MODELE AUTOREGRESIVE ŞI CU LAG DISTRIBUIT

În analiza regresiei pe serii cronologice, dacă modelul de regresie include pe lângă

variabilele explicative curente, şi valori întârziate ale acestora (ale variabilelor x) se numeşte
model cu lag distribuit.
Dacă printre variabilele explicative cu lag distribuit se găsesc şi valori cu retard
(întârziere, decalate) ale variabilelor dependente, modelul se numeşte autoregresiv. În
economie, dependenţa variabilei y faţă de o variabilă x, este rareori instantanee. Deseori
efectul variabilei y ca răspuns la variaţia variabilei x apare cu o întârziere de timp, numită lag.
y t     0 xt   1 x t 1   2 xt  2  u t - model cu lag distribuit
y t     x t  y t 1  u t - model autoregresiv
Modelele autoregresive se numesc modele dinamice, pentru că arată cum valorile
trecute ale unei variabile influenţează valorile ei prezente şi viitoare, odată cu trecerea
timpului.
Cele două tipuri de modele sunt des utilizate în aplicaţiile economice, pentru că
deseori în economie apar situaţii de efecte datorate unor variabile-cauze decalate cu anumite
lag-uri, în urmă, care sunt fie ale variabilei dependente, fie ale variabilelor explicative, fie ale
ambelor tipuri de variabile.
Problemele care apar se referă la:
1. rolul lag-urilor în economie;
2. explicaţia lag-urilor;
3. relaţia între modelele cu lag distribuit şi modelele autoregresive;
4. probleme în estimarea acestor modele.

6.1. Exerciţiu - Rolul lag-urilor în economie1

Lagul este finit, de k perioade: y t     0 xt   1 xt 1   2 xt  2  ...   k xt  k  u t .

0 este impactul pe termen scurt sau multiplicatorul, care arată schimbarea în medie a
lui y, la schimbarea cu o unitate a lui x, în aceeaşi perioadă (0 este derivata parţială a lui y în
funcţie de xt, 1 este derivata parţială a lui y în funcţie de xt-1, 2, derivata parţială a lui y, în
y t
funcţie de xt-2, ş.a.m.d., simbolic:  k  .
xt  k
Dacă schimbarea în x este menţinută la acelaşi nivel, atunci (0 + 1) arată schimbarea
în medie a lui y pentru perioada următoare, (0 + 1 + 2) în următoarea perioadă, ş.a.m.d.
Aceste sume parţiale se numesc interim sau intermediare sau multiplicatori.
k
După k perioade:   i   0 1   2  ...  k   , care este totalul sau multiplicatorul de lag
i 0
i 
*i   i
distribuit. Dacă se definesc ponderile:
  i  . Aceste ponderi i sunt standardizate,
i
reprezintă proporţia pe termen lung a impactului simţit la o anumită perioadă de timp.

1
Exerciţiu preluat din „Basic Econometrics”, Domadar N. Gujarati, McGraw Hill
International, Economics Series, 1988
Exerciţiu

O persoană are o creştere anuală a salariului de 2000$ şi se presupune că este o

creştere permanentă, adică se menţine această creştere pe parcursul a minim trei ani. Care va
fi efectul acestei creşteri a venitului asupra cheltuielilor anuale de consum?
Experienţa a arătat că oamenii nu sunt tentaţi să cheltuiască imediat toată această
creştere de salariu. Astfel, de exemplu: omul poate decide să crească cheltuielile de consum
cu 800$ în primul an după creşterea salariului, cu alţi 600$ în următorul an şi cu 400$ în
următorul, economisind restul. La sfârşitul celui de-al treilea an, cheltuielile de consum vor fi
crescut cu 1800 $.Astfel, funcţia de consum este:
y t    0.4 xt  0.3xt 1  0.2 xt  2  u t
Aceasta arată cum creşterea de 2000 $ a fost distribuită de-a lungul celor trei ani.
În primul an, cel al creşterii salariale, cheltuielile de consum cresc în medie cu 40 de
cenţi la creşterea cu 1$ a venitului: 800/2000 = 0.4.
Graficele din Figura 6.1 şi 6.2 arată modelul cu lag distribuit.

