1. Ecomometria ca metoda de cercetare cantitativa.

Econometrie n mod literal nseamn msurri economice. Este o combinaie

ntre economie, matematic i statistic.
Dou dintre scopurile principale ale econometriei sunt furnizarea de msurri
empirice pentru teoria economic i verificarea teoriei cu ajutorul testelor. Spre
exemplu, teoria economc prezice ca funcia cererii se ndreapt de sus in jos.
Estimrile econometrice pot verifica sau demostra falsul acestei preziceri, i
msura care este magnitutinea acestui fenomen.Econometira cere:a)masurarea
relatiilor(legaturilor) si estimarea parametrilor care ii implica b)testarea ideilor
teoretice reprezentate de aceste legaturi.c)utilizarea relatiilor pentru efectuarea
unor predictii cantitative.Econometria ia ecuatiile din economia matematica si
prin confruntarea acestora cu datele economice,cauta sa foloseasca tehnicile de
inferenta statistica pentru a da o forma cantitava acestor ecuatii.Etape in
analiza econometrica :1.evidentierea modului in care variabila X influienteaza o
alta variabila Y.2.specificarea formei pe care o imbraca relatia dintre X si Y.
Obiectivele finale urmrite de econometrie sunt exprimate:
- la nivel macroeconomic (creterea economoc, controlul inflaiei, ocuparea forei
de munc, echilibrul balanei de pli etc.);
- la nivel mezoeconomic (obiective regionale);
- la nivel microeconomic (firm: creterea profitului, creterea calitii, creterea
cotei de pia etc.);
- la nivel individual (maximizarea venitului etc).
Caracteristicile econometriei:
- n reprezentrile econometrice se introduc variable care privesc bogia naiunii
(producia, consumul, capitalul fix etc.) i ctigul economic (profit, salarii,
dobnd, rent etc.) i ecuaii de tip comportamantal, resursele avnd o
importan deosebit;
- se acord interes pentru reprezentri cu caracter sistemic n care sunt prezente
obiectivele i conexiunile existente ntre variabile;
- reprezentrile econometrice se pot referi la un sector de activitate, sau la un
ansamblu de activiti, structurate sub form de ecuaii i sisteme sau blocuri de
ecuaii;
- ecuaiile de tip econometric cuprind ntre factorii care determin evoluia unor
procese i preul n diferiele forme de manifestare (ecuaii de balan pentru
determinarea echilobrelor n economie);
- n modelul econometric se regsesc obiectivele finale ale economiei i obiectivele
specifice proceselor economice (variabile endogene-efect);
- modelele econometrice permit simularea politicilor economice;
- modelele econometrice exprim echilibrul dintre cerere i ofert i neliniaritatea
cererii n raport cu creterea factorilor.
2. Obiectul de studiu al econometriei
Obiectul de studiu al econometriei il constituie legaturi le dintre ansamblul
economiei nationale si elementele sale componente(sectoare,ramuri) respectiv
comportamentul acestora. Desi se aplica si la nivel micro,metodele econometrice
vizeaza cu predilectie subsistemele economiei nationale,iar economia

intreprinderii intra de regula in atentia cercetarii operationale. Domeniul

econometriei este definit de modelele economiei matematice. Aceatsa traduce
problemele economiei in limbajul matematicii(formalizarea) pentru o mai usoara
manipulare a sistemului de complex de notiuni ale toeriei economice si a
disciplinelor subordonate.
3. Statistica si econometria
O activitate economica ar putea fi reprezentata prin combinarea vectorilor de
productie in conditiile definitw de limitele factorilor disponibili,conform criteriului
optim adoptat
La sfirsitul activitatii vom avea o multime de date,informatii sau semnale asupra
proceselor desfasurate.Vor rezulta cifre referitoare la valoarea criteriului de
optim respectiv a factorilor consumati.aceste date vor constitui statisticile care
reprezinta materia prima a economiei .Modelele la care trebuie sa recurga
econometric contin putine specificari decit realitatea.Econometria intervine acolo
unde nu avem model satisfacatorr al realitatii.Ea recurge la modele adoptate de
economia matematica,care sa fie compatibile cu modelul real.In urma modelelor
elaborate,acestea sunt completate cu informatii statistice pentru a verifica
masura in care ipotezele teoretice de plecare sunt sau nu confirmate de
realitatea empirica.Conditiile care se cer sunt :
a)mentinerea proportionalitatii intre factori cind volulmul lor se modifica,ceea ce
implica utilizarea lor totala in prima etapa.
b)nedepasirea anumitor limite ale volumului fortei de munca si de capital.Astfel
modelul econometric ce poate fi folosit in scopuri euristice cit si in scopuri
operationale in reprezinta modelul econometric utilizat la descrierea pretului de
echilibru.
4. Locul statisticii in econometrie
O activitate economica ar putea fi reprezentata prin combinarea vectorilor de
productie in conditiile definite de limitele factorilor disponibili,conform criteriului
optim adoptat.
La sfirsitul activitatii vom a vea o multime de date,informatii sau semnale asupra
proceselor desfasurate.Vor rezulta cifre referitoare la valoarea criteriului de
optim respectiv a factorilor consumati. Aceste date vor constitui statisticile care
reprezinta materia prima a economiei .Modelele la care trebuie sa recurga
econometria contin putine specificari decit realitatea.Econometria intervine acolo
unde nu avem model satisfacator al realitatii.Ea recurge la modele adoptate de
economia matematica,care sa fie compatibile cu modelul real.In urma modelelor
elaborate,acestea sunt completate cu informatii statistice pentru a verifica
masura in care ipotezele teoretice de plecare sunt sau nu confirmate de
realitatea empirica
5. Locul matematicii in econometrie
Economia matematic are ca principal obiectiv construirea unor modele
matematice bazate pe date colectate empiric. Dup rezolvarea modelului apar o
serie de probleme ce i au originea n contradicia datelor empirice cu cele
reale. Realitatea economic se refer la procese sau obiecte ce trebuie
cercetate i este prezentat sub forma agregat. Studiile cantitative folosesc

7.

a)

b)

modele matematice stabilind legturi ntre relaie i variabilele economice.

