Modelul Unifactorial

3
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)
unde:
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.
a
a,b >0
b>0
a<0, b>0
b<0
a>0, b<0
-a
1. Funcia liniar
2. Funcia semilogaritmic
y=a+bx+u
y = a + b log x + u
b>1
b=1
0 < b <1
nivel de saturaie
b>0
b<0
b<0
0
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
yM
b>0
exp nivel de saturaie
(a)
b, c >0
b<0
5. Funcia loginvers
b
log y = a + + u
x
2 ,3026
b, c >0
b
b
2,3026
c
c 1
6. Funcia log-loginvers
b
log y = a + + c log x + u
x
a<0
c>0
b>0
yM
a, c > 0,
b<0
a, c < 0,
b>0
ym
0
b
2c
7. Parabola de gradul II
y = a + bx + cx 2 + u
a, c > 0,
b<0
y
yM
a, c < 0,
b>0
ym
0
2 , 3026
b
2c
8. Parabola logaritmic
y = a + b log x + c(log x) + u
2
III
y
a II
Nivel de saturaie
II
aI
Nivel de
saturaie
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
a > 0, b > 0
yM
a > 0, b < 0
1 + 2 , 3026
a
10. Funcia lui Konius

y = x (a + b log x ) + u
y
(3)
Nivel de saturaie
b>0
(1)
b<0
(2)
(2) y =
b<0
0
(1) y =
1+ e a+bx
c
a + b log x
1+ e
(3) y =
x
+u
c
1+ e
a+
b
x
+u
+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
yt yt 1
xt xt 1
xt
yt
x1
y1
--
x2
y2
y 2 y1
= cm2
x2 x1
xn
yn
y n y n 1
= cmn
x n xn 1
cmi =
cei =
xt 1 yt y t 1
yt 1 xt xt 1
--
ce2 =
x1 y 2 y1
y1 x 2 x1
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
Figura 3.2.1
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
funcia exponenial: Yt = ea+bxt - dac curba empiric poate fi

aproximat cu graficul acestei funcii,
sau
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:
x max
S j = f j (x )dx
x1
n final, alegerea celei mai adecvate funcii de regresie se poate face

cu ajutorul urmtoarei reguli:
min
j
S S
S
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<0
b>0
a, b 0
a>0
b<0
a
x
Modele econometrice
Cm
Cm
b<0
b>0
b
1. a) Cm = y x = b
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
a<0, b>0
y
lim y = b ;
lim y = , pentru a> 0
x 0
lim y = , pentru a< 0 b
x 0
a>0, b<0
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
bx
=
y a + bx
lim Ce = 0 ;
x 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 +
b
; a, b>0
x
lim y = +
x 0
x >0
lim y = a
a
x
y =
< 0 y este
x2
descresctor
Modele econometrice
2. a) Cm =
b
x2
Cm
x
lim Cm = ; lim Cm = 0
x
x 0
x >0
(Cm) x = ( b) (- 1)2 2x = 2b3
(x )
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
lim y = +
x 0
x >0
( y )x =
x
a
x
lim y = 0
b
2 2
(x )
2x =
1 ax+b
x2 x
Deoarece x>0, a, b>0 ( y )x < 0

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
lim Ce = 1
x 0
x >0
lim Ce = 0
-1
(Ce) x = ( b)
(ax + b)
Ce este cresctor
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
b
2c
y x = 2c > 0 x corespunde
y x = 2cx +b = 0 x =
x1
b
2c
4c
3. a) Cm = y x = 2cx + b
x2
lui y minim
x
b
min y ;
2c 4c
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
c>0
b<0
b
x
b
2c
a + bx + cx 2
x
- pentru a, c>0:
3. b) y =
lim y = +
lim y =
x 0
x >0
a
c
( y )
0+
= +
cx 2 a x 0
a
x 1,2 =
2
c
x
a
= 2 ac + b
c
( y ) x =
b + 2 ac
a
c
------------- 0 + + + + + + +
( y)x
y
| +
b + 2 ac
Ce
3.c) Ce = y
x
bx + 2cx 2
=
y a + bx + cx 2
lim Ce = 2
lim Ce = 0
x 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<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
b
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
*
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
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
yt
xt2
x1
y1
x12
xt yt
y t = a + bx t
u t = y t y t
(ut ) 2
x1 y1
y 1 = a + bx 1
u 1 = y 1 y 1
(u1 ) 2
|
||
||
||
||
||
||
xn
yn
xn2
xn yn
y n = a + b x n
xt
yt
xt2
xt yt
y t
||
u n = y n y n
(u n ) 2
ut = 0
2
(ut )
- modelul econometric liniar:

yt = a + bxt + ut
y = a + bx
(3.3.1)
(3.3.2)
u t = y t y t
(3.3.3)
unde:
yt, xt =
a, b =
a , b =
valorile empirice ale variabilelor;

parametrii modelului;
estimaiile parametrilor modelului;
ut
variabila eroare;
ut
estimaia lui ut.
utilizarea unei metode de estimare pentru a calcula estimatorii

parametrilor modelului.
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
y3 = a + bx3
y8 x8
; b =
a =
x
1
3
y8 = a + bx8
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
x4
y3
y4
1
x5 x1 = 4 (x 2 + x 3 + x 4 + x5)
;
y 5 y = 1 (y + y + y + y )
1
4 2 3 4 5
Modele econometrice
x6
y 6
x7
x8
y7
y8
1
x9 x2 = 4 (x6 + x7 + x8 + x9 )
y 9 y = 1 (y + y + y + y )
2
4 6 7 8 9
Prin introducerea acestor valori n relaia (3.3.2) rezult:
y1
y2
a =
1
2
1
a + bx 1 = y 1
a + bx = y
2
x1
x2
; b =
x1
x2
y1
y2
x1
x2
1
1
1
1
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
y = a + bx
t
u t = y t y t = y t a bx t
unde:
yt, xt = valorile reale ale celor dou fenomene economice existente n
seriile statistice ale acestora;
y t = valorile teoretice ale variabilei y, obinute numai n funcie de

valorile factorului esenial xt i de valorile estimatorilor
parametrilor a i b, respectiv a i b ;
u t =
estimaiile valorilor variabile reziduale ut.
Practic, M.C.M.M.P. const n a minimiza funcia:
( )
F a , b = min (y t y t
t =1
)2 = min
y t a bx t
t =1
(3.3.4)
adic a minimiza suma ptratelor distanelor, fa de axa OY, dintre valorile

reale, yt, i valorile teoretice, y t .
Condiia de minim a funciei (3.3.4) rezult din:
F (a , b)
=0
a
F (a, b)
=0
b
2(y a bx )( 1) = 0 (y a bx ) = 0
n
(3.3.5)
t =1
2 (y a bx )( x ) = 0 (y x ax bx ) = 0 (3.3.6)
n
t t
2
t
t =1
sistem de ecuaii ce devine n final:

n
n
n
a
b
x
yt
+
t =1
t =1
n
a x t + b x t2 = y t x t
t =1
(3.3.7)
din care se vor calcula valorile estimatorilor:

