum Fc = 16,6537 > F0, 05; 2;10 = 4,10 , rezult c noul model este incorect specificat, indicnd astfel prezena unei autocorelaii de ordinul nti. - utilizarea testului LM, calculat ca produs ntre numrul de observaii corespunztoare modelului, n, i coeficientul de determinare, R2, corespunztor acestei regresii auxiliare. n general, testul LM este asimptotic
2 distribuit sub forma unui ; v , pentru care numrul gradelor de libertate este
egal cu: v = p , unde p = mrimea decalajului, respectiv:

2 LM = n R 2 ~ ;v 2 Dac LM > ; v , erorile sunt autocorelate, n caz contrar, sunt
independente, respectiv ipoteza nulitii parametrilor, r1 = r2 = 0 , este
acceptat. Se constat astfel c pachetul de programe nu utilizeaz relaia clasic de calcul a testului Breusch-Godfrey, respectiv: BG = (n-p)R2.
2 Deoarece LM = 10,7673 > 0 , 05; 2 = 5,99147 , aceasta implic existena
a cel puin unei autocorelaii de ordinul nti, ce poate fi remarcat i pe baza semnificaiei parametrului corespunztor valorii decalate cu o perioad a variabilei reziduale. n cazul calculrii n varianta clasic a testului Breusch-Godfrey,
2 respectiv: BG = 12 0,7691 = 9,2291 > 0 , 05; 2 = 5,99147 , se ajunge la aceleai
concluzii menionate anterior. Eliminarea fenomenului de autocorelare a erorilor presupune efectuarea urmtoarelor operaii: - erorile fiind corelate, adic:
u t = r(1) u t 1 + z t
(1)
se va estima valoarea coeficientului de autocorelaie de ordinul 1: u u

t =2 14 t 14
r(1) =
t 1
u
t =2
2 t 1
40461,327 = 0,89 45576,9481
(vezi tabelul 2.3.2., coloanele 6, 7, 8) - tiind c: y t = a + bx t + u t u t = y t a bx t

y t 1 = a + bx t 1 + u t 1 u t 1 = y t 1 a bx t 1
expresiile obinute pentru u t i u t 1 vor fi nlocuite n relaia (1) i se obine: y t a bx t = r(1) ( y t 1 a bx t 1 ) + z t
y t r(1) y t 1 = a 1 r(1) + b x t r(1) x t 1 + z t
) (
Modele econometrice
Notnd cu:
y t* = y t r(1) y t 1 x t* = x t r(1) x t 1 a 1 = a 1 r(1)

b1 = b
se obine:
x* t* = a 1 + b yt* = a1 + b1 xt* + z t y 1 t
(2)
$ se aplic M.C.M.M.P.: $ 1 i b n vederea estimrii parametrilor a 1
x* = min 1 , b 1 b Fa yt* a 1 1 t
t =2
14
* * $ $1 + b F ( a1 ) = 0 ( n 1) a 1 xt = yt * $ $ 1 x t* + b F (b1 ) = 0 a 1 xt
( ) =y x
2
* * t t
n urma aplicrii programului EViews, rezultatele estimrii noului modelului au fost urmtoarele:
Dependent Variable: y t
*
Method: Least Squares Sample: 1991 2003 Included observations: 13 Variable C Coefficient 9,5845 0,7156 0,6324 0,5990 26,6176 7793,4860 -60,0208 1,7216 Std. Error 15,4322 0,1645 t-Statistic 0,6211 4,3505 Prob. 0,5472 0,0012 68,5423 42,0350 9,5417 9,6286 18,9270 0,0012
x t*
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Ca i n cazul modelului iniial se vor calcula valorile estimate ale t* = 9 ,5845 + 0 , 7156 x t* i ale variabilei reziduale, variabilei y t* , y
t* . Valorile acestora sunt prezentate n cadrul tabelului 3.5.4 t = y t* y z
(utiliznd pachetul de programe EViews).

