ECONOMETRIE – 8

Conf. univ. dr. Mariana HATMANU

- anul universitar 2020-2021 -

1
Structura cursului:

 1. Introducere
 2. Regresia liniară simplă
 3. Regresia liniară multiplă
 4. Regresia neliniară
 5. Regresia cu variabile alternative
 6. Verificarea ipotezelor modelului
de regresie
 4. Regresia neliniară
Majoritatea legăturilor dintre variabilele economice
sunt de tip neliniar.

Asemeni regresiei liniare, regresia neliniară

poate fi:
- simplă;

- multiplă.
Capitolul 4. Regresia neliniară
Modelele de regresie pot fi:
- neliniare în variabile
- neliniare în parametri

Estimarea parametrilor de regresie prin

MCMMP impune liniaritatea modelului în
parametri.
Multe modele de regresie neliniare pot fi
liniarizate prin transformări algebrice simple.
  I. Modele de regresie simplă neliniare în
parametri şi neliniare în variabile,
dar liniarizabile prin logaritmare:
 1. Modele log-liniare:

- Modelul putere (Power)

- Modele de tip funcţie de producţie
 2. Modele semi-logaritmice:

- Modelul compus (Compound)

- Modelul de creştere (Growth)
- Modelul exponenţial (Exponential)
II. Modele de regresie simplă liniare în
parametri şi neliniare în variabile
1. Modelul logaritmic (Logarithmic)
2. Modele polinomiale: a) parabolic (Quadratic);
b) cubic – (Cubic)
 O variabilă aleatoare X poate prezenta
una dintre următoarele tipuri de variaţie:
 1) variaţie x1  x0
absolută:
x1  x0
 2) Variaţie relativă (proporţională):
x0

 3) Variaţie x1  x0
procentuală: 100
x0
 Observaţie.
a) Dacă variabila (dependentă sau independentă)
apare nelogaritmată în model, atunci vorbim de
variaţia
absolută a acesteia (X1-X0)
b) Dacă variabila (dependentă sau independentă) apare
logaritmată în model (sub forma lnY sau ln X), atunci
vorbim de variaţia relativă a acesteia

ln X 1 X1  X 0
 l X 0 X
n
0

8
 I. Modele de regresie neliniare în variabile şi
în parametri
1) Modele log-liniare

a) Modelul putere (Power)

Forma generală a modelului:
1 
Y  0  X e 0  0; 1  R
,

unde e – numărul lui Euler, e=2,71828....

Ecuaţia se liniarizează prin logaritmare:
ln Y  ln  1 ln X  
0
 ln YX  ln  1 ln X
0
Y  0X 1  e ln   0  1 X
; Y ln ln

a) Modelul Putere (Power)

Parametrii modelului: 0 >0; 1  R

- 0 reprezintă valoarea medie a lui Y atunci când
X=1; M (Y |  1)  0
X
- 1 arată variaţia medie relativă a lui Y la variaţia
relativă a lui X cu o unitate.
SAU: 1 arată variaţia medie procentuală a lui Y la
variaţia procentuală a lui X cu 1%.
- Β1>0 curbă crescătoare (creşterea lui
X determină creşterea lui Y);
- Β1<0 curbă descrescătoare (creşterea lui
X determină scăderea lui Y).
a) Modelul de tip putere (Power)
În modelul de regresie de tip putere,
parametrul 1 reprezintă elasticitatea
variabilei dependente Y în raport cu
variabila independentă X.
• Elasticitatea unei variabile Y în raport cu o
altă variabilă X reprezintă modificarea
relativă (procentuală) a variabilei Y la
modificarea relativă (procentuală) a lui X
cu o unitate.
a) Modelul de tip putere (Power)
Elasticitatea poate fi determinată prin
relaţia:

Y
mod 100
if 
E (%) Y X
mod if Y  YX  X 
100
(%) Y
X
X
a) Modelul de tip putere (Power)