400

600
yt

1800 800

0 t1 t2 t3 t

Figura 6.1. Distribuirea cheltuielilor de consum pe trei ani

0 = 0.4 este înclinaţia marginală spre consum, iar  = 0.4 + 0.3 + 0.2 = 0.9 reprezintă
înclinaţia marginală spre consum pe termen lung.
La o creştere a venitului cu 1$, consumatorul va ridica nivelul cheltuielilor cu 40 cenţi
în anul creşterii, cu 30 de cenţi în următorul an şi 20 de cenţi în al doilea an. Impactul pe
termen lung al creşterii este de 90 de cenţi. Dacă se calculează ponderile standardizate

raportând  i*  i se obţin: 0,44 ; 0,33 ; 0.22. Din impactul total al unei unităţi de
0.9
modificare a lui X, 44% se simte imediat, 77% după 1 an, şi 100% la sfârşitul celui de-al
doilea.
Efectul 0xt
asupra y 1xt+1
2xt+2
0=0.4 3xt+3
1=0.3 2=0.2

t t+1 t+2 t+3 timpul

Figura 6.2. Efectul modificării cu o unitate a variabilei x, în timp asupra variabilei y

6.2. Cauzele de apariţie a lagurilor în economie

Principalele motive ale apariţiei lag-urilor în economie sunt:

- raţiunile psihologice (inerţia în consum)
- motive tehnologice (capitalul care înlocuieşte forţa de muncă, investiţiile)
- motive instituţionale (contractele, depozite bancare pe mai mulţi ani, asigurările medicale
pentru 1 an)
Din motive psihologice, comportamentul de consum ale oamenilor nu se schimbă
imediat ca urmare a modificării veniturilor lor sau a creşterii preţurilor. Pe de o parte oamenii
nu sunt siguri dacă această modificare este permanentă sau tranzitorie, şi unii sunt înclinaţi să
consume, alţii să economisească, pe de altă parte exită obiceiuri de consum influenţate de o
serie de factori socio-psiho-demografici: mărimea familiei, sexul, vârsta, nivelul de educaţie,
clima, zona geografică, religia, etc, care induc o inerţie în consum.
Raţiunile tehnolgice conduc la ezitări în cumpărarea produselor de înaltă tehnologie,
în aşteptarea scăderii preţurilor, ca urmare a inovaţiilor utile. Într-un timp relativ scurt, ca
urmare a progresului tehnic şi a unei largi utilizări, produsele electronice, de exemplu:
calculatoare de buzunar, microcalculatoare de birou, suferă schimbări de preţuri, în sensul
reducerii lor continue. Realizarea unor investiţii productive au ca efect reducerea treptată a
numărului de angajaţi, creşterea producţiei după perioade succesive de timp, etc.
Motivele instituţionale de apariţie a lag-urilor în economie se referă la evitarea unor
schimbări, transformări, ca urmare a unor obligaţii contractuale. O firmă nu poate schimba
produsele contractate deja, cu altele, folosind altă calificare a forţei de munca, alte materii
prime, altă tehnologie sau alte condiţii de derulare ale contractului. Depozitele bancare la
termene stabilite, presupun ca sumele de bani nu sunt disponibile pentru alte scopuri, iar
asigurările medicale odată alese, rămân valabile pe perioada stabilită.
În general, elasticităţile veniturilor sau preţurilor pe termen scurt sunt mai mici decât
cele pe termen lung, în valoare absolută. Înclinaţia marginală spre consum pe termen scurt
este în general, mai mică decât înclinaţia marginală spre consum, pe termen lung.
Lag-urile sunt importante în economie şi modelele econometrice trebuie să ţină seama
de existenţa lor.
6.3. Estimarea modelelor cu lag distribuit

Pentru simplificare, se consideră o singură valoare explicativă, dar pot exista mai
multe variabile explicative şi unele cu efect distribuit în timp, asupra lui y.
y t     0 xt   1 xt 1   2 xt  2  ...   k xt  k  u t , sunt modele cu lag (k), finit sau infinit.