- estimaia parametrului a
1
xt
y
a + b
=
n a + b x t = y t *
n
n
n
a = y b x
(3.3.8)
- estimaia parametrului b
y t
y t xt
n
b =
x t
x t
2
x t
n
x t
2x =
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
(x t x
n
)2
2
x t 2x t x + x
n
2
xt
xt
2x
+x
n
n
Modele econometrice
2
xt
xt
=
2x 2 + x 2 =
x2
n
n
y t xt
x* y
n
b =
2x
- covariana dintre variabilele y i 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
2x
(x t x )
cov (y , x ) =
coeficientul de corelaie liniar a celor dou variabile
r ( y , x ) = r (x , y ) =
cov(y , x )
x y
r ( y , x ) = b x b = r ( y , x )
y
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:
1) y t a bx t = ut = 0 M (ut ) = 0 variabila aleatoare ut

t
este de sum nul i, evident, de medie zero;
2) y t a bx t = (y t y t ) = 0 y t = y t
t
suma
valorilor empirice ( y t ) este egal cu suma informaiilor teoretice ( y t )

t
principiul conservrii informaiilor.

Din rezolvarea sistemului de ecuaii rezult c:
3) a = y bx dreapta de regresie, y t = a + bx t , trasat pe baza
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
y t = a + bx t , este o medie aritmetic a pantelor dreptelor ce pot fi trasate

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
b2 =
y
yn
y2 y
x2 x
y = a + bx
b1 =
y1 y
x1 x
y2
y1
0
M2
M1
x1
x2
xn
Figura 3.3.1
b1 ( x1 x ) + b2 ( x2 x ) + K + bn ( xn x )
(x1 x )2 + (x2 x )2 + K + (xn x )2
2
b=
Dup estimarea parametrilor a i b prin valorile a i b se vor

putea calcula valorile teoretice ale fenomenului explicat y, y t = a + bx t , i
apoi estimaiile variabilei aleatoare u, prin u t = y t y t (vezi tabelul 3.3.1,
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,
D 2 (u1 ) = D 2 (u 2 ) = K = D 2 (u n ) = u2 , t = 1, n .
Ipoteza I2 presupune c erorile ut sunt homoscedastice i nu

heteroscedastice D 2 ( u1 ) D 2 ( u2 ) K D 2 ( u n ) u2 ;
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
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:
( )
t =1
t =1
F a , b = min u t2 = min y t a bx t
- 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 ,
unde
este
repartiia caracteristicii y.
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:
L y t ; a , b = f (y 1 ) f (y 2 ) ... f (y n )
L y t ; a , b =
1
2
L y t ; a , b =
1
y 1 a bx 1
2 2
...
1
2
1
2
2
( y t a b x t )
n
1
y n a bx n
2 2
t =1
Modele econometrice
Metoda verosimilitii maxime presupune maximizarea funciei de

verosimilitate:
1
max L( yt , a , b) max ln L( yt , a , b) = max ln
a ,b
a ,b
a ,b 2
1

2 2
(y
n
t =1
2
a bxt
1
= k = constant.
Deoarece este constant, ln
2
1
max ln
a ,b 2
x 2 = k + max 1
a
b
y t a bxt
t
t
a ,b 2 2
t =1
t =1
2
1
y t a bxt = k +
min F a , b
2 2 a ,b
2
2
n
1
min
= k +
2 2 a ,b t =1
(y
) =
2
( )
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:
- M ( a ) = a , M ( b ) = b (estimatorii sunt nedeplasai);
-
p
p
a
a , b
b (estimatorii sunt consisteni);
orice alt estimator pentru a i b are dispersia mai mare dect

dispersia lui a i b (estimatorii sunt eficieni).
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
cu zero i dispersia u2 = ct . , atunci b este repartizat N b ,
Demonstraie
n
)(
y t y xt x
b = t =1
xt x
t =1
y t xt x y xt x
t =1
t =1
xt x
t =1
u2
xt x
t =1
y t xt x
= t =n1
xt x
t =1
= t y t
t =1
unde:
xt x
t =
xt x
t =1
u t ~ N (0, u ) y t ~ N (a + bx t , u ) , t = 1, , n
n concluzie, b fiind combinaie liniar de variabile aleatoare
repartizate normal, este i el repartizat normal.
n
t =1
t =1
t =1
t =1
M ( b ) = t M ( y t ) = t ( a + bx t ) = t a + bt x t
n
t =1
t =1
2
2
D 2 ( b ) = t D 2 ( y t ) = u2 t
Se calculeaz:
n
t =1
( x t x)
t =
t =1
( x t x) 2
t =1
=0
Modele econometrice
n
(x x )x =
(x x )
(x x )
(x x ) = 1
=
(
(x x )
x x )
n
t x t =
t =1
t =1
t =1
t =1
n
t
2
t =1
xt x x t
t =1
t =1
2
x t 2x x t + n x
= t =1
(x
t =1
t =1
=1
t =1
t =1
t =1
Deci:
M ( b ) = b
D ( b ) =
2
u2
xt x
t =1
Teorema 3
cu
zero
N a , u2
u2 = ct . ,
dispersia
1
x2
+ n
n
xt x
t =1
atunci
este
Demonstraie
n
yt
a = y b x = t =1
n
n
n 1
n
x t y t = xt y t = t y t
t =1
t =1 n
t =1
unde:
1
x t , t =1,., n
n
u t ~ N (0, u ) y t ~ N (a + bx t , u ) , t = 1, , n
t =
repartizat
n concluzie, a fiind combinaie liniar de variabile aleatoare

