Documente Academic
Documente Profesional
Documente Cultură
7.
a)
b)
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.
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:
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:
R2
0,994009
10
1659,1704223 F0, 01;1;10 10,43
2
1 R
0,005991
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
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
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,
^ ^
^
*
*
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.
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
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 :