Tabelul 3.5.4
Actual Fitted
y t*
-27,7030 17,1616 52,2995 60,3260 108,2056 97,1156 41,2501 119,5053 59,3959 67,5776 93,7582 86,9458 115,2111
t* y
-1,0121 22,4810 71,6530 84,3593 103,8374 92,9857 38,8790 44,1907 60,7715 76,7461 96,8106 97,5276 101,8196
Residual t* t = y t* y z
-26,6909 -5,3194 -19,3535 -24,0332 4,3682 4,1299 2,3711 75,3147 -1,3755 -9,1686 -3,0525 -10,5818 13,3914
| | | | | | | | | | | | |
* | . . *| . .* | . * | . . |* . . |* . . * . . | . . * . . *| . . *| . .*| . . |*.
| | | | | | | *| | | | | |
Pe baza calculelor prezentate mai sus rezult modelul: t* = 9,5845 + 0,7156 xt* ; y R = 0,795
(15,4322) (0,1645)
d = 1,72 sz = 26,6176
(3)
Utiliznd testul Durbin-Watson pentru a verifica dac fenomenul de autocorelaie a fost eliminat - pentru un prag de semnificaie = 0,05, k = 1, n = 13 15 valorile teoretice ale variabilei Durbin-Watson sunt d1 = 1,08, d 2 = 1,36 . n comparaie cu acestea, valoarea empiric
d = 1,72 se situeaz astfel: d 2 = 1,36 < d = 1,72 < 4 d 2 = 2,64 , ceea ce
indic fenomenul de independen a erorilor, deci fenomenul de autocorelaie a fost eliminat.
Modele econometrice
Verificarea ipotezei de homoscedasticitate a erorilor n cazul acestui model se va realiza cu ajutorul testului White. Utiliznd programul EViews au fost obinute urmtoarele rezultate:
White Heteroskedasticity Test: F-statistic Obs*R-squared Test Equation: Dependent Variable: RESID^2 Method: Least Squares Sample: 1991 2003 Included observations: 13 Variable C Coefficient 927,8680 18,3437 -0,2090 0,1418 -0,0299 1564,9870 24491851 -112,3641 2,7426 Std. Error 1016,2720 32,0687 0,2342 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) t-Statistic 0,9130 0,5720 -0,8925 Prob. 0,3827 0,5799 0,3931 599,4989 1542,118 17,7483 17,8787 0,8259 0,4656 0,8259 1,8430 Probability Probability 0,4656 0,3979
* t 2
xt*
Analiznd rezultatele afiate de programul EViews se constat c 2 i iar LM = 1,843 < 0 Fc = 0,8259 < F0, 05; 2;10 = 4,10 , 05; 2 = 5,99147 , estimatorii parametrilor modelului sunt nesemnificativi pentru un prag de semnificaie = 0,05 ( t0, 05;10 = 2,228 ), deci ipoteza de homoscedasticitate se verific. Estimatorii modelului sunt semnificativ diferii de zero dac: t a1 = 1 a sa 1 t ;(n 1) k 1
t a1 = t b =
1
9,5845 = 0,6211 15,4322 b 1 sb

1
t ;(n 1) k 1
t b =
1
0,7156 = 4,3505 0,1645
Lucrnd cu un prag de semnificaie
( = 0,05) ,
din tabela
distribuiei Student se preia valoarea t 0, 05;11 = 2,201 . Comparnd aceast valoare cu valorile calculate pentru cei doi estimatori, se constat c:
$ 1 nu este semnificativ - t a1 = 0,6211 < t0, 05;11 = 2,201 parametrul a
diferit de zero;
$ este semnificativ - t b = 4,3505 > t0.05;11 = 2,201 parametrul b 1
1
diferit de zero. Raportul de corelaie este semnificativ diferit de zero dac se verific inegalitatea: Fc F ;v1 ;v2 , unde valoarea empiric a variabilei Fisher-Snedecor este:
Fc = ((n 1) 2)
0,3319 R2 = 11 * = 5,9615 2 1 R 1 0,3319
Din tabela distribuiei Fisher-Snedeckor, cu un prag de semnificaie de 5% i n funcie de numrul gradelor de libertate v1 = k = 1 i constat c
v2 = (n 1) k 1 = 11 se preia valoarea teoretic F0,05;1;11 = 4,84 . Se

