Universitatea “Titu Maiorescu”

Facultatea de Finanțe-Bănci, Contabilitate

și Administrarea Afacerilor

Introducere în econometrie
Lect. dr. Dan-Ion GHERGUȚ

Structura cursului
• Introducere (recapitulare)
• Testarea ipotezelor – generalități
• Corelație
• Regresia liniară simplă
• Regresia liniara multiplă
• Inferența statistică
• Aplicații (SAS)

1
 1. Introducere
Analiza descriptivă vs. Analiză inferențială

Analiza descriptivă
• Este ceea ce am făcut în primul semestru
• Permite descrierea și rezumarea datelor prin tabele de distribuție,
grafice și statistici descriptive
• Statisticile descriptive sunt prezentate, de regulă, la începutul
lucrărilor, referatelor, dizertațiilor (într-o secțiune de rezultate)
• Constituie baza oricărei analize cantitative

2
 Statistică descriptivă – analiza unei singure variabile
• Efectivul populației studiate (1)
• notat cu n (eșantionul) sau N (populația totală)
• Distribuția de frecvențe – valori individuale sau pe intervale de
mărime (2)
• notată cu ni (frecvențe simple) sau fi (frecvențe relative)
• Indicatorii tendinței centrale (media, mod)
• Indicatorii de localizare (cuantile)
• Indicatorii variației (dispersie, abatere standard, coeficient de variație)
• Indicatorii asimetriei și aplatizării

Indicatorii tendinței centrale

• Media aritmetică (simplă și ponderată) (3)
• Suma tuturor valorilor împărțită la numărul tuturor valorilor
• Mediana (4)
• Valoarea variabilei observate sub care sunt 50% din numărul observațiilor și
peste care sunt 50% din numărul observațiilor
• Valoarea modală (5)
• Valoarea variabilei observate care are cea mai mare frecvență de apariție

3
 Indicatorii de localizare
• Cuantilele
• Cuartile (6) : împart numărul observațiilor (al unităților observate) în PATRU
părți egale
• Q1, Q2, Q3 – mediana este a doua cuartilă (Q2)
• Decile (7) : împart numărul observațiilor (al unităților observate) în ZECE părți
egale
• D1÷ D9 – mediana este a cincea decilă (D5)
• Percentile (8) : împart numărul observațiilor (al unităților observate) în O
SUTĂ de părți egale
• P1÷ P99 – mediana este a cincizecea percentilă (P50)

Unitatea de măsură
• Indicatorii tendinței centrale și indicatorii de localizare sunt exprimați
în aceeași unitate de măsură a variabilei observate
• Exemplu:
• Variabila observată este exprimată în LEI, ANI, număr, multipli de lei etc.
• Media, mediana, valoarea modală, cuantilele sunt exprimate LA FEL: în LEI,
ANI, număr, multipli de lei etc.

4
 Indicatorii variației
• Indicatorii simpli ai variației
• Amplitudinea variației (absolută și relativă) (9)
• Abaterile individuale (absolute și relative) (10)
• Intervalul intercuantilic (intercuartilic, interdecilic) (11)
• Coeficientul de dispersie (12)
• Indicatorii sintetici ai variației
• Abaterea medie liniară (13)
• Dispersia (14)
• Abaterea medie pătratică (15)
• Coeficientul de variație (16)

Indicatorii asimetriei și aplatizării

• Coeficientul de asimetrie (17)
• - Măsoară diferența față de simetria distribuției normale
• Coeficientul de aplatizare (18)
• Măsoară diferența față de înălțimea distribuției normale

10

10

5
 Statistică descriptivă
• Am trecut în revistă 18 termeni noi
• Din păcate, pentru mulți studenți sunt încă noi, chiar și după primul semestru
• Constituie baza conceptuală a analizei datelor

11

11

Inferența statistică – definiție:

• Teoria, metodele și practica construirii de raționamente asupra
parametrilor unei populații și asupra încrederii în relațiile statistice, pe
baza datelor dintr-un eșantion aleator
• Este cea mai importantă parte a analizei statistice;
• Cea mai mare parte rezultatelor unei analize se concentrează pe cele care
privesc inferența statistică

12

12

6
 Inferența – în cuvinte mai simple
• Pe baza unei teorii sau a unei observații anterioare, dorim să testăm
(și să verificăm) existența unui fenomen (a unui efect) în populația pe
care o observăm (formulăm ipotezele de studiu)
• Extragem un eșantion
• Calculăm (estimăm) statistici din eșantion
• În baza unor teste de semnificație, a calculului intervalelor de
încredere, concluzionăm dacă efectul căutat este prezent (sau nu, în
baza testelor) în populația statistică din care a fost extras eșantionul
• Exemplul sondajelor de opinie: estimăm dintr-un eșantion de cca 1000 de
persoane că x% din populație votează cu partidul A.
• Concluzionăm că, la nivelul populației cu drept de vot, x% ± marja de eroare
votează cu partidul A.

