ECONOMETRIE

Prof. dr. Liliana Dugulean

ldugul@unitbv.ro

Econometria, ca tiin (1)

matematica
statistica
economie

Econometria este acea ramur a economiei, care

presupune aplicarea metodelor statistice i
matematice la analiza datelor economice, cu scopul
de a oferi un coninut empiric teoriilor economice
pentru verificarea veridicitii lor.

Econometria, ca tiin (2)

Bazele apariiei econometriei ca tiin = contribuiile timpurii ale
unor matematicieni: Newton i Leibnitz, (secolul al XVII-lea) au
elaborat calculul diferenial; operele unor oameni de tiin
economiti i statisticieni, precum: Keynes, Jevons, Walras,
Hayek, Pearson, Edgeworth, Pareto, Fisher, etc., care i-au nscris
numele n istoria dezvoltrii omenirii.

nfiinarea n 1932, n SUA a unei Societii de Econometrie i

editarea revistei Econometrica n 1933, precum i dezvoltarea
ulterioar a teoriilor economice, a metodelor matematice i
statistice, susinute de apariia calculatoarelor i dezvoltarea
rapid n domeniul informaticii, face posibil considerarea apariiei
econometriei ca fiind, nceputul secolului XX.
n 1954, Samuelson afirma ca econometria a fost definit ca
aplicarea statisticii matematice la datele economice pentru a
furniza suport empiric modelelor construite cu ajutorul economiei
matematice i pentru a obine estimri numerice

Econometria, ca tiin (3)

Econometria const n:
formularea unor ipoteze statistice asupra
datelor economice observate,
parcurgerea etapelor n construirea
modelelor,
verificarea validitii ipotezelor formulate
iniial i
utilizarea modelelor econometrice
identificate pentru realizarea de previziuni
ale fenomenelor economice analizate.

Econometria, ca tiin (4)

Econometria este parte integrant a unei
alte tiine economice, recent aprut, i
anume previziunea economic (n anii 80 ).
Previziunea se bazeaz:
analiza seriilor de timp - studiul datelor istorice,
presupunnd c lucrurile nu se vor schimba i
istoria se repet (previziune fatalist),
metode explicative, i anume metodele
econometrice, care explic interdependena
dintre variabile.

Etapele construirii modelelor

econometrice (1)
Un model este o reprezentare simplificat a
unui proces real, o formulare matematic a
unei teorii economice.
Un model economic este un set de
presupuneri care descriu aproximativ
comportametul unei economii sau al unui
sector economic.

Etapele construirii modelelor

econometrice (2)
Un model econometric const din:
un set de ecuaii de comportament, derivate
dintr-un model economic. Aceste ecuaii conin
variabilele observate, considerate eseniale
pentru scopul analizei i variabilele
neobservate, neeseniale pentru analiz, sub
forma unui termen aleator, numit disturban
sau eroare;
presupunerea c variabilele observate sunt fr
erori;
o specificare a probabilitii de distribuie a
disturbanelor (i erorilor de msurare).

Etapele construirii modelelor

econometrice (3)
Principalele etape ale unui demers econometric sunt:
referirea la o teorie economic, pe baza unor
ipoteze;
formalizarea relaiilor i alegerea formei de funcie
etapa de specificare a modelului;
selectarea i observarea variabilelor;
estimarea modelului econometric i testarea cu
datele observate (constituie inferena modelului);
validarea modelului i utilizarea pentru previziune
sau n scopul unor analize.

Etapele unei analize econometrice anii 70

1
4

Informaii
economice iniiale

Teoria economic
sau modelul economic

Modelul econometric
sau evaluarea empiric
a teoriei economice

Estimarea modelului

Testarea ipotezelor
modelului economic
Utilizarea modelului
pentru previziuni sau
decizii

Datele
observate

Schema revizuit a etapelor unei

analize econometrice
Teoria economic
Modelul
econometric

Date

Estimare
Testarea specificrii i
verificarea
NU
Este
adecvat
modelul?

DA
Testarea ipotezelor
Utilizarea modelului
pentru previziune i
analize, control

MODELUL REGRESIEI SIMPLE

n funcie de numrul de factori a cror variaie se consider

n explicarea variaiei fenomenului efect, y, exist:
- regresie simpl: cnd se consider variaia unui singur
factor: y=f(x) i
- regresie multipl: cnd se consider variaia mai multor
variabile explicative: y=f(x1, x2, , xk).

Metoda regresiei analizeaz relaiile existente ntre

variabila explicat i variabilele explicative, pe baza datelor
observate pentru aceste variabile.
Se poate stabili care din factori are o influen semnificativ,
gradul lor de esenialitate i cunoscnd influena variabilelor
factoriale asupra variaiei fenomenului explicat, se pot face
previziuni ale valorilor variabilei y pentru anumite valori date ale
variabilelor x.