6.3.1. Estimarea ad-hoc

Variabila xt, xt-1 , xt-2 ... xt-k este nestochastică şi necorelată cu ut. Se aplică metoda celor
mai mici pătrate, secvenţial:
1) regresia yt = f(xt)
2) regresia yt = f(xt , xt-1)
3) regresia yt = f(xt , xt-1, xt-2)
4) ş.a.m.d.
până când coeficienţii variabilelor devin nesemnificativi şi/sau coeficienţii la cel puţin una din
variabile îşi schimbă semnul: de la + la -, sau invers.

Procedura de estimare se opreşte când coeficienţii variabilei distribuite devin nesemnificativi

şi/sau coeficienţii la cel puţin una din variabile îşi schimbă semnul: +  - sau invers: -  +.
Exemplu:
ŷ t  5.67  0.171xt
ŷ t  5.47  0.111 xt  0.062 xt 1
ŷ t  5.47  0.109 xt  0.072 xt 1  0.055xt  2
ŷ t  5.65  0.108xt  0.063xt 1  0.022 xt  2  0.002 xt 3
Se alege a doua regresie ca fiind cea mai bună, pentru că ultimele două ecuaţii au
semnul diferit al lui xt-2, iar cel negativ al lui xt-3 generează dificultăţi la interpretarea ecuaţiei.
Deşi pare puternică această metodă de estimare, are următoarele neajunsuri:
- nu există nici un indiciu al lungimii maxime a lagului (k);
- la estimarea de laguri succesive, există mai puţine grade de libertate, făcând nesigură
inferenţa statistică. De obicei este dificil să se dispună de serii mari de date, astfel încât să
se poată continua estimarea a numeroase laguri;
- mai important, în seriile cronologice, valorile succesive tind să fie puternic corelate,
rezultând multicoliniaritatea care îşi arată efectele negative, conducând la imprecizia
estimatorilor, cu abateri mari, care sunt declaraţi în mod eronat ca fiind nesemnificativi.
Nu se recomandă utilizarea acestei proceduri de estimare.

6.3.2. Abordarea lui Koyck

Koyck a propus o metodă ingenioasă de estimare a modelelor cu lag distribuit, pornind

de la modelele cu lag infinit şi formulând apriori restricţii asupra coeficienţilor.
Koyck a considerat coeficienţii i ca având toţi acelaşi semn, şi că aceştia descresc
geometric, după cum urmează: k =0 k , unde: k = 0, 1, 2, ...
 = rata declinului sau decăderii; 0 <  < 1
1 -  = viteza de ajustare
Relaţia arată că fiecare  succesiv este mai mic decât  precedent pentru că  < 1. Se
presupune că întoarcerile înapoi în trecut au un efect progresiv mai mic asupra lui yt, o
presupunere destul de plauzibilă. De exemplu, veniturile curente şi din trecutul apropiat se
aşteaptă să afecteze cheltuielile de consum curente mai mult decât venitul dintr-un trecut mai
îndepărtat.
În Tabelul 6.1 se observă că o valoare apropiată de 1 a lui , conduce la o rată a declinului mai
înceată, astfel că valorile trecute ale variabilei explicative au un anumit impact asupra
variabilei dependente, iar o valoare  mai apropiată de 0, determină declinul rapid spre 0.

