LISTĂ 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 β0 + β1X+ 

Model logarithmic: Y   0  1  ln X  

Model parabolic sau quadratic: Y   0  1 X   2 X  

2

Dacă b2 < 0 parabola are un maxim

Dacă b2 > 0 parabola are un minim
� b1 b12 - 4b0 b2 �
Coordonatele punctului de min/max: � - ; - �
� 2b2 4b2 �
2 3 
Model cubic: Y = β0 + β1X + β2X + β3X +

Ipoteze:
1. Media erorilor este egală cu 0
H0 : M (  )  0
H1 : M (  ) �0
( ) ( )
ˆ0 : N  0 , s 2ˆ , ˆ1 : N 1 , s 2ˆ ,
0 1

M (ei ) M (ei )
tcalc  
sMˆ ( ) s
n
M (ei ) - media erorilor
s
sMˆ ( )  Std. Error Mean
n
s - Std. Deviation
tteoretic  ta / 2;n -1
2. Homoscedasticitatea erorilor
H 0 : erorile sunt homoscedastice H 0 : V( i )=s
H1 : erorile sunt heteroscedastice H1 : V( i ) �s
2.1. Testul Glesjer: ei  a 0  a1 xi  ui . Se testează a1
2.2 Testul corelației neparametrice între erorile estimate și valorile variabilei independente: Se testează
r n-2
coeficientul de corelație Spearman t calc= .
1 - r2
2.3. Testul Breusch-Pagan-Godfrey: modelul auxiliar: ei2  a 0  a1 X 1  a 2 X 2  u
c calc
2
Ra2 se compară cu ca2 , k -1 , k – nr de parametrii (k=3 în acest caz)
 n�
2.4. Testul White: modelul auxiliar: ei2  a 0  a1 X 1  a 2 X 2  a 3 X 1 X 2  a 4 X12  a 5 X 22  u
c calc
2
Ra2 se compară cu ca2 , k -1 , k – nr de parametrii (k=6 în acest caz)
 n�
3. Normalitatea erorilor
H 0 :  i : N ( 0, s 2 )
H1 :  i nu urmeaza o N ( 0, s 2 )
n � 2 k2 �
Testul Jarque-Bera: JB  �sw  �
6� 4 �
Se compară cu ca ,2 .
2

4. Necorelarea erorilor cov( i ,  j )  0

4.1. Testul Durbin Watson
H 0 : r  0, erorile nu sunt autocorelate
H1 : r �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 )
n-k