Metoda celor mai mici ptrate - ipoteze

Metoda celor mai mici ptrate, atribuit matematicianului german
Carl Friederich Gauss, este una din cele mai des utilizate metode
de estimare a ecuaiilor de regresie a sondajelor statistice. Principiul
acestei metode const n minimizarea sumei ptratelor abaterilor
valorilor empirice fa de cele teoretic estimate, adic minimizarea
sumei ptratelor reziduurilor.

Metoda celor mai mici ptrate - ipoteze

Aplicarea acestei metode se bazeaz pe urmtoarele ipoteze presupuse
adevrate:
1. Modelul este liniar n xi (sau n oricare transformare a lui xi).
2. Valorile lui xi sunt observate fr erori (xi este nealeator).
3. Media (operatorul E) erorilor este zero: E(i / xi)=0
Aceast ipotez spune de fapt c toi factorii neexplicitai de model, i dealtfel
cuprini n i, nu afecteaz n mod sistematic valoarea medie a lui y, adic
valorile lor pozitive se anuleaz cu cele negative astfel nct efectul lor mediu
asupra lui y este zero.
4. Homoscedasticitatea sau variaia (V dispersia, varian) egal a erorilor 2.
Variana erorilor pentru fiecare xi (variana condiionat a lui i) este un
numr pozitiv constant i egal cu 2 sau altfel spus, populaiile lui y,
corespunztoare valorilor xi, au aceeai varian.

V i / xi E i E i E i2 2
2

Situaia opus se numete heteroscedasticitate i se poate nota: V i / xi i,2 i

unde variana nu mai este constant, i=1,n.

Ajustarea liniar a profitului n funcie de numrul de angajai

230
210

profit (mii euro)

190
170
150
130
110
90
70
50
0

50

100

150

200
ymed

250

300
350
ymed.teoretic

400

450

500

550

numr angajai (persoane)

5. Nu exist corelaia (covariana) erorilor.

cov( i , j ) E[ i E ( i )][ j E ( j )] E ( i j ) 0
pentru oricare i j.
Pentru anumite valori date xi, abaterile oricror dou valori y de la
valoarea lor medie nu prezint nici o tendin.
6. Erorile sunt independente de variabila explicativ. Nu exist corelaie
ntre erori i valorile x.
cov( i , xi ) E[ i E ( i )][xi E ( xi )] E[ i ( xi E ( xi ))]
E ( i xi ) E ( xi ) E ( i ) E ( i xi ) 0

pentru c E i 0 din ipoteza 3.

7. Modelul de regresie este corect specificat. O investigaie
econometric ncepe prin specificarea modelului econometric.
Problemele sunt: ce variabile ar trebui incluse n model, care este
forma funcional a modelului (este liniar n parametri, n variabile
sau ambele?)

Proprietile estimatorilor metodei celor mai mici ptrate

Estimatorii metodei celor mai mici ptrate au urmtoarele proprieti:
liniari, adic o funcie liniar a unei variabile aleatoare, cum ar fi variabila
y n modelul de regresie;
nedeplasai, media estimatorului din toate eantioanele posibile, de
volum n sau valoarea ateptat a estimatorului E (a1 ) este egal cu
valoarea adevrat a parametrului, a1 ;
eficieni, adic are variana minim.
Teorema lui Gauss-Markov se enun astfel:
Date fiind ipotezele modelului liniar clasic de regresie, estimatorii celor
mai mici ptrate, din clasa estimatorilor liniari nedeplasai, au varian
minim; se poate spune c sunt BLUE (Best Linear Unbiased
Estimators).

Liniaritatea

liniaritatea n variabile - cu un neles natural nseamn c media

condiional (n sensul de valoarea medie ateptat - n econometrie,
apare termenul de speran matematic) a variabilei y este o funcie
liniar a lui xi. Operatorul de speran matematic se noteaz cu litera
E. Dreapta de regresie a populaiei reprezint tendina medie i se
scrie: E(y/xi)=a0 + a1xi.

liniaritatea n parametrii este cnd distribuia condiional a

variabilei y, E(y/xi) este o funcie liniar a parametrilor, adic toi sunt
la puterea 1, in timp ce variabilele x pot sau nu s fie liniare.

Termenul de regresie liniar nsemn ntotdeauna, liniaritatea n

parametrii necunoscui; indiferent dac exist liniaritate n
variabilele explicative.

Astfel, exemple de modele liniare sunt:

E(y/xi)=a0 + a1xi, liniar n parametrii i n variabile i
E(y/xi)=a0 + a1xi2, liniar n parametrii i neliniar n variabile.

Un model neliniar n parametrii este: E ( y / xi ) a0 a1 xi

.
Pentru regresia liniar este relevant termenul de liniaritate n
parametrii.

