Documente Academic
Documente Profesional
Documente Cultură
Econometrie
Econometrie
Constantin MITRU
(coordonatori)
Constantin Silviu ANGHELACHE Cristina Andreea MITRU
Ctlin DEATCU
Mdlina DUMBRAV
Alexandru MANOLE
Constantin ANGHELACHE
Constantin MITRU
Alexandru MANOLE
Elemente de econometrie
- note de curs -
pentru uz intern
EDITURA ARTIFEX
BUCURETI 2006
EDITURA ARTIFEX
Calea Plevnei nr. 47-48
Sector 1
Bucureti
Cuprins
Cuvnt nainte ......8
Capitolul 1
Noiuni introductive..................................................................9
1.1. Aspecte generale.............................................................9
1.2. Concepte utilizate n econometrie.................................13
Capitolul 2
Inferena statistic..................................................................17
2.1. Concepte de baz privind inferena statistic.................17
2.2. Distribuia mediilor de eantion....................................19
2.3. Estimarea mediei unei populaii....................................21
2.3.1. Estimri punctuale..................................................21
2.3.2. Intervale de ncredere.............................................25
2.4. Verificarea ipotezelor referitoare la media
populaiei..............................................................................29
2.4.1. Teste bilaterale........................................................35
2.4.2. Tipuri de eroare......................................................37
2.5. Alte cteva teste statistice importante i
distribuiile lor......................................................................42
2.5.1. Gradul de libertate..................................................43
2.5.2. Distribuia 2..........................................................44
2.5.3. Distribuia t.............................................................48
Capitolul 3
Regresia liniar simpl...........................................................51
3.1. Domenii de aplicare.......................................................51
3.2. Modele liniare de regresie rezultate din
transformri de modele neliniare..........................................57
3.3. Prezentarea modelului liniar de regresie........................58
3.4. Estimarea (determinarea) parametrilor
modelului liniar....................................................................63
3.4.1. Utilizarea metodei celor mai mici ptrate n
estimarea parametrilor......................................................63
3.4.2. Utilizarea metodei verosimilitii maxime n
estimarea parametrilor......................................................68
3.5. Proprietile dreptei de regresie.....................................71
3.6. Coeficientul liniar de corelaie.......................................81
Cuvnt nainte
Lucrarea Elemente de econometrie se adreseaz
studenilor din anul II, toate specializrile, de la
Universitatea ARTIFEX Bucureti, fiind scris n
conformitate cu programa analitic a cursului de
Econometrie. La realizaera acestui curs s-au utilizat, cu
adaptarea necesar, o serie de materiale scrise de autori
romni i/sau strini n acest domeniu.
n principal, s-au preluat o serie de aspecte din
lucrarea Modern Econometrics an introduction, a
autorului englez Thomas R.L., aprut n Editura Financial
Times Prentice Hall, ISBN 0-201-87694-9, n anul 1997
Lucrrile i alte materiale care au stat la baza
acestor note de curs sunt menionate n bibliografia selectiv
prezentat la sfritul crii. Materialul publicat este de uz
intern, destinat, n exclusivitate studiului studenilor de la
Universitatea ARTIFEX Bucureti
Pentru nsuirea temeinic a cunotinelor de
specialitate se recomand studenilor s parcurg i
culegerea de probleme Econometrie - studii de caz,
aprut n Editura Artifex, precum i principalele lucrri
cuprinse n bibliografie.
Autorii
Capitolul 1
Noiuni introductive
1.1. Aspecte generale
Econometria a fost definit ca fiind aplicarea
statisticii matematice la datele economice n scopul
constituirii unui suport practic pentru modelele construite
prin matematici economice i al obinerii unor estimri
numerice (Samuelson et al., 1954, pg. 141-6). Prin prisma
unei abordri mai succinte (Johnston, 1984, p 5), rezult c
principala sarcin a econometriei const n a introduce
substan practic n structurile teoretice.
Teoria economic previzioneaz diferite corelaii ntre
variabile. De exemplu, o curb a cererii, o funcie de
producie, o funcie de consum.
De regul, un specialist n econometrie
este preocupat de urmtoarele aspecte:
(a)
msurarea unor corelaii i estimarea
parametrilor pe care acestea le implic;
(b)
verificarea ideilor teoretice reprezentate
de astfel de corelaii;
(c)
utilizarea
acestor
corelaii
pentru
previziuni sau prognoze cantitative.
11
(1.1.)
> 0,
<0
(1.2)
12
Elemente de econometrie
13
(1.4.)
(1.5.)
14
Elemente de econometrie
(1.6.)
15
16
Elemente de econometrie
(1.7)
17
Capitolul
2
Inferena statistic
2.1. Concepte de baz privind inferena statistic
Ori de cte ori dorim s observm sau s investigm
un fenomen sau o variabil, exist dou tipuri fundamentale
de surse de date pe care ar trebui s le utilizm. n primul
rnd, ar trebui s avem acces la populaie (colectivitate
definit n sens statistic). nelegem prin aceasta s avem
acces la toate observaiile posibile, trecute, prezente i
viitoare, cu privire la variabila de interes. De exemplu, dac
variabila noastr ar fi ctigurile din luna martie 2005
realizate de un muncitor adult de sex masculin din industria
siderurgic i am avea acces la un studiu complet referitor la
aceste ctiguri, am putea s emitem ipoteze privind
populaia ce face obiectul observaiilor referitoare la aceast
variabil.
Din pcate, nu avem acces la populaie. Am avea
nevoie de un studiu complet cu privire la ctigurile din
industria siderurgic dar acesta nu exist.
Eantionul reprezint cel de al doilea tip de surse de
date cu care ne-am putea ntlni. Pe baza eantionului de care
dispunem, trebuie s deducem fapte n legtur cu populaia
din care s-a prelevat eantionul. Acest proces este cunoscut
sub denumirea de inferen statistic.
Ca problem tipic n inferena statistic, s
presupunem c n 2004, ctigurile n industria siderurgic
au fost complet monitorizate, astfel nct tim c media
19
20
Elemente de econometrie
21
Xi
n
(2.1)
22
Elemente de econometrie
x
Figura 2.1. Distribuia mediei de selecie
Distribuia probabilistic pentru X este cunoscut
sub denumirea de distribuie a mediei de selecie pentru un
eantion aleatoriu de mrime n. Distribuiile de selecie de
acest fel au o importan crucial n inferena statistic.
Desigur, n practic, distribuiile de selecie sunt
rareori construite de o manier empiric, ca n cele de mai
sus. n mod normal, avem evidena unui singur eantion i nu
se practic extragerea a foarte multe eantioane.
2.3. Estimarea mediei unei populaii
Dac un parametru al populaiei este necunoscut
exist dou modaliti prin care acesta poate fi estimat. n
primul rnd, putem estima respectivul parametru printr-o
singur valoare (estimare punctual) sau, n al doilea rnd,
putem specifica un interval n cadrul cruia suntem siguri c
se gsete parametrul real.
2.3.1. Estimri punctuale
23
24
Elemente de econometrie
Xi X
v
n
2
(2.4)
n 1 2
2
n
(2.5)
25
Xi X
s
n 1
2
(2.6)
n 2 n n 1 2
2
v
1
n
1
n
E s 2 E
(utiliznd (2.5))
Astfel, s2 devine o estimare punctual nedeplasat
pentru 2
26
Elemente de econometrie
/ n
urmeaz
distribuie
N(0,1)
(2.7)
Utilizarea tabelelor
distribuiei
reprezentarea grafic 2.3.a indic faptul c:
Pr(-1,96 < Z < 1,96) = 0,95
normale
(2.8)
27
X
Pr 1,96
1,96 0,95
/ n
(2.9)
Pr X 1,96
X 1,96
0,95
n
n
(2.10)
Examinnd (2.10) constatm c am gsit exact ceea ce
cutam: un interval care s garanteze cu probabilitatea de
0,95 c va conine valoarea necunoscut . Expresia E pe
care am cutat-o este de fapt egal cu 1,96 / n .
