Documente Academic
Documente Profesional
Documente Cultură
.
Tabelul 1 „Date generale”
Nr.
observ. Y X1 X2 X3
1 43 2 45 77
2 45 1 43 88
3 41 3 43 110
4 47 6 47 101
5 45 7 42 85
6 50 8 41 112
7 52 8 32 88
8 50 5 33 103
9 52 5 41 84
10 47 8 38 119
11 50 4 32 117
12 52 9 31 128
13 56 12 35 130
14 52 7 29 136
Total 682 85 532 1478
unde:
y- variabila de explicat; a0 , a1 , a2 , a3 - parametrii modelului;
x 1 - variabila explicativă 1; x 2 - variabila explicativă 2;
x 3 - variabila explicativă 3; ε - eroarea de specificare.
În cazul dat avem un model liniar general de regresie multiplă, deoarece, în baza datelor
prezentate în Tabelul 1, observăm că variabila dependentă (y) este explicată de trei variabile
independente ( x 1 , x 2 , x 3 ). Pentru a demonstra că există o legătură între aceste variabile,
este necesar să construim norul de puncte, în urma căruia se va observa grafic tipul de
legătură şi intensitatea acesteia. Cu ajutorul pachetului de programe EViews obţinem Fig.1,
2, 3.
56
52
Y
48
44
40
0 2 4 6 8 10 12 14
X1
Fig.2 Legătura dintre x 2 şi y
60
56
52
Y
48
44
40
28 32 36 40 44 48
X2
56
52
Y
48
44
40
70 80 90 100 110 120 130 140
X3
Concluzie: Analizînd graficele obţinute(norul de puncte), observăm că punctele din fiecare
grafic tind spre o linie dreaptă cu panta pozitivă in cazul Fig.1, 3, si cu panta negativa in
cazul Fig.2. Astfel, între variabilele independente x 1 , x 3 şi variabila dependenta y există
o legătură directă, adică la creşterea variabilei x 1 , respectiv x 3 creşte şi variabila y şi
invers, pe cand între variabila independentă x 2 şi y există o legătură inversă, adică la
creşterea variabilei x 2 scade valoarea variabilei y şi invers.
2. În cerinţa precedentă, modelul este scris într-o formă practică, însă în formă matricială
modelul va fi în felul următor:
Y ( n; 1 )=X (n ; k +1 )∗a( k+1; 1 ) +ε (n ;1 )
unde:
( )
1 1 43 88
X = 1 3 43
M M M
110
M (a=¿ a0¿)(a1¿)(a2¿)¿¿
matricile avand dimensiunile:
¿ ;
1 12 35
1 7 29
130
136
; ¿ ; ¿
(14;1) (14;4) (4;1) (14;1)
Pentru soluţionarea modelului este nevoie de estimat vectorul compus din parametrii
a0 , a1 , a2 , a3 . În scopul estimării acestui vector, aplicăm Metoda Celor Mai Mici Pătrate
(MCMMP), care constă în a minimiza suma pătratelor erorilor, adică:
n
min ∑ ε 2i =min ε ' ε=min(Y − Xa)' (Y − Xa)=min S=min(Y ' Y −Y ' Xa−a' X ' Y +a' X ' Xa )=
a i=1
¿ min (Y ' Y −2 a' X ' Y +a' X ' Xa)
Pentru a minimiza această funcţie în raport cu a , este necesar să calculăm diferenţiala lui
S în raport cu a , în urma acestui raport obţinem relaţia cu ajutorul căreia vom calcula
¿
valoare estimatorului a :
∂S ¿ ¿ ¿
=−2 X ' Y +2 X ' X a ⇔ X ' X a =X ' Y ⇔( X ' X )−1 ( X ' X )a =( X ' X )−1 ( X ' Y )⇒
∂a
¿
⇒ a=( X ' X )−1 ( X ' Y )
'
Această soluţie este posibilă dacă matricea pătrată ( X X ) , de dimensiunea (4;4), în cazul
nostru este inversabilă. Aceste condiţii le vom rezolva cu ajutorul pachetului de programe
Eviews.
