Documente Academic
Documente Profesional
Documente Cultură
2012)
I Pentru un mare magazin alimentar s-au cules date privind vnzrile (mii lei) i profitul (mii lei),
realizate n ultimele 9 luni ale anului 2010. n urma studierii legturii liniare dintre cele dou
variabile, adic utiliznd un model de regresie liniar unifactorial:
i i i
x y + + = , s-au obinut
urmtoarele rezultate:
ANOVA
df SS MS Stat F Significance F
Regression 1 0,03045 .. .. 0,000079
Residual .. .. 0,000453
Total 8 ..
Coefficients StandardError t Stat P-value Lower 95% Upper 95%
Intercept 0,078438 .. .. 0.001719
X Variab.1 0,011712 0,001429 .. 0.000078 .. ..
tiind c valoarea medie a vnzrilor este de 10 mii lei/lun se cer urmtoarele:
a) S se completeze spaiile punctate cu informaiile care lipsesc i s se comenteze valorile
indicatorilor ce apar n tabele.
b) S se testeze validitatea modelului de regresie (nivel de semnificaie 5%; valoare tabelar
59 , 5 = ).
c) S se testeze semnificaia statistic a parametrilor modelului i s se determine intervalul de
ncredere 95% pentru parametrul pant (valoare tabelar: 2,365 pentru un nivel de semnificaie de
0,05).
Avem SST=SSR+SSE
+ =
2 2 2
) ( ) ( ) (
i i i i
y y y y y y
2
|
2
) (
x y i
y y SSR = =
= =
2 2
) (
y i
y y SST =0,03045+0,003171=0,033621 este suma ptratelor abaterilor valorilor
reale ale variabilei y de la media lor de selecie, y . Suma SST reprezint variaia total a valorilor
variabilei Y.
b S se verifice dac modelul de regresie identificat este valid statistic (valoare tabelar:5,59 pentru
un nivel de semnificaie de 0,05).
Pentru testarea validitii modelului se formuleaz 2 ipoteze:
H
0
: modelul nu este valid statistic (MSR=MSE)
H
1
: modelul este valid statistic (MSR>MSE)
Se completeaz tabelul de analiz a varianei (ANOVA)
Sursa
variaiei
(df) Suma
ptratelor (SS)
Media ptratelor
(MS)
Statistica F
Regresia
Eroarea
Total
1
n-2=7
n-1=8
SSR=0,03045
SSE=0,003171
SST=0,033621
MSR=SSR/1=0,03045
MSE=SSE/(n-2)=
2
e
s =0,000453
F =67,218
Testul statistic folosit este:
) 2 /(
1 /
= =
n SSE
SSR
MSE
MSR
F tim c aceast statistic are o distribuie
2 , 1 ; n
F
.
Regula de decizie este:
Dac
critic calculat
F F > respingem H
0
i acceptm H
1
Modelul este valid statistic.
218 , 267 000453 , 0 / 03045 , 0
calculat
= = F
59 , 5
7 , 1 ; 05 , 0 2 , 1 ; critic tabelat
= = = =
F F F F
n
Deoarece
critic calculat
F F > (67,218 > 5,59) respingem H
0
i acceptm H
1
Modelul este valid
statistic.
Obs: n tabelul din Excel apare i o probabilitate (Significance F). Aceasta reprezint nivelul exact
(observat) de semnificaie, adic probabilitatea exact de a comite o eroare de genul I; reprezint cel
mai mic nivel de semnificaie la care ipoteza nul poate fi respins, pe baza datelor observate.
Deoarece 0,00007<0,05 respingem H
0
i acceptm H
1
Modelul este valid statistic.
Dreapta de regresie estimat este
i i
x y + = 011712 , 0 078438 , 0
Fiecare punct de pe dreapta de regresie este o estimaie a valorii medii a lui Y, corespunztor valorii
alese pentru X. Deci
i
y este o estimaie pentru ) | (
i
X Y E .
Interpretarea parametrilor obinui:
Valoarea 011712 , 0 b , care msoar panta dreptei de regresie, arat c, atunci cnd vnzrile (X)
cresc cu o unitate (1000 lei), profitul va crete, n medie, cu 011712 , 0 uniti
( 712 , 11 1000 * ) 011712 , 0 ( = lei).
Valoarea 078438 , 0 a arat nivelul profitului, atunci cnd vnzrile sunt 0. Interpretm pe
078438 , 0 a ca fiind efectul mediu asupra lui Y, al tuturor factorilor care nu sunt luai n
considerare n modelul de regresie.
c S se testeze semnificaia statistic a parametrilor modelului i s se determine intervalul de
ncredere 95% pentru parametrul pant (valoare tabelar: 2,365 pentru un nivel de semnificaie de
0,05).
