Documente Academic
Documente Profesional
Documente Cultură
BIBLIOGRAFIE
1. Introducere în econometrie – D. Jula, 2003.
2. Statistică şi econometrie – T. Andrei, 2003.
3. Econometrics – Franco Peracchi, 2000.
4. Econometric analysis (fifth edition) – 2003.
5. Modele şi metode econometrice – 2007.
6. Business Statistics- D. F. Groebner, P.W. Shannon, P.C. Fry, K.D. Smith, 2005.
7. Matematică pentru modelare economică – T. Dosescu, 2011.
SURSE DE DATE
1. www.insnn.ro
2. www.bnro.ro
3. www.insr.ro
4. Anuarul statistic
5. gasmi@cict.fr
6. www.aw.com/stock_watson (Introduction to Econometrics, 2003, Stock J., Watson
M., Ed. Addison Wesley, Boston)
SUBIECTE DE EXAMEN
1. Proiect (cel mult nota 8)
2. Subiect de teorie (pt. notele 9 -10)
CURSUL 1
PREZENTARE GENERALĂ
Observaţii.
a. Este posibil ca rezultatele unei categorii de modelare să formeze obiectul unui alt tip
de modelare. În acest sens, se poate vorbi de o combinare a două sau mai multe tipuri de
modelare. În cadrul unei astfel de combinări, tipurile de modelare se influenţează reciproc.
b. Este justificată sau chiar recomandată o astfel de combinare a tipurilor de modelare,
atunci când, în final, se obţin noi rezultate semnificative faţă de cele obţinute prin categoriile
de modelare particulare ce sunt combinate.
Un exemplu important de combinare a două categorii de modelare îl constituie
combinarea modelării economice cu cea matematică care se numeşte modelare economico-
matematică.
Prin modelare economico-matematică a unui fenomen se înţelege o modelare
care cuprinde trei etape:
1) modelarea economică a lui , al cărui prim rezultat este un model economic
. În această etapă, o gândire economică utilizează teorii şi ipoteze economice cu caracter
simplificator spre a micşora complexitatea lui A , realizând modelul economic , astfel
încât să fie posibilă etapa 2;
2) modelarea matematică a lui , al cărui prim rezultat este un model matematic
al lui A' . În această etapă, pe baza rezultatelor modelării economice, o gândire
matematică utilizează limbajul matematic, diverse instrumente şi teorii matematice spre a
realiza modelul matematic B al lui .
3) din investigarea modelului B şi din lanţul de analogii a lui cu şi a lui
cu se obţin informaţii noi asupra lui .
Rezultatul prim al modelării economico-matematice, , se numeşte model
economico-matematic.
Trebuie remarcat că de multe ori, etapa modelării economice nu este evidenţiată sau
pur şi simplu trece neobservată. Acest lucru poate favoriza eşecul unor modelări economico-
matematice.
Un gen special de modelare economico-matematică îl constituie modelarea
econometrică, al cărei prim rezultat este modelul econometric. Un model economico-
matematic se numeşte model econometric, dacă are cel puţin o componentă aleatoare.
Prin modelare econometrică se înţelege o modelare economico-matematică cu
următoarele caracteristici:
a. Etapa de modelare economică are ca obiect un micromediu economic, cum ar fi o
firmă, un segment de populaţie, un proces de producţie, sau un macromediu economic, cum
ar fi mediul economic al unei ţări sau grup de state, sau chiar economia mondială. Rezultatul
modelării economice este , modelul economic.
În această etapă, în cazul unui micromediu economic, adesea se apelează şi la diverse
ipoteze cu care se operează în prima etapă a modelării microeconomice pentru obţinerea lui
. De exemplu, se presupune că în mediul economic modelat acţionează legile globale care
acţionează într-o economie de piaţă, cum ar fi legea limitării resurselor, legea
randamentelor marginale descrescânde, legile cererii. De asemenea, mediul economic este
influenţat de comportamentul agenţilor economici, despre care se face ipoteza
comportamentului raţional [ 8 ] ?, de tipul competiţiei de piaţă, despre care ipoteza cea mai
convenabilă este cea a competiţiei perfecte, de existenţa echilibrului ( existence equilibrum )
care se traduce prin faptul că cererea este egală cu oferta, ambele evaluate la acelaşi preţ.
