2.7.

Previziuni folosind modelul regresiei multiple

Procedura de estimare a valorilor viitoare ale variabilei dependente, y, este similar cu
cea utilizat la regresia simpl. Se cunosc valorile viitoare ale variabilelor explicative i n
funcie de acestea se stabilesc previziunile punctuale, dup care, cu o anumit probabilitate se
estimeaz intervalele de ncredere ale acestor valori viitoare.
Pentru perioada de la 1 la n, cu t=1,n, modelul este: y t a 0 a1 x1,t a 2 x 2 ,t ... a k x k ,t .
Previziunea pentru unitatea de timp t+h, unde h este orizontul de previziune, sau i+h,
dac datele sunt observate n mod instantaneu este: y t h a 0 a1 x1,t h a 2 x 2,t h ... a k x k ,t h .
Eroarea de previziune este: et h y t h y t h .
Conform ipotezelor modelului liniar general, previziunea y t h este nedeplasat i se
obine prin aplicarea direct a modelului de regresie estimat. Se calculeaz variana erorii de
previziune, care permite determinarea unui interval de ncredere pentru previziune. Aceast
varian se calculeaz astfel:
e2t h 2 [ X t h ( X X ) 1 X t h 1]
Cunoscnd vectorul X t h , care conine valorile viitoare ale variabilelor explicative, se
dorete obinerea vectorului valorilor previzionate Yt h .
1

x1,t h
X t h x 2 ,t h

...
x

k ,t h
2
2
Eroarea de previziune et h urmeaz o lege normal de medie 0 i varian et h , N(0, et h ).
nlocuind variana erorilor 2 cu variana estimat, cea a reziduurilor 2 , se deduce c raportul
y t h y t h
urmeaz o lege Student cu n-k-1 grade de libertate, k este numrul
2 [ X t h ( X X ) 1 X t h 1]

variabilelor explicative din model. Intervalul de ncredere pentru un prag de semnificaie de ,

este: ICy t h y t h t n/k21 2 [ X t h ( X X ) 1 X t h 1] .

y
1
2
3
4
5
6
7
8
9
10
11
12
13
14

x1
17
19
15
21
19
24
26
24
26
21
24
26
30
26

x2
3
2
4
7
8
9
9
6
6
9
5
10
13
8

42
40
40
44
39
38
29
30
38
35
29
28
32
26

x3
115
126
148
139
123
150
126
141
122
157
155
166
168
174