Re

gresia lineară simplă

CUPRINS
Curs 2:
Regresia
lineară simplă
1. Ecuația de
regresie
2. Metoda celor mai mici
pătrate

Bibliografie
 Prof.univ.dr. Dorin JULA: Econometrie 2
t Xt Yt 60
15 120 90
1 50 45 40
16 125 110
2 55 48 20
17 130 90
3 60 50 0
18 135 96
4 65 60
1. Ecuația de
19 140 90
5 70 58 regresie
20 145 90
Y
6 75 62
21 150 120
7 80 58
22 155 140
8 85 70
23 160 120
9 90 72
24 165 110
10 95 85
25 170 140
11 100 90
12 105 80
13 110 75
14 115 90
160 140 120 100 80
X

40 60 80 100 120 140 160 180

 Teoria economică: veniturile (X) și consumul familiilor (Y) sunt două
variabile care nu evoluează independent una de alta, mai exact,
consumul depinde de nivelul veniturilor,
Y = f(X, e)
unde e simbolizează ceilalți factori care contribuie la formarea
comportamentului de consum.

Prof.univ.dr. Dorin JULA: Econometrie 3

t Xt Yt 13 110 75
1 50 45 160 140 120 100 80
14 115 90
2 55 48 60
15 120 90
3 60 50 40
16 125 110
4 65 60 20
17 130 90
5 70 58
18 135 96
6 75 62
19 140 90
7 80 58
20 145 90 0
8 85 70
21 150 120 1. Ecuația de
9 90 72
22 155 140 regresie
10 95 85
23 160 120 Y
11 100 90
24 165 110
Y = f(X,e)
12 105 80
25 170 140
X

40 60 80 100 120 140 160 180

În ipoteza de linearitate, acceptăm că

M(Y/X) = a0 + a1X
M(Y/X) – valoarea anticipată a consumului atunci când venitul atinge
valoarea X
a1 – înclinaţia marginală spre consum a familiilor din populaţia analizată
a0 – nivelul consumului atunci când venitul familiei este zero.
Prof.univ.dr. Dorin JULA: Econometrie 4
t Xt Yt 11 100 90 21 150 120
1 50 45
12 105 80 22 155 140
2 55 48
13 110 75 23 160 120
3 60 50
14 115 90 24 165 110
4 65 60
15 120 90 25 170 140
5 70 58
16 125 110
6 75 62 160 140 120 100 80
17 130 90
7 80 58 60
18 135 96
8 85 70 40
19 140 90
9 90 72 20
20 145 90
10 95 85 0
 X
regresie
Y
1. Ecuația de Y = f(X,e)

40 60 80 100 120 140 160 180

Relația
Y = M(Y/X) + e
se numeşte ecuaţia de regresie a lui Y în funcţie de X.

Ecuaţia de regresie lineară a lui Y în funcţie de X

Y = a0 + a1X + e

Prof.univ.dr. Dorin JULA: Econometrie 5

De ce apare eroarea e?

1. Deoarece comportamentul economic este suficient de complex, evoluția variabilei Y

este influențată și de alți factori, diferiți de X. Există situații în care mulți dintre factorii
respectivi au un impact redus, astfel încât nu se justifică includerea lor explicită în
model. Totuși, se poate considera efectul net (global) al acestora ca fiind un factor e
disturbator.
2. Existența unor elemente calitative, greu sau imposibil de cuantificat. De exemplu, există
 elemente dificil de anticipat în comportamentul uman. Considerăm, în această situație,
componenta aleatoare e ca reprezentând elementele nepredictibile din relația de
determinare a variabilei Y.
3. Este posibil să existe erori în observarea (înregistrarea) valorilor variabilei Y. În această
situație, variabila e poate fi considerată drept o măsură a erorilor respective

Prof.univ.dr. Dorin JULA: Econometrie 6

Modelul: Y = M(Y / X) + e
Y – consumul efectiv înregistrat al familiilor
M(Y/X) – valoarea anticipată a consumului pentru un venit dat X

Ecuația lineară de regresie a lui Y în funcție de X

Y = a 0 + a1 X + e
1. Problema modelării legăturii dintre consum și venit este aceea de a determina,
folosind datele disponibile, o formă cât mai adecvată a relației dintre cele două
variabile
2. O dreaptă este complet determinată dacă se stabilesc valorile a0 și a1 3. Modelarea
consumului (Y) în funcție de venit (X) înseamnă stabilirea unor valori â0 și â1 pentru
parametrii a0 și a1 astfel încât înlocuind aceste valori într-o ecuație de forma Ŷ = â0 + â1X,
 cu Xt cunoscut, să se obțină valori Ŷt cât mai apropiate de cele înregistrate în
eșantionul selectat (Yt).

