Documente Academic
Documente Profesional
Documente Cultură
Termenul de econometrie
1.2. Obiectul de studiu al econometriei
1.3. Metoda de lucru
1.4. Scopul econometriei
1.5. Scurt istoric
1. Termenul de econometrie
Termenul econometrie a fost introdus n anul 1926 de ctre economistul i statisticianul
norvegian R. Frisch prin analogie cu termenul biometrie (cercetri biologice cu ajutorul
statisticii i matematicii), utilizat de Galton i Pearson.
Econometria este o disciplin care s-a conturat ca o sintez ntre economie, matematic i
statistic.
Econometrie- statistica, matematica, economie
1.2. Obiectul de studiu al econometriei
Pe baza datelor din economie, econometria construiete modele (expresii cantitative)
pentru realitile economice studiate care au un corespondent n teoriile economice.
Exemplu: relaia dintre rata inflaiei i rata omajului poate fi exprimat printr-un model de
forma:
rata _ inf o 1
1
somaj
M ()
- nedeplasarea un estimator este nedeplasat dac media sau sperana
matematic a acestuia este egal cu parametrul:
.
V () 0, cnd n N
V () min im
- eficiena estimatorul este eficient dac are variana cea mai mic dintre
toi estimatorii posibili pentru parametrul :
.
2.2. Criterii de clasificare a modelelor econometrice
a. Dup natura dependenei dintre variabile:
1. modele de regresie deterministe: variabila dependent este explicat n totalitate
de variabila sau variabilele independente din model.
2. modele de regresie probabiliste: Y=f(x) +, unde este o variabil numit eroare
sau reziduu, care sintetizeaz ansamblul factorilor cu influen asupra variabilei Y, dar care
nu pot fi comensurai i care nu sunt prini n mod explicit n model.
b. Dup numrul factorilor de influen:
1. modele de regresie simpl (unifactoriale)
- variabila Y este explicat printr-un singur factor determinant, ceilali factori au o aciune
aleatoare sau nesemnificativ.
Exemplu: funcia de consum (consum-venituri).
2. modele de regresie multipl
- variabila Y este explicat de doi sau mai muli factori.
Exemplu: funcia de producie Q=f(L,K)+,
unde: Q - producia
L - factorul munc
K capitalul
c. Dup forma legturii dintre variabile:
modele de regresie liniar dac Y este o funcie liniar de variabila sau variabilele
explicative;
Y 0 1 X
Y 0 i X i
2. modele de regresie neliniar
Y 0 1 X 2 X 2
Exemplu: Keynes a afirmat c oamenii sunt dispui s consume, n medie, mai mult dac
veniturile lor cresc. Aceast cretere nu se produce, ns, n acelai ritm (funcia de
consum).
b. Identificarea variabilelor
c. Specificarea modelului matematic al teoriei economice.
Exemplu: Keynes a postulat existena unei relaii directe ntre consum i venituri, dar nu a
precizat
forma legturii dintre cele dou variabile.
S considerm, pentru simplicitate, urmtoarea form a funciei de consum: Y=
0+1X.
d. Specificarea modelului econometric
modelul matematic pur al legturii dintre consum i venituri este de interes redus pentru
economiti, pentru c presupune o relaie exact, determinist ntre aceste dou variabile.
pentru reprezentarea legturii dintre acestea, econometricianul a modificat funcia de
consum, introducnd un termen eroare, astfel: Y= 0+1X +.
e. Estimarea parametrilor modelului econometric.
se realizeaz plecnd de la metoda celor mai mici ptrate (MCMMP).
f. Testarea ipotezelor statistice
- se urmrete dac estimrile obinute sunt n accord cu ipotezele formulate, potrivit
teoriei economice testate.
g. Prognoza (predicia) statistic
dac rezultatele testrii confirm ipotezele formulate, modelul econometric poate fi folosit
n scop predictiv.
h. Folosirea modelului n scop decizional.
considernd, de exemplu, un model estimat de forma:
Y=-200+0,8X
ne putem ntreba ce valoare a veniturilor (X) va asigura un nivel dorit al cheltuielilor de
consum (Y)? Prin politici fiscale i monetare, autoritile pot manipula variabila de control
X pentru a obine un nivel dorit al variabilei int Y.
