Documente Academic
Documente Profesional
Documente Cultură
2 - Curs Econometrie PDF
2 - Curs Econometrie PDF
CURS 2
Conf. univ. dr. Ciprian Chirilă
1
Programa analitică
1. INTRODUCERE
2. REGRESIA LINIARĂ SIMPLĂ
3. REGRESIA LINIARĂ MULTIPLĂ
4. REGRESIA NELINIARĂ
5. VERIFICAREA IPOTEZELOR MODELULUI DE REGRESIE
2
CAPITOLUL 2 Regresia liniară simplă
• 2.1. Noţiuni introductive
3
2.1 Noţiuni introductive
4
2.1 Noţiuni introductive
Exemple de modele de regresie:
1. Legea cererii:
C=f(P)+ε
2. Legea ofertei
O=f(P)+ ε
3. Legile consumului
C=f(V)+ ε
4. Legătura dintre preţuri şi salarii
5
2.1 Noţiuni introductive
Medii condiţionate
Exemplu: Gujarati, N. D, 1995, pp. 32-35
Cheltuielile de
consum
săptămânale
($)
M(Y/X=xi) Media
condiţionată
M(Y/X=xi)
consum, ($)
• Interpretarea statistică
9
2.2 Modelul de regresie liniar simplu
10
2.2 Modelul de regresie liniar simplu
11
2.2 Modelul de regresie liniar simplu
Y= β0+β1 X +ε
unde:
Y – variabila dependentă
X – variabila independentă
ε – variabila aleatoare (reziduu)
βi - parametrii ecuaţiei de regresie (coeficienți de regresie)
12
2.2 Modelul de regresie liniar simplu
13
2.2 Modelul de regresie liniar simplu
14
2.2 Modelul de regresie liniar simplu
15
2.2 Modelul de regresie liniar simplu
16
2.2 Modelul de regresie liniar simplu
17
2.2 Modelul de regresie liniar simplu
18
2.2 Modelul de regresie liniar simplu
(
S = ( ei ) = yi − y xi ) = ( y − b − b1 x )
2 2 2
i 0
19
2.2 Modelul de regresie liniar simplu
nb0 + b1 xi = yi
b0 xi + b1 xi = xi yi
2
20
2.2 Modelul de regresie liniar simplu
b0 =
y x −x x y
i
2
i i i i
n x − ( x )
2 2
i i
n xi yi − xi yi
b1 =
n x − ( xi )
2 2
i
convergenţi şi (ˆ )
0 nN → 0 , (ˆ )1 nN → 1
Eficienţi - dintre toţi estimatorii posibili pentru β0 , β1 au
varianţa cea mai mică
22
2.2 Modelul de regresie liniar simplu
ˆ0 ( )
N 0 , 2ˆ
0
ˆ1 N ( , )
1
2
ˆ
1
23
2.2 Modelul de regresie liniar simplu
( )
M ˆ1 = 1 ̂1
Fig. 2.4. Distribuţia de selecţie a coeficientului de regresie
24
2.2 Modelul de regresie liniar simplu
(y −b − b1 xi )
2 2
- varianţa variabilei eroare: e
s 2
= i
= i 0
n−2 n−2
s2
- varianţa estimatorului ̂1 : s 2 ˆ =
(x − x )
1
2
i
25
2.2 Modelul de regresie liniar simplu
(
0 b0 t /2;n −2 sˆ
0
) (
1 b1 t /2;n −2 sˆ
1
)
26
2.2 Modelul de regresie liniar simplu
1. Formularea ipotezelor:
H0: β=0
H1: β≠0
ˆ −
tcalculat =
ˆ ˆ
27
2.2 Modelul de regresie liniar simplu
b
tcalculat =
sˆ
28
2.2 Modelul de regresie liniar simplu
3. Regula de decizie
Dacă |tcalc |>tα/2;n-2 cu o probabilitate de 1- α se respinge ipoteza
H0 şi se acceptă ipoteza H1 . Parametrul este semnificativ diferit de
zero, deci există legătură între cele două variabile.
29
2.2 Modelul de regresie liniar simplu
SAU:
30
2.2 Modelul de regresie liniar simplu
31
2.2 Modelul de regresie liniar simplu
Cantitate
15,00 Observed
Linear
14,00
13,00
12,00
11,00
10,00
9,00
8,00
Pret
32
2.2 Modelul de regresie liniar simplu
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients 95% Confidence Interval for B
Model B Std. Error Beta t Sig. Lower Bound Upper Bound
1 (Constant) 18,311 1,443 12,689 ,001 13,719 22,904
Pret -,730 ,149 -,943 -4,912 ,016 -1,202 -,257
a. Dependent Variable: Cantitate
33
2.2 Modelul de regresie liniar simplu
Model Summary
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 25,970 1 25,970 24,125 ,016a
Residual 3,230 3 1,077
Total 29,200 4
a. Predictors: (Constant), Pret
b. Dependent Variable: Cantitate
34
2.2 Modelul de regresie liniar simplu
35