Intervalul pe care l-am obinut este denumit, n mod
normal, intervalul de ncredere de 95% pentru .
Singura problem n legtur cu acest interval const
n aceea c E = 1,96 / n depinde de valoarea care, ca i
28
Elemente de econometrie
(2.11)
s
n
(2.12)
94
80
574 20,6
29
30
Elemente de econometrie
critic)(eroarea
(2.13)
31
(nici o modificare a
(2.14)
> 540
(cretere a
(2.15)
32
Elemente de econometrie
33
34
Elemente de econometrie
(2.17)
35
36
TS
564 540
75 / 100
Elemente de econometrie
3,2
37
38
Elemente de econometrie
39
HA: 540
X 540
/ n
40
Elemente de econometrie
k
n
(2.19)
Valoarea k depinde, ca de regul, de nivelul de
semnificaie ales.
Cunoatem faptul c n condiiile H0, = 540 astfel c
media eantionului X este N(540, 2/n). Aceast distribuie
este prezentat sub forma curbei din stnga din Figura 2.6,
centrat n jurul valorii X = 540. Punctele R i R din Figura
2.6 se situeaz la nivelul 540 - k n i, respectiv, 540 + k
n , pe axa X . Criteriul nostru de decizie (2.19) este de
aa manier nct, dac media eantionului X ia o valoare
la stnga lui R sau la dreapta lui R, respingem H 0.
Probabilitatea unei erori de tip I, respectiv respingerea lui H 0
atunci cnd este adevrat iar curba din partea stng
reprezint distribuia lui X , este egal cu suma ariilor de
sub curb la stnga fa de R i la dreapta lui R. Prin urmare,
aceasta este egal cu de dou ori aria care se desfoar la
dreapta lui R.
41
42
Elemente de econometrie
43
44
Elemente de econometrie
X
i
X .
motiv pentru care X
suma ptratelor
45
46
Elemente de econometrie
2
2
Var (Zi) = E Z i - E Z i
(prin definiie)
2
= E Z i (deoarece fiecare variabil Zi are o
medie de zero)
Dar toate variabilele Zi sunt N(0,1) i, prin urmare
toate prezint o variaie de o unitate. Astfel, ajungem la
2
egalitatea E Z i = 1 pentru toate valorile i.
47
Xi
are o distribuie N(0,1) pentru toate valorile i.
(2.21)
X
i i prezint o distribuie 2 cu n g.l.
(2.22)
deoarece reprezint suma ptratelor pentru n variabile
distribuiei normale standardizate care vor fi distribuite
independent dac eantionul valorilor X este aleatoriu.
Prin urmare, utiliznd (2.22), obinem:
s 2 n 1
2
g.l.
(2.23)
Acum avem n 1 grade de libertate, deoarece trecnd
de la suma ptratelor din (2.23) la cea din (2.24) am nlocuit
parametrul prin estimarea eantionului su, X .
48
Elemente de econometrie
49
2.5.3. Distribuia t
Z0
n
2
i
(2.25)
/n
i 1
50
Elemente de econometrie
51
(2.26)
Capitolul 3
Regresia liniar simpl
3.1. Domenii de aplicare
n practica analizei economice modelul liniar de
regresie are numeroase aplicaii. Vom preciza pentru nceput
cteva aplicaii ale acestuia:
funcia de consum din modelul lui Keynes
este:
C t a b Yt
(3.1)
unde:
Ct este consumul pentru un an
Yt este venitul pentru aceeai perioad
a,b sunt parametrii modelului de regresie
relaia liniar care exist ntre pregtirea
profesional i venitul obinut;
dependena liniar ntre gradul de dezvoltare a
unei ri i gradul de corupie din aceast ar:
H i a b CRi ,
(3.2)
unde:
Hi este indicele dezvoltrii umane nregistrat de o
ar,
CRi nivelul corupiei, ce se exprim printr-un
numr cu o zecimal din intervalul [1,10]. Nivelul
cel mai sczut al corupiei este n cazul n care
indicele este egal cu 10.
Cu privire la modelul liniar de regresie sunt necesare
urmtoarele precizri:
53
54
Elemente de econometrie
55
56
Elemente de econometrie
57
58
Elemente de econometrie
59
x1
x
2
.
x
.
.
x n
pentru
caracteristica
explicativ
(factorial).
y1
y
2
.
y
.
.
y n
(rezultativ).
pentru
caracteristica
explicat
60
Elemente de econometrie
61
62
var i X xi i2 .
Elemente de econometrie
(3.11)
0, i j
cov( i , j )
,i j
2
(3.13)
63
y i b axi
p(
)
y
x1
x2
y
64
Elemente de econometrie
E i 0
0, i j
,i j
cov i , j
N 0, 2
(3.15)
b) y i b a xi i , i = 1,..,n
Ipotezele sunt formulate asupra variabilei rezultative:
E y i X x i b a xi
0, i j
cov yi, yj
,i j
y N b a x 2
i
i
(3.16)
65
ei y i y i y i (b axi ) .
(3.18)
Apreciem c seria reziduurilor satisface egalitatea:
n
e
i 1
0.
(3.19)
(3.20)
a ,b
min
a , b
a ,b
yi b axi
66
Elemente de econometrie
a, b
a 2 yi b ax x 0
a, b
2 yi b ax i 0
i
b
i
(3.23)
Ecuaiile sunt stabilite aplicnd metoda momentelor.
Cele dou ecuaii se obin dup cum urmeaz:
- prima ecuaie rezult din condiia E i 0 ,
definind egalitatea:
1
ei 0 sau
n i
0;
(3.24)
1
xi ei 0 .
n i
(3.25)
nb a
67
x y
xi b a
x y
i
(3.26)
2 (a , b) / ab
=
2 (a , b) / b 2
) / a
2 ( a
, b
2
2 ( a
) / a
2
, b
b
2 x i
2 x i2
i
2 x i
i
2n
(3.27)
Matricea astfel definit are dou proprieti:
- este pozitiv definit;
- determinantul matricei este pozitiv:
4n xi2 4
i
xi
4n
(x
x)2 0 .
(3.28)
x y
i 1
n
x
i 1
2
i
nx y
nx
x
i 1
x yi y
x
i 1
.
2
68
wi
Elemente de econometrie
xi x
n
xi x
(3.29)
i 1
a wi y i .
i 1
(3.30)
i n
xi x 0 ;
Proprietatea a: i 1
2 i 1
xi x
i 1
Proprietatea b:
n
n
1
2
2
xi x 0
i
2
i 1
i 1
;
n
2
xi x
i 1
Proprietatea c:
i 1
i 1
wi xi wi xi x 1 .
(3.31)
(3.32)
b y ax
69
434,482b1026595a 13706,19
xi
yi
xiyi
xi2
i
y
1
2
3
4
5
6
7
8
9
10
35,892
36,517
36,617
36,325
34,093
32,093
27,952
25,924
26,349
27,406
2819
2841
2858
2877
3018
2933
2193
1973
1787
1777
101164
103737
104639
104494
102894
94115
61290
51154
47087
48690
1288,259
1333,506
1340,782
1319,472
1162,303
1029,944
781,3272
672,0616
694,2738
751,0730
28514,0
2931,0
2942,5
2908,8
2651,6
2421,1
1943,9
1710,1
1759,1
1880,9
-40,4710
-90,2578
-84,8109
-32,1626
366,5001
511,4994
248,8215
263,1102
27,9592
-104,2439
70
Anii
11
12
13
14
TOTAL
xi
yi
29,420
30,672
28,635
26,588
434,482
1955
2045
1629
1897
32600
xiyi
57524
62715
46652
50441
1036595
xi2
865,5274
940,7704
819,9827
706,9039
13706,1900
Elemente de econometrie
i
y
2113,0
2257,3
2022,6
2199,3
32600,2
i
-157,7342
-212,6428
-393,3979
-302,1692
0,0000
i N 0, f i
71
i2
2 2
(3.34)
~
i de aici rezult yi N b , a~xi , ~ . Modelul de
regresie devine specificat cnd sunt determinai parametrii
~
~
~, b
a
i , .