Fc = 5,9615 > F0, 05;1;11 = 4,84 , deci pentru un prag de
semnificaie de 5%, valoarea raportului de corelaie este semnificativ diferit de zero.
Modele econometrice
t* = 9,5845 + 0,7156 xt* poate fi apreciat ca n concluzie, modelul y
reprezentativ pentru descrierea dependenei dintre consumul final real al gospodriilor populaiei i PIB-ul real. O alt variant a metodei de eliminare a fenomenului de autocorelare a erorilor prezentate mai sus const n determinarea coeficientului de autocorelaie de ordinul 1 pe baza variabilei Durbin-Watson, d, pentru a facilita utilizarea pachetului de programe EViews n vederea eliminrii autocorelaiei erorilor (utiliznd programul autocorelaie.prg):
r(1) = 1 d 0,20 = 1 = 0,90 2 2
Rezultatele estimrii modelului (2), utiliznd pachetul de programe EViews3, sunt urmtoarele:
Dependent Variable: DY Method: Least Squares Sample(adjusted): 1991 2003 Included observations: 13 after adjusting endpoints Variable C DX R-squared Adjusted R-squared S.E. of regression
3
Coefficient 10,1602 0,7083 0,6325 0,5990 26,5346
Std. Error 13,8505 0,1628
t-Statistic 0,7336 4,3506
Prob. 0,4786 0,0012 61,2087 41,9044 9,5354
Mean dependent var S.D. dependent var Akaike info criterion
Pentru a elimina autocorelaia erorilor cu ajutorul pachetului de programe EViews a fost utilizat urmtorul program (conform http://www.cip.dauphine.fr/bourbonnaise/eco.html) denumit autocorelatie.prg: Estimarea directa a coeficientului de autocorelatie notat cu rau plecand de la statistica DW' Equation eq1.ls y c x genr res = resid scalar rau1=1-@dw/2 genr dy=y-rau1*y(-1) 'Se genereaza qvasi-diferentele.' genr dx=x-rau1*x(-1) equation eqm1.ls dy c dx 'Rgresie denumita eqm1' scalar am1=c(1)/(1-rau1) 'Coef de reg.'
Sum squared resid Log likelihood Durbin-Watson stat
7744,9060 -59,9802 1,75
Schwarz criterion F-statistic Prob(F-statistic)
9,6223 18,9279 0,0012
Valorile estimate ale variabilei y t* i ale variabilei reziduale,

t* sunt prezentate n cadrul tabelului 3.5.5 (utiliznd pachetul de t = y t* y z
programe EViews).
Tabelul 3.5.5 Actual Fitted Residual
t* t = y t* y z
* t
* t
-35,2893 10,8036 46,4217 54,3965 102,1210 90,2420 33,8270 112,3543 51,4219 59,6906 85,8372 78,6385 106,6535
-8,5948 15,7300 65,0361 77,5139 96,5348 85,3011 31,4535 37,1813 53,9395 69,8356 89,5554 89,8700 93,7580
-26,6945 -4,9263 -18,6144 -23,1174 5,5862 4,9410 2,3735 75,1730 -2,5176 -10,1449 -3,7182 -11,2314 12,8955
| | | | | | | | | | | | |
* | . . *| . .* | . * | . . |* . . |* . . * . . | . . * . .*| . . *| . .*| . . |*.
| | | | | | | *| | | | | |
Pe baza calculelor prezentate mai sus rezult modelul: t* = 10,1602 + 0,7083 xt* ; y R = 0,795 d = 1,75 s z = 26,5346 Utiliznd testul Durbin-Watson pentru a verifica dac fenomenul de autocorelaie a fost eliminat - pentru un prag de semnificaie = 0,05, k = 1, n = 13 15 valorile teoretice ale variabilei Durbin-Watson
(13,8505) (0,1628)
(4)
Modele econometrice
sunt d1 = 1,08, d 2 = 1,36 . n comparaie cu acestea, valoarea empiric

d = 1,75 se situeaz astfel: d 2 = 1,36 < d = 1,75 < 4 d 2 = 2,64 , ceea ce
indic fenomenul de independen a erorilor, deci fenomenul de autocorelaie a fost eliminat. Verificarea ipotezei de homoscedasticitate a erorilor n cazul acestui model se va realiza cu ajutorul testului White. Utiliznd programul EViews au fost obinute urmtoarele rezultate:
White Heteroskedasticity Test: F-statistic Obs*R-squared Test Equation: Dependent Variable: RESID^2 Method: Least Squares Sample: 1991 2003 Included observations: 13 Variable C Coefficient 1108,2070 13,6436 -0,2067 0,1424 -0,0291 1557,6090 24261469,0 -112,3026 2,7474 Std. Error 824,2150 26,6751 0,2293 t-Statistic 1,3446 0,5115 -0,9013 Prob. 0,2085 0,6201 0,3886 595,7620 1535,4140 17,7389 17,8692 0,8302 0,4639 0,8302 1,8512 Probability Probability 0,4639 0,3963
* t
*2 t
Analiznd rezultatele afiate de programul EViews se constat c