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

normal, este i el repartizat normal.
t =1
t =1
t =1
t =1
M ( y ) = t M ( y t ) = t ( a + bxt ) = t a + b t x t
( )
t =1
t =1
2
F a,b = min (y t y t ) = min y t a bx t
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
n 1
t =1
Deci:
M ( y ) = a + bx 0
1
(x x )2
D 2 ( y ) = u2 + n 0
2
n
xt x
t =1
Teorema 5
cu zero i dispersia u2 = ct . , atunci eroarea previziunii, u t = y t y t ,
x
x
.
t = 1, .., n, este repartizat N 0, u2 1 n t
2
n
x t x
t =1
Demonstraie
u t = y t y t = y t a bx t
unde:
a , b sunt repartizai normal

u t ~ N (0, u ) y t ~ N (a + bx t , u ) , t = 1, , n
n concluzie, u t fiind combinaie liniar de variabile aleatoare
repartizate normal, este i ea repartizat normal.
M ( ut ) = M ( y t y t ) = M ( y t ) M ( a + bx t ) = a + bxt a bxt = 0
( )
) ( )
( )
2
2
2
2
2
D2 (ut ) = M ut M (ut ) = M (ut ) = M ( yt yt ) = M yt2 2M ( yt yt ) + M yt
M ( y t2 ) = D 2 ( y t ) + M ( y t ) 2 = u2 + ( a + bx t ) 2
1 ( x x )2
+ (a + bx t )2
M ( y t2 ) = D 2 ( y t ) + M ( y t ) 2 = u2 + n t
n
2
( x t x )
t =1
Modele econometrice
M ( yt yt ) = M ((a + bxt + ut )(a + bxt )) = M ((a + bxt )((a + bxt )) + M (ut (a + bxt ))
= (a + bx )2 + M (u (a + bx ))
t
M ( u t ( a + bx t )) = M ( u t ( y b x + bx t ))
b = k y k
k =1
n
n

M ( u t ( a + bx t )) = M u t y x k y k + x t k y k
k =1
k =1

n
k =1
k =1
= M ( ut y ) M ( x k y k ut ) + M ( x t k y k ut )
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)

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

=
( xt x)
n
( x x)
t =1
2
2
Deci:
( x x )2
1
M ( u t ( a + bx t )) = u2 + n t
n
2
( x t x )
t =1
Din relaiile anterioare rezult c:
1
( x x )2
D 2 ( u t ) = u2 + ( a + bx t ) 2 + u2 + n t
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
( xt x ) 2
2( a + bx t ) 2 = u2 1 1
n
n
( xt x ) 2
t
=
1
Teorema 6
1 n 2
cu zero i dispersia u2 = ct . , atunci
u t este un estimator
n 2 t =1
nedeplasat pentru dispersia variabilei reziduale u2 .

Demonstraie
Trebuie demonstrat c:
1 n 2
2
M
u t = u
n 2 t =1
Folosind teorema anterioar rezult c:
1 n
1 n 2
1 n 2
2
M
ut =
D ( ut ) =
M ( ut ) =
n 2 t =1
n 2 t =1 n 2 t =1
n
( xt x ) 2
1 n 1 ( xt x ) 2
1
u2 = u2
n 1 t n=1
u =
=
1
n 2 t =1 n n
n
2
2
2
( x t x )
( x t x )
t =1
t =1
Modele econometrice
Teorema 7
cu zero i dispersia u2 = ct . , atunci eroarea previziunii u n + = y n + y n + ,
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 n +
) = 0 i M (un + y ) = 0 .
Deci M ( u n + ( a + bx n + )) = 0
n final, rezult c:
x
x
1
2
+ (a + bx n + )2
D 2 (u n + ) = u2 + (a + bx n + ) + u2 1 + + n n +
2
n
xt x
t
=
1
x x
1
2
2(a + bxn + ) = u2 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
y =
2
(y t y )
n
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

Variabila aleatoare (rezidual) u este de medie nul M (u ) = 0 , iar
dispersia ei s u2 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
u t = y t y t = y t a bx t sunt homoscedastice dac dispersiile lor sunt

constante i egale cu dispersiile teoretice, pentru orice t i sunt independente
de variabila exogen x.
Modele econometrice
s u2 = M (u t ) 2 = u2 , ()t = 1, n
Contrariul homoscedasticitii este heteroscedasticitatea, care

nseamn c erorile nu au dispersiile egale ci diferite:
M ( u 1 ) 2 M ( u 2 ) 2 ... M ( u n ) 2 u2 .
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
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
corespunztoare ( s u21 , s u22 ,... ). Dac se accept ipoteza c dispersiile acestor
grupe nu difer semnificativ, se accept ipoteza de homoscedasticitate i se
utilizeaz testul Fisher-Snedecor.
dac su21 su22 , atunci se accept ipoteza I2;
dac su21 su22 , atunci se respinge ipoteza I2.
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):
n/2
Fc =
s u21
s u22
t =1
n
n
t = +1
2
- dac Fc > F
n k 1
/
n k 1
u 22 /
2
1
n k 1 n k 1
;
2 2
(3.4.1)
, 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
;
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:
y t y = y t y t + y t y
(y t
y ) = (y t y t + y t y )
2
t =1
t =1
2
( y t y ) = [( y t y ) + ( y t y t ) ]
(3.4.3)
n
(yt y ) = [(yt y ) + (yt yt ))] = (yt y ) + (yt yt ) + 2(yt y )(yt yt )

2
t =1
t =1
t =1
t =1
(3.4.4)
t =1
Dar y t = a + bxt + u t ;
y t = a + bx t y = a + bx
u t = y t y t
n
2 (Yt y )( y t Yt ) = 2 ( a + b xt a b x )u t =
t =1
= 2 b ( xt x ) u t
n
= 2 n b cov( u t , xt )
n
Dac mprim relaia (3.4.4) la n 02 = x2 + u2 + 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:
1
B = ( X X ) ( X Y ) . Matricea varianelor i covarianelor corespunztoare
acestuia este de forma: V (B ) = u2 ( X X )
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
( X X )1 u t2 xt xt ( X X )1
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
= t =n1
(
)
n
c
u 22 /
(k + 1)
2
(n c ) +1
t=
(n c ) / 2
F* =
s u21
s u22
(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
homoscedasticitate este infirmat, deci erorile sunt heteroscedastice;
de
Modele econometrice
*
dac F F (nc)
( nc)
ipoteza de homoscedasticitate
;
( k +1) ;
( k +1)
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:
u2t = 2 xtb et
(3.4.7)
Acest model neliniar poate fi transformat ntr-un model liniar prin

logaritmare:
ln u2t = ln 2 + b ln xt + 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
este necunoscut, aceasta a fost nlocuit cu ptratul erorilor, u i2 , n cadrul
modelului liniarizat prin logaritmare:
ln ut2 = ln 2 + b ln xt + t = + b ln xt + t
(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:
I. u t = a + bxt + t
n aceast situaie heteroscedasticitatea este de tipul: u2t = 2 xt2 , caz
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
II. u t = a + b x t + t
n aceast situaie heteroscedasticitatea este de tipul: u2i = 2 xt , caz
n care va fi aplicat regresia ponderat asupra datelor iniiale, care vor fi
mprite
yt
xt
a1
xt
la
xt ,
+ b1 x t +
III. u t = a + b
rezultnd
ut
xt
astfel
un
model
de
forma:
1
+ t
xt
n aceast situaie heteroscedasticitatea este de tipul: u2i = 2 xt2 .