 0 1 2 3 4 5 ... 10
0.75 0 0.750 0.560 0.420 0.320 ... 0.060
0.25 0 0.250 0.060 0.020 0.0040 0.0010 ... 0
Tabelul 6.1. Valorile coeficienţilor i în funcţie de valoarea 0 şi 

Valorile din Tabelul 6.1 sunt reprezentate grafic în Figura 6.3.

k

 = 0.75
 = 0.5
 = 0.25

0 t (k)

Figura 6.3. Distributia geometrică a ratei declinului

Caracteristicile parametrilor lui Koyck:

1) pentru valori pozitive ale ratei declinului,  (0 <  < 1), nu are loc schimbarea de semn
pentru ,
2) prin  < 1 se dă o pondere mică valorilor  îndepărtate faţă de cele curente,
k
3)     i , care este multiplicatorul pe termen lung, este finit, când se cunoaşte k, dar şi
i 1

 1 
când k este infinit: 
k 0
k  0  
1  
Astfel Koyck se asigură că multiplicatorul pe termen lung este finit.

Modelul cu lag infinit poate fi scris:

y t     0 xt   1 xt 1   2 xt  2  ...   k xt  k  u t 
(1)
    0 xt   0 xt 1   0 2 xt  2  ...   0 k xt  k  u t
Este dificil de estimat un număr infinit de parametri. Parametrul  conferă o formă puternic
neliniară. Nu se poate aplica metoda celor mai mici pătrate, care presupune liniaritatea
funcţiei.
Pentru a putea estima, Koyck face o întârziere de un lag a acestui model:
y t 1     0 xt 1   0 xt  2   0 2 xt 3  ...  u t 1 (2)
Se înmulţeşte ecuaţia (2) cu :
y t 1     0 xt 1   0 2 xt 2   0 3 xt 3  ...  u t 1 (3)
Se scade (3) din (1):
y t  y t 1   ( 1   )   0 xt  ( u t  u t 1 ) . Rearanjând această ecuaţie, se obţine:
y t   ( 1   )   0 xt  y t 1  ( u t  u t 1 ) Dacã se noteazã vt  u t  u t 1 , atunci
(4),
y t   ( 1   )   0 xt  y t 1  vt
unde vt este o medie mobilă a lui ut şi ut-1.
Acest model: y t   ( 1   )   0 xt  y t 1  vt , se numeşte transformarea lui Koyck.
Comparând modelul iniţial cu cel transformat, se vede simplificarea realizată de Koyck.
Parametri de estimat sunt , 0 şi . Nu mai există motiv de existenţă a
multicoliniarităţii, înlocuindu-se valorile decalate în timp ale variabilei explicative x: xt-1, xt-2,
… printr-o singură variabilă yt-1.
Trăsături ale modelului lui Koyck sunt următoarele:
1) Se începe cu un model cu lag distribuit şi se ajunge la un model autoregresiv, pentru că yt-1
apare ca variabilă explicativă. Această transformare a lui Koyck arată cum se poate
converti un model cu lag distribuit într-unul autoregresiv.
2) Apariţia lui yt-1 poate crea unele probleme statistice: yt-1 ca şi yt este stochastic, deoarece
conţine termenul erorilor care reprezintă o variabilă stochastică. Teoria celor mai mici
pătrate se bazează pe presupunerea că variabilele explicative sunt fie nestochastice, fie
dacă sunt stochastice, atunci sunt distribuite independent de termenul stochastic al erorii.
Trebuie să se verifice dacă yt-1 satisface această presupunere.
3) În modelul original eroarea era ut, în cel transformat, eroarea este: vt  ut  ut1 .
Proprietăţile statistice ale lui vt depind de proprietăţile statistice ale lui ut. Dacă ut sunt în
mod serial necorelate, atunci vt sunt serial corelate. Trebuie considerată problema
corelaţiei în plus faţă de cea a variabilei explicative yt-1 de la punctul 2).
4) Prezenţa variabilei dependente printre variabilele explicative, yt-1, face imposibila
utilizarea testului Durbin-Watson pentru detectarea autocorelaţiei seriale. Se utilizează
statistica h a lui Durbin pentru detectarea autocorelaţiei seriale in modelele autoregresive:
N
h  ˆ ,
1  N var(ˆ 2 )

unde N este volumul eşantionului de date (de volum normal, mare), ˆ 

e e t t 1
,
e 2
t

iar ̂ 2 este coeficientul variabilei yt-1, din regresia yˆ t  ˆ 0  ˆ 1 xt  ˆ 2 y t 1 .