Pentru aceasta este nevoie să efectuăm caţiva paşi:
1) Introducem datele noastre în EViews.
2) Apoi introducem comanda „genr unu =1”, adică generăm un nou vector.
3) Deschidem noul vector generat, X 1 , X 2 , X 3 în grup.
4) Cu ajutorul comenzii „matrix XTR=@transpose(@convert(GX))” formăm
matricea transpusă.
'
În rezultat obţinem matricea X :
1 1 1 λ 1 1
5) Apoi
(
X' = 2 1 3
45 43 43
77 88 110
λ 12
λ 35 29
7
λ 130 136
introducem comanda „matrix
'
)
XPX=XTR*(@convert(GX))”, cu ajutorul căreia obţinem X X :
1 2 45 77
( )(
1 1 1 λ 1 1 1 1 43 88
14 85 532 1478
X' X =
(
2 1 3
45 43 43
77 88 110
λ 12
λ 35 29
7
λ 130 136
) 1 3 43 110
∗¿ ¿ M M M M
1 12 35 130
1 7 29 136
= 85
532
1478
631
3126
9392
3126
20666
55275
9392
55275
160782
)
C1 C2 C3 C4
R1 14.00000 85.00000 532.0000 1478.000
R2 85.00000 631.0000 3126.000 9392.000
R3 532.0000 3126.000 20666.00 55275.00
R4 1478.000 9392.000 55275.00 160782.0
(
( X ' X )−1= −0 , 026303 0 ,013205 0 ,001194 −0 , 00094
−0 ,206132 0 ,001194 0 ,003635 0 ,000575
−0 , 058519 −0 , 00094 0 ,000575 0 ,000401
)
C1 C2 C3 C4
R1 14.24210 -0.026303 -0.206132 -0.058519
R2 -0.026303 0.013205 0.001194 -0.000940
R3 -0.206132 0.001194 0.003635 0.000575
R4 -0.058519 -0.000940 0.000575 0.000401
λ 130 136
) ¿ ¿ =¿ ¿
R1 682.0000
R2 4257.000
R3 25694.00
R4 72498.00
7) Având toate datele necesare, introducem comanda ,,matrix a=XINV*XTY”
pentru a afla valoarea vectorului a :
14, 2421 −0 ,026303 −0,206132 −0 ,058519
(682¿)(4257¿)(25694¿) ¿
' −1 '
a=( X X ) ( X Y )=
(
−0 ,026303 0, 013205 0 ,001194 −0, 00094 ∗¿ ¿
−0 ,206132 0,001194 0, 003635 0 ,000575
−0 ,058519 −0 , 00094 0, 000575 0,000401 =
) ¿
(62,2575¿)(0,801901¿)(−0,381362¿) ¿
¿
C1
R1 62.25750
R2 0.801901
R3 -0.381362
R4 -0.037132
n n
∑Yi ∑ Xi
i=1 682 85
Y= = =48,7 X 1 = i=1 = =6,07
n 14 n 14
n n
∑ Xi ∑ Xi
i=1 532 1478
X 2= = =38 X 3 = i=1 = =105,57
n 14 n 14
() ¿
a = a2 =( X ' X )−1 ( X ' Y )
¿
a3
¿
Pentru a afla valoarea vectorului a , este necesar să calculăm următoarele matrici:
(
( X X ) = 0 ,00119 0,00363 0,00057
−0,00094 0,00057 0 ,0004 ) ;
Estimatorul a1 :
La creşterea variabilei independente X 1 cu o unitate, creşte valoarea variabilei
dependente Y cu 0,801901 un.m.
¿
Estimatorul a2 :
La creşterea variabilei independente X 2 cu o unitate, scade valoarea variabilei
dependente Y cu 0,381362 un.m., avand valoare negativă.