Calculm erorile standard ale estimatorilor parametrilor modelului
Varianele estimatorilor b i a (sau
= =
2
2
) (
) ( )
(
x x
b Var Var
i
+ = =
2
2 2
2
2
2
) ( ) (
1
) ( ) (
x x n
x
x x
x
n
a Var Var
i
i
i
Variana erorilor aleatoare este
2
dar este necunoscut i trebuie estimat.
Un estimator nedeplasat pentru
2
este:
2
2
2 2
= =
n
e
s
i
e
= 0,000453.
e
s =0,02128
Estimaiile erorilor standard ale estimatorilor parametrilor modelului sunt:
= =
2
2
) (
1
) (
x x
s b se s
i
e b
=0,001429
0002544 , 0
) (
1
) (
2
2
2
=
+ = =
x x
x
n
s a se s
i
e a
=0,01595
Se cunoate valoarea medie de selecie x =10 mii lei.
Testarea semnificaiei parametrului
0 :
0
= H , (parametrul nu este semnificativ statistic; modelul nu este valid)
0 :
0
H , (parametrul este semnificativ statistic; modelul este valid).
Sub ipoteza nul avem statistica:
) (b se
b
t = care urmeaz o distribuie Student cu (n-2) grade de libertate dac H
0
este adevrat.
19 , 8 001429 , 0 / 011712 , 0
calc
= = t
365 , 2
7 ; 025 , 0 tabela critic
= = = t t t
t
Deoarece 8,19 >2,365 respingem H
0
i acceptm H
1
parametrul este semnificativ statistic.
Probabilitatea asociat este 0,00078<0,05, deci respingem H
0
i acceptm H
1
.
(Spunem c o statistic este semnificativ dac valoarea testului statistic se gsete n regiunea
critic. n acest caz se respinge H
0
.)
Interval de ncredere pentru parametrul pant
Un interval de ncredere )% 1 ( 100 pentru parametrul este:
)) ( ) ( ( b se t b b se t b
crt crt
+
)) ( ) ( (
2 ; 2 / 2 ; 2 /
b se t b b se t b
n n
+
)) 001429 , 0 )( 365 , 2 ( 011712 , 0 ) 001429 , 0 )( 365 , 2 ( 011712 , 0 ( +
) 01509 , 0 00833 , 0 (
Interpretare: Dat fiind un coeficient de ncredere de 95%, pe termen lung, n 95 din 100 de cazuri,
intervale precum intervalul ) 01509 , 0 00833 , 0 ( , vor include valoarea real a lui .
Intervalul construit nu conine valoarea 0, deci avem nc un argument n favoarea ipotezei H
1
c
0 . Spunem c: X are putere explicativ semnificativ pentru Y sau este semnificativ
diferit de zero sau este semnificativ statistic.
Testarea semnificaiei parametrului de interceptare
0 :
0
= H , (parametrul nu este semnificativ statistic)
0 :
0
H , (parametrul este semnificativ statistic).
Sub ipoteza nul avem statistica:
) (a se
a
t = care urmeaz o distribuie Student cu (n-2) grade de libertate
92 , 4 01595 , 0 / 078438 , 0
calc
= = t
365 , 2
7 ; 025 , 0 tabela critic
= = = t t t
t
Deoarece 4,92 >2,365 respingem H
0
i acceptm H
1
parametrul este semnificativ statistic.
Probabilitatea asociat este 0,001719<0,05, deci respingem H
0
i acceptm H
1
.
II Modelul dublu logaritmic
Am considerat modele liniare att n parametri ct i n variabile.
Exist fenomene economice pentru care modelele de regresie liniare n parametri i n variabile nu
sunt potrivite.
Pentru a determina elasticitatea preului cererii se folosesc modele log-liniare.
Pentru a determina rata de cretere n timp a unei variabile economice (PIB, rata omajului, oferta
de bani), se folosesc modele semi-log, care sunt liniare n parametri dar neliniare n variabile.
-Pentru un model de regresie, liniar n variabilele explicative, rata de modificare (panta) a variabilei
dependente rmne constant pentru o modificare cu o unitate a variabilei independente;
-Pentru modelele de regresie neliniare n variabilele explicative, panta nu rmne constant.
Ex2 Cerere_Pre. Cererea pentru un Album depinde de Preul Albumului.
Modelul liniar a fost esimat utiliznd EViews i s-au obinut rezultatele:
Interpretarea rezultatelor obinute
Valoarea 1576 , 2 b , care msoar panta dreptei de regresie, arat c, meninnd celelalte condiii
neschimbate, atunci cnd preul produsului (X) crete cu o unitate monetar, cantitatea medie
vndut (Y) scade cu 2,16 uniti (albume).
