Documente Academic
Documente Profesional
Documente Cultură
C4 Econometrie CBalan
C4 Econometrie CBalan
C4.
1. Regresia prin origine
2. Prezentarea modelului liniar multiplu
3. Estimarea parametrilor modelului liniar multiplu
4. Testarea parametrilor modelului liniar multiplu
5. Testarea modelului de regresie
Y M Y / X 0 1 X 1 2 X 2 ... p X p
unde:
Y - variabila dependent;
X1, X2,,Xi,,Xp - variabile independente (predictori);
- variabil reziduu de modelare (variabila aleatoare);
i - parametrii modelului de regresie
k - numrul de parametri din model, k=p+1.
Exemplu:
Y
i
, i 1, p
X i
-normalitatea
erorilor :
-homoscedasticitate:
-necorelarea
-lipsa
erorilor:
i ~ N (0, 2 )
V ( i ) M ( i2 ) 2
cov( i , j ) 0
eroare
- lipsa coliniaritii sau a unei legturi liniare ntre variabilele
independente
3. Estimarea parametrilor
modelului multiplu liniar (1)
Se consider modelul de regresie liniar multipl cu dou variabile
independente:
y i 0 1 x1i 2 x 2 i i
y i 0 1 x1i 2 x 2 i i sau
y i y i i
Rezult
i y i y i y i 0 1 x1i 2 x 2 i
Estimarea parametrilor modelului prin metoda celor mai mici
ptrate presupune respectarea condiiei:
n
2
2
i min im, adic ( y i 0 1 x1i 2 x 2 i ) min im
i 1
3. Estimarea parametrilor
modelului multiplu liniar (2)
Pentru satisfacerea condiiei MCMMP trebuie ca
derivatele pariale de ordin I n raport cu coeficienii
modelului s se anuleze. Astfel se va obine un sistem de
2+1=3 ecuaii cu 3 necunoscute.
n
n
n
n0 1 x1i 2 x2i yi
i 1
i 1
i 1
n
n
n
n
2
i 1
i 1
i 1
n
n
n
n
2
i 1
i 1
i 1
3. Estimarea parametrilor
modelului multiplu liniar (3)
Estimarea punctual a parametrilor modelului
La nivelul unui eantion de date, sistemul de ecuaii devine:
n
i 1
i 1
i 1
i 1
i 1
i 1
i 1
i 1
i 1
i 1
i 1
10
3. Estimarea parametrilor
modelului multiplu liniar (4)
Estimarea
i [ i t / 2 ,n k i ]
La nivelul unui eantion de date se obine un interval
de forma:
i bi t / 2,n k s , bi t / 2,n k s
i
11
1. Formularea ipotezelor:
H 0: i 0
H 1: i 0
2. Alegerea pragului de semnificaie
De regul, se asum un risc = 0,05.
3. Alegerea statisticii test
i
t
12
t calc
bi
6. Regula de decizie
Dac
se respinge H0
Dac
t calc t / 2
t calc t / 2
13
VE n k
2 n k~F(k-1, n-k)
F
VR k 1 1 k 1
ESS n k
R2 n k
F
2
RSS k 1 1 R k 1
15
16
EXEMPLU
17
Model Summary
Model
1
R
R Square
a
,789
,622
Adjusted
R Square
,612
Std. Error of
the Estimate
8,75456
Regression
Residual
Total
Sum of
Squares
9325,268
5671,533
14996,800
df
2
74
76
Mean Square
4662,634
76,642
F
60,836
Sig.
,000a
Coefficientsa
Model
1
(Constant)
fat
sugars
Unstandardized
Coefficients
B
Std. Error
61,089
1,953
-3,066
1,036
-2,213
,235
Standardized
Coefficients
Beta
-,220
-,700
t
31,284
-2,958
-9,428
Sig.
,000
,004
,000
18
Model Summary
Model
1
R
,930a
R Square
,865
Adjusted
R Square
,859
Std. Error of
the Estimate
5,35086
Regression
Residual
Total
Sum of
Squares
12503,728
1946,958
14450,686
df
Mean Square
4167,909
28,632
3
68
71
F
145,570
Sig.
,000a
Model
1
(Constant)
fiber
sugars
fat
Unstandardized
Coefficients
B
Std. Error
53,673
1,389
2,938
,261
-1,992
,150
-3,347
,656
Standardized
Coefficients
Beta
,507
-,622
-,238
t
38,637
11,265
-13,238
-5,103
Sig.
,000
,000
,000
,000