13

13

Inferența statistică – în ce constă:

• Calculul statisticilor estimative (medii, proporții, totaluri) – utilizate
pentru realizarea de estimații ale parametrilor populației bazate pe
datele din eșantion
• Testarea validității statisticii estimate (este ea egală cu 0 (zero) sau
altă valoare relevantă?)
• Calculul intervalelor de încredere – ne permit stabilirea unui interval
care are o probabilitate cunoscută în care se află valoarea adevărată a
parametrului populației (necunoscută)
• Exemplu: estimarea mediei populației statistice, procentele unor caracteristici
ale populației

14

14

7
 Estimații punctuale
• Estimăm (calculăm) care este valoarea parametrilor (necunoscuți)
• Ne permit să facem inferențe despre cât de bine un model poate descrie
relațiile dintre variabile într-o populație
• Exemplu: modelul regresiei liniare simple și multiple, modelul de regresie logistică,
modelul ANOVA
• Vom reveni asupra lor

15

15

Statistici de testare a ipotezelor

• Calculăm statistici de test
• Numai după ce am stabilit care sunt ipotezele
• Ne permit utilizarea analizei datelor pentru a face inferență statistică despre
situația în care datele colectate sprijină (confirmă) sau nu o anumită ipoteză
(anterior formulată);
• Există numeroase proceduri de testare a ipotezelor
• Exemple de ipoteze:
• Media estimată este egală cu o anumită valoare?
• Statisticile obținute din două eșantioane diferite sunt semnificativ diferite?
• Exemple de teste: testul t, testul Z, Hi-patrat, ANOVA

16

16

8
 Intervale de încredere
• Calculăm intervalul de încredere al statisticii estimate
• Intervalul de încredere conține valoarea statisticii estimate +/- o anumită
marjă de eroare (diferența față de valoarea estimată este eroarea de
estimare)
• Limitele intervalului de încredere depind de variabilitatea datelor (măsurată
cu abaterea standard!). Cu cât variabilitatea este mai mare, cu atât intervalul
de încredere este mai mare.

17

17

Să intrăm în detalii
Aveți răbdare!

18

18

9
 2. Testarea ipotezelor (1)
• Odată ce datele au fost colectate printr-un studiu observațional sau
un experiment, inferența statistică permite analiștilor să evalueze
evidența în favoarea unei anumite considerații despre populația din
care a fost extras eșantionul.
• Exemple:
• Este vârsta medie a studenților din eșantion egală cu 21 de ani?
• Este proporția pieselor defecte mai mare de o anumită valoare?
• Metodele de inferență utilizate pentru a admite sau respinge
considerația asupra eșantionului sunt cunoscute ca teste de
semnificație

19

19

Testarea ipotezelor (2)

• Exemplu: Analogie cu procesele în instanțele de judecată
• În sistemul judiciar funcționează prezumția de nevinovăție:
”inculpatul este nevinovat până când se dovedește că este vinovat”
• Supoziția inițială este că inculpatul este nevinovat (vinovăția este
egală cu zero) până când avem suficiente probe ca judecătorul să
decidă că este vinovat.

20

20

10
 Ipoteza nulă și ipoteza alternativă
• În practica statistică, facem supoziția inițială prin formularea a două
ipoteze concurențiale: ipoteza nulă (notată cu H0) și ipoteza
alternativă (notată cu HA sau H1)
• Ipotezele noastre sunt:
• H0: Inculpatul nu este vinovat
• HA: Inculpatul este vinovat
• Ipoteza nulă este formulată în asemenea termeni încât am dori să o
respingem, iar ipoteza alternativă în asemenea termeni încât am dori
să o dovedim (chiar dacă ne place sau nu)

