Documente Academic
Documente Profesional
Documente Cultură
Ecnm Us Iii
Ecnm Us Iii
Ecnm Us Iii
Obiective
- prezentarea demersului de generalizare de la modelul liniar simplu la cel multiplu
- definirea clasică şi matriceală a modelului
- estimarea şi testarea parametrilor, testarea modelului
- studiu de caz pe România
Competenţe
- dezvoltarea competenţelor de generalizare şi de analiză comparată a modelelor simple şi
multiple
- însuşirea etapelor modelării econometrice şi a noţiunilor specifice
- deprinderea de a construi un model liniar multiplu cu date de la nivelul economiei României
- însuşirea cunoştinţelor şi deprinderilor de utilizare a unui soft statistic pentru modelare
Termen mediu: 4 h
Bibliografie selectivă
1. Berdot, J.P., Économétrie, CNED, Poitiers-Futurscope, 2001
5. Iacob, A.I., Tanasoiu, O., Modele econometrice, Editura ASE Bucureşti, 2005
Prezentare matriceală
Modelul multiplu admite şi o abordare cu ajutorul matricelor. Acesta se poate scrie sub formă
matriceală astfel: Y X , unde
0
Y1 1 x11 x21 ... x p 1 1
1
Y2 1 x12 x22 ... x p 2 2
Y , X X 0 X 1 ... X n , 2 , , unde p este numărul
... ... ... ... ... ...
...
Y 1 x x ... x
n 1n 2 n pn
n
p
de variabile independente, k este numărul de parametri din model, n este volumul de date
disponibile.
Prima coloană din matricea corespunzătoare valorilor variabilelor independente este coloana
variabilei constantă, ale cărei valori sunt egale cu unu.
Pentru p = 2 sau k = 3, avem modelul de regresie multiplă cel mai simplu, adică modelul cu
două variabile independente:
yi M ( Y / X xi ) i 0 1 x1i 2 x2i i
Rezultă relaţiile:
ˆ i yi ŷi sau ˆ i yi ˆ 0 ˆ 1 x1i ˆ 2 x2i .
i i i i
ˆ ˆ ˆ
0
x2i 1 x1i x2i 2 x2i yi x2i
2
i i i i
ˆ 0 ŷ ˆ 1 x1 ˆ 2 x2 ,
2
yi ŷ x1i x1 x2i x2 yi ŷ x2i x2 x1i x1 x2i x2 ,
ˆ 1 i i i i
2
2 2
x1i x1 x2i x2 x1i x1 x2i x2
i i i
2
i yi ŷ x2i x2 i x1i x1 i yi ŷ x1i x1 i x1i x1 x2i x2
ˆ 2 2
2 2
i x1i x1 i x2i x2 i x1i x1 x2i x2
b. Proprietăţile estimatorilor ˆ 0 , ˆ 1 , ˆ 2
ˆ i i
~ N ( 0 ,1 ) şi
ˆ i
ˆ i i
~ t( n 3 ) .
ˆ ˆi
2
x1i x1 x2i x2
Dacă notăm prin R12
2
i
2
x1i x1 x2i x2
2
i i
raportul de determinaţie dintre variabilele independente, atunci au loc relaţiile:
2
V ( ˆ 1 ) ;
x1i x1 ( 1 R12 )
2 2
2
V ( ˆ 2 ) ;
x2i x2 2 ( 1 R122 )
i
R12 2
cov( ˆ 1 , ˆ 2 ) .
2 2
x1i x1 x2i x2 ( 1 R12 )
2
i i
i yi y x1i x1 i x2i x2 i yi y x2i x2 i x1i x1 x2i x2
2
b1 2
.
2 2
i x1i x1 i x2i x2 i x1i x1 x2i x2
ˆ i2 ( yi ˆ 0 ˆ 1 x1i ˆ 2 x2i )2
ˆ 2 i
i
.
n3 n3
La nivelul unui eşantion, estimaţiile pentru coeficienţii de corelaţie parţială se vor nota prin:
ry1.2, coeficientul de corelaţie dintre Y şi X1, în condiţiile în care influenţa variabilei X2 este
considerată constantă;
ry2.1, coeficientul de corelaţie dintre Y şi X2, în condiţiile în care influenţa variabilei X1 este
considerată constantă
r12.y, coeficientul de corelaţie dintre X1 şi X2, în condiţiile în care influenţa variabilei Y este
considerată constantă.