¿
Estimatorul a3 :
La creşterea variabilei independente X 3 cu o unitate, scade valoarea variabilei
dependente Y cu 0,037132 un.m., avand valoare negativă.
14 . 24209 −0 . 02630 −0. 20613 −0 .05851 96 . 0629 −0 .1774 −1. 3903 −0 .3946
¿
¿
a
(
−0 .02630 0 . 01320 0 .00119 −0 .00094 = −0 . 1774 0. 0890 0 .0080 −0 . 0063
Ω =6 . 745∗¿ ¿ −0 .20613 0 .00119 0 .00363 0 . 00057
−0 .05851 −0 . 00094 0 .00057 0. 00040
−1. 3903 0. 0080 0 .0245 0. 0038
−0 . 3946 −0.0063 0 .0038 0.0027
)( )
Ω ¿
; a3
.
2 2
5. Calculăm coeficientul de determinaţie R şi coeficientul de determinaţie ajustat R
după următoarele formule:
¿ 2
2 ∑ ( Y i−Y ) 67,44767
∑e 2
R =1− 2
=1− 2
=1− =0 , 7027=70 , 27 %
Y
∑( i )
−Y Y
∑( i ) −Y 226,8571
n−1 14−1
R2 =1− ∗( 1−R2 )=1− ∗( 1−0 , 7027 )=1−0 , 3865=0 , 6135=61, 35 %
n−k−1 14−3−1
2 2
Concluzie: În urma rezultatelor obţinute, observăm ca R < R , deoarece coeficientul
de determinaţie ajustat a fost corectat cu gradul de libertate. Acest coeficient se calculează
pentru a ţine cont de numărul relativ slab de observări, comparat cu numărul de factori
explicativi. Nivelul coeficientului de determinaţie este de 0,7027, ceea ce semnifică că
variabilele independente au o contribuţie de 70,27% la modificările lui Y, iar restul
procentajului care influenţează majorarea sau diminuarea variabilei dependente Y este
destinat altor factori aleatori care nu au fost luaţi în consideraţie în analiza modelului.
q
( ) α
a q −a q Ω aq −aq ¿ F ( q , n−k−1 )
aq
¿
−1
( )
.
α
F ( q , n−k−1 ) este legea lui Fisher care semnifică testul F tabelar la pragul de
semnificaţie α şi q,n−k−1 grade de libertate. Pentru că avem de testat doi parametri,
aq = 0 ,801901
¿
1
F calc= ∗( 0 , 801901−1−0 ,381362+0,5 )∗ 11 ,5718 −3 , 8026 ∗ 0 ,801901−1 ( )( )=0 ,6122
2 −3 ,8026 42, 0365 −0 ,381362+0,5
α 0 . 05
Valoarea tabelară a testului Ftab =Fq , n−k−1 =F2 ;10 =4 . 103 Fisher:
F calc ¿ ¿
Concluzie: Conform F calc ¿ ¿ , acceptăm ipoteza nulă H 0 , afirmând că coeficienţii a1
şi a2 sunt simultan diferiţi de 1 şi -0,5.
IC :
unde:
[
( n−k −1 )∗σ 2e ( n−k−1 )∗σ 2e
χ 21
;
χ 22 ]
α
2 1−
χ1 are n−k−1 grade de libertate şi 2 pragul de semnificaţie;
α
2
χ2 are n−k−1 grade de libertate şi 2 pragul de semnificaţie.
Astfel, obţinem:
10∗6 , 745 10∗6 ,745
IC : [ 20 , 483
;
3 , 247 ]
⇒ IC : [ 3 , 293 ;20 ,773 ]
Concluzie: În urma calculelor efectuate, am obţinut intervalul de încredere pentru varianţa
2
erorilor fiind: 3 , 293≤σ^ e≤20 , 773 ⇒3 , 293≤6 ,745≤20 ,773 . Astfel, valoarea varianţei
erorilor calculate aparţine intervalului de încredere obţinut.