Problema care apare ns este c nu se ncearc reconstituirea modelului pentru
date reale i la nivelul economiei naionale. Econometria ncearc s
depeasc abordrile prostatistice folosind o serie de mecanisme i legturi
ntre variabile.
6. Locul teoriei economice in econometrie
n cadrul acestei triade, teorie economic matematic - statistic, locul central
l ocup teoria economic. Fenomenele economice conin aspecte care nu pot fi
reprezentate prin cantitate. Aceste particulariti ale fenomenelor economice
constituie, n general, limitele econometriei n sistemul tiinelor economice.
Raporturile econometriei cu tiinele economice nu sunt numai de dependen.
Un model econometric se poate elabora dac nu s-a constituit o teorie
economic a obiectului cercetat. Simularea sa formal cu obiectul economic
investigat depinde de nivelul de abstractizare a teoriei, de definirea univoc i
operaional a noiunilor i categoriilor economice, de scopurile urmrite de
teoria economic scopuri euristice sau de dirijare privind obiectul studiat.
Modelul, astfel constituit, reprezint o verig intermediar ntre teorie i
realitate. El reprezint o cale de confruntare a teoriei cu practica, singurul mod
de experimentare pe baza cruia tiina economic i poate fundamenta
ipotezele, din moment ce obiectul su de cercetare poate fi numai observat, nu
i izolat i cercetat n laborator. Prin aceast experimentare, mijlocit de
modelul econometric, tiinele economice valideaz, renun sau elaboreaz
metode noi, i confrunt problemele de semantic i semiotic economic,
mbogindu-i, n felul acesta, sistemul de informaii privind structura i
evoluia obiectului economic.
Modele econometrice.Clasificarea modelelor econometrice
Cunoasterea legitati de variatie in timp sau in spatiu a unui indicator de effect
economic in functie de variatia factorilorcuantificabili se poate face folosind doua
modele:
modelul determinist-reflecta legatura functionala dintre elementele de intrate
si iesire a sistemului-variabile exogene si variabile endogene.Statistica
economica utilizind metode proprii,exprima prinstrun system de indicatorielementele cuantificabile ale sistemului economic.Modelele deterministe se
construiesc intre efecte si eforturi,explicinduse variatia variabilelor factoriale si a
indicatorilor de performanta sau de eficienta ale acestora.
Modelul econometric-se fundamenteaza pe metoda regresiei,care descrie
legatura statistica sau stohastica dintre intrarile sistemului-factorii de influienta
X-si iesirile sistemului-variabilele resultative Y cu ajutorul unui model
aleator :Y=f(X)+U
Clasificarea modelelor econometrice :
1)In functie de numarul variabilelor factoriale folosite in vederea
explicarii,simulari sau prognozei variabilelor dependente
Modele unifactoriale
Modele multifactoriale
2)Dupa forma legaturii dintre variabila rezultativa si variabilele factoriale :

 Modele lineare
Modele neliniare
3)In raport cu sfera de cuprindere
Modele partiale
Modele globale
4)dupa alt criteriu :
Modele statice
Modele dinamice
5)alt criteriu
modele autoregesive
Modele cu decalaje
6)alt criteriu
Modele deterministe
Modele stohastice
7)alt criteriu
Modele euristice(rationale)
Modele decizionale(operationale)
8. Prezentarea generala a modelelor econometrice
1)In functie de numarul variabilelor factoriale folosite in vederea explicarii,
simulari sau prognozei variabilelor dependente
Modele unifactoriale y=f(x)+u este folosit in mod fregvent la modelarea
fenomenelor economice datorita avantajelor pe care le prezinta :simplitate,
operativitate si cost redus pentru obtinerea lui.Utilizarea acestui model se
fundamenteaza pe ipoteza ca in rindul factorilor variabilei rezultative Y exista un
factor determinant X,ceilalti factori au o influienta intimplatoare fie au fost
invariabili in periaoada analizata.
Modele multifactoriale eliminind deficienta modelului unifactoril, transforma
insa avantajele acestuia in dezavantaje.Din acest motiv se recomanda ca in
practica sa nu se foloseasca un model cu mai mult de 3 sau 4 variabile
factoriale. Modele sunt de mare diversitate. Se construiesc prin dezvolatarea
modelului unifactorial.Pe linga variabila factoriala initiala x1 se introduc alte
avriabile exogene :x2,x3,sau valorile decalate ale acestora
2)Dupa forma legaturii dintre variabila rezultativa si variabilele factoriale :
Modele lineare un model liniar se prezinta astfel:y=b0+b1x1+b2x2+ +u.
Neajunsuri: anumite elemente de consum nu se modifica in mod linear cu
evolutia veniturilor,unele au anumit nivel de saturatie,iar altele au o existenta
pasagera. Al doilea neajuns este coeficientul de elasticitate care este variabil si
diferit de coef de regresie.
Modele neliniare se identifica cu ajutorul functiilor neliniare cum ar
fi :exponentiala,logaritmica,parabolica.
3)In raport cu sfera de cuprindere
Modele partiale-modelul consumului alimentar al populatiei este un model
partial in raport cu modelul global al consumului total al populatiei-acesta

9.

rezultind din agregarea consumurilor. Modelele partiale se fac pe grupe

omogene de consumatori.yu=ai+bixit+uit(i=1,m t=1,n)
Modele globale al consumului populatiei construit in aceeasi perioada de timp
t,in functie de veniturile populatiei este de forma :Yt=a+bXt+ut
Concluzii : agreagrea modelelor partiale nu conduce la obtinerea modelului
global al variabilei explicative. Modelul global rezulta ca o medie a modelelor
partiale.Modelul global se poate estima pe baza modelor partiale.
4)dupa alt criteriu :
Modele statice-model in care se studiaza dependenta variabilelor endogene y
fata de valorile variabilelor exogene xj se realizeaza in aceeasi perioada de timp.
Modele dinamice are loc introducerea explicita a variabilelor de timp si se
accepta ipoteza unui efect inertial in evolutia fenomenului Y
modele autoregesive cind in pachetul de variabile explicative xj se introduce si
variabila explicata y,dar cu valori decalate.
Modele cu decalaje variabila factoriala x isi exercita influienta asupra variatiei
variabilei y pe mai multe perioade de timp
Modele deterministe descrie aplicatia metodei,indicatori teritoriali sau dinamici
acceptatif ara rezerve de teoria economica.
Modele stohastice are loc introducerea in schema de descriere a legitatii si a
variabilei aleatoare
Modele euristice(rationale) sunt utilizate pentru a explica pe o cale
mai simpla un system complex de dependente si interdependente ce se
atesta in economie.el reprezinta o forma simplificata a modelului
deoarece el nu contine alti factori.
Modele decizionale(operationale) sunt utilizate in practica
economica pentru fundamentarea deciziilor de politica economica si la
prognozarea fenomenelor economice
Modele cu o singura euatie.
Modele simultane.
Specificarea si identificarea modelelor econometrice
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 +.
10.
Regresia econometrica
Cel mai important model economic este regresia. Regresiile sunt importante
pentru economiti. Ei pot observa datele, iar modelele trebuie s fie interpretate
pentru a nltura problemele de observare sau de analiz.
Regresia este o metod statistic pentru studiul relaiei ntre o variabil
dependent i una sau mai multe variabile independente explicative n ideea

