3.1.14.

Forme funcionale ale modelelor de regresie

Fenomenele economice, cuantificate prin intermediul variabilelor economice, evolueaz dup
traiectorii liniare sau neliniare.
Cnd estimm modele de regresie, nu avem totdeauna informaii din teoria economic despre
forma funciei de regresie. n analiza statistic standard, relaia dintre variabila dependent i
variabilele independente este considerat liniar. Aceasta nseamn c rata de modificare a
variabilei dependente, determinat de modificarea variabilei independente nu variaz n funcie
de valorile variabilei independente. Se utilizeaz o form funcional liniar pentru simplitatea
estimrii i pentru simplitatea interpretrii coeficienilor. Pentru modelul liniar
i i i
x y c | o + + = ,
cnd x crete cu o unitate, y va crete sau va scdea, n medie, cu | uniti. Ipoteza de liniaritate
n variabile nu este una restrictiv deoarece variabila dependent i variabilele independente pot
fi transformri ale variabilelor ce nu respect condiia de liniaritate. Dezavantajul utilizrii unei
forme funcionale liniare este tot simplitatea, pentru c cele mai multe relaii economice nu sunt
liniare.

Modelul liniar este preferat datorit simplitii sale, chiar dac ar fi mai potrivit o funcie
neliniar.
Deoarece teoria economic nu precizeaz forma funciei care trebuie s defineasc modelul de
regresie, se consider c este potrivit alegerea unei forme liniare ntre variabilele economice
dac raportul
dX
dY
= | este constant.
n cazul modelului de regresie liniar putem calcula elasticitatea lui Y n raport cu variabila
explicativ i parametrul estimat:
Y
X
Y
X
dX
dY
E
X Y
= = |
|

Ipoteza care ne permite estimarea parametrilor unui model prin MCMMP este liniaritatea n
raport cu parametrii modelului, nu liniaritatea n variabile.
Modelele neliniare n parametrii modelului se estimeaz prin metode speciale, mai complicate.
ntr-un model de regresie neliniar datele de observaie sunt modelate printr-o funcie care este
o combinaie neliniar de parametrii modelului i de una sau mai multe variabile explicative.
Modelele de regresie neliniare pot fi:


a) modele neliniare n variabilele explicative, dar liniare n parametri;
b) modele neliniare n parametri.
Pentru modelele neliniare n parametri, datele sunt ajustate printr-o metod de aproximaii
succesive.
Ipoteza care ne permite estimarea prin MCMMP este liniaritatea n parametri i nu liniaritatea
n variabile. Exist metode de estimare i pentru relaii neliniare, dar acestea nu sunt simple, aa
c ncercm s gsim o cale de a transforma astfel de relaii pentru a le face liniare n parametri.
Transformrile liniare nu afecteaz forma distribuiei. Transformarea
i i
x x | o + =
-
va
produce observaiile
- - -
n
x x x ,..., ,
2 1
. n contextul analizei de regresie, aceasta nseamn c se vor
schimba coeficienii pant i de interceptare, dar coeficientul de determinaie, erorile standard i
rapoartele t vor rmne aceleai.

Pentru a schimba forma unei distribuii se folosesc transformrile neliniare. De exemplu,
folosim funcia putere, sau logaritm sau rdcina ptrat. Unul din motivele utilizrii
transformrilor neliniare este c poate fi redus asimetria. Numrul de valori aberante (puncte
care se afl la distan mare de curba ajustat) poate fi redus printr-o transformare neliniar. Un
alt motiv ar fi faptul c aproximarea funciei de regresie a populaiei printr-o funcie liniar poate
fi bun pentru unele variabile i eronat pentru altele.

Modele neliniare care pot fi transformate n modele liniare prin logaritmare
1) Modelul dublu logaritmic sau log-log ( estimeaz elasticitatea)
2)Modelul lin-log
3)Modelul log-lin