∑ (~
x i⋅~y i ) 116 ,2857
b= = =1, 011809
∑ ~x 2i 114 , 9286
a=Ȳ−b⋅X̄=48,71−1,0118⋅6 ,07=42,57116
Pentru a ne convinge de veridicitatea datelor, calculăm parametrii de mai sus cu ajutorul
pachetului de programe EViews. În rezultat obţinem aceleaşi rezultate, ceea ce ne
demonstrează că calculele au fost efectuate corect.
Dependent Variable: Y
Method: Least Squares
Date: 11/06/16 Time: 16:34
Sample: 1 14
Included observations: 14
1. Formulăm ipotezele:
H 0 :a1 =a2=a3 H 1 : există cel puţin un coeficient diferit de 0
2. Determinăm valoarea calculată a testului Fisher în baza formulei:
SPE
k R 2 /k 0 , 7027/ 3
F calc= = = =7 , 879
SPR ( 1−R 2 ) /( n−k −1 ) ( 1−0 ,7027 ) /10
n−k −1
3. Determinăm valoarea tabelară a testului Fisher:
α 0 , 05
Ftab =F3 ;10=F 3 ;10=3 , 708
F calc ¿ F tab ¿
Concluzie: Conform F calc ¿ F tab ¿ , respingem ipoteza nulă H 0 , acceptăm ipoteza alternativă
H 1 , afirmând că cel puţin unul din coeficienţii a1 ,a 2 ,a3 este semnificativ diferit de 0,
ceea ce semnifică că există o relaţie liniară semnificativă între variabila dependentă Y şi
variabilele independente X 1 , X 2 , X 3 şi regresia este considerată global semnificativă.
11. Calculăm previziunea şi intervalul de încredere pentru următoarele două perioade, dacă
X 1 (15 )=3 X 2 (16)=6
X 2 (15)=24 X 2 (16)=38
se cunosc datele: X 3 (15)=165 X 3 (16)=170
(
( X ' X ) = −0 , 026303 0 ,013205 0 ,001194 −0 , 00094
−0 ,206132 0 ,001194 0 ,003635 0 ,000575
−0 , 058519 −0 , 00094 0 ,000575 0 ,000401
)
Calculăm intervalul de previziune pentru perioada 15 în baza formulei:
[√ (
14,2421 1
)( ) ]
−0,026303 −0,206132 −0,058519
¿ ¿
−0,026303 0,013205 0,001194 −0,00094 3 +1 =
10 √[
Y 15=Y 15−t 0,025∗ σ 2 ' ' −1
∗ X
e 15 ( X X ) X 15 ]
+1 ⇔ Y 15 =49,384−2,675∗¿¿∗ 6,745∗ ( 1 3 24 165 )
−0,206132 0,001194 0,003635 0,000575 24
−0,058519 −0,00094 0,000575 0,00040 165
¿49,384−2,675∗√ 97,746=49,384−26,447=22,937
¿ ¿
Y 15=Y 15 +t 0,025
10 ∗ √ [ −1
]
σ 2e∗ X '15 ( X ' X ) X 15 +1 ⇔Y 15=49,384+26, 447=75 ,831
[√ (
14,2421 1
)( ) ]
−0,026303 −0,206132 −0,058519
¿ ¿
Y 16=Y 16−t10 ∗ σ e∗ X16 ( X X ) X16 +1 ⇔ Y 16=46,265−2,675∗¿¿∗ 6,745∗ (1 6 38 170 ) −0,026303 0,013205 0,001194 −0,00094 6 +1 =
√[
0,025 2 ' ' −1
] −0,206132 0,001194 0,003635 0,000575 38
−0,058519 −0,00094 0,000575 0,00040 170
¿46,265−2,675∗√ 78,827=46,265−23,75=22,515
¿ ¿
Y 16=Y 16 +t 010,025∗ √ [ −1
]
σ 2e∗ X '16 ( X ' X ) X 16+1 ⇔ Y 16=46 ,265+23,75=70 ,015