Prof.univ.dr. Dorin JULA: Econometrie 7

Y = a 0 + a1 X + e
Presupunem că există cel puțin o metodă prin care pot fi calculate valorile
estimatorilor â0 și â1
Ŷt = â0 + â1 Xt
Variabila reziduală: ut = Yt – Ŷt, t =1, 2, ..., n
Observație Yt = Ŷt + ut,
Yt = â0 + â1 Xt + ut ,
✓ abaterea e măsoară diferența dintre variabila Y și M(Y/X) – anticipația
privind nivelul variabilei respective atunci când evaluarea privește întreaga
populație, iar această valoare (e) rămâne necunoscută;
✓ variabila reziduală u reprezintă abaterea dintre valorile Y din eșantionul
studiat și estimările Ŷt privind valorile respective determinate pe baza
datelor din eșantion.
Aceasta înseamnă că, în măsura în care Ŷ este o estimare pe baza unei
selecții a valorii anticipate M(Y/X), variabila reziduală u este estimarea
calculată pe baza aceleași selecții pentru variabila de abatere e.

Prof.univ.dr. Dorin JULA: Econometrie 8

Y Yt ••

Xt
ˆ
Y = aˆ0+ aˆ1X
Ŷ = â0 + â1X
• • • • ut
ˆ
••• =+
•••••
••••• t 0 1Xt Y aˆ aˆ X

este o estimare a ecuației de regresie, estimare calculată pornind de la eșantionul disponibil.

Ŷ – estimarea pe baza eșantionului a valorii anticipate pentru consumul populației, atunci
când venitul este X,
â0 și â1 – estimatorii calculați pe baza eșantionului, pentru parametrii a0 şi a1 din ecuațiile de
regresie.

Prof.univ.dr. Dorin JULA: Econometrie 9

Exemplu:
Fie â0 = 10.87, respectiv â1 = 0.679. Atunci pentru X10 = 95, Ŷ10 se calculează:
Ŷ10 = 10.87 + 0.679·95 = 75.375.
În realitate, Y10 = 85. Diferența de 9.625 dintre consumul estimat Ŷ 10 și cel înregistrat efectiv Y10
 reprezintă eroarea de anticipare.
150
140
130
120
110 100 90 10 Ŷ10 = 75.375 respectivă, notată ut, se
80 0 Diferența dintre numește variabila
70 Y10 = 85 consumul estimat Ŷtși cel reziduală din ecuația de
60 înregistrat efectiv Yt regresie:
50 reprezintă o estimare a
variabilei de abatere et din ˆ
40
u Y Y , t 1,2,3, ,n t=t − t=
30
modelul de
20
regresie. Mărimea
50
55
60
u10 = 9.625
65
70
75
80
85
90
95
1

00
1

05
1

10
1

15
1

20
1

25
1

30
1

35
1

40
1

45
1

50
1

55
1

60
1

65
1

70
1

75
1

80

Prof.univ.dr. Dorin JULA: Econometrie

10

2. Metoda
celor mai mici pătrate
Y
 ˆ
Y = aˆ0+ aˆ1X
n n 2 n
Yt
() () ()
∑∑ ∑
2
• • • • ut 2

ˆ ==−=−−
F aˆ0,aˆ1 ut Y Y Y aˆ aˆ X
••• tt t01t
t1
===
••••• ∂
t1
∑
t1
⎪ n
⎪ ⎨⎧

••••••• t1
ˆ ∂ Y aˆ aˆ X 0
=+ aˆ
=
0
=−−+=
t 0 1X t Y aˆ aˆ ( ) ( )[ ( )] F aˆ ,aˆ 2 1 01t01t

⎪ ∑
⎪ ⎩
n ( ) ( )[ ( )] F aˆ ,aˆ 2 X Y aˆ aˆ X 0 = − − + =
∂
=
Xt X ∂ aˆ 1
01tt01tt1

⎪ [ ( )] Y aˆ aˆ X 0 ∑ t
0 (variabila ⎪ ⎪
⎪ ⎨⎧
t1
⎪ ⎨⎧ = ū = 0 (media ⎪ ⎩
n
−+= n exogenă este ∑ t1 ( )[ ( )]
∑ t1 t01t
u 0⬄
reziduurilor este = X Y aˆ aˆ X 0
= ⎪ ⎪ −+=
n ⎪ ⎨⎧
= zero) cov(X, u) = ⎪ ⎩ n
tt01t
n
n
∑ t1 =
Xu0
=
tt
⬄ independentă față de erori)