3. Modelul de regresie liniar simpl
3.1. Noiuni introductive
3.2 Forma general a modelului de regresie liniar simpl
3.3. Ipoteze clasice formulate
3.4. Estimarea parametrilor modelului
3.5. Testarea semnificaiei parametrilor modelului
3.6. Aplicaii
3.1. Noiuni introductive
Termenul de regresie introdus de F. Galton (1886)
Natura datelor: variabile numerice.
Obiectivele analizei de regresie: studiul legturilor dintre fenomene i folosirea modelului n
scop predictiv.
yi bo b1 xi ei y xi bo b1 xi Y 0 1 X
Z ~ N (0,1)
Construirea IC se bazeaz pe legea de distribuie a estimatorului unui parametru,
care urmeaz o lege normal:
b. Criterii folosite
(e ) min e
2
i
: min im
c. Metode de estimare
S ei2 yi y xi
i
min ei
y b
2
b1 xi min
2
b0
b1
y x x x y
n x x
n x y x y
n x x
2
i
2
i
2
i
S
2 ( yi b0 b1 xi ) ( 1) 0
b0
S
2 ( yi b0 b1 xi ) ( xi ) 0 S ei2 min
b1
i
2S
2S
2S
2n;
2 xi ; 2 2 xi2 .
2
b0 b1
b0
b1
i
i
Derivatele pariale de ordinul doi:
x x
2
i
n x
2
i
x
i
n 2 0
0 ~ N ( 0 , 2 )
0
A.- Parametrul 0
M ( 0 ) 0 ; V ( 0 ) 2
n x x
2
i
0 ~ N ( 0 , 2 ) Z ~ N (0,1)
0
0 0
0
0 0
s
0
dup relaia:
sau cnd nu se cunoate variana:
P (t / 2
0 0
t / 2 ) 1
s
0
P (t / 2
b0
t / 2 ) 1
s
0
b t
/ 2; n 2
unde:
t /2,n-2 este o valoare a statisticii t Student care se citete pentru un risc (de
regul, egal cu 0,05) i (n-2) grade de libertate
s
2
e
2
i
n2
; ei yi y xi ; y xi b0 b1 xi
M ( 1 ) 1 ; V ( 1 ) 2
1
s
0
x
n x x
2
i
se2
2
xi x 2 1 ~ (1 , 2 )
i
B. Parametrul 1:
b t
1
|2 ; n 2
se2
s
1
xi x 2
i
unde:
2
i
2
i
y xi b0 b1 xi se n 2 ; ei yi y xi .
1;
Coefficientsa
Model
1
Unstandardized
Coefficients
B
Std. Error
-9,080
1,790
1,360
,094
(Constant)
PIB
Standardized
Coefficients
Beta
,993
t
-5,073
14,498
Sig.
,015
,001
cov( X , Y )
1 X
i
X Y
Y
( xi X ) ( yi Y )
N X Y
Domeniul de variaie
Interpretare
y2X
Y2
Y2 / y X
Y2
y y
1
y y
i
xi
b.
2. Raportul de corelaie
Y2
unde:
Y2
este variana valorilor teoretice fa de media lor (variana sub influena factorilor
eseniali).
Y2 / YX
este variana general, respectiv variana variabilei Y n raport cu media
tuturor valorilor.
este variana valorilor reale fa de valorile teoretice (variana rezidual).
1
b0 yi b1 xi yi
n
i
i
1
i y n
2
i
y y
y y
xi
VE
V
1 R
VT
VT
2. Raportul de determinaie
este ptratul raportului de corelaie.
R2
VE
VT
Ipoteze
Ho: 0= 0; 1= 0
Fcalc
S E2
S R2
H1: 0 # 0; 1# 0
S E2
VE
V
; S R2 R
k 1
nk
Regula de decizie
Fcalc F ,k 1,n k
Dac
Y 0 1 X 1 2 X 2 ... p X p
4.2. Prezentarea modelului
unde:
Y este variabila dependent ;
X1, X2, ..., Xp sunt variabile independente (predictori);
este variabila aleatoare eroare (reziduu);
0, 1, ..., p sunt coeficienii de regresie.