În cazul unui macromediu economic se apelează la diverse ipoteze cu care se operează
în prima etapă a modelării macroeconomice. De exemplu, ipotezele lui Keynes sau structura
contabilă a economiei unei ţări.
Observaţie. Dimensiunea mediului economic modelat poate să influenţeze amploarea
procesului de modelare şi instrumentele matematice utilizate în etapa modelării matematice,
dar nu esenţa sa. Astfel, în cazul unui macromediu se pot utiliza ca instrument matematic
sistemele Leontiev sau balanţa intrări-ieşiri ( input-ouput ), dar care nu sunt adecvate în cazul
unui micromediu.
b. Etapa de modelare matematică a lui ce produce modelul econometric are
la bază o gândire specifică, numită gândire econometrică, fiind rezultatul unui fenomen
sinergetic, ce se bazează pe gândirea economică, cu deosebire cea keynesiană şi dezvoltări
ale ei, pe gândirea statistică, în special cea a prelucrării şi a analizei datelor empirice,
precum şi a inferenţei statistico-matematice, pe gândirea probabilistă, în special cea a
proceselor stohastice, pe gândirea algoritmică şi cea informatică, care au permis, pe de o
parte, apariţia simulării numerice şi efectuarea de experienţe artificiale pe calculator, iar
pe de altă parte, o manevrare rapidă a unui volum de informaţie din ce în ce mai mare.
Gândirea econometrică consideră că variabilele economice, în realitate, au un caracter
aleator prin excelenţă, ceea ce implică în cadrul modelării econometrice considerarea lor ca
variabile aleatoare sau ca procese stochastice. De asemenea, datorită imposibilităţii luării în
calcul a tuturor factorilor care influenţează un proces economic, se consideră în cadrul unui
model econometric o variabilă - eroare aleatoare, unidimensională sau multidimensonală care
poate fi chiar un proces stohastic.
Ca urmare, modelul econometric are cel puţin o componentă aleatoare, al cărei rol
este acela de a compensa tratarea eronată a variabilelor economice ca fiind de natură
deterministă, precum şi de a ţine seama de erorile de măsurare sau cuantificare, de efectul
acelor variabile economice de care modelarea economică nu a reuşit să ţină seama şi de
influenţa unor factori total necunoscuţi, numiţi şocuri.
Valorile observate ale indicatorilor economici sunt generate de structura economică a
procesului modelat, ceea ce face ca, pe de o parte, acestea să conţină informaţii esenţiale
asupra procesului economic care le-a generat, iar pe de altă parte, să existe posibilităţi limitate
de a controla aceşti indicatori şi de a izola relaţiile dintre aceştia în vederea captării lor în
cadrul modelării econometrice. Printre ideile esenţiale ale gândirii econometrice, de care
trebuie să se ţină seama în modelarea econometrică, este cea care susţine feedback-ul ce
există între variabilele economice şi cea care consideră că efectele economice sunt rezultatul
unui sistem de relaţii, care în general, sunt stochastice, dinamice şi simultane. [J. Marshack,
1950 ]
Gândirea econometrică pare a fi o unealtă mai fină şi mai puternică, capabilă de a
opera asupra realităţii economice cu un grad sporit de precizie şi profunzime, să descifreze
informaţii, ascunse altor tipuri de gândire, pe care, graţie unor tehnici econometrice, să le
poată utiliza în captarea realităţii în cadrul modelelor econometrice.
Termenul de regresie a fost introdus de către statisticianul englez Francis Galton, într-
un memoriu scris în anul 1886, pentru a desemna legătura specială care există între înălţimea
taţilor şi înălţimea fiilor, ce exprimă tendinţa spre înălţimea medie.
În limba română, cuvântul ˝regresie˝ are şi semnificaţia de mişcare sau evoluţie în sens
contrar celui normal sau firesc.