2. Estimarea parametrilor modelului

- se face prin MCMMP

Sistemul de ecuaţii normale:
n
n ln
b0 +b1 xi = ln yi
n i1
ln i1
n n

n i
i1 i1
ln b0
l xi (l x)
+b1
n n
= ln xiln
i1 yi
a) Modelul de tip putere (Power)
Testarea semnificaţiei parametrilor

 Ipoteze
 Testul Student
 Interpretare

Intensitatea legăturii dintre variabile

- Raportul de corelaţie (  , cu estimaţia R)

- Raportul de determinaţie (  , cu estimaţia

2

R2 )
a) Modelul de tip putere (Power)
a) Modelul de tip putere (Power)
a) Modelul de tip putere (Power)
 b) Modele de tip funcţie de producţie
Funcţia de producţie (Funcţia Cobb-Douglas)
Forma generală a modelului:

unde:
Y   0  X  X  e2   1,  2  R
1  2
 
,
2
0;
1 0

Y (Q)
productia
X1  factoru munc (L)
l ă
X2 (K )
capitalul
Ecuaţia se liniarizează prin logaritmare:

ln   0  1  X 1   X 2 
Y ln ln ln
2
Q  0  L K  e ,   1, 2  R
1 2
0
0;
ln Y  ln  0  1  X1  2  X 2  
ln ln
Funcţia Cobb-Douglas

Parametrii de regresie:
a)  0 reprezintă producţia medie atunci când L=1 si K=1;

1 
 ln Q
b)  ln L
variaţia relativă a lui Y (Q), la variaţia relativă cu o
unitate a lui X1 (L), când X2 (K) se menține constantă;
elasticitatea parţială a lui Q în raport cu L.
c) Idem interpretare  2

d) Interpretare in variații procentuale...........

Funcţia Cobb-Douglas

1 randament constant

  1  2   1 randament crescator
 1 randament
 descrescator
 Exemplu. Modele de tip funcție de putere
Obs. Pt estimarea modelului s-a facut inițial
logaritmarea variabilelor si apoi s-a estimat un
model de regresie liniară multiplă
Co e ffi cien tsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -.878 .704 -1. 248 .244
lnK .914 .186 .776 4.908 .001
lnL .263 .182 .229 1.449 .181
a. Dependent Variable: lnP

Model Summary

Adjusted Std. Error of

Model R R Square R Square the Estimate
1 .911a .830 .792 .15222
a. Predictors: (Constant), lnL, lnK
 Exemplu. Modele de tip funcție de putere

ANOV Ab

Sum of
Model Squares df Mean Square F Sig.
1 Regression 1.018 2 .509 21.970 .000a
Residual .209 9 .023
Total 1.227 11
a. Predictors: (Constant), lnL, lnK
b. Dependent Variable: lnP

Testarea semnificației parametrilor….

Analiza indicatorilor de corelație….
Testarea semnificației modelului………
Randamentul de scară..............
 II. Modele de regresie liniare în parametri şi
neliniare în variabile
1. Modelul Logaritmic (Logarithmic) - Modele
semilogaritmice cu variabila independenta logaritmata
1. Forma generală a modelului:
Y  0  1  ln X  
Parametrii modelului:
- β0 este valoarea medie a lui Y pentru X=1;
M (Y | X  1)  0
- β1 arată variaţia medie absolută a lui Y la o variaţie relativă
a lui X cu o unitate.
- β1 /100 - arată variaţia medie absolută a lui Y la o variaţie
23
procentuală a lui X cu o unitate.
- Semnul lui β1 indică sensul legăturii dintre variabile
Y3  3.. ln X

8.0

7.5

7.0

Y 6.5

6.0

5.5

5.0
0 20 40 60 80 100 120
1
X

2
Exemplu Y3  3  ln
X Y4  3 
ln X

8
1  0
6

Y3 Y4

1  0
-2
0 20 40 60 80 100 120

X
Modelul Logaritmic – legătură directă

Exemplu
Se consideră legătura dintre Investiţii
(variabila dependentă) şi PIB
(variabila independentă).
 Coefficients
Unstandardized Standardized
Coefficients Coefficients
B Std. Error Beta t Sig.
ln(PIB) 3.448 .326 .987 10.569 .002
(Constant) -6.034 .926 -6.513 .007