Avem, aadar, relaia:
f ( yi / xi )
~ ~
( yi b a
xi ) 2
2 2
(3.35)
i 1
(3.37)
2 2
i 1
~, b~, ~ 2
a
1
e
2
~ ~2
~, b
max a
,
~ ~2
~
a , b ,
(3.38)
72
Elemente de econometrie
~ ~2
~ ~2
~, b
~, b
max a
, max L a
,
~ ~2
~ ~2
~
~
a , b ,
a , b ,
(3.41)
log ~2
0.
~2
log ~2 n 1 1 1
~2 ~4
2 2
~2
(y
i 1
~
b a~xi ) 2 0 .
(3.42)
73
cov( x, y )
var( x)
(3.44)
.
a'
var( x )
(3.45)
(y
i 1
b axi ) 0 ;
74
Elemente de econometrie
d1 :
(x
i 1
b'a ' y i ) 0 .
ax b y ( d 1 )
a ' y b' x (d 2 )
(3.46)
d2
d1
x
Figura 3.3. Unghiul format din dreptele d1 i d2
75
yi y
(3.47)
1
b'
x , care definete dreapta care se
a'
a'
1
a ' a
1 a
a'
(3.48)
76
Elemente de econometrie
E (a ) a
var(a )
2
n
x
i 1
(3.49)
77
i, j
i j
w E ( ) wi w j E i j
2
i
2
i
i, j
i j
(3.52)
Pe baza ipotezei d (variabilele reziduale nu sunt
corelate), i a ipotezei homoscedasticitii variabilelor
reziduale, rezult:
2
var(a ) w w
i
i
( xi x )
2
i
2
i
(3.53)
a x
0.
78
Elemente de econometrie
(3.58)
Din acest rezultat deriv inegalitatea ntre varianele
celor doi estimatori:
var(a* ) 2 wi2 2 (ai wi ) 2 var(a* )
(3.59)
i
i
- n cazul n care variabila rezidual
repartiia normal, estimatorul urmeaz i el o
1
urmeaz
repartiie
variabilei
variabilei
79
1
a .
(3.60)
n x
Aadar, abaterea standard este direct proporional cu
dispersia observaiilor y1, y2, , y1n n jurul dreptei de
regresie i invers proporional cu numrul de observaii i
dispersia valorilor x1, x2, , x1n.
Cu ct valorile variabilei factoriale sunt mai
dispersate, cu att precizia estimrii este mai mare (gradul
de dispersare a seriei valorilor caracteristicii exogene este
msurat prin abaterea medie standard a seriei).
Estimatorul termenului liber al dreptei de regresie
obinut prin aplicarea metodei celor mai mici ptrate este un
estimator nedeplasat i de dispersie minim.
Se definesc urmtoarele dou relaii:
E (b) b i
var(b)
2
x2
1 2 .
n
x
(3.61)
(3.62)
80
Elemente de econometrie
b b x wi i i wi x i C i i
n i
n
i
i
i
(3.63)
Ponderile combinaiei liniare sunt C i wi x
1
.
n
C
i
x wi 1 1 ;
i
1
;
n
x2 n 1
C
;
- i
n
x2
i
- cov(C i , i ) 0 .
- E (C i )
(3.64)
(3.66)
81
var(b) E
Ci i
i
x2
2
2 1
i n S
i
xx
2 E
(3.67)
Acest estimator satisface teorema Gauss-Markov, ce
se poate demonstra ca i n cazul determinrii estimatorului
coeficientului pantei de regresie.
- Matricea de covarian a estimatorilor modelului
liniar de regresie a i b este reprezentat prin:
a ,b
S xx
var(a ) cov(a , b)
2
x
cov(b, a ) var(b)
S xx
x
S xx
1 x2
n S xx
(3.68)
Definirea matricei de covarian a estimatorilor are n
vedere relaiile:
cov(a , a ) var(a ), cov(b, b) var(b), cov(a , b) cov(b, a )
.
Formula de calcul a covarianei celor doi estimatori
ine seam de ipotezele modelului clasic de regresie,
rezultnd:
cov(a , b) E ( a a )(b b) 2 E wi i C i i 2 wi C i
2
1
2 wi wi x 2 x wi2
n
n
wi
i
2 x
S xx
82
Elemente de econometrie
(3.69)
- Estimatorul a converge n probabilitate ctre
parametrul a. n mod similar, estimatorul termenului liber
al modelului clasic de regresie, b , tinde n probabilitate
ctre b. Afirmaiile sunt evidente dac avem n vedere c:
2
var(a ) 2 n 0
n n
(3.70)
2
2
x
var(b) 1 2 n 0
n x
Covariana lui a i y , pentru xi fixat,
este nul:
(3.71)
cov a , y cov
w y , y
w cov y , y
.
Dar
2
1
1
cov( y i , y ) cov y i , y j cov( y i , y j ) ,
n j
n
j n
(3.72)
wi 0 .
n
n i
i
83
cov( x, y )
1.
(3.75)
y x
Am obinut astfel un nou indicator ce depinde de
unitile de msur ale celor dou variabile, fiind i o msur
statistic normalizat denumit coeficient liniar de corelaie,
introdus n statistic de K. Pearson. Indicatorul se calculeaz
prin relaia:
i ( xi x )( y i y )
(3.76)
r
n x y
84
Elemente de econometrie
cov(u , v) ad cov( x, y )
r ( x, y ) .
u v
a x d v
(3.77)
a ' r x .
(3.79)
y
85
x
y
86
de
Elemente de econometrie
x
y
S
R2 i
a 2 xx r 2 .
2
S yy
yi y
i
Valoarea coeficientului
interpreteaz pe baza relaiei:
r2
liniar
de
corelaie
S /n
SPE
SPR
1
1
.
SPT
SPT
S yy / n
se
(3.82)
2
unde am notat SPE y i y , cuantific acea parte a
i
2
SPR y i yi reprezint
i
acea
parte
87
2
variabilei factoriale X; SPR y i y msoar aciunea
i
(x
x )( y i y ) nij
i, j
n x y
(3.83)
1 2
n 2 t n2 .
(3.84)
88
Elemente de econometrie
1
N 0,
n 1
(3.85)
89
1 2
i var( R ) 1
E ( R ) 1
(3.86)
2n
n 1
1 1
1 1
1
.
lg
N lg
;
2 1
n3
2 1
(3.87)
r
n 2 t n2 .
1 r
Se calculeaz mrimea:
tp
r
1 r2
n2
(3.88)
90
Elemente de econometrie
y
i
b a xi y i y a xi x 0
i
(3.89)
Proprietatea nu este valabil pentru seria variabilelor
reziduale, ci numai n cazul n care este ndeplinit ipoteza
E ( i ) 0 pentru toi indicii i.
Vom exprima ecartul unei valori fa de valoarea
ajustat n funcie de variabila rezidual, rezultnd egalitile:
ei y i y i (b b) (a a ) xi i
(3.90)
ax i
a
x
Considernd relaiile
,
a a wi i , obinem:
i
ei i ( xi x ) wi i .
i
(3.91)
91
1
ei2 .
n2 i
(3.92)
E (ei2 ) 2 2 ( xi x ) 2 wk2 2 E i ( xi x ) wk k
n
k
k
2
2 ( xi x ) 2
n
1
k
2 2 xi x wi ( xi x ) wk ( xi x ) wi
n
k
.
(3.93)
Utiliznd operatorul de nsumare, innd seama de
proprietile seriei ( wi ) i 1,n , obinem:
E ( ei ) ( n 2) 2 .
(3.94)
i
Determinm estimatorul variaiei reziduale, ce se
ei2
compar cu estimatorul a 2 i
, estimator nedeplasat.
n
- Pentru modelul liniar de regresie, mrimea
dispersiei seriei ecarturilor (ei ) i 1, n este cu att mai mare cu
ct seria valorilor caracteristicii rezultative este mai mare, dar
mai mic dac dependena dintre cele dou caracteristici este
mai puternic.
