Tema 4

Ipoteze clasice asupra modelului de regresie

Pe baza modelului de regresie în care variabila dependentă este nota la testul

de Econometrie, iar variabilele independente sunt: genul şi numărul de teme
efectuate, se cere să se verifice 5 ipoteze clasice ale modelului de regresie (date
preluate de la studenți REI, an 3):

I1. Datele nu sunt afectate de erori de măsură (regula celor trei sigma)

I2. Coliniaritatea (Grafic, Criteriul Klein și Criteriul factorului de inflaţie)

I3. Homoscedasticitatea (Grafic și Testul White)

I4. Neautocorelarea erorilor (Grafic și Testul Durbin-Watson)

I5. Normalitatea erorilor (Grafic şi Testul Jarque-Bera)

 Gen Numar
(M=1, teme
Nr. Crt. F=0) efectuate Nota test
1 1 4 7
2 1 3 5
3 0 3 10
te nota la testul
4 0 2 3.75
umărul de teme
5 0 2 3.5
e regresie (date
6 0 3 10
7 1 2 1
ma) 8 0 3 9.5
9 0 3 10
nflaţie) 10 0 3 10
11 0 3 8
12 1 3 6
13 0 3 4.5
14 0 1 8
15 1 2 1
16 1 0 1.25
17 0 3 9
18 1 3 5
 IPOTEZA I:

DATELE NU SUNT AFECTATE DE ERORI DE MĂSURĂ

(REGULA CELOR 3 SIGMA)

REZOLVARE EXCEL (ETAPE):

1. Calculăm cu ajutorul funcției Descriptive statistics media (mean) și

abaterea standard (standard deviation) pentru toate variabilele numerice:
Y, X1, X2…
2. Calculăm cele două limite: medie-3abateri standard și medie +3abateri
standard pentru toate variabilele numerice: Y, X1, X2…
3. Verificăm cu ajutorul valorilor min și max, dacă datele pentru toate
variabilele numerice: Y, X1, X2…se încadrează între limitele calculate la
pasul 2.
ĂSURĂ

media (mean) și
abilele numerice:

medie +3abateri

tele pentru toate

mitele calculate la
 IPOTEZA II:

VARIABILELE EXOGENE Xj SUNT INDEPENDENTE ÎNTRE ELE

(ÎN CAZ CONTRAR EXISTĂ MULTICOLINIARITATE)

 CRITERIUL KLEIN (ETAPE EXCEL):

1. Rulăm modelul de regresie inițial între variabila dependentă Y și variabilele

independente X1, X2.....și reținem coeficientul de determinare R2.
2. Calculăm coeficientul de corelație liniară Pearson (r) pentru variabilele
independente X1,X2...., cu funcțiile CORREL sau CORRELATION din
Excel.
3. Dacă R2<r variabilele X1 și X2 sunt coliniare (A se vedea în suportul de
curs consecințele și remediile pentru multicoliniaritate).

 CRITERIUL FACTORULUI DE INFLAȚIE (ETAPE EXCEL):

1. Se rulează modele de regresie numai cu variabilele independente X1, X2...și

se reține coeficientul de determinare R2.
2. Se calculează factorul de inflație după formula: FIj=1/(1-R2j)
3. Dacă FI este mai mare decât 4 există multicoliniaritate. Dacă este mai mare
decât 10, multicoliniaritatea este severă (A se vedea în suportul de curs
consecințele și remediile pentru multicoliniaritate).
 ÎNTRE ELE

TATE)

Y și variabilele
are R2.
entru variabilele
RELATION din

a în suportul de

APE EXCEL):

dente X1, X2...și

că este mai mare

suportul de curs
 IPOTEZA III:
VARIABILA REZIDUALĂ ESTE HOMOSCEDASTICĂ - DE MEDIE
NULĂ ȘI DISPERSIE CONSTANTĂ ȘI INDEPENDENTĂ DE X
(ÎN CAZ CONTRAR EXISTĂ HETEROSCEDASTICITATE)

TESTUL WHITE (ETAPE EXCEL):

