ECONOMETRIE

- anul universitar 2008-2009-

Planul cursului
1.
2.
3.
4.
5.
6.

Elemente conceptuale
Demersul metodologic al
econometriei
Modelul de regresie liniar simpl
Modelul de regresie liniar multipl
Modele de regresie non liniar
Modele cu variabile dummy

Planul cursului
7.

Ipoteze
statistice:
normalitatea
erorilor,
homoscedasticitatea,
necorelarea
erorilor,
multicoliniaritatea.
8. Modelarea seriilor de timp.

7. Ipoteze statistice
Ipotezele statistice care se formuleaz n
modelarea econometric sunt ipoteze asupra
componentei aleatoare (erorilor) i ipoteze
asupra
componentei
deterministe
(variabilelor independente).
7.1.
Ipotezele
asupra
componentei
aleatoare (erorilor) sunt urmtoarele:
a. Media erorilor este nul: M(i)=0.
b. Ipoteza de normalitate:
i ~ N (0, 2 )

c.
d.

Ipoteza de homoscedasticitate: V(i)=2.

Ipoteza de necorelare sau de independen
a erorilor: cov(i, i)=0.

a.

Media erorilor este nul

1. Definire: M(i)=0.
2. Efectele nclcrii acestei ipoteze:
dac aceast ipotez este nclcat, atunci
se modific proprietile estimatorilor
parametrilor modelului de regresie.

3. Testarea ipotezei cu privire la media

erorilor

Ipoteze

Calculul statisticii test

Decizie

4. Exemplu

Residuals Statisticsa
Predicted Value
Residual
Std. Predicted Value
Std. Residual

Minimum
58508,12
-98125,2
-,778
-1,290

a. Dependent Variable: salariu

Maximum
6084511
131202,7
2,300
1,725

Mean
1582428
,00000
,000
,000

Std. Deviation
1957596,554
73271,63549
1,000
,964

N
15
15
15
15

One-Sample Statistics
N
Unstandardized Residual

15

Mean
,0000000

Std. Deviation
73271,63549

Std. Error
Mean
18918,65

One-Sample Test
Test Value = 0

t
Unstandardized Residual

df
,000

14

Sig. (2-tailed)
1,000

Mean
Difference
,00000000

95% Confidence
Interval of the
Difference
Lower
Upper
-40576,5
40576,48

b. Ipoteza de normalitate a erorilor

1. Formularea problemei
erorile urmeaz o lege normal de medie 0
i varian 2:

i ~ N (0, 2 )
2. Efectele nclcrii acestei ipoteze
ipoteza de normalitate a erorilor este
important pentru stabilirea proprietilor
estimatorilor parametrilor modelului de
regresie.

dac i ~ N ( 0 , 2, )atunci estimatorii parametrilor

modelului
de
regresie
urmeaz,
de
asemenea, o lege normal:
~ N ( , 2 )
i

dac ipoteza de normalitate este nclcat,

proprietile estimatorilor construii pe baza
metodei celor mai mici ptrate au doar
proprieti
asimptotice,
adic
necesit
eantioane sau seturi mari de date.

3. Verificarea normalitii erorilor

legea normal este definit de funcia de

densitate
de
probabilitate
care
este
reprezentat grafic prin curba densitii de
probabilitate, curb cu alur de clopot.

3.1. Procedee grafice

- Histograma (curba frecven ei);
- Box-Plot;
- P-P Plot;
- Q-Q Plot.

a.
-

Reprezentarea histogramei i a curbei

frecvenelor
se
reprezint
curba
frecvenei
sau
histograma reziduurilor i se observ dac
forma distribuiei acestora are alur de
clopot.

Exemplu:

H
i
s
t
o
g
r
a
m
D
e
p
n
d
e
V
i
b
l
e
:
g
r
e
u
t
,2
3
0
5
1
,,5
0

F
re
q
u
n
c
y

Histograma i curba frecvenelor

M
e
a
n
=
1
,
8
5
E
1
5
-R
2
1
0
1
2
S
t
d
.
D
v
.
0
9
4
3
e
g
rs
io
n
S
ta
n
d
riz
e
d
R
e
s
id
u
a
lN0

7
0
6
5
6
0
5
5
0
4
5 g
re
u
t

b. Box-plot

N
o
rm
a
lP
-D
le
o
t
f
R
e
g
r
s
i
o
n
S
t
a
n
d
r
i
z
e
d
s
i
d
u
a
l
p
n
d
V
b
e
:
g
r
e
u
,0
1
0
8
,0
6
4
,2

E
x
p
e
c
td
C
u
m
P
ro
b
c. P-P Plot

0
,0
,O
0
2
0
,
4
0
,
6
0
,
8
1
,
0
b
s
e
rv
d
C
u
m
P
ro
b

3.2. Procedee numerice

a. Testul Kolmogorov-Smirnov-Lilliefors (KSL)
-

presupune compararea frecvenelor cumulate

(calculate) cu frecvenele teoretice cumulate
extrase din tabelul Gauss.

Ipoteze statistice:
H0: ipoteza de normalitate
H1: distribuia erorilor nu urmeaz o lege normal
Regula de decizie:

valoarea probabilitii asociate statisticii test

calculate (Sig.) se compar
cu
(0,05): dac Sig.<0,05, atunci se respinge
ipoteza de normalitate a erorilor.

Exemplu:

One-Sample Kolmogorov-Smirnov Test

greut
N
Normal Parameters a,b
Most Extreme
Differences

Mean
Std. Deviation
Absolute
Positive
Negative

Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
a. Test distribution is Normal.
b. Calculated from data.

10
58,5000
7,83511
,276
,161
-,276
,873
,432

b. Testul Jarque-Bera

se bazeaz pe verificarea simultan a

proprietilor de asimetrie i boltire ale seriei
reziduurilor. Pentru o distribuie normal,
valoarea coeficientului de asimetrie Fisher (sw)
este zero, iar valoarea coeficientului de boltire
Fisher (k) este zero.

Ipoteze statistice
H0: ipoteza de normalitate
H1: distribuia erorilor nu urmeaz o lege normal

Calculul statisticii test:

statistica test JB se calculeaz dup relaia:

2

n
k
2
JB sw
6
4

unde: sw este
(Skewness):
sw 33

coeficientul

de

asimetrie

k este coeficientul
de boltire (Kurtosis):
4
k 2 3
2

n cazul unui model de regresie, estimaiile

celor doi parametri ai formei unei distribuii
au urmtoarele relaii:
sw

ei3 2
(
)
i n2
ei2 3
(
)
n

2
i

ei4
i n 2
k
3
2
e
( i ) 2
i n2

unde: ei y i y x

Regula de decizie:
2

Statistica JB urmeaz o lege , 2

- dac valoarea calculat a statisticii test JB calc

;2 >
sau Sig.<0,05, atunci se respinge ipoteza Ho.

c. Testul 2

Test Statistics

Chi-Square a
df
Asymp. Sig.

Research_
employm
3,000
3
,392

a. 4 cells (100,0%) have expected frequencies less

than 5. The minimum expected cell frequency is 2,0.

c. Ipoteza de homoscedasticitate a
erorilor
1.
-

Definire
ipoteza de homoscedasticitate presupune ca
variana erorilor s fie constant:

V ( )
-

aceast ipotez presupune o varian

constant a erorilor la nivelul distribuiilor
Y X xde
condiionate
forma
.
i

2. Efectele nclcrii acestei ipoteze

pierderea eficienei estimatorilor parametrilor

modelului de regresie.

3. Identificarea heteroscedasticitii
3.1. Procedee grafice
- presupun reprezentarea distribuiei erorilor i
aprecierea varianei acesteia.

- cazul existenei heteroscedasticitii:

3.2. Procedee numerice

a.
-

Testul Spearman (coeficient al corelaiei

neparametrice)
se bazeaz pe calculul rangurilor valorilor
estimate ale erorilor, i , i a valorilor Xi .

Ipoteze statistice:
H0: ipoteza de homoscedasticitate
H1: ipoteza de heteroscedasticitate
Calculul statisticii test:

Se folosete statistica test t Student:

t calc

n2
1 2

unde:
este o estimaie a
coeficientului Spearman, care se calculeaz
pe baza relaiei:

6 d i2
i
2

n(n 1)

- unde:

d i Rxi Rei

- se consider rangul 1 pentru cea mai mare

valoare, rangul 2 pentru urmtoarea valoare
ca mrime, .a.m.d., pentru ambele iruri de
valori xi i ei.

Regula de decizie:

tcalc>tteor sau o valoare a lui Sig. asociat

statisticii test t Student calculate < 0,05 duce
la respingerea ipotezei Ho.