∑ ∑ Y naˆ aˆ X
t
t1 Sistemul de ecuații normale
=+
01t
==t1
n n n

∑ ∑ ∑ ⎪⎪⎩
2
X Y aˆ X aˆ X = +
tt0t1tt1
===
t1
t1
Prof.univ.dr. Dorin JULA: Econometrie 11

Ecuația de regresie lineară pentru populație

Y lui Y pentru X = xi de dreapta de regresie: Dreapta de regresie: y =

Valoarea observată a eroarea de a0 + a1x
Deviația verticală față

anticipare yi

Prof.univ.dr. Dorin JULA:

 Panta
e
M(yi|xi)
(înclinația) dreptei = a1

Valoarea
Constanta = a0 anticipată a lui Y
ei pentru X = xi:

Econometri M(yi|xi) = a0+a1xi

X
xi

Prof.univ.dr. Dorin JULA: Econometrie 12

Ecuația de regresie lineară pentru eșantion

Y Deviația verticală față Dreapta de regresie ŷt = a0 + a1xt

Valoarea observată a de dreapta de regresie: estimată pe baza
lui Y pentru X = xi eșantionului:
yi reziduu

Prof.univ.dr. Dorin JULA:

Panta Constanta
calculată a calculată = â0
dreptei = â1 ui
ŷi
 Valoarea
Econometrie calculată a lui Y
pentru X = xi:
ŷi = â0+ â1xi

xi X

Prof.univ.dr. Dorin JULA: Econometrie 13

2
tXYX XY 12 105 80 11025 8400
1 50 45 2500 2250
13 110 75 12100 8250
2 55 48 3025 2640
14 115 90 13225 10350
3 60 50 3600 3000
15 120 90 14400 10800
4 65 60 4225 3900
16 125 110 15625 13750
5 70 58 4900 4060
17 130 90 16900 11700
6 75 62 5625 4650
18 135 96 18225 12960
7 80 58 6400 4640
19 140 90 19600 12600
8 85 70 7225 5950
20 145 90 21025 13050
9 90 72 8100 6480
21 150 120 22500 18000
10 95 85 9025 8075
22 155 140 24025 21700
11 100 90 10000 9000
23 160 120 25600 19200
24 165 110 27225 18150
25 170 140 28900 23800 Exemplu de
calcul
⎪ n
⎪ ⎨⎧ n

∑ ∑ Y naˆ aˆ X
t
t1
=+
01t
==t1
n n n

∑ ∑ ∑ ⎪⎪⎩
2
X Y aˆ X aˆ X = +
tt0t1tt1
===
t1
2139 25aˆ 2750aˆ
t1

⎧
⎩⎨ = + = + 0 1 0 1
257355 2750aˆ 335000aˆ
cu soluțiile â0= 10.87 și â1= 0.679
Dreapta de regresie este:
 Yˆt =10.87+0.679 ⋅ Xt , t =1,2,3,, 25

14
Σ 2750 2139 335000 257355
t X Y Ŷ u 1 50 45 44.820 0.180 2 55 48 48.215 -0.215 3 60 50 51.610 -1.610 4 65 60 55.005 4.995 5 70 58 58.400 -0.400 6 75 62
61.795 0.205 7 80 58 65.190 -7.190 8 85 70 68.585 1.415 9 90 72 71.980 0.020 10 95 85 75.375 9.625 11 100 90 78.770 11.230 12 105
80 82.165 -2.165 13 110 75 85.560 -10.560 14 115 90 88.955 1.045 15 120 90 92.350 -2.350 16 125 110 95.745 14.255 17 130 90
99.140 -9.140 18 135 96 102.535 -6.535 19 140 90 105.930 -15.930
160 140 120 100 80

60

40

20

0
)

(
l

Exemplu de calcul Venitul (X)

 4
5
6
7
8
9
1
1
1
1
1
1
1
1
1

0
0
0
0
0
0
0
1
2
3
4
5
6
7
8
0
0
0
0
0
0
0
0
0

20 145 90 109.325 -19.325

21 150 120 112.720 7.280 22 155 140 116.115 23.885 23 160 120
119.510 0.490 24 165 110 122.905 -12.905 25 170 140 126.300 Yˆt=10.87 + 0.679 ⋅ Xt, t =1,2,3,, 25 15
13.700 Σ 2750 2139 2139 0.000

Bibliogra
fie
Andrei, Tudorel; Bourbonnais, Régis. 2008. Econometrie, Editura
Economică, București,cap.2, pp. 37-45, 49-55, 63-70
Jula, Dorin; Jula, Nicolae-Marius, 2020. Econometrie, Editura Mustang,
București, cap. 2, pp. 27-41, 47-54 si cap. 4, pp. 106-107,110-112.
Prof.univ.dr. Dorin JULA: Econometrie 16