Interpreter:
0 este valoarea medie a lui Y, atunci cnd valorile variabilelor independente sunt egale cu
zero.
i reprezint variaia medie absolut a variabilei Y la o cretere cu o unitate a variabilei
independente Xi, n condiiile n care influena celorlalte variabile independente este
constant. Msoar influena parial a fiecrei variabile independente asupra variabilei
dependente.
4.3. Ipoteze
normalitatea erorilor;
homoscedasticitate: variana erorii este constant;
autocorelarea erorilor: erorile nu se influeneaz reciproc;
lipsa coliniaritii.
4.4. Estimarea parametrilor modelului
y x1 x2 ... = a + b1 x1 + b2 x 2 + ...bn x n
Ecuaia estimat a modelului de regresie care exprim o
legtur multipl liniar este:
2
1i
b x b x x b x y x
0
2i
1
1i 2 i
2
i 2i
2
2i
H 0 : i 0
4.5. Testarea parametrilor modelului
H1 : i 0
Ipoteze:
4.6. Msurarea intensitii legturii dintre variabile
Msurarea intensitii corelaiei multiple se poate efectua cu ajutorul :
coeficienilor de corelaie parial i bivariat;
raportului de corelaie i raportului de determinaie multipl;
raportului de determinaie multipl ajustat;
coeficientului de corelaie multipl.
a. Coeficienii de corelaie parial i bivariate
ry.x1 coeficientul de corelaie dintre Y i X1, excluznd influena lui X2
ry.x2 coeficientul de corelaie dintre Y i X2, excluznd influena lui X1
rx1.x2 - coeficientul de corelaie dintre X1 i X2, excluznd influena lui Y
r y x1.x2 =
r y x1 - r y x2 r x1 x2
(1 - r 2y x2 )(1 - r 2x1 x2 )
r y x2 .x1 =
r y x2 - r y x1 r x1 x2
(1 - r 2y x1 )(1 - r 2x1 x2 )
y.x1 x2 ... = 1 -
2y/ y x1x2...
2y
= 1-
( y i - y x1 x2 ... )2
( y i - y )2
2
Msoar influena simultan a variabilelor factoriale asupra variabilei rezultative.
R2
ESS
RSS
1
TSS
TSS
y.x1 x2 =
r y x1 + r y x2 - 2 r y x1 r y x2 r x1 x2
1 - r 2x1 x2
O estimaie a raportului de determinaie multipl este:
y.x1 x2 =
r y x1 + r y x2 - 2 r y x1 r y x2 r x1 x2
1 - r 2x1 x2
O estimaie a raportului de determinaie multipl
ajustat este:
d. Coeficientul de corelaie multipl
Y 0 1
Parametrii modelului:
-0 arat valoarea lui Y atunci cnd X tinde la infinit;
- 1 arat cu ct crete sau scade, n medie, valoarea lui Y atunci cnd 1/X crete cu o
unitate.
Observaii:
Dac 1>0 , curba este descresctoare, adic o cretere a valorilor variabilei X determin
descreterea valorilor variabilei Y.
Dac 1<0, curba este cresctoare, adic o cretere a valorilor variabilei X determin
creterea valorilor variabilei Y.
yi b0 b1
1
ei
xi
2.
1
n b0 b1 x yi
b 1 b 1 yi
2
0 i xi 1 i xi2
i xi S ei min
unde: ei=yi-yxi
b
b0 0
1
1 y
yi 2 i
xi xi
xi
1
n 2
xi xi
1
b1
b1
yi
1
yi
xi
xi
1
n 2
xi
1
x
i
0
b. Testarea statistic
Ipoteze:
Ho:
H1:
Statistica test: valoarea calculat a statisticii test F (Fisher) este n output-ul ANOVA.
Interpretare: Sig<0,05 arat c se respinge ipoteza Ho, valoarea raportului de corelaie este
semnificativ diferit de zero.
Y 0 1 e
X
ln Y ln 0 X ln 1
Forma general a modelului:
Ecuaia se liniarizeaz prin logaritmare: