CUPRINS

3. Acuratețea ajustării
3.1. Coeficientul de determinare
a. Calculul coeficientului de determinare
b. Probleme ale coeficientului de determinare
3.2. Coeficientul de determinare corectat
3.3. Criteriile informaționale

Bibliografie

Prof.univ.dr. Dorin JULA: Analiză econometrică 1

3. Acuratețea ajustării

Prof.univ.dr. Dorin JULA: Analiză econometrică 2

 3.1. Coeficientul de determinare (R2)
a. Calculul coeficientului de determinare

( Y − Y ) = ( Yˆ − Y ) ( )
2 2 2
Y
t t + u2t + 2ut Yˆt − Y
Ŷ = â0 + â1X
 ( Y − Y ) =  ( Yˆ − Y ) +  u + 2 ut Yˆt − Y ( )
2 2 2
2
Yt ● t t t
ut
Yt - Ȳ
Ŷt ●
Ŷt - Ȳ
Ȳ
 u ( Yˆ − Y ) =  u ( aˆ + aˆ X − Y ) =
t t t 0 1 t

= aˆ  u + aˆ  u X − Y  u
0 t 1 t t t =0

Xt X
(Y − Y ) = Y ( ) + u
2 2
ˆt − Y
( )
2
Yt − Y = Yˆt − Y + ut t t

VT = VM + VR

R =
2 VM VT − VR
= =1−
 u2t
 ( Yt − Y )
2
VT VT

Prof.univ.dr. Dorin JULA: Analiză econometrică 3

 3.1. Coeficientul de determinare (R2)
b. Probleme ale coeficientului de determinare

Y
Problema 1:
Ŷ = â0 + â1X
Relația
Yt ● VT = VM + VR
ut
Yt - Ȳ are loc doar dacă ecuația de
Ŷt ●
Ŷt - Ȳ regresie conține și termenul liber.
Ȳ

Demonstrație:

Xt X
n
  Yt − ( aˆ 0 + aˆ1X t )  = 0
 t=1
( ) =  ( Y − aˆ
n n n
F ( aˆ 0 ,aˆ1 ) =  u =  − aˆ1X t )
2 2
2
t Yt − Yˆt t 0 → n
 ( X )  Y − ( aˆ + aˆ X )  = 0

t=1 t=1 t=1
t  t 0 1 t 
t=1

  n
n
 â F ( a0 ,a1 ) =  2 ( −1 )  Yt − ( aˆ 0 + aˆ1X t )  = 0
ˆ ˆ
 ut = 0
 0 t=1  t=1
 → n
  F ( aˆ ,aˆ ) = 2 ( −X )  Y − ( aˆ + aˆ X )  = 0
n

 â1 0 1 
t=1
t  t 0 1 t 
 Xu =0
 t t
t=1

Prof.univ.dr. Dorin JULA: Analiză econometrică 4

3.1. Coeficientul de determinare (R2)
b. Probleme ale coeficientului de determinare

Problema 2: Soluție:
Prin adăugarea unei variabile Se calculează coeficientul de
suplimentare, coeficientul de determinare corectat
determinare crește Se calculează criteriile informaționale

Prof.univ.dr. Dorin JULA: Analiză econometrică 5

 3.2. Coeficientul de determinare corectat

VR
s2
n − 1 VR
R2 = 1 − = 1 − n − k − 1 = 1 −
u

s2
Y
VT n − k − 1 VT
n−1
VR VR
R2 = 1 − = 1 − R2
VT VT

n−1
R2 = 1 −
n−k −1
( 1 − R2 )

Observație:
Deși R2 este o mărime pozitivă subunitară, coeficientul de determinare corectat poate
lua valori negative. De exemplu, dacă volumul selecției este n = 25, numărul variabilelor
explicative k = 3, iar R2 = 0.1, atunci

25 − 1
R2 = 1 − (1 − 0.1) = −0.0286
25 − 3 − 1

Prof.univ.dr. Dorin JULA: Analiză econometrică 6

Exemplu:

Y1t X1t X2t X3t X3t

0.3 0.5 4.1 -1.2148

0.8 1.0 4.2 -0.0416
0.3 1.2 4.0 -1.6262
-0.5 -0.3 4.1 1.7585
0.8 2.1 3.8 0.4053
1.4 2.3 4.2 1.9823
0.2 1.2 3.8 -1.0605
0.7 1.0 4.0 -1.7176
0.0 0.8 3.9 1.7716
-0.7 0.0 3.8 0.2646
-1.0 -0.6 3.6 -0.6370
1.3 2.2 4.2 -0.0419
1.0 1.4 4.0 1.6335

Prof.univ.dr. Dorin JULA: Analiză econometrică 7

 Exemplu:

Dependent Variable: Y Dependent Variable: Y

Method: Least Squares Method: Least Squares
Sample (adjusted): 1 13 Sample (adjusted): 1 13
Included observations: 13 after adjustments Included observations: 13 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. Variable Coefficient Std. Error t-Statistic Prob.
C -5.367460 1.398844 -3.83707 0.0033 C -5.506832 1.472485 -3.739823 0.0046
X1 0.638391 0.073435 8.69326 0.0000 X1 0.639952 0.076196 8.398720 0.0000
X2 1.280572 0.359103 3.56603 0.0051 X2 1.315982 0.377892 3.482428 0.0069
R-squared 0.935019 Mean dependent var 0.35385 X3 -0.026299 0.047910 -0.548931 0.5964
Adjusted R-sq. 0.922023 S.D. dependent var 0.75013 R-squared 0.937124 Mean dependent var 0.35385
S.E. of regression 0.209469 Akaike info criterion -0.08931 Adjusted R-sq. 0.916166 S.D. dependent var 0.75013
Sum squared resid 0.438772 Schwarz criterion 0.04106 S.E. of regression 0.217194 Akaike info criterion 0.03160
Log likelihood 3.580515 Hannan-Quinn criter. -0.11611 Sum squared resid 0.424557 Schwarz criterion 0.20543
F-statistic 71.94558 Durbin-Watson stat 2.06078 Log likelihood 3.794575 Hannan-Quinn criter. -0.00413
Prob(F-statistic) 0.000001 F-statistic 44.71305 Durbin-Watson stat 2.11875
Prob(F-statistic) 0.000010

Prof.univ.dr. Dorin JULA: Analiză econometrică 8

3.3. Criterii informaționale

Criteriul informațional Akaike Criteriul informațional Schwartz

2 (k +1 ) 2 (k +1 ) k +1 k +1
 VR  1 n 2   VR  n 1  n 2  n
AIC =    e n
=   ut   e n SIC =    n =   ut   n
 n  n  t=1   n  n  t=1 
  u2t  2(k + 1)   u2t  (k + 1)
ln(AIC ) = ln + ln ( SIC ) = ln  +
 n 
 n  ln(n
  n   n

EViews
n 
l = − 1 + ln(2) + ln
 u2t 

2  n 

2l 2(k + 1) 2l (k + 1)
AIC = − + SIC = − + ln(n)
n n n n

Criteriul Hannan-Quinn
2l 2(k + 1)
HQ = − + ln(ln( n))
n n
Prof.univ.dr. Dorin JULA: Analiză econometrică 9
 Modelul 1 Modelul 2
Y = f(x1,x2) Y = f(x1,x2,x3)
R-squared 0.9350 0.9371
Adjusted R-squared 0.9220 0.9162
Akaike info criterion -0.0893 0.0316
Schwarz criterion 0.0411 0.2054
Hannan-Quinn criter. -0.1161 -0.0041

Prof.univ.dr. Dorin JULA: Analiză econometrică 10

 Bibliografie

Andrei, Tudorel; Bourbonnais, Régis. 2008. Econometrie, Editura Economică,

București,cap.2, pp. 37-45, 49-55, 63-70
Jula, Dorin; Jula, Nicolae-Marius, 2021. Econometrie, Editura Mustang, București,
cap. 2, pp. 40-43, 48-52, 59-62 si cap. 4, pp. 76-86.

Prof.univ.dr. Dorin JULA: Analiză econometrică 11