Se poate calcula ̂ şi din statistica DW, care, în acest caz, se calculează numai pentru a
servi la determinarea coeficientului de autocorelaţie de ordinul întâi a reziduurilor:
DW=2(1- ̂ ).
Statistica h urmează o lege asimptotic normală de medie 0 şi varianţă 1: h  AN (0,1) şi
Pr [-1,96 ≤ h ≤ +1,96] = 0,95. Regula de decizie este:
a) dacă h > 1,96 se respinge H0, ipoteza nulă, că nu există autocorelaţie serială pozitivă;
b) dacă h < -1,96 se respinge H0, că nu există autocorelaţie serială negativă;
c) dacă -1,96 ≤ h ≤ +1,96, se acceptă ipoteza nulă , adică nu există autocorelaţie de ordinul
întâi (pozitivă sau negativă).

6.3.2.1. Laguri medii sau mediane

Lagul mediu şi median sunt deseori utilizate în caracterizarea structurii unui lag
distribuit.
 Lagul median este timpul necesar pentru prima jumătate (50%) din totalul schimbării
variabilei y la schimbarea cu o unitate a variabilei x. Pentru modelul lui Koyck, lagul median
 log 2 
este: l Me    .
 log  
De exemplu, dacă  = 0.2 atunci lMe = 0.4306 , adică mai puţin de o jumătate de
perioadă este necesară pentru ca 50% din schimbarea lui y să se producă la schimbarea cu o
unitate a lui x; dacă  = 0.8 atunci lMe = 3.1067, adică durează mai mult de 3 perioade pentru
a realiza 50% din schimbarea lui y la schimbarea cu o unitate a lui x. Cu cât  este mare, cu
atât viteza de ajustare, 1 - , este mai mică, şi cu cât  este mai mic cu atât viteza de ajustare
este mai mare.
Lagul mediu arată numărul mediu de perioade necesar realizării unei cote  din impact


 k k

variabilei y: l  
k 0
 . Dacă =1/2, atunci l =1, adică jumătate din impactul
1 

k 0
k

schimbării variabilei y la schimbarea cu o unitate a lui x se va simţi după prima perioadă.

lMe şi l sunt mărimi ale vitezei cu care variabila y răspunde la variaţiile variabilei cauze x.

6.3.3. Raţionalizări ale modelului lui Koyck

Modelul lui Koyck reprezintă o mare simplificare în abordarea modelelor cu lag

distribuit, transformându-le în modele autoregresive. Totuşi problemele statistice care apar,
despre corelarea erorilor cu variabila explicative yt-1 au condus la următoarele raţionalizări ale
modelului lui Koyck.

6.3.3.1. Modelul aşteptărilor adaptive – Adaptive Expectations Model (AE)

Coeficientul de aşteptare, notat cu γ ia valori în intervalul (0, 1] şi se utilizează la

modificarea variabilei explicative, al cărei nivel se aşteaptă să se observe: yt   0  1 x*t  ut .
P. Cahan şi M. Friedman, în anii 1956-1957, au introdus conceptul de coeficient de
aşteptare şi ipoteza de aşteptare adaptivă, aşteptare progresivă sau ipoteza învăţării erorii:
x*t - x*t1   ( xt - xt*1 )
(5)
x*t  xt  ( 1   ) x*t1