Exemplu: Pentru dou variabile, X i Y, se

cunosc urmtoarele valori:

xi

yi

10

15

20

30

40

15

115

Se
cere
s
se
testeze
ipoteza
de
homoscedasticitate,
folosind
coeficientul
Spearman (considernd un risc de 0,05).
Rezolvare:
Pentru aceasta, se formuleaz urmtoarele
ipoteze statistice:
H0: ipoteza de homoscedasticitate
H1: ipoteza de heteroscedasticitate

Statistica test se calculeaz dup relaia:

n2
t calc
1 2
unde:

6 d i2

, cu
i

n(n 1)
2

d R R
i

xi

ei

Pentru aflarea rangurilor valorilor estimate ale

erorilor (Rei), se calculeaz
.
e erorile
y y
Valorile teoretice, yxi=a+bxi, se afl pe baza
coeficienilor estimai ai modelului de regresie
(a=0,5; b=7,5).
i

xi

Elementele de calcul ale coeficientului Spearman sunt

prezentate n tabelul de mai jos:

xi

yi

ei

Rxi

Rei

di

di2

10

16

15

-0,5

20

-3

30

-0,5

40

15

115

20

Coeficientul Spearman este:

6 20
1
0
5 25 1

Statistica test t Student se calculeaz

astfel:
t calc

n2
1

0 5 2
1 0

Regula de decizie:

pentru exemplul dat:

(t calc 0) (t 0,025;3 3,182)

Deci, se accept ipoteza Ho, ipoteza de
homoscedasticitate.

Prin prelucrarea datelor n SPSS, s-au obinut

urmtoarele rezultate:

Correlations

Spearman's rho

Unstandardized Residual

Correlation Coefficient
Sig. (2-tailed)
N
Correlation Coefficient
Sig. (2-tailed)
N

X
1,000
.
5
,000
1,000
5

Unstandardiz
ed Residual
,000
1,000
5
1,000
.
5

b. Testul Goldfeld-Quandt

Ipoteze statistice:
H0: ipoteza de homoscedasticitate
H1: ipoteza de heteroscedasticitate

Etape pentru calculul statisticii test:

- se ordoneaz cresctor seria valorilor empirice

xi .
- se mparte seria n dou pri egale, dup
omiterea unui set de date din centrul seriei (n
cazul seriilor cu un numr mare de termeni);
- se estimeaz parametrii ecuaiei de regresie
pentru fiecare din cele dou seturi de date i
se calculeaz variaia rezidual (RSS) pentru
fiecare model n parte;

se calculeaz statistica test Fisher

compar cele dou variaii reziduale:
Fcalc

care

RSS 2
RSS1

unde: RSS1 corespunde celei mai mici valori a

variaiei reziduale.
Regula de decizie:

- dac Fcalc F0, 05;n k ;n k

se
respinge ipoteza Ho.

sau Sig.<0.05, atunci

Exemplu:
Pentru dou variabile, X i Y, se cunosc
urmtoarele valori:

xi

yi

15

20

10

19

25

23

30

35

38

10

40

Se cere s se testeze ipoteza de

homoscedasticitate,
folosind
testul
Goldfeld-Quandt.

Rezolvare:
1.
Se ordoneaz cresctor irul valorilor xi.
2.

Se mparte seria valorilor xi n dou serii:

prima serie este reprezentat de valorile 1,
2, , 5; iar a doua serie este reprezentat
de valorile 6, 7, , 10.

3. Pentru fiecare din cele dou serii se estimeaz

parametrii modelului de regresie. Se obine:
Seria 1: Yx=8,3+3X
Seria 2: Yx=3,2+3,8X
4. Pentru aceste modele, se estimeaz variaia
rezidual (valoare prezentat n output-ul
ANOVA):
- pentru seria 1: RSS=3,73;
- pentru seria 2: RSS=1,6.

5. Se calculeaz raportul F, considernd RSS1

cea mai mic valoare, i anume RSS1=1,6:
Fcalc=3,73/1,6=2,33.
6. Se compar valoarea calculat a statisticii
test F cu valoarea teoretic:

F0, 05;n1 k ;n2 k F0, 05;5 2;5 2 9,277.

(k este numrul de parametri estimai).

7. Interpretare:

( Fcalc 2,33) ( F0,05;3;3 9,277)

Pentru exemplul dat, se accept ipoteza de
homoscedasticitate.

c. Testul Glejser

are la baz un model de regresie ntre variabila

rezidual estimat i variabila independent.

Etapele testrii:
1.
Se estimeaz modelul de regresie de forma:

Y 0 1 X
2.
3.

Se calculeaz erorile ei.

Se construiete un model de regresie pe baza
erorilor estimate n valoare absolut i variabila

independent. Exemplu:

i 0 1 xi ui
4. Se testeaz parametrii acestui model: dac
parametrul 1 este semnificativ, atunci
modelul iniial este heteroscedastic.
Exemplu:

Coefficientsa

Model
1

(Constant)
PIB

Unstandardized
Coefficients
B
Std. Error
50921,663 12000,771
,016
,012

a. Dependent Variable: erori

Standardized
Coefficients
Beta
,348

t
4,243
1,337

Sig.
,001
,204