Documente Academic
Documente Profesional
Documente Cultură
60
50
40
CS
30
20
10
0
0 100,000 200,000 300,000
M2
0
60
50
40
CS
30
20
10
0
0 1,000 2,000 3,000 4,000 5,000 6,000
60
50
40
CS
30
20
10
0
0 1,000 2,000 3,000 4,000 5,000
1
60
50
40
CS
30
20
10
0
0 5 10 15 20 25 30 35 40
ROBOR
60
50
40
CS
30
20
10
0
0 10 20 30 40 50 60 70
RI
2
60
50
40
CS
30
20
10
0
100 110 120 130 140 150 160
RS
1. Ipoteze fundamentale
3
(i) ε are o distribuţie independentă de timp, de speranţă matematică nulă,
respectiv:
E (εt) = 0, () t = 0, 1, 2, …, T
cov ε t ,ε t' 0
respectiv
cov ε t ,ε t' =E{[ε t -E ε t ][ε t' -E ε t ]} = E ε t ,ε t' = 0, () t t ' =1, 2,..., T
4
S.E. of regression 8.463387 Akaike info criterion 7.121140
Sum squared resid 11962.03 Schwarz criterion 7.158180
Log likelihood -599.7363 Hannan-Quinn criter. 7.136171
F-statistic 209.6360 Durbin-Watson stat 0.020857
Prob(F-statistic) 0.000000
a^ =
∑ y t x t −T Y X = ∑ ( y t −Y )( x t −X ) = cov ( X , Y ) =−0 .00
∑ x 2t −T X 2 ∑ ( x t −X )2 V (X)
^ −a^ X=27 . 48
b=Y
Plecând de la variabilele lui x şi y au fost estimaţi cei 2 parametrii:
- a estimat este C(1) şi înregistrează valoarea -0,00.
- b estimat este C(2) şi este egal cu 27,48.
Yt=a*Xt+b
Yt=-0,00+27,48
y -Y = yˆ -Y + y -yˆ
T 2 T T T
t t t t + 2 yˆ t -Y y t -yˆ t
t=1 t=1 t=1 t=1
y - yˆ t
2
σ ε2 = t
t=1 - variaţia reziduală, sau variaţia fenomenului Y generată
de către factorii nespecificaţi în model, aceşti factori fiind consideraţi – în etapa
de specificare – drept factori cu influenţă întâmplătoare, neesenţiali pentru a
explica variaţia fenomenului Y;
5
Descompunerea varianţei - Metoda ANOVA
Numărul Valoarea testului
Sursa de Măsura Dispersii
gr. de F
variaţie variaţiei corectate
libertate Fcalc Fα;v1;v2
Varianţa
explicată de
σ 2Y = y t -Y
T 2 σ2
model, k=1 s 2Y/X = Y/X
datorată
t=1
k
factorului X
Varianţa s 2Y/X
Fcalc =
Reziduală, s ε2
σ 2Y/X = yˆ t -Y
T 2
σ ε2
datorată T–k-1 s ε2 =
t=1 T - k -1
factorilor
neesenţiali
n T
Varianţa σ ε2 = y t -yˆ t
2
y -yˆ
2
T-1 t t
totală
2 t=1
s = ε
t=1 T-1
6
y -Y
T 2
i
Y/X =
R i=1
y -Y
T 2
i
i=1
Y/X
R
T 1
R2 1 (1 R 2 )
Tp
H0: R2 =0
H1: R2 ≠0
2
R T p 1
Fcalc 2
p
1 R
7
H1 : ai ≠ 0
âi
| |≥t α
σ^ â 2
Dacă i atunci H0 se respinge, iar coeficientul ai este
semnificativ diferit de 0.
σ^ â
Valorile i sunt.....
P a t tab σ a a a + t tab σ a 1 α
unde
a - termenul liber
σ a - abaterea medie pătratică a coeficientului a
Se cunoaşte a = ..., σ a = .... şi ttab = 1,96, iar probabilitatea de garantare a
rezultatelor este 95%, deci putem face calculele:
8
3.4. Testarea ipotezelor fundamentale referitoare la variabila aleatoare ε
Pentru a verifica ipoteza de homoscedasticitate a erorilor modelului ε t se
foloseşte testul White; se pleacă de la ecuaţia
2
ε t = α 0 + α1 x t + α 2 x t2 + ω t
şi se doreşte să se studieze dacă între ε t , xt şi xt2 există o legătură. Dacă între aceste
variabile există legătură, despre erorile modelului se spune că sunt
heteroscedastice, dacă nu – ele se numesc homoscedastice.
H 0 : R 22 / x , x2 = 0
(modelul este homoscedastic)
R 2
2 / x , x2
0
H1: (modelul este heteroscedastic)
9
3.4.2. Ipoteza independenţei valorilor variabilei reziduale εt
Yt = aX t + b + ε t (1)
ε t = ρε t-1 + u t (2)
Erorile modelului (1), ε t se consideră a fi corelate de ordinul unu dacă, în
general, între două erori oarecare succesive, ε t şi ε t-1 , există o legătură ca şi cea
descrisă în relaţia (2), adică în situaţia în care valoarea coeficientului ρ, la nivelul
populaţiei totale, diferă semnificativ de zero. Verificarea independenţei erorilor se
rezumă deci la testarea ipotezelor:
ε
T
t - ε t -1
t=2
DWcalc = T 2
ε
t=1
t
d ≤
0 < DWcalc < 1 d2 < DWcalc < 4 - d2 ≤ DWcalc≤ 4 4 - d1 < DWcalc <
DWcalc ≤
d1 4 - d2 - d1 4
d2
Autocorelare Indecizie Erorile sunt Indecizie Autocorelare
pozitivă ← independente → negativă
10
3.4.3. Testarea normalităţii distribuţiei variabilei aleatoare ε
4. Previziunea variabilei Y
11
5. Concluzii
12
Bibliografie
13