Acesta relaţie (5), implică faptul că agenţii economici îşi vor adapta aşteptările în
funcţie de experianţa lor trecută, şi în particular, ei vor învăţa din greşelile lor. Valoarea
aşteptată în perioada curentă depinde de valoarea curentă plus o fracţie a valorii aşteptate
pentru perioada anterioară. Variabila explicativă este rezultatul unui model de nivelare
exponenţială, în care valoarea aşteptată la momentul t, xt* are sensul de valoarea previzionată
pentru t+1, iar xt-1* este valoarea previzionată la momentul anterior, t-1, pentru t. Previziunea
pentru t+1 este o adaptare continuă a previziunii anterioare, pentru t, la care se adaugă o parte
a erorii de previziune, care este diferenţa între valoarea observată xt şi cea previzionată, xt-1*
pentru t.
x*t  xt  ( 1   )x*t1  x*t1   ( xt  x*t1 )
yt poate fi cererea de bani, iar x*t echilibrul, optimul ratei dobânzii pe termen lung. x*t este o
valoarea aşteptată, o medie ponderată între valoarea actuală la momentul t, xt, şi cea aşteptată
la momentul anterior, t-1, x*t-1.
Se înlocuieşte valoarea aşteptată a lui x*t în model:
 
y t   0  1 xt  ( 1   )xt*1  u t   0  1xt  1 ( 1   )x*t1  u t . (6)
Se întârzie modelul cu un lag:
y t 1   0  1xt 1   1 ( 1   )x*t 2  u t 1   0   1 [ xt 1  ( 1   )x*t 2 ]  u t 1 ,

se înmulţeşte cu (1- γ)
y t 1 ( 1   )   0 ( 1   )  1 ( 1   )[ xt 1  1 ( 1   )x*t 2 ]  ( 1   )u t 1 
,
  0 ( 1   )  1 ( 1   ) xt*1  ( 1   )u t 1

şi se scade din modelul de mai sus (6), obţinându-se:

y t   0  1xt  ( 1   ) y t 1   t , unde t  u t  ( 1   )u t 1 (7)

Coeficientul  1 în modelul iniţial, măsoară răspunsul mediu al variabilei y, la

modificarea cu o unitate a variabilei xt*, care reprezenta echilibrul sau valoarea pe termen lung
a variabilei x. În modelul (7) coeficientul  1 măsoară efectul mediu asupra variabilei y ca
răspuns la schimbarea cu o unitate a variabilei x observată. Efectele nu sunt aceleaşi, decât în
situaţia în care γ=1, adică valoarea de echilibru, aşteptată este egală cu valoarea curentă
observată a variabilei x.
În practică se estimează modelul (7), obţinându-se uşor valoarea coeficientului de
aşteptare, γ, din coeficientul variabilei yt-1, apoi se obţine uşor coeficientul  1 , împărţind
coeficientul variabilei xt la γ.
Modelul aşteptărilor adaptive este asemănător cu modelul lui Koyck, dar interpretările
coeficienţilor din cele două modele sunt diferite. Pentru că şi modelul AE este autoregresiv,
rămâne problema termenului eroare, care s-a pus şi în cazul modelului Koyck.
Ipotezele modelului AE au fost contestate de susţinătorii modelului aşteptărilor
raţionale (Rational Expectations – RE), formulat prima dată de J. Uth şi apoi de R. Lucas şi T.
Sargent. Modelul AE susţine că agenţii economici îşi formulează aşteptările în funcţie de
experienţa lor trecută, în mod progresiv, trecutul influenţând din ce în ce mai puţin, fiind mai
importantă experienţa recentă. Modelul RE susţine că agenţii economici îşi formulează
aşteptările în funcţie de toată informaţia deţinută până la momentul respectiv, conferind
calificativul de raţional, şi nu numai în funcţie de informaţia trecută. Cu toate acestea,
modelul AE poate constitui o ipoteză de lucru, un prim pas, în considerarea şi fomularea unui
model al unor aşteptări schimbătoare.