estimrii valorii medii pentru variabila dependent n functie de valori date, fixe
ale variabilelor explicative
Regresia se folosete pentru:
a determina o relaie cauzal
a testa o relaie cauzal
a previziona o variabil dependent n funcie de una sau mai multe variabile
independente
a explica efectul n funcie de cauze
Determinarea formei legaturilor dintre X si Y se face cu ajutorul regresiei
F=(yt-yt ^)2 => min
Y=a+bX
F(a,b) = (yt-(a+bXt))2 => min (*)
{F(a,b)/a =0;
(*)
{F(a,b)/b=0;
La derivare se obtine: {na+bXt =Yt;
{aXt+bXt2 = XtYt
Daca a^, b^ este solutie (*), atunci y^t =a^+ b^Xt modelul ecuatiei de regresie
cu parametrii estimati (a,b). Cea mai buna dreapta care trece prin toate
punctele
11.
Analiza regresiei econometrice
Metoda regresiei analizeaz cu ajutorul unor expresii analitice denumite functii
de regresie, modul n care variabila dependent y evolueaz n raport cu
modificarea uneia sau a mai multor variabile independente x.
Principalele tipuri de modele de regresie sunt:
regresia unifactorial sau simpl (cu o singur variabil factorial);
regresia si corelatia curbilinie simpl (parabola de gradul II, hiperbola, funcie
exponential);
regresia si corelatia multipl care poate fi exprimat printr-o functie liniar
sau o functie curbilinie.
12.
Conditiile aplicarii modelelor de regresie multipla
1. normalitatea erorilor: adic variabila rezidual urmeaz o lege de repartiie
normal de medie zero i varian 2;
2. homoscedasticitate: adic variana erorii este constant la nivelul distribuiilor
condiionate
3. necorelarea erorilor: cov(x ,y ) =0 , adic erorile nu se influeneaz reciproc;
4. lipsa corelaiei dintre variabilele independente i variabila eroare;
5. lipsa coliniaritaii sau a unei legturi liniare ntre variabilele independente.
13.
Conditiile aplicarii modelelor de regresie simpla liniara
Metod statistic folosit pentru a estima sau prognoza schimbrile dintr-o
variabil n funcie de schimbrile din alt variabil sau dintr-un set de alte
variabile. Variabila ale crei valori se estimeaz prin analiza de r. este denumit
dependent sau endogen, iar cea n funcie de care se face estimarea este
denumit independent sau exogen. Dac notm pe prima cu y iar pe cea de-a
doua cu x, atunci relaia lor, n msura n care este una de tip liniar, poate fi
exprimat prin ecuaia y' = a + b x, denumit ecuaie de r.

Modelul liniar simplu presupune c ntre cele dou variabile exist o dependeni
dup
modelul unei ecuaii de gradul nti sau c ntre variabile exist o relaie de
proporionalitate.
Rezolvarea problemei de minim impune dou condiii:
1. anularea derivatelor pariale de ordinul nti ale lui S n raport cu a i b;
2. matricea derivatelor parialele ordinul doi s fie definit pozitiv.
14.
Modele cu o singura variabila
Modelul astfel construit reprezinta o veriga intermediara intre teorie si realitate.
El teprezinta o cale de confruntare a teoriei cu practica, singurul mod de
experimentare pe baza careia stinta economica isi poate fundamenta ipotezele,
din moment ce obiectul sau de cercetare poate fi numai observat, nu si izolat si
cercetat in laborator.
Y = a + bxi + ei
Xi variabila explicativa
a,b- parametrii modelului ce indica cu cit se modifica Y cind se modifica x cu o
unitate, in ipoteza ca celelalte vor ramine neschimbate.
15.
Modele cu mai multe variabile
Yt=a0+a1x1t+a2x2t++akxkt+ U
Yt- variabila de explicat
a0, a1 , .ak parametrii modelului ce indica cu cit se modifica Y cind se modifica
x cu o unitate, in ipoteza ca celelalte vor ramine neschimbate.
k- nr. de variabile explicative
U- eroarea de specificare care este necunoscuta si ramine asa pina la urma
X1t , . Xkt variabile explicative
16.
Estimarea parametrilor in analiza econometrica
Estimarea reprezint procedeul de determinare a unui parametru al unei
populaii (0, 1) pe baza datelor nregistrate la nivelul unui eantion.
Se poate realiza prin:
1. estimare punctual: presupune aflarea unei valori posibile a estimatorului
parametrului cutat.
estimare prin interval de ncredere: presupune aflarea limitelor de
ncredere ale unui interval care acoper valoarea parametrului.
Construirea IC se bazeaz pe legea de distribuie a estimatorului unui
parametru, care urmeaz o lege normal:
17.
Metoda celor mai mici patrate pentru determinarea parametrilor
modelului simplu liniar
Numim estimaie (ajustare) a modelului orice soluie {a, e} a sistemului y = Xa
+ e.
Este de remarcat c sistemul conine n ecuaii i p + n necunoscute, deci
admite o infinitate de soluii.
Numim estimaie prin cele mai mici ptrate, acea soluie a care minimizeaz
suma ptratelor erorilor ei, adic