1) Modelul dublu logaritmic sau log-log ( estimeaz elasticitatea)
Modelul log-log presupune c elasticitatea lui y n raport cu x rmne constant i este folosit
atunci cnd suntem interesai de estimarea unei elasticiti. Forma funcional logaritmic se
folosete pentru a descrie funcii de cerere, funcii de cost, funcii de producie sau alte funcii
descrise cu funcia Cobb-Douglas.
Considerm modelul
i
e x A y
i i
c |
= , unde Y este cantitatea cerut i X este preul. Calculm
) 1 (
=
|
|
i
x A
dx
dy
. Se vede c rata de modificare a lui Y n raport cu X nu este independent de X,
deci nu este constant. Modelul este neliniar n variabila X.
Prin logaritmare obinem Modelul dublu logaritmic:
i i i
x y c | o + + = ln ln unde A ln = o .
i i i
x y c | o + + =
- -
.
Dup crearea noilor variabile
i i
x y ln , ln , regresia este liniar. Dac sunt ndeplinite ipotezele
modelului clasic, modelul transformat poate fi estimat prin MCMMP, iar estimatorii astfel
obinui sunt BLUE. Coeficientul are interpretarea unei elasticiti:
x regresorul in relativa a modificare
y l regresandu in relativa modificare
ln
ln
= =
i
i
x d
y d
| = elasticitatea lui Y n raport cu X
.
Y
X
slope
Y
X
X
Y
E
X Y
=
A
A
= ) (
|

Obs: Interpretm logaritmii ca schimbri proporionale sau procentaje.
Interpretarea coeficientul pant | : atunci cnd X crete cu 1%, Y crete sau scade, n medie,
cu | %, meninnd celelalte condiii nemodificate.
n exemplul de mai sus, coeficientul pant | msoar elasticitatea preului cererii.
n general, elasticitatea i coeficientul pant sunt concepte diferite. Numai pentru modelul log-
liniar cele dou concepte sunt identice.
Deoarece funcia de regresie pentru modelul log-liniar este o dreapt, panta sa ( | ) este
constant.
Deoarece coef. pant =coef. de elasticitate, pentru acest model, elasticitatea este constant. Nu
are importan pentru ce valori ale lui X este calculat aceast elasticitate.
Modelul log-liniar se numete i model cu elasticitate constant.




|
i
i
i
i
i
i
x
y
x
y
x
y
:
ln
ln
c
c
=
c
c
= |
2)Modelul lin-log are forma:
i i i
x y c | o + + = ln .
x regresorul in relativa a modificare
y l regresandu in absoluta modificare
= | .
Interpretarea coeficientului pant: Atunci cnd X crete cu 1%, Y crete sau scade, n medie,
cu 100 / | uniti ( | 01 , 0 uniti), meninnd celelalte condiii nemodificate.

3)Modelul log-lin are forma
i i i
x y c | o + + = ln .
Coeficientul pant msoar modificarea relativ n y, pentru o modificare absolut n valoarea
regresorului.
x regresorul in absoluta a modificare
y l regresandu in relativa a modificare
= | , sau
y dx
dy
dx
y d 1 ) (ln
= = | .
Interpretarea coeficientul pant | : atunci cnd X crete cu o unitate, Y crete sau scade, n
medie, cu 100 | %, meninnd celelalte condiii nemodificate.
n cazul n care variabila x este timpul, modelul descrie rata de cretere (dac 0 > | ) sau de
descretere (dac 0 < | ). Aceast proprietate este aplicabil relaiei dintre salarii i anii de
educaie, care este aproape totdeauna exprimat n forma c | o + + = Ed Sal ln . Aceasta
nseamn c, n caz c la anii de educaie ai unei persoane se adaug un an, salariul va crete, n
medie, cu % 100| .

Modelul exponenial
Modelul exponenial cu parametrii o i | este de forma
i
x
i
i
y c | o = , unde
-
+
eR | o, . Se
utilizeaz atunci cnd datele de observaie, reprezentate grafic, sunt orientate dup o curb
exponenial, mai concret, n cazul n care valorile variabilei explicative cresc n progresie
aritmetic iar valorile variabilei dependente cresc n progresie geometric. Parametrul | se
dovedete a defini rata de cretere sau de descretere a variabilei dependente n funcie de
variabila independent. Dac 1 > | , atunci variabila dependent y are o evoluie cresctoare.
Dac ) 1 , 0 ( e | , atunci variabila dependent y are o evoluie descresctoare.