6.3.3.2. Modelul de ajustare a stocului (de ajustare parţială)

O altă raţionalizare a modelului lui Koyck a fost realizată de Marc Nerlove, care
consideră că valoarea aşteptată se referă la nivelul variabilei dependente, cu caracter de stoc
de capital necesar pentru producerea unui anumit rezultat, în condiţii date de tehnologie, rata
dobânzii, etc. Modelul este: y*t   0  1 xt  u t . (8)
 Variabila y t reprezintă cantitatea de echilibru optimă, dorită, pe termen lung şi este
considerată ca fiind o funcţie liniară a rezultatului x. Pentru că această variabilă nu este direct
observabilă, Nerlove stabileşte ipoteza de ajustare parţială a stocului:
y t  y t 1   ( y *t - y t 1 )
y t  y *t  (1 -  ) y t 1 , unde (9)
δ este coeficientul de ajustare, cuprins în intervalul (0, 1), iar ( y t  y t 1 ) reprezintă
schimbare actuală, ca fiind o ajustare cu ajutorul coeficientului δ a ( y t* - y t 1 ) , a schimbării
dorite (investiţia dorită). Dacă modificarea variabilei dependente de la o perioadă la o alta
ulterioară, reprezintă investiţiile, It, în perioada t, atunci: I t   ( y t*  y t 1 ) .
Cum s-a ajuns la forma de nivelare exponenţială y t  y *t  (1 -  ) y t 1 , care arată cum
capitalul observat la timpul t este o medie ponderată a capitalului dorit şi a capitalului existent
anterior la t-1. Dacă se înlocuieşte în ecuaţia (9) valoarea capitalului dorit din ecuaţie (8),
rezultă că modelul de ajustare a stocurilor este:
y t   0  1 xt  ( 1   ) y t 1  u t (10)
Modelul (8) reprezintă echilibrul pe termen lung al cererii pentru stocul de capital, pe
când modelul (10) se referă la funcţia cererii de capital pe termen scurt. Valorile stocurilor de
capital din cele doua modele nu sunt egale. Se poate însă să se estimeze ecuaţia (10), obţinând
valoarea coeficientului de ajustare δ din coeficientul variabilei yt-1, apoi din coeficienţii δβ0 şi
δβ1 se poate prin împărţirea la δ, să se afle cei doi coeficienţi β0 şi β1 necesari în modelul (8).
Modelul de ajustare parţială seamănă atât cu modelul Koyck, cât şi cu modelul AE,
fiind autoregresiv ca şi acestea. Dar modelul aşteptărilor adaptive şi cel al ajustării stocului
sunt conceptual diferite: primul se bazează pe incertitudinea preţurilor, ratei dobânzii, etc., pe
raţiunile psihologice, pe când cel prezentat, ţine seama de aspecte instituţionale, tehnice, mai
rigide.

6.3.3.3. Modelul combinat al aşteptărilor adaptive şi al ajustării parţiale

Nivelul aşteptat pentru stocul dorit de capital, y*t, şi cel aşteptat pentru "ieşiri"
(rezultat), x*t, nu sunt observabile direct. Modelul combinat este:
y *t   0   1 x*t  u t

Prin mecanismul de ajustare a stocurilor şi transformarea corespunzătoare aşteptărilor

adaptive, acesta devine:
y t   0   1xt  ( 1   ) y t1  u t  ( 1   )u t 1   0   1xt  ( 1   ) y t1  vt , unde

vt  u t  ( 1   )u t 1
Ţinând seama de relaţia (9), y t  y t*  (1 -  ) y t 1 , se obţine:
y t    0   1xt  ( 1   ) y t1  vt   ( 1   ) y t 1 . (11)
Pentru a elimina y , tot pe baza relaţiei (9) se stabileşte: y  y t  (1 -  ) y t 1 şi pentru o
 *
t 1 t

perioadă înapoi: y t*1  y t 1  (1 -  ) y t  2 . Înlocuind în ecuaţia (11) se obţine:

y t   0  1xt   ( 1   ) y t1  vt  ( 1   ) y t 1   0  1xt  ( 1   ) y t 1  (1 -  ) y t  2  
 vt  ( 1   ) y t 1