1. Rulăm modelul de regresie inițial între variabila dependentă Y și

variabilele independente X1, X2.....și reținem SERIA
REZIDUURILOR.
2. Rulăm un nou model de regresie în care variabila dependentă Y devine
seria reziduurilor ridicată la pătrat (ei2), iar variabilele independente vor
fi: x1, x2, x12, x22, x1*x2…
3. Aplicăm testul F, iar dacă acest din urmă model este invalid înseamnă
că variabilele independente nu influențează seria reziduurilor, deci
ERORILE SUNT HOMOSCEDASTICE. În caz contrar acestea sunt
heteroscedastice (A se vedea în suportul de curs consecințele și remediile
pentru heteroscedasticitate).

Suplimentar, se poate calcula testul LM=n*R 2

Dacă LM<χ2(0,05, v), ERORILE SUNT HOMOSCEDASTICE, unde v=numărul

de variabile independente.

Gen Numar
(M=1, teme
Nr. Crt. F=0) efectuate Nota test
1 1 4 7
2 1 3 5
3 0 3 10
4 0 2 3.75
5 0 2 3.5
6 0 3 10
7 1 2 1
8 0 3 9.5
 9 0 3 10
10 0 3 10

11 0 3 8
12 1 3 6
13 0 3 4.5
14 0 1 8
15 1 2 1 Lower 95.0%
Upper 95.0%
16 1 0 1.25 6.167576 9.514242
17 0 3 9 -6.774212 -1.407606
18 1 3 5
Ă - DE MEDIE
ENTĂ DE X
ICITATE)

ependentă Y și
nem SERIA

ndentă Y devine
ndependente vor

nvalid înseamnă
ziduurilor, deci
trar acestea sunt
nțele și remediile

nde v=numărul
Upper 95.0%
 IPOTEZA IV:

NEAUTOCORELAREA ERORILOR

(ÎN CAZ CONTRAR EXISTĂ AUTOCORELARE)

TESTUL DURBIN-WATSON (ETAPE EXCEL):

1. Rulăm modelul de regresie inițial între variabila dependen

variabilele independente X1, X2.....și reținem
REZIDUURILOR.
2. Calculăm statistica Durbin-Watson (d)
n

 (eˆ t  eˆt 1 ) 2
d  t 2
n , d=2(1-r(1)), r(1)=coeficient de autocore
 eˆt2
t 1

ordin 1.
3. Valoarea calculată se compară cu 2 valori tabelate (preluate din
Durbin-Watson): d1 și d2 (în funcție de α=0,05; numărul de v
independente și volumul eșantionului).

0<d<d1 d1≤d≤d2 d2<d<4-d2 4-d2≤d≤4-d1 4-d1

Autocorelare Indecizie Neautocorelare Indecizie Autoc
pozitivă (erori neg
independente)

Obs.1: Testul Durbin-Watson se aplică seriilor cronologice.

Obs.2: O valoare apropiată de 2 semnifică neautocorelarea erorilor

contrar acestea sunt autocorelate (A se vedea în suportul de curs consec
remediile autocorelării erorilor).
 Gen Numar
(M=1, teme
LOR Nr. Crt. F=0) efectuate Nota test
1 1 4 7
ORELARE) 2 1 3 5 SUMMARY OUT
3 0 3 10
EXCEL):
4 0 2 3.75 Regression Statistics
ariabila dependentă Y și 5 0 2 3.5 Multiple R
și reținem SERIA 6 0 3 10 R Square
7 1 2 1 Adjusted R
8 0 3 9.5 Standard Er
9 0 3 10 Observatio
10 0 3 10
cient de autocorelație de 11 0 3 8 ANOVA
12 1 3 6
13 0 3 4.5 Regression
14 0 1 8 Residual
elate (preluate din tabelul
15 1 2 1 Total
05; numărul de variabile
16 1 0 1.25
17 0 3 9 Coefficients
≤d≤4-d1 4-d1<d<4 18 1 3 5 Intercept
decizie Autocorelare Gen (M=1,
negativă Numar tem

ogice.
RESIDUAL OUT
orelarea erorilor. În caz
ul de curs consecințele și Observation
1
2
3
4
5
6
7
8
9
10
11
 12
13
14
15
16
17
18

r=
SUMMARY OUTPUT

Regression Statistics
0.790348
0.624649
0.574602
2.129669
18

ANOVA
df SS MS F Significance F
2 113.2177 56.60883 12.48131 0.000643
15 68.03233 4.535489
17 181.25