Se obtine :
i se demonstreaz c este ndeplinit criteriul de
minim i c este singura valoare cu aceast proprietate adic valorile
determinate reprezint estimaia prin cele mai mici ptrate a coeficienilor
modelului liniar.
Ecuaia
y = a1x1 + a2x2 + + apxp -se numete ecuaia de regresie multipl.
18.
Metoda matriceala de determinare a parametrilor prin metoda
celor mai mici patrate.
E necesar un numar mare de experimente pentru a determina functia ce
exprima dependenta y = f (a, b, x), pentru o tendinta liniara de ordonare (y =
ax+b), a si b fiind coeficientii acestei functii.
Valorile masurate, yi, ce corespund diferitelor valori xi (n valori), sunt afectate
de erori intamplatoare, de aceea este necesar sa aplicam metode statistice
pentru rezolvarea problemei propuse.
Algoritmul metodei celor mai mici patrate se bazeaza pe conditia ca suma
patratelor diferentelor sa fie minima, unde
yi = yi f(a, b, xi)
>> S =

yi 2 = min
i

indicele fiecarei sume ia valori intregi in intervalul [1, n], n = numarul de valori
xi, respectiv yi.
a = (a) : y = (y1) : x =(1 X1)
a^ =(x x) xy
xxa = xy
(b)
(y2)
(1 X2)
(yn)
(1 Xn)
A(m/n) * B(n/l) = C(m/l) inmultirea matricei
Etape:
1 .se construiesc matricile : a,y,x
2. construim matricea inversa z = x
3. se face inmultirea a doua matrici : a = z*x = xx
4. inversam matricea R= Q = (xx)-1
5. se deteremina M= Z * Y = XY
6. se inmultesc 2 matrice a^ = R* M = (XX) -1 XY
19.
regresia neliniara
Regresia neliniar se bazeaz pe funcii neliniare care nu pot fi liniarizate. Cele
mai simple dintre ele sunt funciile polinomiale precum:
Gradul 2:

Gradul 3:

Pentru a determina valorile coeficienilor a, b, c i d ar trebui parcurs aceeai

cale ca i la regresia liniar, ncepnd cu derivatele pariale n raport cu fiecare
dintre aceti coeficieni i terminnd cu rezolvarea sistemelor de ecuaii care se

formeaz. La gradul 2 sistemul va avea trei ecuaii, iar la gradul 3 ar avea patru
ecuaii, nu-i aa?
Ca elemente de certitudine, este limpede pentru oricine c graficul unei funcii
liniare este perfect definit prin dou puncte, a uneia de gradul 2 prin 3 puncte, a
uneia de gradul 3 prin 4 puncte .a.m.d. Dai-mi patru puncte i v dau
mintena funcia:

Cum procedez? nlocuiesc x i Y cu valorile (numerice ale) coordonatelor fiecrui

punct, pe rnd, i obin un sistem LINIAR de patru ecuaii din care recuperez, ca
soluii, cele patru necunoscute: a, b, c, d. Aa un sistem simplu, poi s-l rezolvi
i cu un program de calcul tabelar.
20.
Liniarizarea si formele de prezentare a regresiei neliniare
Cnd din consideraii teoretice ori din studierea diagramei de mprtiere
observm c dependena nu este de tip liniar, o funcie neliniar trebuie s
fie utilizat pentru a descrie legtura dintre caracteristici.
21.
masurarea intensitatilor legaturilor
Msurarea intensitii corelaiei multiple se poate efectua cu ajutorul :
- coeficienilor de corelaie parial i bivariat;
Coeficienii de corelaie parial msoar dependena dintre variabile,
considernd influena celorlalte variabile constant.
Coeficienii de corelaie bivariat msoar dependena dintre variabile, fr
a lua n considerare influena celorlalte variabile.
- raportului de corelaie i raportului de determinaie multipl- Msoar
influena simultan a variabilelor factoriale asupra variabilei rezultative.
- raportului de determinaie multipl ajustat;
- coeficientului de corelaie multipl.
22.
Raportul de corelatie.utilizarea
Raportul de corelatie -Msoar influena simultan a variabilelor factoriale
asupra variabilei rezultative.
Interpretare: arat ct la sut din variaia lui y depinde de variaia simultan a
variabilelor factoriale considerate.
n cazul unei legturi liniare, raportul de corelaie este egal cu coeficientul de
R y / x r y / x 0.997 0,997 .
corelaie liniar:
Verificarea semnificaiei raportului de corelaie i, implicit, a coeficientului de
corelaie liniar se face cu ajutorul testului Fisher Snedecor:
Fc n 2

R2
0,994009
10
1659,1704223 F0, 01;1;10 10,43
2
1 R
0,005991

Deoarece raportul de corelaie este semnificativ diferit de zero, cu un prag de

semnificaie 0,01 , rezult modelul econometric:
Y 0,7578 0,0794 x;
(0,218) (0,002)

R 0,997

d 1,024
s u 0,237

care descrie corect dependena dintre cele dou variabile, acesta explicnd
99,4% din variaia total a variabilei dependente, adic variaia ncasrilor medii
lunare se datoreaz n proporie de 99,4% suprafeei comerciale.
Raportul de corelaie ia valori cuprinse ntre 0 i 1. Cu ct valoarea
indicatorului este mai apropiat de 1, cu att legtura dintre variabile este mai
puternic. Valori apropiate de 0 ne indic legturi de intensitate slab
ntre variabile.
23.
Testarea semnificatiei parametrilor ecuatiei de regresie simpla
liniara
Pentru testarea semnificatiei se verifica :
1)daca coeficientul a=0 sau daca el este semnificativ a0(variabila X nu explica
variabila Y)
2)daca parametrul a^=0,atunci modelul poate fi utilizat in forma Y=BX+csi
3)daca coeficientul de corelatie ry/x=o,atunci variabila X nu explica var
Y.deoarece intre ele nu exista legatura.
4)se verifica daca studiul calitatii si se verifica daca y=const
5)se inainteaza ipotezele H0 b=0 H1 b0
6)se determina valorile empirice tb=modul b^/Sb
24.
Testarea semnificatiei parametrilor ecuatiei de regresie multipla
Identificarea modelului-presupune reprezentarea punctelor (yi, xi).
Interpretare: dac toate legturile sunt liniare, atunci regresia multipl este
liniar.
Prezentarea modelului Yt a 0 a1 x1t a 2 x 2t ... a k x kt t
unde:
Y este variabila dependent ;
X1, X2, ..., Xkt sunt variabile independente (predictori);
este variabila aleatoare eroare (reziduu);
a0,a1 , ..., ak sunt coeficienii de regresie.
Interpretare:
- a0 este valoarea medie a lui Y, atunci cnd valorile variabilelor independente
sunt egale cu zero.
- ai 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.
Etape.
1.se constriesc matricile a,Y,X
2.Se constr matricea transpusa X
3.Inmultim matricile XX
4.Costruim matricea inversa (XX)-1
5.Inmultim matricile XY
6. (XX)-1* XY -solutiile sistemului de ecuatii normale
Pentru testarea semnificatiei parametrilor se face TESTUL STUDENT.Apoi se afla
valorile empirice :tai=(ai^)/ ai.iar apoi se compara :
tai> tn-k-2a se accepta H1 a0