21

21

Ipoteza nulă H0
• În inferența statistică, presupunem întotdeauna că ipoteza nulă este
adevărată
• Ipoteza nulă este întotdeauna supoziția noastră inițială, pe care o testăm
pentru posibila respingere
• Acuzarea adună dovezi – amprente, documente olografe, înregistrări
– cu speranța că vor fi suficiente probe care să demonstreze fără cea
mai mică urmă de îndoială că inculpatul este vinovat (adică să
ajungem să putem respinge ipoteza nulă)
• În baza probelor, judecătorul respinge ipoteza nulă (nu are suficiente
probe) sau o admite (are suficiente probe)

22

22

11
 Formularea ipotezei nule
• Fiecare test de semnificație începe prin formularea ipotezei nule H0
• H0 reprezintă o teorie care este formulată a-priori, fie pentru că se
consideră că este adevărată, fie că este utilizată ca fundament pentru un
argument, dar nu a fost încă probată
Exemple
• Este vârsta medie a studenților din eșantion egală cu 21 de ani?
• Este proporția pieselor defecte mai mare de o anumită valoare (4%)?
• Este inculpatul vinovat?
Notații și formulare:
• H0: vârsta medie a studenților este egală cu (nu diferă de) 21 de ani;
• H0: proporția pieselor defect este egală cu (nu diferă de) 4% (sau 0.04);
• H0: Inculpatul este nevinovat

23

23

Ipoteza alternativă (1)

• Ipoteza alternativă, H1, este o afirmație pe care o stabilim pe baza aceluiași
test statistic. Se mai numește ipoteza de cercetat
• Exemple
• Este vârsta medie a studenților din eșantion egală cu 21 de ani?
• Este proporția pieselor defecte mai mare de o anumită valoare (4%)?
• Este inculpatul vinovat?
• Notații și formulare:
• H1: vârsta medie a studenților este diferită de 21 de ani (nu contează sensul
diferenței);
• H1: proporția pieselor defecte este diferită 4% (sau 0.04);
• H1: Inculpatul este vinovat

24

24

12
 Ipoteza alternativă (1)
• Ipoteza alternativă ar putea fi, de asemenea:
a) Vârsta studenților să fie mai mare de 21 de ani
Notație și formulare:
H1: Vârsta studenților este mai mare de 21 de ani
b) Proporția pieselor defecte e mai mare de 4%
Notație și formulare:
• H1: proporția pieselor defecte este mai mare de 4% (sau 0.04);

Întrebări:
• Ce fel de variabilă este ”vârsta studenților”? Dar ”proporția pieselor
defecte”?
• Dacă măsurăm gradul de interes pentru un curs, ce fel de variabilă este și
pe ce scală o măsurăm?

25

25

Concluzia finală
• Concluzia finală, odată ce testul a fost realizat, este întotdeauna dată
în termenii ipotezei nule.
• Fie “respingem H0 în favoarea H1” sau “Nu respingem H0”;
• Niciodată nu concluzionăm “respingem H1” sau nici măcar “acceptăm
H1”!
• Dacă vom concluziona “Nu respingem H0”, aceasta nu înseamnă în mod
necesar ca ipoteza nulă este adevărată, sugerează doar că nu există suficiente
probe împotriva lui H0 în favoarea H1; respingerea ipotezei nule, astfel,
sugerează că ipoteza alternativă ar putea fi adevărată, dar nu suntem
niciodată siguri!
• Vom vedea ce fel de erori putem comite când decidem să respingem ipoteza
nulă când ea este de fapt adevărată.

26

26

13
 Situații posibile și erori de decizie
Situația reală • Eroarea de tip I este eroarea pe
Decizia
noastră (necunoscută) care o comitem atunci când
(rezultatul
respingem H0, dar H0 este în
testului)
H0 este H0 nu este realitatea adevărată
adevărată adevărată
• Este eroarea pe care o acceptăm
Nu reușim să Eroare de tip II prin pragul de semnificație
respingem H0 Decizie (Fals negativ) (celebrul 5%, spre exemplu)
(Rezultatul este negativ) corectă β
1-α • Eroarea de tip II este eroarea pe
care o comitem când acceptăm
Respingem H0 Eroare de tip
(Rezultatul este pozitiv) I H0, dar H0 este în realitate falsă
(Fals pozitiv)
α
Decizie corectă • Mai greu de calculat, dar mult mai
1-β
costisitoare decât Eroarea de tip I.
• H0: Inculpatul nu este vinovat
Suma 1-α+α=1 • HA: Inculpatul este vinovat
probabilităților 1-β+β=1
27