92
Elemente de econometrie
SPE
, unde SPT = SPR + SPE. Deoarece
SPT
SPR
i din formula de calcul a dispersiei variabilei
SPT
reziduale obinem:
1 r
2
2
y
SPR SPT
2
SPT n
(3.96)
1
ei2 .
n i
(3.97)
n 2 xn22
(3.98)
2
1
2
i 2 sunt valori furnizate de repartiia
2 pentru n-2
93
Capitolul 4
Estimatori si metode de
estimare
n precedentele capitole am subliniat faptul c
parametrii populaiei erau necunoscui. Am vzut c pot fi
estimai cu dou modaliti: estimatorul punctual i intervalul
de ncredere. Exist multe situaii n care precizarea unui
anumit interval pentru un parametru necunoscut nu este
suficient i se impune calculul unor estimri punctuale.
Atunci cnd selectm un estimator punctual, considerm c
estimarea obinut este, ntr-un anumit sens, o estimare
bun. Odat definit ceea ce nelegem printr-un estimator
bun, apare o problem legat de cum ar trebui s
identificm astfel de estimatori
n vederea considerrii unor proprieti ale
estimatorilor, vom considera mai multe valori pentru o
variabil aleatorie, X. Valorile X sunt definite prin distribuii
probabilistice. S presupunem c respectiva populaie deine,
printre caracteristicile sale, i parametrul . poate fi, de
exemplu, media populaiei sau dispersia populaiei.
S presupunem c trebuie s fie estimat dintr-un
eantion aleatoriu de n observri asupra lui X , pe care l
reprezentm sub forma (X1, X2, X3......Xn). Prin urmare, Xi
reprezint observarea i. Vom utiliza simbolul ca
estimator al lui adevrat. Un astfel de estimator se va reda
printr-o expresie sau formul care implic unele sau toate
valorile Xi. Aceasta nseamn c va fi o funcie a observrilor,
respectiv:
95
^ ^
X1, X 2 , X 3. . X n
De exemplu, dac
(4.1)
^
X 1 X 2 X 3 ........ X n
n
-E(
, cu propia sa medie E(
) i dispersie E[
)].
96
Elemente de econometrie
este
(4.2)
)=
dintre E(
97
Dac
) = E(
(4.3)
undeva
departe de adevratul .
Este de preferat un estimator care n afar de a fi
nedeplasat, s prezinte i o dispersie mic, adic dispersia
distribuiei de selecie s fie ct mai mic posibil.
98
Elemente de econometrie
4.1.2. Eficiena
Despre un estimator
se spune c este un
1
XL XS
2
99
100
Elemente de econometrie
(4.4)
1
1
1
1
X 1 X 2 X 3 ....... X n
n
n
n
n
Despre un estimator
101
102
mare. Estimatorul
Elemente de econometrie
este
) = E(
ntruct Var (
(4.5)
- )2
) = E[
- E(
)] , variaia i MSE
) = . Altfel spus,
103
) = Var (
) + [Bias (
)]
(4.6)
104
Elemente de econometrie
105
(4.12)
n 0
(4.13)
106
Elemente de econometrie
Calculm
, sub forma:
/n
apoi
derivata
de
gradul
doi
i aa mai departe. Estimatorul
celor mai mici ptrate al populaiei este media eantionului.
Nu poate fi vorba de certitudine cu privire la faptul c
metoda celor mai mici ptrate va conduce la estimatori care
s posede proprietile discutate anterior. Proprietile
estimatorilor celor mai mici ptrate trebuie s fie investigate
pentru fiecare caz n parte.
d 2 S / d 2 2 1 2n 0
107
108
Elemente de econometrie
109
d Pr
15
14
136 2 1 15 2 1 0
d
Rezult c:
1
14
21 15 0
(4.15)
2
0,118
17
110
Elemente de econometrie
(4.16)
(4.17)
111
0<<1
(4.18)
i = 1, 2, 3,
,n
(4.19)
L 1 X 1 1 X 2 1 X 3 ...... 1 X n
(4.20)
112
Elemente de econometrie
prin maximizarea
(4.21), aa-numita funcie de
probabilitate logaritmic.
Aceasta se dovedete a fi o sarcin mai puin
anevoioas dect maximizarea funciei de probabilitate
originale.
Pentru a maximiza (4.21) se calculeaz diferenialul
n raport cu i se stabilete derivata rezultat la zero. Astfel:
dl
n
Xi 0
d
1
sau
n 1 X i
(4.22)
113
X
nX
i
X
1 X
(4.23)
E X
1 E X
(4.24)
(4.25)
114
Elemente de econometrie
(4.26)
L = e X 1 e X 2 eX 3 ...... e X n
l ln L ln X 1 ln X 2 ln X 3 ..... ln X
sau
l n ln X i
(4.27)
115
(4.28)
n
1
Xi X
(4.29)
Toate exemplele de probabilitate maxim pe care leam luat n consideraie pn acum au implicat numai un
singur parametru al populaiei. Totui, dup cum indic
(4.17), metoda poate fi utilizat pentru estimarea mai multor
parametri simultan.
Ca exemplu de estimare simultan pentru 2 parametri,
s presupunem c avem o populaie distribuit normal, de
valori X, cu media i variaia 2. Se urmrete stabilirea
MLE pentru i 2.
ntruct ln(e) = 1, aceasta nseamn c:
ln p X ln 2 2
0 , 5
0,5 X
/ 2
116
Elemente de econometrie
(4.31)
0,51 / X
2
(4.32)
(4.33)
i
l
0,5n 0,5
2 4 Xi 0
2
117
(4.34)
Xi / n X
(4.35)
v2
(4.36)
Capitolul 5
Unele precizri privind modelul
clasic al regresiei cu dou
variabile
n prezentarea anterioar am avut n vedere utilizarea
estimatorilor celor mai mici ptrate regulate (OLS = ordinary
least squares) n analiza regresiei de dou variabile. Am
sublniat faptul c estimrile obinute prin metoda celor mai
mici ptrate regulate din orice set de date sunt specifice
respectivului set de date. Eantioane diferite vor conduce la
estimri diferite. Aceasta nseamn c estimatorii OLS sunt
afectai de variabilitatea eantionrii i dein distribuii de
selecie. Subliniem nc o dat faptul c nu exist nici o
garanie n sensul c estimatorii OLS i distribuiile lor de
selecie vor prezenta vreuna dintre proprietile dorite. Nu
exist nici un motiv pentru care estimatorii OLS ar trebui s
fie cu necesitate, de exemplu, nedeplasai sau compatibili.
Situaia ar fi diferit dac se poate demonstra c anumite
condiii se susin.
5.1. Ipotezele modelului clasic al regresiei de dou
variabile
Modelul clasic al regresiei de dou variabile s-a
dezvoltat la nceputul secolului trecut pentru a fi utilizat n
tiinele fizice. Dup cum vom vedea, multe dintre ipotezele
pe care este cldit sunt neadecvate atunci cnd se lucreaz cu
date privind tiinele sociale.
119
(5.1)
120
Elemente de econometrie
ca
121
122
Elemente de econometrie
123
124
Elemente de econometrie
(5.2)
x y x Y Y x Y
i i
i i
i i
ntruct Y xi 0 ?
unde:
wi
xi
pentru toate valorile i
xi2
(5.4)
De reinut c, deoarece
(5.5)
0 , iar xi X i X ,
w X
i
w x
i
125
(5.6)
wi X i i wi wi X i wi i
i apoi
^
wi i
(5.7)
estimatorul intercept
5.2.1. Liniaritatea
126
Elemente de econometrie
este o funcie
obinem:
^
w1 1 w2 2 w3 3 ... wn n
(5.8)
127
^
E w1E1 w2 E 2 w3 E 3 . . wn E n
(5.9)
^
E
Astfel,
(5.10)
este un
5.2.3. Compatibilitatea
128
Elemente de econometrie
x x /n
x x /n
^
i i
2
i
i i
2
i
(5.11)
xi i / n
xi i / n
^
pLim pLim pLim 2 pLim 2
x /n
x /n
i
i
(5.12)
Am utilizat proprietatea limitelor probabilistice
prezentat anterior i faptul c limita probabilistic a oricrei
constante este egal cu respectiva constant, rezultnd:
^ pLim xii / n
pLim 2
pLim xi / n
(5.13)
x
i
n
xi 0 )
X i
n
129
(n condiiile n care
Prin urmare,
xi i / n reprezint covariaia
eantionului ntre X i .