 Ecuaţia estimată a legăturii dintre cele

două variabile este:

y x  6,034  3,448 ln xi
i
 y x  6,034  3,448 ln ix
i

Interpretare:
 0  6,034 : Nivelul mediu al variabilei

dependente Y este egal cu -6,034 unităţi atunci

când variabila independentă X este x=1.
 1  : Modificarea relativă a PIB-ului cu o
3,448
unitate, determină modificarea absolută a
volumului investiţiilor, în medie, în acelaşi
sens, cu 3,448 unităţi.

 !!!! Modificarea procentuală a PIB-ului cu

1% determină.....
Modelul Logaritmic – legătură directă

Investitii

5,0 Observed
Logarithmic

4,5

4,0

3,5

3,0

2,5

2,0

10,0
12,5 15,0 17,5 20,0 22,5 25,0

PIB
 II.Modele de regresie liniare în parametri şi neliniare în
variabile
2. Modele polinomiale

a) Modelul parabolic: cel mai simplu model

polinomial este modelul parabolic (Quadratic).
Y  0     2  X 2  
1
X

La nivelul eşantionului:
YX  b0  b   b2  X
1
X
2

a) Modelul parabolic
 Aplicabilitate:
- modelul parabolic este folosit, de exemplu, pentru
descrierea relaţiei dintre costul unitar şi producţia
realizată: costul unitar scade concomitent cu creşterea
producţiei până la un nivel optim al producţiei, după
care, dacă producţia continuă să crească, începe să
crească şi costul unitar (vezi graficul din exemplu).
a) Modelul parabolic

y' b1  2b2x  0
 Exemplu

Cost unitar

50.00 Observed

Ecuaţia estimată este:

Quadratic

40.00

yxi=89,041-
30.00
25,795xi+2,114xi2
20.00

10.00

2.00 3.00 4.00 5.00 6.00 7.00 8.00 9.00

Productia

Coefficients

Unstandardized Standardized
Coefficients Coefficients
B Std. Error Beta t Sig.
Productia -25.795 3.895 -5. 322 -6. 623 .000
Productia ** 2 2.114 .351 4.842 6.026 .001
(Constant) 89.041 9.231 9.646 .000
Interpretare:
 β2>o, deci legătura de tip parabolic admite un
punct de minim.

 Coordonatele punctului de minim arată nivelul

optim al producţiei pentru care costul unitar este
minim. Abscisa acestui punct este:

f '(x) 
 x   (25,79)  6,11
b1 xb   4,22
2b2 0 1
2b2
Pentru o producţie de 6 bucăţi din produsul A,
costul este minim.
f (x)  f (6,11)  .........
b. Modelul cubic

În economie acest model este folosit pentru

descrierea relaţiei dintre costul total şi valoarea
producţiei.

Y   0  1      3 X 2
X 2 X 3

a) Reprezentarea grafică a modelului cubic prezintă un
punct de maxim, un punct de minim şi un punct de
inflexiune.
b) Coordonatele punctelor de extrem sunt date de
soluţiile ecuaţiei de gradul doi:
f '(x)  b1  2
x  3b3x  0
2b2

ax2  bx  c  0

x1, 2
b 
 2a
  b2  4ac
 .
Abscisa punctului de inflexiune este
dată de soluţia ecuaţiei
f ''(x)  2b2  6b3 x  0
b Coefficients
x  3b 2 Unstandardized Standardized
3 Coefficients Coefficients
B Std. Error Beta t Sig.
PIB 2,931 ,071 1,197 41,218 ,000
PIB ** 2 -3,9E-007 ,000 -,361 -4,932 ,000
PIB ** 3 7,73E-014 ,000 ,165 . .
(Constant) -3962,660 11506,083 -,344 ,737

Grad de urbanizare (%)

100

80

60

40

20

0 5000
10000 15000 20000 25000 37
PIB / loc