y t   0  1xt  ( 1   )  ( 1   ) y t 1  ( 1   )( 1   ) y t  2  u t  ( 1   )u t 1  

(12)
  0   1 xt   2 y t 1   3 y t  2   t
 Modelul combinat este de asemenea autoregresiv, dar în plus apare şi termenul yt-2 pe
lângă yt-1. Problemele statistice referitoare la termenul eroare, rămân în continuare, erorile
urmând un proces de medii mobile şi având structuri similare la toate modelele prezentate.
Deşi modelul este liniar în parametri, el este neliniar în parametri iniţiali.
O aplicaţie a acestui model o constituie ipoteza venitului permanent a lui Friedman,
după care consumul pe termen lung sau permanent este o funcţie liniară a venitului pe termen
lung sau permanent.

6.4. Estimarea modelelor autoregresive

Cele patru tipuri de modele:

Modelul lui Koyck: y t   ( 1   )   0 xt  y t 1  ( u t  u t 1 )

Modelul aşteptărilor adaptive: y t   0  1xt  ( 1   ) y t 1   u t  ( 1   )u t 1 

Modelul ajustărilor parţiale: yt   0  1xt  ( 1   ) y t 1  u t

Modelul combinat al aşteptărilor şi ajustărilor: y t   0   1 xt   2 y t 1   3 y t  2  vt

au aceeaşi natură autoregresivă de forma: y t  a 0  a1 xt  a 2 y t 1  vt .
Datorită prezenţei variabilelor explicative stochastice (conţin termeni de eroare) şi
posibilei corelaţii seriale a erorilor, nu se poate aplica metoda celor mai mici pătrate.
Modelul ajustărilor parţiale diferă de celelalte modele, prin că termenul său eroare
vt  u t , unde 0 < δ  1. Dacă ut satisface ipotezele modelului liniar clasic de regresie, atunci
şi δut le satisface. Totuşi estimarea modelului ajustărilor parţiale, nu poate înlocui modelele
Koyck şi cel al aşteptărilor adaptive. Se pot folosi alte metode de estimare care să conducă la
construirea unor modele bine fundamentate pe consideraţii teoretice.

6.4.1. Metoda variabilelor instrumentale

Dacă s-ar aplica metoda celor mai mici pătrate, pentru estimarea parametrilor
modelulului y t  a 0  a1 xt  a 2 y t 1  vt , s-ar utiliza variabila yt-1, care este corelată cu termenul
eroare, vt, unde vt este termenul eroare din modelul lui Koyck sau din modelul aşteptărilor
adaptive. Sistemul de ecuaţii normale ar fi:
nâ 0  â1  xt â 2  y t 1  y t

â 0  xt  â1  x â 2  y t 1
2
t x y x
t t t

â 0  y t 1  â1  xt y t 1 â 2 y y 2

t 1 t y t 1

N. Liviatan propune să se găsească o variabilă „proxy” pentru yt-1 care este puternic
corelată cu yt-1, dar este necorelată cu vt. O astfel de variabilă se numeşte variabiă
instrumentală. Liviatan propune utilizarea variabilei xt-1 ca variabilă instrumentală pentru yt-1
şi propune de asemenea, să se obţină parametri de regresie, rezolvând următorul sistem de
ecuaţii normale:
nâ 0  â1  xt â 2  xt 1  y t

â 0  xt  â1  x â 2  xt 1 xt   y t xt
2
t

â 0  x t 1  â1  xt xt 1 â 2  x t21  y t xt 1

Problema în cazul estimării folosind variabilele instrumentale, este cea a coliniarităţii,
pentru că valorile succesive xt şi xt-1 sunt puternic corelate, în special serile cronologice
manifestând un grad mare de corelaţie între valorile succesive. Există astfel riscul de a nu
găsi cele mai bune variabile instrumentale, iar metoda să nu poată fi folosită.