IV. u t = a + b
1
xt
+ t
V. u t = a + bx t + t
VI. u t = a + bxt2 + t
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:
u2t = 0 + 1 z1t + 2 z 2t + K + m z mt
(3.4.11)
Verificarea homoscedasticitii dispersiei presupune verificarea

ipotezei nulitii parametrilor corespunztori variabilelor factoriale, caz n
care u2t = 0 = ct.
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
dispersiei variabilei reziduale homoscedastice: u2 = ut ;
2
cf. op. cit., p. 377-378
- construirea unei variabile de forma: t =
u t2
u2t
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
sub forma unui 2 ; v , pentru care numrul gradelor de libertate este egal cu:
v = m 1 , unde m = numrul parametrilor modelului, respectiv: H~ 2 ;v .

Dac H > 2 ; 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:
u t2 = 0 + 1 xt + 2 xt2 + t
cf. op. cit., p. 379
(3.4.13)
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
asimptotic distribuit sub forma unui 2 ; v , pentru care numrul gradelor de

libertate este egal cu: v = k , unde k = numrul variabilelor exogene,
respectiv:
LM = n R 2 ~ 2 ; v
(3.4.14)
Dac LM > 2 ; 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
y t = a + bx t
(3.4.16)
y = a + bx + u
(3.4.17)
________________
(3.4.15) (3.4.17) y t y = b ( x t x ) + u t
(3.4.18)
y t* = y t y y t* = b xt* + u t
Notnd cu: *
xt = xt x y t* = b xt*
Estimarea parametrului b presupune minimizarea funciei:
()
F b = min y t* y t*
t =1
= min y t* b xt*
t =1
i calculul derivatei pariale a funciei:
(y
F ' (b) = 0 2
*
t
)( )
b xt* xt* = 0
u (x
t
x ) = 0 cov(u t , xt ) = 0
b) Metoda regresiei ponderate

Fie modelul iniial y t = a + bxt + u t
Heteroscedasticitatea presupune M (u t ) 2 u2 , ceea ce nseamn:
u2 = 1 u2
1
2
u2
= 2 u2
2
un
= n
(3.4.19)
2
u
unde:
t este un coeficient de ponderare.
Estimarea parametrilor modelului presupune minimizarea funciei:
n
1
min F (a , b) = min 2 ( y t a bxt ) 2
t =1
Modele econometrice
n
1
Conform relaiei (3.4.19): min F (a , b) = min ( y t a bxt ) 2 (3.4.20)
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 F (a, b) = 2 min
x
t
2
t
( yt a bxt ) 2
y a bxt
= 2 min t
u
xt
t =1
1
2
n
= 1 min yt a 1 b
x
xt
u2
t =1 t
(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
minF( a,b ) = min t = min t a b
x
x
x
t =1 t
t =1 t
t
(3.4.23)
Calculnd derivatele pariale n raport cu a i b ale funciilor

(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:
a
F ' (a ) = 0
F ' (b) = 0
a
b =
a =
2
t
+ b
yt
2
t
x = x
+ nb =
yt
yt
yt
2
t
2
t
x x x x
n
x
2
t
yt
2
t
2
t
x
t
(3.4.24)
(3.4.25)
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
estimate ale variabilei endogene yt i valorile variabilei reziduale u t .
u t
y t
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

n
u t u t 1
r1 = t =2
n 1
2
u t
t =1
u t u t 1
= t =2
n
2
u t 1
(3.4.26)
t =2
Acesta este definit n intervalul
[ 1; 1] ,
avnd urmtoarea
semnificaie:
r( 1)
1, autocorelaie strict negativ
= 0, independen
+ 1, autocorelaie strict pozitiv
3) Testul Durbin-Watson const n calcularea valorii:

n
(u t u t 1 )
d = t =2
(3.4.27)
2
u t
t =1
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:
d=
t =2
t =2
ut 2 + ut 1 2 2 ut u t 1
t =2
u
t =1
2
t
t =2
t =2
t =1
2
2
Pentru un n suficient de mare, cele trei sume, u t , u t21 , u t ,
fiind aproximativ egale, relaia lui d va fi egal cu:

n
u u
d = 2 2 t = 2n 1
u
t =1
t 1
2
t
Se noteaz cu: r1 =
u u
t =2
n 1
u
t =1
t 1
coeficientul de autocorelaie de ordinul
2
t
1 a reziduurilor ut.
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
0
1 autocorela re strict poziti v
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
cf. op. cit., p. 425
(3.4.30)
Modele econometrice
Presupunnd c ne aflm n situaia unui eantion de volum mare,

variabila BG este asimptotic distribuit sub forma unui 2 ; v , pentru care
numrul gradelor de libertate este egal cu: v = p , unde p = mrimea
decalajului , respectiv: BG~ 2 ; v .
Dac BG > 2 ; 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
astfel: B = ( X ' V 1 X ) 1 ( X ' V 1Y ) unde V = matricea varianelor i
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

ajustate ale variabilei endogene - y t = a + bx t i reziduurile -
u t = y t y t = y t a bx t (3.4.31) i se aplic testul d. Dac ipoteza de
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
u t = r(1) u t 1 + z t
(3.4.32)
unde:
zt este variabila aleatoare ce verific ipotezele I2, I3 i I4.
tiind c:
u t 1 = y t 1 y t 1 = y t 1 a bx t 1
(3.4.33)
nlocuind relaiile (3.4.31)i (3.4.33) n relaia (3.4.32) se obine:

y t a bxt = r(1) ( y t 1 a bxt 1 ) + z t
yt r(1) yt 1 = a (1 r(1) ) + b( xt r(1) xt 1 ) + zt
(3.4.34)
n ecuaia (3.4.34) variabilele yt i xt sunt cunoscute, iar valoarea

coeficientului de autocorelaie se va calcula cu relaia:
n
u u
t t 1
r(1) =
t =2
n 1
2
t
t =1
Se introduce valorile acestuia n relaia (3.4.34) i se vor estima

parametrii a i b prin aplicarea din nou a M.C.M.M.P. Fie i
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:
y t r(1) yt 1 = a 0 (1 r(1) ) + b0 ( xt r(1) xt 1 ) + z t y t* = a1 + b1 xt* + z 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
estimatorii a i b obinui n acest caz.
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 *t = a1 + b1 x *t + z t . n cazul acestui model se
verific dac s-a eliminat sau nu autocorelaia erorilor. n caz contrar, se
continu procedeul pn cnd se atinge acest deziderat.
e) Procedeul Durbin
y t a bxt = r(1) ( y t 1 a bx t 1 ) + z t
Se calculeaz r(1), se introduce n relaia (3.4.34) i rezult estimatorii

parametrilor, a , b . Aceast metod d rezultate bune numai n cazul
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:
P (ut t s u ) = 1
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
- y t , iar pe axa Oy se vor trece valorile variabilei reziduale - u t . Dac