Modelul reciproc sau hiperbolic
Modelul hiperbolic are forma
i
i
i
x
y c | o + + =
1
, este neliniar n variabile i liniar n parametrii
si. Acest model poate fi estimat aplicnd MCMMP unei regresii a variabilei y n raport cu o
constant i o variabil x x / 1 =
-
. Transformarea invers face din numerele foarte mici, numere
foarte mari, iar din numerele foarte mari, numere foarte mici. ntr-un model reciproc, cnd x
crete spre infinit, termenul x / | se apropie de zero, iar y tinde asimptotic ctre o .
Pentru interpretarea coeficientului pant , calculm
2
i i
i
x x
y |
=
c
c
. Dac 0 > | , caracteristica y
este descresctoare, iar dac | este negativ, caracteristica y este cresctoare. Indiferent de
semnul lui | , avem o =

) ( lim x y
x
.
Modelul hiperbolic se recomand n situaiile cnd o caracteristic y scade sau crete asimptotic
spre o anumit valoare real. Modelul reciproc de regresie este utilizat pentru a cerceta legtura
|
dintre rata omajului i rata inflaiei. Curba de regresie determinat pe baza seriilor de date
pentru cele dou variabile este numit curba Phillips.
Pentru a studia dependena dintre consumul unui produs i veniturile disponibile, se folosete un
model reciproc cu panta curbei de regresie negativ. Punctul de intersecie a curbei cu axa
absciselor este o | / = x i indic venitul minim care permite achiziionarea produsului de
consum respectiv.

Modelul parabolic
Modelul parabolic este folosit n situaiile n care ritmul de evoluie al unei caracteristici este
reprezentat de o funcie liniar cu panta egal cu constanta a . Acest model poate fi descris
printr-o relaie de forma:
i i i i
x a x b c y c + + + =
2
, unde constantele R c b a e , , . Efectul lui x
asupra lui y depinde de valoarea lui x. Cnd x crete cu o unitate, y crete cu x a b 2 + uniti.
Modelele cu funcii ptratice sunt potrivite pentru a capta efectele marginale de cretere sau
descretere. Exist totdeauna o valoare pozitiv a lui x, unde efectul lui asupra lui y este zero.
nainte de acest punct, x are efect pozitiv asupra lui y, iar dup acest punct, x are efect negativ
asupra lui y. n practic poate fi important s se cunoasc care este acest punct de ntoarcere.
Modelul parabolic este utilizat pentru a descrie relaia dintre veniturile guvernamentale i rata de
impozitare.


Modelul polinomial
Modelul polinomial este descris printr-o funcie polinomial de ordinul k:
t
k
t k t t t
x x x y c | | | | + + + + + =
2
2 1 0
,
unde n t x
t
,..., 2 , 1 , = sunt valorile unei variabile independente. Este folosit pentru a reprezenta o
relaie despre care se tie c este puin probabil a fi liniar. Modelul este neliniar n raport cu
variabilele, dar este liniar n raport cu parametrii modelului.
Pentru ca modelul s devin liniar i n raport cu variabilele i s se poat aplica MCMMP se
utilizeaz transformrile: ,... , ,
3
3
2
2
1
z x z x z x = = = .
Modelele de regresie care conin funcii de producie neliniare continue pot fi transformate n
modele polinomiale de ordinul k cu ajutorul seriilor Taylor.
Cel mai cunoscut exemplu de utilizare a modelului polinomial este modelul prin care se definete
costul unui proces de producie y, n funcie de cantitatea produciei, x, realizat ntr-o anumit
perioad:
t t t t t
x x x y c | | | | + + + + =
3
3
2
2 1 0
. innd seama de relaia anterioar, se definesc
urmtoarele costuri ale procesului de producie y:
-costul mediu al produciei:
t t t t t t t
x x x x y c q | | | | + + + + = = ) ( / /
2
3 2 1 0
.
-costul mediu fix al produciei,
t
cf , este reprezentat de primul termen al relaiei prin care se
definete costul mediu.
-costul mediu variabil este repretentat de al doilea termen al relaiei prin care se definete costul
mediu:
2
3 2 1 t t t t t
x x cf c cv | | | + + = = .
-costul marginal al produciei:
2
3 2 1
3 2 /
t t t t t
x x x y cm | | | + + = c c = .
Modelul multiplicativ
Forma general a modelului multiplicativ este dat de relaia:
t k
e x x x y
kt t t t
c | | |
o =
2 1
2 1
,
unde
t
c este o variabil de perturbaie ce urmeaz o distribuie normal cu media zero i variana
2
o . Prin logaritmarea modelului multiplicativ se obine un model echivalent:
t kt k t t t
x x x y c | | | o + + + + + = ln ln ln ln ln
2 2 1 1