2
n numitorul din partea dreapt a relaiei, xi / n
reprezint variaia eantionului pentru valorile X.
n
condiiile date ale unui Xi non-stochastic, pentru a-i afla
2
limita probabilistic, trebuie s lum limita lui xi / n pe
msur ce mrimea eantionului, n, tinde ctre infinit. Dar,
avnd n vedere ipoteza IC, aceast limit este dat de
constanta fix Q.
Prin urmare, ecuaia se reduce la forma:
^ 0
pLim
Q
Prin urmare,
130
Elemente de econometrie
, este un estimator
131
2^
2^ , sunt urmtoarele:
^ 2
Var ^ 2
xi
2
(5.14)
^ 2 Xi
Var ^ 2
n xi
2 2
(5.15)
.
Rdcinile ptrate ale dispersiilor i
2
sunt
i,
132
Elemente de econometrie
133
trebuie s aib, de
sunt nedeplasai i
=>
unde
^
, 2
=>
(5.16)
, 2 ,
^
2^
(5.17)
2^
134
Elemente de econometrie
2
i
2
i
(5.18)
n n 2
135
(5.19)
(5.20)
136
Elemente de econometrie
Dac suntem siguri n legtur cu specificaia nonliniar pe care am ales-o atunci, nu numai c putem estima
parametrii populaiei de o manier satisfctoare dar putem,
de asemenea, s elaborm inferene n ceea ce-i privete. De
exemplu, s presupunem c n cazul curbei Engel am fi dorit
s verificm ipoteza conform creia elasticitatea cheltuielilor
pentru produse alimentare n raport cu cheltuielile totale este
mai mic dect unitatea. Aceasta presupune verificarea
ipotezei nule H0 : = 1 n cadrul relaiei de dubl nchidere,
n comparaie cu alternativa HA. Pentru elasticitatea necesar
a fost
0,364 ,
s = 0,126/23=0,00549
Astfel, variaia estimat pentru
s 2^ 0,005
este:
1 0,364 1
23,55
s^
0,027
137
Capitolul 6
Inferena statistic n
regresia simpl
n acest capitol vom prezenta cele mai semnificative
probleme legate de inferena statistic n cadrul modelului
simplu de regresie; cum sunt: testarea semnificaiei
parametrilor; definirea de intervale de ncredere; compararea
caracteristicilor a dou drepte de regresie; testarea
normalitii reziduului; predicia valorilor variabilei
rezultative; domenii de aplicare a regresiei simple; etc.
6.1. Aspecte privind testarea semnificaiei modelului de
regresie
Pentru testarea semnificaiei modelului liniar de
regresie sunt aplicate procedeele statistice: testul Student i
analiza variaiei.
n prezentarea celor dou procedee folosite pentru
testarea ipotezelor formulate asupra parametrilor modelului
de regresie facem precizrile:
- estimatorii parametrilor modelului liniar de regresie
sunt de dispersie minim n clasa estimatorilor nedeplasai;
- dac parametrii modelului sunt estimai prin metoda
celor mai mici ptrate, atunci dispersia reziduului se
estimeaz prin relaia:
2
1
n2
e
i 1
2
i
(6.1)
139
N (0, 2 ) .
Pornind de la proprietile estimatorilor parametrilor
modelului liniar de regresie, estimatorii a i b sunt
combinaii liniare de variabile aleatorii repartizate normal.
Pentru definirea statisticilor sunt considerate
urmtoarele dou situaii:
dispesia variabilei reziduale este cunoscut.
innd seama de expresiile celor doi estimatori,
rezult c acetia satisfac urmtoarele dou proprieti:
a N a,
( xi x ) 2
(6.2)
1 x
b N b,
n
x2
a
b b
a a
(x
i
b b
1
x2
n n x2
x) 2
N (0,1),
N (0,1).
(6.3)
140
Elemente de econometrie
2
i
2n ;
i 1
i 1
xi
2n ;
tk .
a a
(x
x) 2
a a x
e
n 2 t n2
(6.4)
-
141
b b
x2
t n 2 .
(6.5)
xi x 2
i
a
a
/ 2; n 2
, atunci se
t / 2; n 2
142
Elemente de econometrie
b t / 2; n 2 b b b t / 2;n 2 b
(6.7)
Pentru a testa dac dependena liniar dintre cele dou
variabile este semnificativ, deci dac valoarea coeficientului
pantei este diferit de zero, se recurge i la analiza dispersiei.
Testm separat fiecare parametru al modelului de
regresie sau vom recurge la un procedeu pentru testarea
simultan a acestora. ntruct cei doi estimatori, a i b , nu
sunt variabile aleatorii independente, se apreciaz c testarea
succesiv a celor doi parametri nu este tocmai corect. Se
recomand testarea simultan a celor doi parametri. Vom
defini ipoteza testului:
H 0 : a a 0 , b b0
H 1 : a a 0 , b b0
Dac notm cu
estimatorul matricei de
( a ,b )
covarian a estimatorilor parametrilor modelului liniar de
regresie, atunci definim:
Fa ,b
1
2 2
1 a a
2 b b
a a
b b
( a ,b )
2
2
n( a a ) 2n x( a a )(b b) (b b)
x
i
2
i
F2; n 2
(6.8)
Pentru testarea simultan a celor doi parametri, vom
nlocui n expresia lui Fa,b pe a,b prin a0, b0. Pentru un prag de
semnificaie stabilit se citete din tabelul repartiiei Fisher
Snedecor valoarea F ; 2;n 2 .
Dac este ndeplinit inegalitatea Fcalculat > Ftabelat,
atunci se respinge ipoteza nul, acceptnd c cel puin un
parametru difer semnificativ de valoarea specificat.
143
SPT
(y
y) 2
i 1
SPE
( y
y) 2
i 1
SPR
(e )
i
reprezint
suma
ptratelor
i 1
erorilor de estimaie.
ntre cei trei termeni se verific egalitatea
SPT = SPE + SPR
(6.9)
Pentru fiecare termen din ultima egalitate se
determin numrul gradelor de libertate. Astfel, pentru cei
trei termeni acestea sunt egale cu n-1, n-2, 2-1.
Pentru a defini statistica testului se ine seama de
proprietatea variabilelor 2 , care arat astfel:
Dac x i z sunt dou variabile aleatorii independente
ce au repartiiile 2 cu k2 grade de libertate, atunci:
F
x / k1
z / k2
Fk1 ;k 2
(a a )
12
(6.10)
2
i
Din proprietile variabilei reziduale se obine:
2
a
144
Elemente de econometrie
2
i
(6.11)
n2 2
x2
ei2 /( n 2)
F (1, n 2)
(6.12)
x x
e /(n 2)
a 2
2
i
F (1, n 2)
(6.13)
y i 2
.
Testul F se scrie sub forma echivalent:
F
SPE / 1
SPR /(n 2)
(6.14)
R2
1 R 2
( n 2) .
(6.15)
145
r
1 r2
n 2 t n2 .
146
Elemente de econometrie
a a '
a2 a2 '
statistica testului: t .
d
Dac se ine seama de faptul c cei doi estimatori sunt
independeni, atunci statistica testului este:
t d / a2 a2 '
(6.17)
Pentru a testa ipoteza nul se stabilete un prag de
semnificaie . Din tabelul repartiiei Student se determin
valoarea tabelat t / 2 . Dac valoarea calculat prin (6.17)
este mai mare dect t / 2 atunci se respinge ipoteza nul. Se
accept c cei doi coeficieni difer semnificativ.