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:
+ 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
unde:
n =
(3.4.36)
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:
S=
9
1 n
yt y
n t =1
(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:
K=
1 n
yt y
n t =1
(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
JB > 2 ; 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.
De asemenea (vezi Teorema 2 i 3), cei doi estimatori, a i b , sunt
variabile aleatoare repartizate normal:
L ( a ) = N ( a , s a ) ; L ( b ) = N ( b , s b )
Modele econometrice
unde:
1
x2
s a = s u2 +
2
n (x t x )
t
s b =
s u2
(x t x )
= abaterea medie ptratic a estimatorului a ;
= abaterea medie ptratic a estimatorului b ;
1
2
s u2 =
( u t ) =
n 2 t
2
( y t y t )
t
n 2
= dispersia variabilei reziduale (vezi
teorema 6)
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
Testul adecvat acestui scop, a i b fiind variabile normale, este
testul t. Prin centrarea i normarea estimaiilor a i b , n cazul ipotezei
H0: L( a )=N(0, s a ) i L( b )=N(0, s b ), se obin valorile calculate:
1
=
t cal
b 0
a 0
2
=
i t cal
. Aceste valori calculate sau empirice se compar
s a
s b
cu valoarea teoretic:
t = variabil normal, dac t = 1, n , n>30, preluat din tabela
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:
a
t ;v
s a
=
t ;v
sb
1
t cal
=
dac
2
t cal
=> 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;
a
> t ;v
s a
=>
=
> t ;v
s b
1
=
t cal
dac
2
t cal
se accept H1 => modelul a fost corect
specificat, identificat i estimat i se continu discuia econometric;
a
t ;v
s a
=>
b
=
> t ;v
sb
1
=
t cal
dac
2
t cal
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
s a
2
t cal
=
b
2
s b
Modele econometrice
n acelai timp, tiind c a i b sunt repartizai normal, se poate

estima intervalul de ncredere al parametrilor acestora:
P (a t ;v s a a a + t ;v s a ) = p = 1
P b t ;v sb b b + t ;v sb = p = 1
Parametrii a i b vor fi considerai semnificativ diferii de zero dac:
P a = a t ;v s a > 0 = p = 1
P b = b t ;v sb > 0 = p = 1
3.4.3 Verificarea similitudinii modelului econometric
y t = a + bx t , este expresia formal a
Modelul econometric,
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:
y t y = y t y t + y t y ( yt y )2 = ( yt y t + y t y )2
n
t =1
( yt y) 2 =
[( y y) + ( y y )]
t
t =1
(3.4.3)
unde10:
yt = valorile reale ale fenomenului y;
y t = valorile teoretice ale fenomenului y;
y t = a + bx t
1
1
1
y t = y t = a + bx t = a + bx
n
n
n
Prin ridicarea la ptrat a binomului din partea dreapt a relaiei
(3.4.3) rezult:
y =
t =1
t =1
t =1
t =1
( yt y)2 == ( yt y)2 + ( yt yt )2 + 2( yt y)(yt yt )
(3.4.4)
Termenii relaiei (3.4.4) se definesc prin:

n
V = ( yt y) = variaia total a variabilei y provocat de toi

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

explicat de modelul econometric;
n
Vu2 = (yt yt ) = variaia rezidual, sau variaia fenomenului 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;
y =
y *t = ln y t ;
1
1
*
ln y t = ln y t ;u t = ln yt - ln y t ;
n
n
- modelul exponenial yt = ea+bxt ut => ln yt = a + b xt + ln ut,=> yt* = ln yt;
y *t = ln y t ; y = media geometric a termenilor.
Modele econometrice
n
( y
(a + bx
y )( y t y t ) = 2
t =1
a bx )u t = 2b
(x
x ) ut
n
= 2n b cov(u t , xt ) = 0
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
Variana
explicat de
model
Variana
rezidual
Numrul
gradelor de
libertate
Msura
variaiei
Vx2 =
( y y)
k =1
s 2y / x =
t =1
Vu2
( yt yt )2
n k 1
t =1
Variana
total
Dispersii
corectate
V02 =
( y y)
t
n 1
su2 =
V x2
k
Vu2
n k 1
-
Valoarea testului F
F ;v1 ;v2
Fc
s 2y / x
Fc =
su2
-
t =1
Pe baza datelor din tabel se pot testa urmtoarele ipoteze:

H 0 : s y2 /
= su2 => cele dou dispersii sunt aproximativ egale, adic
influena factorului x nu difer de influena factorilor ntmpltori;

H 1 : s y2 /
su2 => influena factorului x i a factorilor ntmpltori
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 =
s y2 / x
s u2
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:
Fcal >F,v
,v
1 2
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
(3.4.39)
ecuaie care, prin mprirea la V02 , se transform n:
1=
V x2
V 02
V u2
V 02
100 =
Termenul R y2 / x =
V x2
V 02
V x2
V 02
100 +
V u2
V 02
100
(3.4.40)
se numete coeficient de determinare i are
urmtoarele semnificaii:
R y2 / x
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.
Modele econometrice
Pe baza afirmaiilor de mai sus, se deduce uor c un model