667 , 49 a arat c, dac preul este 0, cantitatea medie vndut este de circa 50 albume. n realitate,
preul nu este niciodat 0. Coeficientul a nu are totdeauna interpretare economic.
...
1. Msurarea elasticitii. Modelul log-liniar.
Considerm funcia de cerere pentru un Album (Ex2 Cerere_Pre), dar considerm o alt form
funcional:
i i
x A y = , unde Y este cantitatea cerut i X este preul.
) 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
i
e x A y
i i
= este neliniar n variabila X.
Logaritmm i obinem:
i i
x A y ln ln ln + = , A ln = . Am obinut astfel
Modelul log-liniar sau dublu logaritmic sau cu elasticitate constant:
i i i
x y + + = ln ln sau
i i i
x y + + =
.
Dac sunt ndeplinite ipotezele modelului clasic, acest model transformat poate fi estimat prin
MCMMP, iar estimatorii astfel obinui sunt BLUE.
Coeficientul pant msoar elasticitatea lui Y n raport cu X, adic modificarea procentual n Y
pentru o modificare procentual dat (mic) n X.
Y
X
slope
Y
X
X
Y
X
X
Y
Y
E
X Y
=
= ) ( ) 100 /( ) 100 (
|
n modelul dublu logaritmic de mai sus, panta 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 dublu logaritmic estimat a condus la urmtoarele rezultate:
i
y ln = 3,9617 - 0,2272
i
x ln 9116 , 0
2
= R
se = (0,0416) (0.0250)
t = (95,233) (-9,088)
Elasticitatea preului (constant) este 0,2272. Aceasta sugereaz c:
dac preul Albumului crete cu un procent, pe medie, cantitatea cerut va scdea cu 0,2272
procente. Un produs pentru care elasticitatea preului este mai mic dect 1, n valoare absolut, are
cerere inelastic.
9617 , 3 = nseamn: valoarea medie a lui lny este 3,96 dac valoarea lui lnx este 0.
(Deoarece lny=3,9617 cnd lnx=0, dac lum antilogaritmul acestui nr. obinem 52,5466. Astfel
cantitatea cerut medie este de 53 uniti. Pentru modelul liniar am obinut numrul 49,667, deci
50 uniti.)
Interpretarea coeficientului de determinaie 9116 , 0
2
= R . Aproximativ 91% din variaia variabilei
dependente (lny) este explicat prin variaia variabilei explicative (lnx).
Testarea ipotezelor n modelul dublu logaritmic.
Sub ipoteza c ) , 0 ( ~
2
= .
n ex2. avem 5 , 5 = x i 8 , 37 = y .
Elasticitatea medie a preului este 314 , 0
8 , 37
5 , 5
1576 , 2 = = .
n modelul dublu logaritmic coef.de elasticitate este 2272 , 0 i rmne constant indiferent de
preul la care este calculat. Din acest motiv, modelul log-liniar este numit model cu elasticitate
constant.
Concluzie:
Pentru modelul liniar coeficientul pant este constant dar coef.de elasticitate este variabil.
Pentru modelul log-liniar coeficientul pant este variabil dar coef. de elasticitate este constant.
III Tem pentru Seminarul 6 (de predat rezolvarea pe coal semnat)
O agenie imobiliar dorete s previzioneze preul de vnzare al unor case pe baza unui
model de regresie unifactorial liniar (
i i i
x y + + =
1 0
), n funcie de suprafaa locuibil a
caselor. Rezultatele obinute n urma prelucrrii n Excel, a datelor nregistrate pentru un eantion
de 15 case, sunt:
Regression Statistics
Multiple R .............
R Square 0,81646
Adjusted R Square 0,802305
Standard Error 6,39372
Observations 15
ANOVA
df SS MS F
Regression .. .... 2363,497774 ..
Residual .. 531,435559 ......
Total .. 2894,93333
Coefficients Stand.Error t Stat P-value Lower 95% Upper 95%
Intercept 21,23556 .. .. 0.0002
X Variab.1 1,025824 .. .. 0.0007 .. ..
tiind c suprafaa medie a caselor din eantion este 58 mp iar dispersia (variana) de selecie este
160,4286 se cer urmtoarele:
a) Testai validitatea modelului de regresie. Se va utiliza nivelul de semnificaie de 5% (valoarea
tabelar este 4,67).
b) Interpretai valorile obinute pentru coeficienii modelului de regresie.
c) Testai semnificaia coeficientului pant (
1
). Se va utiliza nivelul de semnificaie de 5%
(valoarea tabelar este 2,65).
d) S se determine un interval de ncredere 95% pentru parametrul pant
1
.
e) Pentru o cas cu suprafaa de 120 mp, previzionai preul de vnzare al acesteia.
Treptat, completai spaiile punctate cu informaiile care lipsesc i comentai valorile indicatorilor
ce apar n tabele.