Seminar ECONOMETRIE SPTARU (13-15 mai 2015)

Testarea Homoscedasticitii erorilor aleatoare

Erorile aleatoare sunt homoscedastice dac au dispersii egale: Var ( i ) = 2 , i = 1,2,..., n
Erorile aleatoare sunt heteroscedastice dac au dispersii diferite:
Var ( i ) = E ( i E ( i )) 2 = i2 , i = 1,2,..., n .
Putem exprima proprietatea de heteroscedasticitate a erorilor aleatoare i prin E ( i2 ) = i2 .
Exemplu: Cheltuielile pentru Cercetare&Dezvoltare i Veniturile din Industrie. Datele sunt
exprimate n milioane dolari i se gsesc n fiierul Seminar7 CD-Venit Heterosc.xls.
Mai nti ne propunem s determinm legtura liniar dintre CD (Cheltuielile pentru Cercetare i
Dezvoltare) i Venit.
Considerm un model liniar: CD = 0 + 1 Venit + i .
A priori, ne ateptm la o relaie pozitiv ntre cele 2 variabile.
Formm grupul CD, Venit. Efectum regresia EQ01: CD Venit C

Rezultatele regresiei se raporteaz sub forma cunoscut:

=
8,166390
+ 0,040629 Venit
R 2 = 0,8937
se
=
(51,03628)
(0.002860)
=
(0,160011)
(14,20652)
t
p
=
(0,8742)
(0,0000)
Interpretm i comentm rezultatele obinute....
Reinem reziduurile din aceast regresie.
n zona de lucru din Eviews (zona alb) definim: series reziduuri=resid
Vizualizm grupul reziduuri, resid. Comparm. Sunt aceleai serii? Da!
CD

a) Detectarea heteroscedasticitii prin metoda grafic

1) Reprezentm grafic CD n funcie de Venit.
Formm grupul VENIT, CD. Selectm View, Graph, Scatter, Scatter with regression.

Din grafic se vede c chelt.CD cresc atunci cnd Veniturile cresc. De remarcat este faptul c
variabilitatea chelt.CD n jurul dreptei de regresie pare s creasc atunci cnd Veniturile cresc.
Aceasta inseamn c este prezent proprietatea de heteroscedasticitate.

2) Reprezentm grafic reziduurile fa de Venit.

Se observ c valoarea absolut a reziduurilor crete pe msur ce Veniturile cresc, ceea ce
sugereaz c ipoteza de homoscedasticitete nu este ndeplinit.
Obs: Este evident c reziduurile ei nu sunt identice cu variabilele de perturbaie i , ci reprezint nite
aproximaii. Pentru c nu putem observa i , vom trage concluzii despre modelul lui i pe baza
modelului observat pentru ei .

b) Detectarea heteroscedasticitii folosind teste statistice

Testul White
Testul White solicit ca, dup determinarea reziduurilor din regresia original, s se calculeze o
regresie auxiliar a ptratelor reziduurilor n raport cu o constant, variabilele explicative ale
modelului original, ptratele lor i produsele lor ncruciate.
ei2 = a 0 + a1 x i + a 2 x i2 + u i
Din regresia auxiliar se reine coeficientul de determinaie multipl.

White a artat c, n selecii de volum mare, sub ipoteza H0 (erorile sunt homoscedastice) statistica
W = nRa2 urmeaz asimptotic o distribuie 2 cu gradele de libertate date de numrul de regresori
din ecuaia auxiliar (la noi 2).
H 0 : a1 = a 2 = 0
(exist homoscedasticitate)

H 1 : () a i 0, i = 1,2 (exist heteroscedasticitate)

2
Dac valoarea calculat a statisticii W, adic Wcalculat = nRa2 > critic
; , sau dac probabilitatea este

mai mic dect nivelul de semnificaie ales, respingem H 0 i acceptm H 1 erorile aleatoare sunt
heteroscedastice.
Testul White poate fi aplicat direct n EViews.
Pasul1. Se estimeaz parametrii modelului iniial prin MCMMP i reinem reziduurile ei .
Pasul2. Se aplic testul White direct, pe seria reziduurilor.
Selectm View/Residual Tests/White Heteroskedasticity
Sunt afiate statistica F, clasic, statistica nRa2 i probabilitile asociate.

Deoarece p-value < respingem H0 i acceptm H1, exist heteroscedasticitatea erorilor aleatoare.

ei2
=
-28057,73 + 7,51746 * Venit - 0,0000636 * Venit^2
se
=
(17705,11)
(2,13119)
(0,0000347)
t
=
(-1,5847)
(3,52735)
(-1,835627)
p
=
(0,1267)
(0,0018)
(0,0794)
Coeficientul a1 = 7,51746 este semnificativ statistic.
Coeficientul a 2 = 0,0000636 nu este semnificativ statistic.
Acceptam H 1 : () a i 0, i = 1,2 (exist heteroscedasticitate).

Corectarea heteroscedasticitii erorilor aleatoare

I) MCMMP-Ponderat
Cazul: Varianele perturbaiilor sunt necunoscute: i2 = necunoscut
a) i2 = 2 x i2 (Variana erorilor este proporional cu ptratul unei variabile explicative)
yi

1
= 0
+ 1 + i
xi

xi

xi

Modelul este semnificativ? Nu. Probabilitatea este > 0,05.

b) i2 = 2 x i (Variana erorilor este proporional cu o variabil explicativ)
Transformm modelul mprind prin xi :
yi
x
yi

1
1
= 0
+ 1 i + i ,
= 0
+ 1 xi + i
xi

xi

xi

xi

xi

xi

xi

Rezult c a fost eliminat heteroscedasticitatea erorilor aleatoare, deci putem estima modelul
transformat prin MCMMP.
Make EQ07: CD/sqr(vanzari) 1/sqr(vanzari) sqr(vanzari)

Comparm eq07 cu eq01. Variabilele dependente sunt diferite.

Dac n eq07 nmulim prin

xi , eq07 va fi transformat n

y i = 21,196 + 0,0432 * x i .
Se pare c presupunerea i2 = 2 x i este mai potrivit pentru exemplul CD-Venit.
II) Respecificarea modelului
Transformarea logaritmic este folosit n mod frecvent pentru a elimina heteroscedasticitatea,
deoarece reduce dispersia variabilelor iniiale.
Se estimeaz prin MCMMP modelul
ln y i = 0 + 1 ln xi + i
n locul modelului y i = 0 + 1 x i + i .
Un avantaj al modelului log-liniar sau dublu logaritmic, este c panta msoar elasticitatea lui Y n
raport cu X, adic modificarea procentual n Y, pentru o modificare procentual n X.

Cerine Tem (Proiect) ECONOMETRIE - SPTARU

(0,6 puncte)
Pe baza teoriei economice alegei variabilele economice Y, X1 i X2 (15-20 observaii) pentru un
model de regresie liniar cu dou variabile explicative.
La Seminarul din 20/22 mai 2015 aducei o singur foaie pe care s fie tiprite:
1) Numele, prenumele i grupa
2) Precizai cele 3 variabile
(de exemplu: Y = preul unui apartament din oraul Z
X1 = suprafaa apartamentului
X2 = distana fa de centrul oraului )
3) Output-ul obinut utiliznd Excel.
4) Output-ul obinut utiliznd EViews.