econometric este cu att mai performant cu ct valoarea lui R y2 / 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:
Ry / x =
Ry / x
R y2 / x
V x2
V 02
= 1
V u2
V 02
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 :
n
Ry x =
( y
t =1
n
y)
( yt y )
=
2
(a + bx
(y
t =1
Ry
= b
(x
(y
t
t
x)
y)
= b x
na + b xt = y t
2
a xt + b xt = y t xt
t
t
a bx
y)
b (x x )
(y y)
2
b =
2
x
(x
=
y
y x
x
x
n
xt
n
xt
t
x)
n xt2 ( xt )
t
2
t
(x
n y t xt xt y t
2
t
y x
t
cov( y, x ) =
=
=
2 xt x + x 2
2x 2 + x 2 =
b =
2
t
) = x
2
t
x
n
2
t
y x
2x
2
t
xy
x2
+ x2 =
x2
xy
x2
(x
x )( y t y )
x y
t
n
t
n
xt y t
n
=
t
(x y
y
n
xt y x y t + x y )
n
+xy =
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
corelaie, R y / x , sau a coeficientului de determinare, R y2 / x :
Fcal =
s y2 / x
s u2
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:
y t = a + bxt ;
( s a ) ( s b )
R
d
s u
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 =
dac: t cal =
b1 b 2
s b21
s b22
b1 b 2
s b21 + s b22
t se accept H0;
> 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
pot fi estimate, fie pe baza estimaiei punctuale, y = a + bx , fie pe baza
t
unui interval de ncredere:
P y t t s y t y t y t + t s 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
ncredere, deoarece y este o variabil aleatoare normal de medie y n + v i de
abatere medie ptratic s y n + v (vezi ipotezele I1 i I4 ale M.C.M.M.P.):
Modele econometrice
P y n +v t s y n +v y n +v y n +v + t s y n +v = p = 1 (3.5.2)
unde:
y n +v = valoarea real a variabilei y n momentul de prognoz ( n + v );
y n + v = estimaia punctual a valorii de prognoz pentru variabila y,
care se calculeaz cu ajutorul relaiei:
y n +v = a + b x n +v
s y
n +v
(3.5.3)
= abaterea medie ptratic a erorii de previziune, calculat cu

relaia:
s y
n+v
= s2
y n + v
xn + v x
1
2
= s u 1 + + n
n
xt x
t =1
)
)
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
variabilei reziduale ( s u2 ) este mai mic, iar aceasta va fi cu att mai mic cu
ct modelul econometric va explica o parte tot mai mare din variaia
variabilei prognozate y , sau cu ct raportul de corelaie ( R y x ) va avea o
valoare mai apropiat de unu.

Aprecierea prognozei unui fenomen y pe baza unui model
econometric, y t = a + bx t , se poate face cu ajutorul a dou noiuni,
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
eroarea relativ: e r (%) =
n +v
ea
y
n +v
= t s y n +v
100 =
n +v
(3.5.5)
t s y n +v
100 (3.5.6)
y n +v
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:
e r (%) =
t s y n +v
100 E (%) E(%) = 5, 10,...
y n +v
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
T=
1 n
( yt yt )2
n t =1
(3.5.7)
1 n 2
1 n 2
y
+
t
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
(y y )
T =
A
(y y )
=
1 n
( yt yt )2
n t =1
(3.5.8)
u2
unde:
y = media valorilor teoretice ale variabilei endogene;
y = media valorilor reale ale variabilei endogene;
u2 = 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
TD =
y t
yt
1 n
( yt yt )2
n t =1
1 n
y t yt
n t =1
=
2
1 n
yt y
n t =1
u2
(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
2(1 r ) y t yt
1 n
( y t yt )2
n t =1
TC =
(3.5.10)
unde:
r = coeficientul de corelaie liniar dintre valoarea estimat a variabilei
endogene, y t , i cea real, yt.
(y
n
r=
t =1
)(
y yt 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
( y t yt )2 = y y + yt 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
u 02t
t =1
(3.5.13)
Modele econometrice
pe care l mprim n dou modele:

- y1t = a1 + b1 xt + u1t ( t = 1, n 1 );
y2t = a2 + b2 xt + u2t ( t = n 1 +1, n ); V
n1
t =1
t =1
u 2t = u
2
1t
2
2t
t = n 1 +1
2
u
2
u1
n1
u 12t
(3.5.14)
t =1
2
u2=
2
2t
t = n 1 +1
(3.5.15)
=V
2
u1
(3.5.16)
+V
2
u2
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:
- dac F
2
u0
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.:
( )
14
14
t =1
t =1
2
F a , b = min ( y t y t ) = min y t a bxt
F ( a$ ) = 0 na$ + b$ x t = y t
()
F b$ = 0 a$ x t + b$ x t2 = y t x t
14 a + 10555 ,4b = 7578 ,9
10555 , 4 a + 7996163 ,14 b = 5744734 ,07
(vezi tabelul 3.5.2., coloanele 2, 3, 4, 5).
Modele econometrice
Tabelul 3.5.2
Nr.
Anul
crt.
xt
yt
x t2
xt yt
u t 1
u t21
u t u t 1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
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
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
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
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
-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
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
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
10555,4 7578,9 7996163,14
5744734,07
45576,9481
40461,3270
Total
Tabelul 3.5.2 (continuare)

y = yt
*
t
x = xt
*
t
y = yt
*
t
xt* = xt
0,8878 yt 1
0,8878 x t 1
0,9016 yt 1
0,9016 xt 1
10
11
12
-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
-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
-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
-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
891,0494
1071,0611
795,7127
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
-67,6561
250,0188
sa
-0,2706
t a
0,7913 p(a )
0,8077
0,3308
sb
2,4416
tb
0,0311 p b
R-squared
0,3319
R2
Mean dependent var 541,35
Adjusted
R-squared
0,2762
Rc2
S.D. dependent var 75,6474
sy
S.E. of
64,3567
regression
su
Akaike info criterion 11,2983
AIC
Sum
squared
resid
( y y )
= u
49701,46
Log
-77,0883
likelihood
Durbin0,1969
Watson
stat
Schwarz criterion
11,3896
SC
F-statistic
5,9615
Fc
Prob(F-statistic)
0,0311
p(F)
2
t
()
Semnificaia indicatorilor necunoscui pe care-i calculeaz pachetul

de programe EViews este urmtoarea:
p (a ), p (b ) = probabilitatea asociat parametrului , respectiv b . O
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:
n
y=
y
t =1
s y = abaterea medie ptratic (standard) corespunztoare variabilei
dependente, a crei relaie de calcul este urmtoarea:
(y
n
sy =
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
ale variabilei y, y t = 67,6561 + 0,8077 xt i ale variabilei reziduale,
ut = yt y t . Valorile acestora sunt prezentate n cadrul tabelului 3.5.3
(utiliznd pachetul de programe EViews).
Modele econometrice
Tabelul 3.5.3
Fitted
Residual
yt
y t
ut = yt 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
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
-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
Actual
Residual Plot
(graficul reziduurilor)
| *
|
| *.
|
| .*
|
| .*
|
| *
|
| .*
|
| . * |
| .
*|
| .
|
| .
|
| .
|
| .
|
| .
|
| .
|
- dispersia variabilei reziduale