-
147
1
-
32
23
coeficientul de aplatizare
2 4
2
Pentru a defini testele statistice folosite pentru
verificarea repartizrii reziduului dup o distribuie normal
se utilizeaz urmtoarea proprietate a coeficienilor de
asimetrie i aplatizare:
148
Elemente de econometrie
11 / 2 N 0,
2 N 3,
6
,
n
24
n
S t
unde
149
i K t1 ,
2
1/ 2
J B 1
24
2 3
22 .
2
n
n
1
2 3
6
24
150
Elemente de econometrie
151
(6.19)
var e0
1
1
n
x x
x x
(6.20)
152
Elemente de econometrie
2x x
0
S xx
1
1
x
x 02
S
n
S
xx
xx
1
1
n
x x
x x
(6.21)
y 0 y 0
t n 2
p
Am notat prin p estimatorul abaterii medii standard
a erorii de previziune comise n cazul n care se efectueaz o
previziune pentru mrimea y0. Aceasta este calculat prin
relaia urmtoare:
1
x x
x x
2
(6.22)
1
1
n
x x
x x
2
y 0 y t / 2
1
1
n
x x
x x
2
(6.23)
153
1
var(e0 )
n
x x
x x
(6.24)
154
Elemente de econometrie
155
t t
(6.26)
2
unde:
- t este coeficientul liniar de corelaie calculat
pentru a msura dependena liniar dintre randamentul
aciunii i indicele pieei;
- t reprezint abaterea standard calculat n cazul
randamentului aciunii;
156
Elemente de econometrie
157
158
Elemente de econometrie
var( Ri ) i2 E ( Ri j R i ) 2 E i ( RP j RP ) ( ij ij )
i2 2p 2i
(6.
29)
Ultimul termen al relaiei de mai sus pune n eviden
faptul c riscul total al unei aciuni se descompune n dou
componente: cea datorat riscului sistematic, pe de o parte, i
cea datorat riscului ce rezult din schimbri aleatorii. n
aceste condiii se scrie urmtoarea egalitate:
159
i2 i2 2p 2i
(6.30)
E[ k p ( RT j RT ) 2 ] E[ k ( RP j RP )( pj
E[ p ( kj k )( RP j RP )] E[( pj
k p
2
p
k 2p , RP
2
p k , RP
)]
)( kj k )]
2k ,p
2p , RP 2kp 0
160
Elemente de econometrie
i 1
i 1
unde T f i i , T f i i .
Aceast egalitate se deduce fr dificultate dac inem
seama de relaia (6.29) i de structura portofoliului. Lund n
considerare cele dou elemente, se obine pentru fiecare
aciune din portofoliu:
f i E ( Ri ) f i i f i i E ( RP) .
Pentru toate aciunile se adun aceste relaii. Apoi, din
formula de calcul a mediei aritmetice, se obine relaia de mai
sus.
- Riscul total al portofoliului, msurat prin dispersia
randamentului ntr-un orizont de timp, este constituit din
riscul sistematic, la care se adaug riscul aleatoriu ce se
manifest la nivelul pieei financiare.
innd seama de relaia de calcul a riscului
portofoliului i de relaiile (6.30) i (6.31) se obin rezultatele
urmtoare:
2
T
2
i
i 1
i 1
j 1
2
T
2
T
ij
i , j 1
i j
2
T
i 1
i 1
fi (
2
p
2
i
2
i )
i 1
i 1
.
Riscul portofoliului se descompune n cele dou
componente conform egalitii urmtoare:
T2 T2 T2
f
i 1
2i
(6.32)
i 1
i , j 1
i j
2
T
2
T
161
[min]( 2 )
T
f 1 ,..., f m
E ( RT )
f E(R )
i
(6.33)
i 1
f
i
i 1
Capitolul 7
Modelul clasic al regresiei
multiple
Situaia n care corelaiile economice implic numai
dou variabile se ntlnete foarte rar. Mai degrab ne
confruntm cu situaii n care o variabil dependent, Y,
poate depinde de o ntreag serie de variabile factoriale sau
regresori. De exemplu, cererea pentru o marf nu depinde
numai de preul acesteia ci i de preurile mrfurilor
substituente sau complementare, de nivelul general al
preurilor precum i de resursele consumatorilor. Astfel, n
practic, exist, n mod normal, corelaii de forma:
Y = 1 + 2 X2 + 3X3 + 4X4 +...+ kXk +
(7.1)
163
(7.1a)
164
Y1
Y2
Y
3
165
1X 21 X 31 ... X k1
1X 22 X 32 ...X k 2
Y =
1
2
3
.
.
Yi
1X X ... X
23 33
k3
X =
.
.
1X 2i X 3i ...X ki
166
2
3
.
.
(7.5)
167
^^^ ^ ^
Y 12 X23X3 . k Xk
unde
reprezint estimri
168
^^^ ^ ^
Y 12 X2i3X3i . ki Xki
(7.6)
Yi Yi ei
(7.7)
169
^^ ^ ^
Yi =
(7.8)
Y X e
(7.9)
e1
e2
e
3
.
.
.
k
e .
e
n
170
^ ^^ ^
1, 2 , 3 . k
^2
S e Yi Yi
2
i
(7.10)
unde
Yi
171
Minimizarea
ecuaiei
(7.10)
implic
^
calcularea
pe rnd. Aceasta
S e' Y X ' Y X
^ ^
Y' X'' Y X
^
^^ ^
(7.11)
172
^ ^ ^
ultimul
pas
este
posibil
deoarece
raport cu vectorul
S
^
2 X 'Y 2 X ' X 0
(7.12)
X ' X X 'Y
Ecuaiile
(7.13)
^
173
^ ^ ^
Prin urmare:
Xe = 0
(7.14)
0 ,
e X
i
2i
0,
e X
i
3i
0,
e X
i
4i
0 etc.
(7.14a)
174
X'X
Prin urmare:
^
X ' X X 'Y
1
(7.15)
trebuie s parcugem
urmtoarele etape:
(i)
formm matricea k x k pentru XX
i matricea k x 1 pentru XY;
(ii)
formm matricea invers k x k
-1
pentru (XX) ;
(iii)
multiplicm matricea k x k pentru
-1
(XX) n matricea k x 1 pentru XY.
Etapa (iii) de mai sus conduce la vectorul k x 1 al
^
estimrilor OLS, .
Etapa (ii) implic cel mai mare efort de calculaie.
Chiar i cu numai dou variabile factoriale X, k = 3, ne
confruntm cu inversarea unui numr de 3 x 3 matrici. Pe
msur ce numrul variabilelor factoriale crete, dificultatea
calculului crete exponenial. Din aceast cauz, calcularea
expresiei (7.15) este n mod normal sarcina unui. Sunt
175
^^ ^ ^
Y 1 2 X 2 3 X 3 . k X k e
(7.16)
^ ^
(7.8a)
176
^^ ^ ^
Yi =
Y X e , respectiv:
^
y =x +e
(7.9a)
x i sub forma:
y,
y1
y2
y
3
2
3
4
.
.
.
.
yn
177
x x x ...x
23 33 43 k 3
x=
......................
178
Ecuaia y = x + e difer de
Y X e
prin aceea c
redefinit
X ' X X 'Y
1
(xx)
-1
xy
fa de
. Din moment ce
valoare pentru
179
e0:
^ ^ ^ ^
1 Y 2 X 2 3 X 3 . k X k
(7.17)
1.
180
(7.18)
Y Y
181
^ ^ ^
e ii YY ei X22 i3X3i . kiYX 1ei 2X2iei 3X3iei .
