Econometrie

CURS 3
Conf. univ. dr. Viorica Chirilă

1
 Programa analitică

1. INTRODUCERE
2. REGRESIA LINIARĂ SIMPLĂ
3. REGRESIA LINIARĂ MULTIPLĂ
4. REGRESIA NELINIARĂ
5. VERIFICAREA IPOTEZELOR MODELULUI DE REGRESIE

2
 2 Modelul de regresie liniar simplu

Măsurarea intensităţii legăturii dintre două variabile

• Intensitatea legăturii dintre două variabile se poate măsura cu

ajutorul

– coeficientului de corelaţie
– raportului de corelaţie
– raportul de determinație.

3
 2 Modelul de regresie liniar simplu

COEFICIENTUL DE CORELAŢIE
Se utilizează pentru măsurarea legăturii în cazul unei regresii liniare
simple.
Se calculează după formula:
cov ( X , Y )
=
V ( X ) V (Y )
unde: X, Y – variabile aleatoare corelate
cov(X,Y) – covarianţa variabilelor X şi Y
V(X), V(Y) – varianţa variabilei X şi a variabilei Y

4
 2 Modelul de regresie liniar simplu

Coeficientul de corelaţie se poate calcula în funcţie de

coeficientul de regresie:
V (X )
 = 1
V (Y )
Deoarece expresia de sub radical este pozitivă rezultă că semnul
coeficientului de corelaţie coincide cu semnul coeficientului de
regresie.
-1≤ρ≤1
Valorile extreme, (-1 şi 1) semnifică o legătură liniară perfectă (funcţională).
Dacă ρ=0 nu există legătură între cele două variabile
ρ>0 legătură directă, iar
ρ<0 legătură inversă între variabilele X şi Y.

5
 2 Modelul de regresie liniar simplu

ESTIMAREA COEFICIENTULUI DE CORELAŢIE

Pentru o populaţie de volum N, coeficientul de corelaţie

este un parametru care trebuie estimat.

La nivelul unui eşantion de volum n se determină

coeficientul de corelaţie empiric:
n

cov ( x, y )  ( x − x )( y − y )
i i
r= = i =1
sx s y nsx s y
r - reprezintă o estimaţie pentru parametrul ρ.

6
2 Modelul de regresie liniar simplu

Tabelul 1. Estimarea și testarea coeficientului de corelație

Correlations

Pret Cantitate
Pret Pearson Correlation 1 -,943*
Sig. (2-tailed) ,016
N 5 5
Cantitate Pearson Correlation -,943* 1
Sig. (2-tailed) ,016
N 5 5
*. Correlation is significant at the 0.05 level (2-tailed).

7
 2 Modelul de regresie liniar simplu

ESTIMAREA COEFICIENTULUI DE CORELAŢIE

Din relaţia anterioară se obţine o formulă de calcul simplificat al
coeficientului de corelaţie empiric:

n xi yi −  xi  yi
r=
 n x 2 − ( x )2   n y 2 − ( y )2 
  i  i    i  i 
De asemenea, mai avem relaţia:
sx2
r = b1
s y2

8
 2 Modelul de regresie liniar simplu

RAPORTUL DE CORELAŢIE
Este un indicator ce măsoară intensitatea legăturii .
Poate fi utilizat atât în cazul regresiei liniare cât şi a celei neliniare
simple sau multiple.
Formula de calcul:
VE VR
= = 1−
VT VT

( y − y )
2

=
xi

( y − y )
2
i
9
 2 Modelul de regresie liniar simplu

ESTIMAREA RAPORTULUI DE CORELAŢIE

𝐸𝑆𝑆 𝑅𝑆𝑆
𝑅= = 1−
𝑇𝑆𝑆 𝑇𝑆𝑆

10
 2 Modelul de regresie liniar simplu

La nivelul unui eşantion observat, se poate determina raportul

de corelaţie pe baza valorilor empirice:

b0  yi − b1  xi yi − (  yi )
1 2

R= n
 yi − n (  yi )
2 1 2

R - o estimaţie a parametrului η
b0 şi b1 – estimaţii ale parametrilor β0 şi β1

11
 2 Modelul de regresie liniar simplu

Raportul de corelaţie măsoară intensitatea legăturii dintre cele

două variabile.

0≤η≤1

Valoarea 1 arată existenţa unei legături funcţionale, cazul când

varianţa variabilei Y depinde numai de variaţia variabilei X, varianţa
reziduală fiind egală cu zero.

12
 2 Modelul de regresie liniar simplu

RAPORTUL DE DETERMINAŢIE
Măsoară gradul de corelaţie dintre variabile şi calitatea ajustării
norului de puncte prin dreapta de regresie.

Valoarea la pătrat a raportului de corelaţie reprezintă raportul de

determinaţie:

 ( )
2
y −y VE VR

xi
2
= = = 1−
( y − y)
2
i
VT VT
arată ponderea influenţei factorului X asupra variaţiei variabilei Y.

Pentru a uşura interpretarea se exprimă procentual.