Fc = 0,8302 < F0, 05; 2;10 = 4,10
2 LM = 1,8512 < 0 , 05; 2 = 5,99147 ,
iar
estimatorii parametrilor modelului sunt nesemnificativi pentru un prag de semnificaie = 0,05 ( t0, 05;10 = 2,228 ), deci ipoteza de homoscedasticitate se verific.
Pentru a verifica semnificaia estimatorilor parametrilor modelului, lucrnd cu un prag de semnificaie ( = 0,05) , din tabela distribuiei Student se preia valoarea t 0, 05;11 = 2,201 . Comparnd aceast valoare cu valorile calculate pentru cei doi estimatori, se constat c: $ 1 nu este semnificativ - t a1 = 0,7336 < t 0,05;11 = 2,201 parametrul a diferit de zero; $ este semnificativ - t b = 4,3506 > t 0.05;11 = 2,201 parametrul b 1
1
diferit de zero. Pentru a verifica semnificaia raportului de corelaie, din tabela distribuiei Fisher-Snedecor, cu un prag de semnificaie de 5% i n funcie de numrul gradelor de libertate v1 = k = 1 i v2 = (n 1) k 1 = 11 se preia valoarea teoretic Se constat c F0, 05;1;11 = 4,84 .
Fc = 18,9279 > F0, 05;1;11 = 4,84 , deci pentru un prag de semnificaie de 5%,
valoarea raportului de corelaie este semnificativ diferit de zero. t* = 10,1602 + 0,7083 xt* , poate fi n concluzie, i acest model, y apreciat ca reprezentativ pentru descrierea dependenei dintre consumul final real al gospodriilor populaiei i PIB-ul real. c) Analiza capacitii de prognoz a modelului privind dependena dintre dintre consumul final real al gospodriilor populaiei i PIB-ul real n Romnia n perioada 1981-2003 poate fi realizat pe baza indicatorilor statistici propui de H. Theil. Aceti indicatori, adaptai modelui supus analizei, au fost calculai pe baza urmtoarelor relaii: coeficientul Theil
1 n * t y t* y n t =1
T=
1 n *2 1 n *2 t + y yt n t =1 n t =1
ale crui valori sunt cuprinse n intervalul [0, 1]. Semnificaia acestui indicator este invers proporional cu mrimea lui, respectiv cu ct valoarea acestuia este mai mic, tinznd ctre zero, cu att capacitatea de prognoz a modelului este mai bun.
Modele econometrice
ponderea abaterii
TA= * y* y 1 n (y
n t =1 * t 2
y t*
* y* y =
2 z
unde: = media valorilor teoretice ale variabilei endogene; y y = media valorilor reale ale variabilei endogene; z2 = dispersia variabilei reziduale necorectat cu numrul gradelor de libertate. Interpretarea acestui indicator, care evideniaz existena unor erori sistematice, este aceea c, n cazul ideal, valoarea sa este egal cu zero, aceasta tinznd ctre unu n cazul unor erori de estimare de-a lungul ntregii serii de timp. ponderea dispersiei
* *
(
1 n
t* y
y*
t
(
n t =1
t* y
2 y t*
1 n
y
t =1
* t
* y
2 z
1 n
* * yt y t =1
n 2
care este definit tot n intervalul [0, 1], aceasta msurnd evoluia oscilant a celor dou serii, respectiv seria ajustat i seria empiric a variabilei endogene. Acest indicator are aceeai semnificaie ca i cei precedeni, respectiv o valoare sczut indic o capacitate bun de prognoz, n timp ce o valoare apropiat de unu exprim o eroare de specificare a modelului. ponderea covarianei
TC =
2(1 r ) y * y*
t t
1 n
(y
n t =1
* t
y t*
