Verificarea ipotezei de normalitate a distribitiei variabilei aliatoare

Legea de probabilitate a variabilei aliatoare ut este legea normală, de medie nulă şi abatere
medie pătratică 𝝈𝒖 deci 𝑳(𝒖𝒕 ) → 𝑵(𝟎, 𝝈𝒖 )

Ipoteza de normalitate este importantă pentru stabilirea proprietăților estimatorilor

parametrilor modelului de regresie.
Dacă ipoteza este adevărată atunci și estimatorii parametrilor modelului urmează o lege
normală 𝑳(𝒃𝒊 ) → 𝑵(𝜷𝒊 , 𝑺𝒃 ). Dacă ipoteza de normalitate este încălcată atunci estimatorii
modelului de regresie obținuți prin MCMMP nu mai sunt niste estimatori eficienți.

Verificarea normalității
Se ştie că, dacă erorile urmează legea normală de medie zero şi de abatere medie pătratică su ,
atunci are loc relaţia:
P ui  t  su   1   .

Pe baza acestei relații, în funcţie de diferite praguri de semnificaţie α , din tabela distribuţiei
normale sau a distribuţiei Student se vor prelua valorile corespunzătoare lui tα .
Verificarea ipotezei de normalitate se poate face pe baza unui graphic în cadrul căruia pe axa
Ox se vor reprezenta valorile ajustate ale variabilei rezultative (𝑦̂), iar pe axa Oy se vor trece
valorile variabilei reziduale - et
 Dacă valorile empirice ale variabilei reziduale se înscriu în banda ±𝑡𝛼 𝑆𝑢 cu un anumit prag
de semnificaţie α, ipoteza de normalitate a variabilei reziduale poate fi acceptată cu acest prag de
semnificaţie.

Verificarea ipotezei de normalitate a erorilor se va realiza cu ajutorul testului Jarque-Berra,

care este şi el un test asimptotic (valabil în cazul unui eşantion de volum mare), ce urmează o
distribuţie 𝜒 2 cu un număr al gradelor de libertate egal cu 2 (df=2) , având următoarea formă:
 S 2 K  32 
JB  n    ~ χ  ;2
2

6 24 
unde: n = numărul de observaţii;
S= coeficientul de asimetrie (skewness), ce măsoară simetria distribuţiei erorilor în
jurul mediei acestora, care este egală cu zero, având următoarea relaţie de calcul:
1 n
n
 
yi  y
3

S  i 1 3


K = coeficientul de aplatizare calculat de Pearson (kurtosis), ce măsoară boltirea

distribuţiei (cât de „ascuţită” sau de aplatizată este distribuţia comparativ cu
distribuţia normală), având următoarea relaţie de calcul:
1 n
n
 
yi  y
4

K  i 1 4

Testul Jarque-Berra testează dacă o distribuţie este normal distribuită. Distribuţia normală are
un coeficient de asimetrie egal cu zero, S = 0, şi un coeficient de aplatizare egal cu trei, K = 3.
Astfel testul măsoară diferenţa dintre coeficientul de asimetrie şi kurtotica distribuţiei analizate cu
cele ale distribuţiei normale. Testul are ca ipoteză nulă

H0: seria rezidurilor este normal distribuită.

iar H1: seria rezidurilor nu este normal distribuită.

Dacă JB  χ 2 ; 2 , atunci ipoteza de normalitate a erorilor este respinsă, în caz contrar când
JB< χ 2 ; 2 seria valorilor variabilei reziduale urmează o distribuție normală.
 Decizia poate fi luată și în funcție de probabilitatea asociată testului. Dacă probabilitatea
p(JB) asociată testului este suficient de scăzută, atunci ipoteza de normalitate a erorilor este
respinsă, în timp ce pentru un nivel suficient de ridicat al probabilităţii ipoteza de normalitate a
erorilor este acceptată.

Exemplul 1
Pentru un exemplu utilizând pachetul de programe EViews în vederea calculării testului
Jarque-Berra se constată că JB  0,3275  χ 02,05;2  5,9915 şi că p(JB) = 0,849. Deoarece valoarea
calculată a testului JB este mai mică decât valoarea tabelată a lui χ 2 ; 2 , iar probabilitatea ca testul
JB să nu depăşească valoarea tabelată este suficient de mare, ipoteza de normalitate a erorilor poate
fi acceptată.

5
Series: Residuals
Sample 1 10
4 Observations 10

Mean -9.54E-17
3 Median 0.015370
Maximum 0.093787
Minimum -0.117789
2 Std. Dev. 0.067726
Skewness -0.152094
Kurtosis 2.167233
1
Jarque-Bera 0.327513
Probability 0.848949
0
-0.15 -0.10 -0.05 0.00 0.05 0.10