În econometrie, termenul de regresie desemnează orice legătură sau dependenţă dintre
o variabilă dependentă şi una sau mai multe variabile independente, numite factori sau
regresori, dintre care cel puţin una este aleatoare. Regresia care exprimă o dependenţă liniară
se numeşte regresie liniară. Din această cauză modelele econometrice liniare sunt denumite
modele de regresie liniară.
Se consideră o populaţie statistică, a cărei caracteristică studiată este o variabilă
aleatoare teoretică X cu o repartiţie teoretică specificată, având media finită m şi dispersia
finită şi nenulă, astfel încât m şi sunt parametrii, eventual necunoscuţi.
Din această populaţie se extrage, la întâmplare, o selecţie repetată de
volum ; valorile de selecţie , , au o dublă interpretare: pe de o parte
sunt considerate drept valori numerice reale ale selecţiei, iar pe de altă parte sunt considerate
drept variabile aleatoare independente, având aceeaşi repartiţie cu cea a variabilei aleatoare
X , ceea ce implică:
şi .
2) , ;
3) , .
Demonstraţie. 1) .
2)
3) .
Se fac notaţiile:
şi este numit vectorul de selecţie;
.
b) Se numeşte matricea de covarianţă a lui X şi se notează prin
matricea pătratică de ordinul n:
= .
________________________________________________________________________
În modelul I de regresie liniară este un vector aleator n - dimensional şi depinde
de , rezultă că este un vector aleator n- dimensional.
Propoziţie. Au loc următoarele proprietăţi:
1)
2) ;
3) ;
4) .
Ex. Aplicatia 1 din Excel.
CURSUL II
Prezentare generală
; , unde şi
; ; .
Cu aceste notaţii sistemul (3) se prelucrează astfel:
Rezultă că:
care este modelul II de regresie liniară, în care este vectorul aleator de selecţie sau
vectorul efectelor, este numit vectorul parametrilor locali şi este necunoscut, este
numit vectorul factor sau regresor sau vectorul variabilelor de control (comportament ) şi
este cunoscut, este numită matricea cadru şi este cunoscută, iar este vectorul aleator al
erorilor şi este necunoscut.
Observaţii. 1) este un vector observabil, pe când şi sunt vectori
inobservabili.
2) este considerat variabila dependentă a modelului, iar matricea este
considerată variabila independentă, care determină pe
3) exprimă eroare modelului II, datorată faptului că modelul nu poate capta toate
influenţele care le suportă .
4) Acest model II, mai întâi va permite estimarea parametrilor necunoscuţi şi apoi,
elaborarea de predicţii asupra valorilor lui
Propoziţie. Fie modelul II de regresie liniară . Atunci au loc:
a) b)
Demonstraţie. a) .
b) .
Exemplu. În baza teoriei economice, legătura dintre venitul şi consumul unei familii
se poate modela econometric prin ecuaţia vectorială:
unde este vectorul consumului, este
Fig. 1
Deoarece
rezultă:
_____________________[N.S.]______________________________________________
a) Reguli de derivare în raport cu un vector.
1) şi C nu depinde de ;
de .
b) Matrice pozitiv definită.
Definiţie. Fie simetrică. este pozitiv definită, dacă 0,
pentru orice .
(*)
, deoarece şi .
.
Deoarece
care este pozitiv definită, condiţia ( *) devine şi suficientă, în baza acestei consecinţe.
Prin urmare este soluţia optimă a problemei.
2) . Pe de altă parte:
-
. Înlocuind se obţine:
deoarece .
Observaţie. .
..............................................................................................................................
CURSUL III
şi = .
Utilizând şi ipoteza 3, cu metoda celor mai mici pătrate s-a determinat estimaţia
pentru .
, obţinându-se:
1. .
2. .
Demonstraţie. 1. = +
seama şi de faptul că
2. =
- = =
Db1 x 02
2
Db 2 M 02 2 x 02 covb1 , b2 2 covb1 , 0 2 x02 covb2 , 0 =
not
Termenul Yi Yi i se numeşte componenta eroare sau eroarea predictorului faţă
= ,
Y
n
2
Relaţia = se poate împărţi cu i Y
i 1
0, obţinându-se :
adică gradul de adecvare depinde de ponderea momentului iniţial de ordinul doi al erorilor
predictorilor, în dispersia de selecţie.