tai< tn-k-2a se accepta H0 a=0,iar H1 se respinge

25.
Testarea semnificatiei coeficientului de corelatie
Corelatia este o metoda statistica utilizata pentru a determina relatiile dintre
doua sau mai multe variabile. Exista mai multe tipuri de corelatii att
parametrice ct si neparametrice.
Coeficientul de corelatie este o valoare cantitativa ce descrie relatia dintre
doua sau mai multe variabile. El variaza ntre (-1 si +1), unde valorile extreme
presupun o relatie perfecta ntre variabile n timp ce 0 nseamna o lipsa totala de
relatie liniara. O interpretare mai adecvata a valorilor obtinute se face prin
compararea rezultatului obtinut cu anumite valori prestabilite n tabele de
corelatii n functie de numarul de subiecti, tipul de legatura si pragul de
semnificatie dorit.
Etape in testare :
Ipoteze statistice
Calculul statisticii test
Decizie
Pentru testarea semnificatiei ry/x=0 se procedeaza astfel
Ho ry/x=0 H1 ry/x0
Aflam t* si daca t*<tn-2a Ho ry/x=0
t*>tn-2a H1 ry/x0 variabila X o poate explica pe Y
26.
Selectia variabilelor explicative
Procedurile statistice de selecie a variabilelor explicative permit determinarea
acelor variabile, care se adaug sau se retrag dintr-un model. Aceste demersuri
exclud raionamentul economic, permind gsirea unor modele, care deseori
sunt bune din punct de vedere statistic, dar a cror interpretare economic
poate fi nul sau aberant. De aceea tehnicile automate de selecie a variabilelor
explicative se utilizeaz cu pruden, completndu-se rezultatele cu
raionamentul economic.
Exist cinci proceduri pentru selecia variabilelor explicative
- cele mai corelate cu variabile explicat
- cel mai puin corelate ntre ele.Aceste proceduri sunt:
toate regresiile posibile;
eliminarea progresiv;
selecia progresiv;
regresia pas cu pas;
regresia pe faze
Toate regresiile posibile - const n efectuarea tuturor regresiilor posibile
((2^k) 1), unde k este numrul variabilelor explicative, candidate la intrarea
n model. Se reine acel model care are R^2 cel mai mare i toate variabilele
explicative semnificative. Dezavantajul este legat de numrul k, de variabile
explicative, care cu ct este mai mare, cu att duce la realizarea unui numr
considerabil de regresii (de exemplu: k=10, numr regresii posibile = 1023).
Eliminarea progresiv (Backward Elimination) - const n efectuarea
regresiei cu toate variabilele explicative i apoi eliminarea pe rnd, a acelora a
cror raie Student este mai mic dect valoarea critic. Procedura se utilizeaz,

numai dac se poate estima efectiv, modelul iniial, ceea ce nu este mereu
posibil. Modelul poate avea un numr mare de variabile explicative, i atunci,
riscul multicoliniaritii este mare, iar matricea poate fi singular.
Selecia progresiv (Forward Regression) - se parcurge un sens invers
celui descris n eliminarea progresiv.
n prima etap, se selecteaz n model o variabil Xj, care are coeficientul de
corelaie simpl cu variabila y, cel mai mare.
n a doua etap se calculeaz coeficienii de determinaie parial r^2(yxj.xi)
[ca indicii lui r]pentru j i i se reine acea variabil Xj, care are cel mai mare
coeficient de corelaie parial.
Selecia variabilelor se oprete cnd raiile t calculate devin mai mici dect
valoarea critic citit din tabela Student.
Regresia pas cu pas (Stepwise regression) - este identic cu cea
precedent, a seleciei progresive, doar c nainte de a incorpora o nou
variabil explicativ se examineaz raia t* a fiecreia din variabilele explicative
selecionate n prealabil i se elimin din model cele care au raiile t* mai mici
dect valoarea critic
.Regresia pe faze sau pe stadii (Stagewise Regression) - permite
minimizarea intercorelaiilor dintre variabilele explicative, prin studiul
reziduurilor. Etapele care se parcurg sunt urmtoarele:
etapa 1: se selecioneaz acea variabil explicativ, xi, care are coeficientul de
corelaie simpl cu y, cel mai mare;
etapa a 2-a: se calculeaz reziduurile E1t=Yt-Y(cu caciulita)t=Yt-(a0+a1Xit)
[toti de a cu cavciulita] i coeficienii de corelaie simpl ntre e1t
i restul variabilelor explicative; se reine aceea dintre ele, xj, care are acest
coeficient cel mai mare, considernd c va explica n continuare, cel mai bine,
variana reziduurilor;
etapa a 3-a: se calculeaz reziduurile: E2t=Yt-Y(cu caciulita)t=Yt(a0+a1Xit+a2Xjt)[toti de a cu cavciulita] i coeficienii de corelaie simpl ntre
e2t i restul variabilelor explicative; se reine aceea dintre ele, Xk, care are
acest coeficient cel mai mare, ceea ce duce la obinerea altor reziduuri;
procedura se termin cnd de coeficienii de corelaie simpl dintre reziduuri i
variabilele explicative rmase, devin nesemnificativ diferii de 0.
27.
testarea validitatii modelului econometric
Testarea validitii modelului presupune parcurgerea urmtoarelor etape:
- Testarea validitii modelului de regresie folosind metoda descompunerii
varianei;
- Calculul raportului de corelaie i testarea semnificaiei lui;
- Inferena statistic pentru parametrii modelului de regresie;
- Verificarea ipotezelor modelului de regresie.
28.
Testul Fisher
Testul F (Fisher-Snedecor). Se utilizeaz pentru a testa dac variaia unei
variabile este mai mare ntr-o populaie dect n alta, comparaia fiind fcut
folosind dou eantioane mici, cte unul din fiecare populaie.
1.Se determina valoarea teoretica:Yt=f(Xt),t=1,2,,n
2.se determina reziduurile et=Yt-Yteor, t=1,2,,n

3.se determina raportul de corelatie R2.