^ ^^^ ^ ^
(7.19)
k X ki ei Y ei 0
Astfel:
Y Y (Y
2
2
2
Y
)
i
i
(7.20)
sau
SST = SSE + SSR
Ecuaia (7.20) este identic cu cea aferent regresiei
cu dou variabile. Ea implic faptul c, pe ansamblul
182
R2
Putem considera
variabile, astfel c:
R2 1
e
y
2
i
2
i
(7.21)
(7.22)
183
e y x y x y . x y
2 2
i i 2 2i i 3 3i i k ki i
(7.23)
2
i
AIC = ln
(7.24)
2k
184
0,4901 / 23
= 1 - 1,587 / 24 0,678
4
49010
7,74
25
25
AIC = ln
0,3234 / 22
= 1 - 1,587 / 24 0,778
6
32340
7,40
25
25
AIC = ln
185
186
, vectorul estimatorilor
187
188
189
E 12 )E 1 2 E ( 1 3 ...E 1 n
E 1 2 E E 2 3 ...E 2 n
2
2
E '
.
.
(7.25)
n1 E n 2 E n 3 ...E n2
E
0 2
E '
0
0
0
0
0
0
2
0
...0
...0
2
In
...0
... 2
(7.26)
190
(7.27)
(XX)-1XY
CY
191
(XX)
-1
X(X + )
= (XX)-1X
= + C
X + (XX)-1X = I + C
(7.29)
192
j j c j1 1 c j 2 2 ... c jn n
(7.29a)
^
E j j c j1E1 c j2 E 2 . . c jn E n
pentru toate
valorile j
Conform ipotezei IIA, E(i) = 0 pentru toate valorile
i. Astfel:
(7.30)
j,
sunt nedeplasai.
E( ) = + CE()
j
(7.30a)
193
E( ) =
(7.30b)
7.3.3. Compatibilitatea
j.
Aceasta
sunt
se
valorile j.
7.3.4. Cel mai bun estimator liniar nedeplasat
194
E '
^ ^
195
E E ...E
1
1 1 2 2 1 1 k k
E E 2 ...E
2
2
2
2
k
k
2 2 1 1
.
.
E
k
k
1
1
E '
Cov 1 , 2
Var 2
Var 1
Cov 2 , 1
E ...E
2
ntruct j E j
scrie (7.31) sub forma:
(7.31)
Cov ,
k
1
Cov k , 2
... Cov 1 , k
... Cov 2 , k
.
.
...
Var k
(7.32)
196
(7.33)
197
(7.35)
(7.36)
(7.35a)
i
Cov ( i , j ) = 2xij
(7.36a)
pentru toate valorile i j
unde xij este elementul din rndul (i 1) i coloana (j
1) a matricei (xx)-1. Expresiile (7.35a) i (7.36a)
sunt
alternative pentru (7.35) i (7.36), adesea utile n scopuri de
198
199
(7.37)
(7.37a)
2
i
(7.38)
2
E( ~ )
nk 2
2
n
(7.39)
200
(7.40)
201
(7.41)
(7.42)
(7.43)
valoarea lui t 0, 025 depinznd de n k, respectiv
numrul gradelor de libertate. Pentru a obine un interval
99% , se nlocuiete t 0, 025 cu t 0 , 005 .
Verificarea verosimilitii poate continua de-a lungul
liniilor similare celei stabilit n regresia cu dou variabile.
202
203
Capitolul 8
Regresia neliniar
8.1. Aspecte generale
Evoluia fenomenelor economice nu evolueaz dup
traiectorii liniare, putnd avea i traiectorii neliniare.
Analiza corelaiilor dintre variabilele economice se
poate face i dup funcii neliniare, care prin transformri
sunt liniarizate. Procedm astfel pentru prezentarea modelului
neliniar ntr-o form echivalent simpl i uor de interpretat
valorile parametrilor, sau pentru estimarea acestora.
Astfel, dac dependena dintre dou variabile este
x
reprezentat prin modelul neliniar de regresie, y i a i i , ,
prin logartimare, obinem modelul de regresie liniar
y i ln b ln a xi ln i .
n estimarea parametrilor unui model neliniar de
regresie procedm astfel:
- estimm parametrii aplicnd metoda celor mai
mici ptrate;
- prin transformri, liniarizm funcia neliniar,
apoi se estimeaz parametrii prin aplicarea metodei celor mai
mici ptrate;
- determinm parametrii prin metode numerice.
8.2. Modele liniarizabile prin logaritmare
Prezentm modelele semilogaritmic i cel dublu
logaritmic, ce se pot liniariza.
205
(8.2)
Utiliznd substituiile
y i k log y i , xi log xi a log i , modelul liniar de
regresie devine:
y i a bxi i
(8.3)
206
yi a 0 axib i
y i xi a 0 ;
n situaia modelului cu termen liber, lim
x
- dac b > 0, funcia neliniar este cresctoare iar
lim y i xi ;
x
-
cnd
207
y i y i
:
;
xi xi
derivata
(8.4)
de
ordinul
al
doilea
este
yi
ab b 1 xib 2 , rezult: b 0,1 , funcia analitic
2
xi
este cresctoare i concav; b = 1, modelul de regresie se
reduce la modelul simplu liniar, fr termen liber; b > 1,
funcia este cresctoare i convex.
2
y i a b xi i , a, b R
(8.5)
Modelul
devine
liniar
(8.6)
prin
u i ln y i , i ln xi , a ln a i b b ;
substituirea
lui
208
i b e b
y i a b
xi
, i 1, n
1 y
y x
(8.7)
209
yi a
b
i
xi
(8.8)
reciproc
y i / xi b / x i2
210
lim y x a
x
1
mici ptrate. Din condiia y i a b
x
i
i
= minim se
n
1
na b x y i
i 1 i i 1
n
n
yi
1
1
a b
2
x
x
i 1 i
i 1 i
i 1 x i
n
Rezolvm sistemul
necunoscutele a i b .
liniar
de
ecuaii
avnd
b
, i seria
xi
erorilor de ajustare.
8.4. Unele aspecte privind modelul parabolic
Acest model se utilizeaz n cazul n care ritmul de
evoluie caracteristic urmeaz o funcie liniar, avnd
211
(8.9)
c bxi axi2
liniar de ecuaii:
212
i 1
i 1
nc b xi a x y i
i 1
i 1
2
i
i 1
c xi b x a x y i xi
2
i
i 1
3
i
i 1
i 1
i 1
i 1
3
4
2
c x b xi a xi y i xi
i 1
2
i
213
(8.11)
Considernd
ultimafuncie polinomial, definim
patru tipuri de costuri:
a) costul mediu al produciei pentru o perioad (ct):
ct
yt
1
0 1 2 xt 3 xt2 t
xt
xt
(8.12)
214
yt
xt
(8.13)
dy t
1 2 2 xt 3 3 xt2
dxt
(8.14)
(8.15)
215
1 1
1
1
d f a, b d 2 f a, b ... d k f a, b ,
1!
2!
k!
(8.16)
unde
x1 a x 2 b f a, b ,
d 1 f a, b
x 2
x1
f x1 , x 2 Pk x1 , x 2 Rk x1 , x 2
(8.17)
(8.18)
216
(8.19)
0 1 z1t 2 z 2t ... k z kt t
y t x jt
x jt y t
ln y t
j
ln x jt
217
Yt AK1 Lt e t
(8.20)
unde:
Yt
cuantific producia sau costul produciei;
Kt capitalul fix;
Lt fora de munc;
A,,- parametrii reali;
t - variabil rezidual.
A doua form de reprezentare sau funcia CobbDouglas cu progres tehnic, variabila timp fiind inclus
explicit n cadrul funciei, definit prin relaia:
Yt AK1 Lt e mt
(8.21)
218
Yt K t
K t Yt
ln Yt
ln K t
eK
parial
Yt Lt
Lt Yt
ln Yt
ln Lt
Elasticitatea scalei este egal cu suma celor dou
elasticiti:
eL
e = eL + eK = +
Pentru funcia de producie Cobb-Douglas,
elasticitatea scalei se calculeaz numai n raport cu cei doi
parametri, existnd trei situaii:
- proces de producie cu randament de scal
descresctor, cnd elasticitatea scalei este mai mic dect 1:
+<1
- proces de producie cu randament de scal
constant, elasticitatea scalei fiind unitar:
+=1
Dac cele dou intrri cresc, atunci i ieirile cresc n
aceeai proporie.
