LIST FORMULE

Model liniar simplu: Y 0 1 X

Model liniar multiplu: Y 0 1 X 1 2 X 2 ... p X p

Model putere (log-liniar): Y 0 X 1 e sau ln Y ln 0 1 ln X

Y X 0 1 e
X
Model Compound: sau ln Y ln 0 ln 1 X

Model Growth: Y e 0 1 X sau ln Y 0 1 X

Model Exponential Y 0 e 1 X e sau ln Y = ln 0 + 1X+

Model logarithmic: Y 0 1 ln X

Model parabolic sau quadratic: Y 0 1 X 2 X

2

Dac b2 0 parabola are un maxim

Dac b2 0 parabola are un minim
b b12 4b0 b2
Coordonatele punctului de min/max: 1 ;
2b2 4b2
Model cubic: Y = 0 + 1X + 2X2 + 3X3 +

Ipoteze:
1. Media erorilor este egal cu 0
H0 : M 0
H1 : M 0

0 : N 0 , 2 , 1 : N 1 , 2 ,
0 1

M (ei ) M (ei )
tcalc
sM ( ) s
n
M (ei ) - media erorilor
s
sM ( ) Std. Error Mean
n
s - Std. Deviation
tteoretic t / 2;n 1
2. Homoscedasticitatea erorilor
H 0 : erorile sunt homoscedastice H 0 : V( i )=
H1 : erorile sunt heteroscedastice H1 : V( i )
2.1. Testul Glesjer: ei 0 1 xi ui . Se testeaz 1
2.2 Testul corelaiei neparametrice ntre erorile estimate i valorile variabilei independente: Se testeaz
r n-2
coeficientul de corelaie Spearman t calc= .
1 - r2
2.3. Testul Breusch-Pagan-Godfrey: modelul auxiliar: ei2 0 1 X 1 2 X 2 u
calc
2
n Ra2 se compar cu 2 , k 1 , k nr de parametrii (k=3 n acest caz)
2.4. Testul White: modelul auxiliar: ei2 0 1 X 1 2 X 2 3 X 1 X 2 4 X 12 5 X 22 u
calc
2
n Ra2 se compar cu 2 , k 1 , k nr de parametrii (k=6 n acest caz)
3. Normalitatea erorilor
H 0 : i : N 0, 2
H1 : i nu urmeaza o N 0, 2
n k 2
Testul Jarque-Bera: JB sw
2

6 4
Se compar cu ,2 .
2

4. Necorelarea erorilor cov( i , j ) 0

4.1. Testul Durbin Watson
H 0 : 0, erorile nu sunt autocorelate
H1 : 0, erorile sunt autocorelate
DW d
d 0, 4
4.2. Runs test
H 0 : K este distribuit normal, erorile nu sunt autocorelate
H1 : K nu este distribuit normal, erorile sunt autocorelate
5. Ipoteza de necoliniaritate a variabilelor independente
1
VIF
(1 R 2j )
1
TOL j 1 R 2j
VIF

n 1
R 2 1 1 R 2
nk