4.Se determina Fcalc
5.Din tabelul Fiser se preia valoarea Fteor
6.Se face concluzia : Daca Fcalc>Fteor modelul e adecvat conform testului
fisher
29.
determinarea intervalului de incredere
Pentru determinarea intervalelor de incredere intre care variaza parametrii a si
b:
a^-a a a^+a ; b^- b b^+b ;
a =tn-2*Sa ; b= tn-2*Sb ;
Y^x0 -Y Yx0 Y^x0 +Y ; Y= tn-2sqrt(S2 *(1/n+(x0-x)2/ (xt-x)2)) ;
Pentru a verifica daca coeficientii de corelatie este semnificativ 0, se face :
x/y0 : H0 x/y=0 , H1 x/y0
*
t =|(x,y)|/sqrt(1-(x,y)2/n-2) ; (x,y)= x/y ;
t* < tn-2,atunci x/y =0 ;
t*> tn-2,atunci x/y 0 ;
30.
Matricea covariationala a unei variabile
aceasta matrice se constituie din momente centrate de ordinal I si II a unor
variabile aleatoare.Matricea covariationala obtinuta este simetrica,iar diagonala
principala este formata din dispersiile variabilelor aleatoare considerate.matricea
va aarata astfel:

m=
31.
Predictii bazate pe modele de regresie
a. Formularea problemei n termeni economici, plecnd de la o teorie
economic.
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 acord
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.
32.
Prognoza punctiforma Fie ca avem modelul u parametri estimati: Yt a 0 a1 x1t a 2 x 2t ... a k x kt t
Se considera ca cunoastem valorile unitatii studiate :

X* (1 1* 2* 3*,,,, xxxx 4*. xk*)

^

^ ^

^
*
*
0 1 1 2 2

YX* a a x a x . . ak xk*
^

YX* x* * a
33.
Prognoza in intervale
estimare prin interval de ncredere: presupune aflarea limitelor de ncredere
ale unui interval care acoper valoarea parametrului.
In conditiile unei economii de piata, s-a scos in evident ca procesul de conducere
a unei activitati nu poate fi conceput fara anticiparea viitorului s-au fara
considerarea metodelor si tehnicilor de prognoza.Activitatile reprezinta procesele
specializate prin care se operationalizeaza conceptia functiilor.
Elaborarea unei prognoze in intervale este conditionata de: volumul si
calitatea informatiilor disponibile,metodele si tehnicile utilizarii acestora,sursa
informatiilor si expertiza factorilor umani. Prin notiunea de prognoza in
intervale,se intelege o modalitate,un procedeu s-au un ansamblu de procedee,cu
ajutorul caruia se realizeaza cercetarea,analiza, cunoasterea si descrierea
realitatii obiective in scopul anticiparii,initierii si organizarii unei actiuni viitoare.

Astfel prognozelein intervale, sunt incercari de prevedere a viitorului in

intervale,pe baza examinarii acestora.
Indiferent de nr. Variantelor in care este stabilita,prognoza ia forma unui
interval de incredere intre doua limite:inferioara si superioara.Marimea
intervalului de incredere urmeaza sa fie stabilita in functie de destinatia
rezultatelor obtinute,de orizontul prognozei si de natura fenomenului cercetat.La
rindul sau,orizontul de prognoza va influenta spatial de incredere al prognozei.In
anumite conditii date privind orizontul si natura investigatiilor,intervalul de
incredere va depinde, in mare masura de natura fenomenului studiat,de
particularitatile miscarii acestuia.
Intervalul dintre cele doua limite,exprimat in cifre relative,fata de central
intervalului va fi mult mai restrins in cazul unui fenomen,cu o evolutie lina in
comparative cu un alt fenomen,a carui evolutie este marcata de puternice
oscilatii.
34.
previziunea in modelul de regresie simpla
O mare parte a analizelor statistice uzuale se ocup cu analiza relaiei ntre
dou variabile statistice (atribute) ce corespund aceluiai grup de obiecte/
instane.
Pentru a o identifica, se studiaz relaia dintre cele dou caracteristici/atribute
msurate pe obiectele dintr-un anumit set.
Cu alte cuvinte, este vorba de dou serii statistice n care cuplurile de valori
(xi, yi), corespunznd cuplului de variabile statistice (X, Y) msurate pe acelai
obiect.
Exist dou mari motive pentru care se efectueaz un asemenea studiu:
Descrierea relaiei care ar putea exista ntre cele dou variabile, analiznd
legtura ntre cele dou serii de observaii. Concret, se analizeaz dac tendina
ascendent a uneia implic o tendin ascendent, descendent sau nici o
tendin a celeilalte;
n ipoteza existenei unei legturi reale ntre ele, identificat n prima instan,
s se poat prognostica valorile uneia n raport cu valorile celeilalte pe baza
ecuaiei de regresie.
Scopul final este prognoza, n condiia c este posibil, cele dou variabile fiind
ntr-adevr corelate.
Metoda prin care analizm posibilele asociaii ntre valorile a dou variabile
statistice, prelevate de la acelai grup de obiecte, este cunoscut ca metoda
corelaiei i are ca indice coeficientul de corelaie (Pearsons r).
Modul de prezentare a legturii liniare dintre dou variabile, atunci cnd aceasta
exist, se numete metoda regresiei liniare (linear regression).
Pentru aceasta se consider una dintre variabile ca variabil independent sau
variabil predictor, iar cealalt variabil ca variabil dependent sau variabil
rspuns (outcome).
Legtura liniar dintre cele dou variabile este descris de o ecuaie liniar,
ecuaia de regresie (regression equation) creia i corespunde geometric
dreapta de regresie (regression line).
35. Previziunea in modelul linear general