219
1
1
2 2 cov ,
t n 3
K
Yt
A t
Lt
Lt
et
(8.22)
220
Yt
Kt
Lt ;
Lt .
y t f k t Ak t e t
(8.23)
f " kt
f ' kt 0,
(8.24)
221
2 ln K t 2 ln Lt 1 ln K t ln Lt
2
(8.25)
Relaia (8.25) reprezint seria Taylor a funciei (8.24)
n punctul (1, 1).
Modelul neliniar reprezentat prin funcia de producie
CES este definit prin relaia de mai jos:
Yt K t 1 Lt
et
(8.26)
unde:
Yt
- variabila ce cuantific ieirile din cadrul
sistemului;
Kt
- capitalul fix;
Lt
- capitalul uman;
,,, - parametrii modelului;
t
- variabila rezidual ce are repartiia N(0, 2 )
Parametrii modelului CES au urmtoarele semnificaii
i domenii de valori:
> 0 reprezint pentru aceast funcie de
producie parametrul de eficien al procesului de producie;
222
0,1 este
procesului de producie;
parametru
de
distribuie
al
(8.27)
Yt 1 X 1t 2 X 2t ... n X nt e
t
unde
i 1
Yt A K t 1 Lt
e mt t
1
1
223
ln Yt ln lnK t 1 Lt t
(8.28);
(8.29);
estimm parametrii modelului de regresie (8.28) aplicnd
MCMMP; determinm estimatorii modelului de regresie
(8.28) lund n considerare urmtoarele patru relaii definite
pentru parametrii CES i translog:
224
e
1 1
1
2 11
1
0
(8.30)
Capitolul 9
Autocorelarea i
heteroscedasticitatea
n utilizarea seriilor de date reale, nu de puine ori,
una sau mai multe ipoteze nu sunt respectate. Astfel, de
regul, nu sunt verificate ipotezele:
- variabilele reziduale sunt autocorelate;
- variabilele reziduale nu au dispersie constant;
- variabilele exogene nu sunt liniar independente;
- valorile variabilelor ce definesc modelul liniar de
regresie sunt afectate de erori de observare.
Acestea afecteaz calitatea estimatorilor i modelul
liniar de regresie n ansamblul su.
Metoda celor mai mici ptrate nu ofer cele mai bune
rezultate n procesul de estimare a parametrilor i de aceea se
recomand utilizarea i altor metode pentru estimarea
parametrilor.
9.1. Unele aspecte privind autocorelarea erorilor
n regresia clasic variabilele reziduale sunt
necorelate. De exemplu, pentru modelul liniar de regresie y =
X + , matricea de covarian a variabilelor reziduale este
definit prin:
226
cov 1 , 1
cov 2 , 1
cov 1 , 2
cov 2 , 2
...
cov 1 , n
...
...
...
...
cov n , `
... cov 2 , n
cov n , 2
... cov n , n
1
2 1
...
n 1
1
1
...
n2
n 1
... n 2
... ...
...
1
...
cov i , i k
var i var i k
k
,
0
k = 1,2, ..., n 1
227
(9.1)
unde ui , i = 1, ..., n, sunt variabile reziduale ce
satisfac ipotezele modelului clasic de regresie.
- Modelul liniar de regresie nu exprim corect relaia
de dependen dintre variabila rezultativ i variabilele
factoriale, deoarece: modelul se exprim sub forma unei
combinaii liniare de variabile n condiiile n care o
specificare corect a modelului trebuie s fie exprimat
228
229
DW
e
i 2
ei 1
e
i 1
(9.2)
2
i
(9.3)
DW 21
e e
i 2
n
i i 1
e
i 2
(9.4)
2
i 1
230
DW
ei2 2 ei ei 1 ei21
i 2
i2
n
i 2
21 .
i 1
2
i
e e e
i 2
2
i
i 2
e
i 2
2
i
i i 1
2p
n p 1
ei ei 1
2 1 i 2
n
ei2
i 2
(9.5)
231
Decizia testului
Se respinge H0 > 0
Indecizie
Se accept H0
Indecizie
Se respinge H0 < 0
232
i j i j u j
j 1
j 1
j 1
y i j ei j j x ji vi
233
j 1
j 1
ei j ei j j x ji vi ;
(9.6)
234
E 0
unde
w1
0
var 2
...
0
w2
...
0
... 0
... 0
... ...
... wn
e12 0
0 e22
... ...
0 0
... 0
... 0
... ...
... en2
De
multe
ori,
nerespectarea
ipotezei
homoscedasticitii se ntlnete n cazul folosirii datelor
235
x
ji
j 1, p
, yi
(9.7)
i 1, g
y i xi
unde:
E 0,
1
n
1
2 0
iar var E ' ,
...
...
1
... 0
n2
... ... ...
1
0 ...
n g
(9.9)
236
unde:
n1
0
M
...
...
...
...
0
0
...
...
n g
0
n2
...
X ' M ' M X
X ' M ' MY
(9.10)
237
(9.11)
1i 1 ...
p i
x ji x ji
x ji
x ji
(9.12)
y
y i* xi* i* , unde
*
i
yi
xij
x1i
x pi
,...,
x ji
x ji
i* i
x ji
*
i
(9.13)
Reziduul modelului
modelului clasic de regresie:
(9.12)
verific
ipotezele
238
E i*
1
E i 0;
x ji
var i*
1
var i 2 ;
x 2ji
cov i* , t*
1
cov i , t 0
x ji x jt
x 2j1
0
2
...
0
x 2j 2
...
0
0
... ...
... x 2jn
...
...
(9.14)
yi
x ji
x1i
x ji
1 ...
x pi
x ji
i
x ji
(9.15)
239
x j11 / 2
0
M
...
0
x
1 / 2
j2
...
0
...
0
...
0
...
...
... x jn1 / 2
240
j 1
j 1
ei2 a j x ji b j x 2ji vi
(9.16)
(9.17)
n ambele situaii, pentru a stabili dac ipoteza
homoscedastisticitii este valabil, se recurge la un test
Student sau la statistica LM.
n primul caz (9.17) definim ipotezele testului:
H0: a1 = ... = ak = b1 = ... = bk = 0 model
homoscedatic
H 1 : a 0 sau bi 0 model heteroscedatic
241
n c
242
x , x ,..., x , x ,..., x
,x
,..., x
1 2 n1 n1 n1 c n1 c 1 n
prima subserie
valori excluse
a doua subserie
3
4
i 1, n1 ,
cu
n1
y i a 2 b2 xi i , i 1,
SPR2
nc
i
1
2
y i
SPR2 / n2 p
F n1 p, n2 p
SPR1 / n1 p
243
i2 f Z i vi
(9.18)
Tipul
heteroscedasticitii
244
1.
ei a 0 a1 x ji u i
1/ 2
2. ei a 0 a1 x ji u i
3. ei a 0
a1
ui
x ji
i2 b0 b1 x 2ji vi
i2 b0 b1 x ji vi
i2 b0
b1
vi
x 2ji
Bibliografie
Anghelache, C.
Anghelache, C.
Anghelache, C. i
colaboratorii
Anghelache, C. i
colaboratorii
Anghelache, C. i
colaboratorii
(2007)
Anghelache, C.,
Capanu, I.
Andrei, T.
Bardsen, G. i
colaboratorii
(2005)
Biji, M., Biji,
M.E., Lilea, E.,
Anghelache, C.,
Capanu, I.,
Anghelache, C.
Capanu, I.,
Wagner, P., Mitru,
C.
Dobrescu, E.
246
Dougherty, C.
(2007)
Gilbert, M.,
Kravis, I.
Isaic-Maniu, Al.,
Mitru, C.,
Voineagu, V.
Isaic-Maniu, Al.,
Antonescu, C.,
Korka, M.
Mitru, C.,
Voineagu, V.
Florea, I.,
Parpucea, I.
GeorgescuRoegen. N,
GeorgescuRoegen. N,
Sargent, T.
Thomas, R.L.
Tovissi, L.,
Scarlat, E.,
Tanadi, Al.
***
***
***
***
***
***
247