Funcţii de producţie
, 0 şi ( ipoteza randamentelor
descrescătoare ).
Estimarea parametrului cu metoda celor mai mici pătrate s-a făcut în ipoteza că
parametrul este cunoscut.
În cele mai multe cazuri din realitatea economică, de exemplu în cazul estimării
parametrilor din funcţia de consum sau de cerere, precum şi în cazul funcţiilor de producţie,
parametrul de scală este necunoscut.
Dacă este necunoscut se pune problema estimării lui. Pentru aceasta se pleacă de
la erorile aleatoare . Deşi acestea sunt inobservabile, totuşi se constată că au o
legătură cu , ţinând seama că D i2 , . Pe de altă parte, este calculabil şi
pare a fi o estimaţie naturală a lui , mai ales că , la fel cu
.
Aceasta sugerează la a considera drept estimaţie a lui chiar dispersia erorilor
predictorilor, notată prin a cărei formulă este:
sau .
Informaţii privind calităţile statistice ale lui sunt date de următoarea afirmaţie:
PROPOZIŢIE. este o estimaţie deplasată a lui .
Observaţii. 1. O estimaţie nedeplasată a lui , notată prin are următoare
formă:
sau = .
= .
........................................................................................................
CURS 4
IPOTEZA 3. .
şi .
Atunci:
Consecinţa 3. .
Demonstraţie. Are loc:
.
Consecinţa 4. .
Demonstraţie. Are loc:
.
IPOTEZA 4. .
Comentariu. Această relaţie se poate explicita astfel:
Consecinţa 5. .
Demonstraţie. Are loc:
.
Comentariu. În baza consecinţei 5, rezultă că . În acest
caz se spune că erorile sunt homoscedastice. Deasemeni, deoarece
pentru , erorile sunt necorelate. Uneori, erorile care sunt homoscedastice şi necorelate
se numesc erori sferice.
Alături de cele 5 ipoteze se consideră frecvent şi următoarea ipoteză.
Exemple.
a) Se face un studiu pe o perioadă de 36 luni, privind consumul lunar pe cap de
locuitor al unui produs P, în funcţie de preţul lunar al lui P, de preţul lunar al unui produs P1
concurent al lui P şi de veniturile lunare pe cap de locuitor.
Modelul III de regresie liniară a fost construit pe baza celor 6 ipoteze, care
îngustează aplicabilitatea lui şi pun sub semnul întrebării relevanţa rezultatelor care se pot
obţine cu acest model. Aceasta justifică enunţarea următoarelor observaţii critice.
O1. Ipoteza 1 determină caracterul liniar al modelului în raport cu parametrii
necunoscuţi , deşi modelul poate să nu fie liniar în raport cu variabilele de control
. Astfel există şi cazuri în care legăturile dintre parametrii sunt neliniare,
ceea ce pune în discuţie adecvarea modelului III; totuşi, în anumite cazuri de neliniaritate se
poate vorbi de o liniaritate în logaritmi. Pentru a exemplifica, să presupunem că valorile de
selecţie sunt de forma:
.
Deoarece se poate logaritma în baza e relaţia (*) şi se obţine:
.
Utilizând notaţiile:
unde şi
, şi ,
se obţine modelul econometric: , care este de tipul III.
O2. Ipotezele 3 şi 4 referitoare la erorile aleatore, implică faptul că ele sunt
variabile aleatoare necorelate, cu aceeeaşi medie şi dispersie, ceea ce în realitatea economică
nu este întotdeauna adevărat.
O3. Ipoteza 5 postulează că matricea are toate elementele constante în
raport cu selecţiile repetate. Acest lucru ar fi sigur adevărat, numai în cazul experimentelor
de laborator, unde experimentatorul are controlul asupra variabilelor şi poate să observe în
mod repetat efectele depinzând de aceste variabile de control, care au o valoare fixată.