Previziunea (prognoza) economic, dei nu se poate da o definiie precis,

datorit prerilor diferite existente n rndul specialitilor, reprezint procesul
prin care sunt anticipate evenimente i prin care este realizat estimarea
evoluiei viitoare a unor indicatori economici privind, n general, fenomene care
nu sunt direct controlate de entitatea implicat n procesul de previziune
Previziune = inferen asupra variabilei, n afara perioadei observate. Vom

nota prin Y
T h previziunea variabilei Y efectuat la momentul T pentru un
orizontul de timp h. Baza de date utilizat pentru generarea de previziuni poate
consta n:
a) evoluia nregistrat de ctre variabil n trecut, privind prezentul ca o funcie de
trecut:
Yt f Yt 1 , Yt 2 , , Yt p , t modele univariabile
Aceasta abordare este adecvata atunci cand este dificil de identificat
factorii ce explica
comportamentul variabilei de previzionat sau este dificil de
cuantificat influenta exercitata de catre variabilele explicative. Daca, spre
exemplu, scopul nostru este doar
previziunea PIB fara sa ne intrebam de ce
acesta a inregistrat o anumita valoare atunci
vom apela la aceasta abordare
PIBt f PIBt 1 , PIBt 2 , , PIBt p , t .
b) serii de timp ce redau evoluia variabilei Y precum i a altor variabile
X 1 , X 2 , , X n ce explic comportamentul acesteia modele multivariabile
(modele explicative).
Modelele explicative pot fi utilizate in previziune dar si pentru testatea
empirica si
simularea unor politici economice sau pentru luarea unor decizii.
36.
elemente de analiza a seriilor temporale
-identificarea prealabila a pattern-ului (formei) seriei temporale a datelor si
descrierea sa mai mult sau mai puin formalizata.
-interpretarea pattern-ului seriei datelor analizate si integrarea sa in anumite
clase de alte pattern-uri de serii temporale deja cunoscute
-utilizarea patternului in analiza fenomenului sudiat
-extrapolarea patternului in vederea prognozei unor valori viitoare deci a unor
evenimente ulterioare ce guverneaza aceste valori
37.
Previziunea intrun model autoregresiv
Proces prin care se produc serii care au o component de autocorelaie i o
component aleatoare. Dac este un proces pur aleator cu media 0 i dispersia ,
atunci un proces se zice c este proces autoregresiv de ordin p
38.
Fenomenul de multicoliniaritate
MultiColiniaritatea exprim existena unor corelaii puternice ntre variabilele
independente. n astfel de situaii se calculeaz statisticile toleranei,
considernd numai variabilele independente, variabila dependent este exclus
din model.
Tolerana fiecrei variabile Xi se calculeaz dup relaia: Tolerana = 1 R i2 ,
unde:
Ri2 - este ptratul coeficientului de corelaie multipl a variabilei Xi cu toate
celelalte variabile independente. VIF este reciproca toleranei. Tolerana poate
lua valori de la 0 la 1. Cu ct valoarea toleranei este mai mic, mai apropiat

de zero, cu att variabila independent Xi este explicat printr-o combinaie

liniar a celorlalte variabile independente. Ca urmare, explicarea variabilei
dependente prin aceast variabil poate fi considerat c are prea puin
acuratee.
39.
Procedee de recunoastere a multicoliniaritatii.Teste de detectare
a multicoliniaritatii
Multicoliniaritatea se refer strict la existena mai multor relaii liniare, iar
termenul de coliniaritate se refer la existena unei singure relaii liniare.
Pentru detectarea multicoliniaritatii se utilizeaza urmatoarele teste:
1)Testul Klein:se determina coeficientul de corelatie ry/x simpla intre variabilele
independente :Y=a0+a1X1t+a2X2t++akXkt+t
Daca R2>ry/x-atunci exista coliniaritate
Pornind de la aceast regul, testul lui Klein, const n compararea R2, calculat
pe modelul cu k variabile explicative:
2)Testul Farrar-Glauber(cel mai puternic) :
1)se determina determinantul D1 a coeficientilor de corelatie
2)se inainteaza ipoteza H0 unde D1=1.aceasta este ipoteza de independenta a
variabilelor explicative unde D1=0-ipoteza de coliniaritate
3)se determina constanta empirica(hi)= ( X)2=[-n-1-1/6(2x+5)]lnD1. se
detemina aceasta constanta unde n-nr de observ n-nr de variabile
explicative,d1-determinantul matricii.
Daca Xempiric>Xteor se acepta ipoteza H0
Xx2>X2 se accepta H0,D1=1 ;
Xx2<X2 se accepta ipoteza H1,D1=0
40.
Posibilitati de eliminare a multicoliniaritatii
Exist mai multe reguli de remediere a multicoliniaritii, dar care nu reprezint
metode sigure de nlturare a ei.
creterea volumului eantionului este eficient numai dac se adaug
observri semnificativ diferite de cele care sunt deja considerate n model, n caz
contrar, multicoliniaritatea se menine;
nlturarea variabilei puternic corelate poate conduce la o specificare
incorect a modelului. Eroarea de specificare duce la obinerea de estimatori
eronai, fiind mai duntoare dect acceptarea unei multicoliniariti mici;
transformarea variabilelor n serii ale diferenelor de ordinul 1. Modelul
de
regresie pe diferenele de ordinul 1, reduce severitatea multicoliniaritii.
Dezavantajele sunt:
termenul eroare din forma transformat a diferenelor de ordinul 1, s-ar putea
s nu respecte una din ipotezele modelului liniar clasic, i anume erorile nu sunt
serial corelate (corelaie de ordinul 1). Dac n seriile iniiale erorile sunt
independente sau necorelate, n seria transformat, acestea vor fi serial corelate
n majoritatea cazurilor.
se pierde o observare prin difereniere, ceea ce este important cnd volumul
eantionului este mic, i numrul gradelor de libertate se micoreaz cu 1. Mai
mult, n seriile de date instantanee, procedura de difereniere nu este
corespunztoare, deoarece nu exist o ordine logic a datelor observate.