Demn de menionat este faptul c, n cazul estimrii parametrilor unui model statistic cu ajutorul metodei celor mai mici ptrate, valoarea acestui indicator este egal cu zero, acesta fiind discriminant numai n cazul utilizrii altor procedee de estimare cum ar fi, de exemplu, metoda grafic, metoda punctelor empirice sau metoda punctelor medii.
unde: r = coeficientul de corelaie liniar dintre valoarea estimat a variabilei t* , i cea real, yt* : endogene, y (y
n t =1 * t
r=
* yt* y* y
t t
)(
n y * y*
Se poate observa uor c semnificaia acestui indicator este analog cu a celor menionai anterior. De altfel cei patru indicatori se regsesc n urmtoarea ecuaie propus de Theil:
1 n * t y* y t n t =1
2 * y* + = y 1 r ) y y * y * + 2( t* y * t t t
a crei interpretare se realizeaz prin intermediul semnificaiei acestor indicatori. n urma calculelor efectuate cu ajutorul pachetului de programe EViews n vederea testrii capacitii de prognoz a modelului privind dependena dintre dintre consumul final real al gospodriilor populaiei i PIB-ul real n perioada 1981-2003 au rezultat urmtoarele informaii:
Rezultatele testrii capacitii de prognoz a modelului privind dependena dintre consumul final real al gospodriilor populaiei i PIB-ul real n Romnia n perioada 1981-2003
Denumirea indicatorului Simbolul indicatorului Tabelul 3.5.6 Valoarea indicatorului
0 Coeficientul Theil Ponderea abaterii Ponderea dispersiei Ponderea covarianei
1 T TA TD TC
2 0,1577 0,0000 0,1140 0,8860
n urma analizei rezultatelor obinute se constat c modelul posed o bun capacitate de prognoz, ca urmare a valorilor mici nregistrate n cazul coeficientului Theil, a ponderii abaterii i a covarianei i, deci, poate
Modele econometrice
fi acceptat n vederea realizrii unei prognoze a consumului final real al gospodriilor populaiei. Astfel, dac valoarea PIB-ului real n anul 2004 a fost egal cu 907,8 mild. lei preuri comparabile (1990=100), atunci:
* x 2004 = 907,8 838,3 0,89 = 163,6272 mild. lei preuri comparabile
Valoarea estimat a consumului final real al gospodriilor populaiei n anul 2004, utiliznd rezultatele estimrii obinute n cazul modelului (3) este egal cu:
* x * = 9,5845 + 0,7156 163,6272 = 126,676 mild.lei 2004 1 + b y =a 1 2004
preuri comparabile Pe baza ipotezei formulate la punctele precedente, consumul final real al gospodriilor populaiei, y*, urmeaz o distribuie normal (sau * 2004 distribuia Student, dac n 30 ), de medie y i de abatere medie
* 2004 ptratic s y , L(y * ) = N y , sy * *
2004
2004
).
* * 2004 Pentru x 2004 = 163,6272 y = 126,676
sy * sy *
2004
2004
2 2 * 1 x* x2004 1 (163,6272 82,3893) = 708,4988 = s 1+ + + + 1 13 n * * 2 26186 , 7452 x x t = 30,6848 2 z
) )
Estimarea consumului final real al gospodriilor populaiei, pe baza unui interval de ncredere, se calculeaz cu relaia:
* 2004 P y t s y *
2004
* * 2004 y 2004 y + t s y *
2004
)= 1
Pentru = 0,05 i v = n k 1 = 11 , din tabela distribuiei Student se preia valoarea variabilei t ;v = t 0, 05;11 = 2,201 .
Deci, cu un prag de semnificaie de 0,05 sau cu o probabilitate egal cu 0,95, valoarea estimat a consumului final real al gospodriilor populaiei Romniei n anul 2004 va fi cuprins n intervalul:
( P(y
* P y 2004 [126,676 2,201 30,6848] = 1 0,05 = 0,95 * 2004
[59,14;194,21] = 0,95

