Documente Academic
Documente Profesional
Documente Cultură
Scopul:
1. Estimarea parametrilor modelului.
2. Proprietăţile estimatorilor obţinuţi prin M.C.M.M.P.
3. Testarea validităţii modelului ales. (Cu ajutorul testului Student şi testului Fisher).
4. Calcule de previziune pe baza modelului liniar simplu de regresie de tip clasic.
n n
u / = −2 ( yi − − xi ) = 0
2
i
i =1 i =1
n n
ui2 / = −2 ( yi − − xi ) = 0
i =1 i =1
yi = n + xi (1)
i =1 i =1
n n
xi yi = ( y − x ) xi + xi2
i =1 i =1 i =1
1
x i yi xi
yi −
= n
1
xi2 − n ( xi ) 2
Aşa dar, am obţinut pe şi , care sunt estimatorii lui şi .
Condiţia suficientă:
n perioade de timp sau de n unităţi statistice este y i = + x i + u i , iar funcţia de regresie
y i = + x i , unde y
i sunt valorile teoretice ale variabilei endogene yi calculate cu ajutorul
funcţiei de regresie, iar ui = y i − y i - estimaţiile variabilei reziduale.
= Vˆ ( ˆ )
ˆ u2
( xi − x ) 2
i
ˆ u2 ( 1n + x2
) = Vˆ (ˆ )
( xi − x ) 2
i
1
iar u2 = u i2 este un estimator nedeplasat al variaţiei variabilei ui. Covarianţa
n − 2 i =1
dintre cei doi estimatori este egală cu:
ˆ)
ˆ ˆ = V̂(
ˆ) cov(
ˆ ,
( , )
ˆ cov̂(
ˆ,ˆ) ˆ) .
V̂(
Dacă ipotezele enunţate se verifică, atunci modelului estimat i se pot atribui o serie de
proprietăţi:
1. Media condiţionată a variabilei y în funcţie de variabila exogenă x devine E(y/x)
= + x i = y i
2. Dispersia condiţionată a variabilei y este:
1 ( xi − x ) 2
2
= 1 +
2
+
y / xi
u
n ( xi − x ) 2
3. Covarianţa cov(yi,yj)=0 pentru i , j = 1, n ; i j.
4. Legea de probabilitate condiţionată a lui y, în funcţie de variabilă exogenă x, este legea
În cazul când seria de date (xi,yi), (i = 1, n) este obţinută în urma unui sondaj statistic,
0
contra H 1 : ipoteza dependenţei liniare specificate.
0
Pentru un n mai mic decât 30 de cazuri statistica testului pentru şi
respectiv este:
t calc = / = ,
u2 1 / n + ( x / ( x i − x ) 2
t calc = / = .
u2 / ( ( xi − x ) 2 )
Regula de decizie este următoarea:
tcalct,n-2=ttabelat, adică nivelul de referinţă preluat din tabelul repartiţiei Student pentru riscul
erorii () şi (n-2) grade de libertate. Dacă tcalc>ttab ipoteza nulă Ho este respinsă şi se acceptă ipoteza
H1 conform căreea estimaţiile şi diferă semnificativ de zero.
Evident, pentru tcalc<ttab ipoteza nulă, a nesemnificaţiei, este cea admisă, adică x şi y nu sunt
corelate liniar.
3.2. Testul F-Fisher-Snedecor.
Cu ajutorul acestui test are loc verificarea verosimilităţii modelului econometric.
La baza veridicităţii modelului stă principiul analizei dispersionale (varianţelor).
Deoarece avem că u i = 0 şi y = y
i i , de aici rezultă că şi yi = y i .
i i i
(y (
− y ) = y i − y ) +u
2 2
2
i i .
i i i
Prin împărţire la numărul observaţiilor n se obţin dispersiile empirice corespunzătoare:
y2 = y2 + u2 , dispersie 2y caracterizează variaţie caracteristicii rezultative explicată. Dispersie
y2 - variaţie valorilor teoretice faţa de medie lor. Dispersie 2u - variaţie reziduală pe seama
factorilor aleatori.
În scopul testării validităţii modelului se alcătuieşte următorul tabel al analizei de varianţă.
Sursele de Variaţie sumei patratelor Grade de Estimatiri ale dispersiei
variaţie abaterilor libertate în raport cu gradele de libertate
Explicată de VE= ( y i − y ) 2 1 y2 = ( y i − y ) 2 1
regresie i
Rezidiuală VR= ( y i − y i ) 2 ˆ = ( y i − yˆ i ) 2 (n − 2)
2
n-2 u
i i
VT= ( y i − y ) ˆ y2 = ( y i − y ) 2 (n − 1)
2
Total n-1
i i
Fcalc =
( y i − y) 2 (y i − y i ) 2
.
1 n−2
Amintim că y i sunt valori ajustate, obţinute din model folosind parametrii estimaţi şi valorile
empirice xi.
Modelul este valid dacă valoarea Fcalc este superioară valorii tabelate F;2-1;n-1, respectiv, este
considerat neconcludent (incluzând parametrii nesemnificativi sau o funcţie greşit aleasă) dacă
Fcalc<F; 2-1; n-1, adică x şi y sunt independente.
O formulă alternativă pentru Fcalc, este şi cea definită pe baza coeficientului de determinaţie
R2: Fcalc = R2/(1-R2)/(n-2)
Coeficientul R este coeficientul de corelaţie multiplă, însă pentru corelaţia liniară simplă între
x şi y reprezintă coeficientul de corelaţie.
2
R= ( y − y ) 2 / ( y i − y ) 2 = 1 − ui / ( y i − y )
2
i
i
i i i
( x / (x − x ) 2 ( yi − y ) 2
2
ry , x = cov( x, y) / x y = i − x ) ( yi − y ) i
Mărimea lui ry/x este cuprinsă între -1 şi 1. Cu cât valoarea lui ry/x este mai mare, cu atât
legătura între variabile este mai strânsă. Pentru cazul dependenţei liniare ry,x = R . După obţinerea
lui ry/x se poate de verificat în ce măsură coeficientul de corelaţie obţinut este semnificativ cu
ajutorul următorului test:
r
t calc = .
(1 − r 2 ) / ( n − 2)
Dacă tcalc>ttabela=t/2n-2, atunci coeficientul de corelaţie semnificativ diferă de 0; în caz contrar
se acceptă ipoteza unui coeficient de corelaţie nul.
4. Efectuarea de calcule previzionale.
Se consideră că în urma analizei legăturii dintră valorile a două variabile (xi,yi), (i = 1, n)
Varianţa variabilei
V(ep)=0, iar up satisface ipotezele modelului, estimatorul
( y p -yp)/(ep)N(0,1)
Pentru un prag de semnificaţie şi (n-2) grade de libertate din tabelul funcţiei de Student se
determină t(n-2); şi se obţine intervalul de încredere pentru valoarea previzionată la un nivel
xp specificat
y p -t(n-2); (ep) yp ŷ p +t(n-2); (ep)