27

Exemple de teste statistice

• În industria farmaceutică: introducerea unui nou medicament
• H0: Medicamentul nu are niciun efect asupra unei stări fiziologice
• HA: Medicamentul are un efect asupra unei stări fiziologice
• În marketing: efectul unei campanii de promovare asupra vânzărilor
• H0: Campania nu a avut efect (vânzările nu au crescut)
• HA: Campania a avut efect (vânzările au crescut)
• În sondajele la urne:
• H0: Candidatul A nu câștigă (obține mai puțin de 50%+1 din voturi)
• HA: Candidatul A câștigă (obține cel puțin de 50%+1 din voturi)

28

28

14
 Teste bilaterale sau unilaterale (1)
• Ipotezele sunt întotdeauna formulate în termenii parametrilor
populației, cum ar fi media (să o notăm cu μ) sau proporția (Π).
• O ipoteză alternativă poate fi verificată printr-un test unilateral sau
un test bilateral.
• Un test unilateral pretinde că un parametru ori mai mare (>), ori mai
mic (<) decât valoarea dată de ipoteza nulă, dar niciodată ambele
• Un test bilateral pretinde că un parametru nu este egal (≠) cu valoarea
dată de ipoteza nulă, adică este fie mai mare, fie mai mică, indiferent
de sensul diferenței
• Sensul (mai mare sau mai mic) nu mai contează

29

29

Teste bilaterale și unilaterale (2)

• Ipoteza pentru un test bilateral al unei medii a populației poate lua
următoarea formă:
• H0: μ = k (media este egală cu o valoare)
• H1: μ ≠ k (media este diferită de o valoare)
• Ipoteza pentru un test unilateral al unei medii a populației poate lua
următoarea formă:
• H0: μ = k (media este egală cu o valoare)
• H1: μ > k (media este mai mare decât o valoare)
• sau
• H0: μ = k (media este egală cu o valoare)
• H1: μ < k (media este mai mică decât o valoare)

30

30

15
 Teste bilaterale și unilaterale (3)
• Ipoteza pentru un test bilateral al unei proporții a populației poate
lua următoarea formă:
• H0: Π = p (proporția este egală cu o valoare)
• H1: Π ≠ p (proporția este diferită de o valoare)
• Ipoteza pentru un test unilateral al unei proporții a populației poate
lua următoarea formă:
• H0: Π = p (proporția este egală cu o valoare)
• H1: Π > p (proporția este mai mare decât o valoare)
• sau
• H0: Π = p (proporția este egală cu o valoare)
• H1: Π < p (proporția este mai mică decât o valoare)

31

31

Testul unilateral stânga: Exemplu (1)

• Un producător de echipamente pretinde că durata medie de
funcționare a unui echipament este de 10000 de ore, cu o abatere
standard de 𝜎/ 𝑛. Nu este de interes dacă durata medie de
funcționare este egală sau mai mare de 10000 de ore
• Lotul este respins dacă durata medie a unui eșantion de echipamente
este mai mică de 10000 de ore
• H0: 𝜇 = 10000 H1: 𝜇 <10000

32

32

16
 Testul unilateral stânga: Exemplu (2)
• Calculăm media estimată din eșantion 𝑥෠ҧ
• Care este valoarea estimată 𝑥෠ҧ pentru care respingem H0?
• Extrăgând un eșantion de n echipamente, vom respinge lotul dacă
media din eșantion 𝑥෠ҧ este mai mică de 10000-1,64*𝜎/ 𝑛, cu o
probabilitate de 5% (α=0.05), unde
• 1,64 este valoarea statisticii normale Z pentru o probabilitate de 5%
• 𝜎 este abaterea standard a duratei de funcționare a echipamentelor din
populație, dar pe care nu o cunoaștem, dar o putem estima din eșantion
• 𝑛 este mărimea eșantionului
• α este pragul de semnificație a testului (Eroarea de tip I), adică probabilitatea
de eroare pe care suntem dispuși să o facem dacă respingem H0 când, în
realitate, este adevărată

33

33

Testul unilateral dreapta: Exemplu (1)

• Un distribuitor vrea să verifice dacă proporția unor echipamente
defecte dintr-un lot este de 4%. Nu contează dacă proporția este
egală sau mai mică de 4%.
• Lotul este respins dacă proporția echipamentelor defecte este mai
mare de 4%
• H0: P = 0.04 H1: P > 0.04