În general, într-o cercetare a unui fenomen economic, variabilele de control ale
ecuaţiilor modelului econometric, adesea sunt generate ca variabile dependente de alte ecuaţii
de natură stochastică şi astfel ele nu vor avea nici aceeaşi valoare, eventual fixată, pentru
selecţii repetate şi nici valorile pe care le doreşte cercetătorul; în acest caz vectorul este
condiţionat de variabilele de control, care sunt de natură stochastică , ceea ce face ca matricea
să nu fie constantă în raport cu selecţiile repetate.
O4. Modelul III de regresie liniară ar trebui să ţină seama de mulţimea tuturor
factorilor care influenţează în realitate caracteristica cercetată . În situaţiile economice
reale, rar sau niciodată, nu se ştie exact mulţimea tuturor factorilor şi ca urmare, anumiţi
factori relevanţi pot fi excluşi din model, iar factori străini să fie consideraţi în model.
O5. Despre valorile de selecţie , ce alcătuiesc vectorul , se
presupune implicit că nu sunt afectate de erori de măsurare; în realitate puţine legături
economice sunt ferite de „şocuri” aleatoare şi sunt neafectate de erori de măsurare.
O6. Despre valorile parametrilor locali se acceptă neexplicit
ipoteza că sunt constante, invariabile în timp şi nu depind de unitatea de măsură. În economie,
sistemele cu care se lucrează nu sunt întotdeauna staţionare, ceea ce face ca această ipoteză
să nu fie, uneori, în concordanţă cu realitatea economică.
O7. În general, modelele econometrice sunt construite pe baza unor ipoteze,
care simplifică realitatea economică ( afirmaţia este valabilă şi în cazul altor tipuri de
modele ). În particular, modelul III de regresie liniară poate, să nu fie suficient de adecvat faţă
de un proces economic modelat, deşi a fost construit pe baza datelor de selecţie, rezultate în
urma procesului economic şi nu ar fi surprinzător dacă modelul nu acoperă întreaga realitate
economică modelată.
În concluzie, această analiză critică are drept scop conştientizarea caracterului
simplificator al ipotezelor, care se află la baza construirii modelului III de regresie liniară,
necesitatea de a încerca şi de a realiza, în aplicaţii, concordanţa şi adecvarea modelului cu
realitatea economică modelată.
Trebuie subliniat (nu trebuie uitat) că slăbiciunile semnalate ale modelului III
pot avea consecinţe destul de grave, la nivelul performanţei modelului.
..............................................................................................................................
CURS 5
a) Estimarea vectorului
În acest caz se va utiliza metoda celor mai mici pătrate (MMP). Conform metodei,
pentru a se determina estimaţia lui , mai întâi, se calculează , suma pătratelor
erorilor, unde:
.
Prelucrarea lui se face astfel:
,
sau
,
deoarece .
este o matrice pozitiv definită, şi atunci este un punct de minim, respectiv o matrice
negativ definită, şi atunci este un punct de maxim, unde este hessianul lui , o
matrice funcţională pătratică.
Reguli de calcul
1) Dacă , x, a R n , atunci :
2) Dacă , , atunci :
şi ;
3) Dacă , , atunci :
şi .
Caz particular. este matrice simetrică. Atunci formulele devin:
şi .
se obţine .
Câteva proprietăţi statistice ale lui sunt stabilite de următoarele afirmaţii.
PROPOZIŢIE. este o estimaţie nedeplastă a lui .
Demonstraţie. Are loc:
.
Observaţii. 1) Dacă se fac selecţii repetate, atunci în medie reprezintă adevărata
valoare a lui .
2) Pentru o anumită selecţie efectuată ( valoare a lui ) estimatorul poate avea o
valoare corespunzătoare, estimaţia lui , diferită de valoarea adevărată a lui , atât ca
semn cât şi ca mărime.
şi se poate scrie
=
= ,
în baza consecinţei 5 de la ipoteza 4.