 utilizarea altor metode: analiza factorial, analiza n componente principale,

sunt deseori folosite pentru a rezolva problema multicoliniaritii.
41.
excluderea multicoliniaritatii
exista 2 metode de eliminare a multicoliniaritatii :
a)extinderea esantionului se adauga noi observari
b)regresia Ridge-este o metoda pur numerica ce consta in transformarea
matricii XX intro matrice XX+C,unde C-matrice constanta.
42.
Functii econometrice bazate pe serii cronologice
Seria cronologic reprezint o form de prezentare ordonat a datelor
statistice n care se reflect nivelul de manifestare a fenomenelor ntr-un anumit
moment sau perioad de timp. Altfel spus, seria cronologic reprezint un ir de
valori ale unui indicator economic sau de alt natur, observate n timp,
oglindind procesul de schimbare i dezvoltare a unei colectiviti statistice n
perioade succesive de timp. Forma general a unei serii cronologice se poate
prezenta astfel:
1
2 3 t T
Y1 Y2 Y3 Yt YT
In statistica clasica pentru analiza extrapolara seriilor se utilizeaza
indiactorii :X-modif.absoluta,Ix-indici,Rx-ritmul de modificare, Xmed-modif
medie absoluta, Rxmed-ritmul mediu de modificare.Utilizind formulele se utilizeaza
termenii imaginari ai seriei(primul si ultimul).daca primul si ultimul nu sunt
reprezentative,rezultatele sunt aproximative.
X1=f(t)
Fi(x)=a+bt ,Xt=a+b/t, Xt=aebt
Seriile dinamice se mpart n:
- serii de stoc sau sau serii de momente (integrale), care caracterizeaz
nivelul de dezvoltare a fenomenelor la anumite momente de timp. Caracteristica
acestor serii este faptul c indicatorii prezentai nu pot fi nsumai ntruct
nivelul de la un moment dat cumuleaz nivelurile tuturor momentelor
anterioare. Prin nsumare, aceeai mrime ar fi luat n calcul.de mai multe ori,
ceea ce este lipsit de sens. Din aceast cauz, termenii acestor serii se mai
numesc i mrimi de stoc.
- serii de intervale (difereniale), care reflect evoluia unui proces sau
fenomen pe anumite perioade de timp. Nivelurile indicatorilor se pot evidenia
pe ani, luni sau alte fraciuni de timp. Caracteristica seriilor de intervale o
reprezint posibilitatea de nsumare a mrimilor succesive ale indicatorilor.
Aceast caracteristic are o deosebit importan att n formarea seriilor, n
iteraiile de optimizare a mrimii intervalelor de grupare, ct i n analiza
economic n vederea stabilirii rezultatelor pe intervale mari de timp. n
literatura de specialitate aceste serii sunt numite
de unii autori cumulative.
43. Problema decalajelor temporare
O variabila rezulatativa este o functie de mai multe variabile care intirzie (sau o
variabila)

Ft=valoarea fondurilor fixe din anul dat t + Vt=valoarea fondurilor fixe puse in
actiune din anul dat t + It=investitiile din anul dat t + Wt= lichidarile pe
parcursul anului t;
Ft= Ft-1+Vt Wt
Vt=a0 + a1*Ft-1+a2Wt + a3Ft + a4It-1 +a5It-2 + a6It-3
44.
Autocorelatia.Utilizarea.testul Durbin-Watson
Autocorelaia reprezint corelaia dintre erorile succesive i de obicei
nfieaz faptul c o parte important a variaiei variabilei dependente nu
poate fi explicat. Cnd se constat autocorelaie se caut alte variabile
independente care s fie incluse n ecuaia de regresie. Statistica (modelul)
Durbin-Watson ofer un test standard pentru autocorelaie. Statistica DurbinWatson este o statistica de testare utilizat pentru a detecta prezena
autocorelare n reziduale de la o analiz de regresie. Este numit dup James
Durbin i Geoffrey Watson. Daca nu e este rezidual asociat cu observare la
momentul t, atunci statistica de ncercare este :

Deoarece d este aproximativ egal cu 2 (1 - R), n cazul n care r este

autocorelare eantion de reziduurilor, [1] d = 2 indic faptul c nici o
autocorelare.
Valoarea d ntotdeauna se afl ntre 0 i 4. n cazul n care statistica DurbinWatson este substanial mai mic de 2, exist dovezi de corelaie pozitiv a
seriei. n cazul n care Durbin-Watson este mai mic de 1.0, poate exista un
motiv de alarm.
Valori mici de d indica termeni de eroare succesive sunt, n medie, n valoare de
aproape una de alta, sau corelat n mod pozitiv.
n cazul n care d> 2 termeni succesive de eroare sunt, n medie, mult mai
diferite n valoare unul de altul, de exemplu, corelate negativ. n regresii, acest
lucru poate implica o subestimare a nivelului de semnificaie statistic.
Pentru a testa pentru autocorelare pozitiv la semnificaie, statistica de
ncercare d este comparat cu inferior i superior valorile critice (D L, i d U, ):
n cazul n care d <dl, , exist dovezi statistice c termenii de eroare sunt
pozitiv autocorrelated.
n cazul n care d> du, , exist dovezi statistice c termenii de eroare nu sunt
n mod pozitiv autocorrelated.
n cazul n care dl, <d <du, , testul este neconcludent.
Pentru a testa autocorelarea negativa la semnificaie, testul de statistica (4 - d)
este n comparaie cu inferior i superior valorile critice (dl, i du, ):
n cazul n care (4 - d) <dl, , exist dovezi statistice c termenii de eroare sunt
negativ autocorrelated.
n cazul n care (4 - d)> du, , exist dovezi statistice c termenii de eroare nu
sunt negativ autocorrelate.
n cazul n care du, <(4 - d) <du, , testul este neconcludent.

Valorile critice, D L, i d U, , variaza n funcie de nivelul de semnificaie (),

numrul de observaii, precum i numrul de predictori n ecuaia de regresie.
Dac d=0 , atunci exist autocorelare pozitiv maxim a erorilor;
Dac d=4
, atunci exist autocorelare negativ maxim a erorilor;
Dac d=2
, atunci nu exist autocorelare
45. Autoregresia.utilizarea este un model econometric utilizat pentru
captarea evoluiei i relaiile de interdependen dintre seriile de timp mai
multe, generalizarea modelelor univariate. Toate variabilele ntro autoregresie
sunt tratate n mod simetric, prin includerea, pentru fiecare variabil o ecuaie
s explice evoluia . Bazat pe aceast facilitate, Christopher Sims susine
utilizarea modelelor de autoregresie ca o teorie-metod de libertatea de a
estima relaiile economice, fiind astfel o alternativ la "restricii de incredibil de
identificare", n modele structurale.
46.
Utilizarea metodei durbin-watson pentru verificarea autenticitatii
functiilor de aproximare
Metoda durbin-watson include etapele :
1.se determina valorile teoretice Yt^=f(),t=1,n
2.se determina reziduurile :et=Yt-Yt^
3.se determina const d cu aj formulei : d=(et-et-1)2/et2
4.din tabelul durbin-watson pentru n si k dat,n-nr de observ,k-var
explicative,preluam dl,du unde dl<du
5.daca du<d<4-du atunci functia aproximeaza functia Yt,deoarece lipseste
corelatia in sirul restantelor et
6.daca
(4-dl<d<dl ,atunci functia f nu aprozimeaza functia Yt
7.daca dl<d<du sau 4-du<d<4-dl,atunci situatia este nederminata