13
 2 Modelul de regresie liniar simplu

ESTIMAREA RAPORTULUI DE DETERMINAȚIE

2
𝐸𝑆𝑆 𝑅𝑆𝑆
𝑅 = =1−
𝑇𝑆𝑆 𝑇𝑆𝑆

14
 f)
2 Testarea
Modelulcoeficientului de corelaţie
de regresie liniar simplu
TESTAREA COEFICIENTULUI DE CORELAȚIE

Scopul testării: se verifică dacă variabila factorială considerată,

X, influenţează semnificativ variaţia variabilei rezultative, Y.
Testarea presupune parcurgerea următorilor paşi:
1. Formularea ipotezelor:
H0: ρ=0
H1: ρ≠0

15
 f) Testarea coeficientului de corelaţie
2 Modelul de regresie liniar simplu
2. Alegerea şi calcularea statisticii test:

ˆ ˆ n − 2 1 − ˆ 2
t= = ˆ ˆ =
ˆ  1 − ˆ 2
n−2
ˆ 
ˆ

ˆ este estimatorul abaterii medii pătratice a lui ̂

La nivelul unui eşantion observat avem relaţiile:

r r n−2
tcalc = =
sˆ 1− r 2

• unde:
r – coeficientul de corelaţie
n – numărul perechilor de valori x şi y

16
 2 Modelul de regresie liniar simplu

3. Regula de decizie
• Valoarea calculată a lui t, tcalc, se compară cu valoarea teoretică
obţinută din tabelul valorilor repartiţiei Student în funcţie de riscul
α şi n-2 grade de libertate.

Dacă │tcalc │ > tα/2;n-2 se respinge H0 şi se acceptă H1. Coeficientul de

corelaţie este semnificativ diferit de zero. Deci există o legătură
semnificativă între cele două variabile.

17
 2 Modelul de regresie liniar simplu
f) Testarea coeficientului de corelaţie

3. Regula de decizie
Dacă │tcalc │ > tα/2;n-2
sau
Dacă sig. < α se respinge H0 şi se acceptă H1. Coeficientul de
corelaţie este semnificativ diferit de zero. Deci, există o legătură
semnificativă între cele două variabile.
Dacă sig. ≥ α nu se respinge H0

18
 2 Modelul de regresie liniar simplu

TESTAREA RAPORTULUI DE CORELAȚIE

1. Formularea ipotezelor statistice:
H0: η=0
H1: η >0
2. Alegerea şi calcularea statisticii test:
n − k ˆ 2
F=
k − 1 1 − ˆ 2
unde: n – numărul valorilor observate
k – numărul parametrilor estimaţi

19
 2 Modelul de regresie liniar simplu

Statistica F urmează o lege de distribuţie Fisher-Snedecor de ν1=k-1 şi

ν2=n-k grade de libertate. Fα,ν1,ν2

2. Alegerea şi calcularea statisticii test:

La nivelul unui eşantion observat valoarea calculată a testului este:

n−k R 2
n − k ESS
Fcalc = sau
Fcalc =
k −1 1 − R 2
k − 1 RSS

20
 2 Modelul de regresie liniar simplu

3. Regula de decizie

Dacă Fcalc> Fα, ν1,ν2 cu o probabilitate de 1-α se respinge ipoteza H0

şi se acceptă ipoteza H1.. Raportul de corelaţie este semnificativ
statistic.

Deci, variabila factorială (independentă) influenţează semnificativ

variabila rezultativă (dependentă).

21
 2 Modelul de regresie liniar simplu

SAU
Dacă sig<α cu o probabilitate de 1-α se respinge ipoteza H0 şi se
acceptă ipoteza H1.. Raportul de corelaţie este semnificativ statistic.
Deci, variabila factorială (independentă) influenţează semnificativ
variabila rezultativă (dependentă).
Dacă sig≥ α nu se respinge ipoteza H0

22
 2 Modelul de regresie liniar simplu

Testarea modelului de regresie

• Ipoteze
Ho: β0= 0; β1= 0
H1: β1# 0
• Calcularea statisticii test
n − k R2 n − k ESS
Fcalc = Fcalc =
k −1 1 − R2 k − 1 RSS
• Regula de decizie
Dacă Fcalc> Fα, ν1,ν2 cu o probabilitate de 1-α se respinge ipoteza H0 şi se
acceptă ipoteza H1.. Modelul de regresie este semnificativ statistic.
• Decizia statistică

23
Regresia prin origine
În procesul de modelare există posibilitatea ca în urma testării
parametrilor modelului să se obţină un rezultat care nu permite
respingerea ipotezei nule pentru parametrul  .
0

Într-o asemenea situaţie suntem tentaţi să reconstruim modelul

de regresie fără ordonata la origine adică să estimăm un model de
forma:

Y = 1 X + 

24
Regresia prin origine
De asemenea, există situaţii în care teoriile economice impun
estimarea unui model care trece prin origine. Această condiţie
presupune ca lipsa influenţei variabilei independente (X=0) să conducă
la medie zero pentru variabila dependentă.

Problema de minim care trebuie rezolvată în estimare este de

forma:

(
S =  yi − ˆ1 xi )
2

= min

ˆ ˆ  xi yi
1  xi =  xi yi
2 2
1 =
2

 xi
2

25
Regresia prin origine: observaţii
Probleme care apar:
- nerespectarea condiţiei ca suma erorilor să fie egală cu zero
- Raportul de determinaţie estimat poate fi negativ de aceea s-a
propus un alt indicator

( x y )
2

r 2
= i i

 xi  yi
2 2

26
Regresia prin origine: observaţii
1. Problemele pe care le ridică modelul de regresie prin origine
recomandă pentru practica modelării econometrice evitarea
eliminării parametrului  0
din ecuaţia de regresie, chiar dacă
testul Student ar indica această soluţie.

2. Există un caz de regresie prin origine în care problemele menţionate

mai sus dispar. Este vorba despre regresia liniară simplă în care
variabilele sunt standardizate. În acest caz panta dreptei de regresie
este identică cu coeficientul de corelaţie Pearson şi nu mai este
necesară calcularea unui alt coeficient.

27