2
s u
(y
=
y t )
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 :
su =
(y
y t )
= 4141,7884 = 64,3567
n k 1
t
- abaterile medii ptratice ale celor doi estimatori:

1
x2
sa = su2 +
= 250,0188
2
n ( xt x )
. |
. |
. |
. |
. |
. |
. |
. |
. *|
. *|
* |
* |
*. |
* |
su2
= 0,3308
2
(xt x )
sb =

- raportul de corelaie:
14
R = R2 = 1
(y
t =1
14
y t )
( yt y )
14
= 1
2
(y
t =1
y t )
s y2 (n 1)
t =1
R = 1
49701,4613
= 0,3319 = 0,5761
74392,875

- variabila Durbin-Watson, d:
14
d=
(u
t =2
u t 1 )
14
2
t
9784,7173
= 0,20
49701,4613
t =1

Astfel, modelul estimat devine:
y t = 67,6561 + 0,8077 xt ;
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
( = 0,05) , de numrul variabilelor

( k = 1) i de numrul observaiilor n ( n 15) . Observaie:
funcie de un prag de semnificaie

explicative k
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
forma unui 2 ;v , pentru care numrul gradelor de libertate este egal cu:
v = p , unde p = mrimea decalajului , respectiv: BG~ 2 ;v .
Dac BG > 2 ;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
16,6537
10,7673
Probability
Probability
0,0007
0,0046
Test Equation:
Dependent Variable: RESID
Variable
Coefficient
C
X
RESID(-1)
RESID(-2)
166,6378
-0,2158
1,0098
-0,0880
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
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
Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
Prob.
0,2832
0,2908
0,0072
0,7951
-3,45E-14
61,8319
10,1183
10,3009
11,1025
0,0016
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
distribuit sub forma unui 2 ;v , pentru care numrul gradelor de libertate este
egal cu: v = p , unde p = mrimea decalajului, respectiv:
LM = n R 2 ~ 2 ;v
Dac LM > 2 ;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.
Deoarece LM = 10,7673 > 02,05; 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,
respectiv: BG = 12 0,7691 = 9,2291 > 02,05; 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:

14
r(1) =
u u
t =2
14
u
t =2
t 1
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
y t* = y t r(1) y t 1
Notnd cu:
x t* = x t r(1) x t 1
a 1 = a 1 r(1)
b1 = b
se obine:
yt* = a1 + b1 xt* + z t y t* = a1 + b1 xt*
(2)
n vederea estimrii parametrilor a$ 1 i b$1 se aplic M.C.M.M.P.:
14
F a1 , b1 = min y t* a1 b1 xt*
t =2
F ( a1 ) = 0 ( n 1) a$ 1 + b$1 x t* = y t*
( ) =y x
F (b1 ) = 0 a$ 1 x t* + b$1 x t*
* *
t t
n urma aplicrii programului EViews, rezultatele estimrii noului

modelului au fost urmtoarele:
*
Dependent Variable: y t

Sample: 1991 2003
Variable
Coefficient
Std. Error
t-Statistic
Prob.
9,5845
15,4322
0,6211
0,5472
x t*
0,7156
0,1645
4,3505
0,0012
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0,6324
0,5990
26,6176
7793,4860
-60,0208
1,7216
Mean dependent var

S.D. dependent var
Schwarz criterion
F-statistic
Prob(F-statistic)
68,5423
42,0350
9,5417
9,6286
18,9270
0,0012
Ca i n cazul modelului iniial se vor calcula valorile estimate ale

variabilei y t* , y t* = 9 ,5845 + 0 , 7156 x t* i ale variabilei reziduale,
z t = y t* y t* . Valorile acestora sunt prezentate n cadrul tabelului 3.5.4
(utiliznd pachetul de programe EViews).

Tabelul 3.5.4
Actual
Fitted
y t*
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
-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
z t = y t* y t*
-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
Residual Plot
|
|
|
|
|
|
|
|
|
|
|
|
|
* | .
. *| .
.* | .
* | .
. |* .
. |* .
. * .
. | .
. * .
. *| .
. *| .
.*| .
. |*.
|
|
|
|
|
|
|
*|
|
|
|
|
|
Pe baza calculelor prezentate mai sus rezult modelul:

y t* = 9,5845 + 0,7156 xt* ;
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
0,8259
1,8430
Probability
Probability
0,4656
0,3979
Test Equation:
Dependent Variable: RESID^2
Sample: 1991 2003
Variable
C
*
t
xt*
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
Coefficient
Std. Error
t-Statistic
Prob.
927,8680
1016,2720
0,9130
0,3827
18,3437
32,0687
0,5720
0,5799
-0,2090
0,2342
-0,8925
0,3931
0,1418
-0,0299
1564,9870
24491851
-112,3641
2,7426
Mean dependent var

S.D. dependent var
Schwarz criterion
F-statistic
Prob(F-statistic)
599,4989
1542,118
17,7483
17,8787
0,8259
0,4656
Analiznd rezultatele afiate de programul EViews se constat c

i
iar
LM = 1,843 < 02,05; 2 = 5,99147 ,
Fc = 0,8259 < F0, 05; 2;10 = 4,10
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 =
a1
s a1
t ;(n 1) k 1
t a1 =
t b =
1
9,5845
= 0,6211
15,4322
b1
sb
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:
- t a1 = 0,6211 < t0, 05;11 = 2,201 parametrul a$ 1 nu este semnificativ
diferit de zero;
- t b = 4,3505 > t0.05;11 = 2,201 parametrul b$1 este semnificativ
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
v2 = (n 1) k 1 = 11 se preia valoarea teoretic F0,05;1;11 = 4,84 . Se
constat c
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
n concluzie, modelul y t* = 9,5845 + 0,7156 xt* poate fi apreciat ca

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
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
Mean dependent var

S.D. dependent var
Prob.
0,4786
0,0012
61,2087
41,9044
9,5354
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,

z t = y t* y t* sunt prezentate n cadrul tabelului 3.5.5 (utiliznd pachetul de
programe EViews).
Tabelul 3.5.5
Actual
*
t
Fitted
-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
*
t
-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
Residual
z t = y t* y t*
Residual Plot
-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:

y t* = 10,1602 + 0,7083 xt* ;
(13,8505) (0,1628)
R = 0,795
d = 1,75
(4)
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
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
0,8302
1,8512
Probability
Probability
0,4639
0,3963
Test Equation:
Dependent Variable: RESID^2
Sample: 1991 2003
Variable
C
Coefficient
Std. Error
t-Statistic
Prob.
1108,2070
824,2150
1,3446
0,2085
*
t
13,6436
26,6751
0,5115
0,6201
*2
t
-0,2067
0,2293
-0,9013
0,3886
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0,1424
-0,0291
1557,6090
24261469,0
-112,3026
2,7474
Mean dependent var