Coefficients
Standard Error t Stat P-value Lower 95%Upper 95%Lower 95.0%
Upper 95.0%
3.336521 1.619563 2.060137 0.057175 -0.115495 6.788537 -0.115495 6.788537
-3.735883 1.036329 -3.604921 0.002599 -5.944766 -1.527001 -5.944766 -1.527001
1.708561 0.56397 3.029523 0.008449 0.506487 2.910635 0.506487 2.910635

RESIDUAL OUTPUT
et
Predicted Nota test
Residuals
6.434882 0.565118 et-1 et-(et-1 0.31936
4.726321 0.273679 0.565118 -0.2914 0.08494 0.0749
8.462204 1.537796 0.273679 1.26412 1.59799 2.36482
6.753643 -3.003643 1.537796 -4.5414 20.6247 9.02187
6.753643 -3.253643 -3.003643 -0.25 0.0625 10.5862
8.462204 1.537796 -3.253643 4.79144 22.9579 2.36482
3.01776 -2.01776 1.537796 -3.5556 12.642 4.07135
8.462204 1.037796 -2.01776 3.05556 9.33642 1.07702
8.462204 1.537796 1.037796 0.5 0.25 2.36482
8.462204 1.537796 1.537796 0 0 2.36482
8.462204 -0.462204 1.537796 -2 4 0.21363
4.726321 1.273679 -0.462204 1.73588 3.01329 1.62226
8.462204 -3.962204 1.273679 -5.2359 27.4145 15.6991
5.045082 2.954918 -3.962204 6.91712 47.8466 8.73154
3.01776 -2.01776 2.954918 -4.9727 24.7275 4.07135
-0.399362 1.649362 -2.01776 3.66712 13.4478 2.7204
8.462204 0.537796 1.649362 -1.1116 1.23558 0.28922
4.726321 0.273679 0.537796 -0.2641 0.06976 0.0749
 IPOTEZA V:

NORMALITATEA ERORILOR

(ÎN CAZ CONTRAR ERORILE NU SUNT NORMAL DISTRIBUITE)

TESTUL JARQUE-BERRA (ETAPE EXCEL):

1. Rulăm modelul de regresie inițial între variabila dependentă Y și
variabilele independente X1, X2.....și reținem SERIA
REZIDUURILOR.
2. Calculăm cu ajutorul funcției Descriptive statistics asimetria (skewness)
și boltirea (kurtosis).
3. Calculăm statistica Jarque-Berra:
 S2 K2 
JB  n    
 6 24 
 n=volumul eșantionului
 S=asimetria (skewness)
 K=boltirea (kurtosis)

4. Dacă JB<χ(0,05, 2), ERORILE SUNT NORMAL DISTRIBUITE.

 Gen Numar
(M=1, teme
TRIBUITE) Nr. Crt. F=0) efectuate Nota test
1 1 4 7
2 1 3 5
ependentă Y și 3 0 3 10
nem SERIA 4 0 2 3.75
5 0 2 3.5

etria (skewness) 6 0 3 10
7 1 2 1
8 0 3 9.5
9 0 3 10
10 0 3 10
11 0 3 8
12 1 3 6
13 0 3 4.5
14 0 1 8
15 1 2 1

BUITE. 16 1 0 1.25
17 0 3 9
18 1 3 5

Residuals Residuals
0.565118
0.273679 Confidence 0.994813
1.537796
-3.003643
-3.253643
1.537796
-2.01776
1.037796
1.537796
1.537796
-0.462204
1.273679
-3.962204
2.954918
-2.01776
1.649362
0.537796
0.273679