34

34

17
 Testul unilateral dreapta: Exemplu (2)
• Calculăm proporția estimată din eșantion 𝑝Ƹ
• Care este valoarea estimată a proporției 𝑝Ƹ pentru care respingem H0?
• Extrăgând un eșantion de n echipamente din lot, cu o probabilitate de
5% (α=0.05), vom respinge lotul dacă proporția din eșantion 𝑝Ƹ este
mai mare de 0.04+1,64* 𝑝(1 − 𝑝)/𝑛, unde
• 1,64 este valoarea statisticii normale Z pentru o probabilitate de 5%
• 𝑝(1 − 𝑝) este abaterea standard a proporției echipamentelor defecte din
eșantion
• 𝑛 este mărimea eșantionului
• α este pragul de semnificație a testului (Eroarea de tip I)

35

35

Test bilateral: Exemplu (1)

• Ipoteza pentru un test bilateral al unei medii a populației poate lua
următoarea formă:
• H0: μ = k (media este egală cu o valoare)
• H1: μ ≠ k (media este diferită de o valoare)
• Un furnizor care comercializează armături metalice pentru construcții
acceptă un tip de bare metalice cu o lungime medie de 2500 mm cu o
abatere standard de 15 mm dintr-o populație (N) de 10000 de
produse, cât reprezintă un lot normal pe care îl recepționează. Lotul
este respins dacă lungimea medie a lotului primit este diferită de
2500 mm.

36

36

18
 Test bilateral: Exemplu (1)
• Firma decide ca eșantionul să fie format din 100 de bare, iar abaterea
standard a lungimii barelor din eșantion este de 46,9 mm.
• H0: μ = 2500 și H1: μ ≠ 2500
• α = 0.05 (pragul de semnificație a testului, sau Eroarea de tip I pe care o
admitem dacă respingem ipoteza nulă dacă în realitate este adevărată)
• Cu o probabilitate de 5%, vom respinge ipoteza nulă dacă media estimată
de noi este mai mică de μ -1,96*𝜎/ 𝑛 sau mai mare de μ +1,96*𝜎/ 𝑛,
unde
• 1,96 este valoarea critică a statisticii Z pentru o probabilitate de 2,5% (pentru că
realizăm un test bilateral)
• 𝜎 este abaterea standard a lungimii barelor din întregul lot recepționat, dar pe care
nu o cunoaștem (dar presupunem că ar fi de 15 mm, pentru exemplificare).

37

37

Test bilateral: Exemplu (2)

• Așadar, nu cunoaștem care este valoarea 𝜎, dar putem obține o
estimație suficient de precisă a acesteia prin intermediul abaterii
standard din eșantion (o notăm cu litera ”s”).
• Abaterea standard din eșantion nu mai este calculată cu formula
σ𝑛
𝑖=1 𝑥𝑖 −𝑥ҧ
2 σ𝑛
𝑖=1 𝑥𝑖 −𝑥ҧ
2
clasică 𝑠 = , ci 𝑠 = .
𝑛 𝑛−1
• Corecția de la numitor este necesară deoarece, dacă am extrage toate
eșantioanele posibile și am calcula abaterea standard a mediilor de
sondaj față de media tuturor mediilor de sondaj (care este egală cu
media populației statistice, conform Teoremei Limită Centrală),
abaterea standard din eșantion calculată prin raportare la n nu mai
este un estimator corect (nedeplasat) al adevăratei abateri standard
in populație (𝜎), ci prin raportare la n-1.
38

38

19
 Test bilateral: Exemplu (3)
• Să presupunem că, din eșantionul observat, valoarea medie a lungimii
barelor este de 𝑥෠ҧ = 2400 mm și abaterea standard (corectată) este
de s=46,9 mm. Deci media observată este mai mică decât valoarea de
test (2500), iar abaterea standard este mai mare decât cea din întreg
lotul de 10000 de bare (egală cu 15 mm).
• Care sunt valorile pentru care putem respinge ipoteza nulă (lungimea
medie este egală cu 2500 mm) și, în consecință, decidem să
respingem lotul primit

39

39

Test bilateral: Exemplu (4)

• Revenim la regula deciziei noastre:
Cu o probabilitate de 5%, vom respinge ipoteza nulă dacă media
estimată de noi este mai mică de μ -1,96*𝛔/ 𝒏 sau mai mare de μ
+1,96*𝛔/ 𝒏
• Cunoaștem valoarea testată (μ=2500) și valoarea estimată a abaterii
standard din eșantion (s=46.9). Le înlocuim în relațiile de mai sus
• Valoarea minimă de acceptare: 2500 - 1.96*46.9/ 100=
= 2500 -1.96*4.69 = 2500 – 9.19 = 2490.81 mm
• Valoarea maximă de acceptare: 2500 + 1.96*46.9/ 100=
= 2500 +1.96*4.69 = 2500 + 9.19 = 2509.19 mm
40