Observaţie. Deoarece este o matrice cunoscută, în baza ipotezei 5, rezultă că
este o matrice cunoscută, iar dacă există o estimaţiea lui , atunci se poate
construi o estimaţie a lui b pentru b determinat pe baza unei selecţii.
Atunci o estimaţie oarecare din această clasă, notată prin , are forma , unde
şi este o matrice care nu depinde de sau de alţi parametrii necunoscuţi; un
element particular al acestei clase este determinat specificând matricea B . De exemplu, b
face parte din această clasă deoarece el este determinat de matricea , care este un caz
particular de matrice .
_______________________[N.S] Matrice pozitiv sau negativ semidefinită___________
DEFINIŢIE. Fie o matrice simetrică. se numeşte pozitiv (negativ)
semidefinită, dacă :
.
PROPOZIŢIE. Fie . Atunci este o matrice pozitiv
semidefinită.
Demonstraţie. Deoarece , rezultă că este simetrică. Fie .
Atunci şi este o matrice pozitiv semidefinită.
.
Prin urmare: . Atunci matricea de
covarianţă a lui devine:
.
Deoarece şi se obţine:
.
În concluzie , care este o matrice pozitiv semidefinită şi deci este
cea mai bună estimaţie liniară şi nedeplasată.
b) Estimarea parametrului
poate scrie: .
Demonstraţie. 1) Rezultă din faptul că .
2) .
3)
= , deoarece şi sunt operatori liniari permutabili. Pe de altă parte, are loc:
Demonstraţie. .
Consecinţă. 2 este un estimator nedeplasat al lui 2 .
O altă formă a lui 2 este dată de următoarea afirmaţie.
PROPOZIŢIE. .
Demonstraţie. Se poate scrie:
= YT YT X X T X 1
XT I n
X XTX
1
XT Y
.
Cu ajutorul estimaţiei a lui se poate construi o estimaţie a matricei de
covarianţă , notată prin , de forma:
1
b X T X , 2
ale cărei elemente de pe diagonala principală sunt estimaţii ale dispersiilor elementelor lui ,
iar celelalte elemente sunt estimaţii ale covarianţelor dintre elementele vectorului .
....................................................................................................
CURS 6
şi .
În acest caz, cel care face experimentul joacă rolul naturii şi prin urmare cunoaşte
vectorul parametrilor locali şi parametrul . Pe baza unei matrice cadru cunoscute
şi utilizând un generator de numere pseudoaleatoare se produc selecţii repetate, care formează
valorile lui .
Conform rezultatelor teoretice cunoscute, se determină estimatorul a lui , în
sensul celor mai mici pătrate, pentru ( fixat ) selecţii repetate şi pentru dat.
__________________[N.S.] Generatori de numere pseudoaleatoare _________________
Yt
greutate
Consum Xt2
consum X2t
Indicaţie. c) .
d) Se utilizează relaţia:
covarianţă , independent de .
. Rezultă
că: M Y 0 MY0 şi deci Y 0 este o estimaţie nedeplasată a lui
.
Alte informaţii privind eroarea de predicţie sunt furnizate de matricea de covarianţă
T
M Y 0 X 0 m Y 0 X 0 m M X 0 b X 0 m X 0 b X 0 m
T
Y0 X 0m
= , deoarece .
Rezultă că eroarea, care se face estimând prin Y 0 , depinde de alegerea matricei
unde şi , iar este o estimaţie a lui , care are drept componente erorile
neexplicate şi este numit vectorul erorilor neexplicate.
Relaţia (1) se poate scrie şi astfel:
,
unde reprezintă partea, din variabilitatea lui Y , explicată prin includerea variabilelor de
control în modelul III de regresie liniară.
O măsură a variabilităţii lui Y se obţine considerând suma pătratelor componentelor
lui Y , dată de produsul Y T Y şi care se prelucrează astfel:
.
Utilizând aceste rezultate în produsul se obţine:
sau
.
În baza relaţiei (2), rezultă că suma pătratelor componentelor lui este alcătuită din
două părţi:
a) partea care depinde de variabilele de control;
b) partea care depinde de erorile neexplicate.
...............................................................................................................