Cap3 Modelul Unifactorial

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Cap3 Modelul Unifactorial

Încărcat de

Drepturi de autor:

Formate disponibile

3

3.1 Specificarea i definirea modelului unifactorial

y a a,b >0 a<0, b>0 a a>0, b<0 x

1. Funcia liniar y=a+bx+u

2. Funcia semilogaritmic y = a + b log x + u

y b>0 exp nivel de saturaie (a) b<0

5. Funcia loginvers b log y = a + + u x

6. Funcia log-loginvers b log y = a + + c log x + u x

a<0 c>0 b>0 a, c > 0, b<0

9. Funciile lui Tornquist

10. Funcia lui Konius y = x (a + b log x ) + u

(3) Nivel de saturaie b>0

(1) b<0 (2)

a) Procedeul grafic const n construirea corelogramei dintre cele dou variabile:

ln Yt = a + b xt dac curba empiric poate fi aproximat cu o dreapt pe un grafic semilogaritmic;

y x ln y viteza de variaie relativ a funciei sau = : ln x y x

b a>0, b>0 x a<0, b>0 x

lim y = , pentru a> 0

lim y = , pentru a< 0 b

< 0 y este x2 descresctor

<0 Deoarece x>0, a, b>0 ( y )x

(ax + b) Ce este cresctor

yt = ln yt; A = ln a; xt = ln xt; ut = ln ut.

- modelul econometric liniar: yt = a + bxt + ut x +b =a y

(3.3.1) (3.3.2) (3.3.3)

Prin introducerea acestor valori n relaia (3.3.2) rezult:

estimaiile valorilor variabile reziduale ut.

Practic, M.C.M.M.P. const n a minimiza funcia:

sistem de ecuaii ce devine n final:

din care se vor calcula valorile estimatorilor: - estimaia parametrului a

coeficientul de corelaie liniar a celor dou variabile

este de sum nul i, evident, de medie zero;

t ) valorilor empirice ( y t ) este egal cu suma informaiilor teoretice ( y

principiul conservrii informaiilor. Din rezolvarea sistemului de ecuaii rezult c:

x , trasat pe baza x dreapta de regresie, y +b t =a = y b 3) a t

y y (x t x )2 bt (x t x )2 t t xt x = t = panta dreptei de regresie, 2 2 (x t x ) (x t x )

x , este o medie aritmetic a pantelor dreptelor ce pot fi trasate t = a +b y t

cu ptratul abaterilor, ( x t x ) 2 , variabilei factoriale x vezi figura 3.3.1.

b1 ( x1 x ) + b2 ( x2 x ) + K + bn ( xn x ) (x1 x )2 + (x2 x )2 + K + (xn x )2

i b se vor Dup estimarea parametrilor a i b prin valorile a

x , i +b t =a putea calcula valorile teoretice ale fenomenului explicat y, y t

Ipoteza I2 presupune c erorile ut sunt homoscedastice i nu

u = u2 = ct , respectiv L(ut) = N(0, u)

- metoda verosimilitii maxime prin care se maximizeaz funcia de verosimilitate, adic:

Metoda verosimilitii maxime presupune maximizarea funciei de verosimilitate:

1 Deoarece este constant, ln = k = constant. 2

2 este repartizat N b , = ct . , atunci b cu zero i dispersia u Demonstraie

fiind combinaie liniar de variabile aleatoare repartizate Deci, y

normal, este i el repartizat normal. M ( y ) = t M ( y t ) = t ( a + bxt ) = t a + b t x t

(x x ) 1 2(x x ) n 2n 2 1 t = +(x0 x )t = + 0 t +(x0 x ) t = + n 0 2 n t =1 n t =1 t =1n t =1 n x x

2 1 x x 2 . 1 n t t = 1, .., n, este repartizat N 0, u 2 n x t x t =1

sunt repartizai normal ,b a u t ~ N (0, u ) y t ~ N (a + bx t , u ) , t = 1, , n

x )) = M ((a + bx )((a x )) + M (u (a x )) t ) = M ((a + bxt + ut )(a +b +b +b M ( yt y t t t t t 2 + bx )) = (a + bx ) + M (u (a

(deoarece erorile sunt necorelate ntre ele)

= k M ((a + bxk )ut ) + k M (uk ut ) = k (a + bxk ) M (ut ) + t M (ut ut )

Din relaiile anterioare rezult c:

Demonstraie Trebuie demonstrat c: 1 n 2 t = u2 M u n 2 t =1 Folosind teorema anterioar rezult c:

De regul, n cazul unui numr mare al observaiilor efectuate

x sunt homoscedastice dac dispersiile lor sunt b t = yt y t = yt a u t

Figura 3.4.1 Corelare pozitiv

Figura 3.4.2 Corelare negativ

grupe nu difer semnificativ, se accept ipoteza de homoscedasticitate i se utilizeaz testul Fisher-Snedecor.

, atunci ipoteza de homoscedasticitate este