Funcii de regresie a populaiei i a eantioanelor

E ( y / xi ) a0 a1 xi
Funcia de regresie a eantioanelor y i a 0 a1 xi
Funcia de regresie a populaiei

Dreapta de regresie a populaiei i a eantionului

210

190

170

150

130

yi

110

E(y/x)

yi
ei
E(y/xi)

90

70

50

100

150

200

y-es

250

300

yt-es

350

400

yt-pop

450

500

550

Precizia i erorile standard ale estimatorilor

n

i 1
n

i 1
n

na 0 a1 xi yi
n

a 0 xi a1 xi2 xi yi
i 1

i 1

i 1

Precizia estimatorilor modelului de regresie liniar simpl se msoar

prin erorile lor standard. Aceste erori se obin prin extragerea rdcinii
ptrate din dispersiile estimatorilor. Formulele varianelor estimatorilor se
2
obin n funcie de estimatorul varianei (dispersiei) reziduurilor sau
simplu, 2.
Estimatorul dispersiei reziduurilor se obine prin raportarea sumei
ptratelor reziduurilor la numrul gradelor de libertate n-2:

2
i

n2

y i

n2

2
e
i
i

n2

Coeficientul de determinaie.
n

R
2

y2 / x

2
y

( yi y )
i 1
n

2
(
y

y
)
i
i 1

( yi yi )
i 1
n

2
(
y

y
)
i

1 N

i 1

R2 arat n ce msur modelul ales explic variaia lui Y, altfel spus,

este o msur a validitii modelului. 0 < R2 < 1, cu ct este mai
apropiat de 1 cu att modelul este mai bun.

Raportul de corelaie
Raportul de corelaie are semnul coeficientului de regresie b,
i are aceeai semnificaie ca i coeficientul de corelaie, r.
n

y2 / x
R

2
y

(
y

y
)
i
i 1
n

2
(
y

y
)
i
i 1

(
y

y
)
i i
i 1
n

2
(
y

y
)
i
i 1

Coeficientul de corelaie
-1 < r < 1
n

cov( X , Y )

(x
i 1

x )( yi y )
n

cov( X , Y )
r=
xy
rxy

i 1

i 1

i 1

n x i yi x i yi
n 2 n 2 n 2 n 2
n x i x i n y i y i
i 1 i 1
i 1
i 1

Tabelul de analiz a varianei pentru

regresia simpl
Sursa variaiei

reziduuri

Suma ptratelor

SCR =

2
2

(
y

y
)

e
t t t
t

SCE =

Grade
libertate

Ptrate
medii

n-2

SCR/(n-2)

SCE/1

t
2

(
y

y
)
t
t

Total

SCT =

2
(
y

y
)
t

n-1

Acest test se poate scrie n funcie de coeficientul de determinaie, astfel:

Dac variana explicat este semnificativ superioar varianei reziduale, variabila xt, este
considerat ca fiind ntr-adevr o variabil explicativ.

Dac , se respinge ipoteza de egalitate a varianelor (H0), variabila fiind semnificativ. n caz
contrar se accept aceast ipotez de egalitate a varianelor.

Testul Fisher este un test de verificare a semnificaiei globale a regresiei, n cazul regresiei
multiple. n cazul regresiei simple, aceast semnificaie se reduce la semnificaia influenei
variabilei x asupra variaiei caracteristicii variabilei y.

Tabela de regresie simpl

cuprinde n sumarul su, SUMMARY OUTPUT, trei pri:
Regression Statistics,
tabelul ANOVA i
informaiile despre estimatorii coeficienilor modelului liniar.
Regression Statistics conine informaii cu caracter general despre
variabilele implicate n analiza de regresie:

coeficientul de corelaie multipl Multiple R, care la regresia simpl este

coeficientul de corelaie liniar simpl, r;
coeficientul de determinaie R2, numit R Square arat validitatea modelului.
Adjusted R Square care este R2 ajustat cu un anumit numr de grade de
libertate;
Standard Error este eroarea medie standard a valorilor teoretice ale lui y i se
calculeaz ca o abatere medie ptratic a valorilor empirice fa de cele
teoretice:
n

yi y i

i 1

n k 1

2
e
i
i 1

n k 1

Observations reprezint n este numrul de observri ale variabilei dependente,

care este egal cu numrul de valori ale variabilei (variabilelor) independente xi.

Informaiile despre estimatorii coeficienilor modelului

n coloana Coefficients - valorile estimate ale coeficienilor
i, i=1,k,
modelului liniar a
Intercept - estimatorul termenului constant, 0, care poate fi zero
dac s-a optat pentru Constant is Zero i
estimatorii coeficienilor variabilelor explicative: 1, ..., n la X
Variable 1, X Variable 2, ... n ordinea declarrii variabilelor
explicative;
Standard Error, abaterile standard ale estimatorilor; arat cu ct
variaz n medie, n plus sau n minus valorile estimate ale
coeficienilor fa de parametrii pe care i estimeaz
valorile Student, t*, pentru fiecare estimator, pentru verificarea
semnificaiei acestuia fa de 0;
P-value, corespunztoare pragului de semnificaie , ncepnd de la
care valoarea estimatorului este semnificativ diferit de zero,
limitele intervalului de ncredere ale estimatorilor: inferioar Lower
95% i superioar Upper 95%, cu o probabilitate de 95%, implicit,
iar la cerere se pot solicita i alte valori ale probabilitii: 99%, 90%,
etc.