40

20
 Test bilateral: Exemplu (5)
• Respingem ipoteza nulă dacă valoarea medie calculată din eșantion este
mai mică de 2490.81 mm sau mai mare de 2509.19 mm.
• Deoarece lungimea medie a barelor din eșantion este 2400 mm, respingem
ipoteza nulă conform căreia media lungimii barelor este de 2500 mm. Dacă
media calculată era în interiorul acestui interval, nu puteam respinge
ipoteza nulă. Cu alte cuvinte, ca să acceptăm H0, media ar fi trebuit
cuprinsă între 2490.81 și 2509.19.
• Dintr-un posibil alt eșantion, valoarea medie putea fi mai mare sau, din
nou, mai mică de 2500 de mm, dar în mod sigur din noul eșantion
obțineam și o altă valoare a abaterii standard.
• Înlocuim noua valoare a abaterii standard și comparăm noua medie
obținută cu noile valori de respingere (sau de acceptare a ipotezei nule) și
luăm decizia pe baza acestei reguli.

41

41

Distribuția normală standard

• Este distribuția normală de medie μ = 0 și abatere standard σ = 1
• Putem transforma orice distribuție normală a unei variabile (cum este
variabila mediilor de sondaj) într-una standard cu ajutorul variabilei Z
(variabila normală standard) a cărei expresie este:
𝑥෠ҧ − 𝜇
𝑍𝑐 = 𝜎
ൗ 𝑛
• Variabila de test Z calculată o putem compara cu valoarea Z
corespunzătoare pragului de semnificație ales și, în cazul testului nostru
bilateral, respingem ipoteza nulă dacă 𝑍𝑐 < −𝑍𝛼Τ2 sau dacă 𝑍𝑐 > +𝑍𝛼Τ2
2400−2500 −100
• În cazul nostru, 𝑍𝑐 = 46.9/ 100 = 4.69 = −21.3. Deoarece este mult mai
mică de -1.96, respingem ipoteza nulă.
• Această decizie coincide cu rezultatul la care am ajuns pe baza mediei
calculate, care era mai mică de 2490.81 mm.
42

42

21
 Distribuția normală standard: regiuni de respingere și de
acceptare a ipotezei nule
• Distribuția normală standard are
medie μ = 0 și abaterea standard σ = 1
• Prin transformare, comparăm
statistica Z calculată cu valoarea Z
corespunzătoare pragului de
semnificație ales (-1.96 în exemplul
prezentat).
• Deoarece Z calculat=-21.3 este în
stânga valorii Z=1.96, ea se află în
regiunea de respingere a ipotezei nule
(zona hașurată în galben din stânga
graficului alăturat).
• În concluzie, cu o probabilitate de
95%, respingem ipoteza nulă conform
căreia lungimea medie a barelor
primite nu este de 2500 mm.

43

43

Întrebare
• Pe baza datelor din exemplul prezentat, ce lungime medie ar fi trebuit
să aibă barele ca să putem accepta lotul primit? (Indicați toate
răspunsurile corecte)
a) 2490
b) 2510
c) 2495
d) 2504
e) 2509

44

44

22
 Răspuns
• Pe baza datelor din exemplul prezentat, ce lungime medie ar fi trebuit
să aibă barele ca să putem accepta lotul primit? (Indicați toate
răspunsurile corecte)
a) 2490
b) 2510
c) 2495
d) 2504
e) 2509
Cele trei medii indicate sunt cuprinse în intervalul [2490.81;2509.19].
Prima valoare este mai mică de 2490.81 și a doua valoare este mai
mare de 2509.19.
45

45

Metodologia econometrică
• Presupune parcurgerea unor pași, obligatorii și numai în această
ordine
• Această ordine asigură obținerea unor rezultate fiabile, de încredere
• Onestitatea profesională este ingredientul încrederii

46

46

23
 Metodologia econometrică
• Precizarea teoriei sau a ipotezei
• Specificarea modelului matematic al teoriei
• Specificare modelului statistic sau econometric
• Obținerea datelor
• Estimarea parametrilor modelului econometric
• Testarea ipotezelor
• Prognoza sau predicție
• Utilizarea modelului pentru scopuri de control sau de politici

47

47

Exemple
• Teoria economică a lui Keynes
• Notele la examenele de contabilitate și matematică

48

48

24