t kt k t t
z z z c | | | | + + + + + =
2 2 1 1 0

Coeficienii de regresie reprezint elasticiti:
j
jt
t
jt
t
jt
t
j
x
y
x
y
x
y
e | =
c
c
=
c
c
=
ln
ln
: .
Un exemplu foarte cunoscut de model multifactorial neliniar este funcia de producie Coob-
Douglas, care este multiplicativ.
Funcia de producie Cobb-Douglas fr progres tehnic se reprezint prin relaia:
t
e L K A Y
t t t
c | o
= , unde:
t
Y reprezint producia sau costul produciei;
t
K reprezint capitalul fix;
t
L reprezint fora de munc; | o, , A sunt parametri reali; =
t
c este variabil rezidual.
Parametrii o i | reprezint elasticiti pariale n raport cu fiecare factor de producie.
Parametrul o reprezint elasticitatea parial a produciei n raport cu capitalul fix, adic:
o =
c
c
=
c
c
=
t
t
t
t
t
t
K
K
Y
K
Y
K
Y
e
ln
ln
: .
Parametrul | reprezint elasticitatea parial a produciei n raport cu fora de munc.
| =
c
c
=
c
c
=
t
t
t
t
t
t
L
L
Y
L
Y
L
Y
e
ln
ln
: .
Elasticitatea scalei este reprezentat de suma celor dou elasticiti, adic avem:
| o + = + =
L K
e e e .
Atunci cnd avem 1 = + | o , procesul de producie este cu randament de scal constant. Dac
cei doi factori de producie cresc, outputul crete n aceeai proporie.
Atunci cnd avem 1 > + | o , procesul de producie este cu randament de scal cresctor. Dac
cei doi factori de producie cresc ntr-o anumit proporie, outputul va crete de asemenea, dar
ntr-o proporie mai mare.
Atunci cnd avem 1 < + | o , procesul de producie este cu randament de scal descresctor.
Dac cei doi factori de producie cresc ntr-o anumit proporie, outputul va crete de asemenea,
dar ntr-o proporie mai mic.
Pentru estimarea parametrilor funciei de producie Cobb-Douglas se liniarizeaz modelul prin
logaritmare. Se obine modelul logaritmic:
t t t t
L K A Y c | o + + + = ln ln ln ln . Parametrii
modelului de regresie se determin prin MCMMP.

3.2.4. Forma matriceal a modelului de regresie liniar simpl

Considerm modelul de regresie liniar simpl, asociat variabilelor X i Y, variabile observate
prin selecia sau eantionul n i y x
i i
,..., 2 , 1 , ) , ( = .
n i x y
i i i
,..., 2 , 1 ,
1 0
= + + = c | |
Aceste relaii se pot scrie sub forma:
|
|
|
|
|
.
|

\
|
+
|
|
.
|

\
|
|
|
|
|
|
.
|

\
|
=
|
|
|
|
|
.
|

\
|
n n n
x
x
x
y
y
y
c
c
c
|
|

2
1
1
0 2
1
2
1
1
1
1
. Notnd
|
|
.
|

\
|
=
|
|
|
|
|
.
|

\
|
=
|
|
.
|

\
|
=
|
|
|
|
|
.
|

\
|
=
|
|
|
|
|
.
|

\
|
=
b
a
x
x
x
X
y
y
y
y
n n n
|
c
c
c
c
|
|
|

; ; ;
1
1
1
;
2
1
1
0 2
1
2
1


Putem scrie modelul n expresie matriceal: c | + = X y
Estimarea parametrilor.
Parametrii se obin din sistemul de ecuaii normale ale lui Gauss, pe care le putem scrie ntr-o
form echivalent i n form matriceal:

= +
= +
i i i i
i i
y x x b x a
y x b an
2

|
|
.
|

\
|

=
|
|
.
|

\
|
|
|
.
|

\
|


i i
i
i i
i
y x
y
b
a
x x
x n
2
y X X X
T T
= |

) (
Obs: Vom nota transpusa matricii X prin
T
X sau X' .
Soluia sistemului se poate obine dac exist inversa matricii ) ( X X
T
.
y X X X
T T 1
) (

= |
tim c

=
2
2 2
) (
) (
x x n
x
a Var
i
i
o
;

=
2
2
) (
) (
x x
b Var
i
o
,

=
2
2
) (
) , cov(
x x
x
b a
i
o ;
Atunci, matricea de variane-covariane a vectorului |

este:
1 2
2
2
2
2
2
2
2
2 2
) (
) ( ) (
) ( ) (

=
|
|
|
|
|
.
|

\
|

X X
x x x x
x
x x
x
x x n
x
T
i i
i i
i
o
o
o
o
o