S.D. dependent var
Schwarz criterion
F-statistic
Prob(F-statistic)
595,7620
1535,4140
17,7389
17,8692
0,8302
0,4639
Analiznd rezultatele afiate de programul EViews se constat c

Fc = 0,8302 < F0, 05; 2;10 = 4,10
LM = 1,8512 < 02,05; 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:
- t a1 = 0,7336 < t 0,05;11 = 2,201 parametrul a$ 1 nu este semnificativ
diferit de zero;
- t b = 4,3506 > t 0.05;11 = 2,201 parametrul b$1 este semnificativ
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.

n concluzie, i acest model, y t* = 10,1602 + 0,7083 xt* , poate fi
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
T=
1 n *
y t y t*
n t =1
1 n *2
1 n *2
y t +
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
y t*
y * y *
z2
t =1
unde:
*
y = media valorilor teoretice ale variabilei endogene;

*
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
y t*
(
n
y*
t
y t*
2
y t*
y
t =1
*
t
y *
1
n
y * y *
t

t =1
z2
t =1
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
1
n
(y
n
*
t
y t*
t =1
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
endogene, y t* , i cea real, yt* :
(y
n
r=
t =1
*
t
)(
y * yt* y*
n y * y *
t
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 *
y t y *t
n t =1
2
= y * y * + y * y * + 2(1 r ) y * y *
t
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
Coeficientul Theil
Ponderea abaterii
Ponderea dispersiei
Ponderea covarianei
T
TA
TD
TC
Tabelul 3.5.6
Valoarea indicatorului
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:
*
*
y 2004
= a1 + b1 x 2004
= 9,5845 + 0,7156 163,6272 = 126,676 mild.lei
preuri comparabile
Pe baza ipotezei formulate la punctele precedente, consumul final
real al gospodriilor populaiei, y*, urmeaz o distribuie normal (sau
*
distribuia Student, dac n 30 ), de medie y 2004
i de abatere medie
*
ptratic s y * , L ( y * ) = N y 2004
, s y *
2004
2004
).
*
*
Pentru x 2004
= 163,6272 y 2004
= 126,676
s y *
2004
s y *
2004
)
)
2
2
*
1
x *
x2004
1 (163,6272 82,3893)
= s 1+ +
=
+
+
708
,
4988
1
13
n
*
* 2
26186
,
7452
x
x
= 30,6848
2
z
Estimarea consumului final real al gospodriilor populaiei, pe baza

unui interval de ncredere, se calculeaz cu relaia:
*
P y 2004
t s y *
2004
*
*
y 2004
y 2004
+ 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

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

Modelul Unifactorial

Încărcat de

Drepturi de autor:

Formate disponibile

3

3.1 Specificarea i definirea modelului unifactorial

Specificarea unui model econometric se face pe baza teoriei

Teoria economic a folosit i folosete n numeroase cazuri modelul

3.2 Identificarea modelului unifactorial

3. Funcia putere i funcia logaritmic 4. Funcia invers (hiperbola)

9. Funciile lui Tornquist

10. Funcia lui Konius

11. Funcia logistic

de timp n care s-au nregistrat valorile celor dou fenomene y i x la aceeai

Aceast operaie se poate face, n general, utiliznd urmtoarele

a) Procedeul grafic const n construirea corelogramei dintre cele

La construirea corelogramei, scala pe cele dou axe, Oy i Ox,

adic variaia fiecrei variabile, exprimat prin amplitudinea acesteia, Ax i

n urma acestei operaii se va alege:

funcia exponenial: Yt = ea+bxt - dac curba empiric poate fi

b) Procedeul conservrii ariilor continu procedeul grafic i const

n final, alegerea celei mai adecvate funcii de regresie se poate face

c) Procedeul calculelor algebrice se fundamenteaz pe proprietile

n cazul n care b>0, la o cretere cu o unitate a lui x i va corespunde

lim y = , pentru a> 0

lim y = , pentru a< 0 b

Coeficientul de elasticitate exprim cu cte procente se modific

(Cm) x = ( b) (- 1)2 2x = 2b3

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

Se observ c, la o modificare cu un procent a cauzei, pentru valori

Dac c este negativ, atunci Cm este descresctor, deci variaiile

4. a) Cm = abxb-1 grafic similar cu cel al funciei iniiale

De exemplu, dac coeficienii marginali ai variabilei y n raport de

De reinut c, n economia real, datele statistice relev corelaii

3.3 Estimarea parametrilor unui model econometric unifactorial

funcia de gradul doi Yt = a + bxt + cxt2 ;

Deoarece, n numeroase cazuri, funciile neliniare (curbilinii) pot fi

1) Fie modelul neliniar exprimat prin funcia putere yt = a xt ut.

Fie modelul neliniar yt = b0 + b1x + b2xt2 + _ _ _ + bkxtk + ut

De exemplu, funcia logistic se preteaz foarte bine la descrierea evoluiei

Revenind la problema estimrii parametrilor unui model

Estimarea parametrilor unui model liniar unifactorial presupune:

- modelul econometric liniar:

valorile empirice ale variabilelor;

estimaia lui ut.

utilizarea unei metode de estimare pentru a calcula estimatorii

n acest sens ne referim la:

De regul, alegerea punctelor empirice se face, fie pe baza

Prin introducerea acestor valori n relaia (3.3.2) rezult:

c) Metoda celor mai mici ptrate (M.C.M.M.P.) este tehnica de

y t = valorile teoretice ale variabilei y, obinute numai n funcie de

estimaiile valorilor variabile reziduale ut.

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

adic a minimiza suma ptratelor distanelor, fa de axa OY, dintre valorile

sistem de ecuaii ce devine n final:

din care se vor calcula valorile estimatorilor:

coeficientul de corelaie liniar a celor dou variabile

unde: y, x = abaterile medii ptratice ale variabilelor y i x.

1) y t a bx t = ut = 0 M (ut ) = 0 variabila aleatoare ut

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

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

principiul conservrii informaiilor.

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

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

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

3.4 Verificarea modelului econometric

n economie, spre deosebire de domeniul tehnic, de exemplu, nu