Pentru fiecare coeficient de corelaţie parţială, la nivelul unui eşantion, sunt valabile relaţiile:
ry 1 ry 2 r12
ry 1.2 ;
( 1 ry22 )( 1 r122 )
ry 2 ry 1 r12
ry 2.1 ;
( 1 ry21 )( 1 r122 )
r12 ry 1 ry 2
r12. y ;
( 1 ry21 )( 1 ry22 )
unde ry1 , ry2 , r12 reprezintă estimaţii pentru coeficienţii de corelaţie bivariată între două
variabile precizate şi au următoarele relaţii:
n x1i yi x1i yi
ry 1 i i i
;
n
i
x 21i ( x1i )2 n y 2 i ( yi )2
i i i
n x2 i yi x2 i yi
ry 2 i i i
;
n
i
x 2 2 i ( x2 i )2 n y 2 i ( yi )2
i i i
n x1i x2 i x1i x2 i
r12 i i i
.
n
i
x 2 1i ( x1i )2 n x 2 2 i ( x2 i )2
i i i
Raportul de determinaţie multiplă sau coeficientul de determinaţie multiplă arată ponderea din
variaţia totală a variabilei dependente care este explicată de variaţia simultană a variabilelor
independente incluse în model.
ESS RSS
ei2
R2 1 1 i
.
TSS TSS i y )2
( y
i
Pe baza coeficienţilor de corelaţie bivariată şi a celor parţiali se pot obţine o serie de relaţii
pentru estimaţia coeficientului de corelaţie multiplă (r):
ry21 ry22 2ry1ry 2 r12
r sau
1 r122
r ry21 ( 1 ry21 )ry 2.1 sau
Coeficientul de corelaţie multiplă este un indicator care măsoară intensitatea legăturii dintre
variabila dependentă şi toate variabilele independente cuprinse în model.
Observaţie
Din relaţiile de mai sus, se poate observa că pentru estimaţiile celor doi estimatori are loc
relaţia: R 2 R2 , pentru k>1.
Pentru un model de regresie multiplă se pot construi mai multe teste cu scopul de a testa:
parametrii modelului, modelul de regresie, influenţa marginală a unei variabile etc.
1. Formularea ipotezelor
H 0 : i 0 , i 1,2 (variabila independentă i nu are o influenţă liniară asupra celei
dependente);
H1 : i 0 .
3. Alegerea testului
În acest caz, se utilizează statistica Student. În condiţiile acceptării ipotezei nule, pentru
ˆ
fiecare parametru se utilizează statistica: t i , i 0 ,2 , care urmează o lege de repartiţie
ˆ ˆ i
6. Regula de decizie
Dacă tcalc [ t / 2 ;n 3 , t / 2 ;n 3 ] , se acceptă ipoteza H0, cu o probabilitate egală cu (1-).
Dacă tcalc [ t / 2 ;n 3 , t / 2 ;n 3 ] , se respinge H0, cu probabilitatea (1-).
În SPSS, decizia se ia pe baza semnificaţiei testului: dacă Sig t < , se respinge H0, cu nivelul
de încredere specificat, iar dacă Sigt , se acceptă ipoteza nulă, cu aceeaşi probabilitate.
1. Formularea ipotezelor
H0 : 0 1 ... p 0 (modelul nu este semnificativ);
H 1 : nu toţi coeficienţii sunt simultan zero.
3. Alegerea testului
V̂E n k ˆ 2 n k
Se utilizează statistica Fisher de forma: F ~ F ( k 1, n k ) .
V̂R k 1 1 ˆ 2 k 1
Observaţie
V̂E n k V̂E n 3
Pentru două variabile independente, k = 3, iar statistica Fisher este: F
V̂R k 1 V̂R 2
ˆ 1 ( yi ŷ )( x1i x1 ) ˆ 3 ( yi ŷ )( x2 i x2 )
n3
sau F i i
.
ˆ i
2
2
i
6. Regula de decizie
Dacă Fcalc F ;2 ;n 3 se respinge ipoteza H0, cu probabilitatea ( 1 ) , iar dacă Fcalc F ;2;n 3 ,
se acceptă ipoteza nulă, cu aceeaşi probabilitate.
În cazul în care se doreşte testarea influenţei marginale a unei variabile nou introduse în sau
excluse din model, se foloseşte un test Fisher, cu o statistică dată prin relaţia:
V̂E _ new V̂E _ old n knew ˆ new
2
ˆ old
2
n knew
F ,
V̂R _ new knew 1 ˆ 2
1 old knew 1
unde „old” specifică indicatorul înainte de introducerea în sau excluderea variabilei
independente din model, iar „new” indicatorul după introducerea în sau excluderea variabilei
din model.
Decizia de a accepta sau a respinge ipoteza nulă se ia în aceleaşi condiţii precizate mai sus
pentru testul Fisher.
Test1
1. Rezultatele modelării pentru 3 variabile sunt prezentate în tabelul de mai jos.
Coefficientsa