Ipotezele modelului de regresie liniar clasic (CLRM – classical linear regression model)

În cazul în care obiectivul este calcularea coeficienților b0 și b1, atunci metoda celor mai mici
pătrate va fi suficientă. Însă obiectivul modelării econometrice este nu doar calcularea valorilor b0 și
b1, ci și obținerea unor concluzii privind adevăratele valorii β0 și β1. Am dori să știm cit de aproape
sunt b0 și b1 de parametrii populației β0 și β sau cit de aproape este Ŷ de E(Y|X), adică SRF de PRF.
În acest scop, trebuie nu doar să alegem corect forma funcțională a modelului dar și să formulăm o
serie de presupuneri privind comportamentul variabilelor din model. Pentru a vedea de ce e necesară
această cerință privim relația Y   0  1 X  u . Această relație arată că variabila Y depinde de variabila
X dar și de variabila u. Deci necunoscând cum au fost generate valorile variabilelor X și u nu putem
face o concluzie privind comportamentul variabilei Y la nivelul întregii populații.
Un model de regresie liniar clasic (CLRM – classical linear regression model) respectă o serie de
condiții (ipoteze). În general, orice regresie este destul de robustă la încălcarea unor ipoteze, însă
verificarea acestora este totuşi o etapă foarte importantă în analiză.
Toate ipotezele se referă la variabilele din cadrul întregii populaţii (colectivității generale)

Ipoteze generale
I 1: Datele sunt obţinute corect (fără erori sistematice de observare) şi în număr suficient de mare
(depăşind în orice caz numărul parametrilor ce urmează a fi estimaţi) aşa încât soluţiile să
prezinte stabilitate. Num de observaţii n sa fie mai mare ca num de var explicative k
I 2: Variabila X este nestochastică şi prezintă aceleaşi valori în eventualitatea în care repetăm sondajul
(variabila X are valori fixe). Variabila rezultativă Y este aliatoare
I 3: Variabila X prezintă variabilitate în ceea ce priveşte valorile înregistrate în cadrul unui eşantion
de date (dispersia  x2 fiind un număr pozitiv finit),

I 4: Modelul de regresie este liniar în raport cu parametrii y i   0  1 xi  u i

1
yi   0  1 x i2 yi   0  1 y i  e  0  1xi
xi

Modele neliniare în raport cu parametrii y i   0   12 xi   2 xi2 y i   0  1  xi

I 5: Modelul de regresie este corect specificat. Se are în vedere includerea în model a celor mai importanți
factori de influență și alegerea unei funcției potrivite (liniare sau neliniare) ce ar descrie relația de
dependență.

Ipoteze ce se referă la variabila aliatoare

I 6: Media erorilor pentru fiecare valoare a variabilei X este egală cu zero. Legea de repartiție a
variabilei aliatoare este legea normală.
E (u i / xi )  0 u ~ N (0,  u2 )

Ipoteza prevede că factorii neincluși în model și specificați prin variabila ui nu au un efect

sistematic asupra valorii yi, astfel încât valorile pozitive ui sunt compensate de calorile negative
și astfel media calorilor ui este egală cu 0.

I 7: Variabila aliatoare prezintă o împrăştiere (dispersie) egală pentru diferitele valori x i. Altfel zis
variabila u este homoscedastica. (ipoteza de homoscedasticitate)
var(u i / xi )   2

Dacă var(u i / xi )   atunci și var( y i / xi )   . Aceste ipoteze sunt echivalente

2 2
 var(u i / xi )   2   i2

I 8: Variabila aliatoare nu este autocorelată. Altfel spus, pentru oricare 2 valori ale variabilei X
xi , x j (i  j ) valorile variabilei aliatoare corespunzătoare u i , u j (i  j ) nu sunt corelate.
(corelaţia dintre u i , u j este 0 )
cov(u i , u j / xi , x j )  E{[u i  E (u i )] / xi }{[u j  E (u j )] / x j }  E (u i / xi )(u j / x j )  0

(a) corelaţie pozitivă (b) corelaţie negativă (c) inexistenţa corelaţiei

I 9: Variabila aliatoare nu este corelată cu variabila factorială X aşa încât covarianţa între u i şi xi

este zero cov(u i / xi )  0 sau rx ,u  0

cov(u i / xi )  E[u i  E (u i )][ xi  E ( xi )] şi întrucât E (u i )  0 , iar X este o variabilă nestochastica

pentru care E ( xi ) este o constantă, rezultă cov(u i / xi )  E (u i xi )  E ( xi ) E (u i )]  E (u i xi )  0

I 10: Factorii incluşi în model (cazul modelului multifactorial) sunt independenţi unii în raport cu
ceilalţi, nefiind corelaţi (sau cel puţin nefiind perfect corelaţi) între ei.