1 - Curs Econometrie 2022 - 2023 (3 Files Merged)

Econometrie
CURS 1
Prof. univ. dr. Viorica Chirilă
1
Mod de evaluare
1. Evaluare pe Parcurs - 60% din nota finală
• Seminar - 30% (participare, 1 test de evaluare clasic). Pentru a primi

notă la seminar, fiecare student trebuie să fie prezent la minimum 7
seminarii
• Test evaluare la curs - 30% (test grilă). Testul de evaluare are valoare
de parţial, materia din primele 7 cursuri nu se mai dă la examenul
final. Testul se dă în perioada 21-25 noiembrie – test grilă în facultate.
2. Examen în sesiune - 40% din nota finală. Examenul se dă din modele

neliniare si testarea ipotezelor clasice, teorie şi probleme, sub formă de
test grilă.
2
Programa analitică
1. INTRODUCERE
2. REGRESIA LINIARĂ SIMPLĂ
3. REGRESIA LINIARĂ MULTIPLĂ
4. REGRESIA NELINIARĂ
5. VERIFICAREA IPOTEZELOR MODELULUI DE REGRESIE
3
Bibliografie
• 1. Andrei T., Bourbonnais, R, Econometrie, Economica, Bucureşti,
2008
• 2. Berdot, J.P., Économétrie, CNED, Poitiers-Futurscope, 2001
• 3. Bourbonnais, R., Économétrie, Dunod, Paris, 2000
• 4. Greene, W.H., Econometric analysis, Mac Millan, 1993
• 5. Gujarati, D.N., Basic econometrics, McGraw-Hill, New York, 1995
• 6. Jemna, D.V., Econometrie cu aplicații în R. Ediția a IV, Editura
Universității Alexandru Ioan Cuza din Iaşi, 2017.
• 7. Kmenta, J., Elements of Econometrics, MacMillan Publishing,
1986
• 8. Pecican, E.S., Econometria pentru economişti, Editura Economică,
Bucureşti, 2003
4
1.INTRODUCERE
1.1. Ce este econometria?
1.2. Obiectul, metoda şi scopul econometriei
1.3. Concepte ale econometriei
1.4. Demersul cercetării econometrice
1.5. Sistem de notaţii
5
Etimologic, termenul de econometrie provine din cuvintele
greceşti :
• eikonomia – economie
• metren - măsură
6
1. Ce este econometria?
Termenul econometrie a fost introdus în anul 1926 de către
economistul şi statisticianul norvegian R. Frisch prin analogie cu
termenul „biometrie” utilizat de Galton şi Pearson.
Econometria însemnă studiul economiei cu ajutorul statisticii

şi matematicii.
Econometria este o disciplină care s-a conturat ca o sinteză

între economie, matematică şi statistică.
7
1.1 Ce este econometria?
La 29 decembrie 1930, la Cleveland (S.U.A.) a fost întemeiată
“Societatea de Econometrie”, instituţie care a creat şi promovat
termenul de “econometrie”.
Frisch R. – Econometrica Nr. 1, ianuarie 1933

– ”experiența a arătat că fiecare din următoarele trei puncte de
vedere, al statisticii, al teoriei economice şi al matematicii, este o
condiţie necesară, dar nu şi suficientă, pentru o înţelegere efectivă a
realităţilor cantitative din economia modernă; unificarea lor este
aceea care asigură eficienţa. Econometria este tocmai această
unificare”
8
• Rolul teoriei economice
- intuiţia economică pentru a postula şi dezvolta o relaţie empirică
coerentă (logică) care există între variabilele economice;
- ajută la alegerea variabilelor explicative
- sugerează semnul coeficienţilor variabilelor explicative
- sugerează ipotezele de testat
• Rolul statisticii şi matematicii

- asigură date, metode de estimare a parametrilor şi testare a
ipotezelor
- formalizarea legăturilor
9
1.2. Obiectul, metoda şi scopul
econometriei
• Obiect Pe baza datelor din economie, econometria construieşte
modele (expresii cantitative) pentru realităţile economice studiate
care au un corespondent în teoriile economice.
• Metodă Econometria studiază realităţile economice sub aspect

cantitativ, utilizând metoda statisticii.
Econometria surprinde cantitativ relaţiile din viaţa economică reală
cu ajutorul unui instrument specific: modelul econometric.
• Scop Scopul principal al econometriei este identificarea, estimarea

şi testarea modelelor, prin care se surprind relaţiile dintre
fenomenele economice reale.
10
În cercetarea econometrică se utilizează o serie de concepte, noţiuni şi
termeni specifici:
- model,
- variabile,
- parametri,
- estimator,
- estimaţii etc
A. Modelul econometric
• Modelul este o schemă simplificată a realităţii care are rolul de a explica

realitatea studiată.
• Modelul econometric este o ecuaţie sau un sistem de ecuaţii construit pe
baza variabilelor statistice.
11
3. Concepte ale econometriei
În funcţie de natura dependenţei dintre variabile, modelele de
regresie pot fi :
- deterministe,
- probabiliste.
Regresia deterministă (funcţională) este de tipul:
Y = f ( Xi )
- variabila dependentă este explicată în totalitate de variabila sau
variabilele independente din model
Exemplu: - legile fizicii din sistemul newtonian
- întâlnită rar în cazul variabilelor economice
12
• Regresia stochastică (probabilistă) este de tipul:
Y = f ( X i ) + i
unde i - o variabila numită eroare sau reziduu, care sintetizează
ansamblul factorilor cu influenţă asupra variabilei Y, ce nu sunt
prinşi în mod explicit în model
13
B. Variabile
În cercetarea econometrică se utilizează variabile statistice între care
există relaţii de interdependenţă.
Tipuri de variabile:
- variabila dependentă, numită şi variabilă explicată, endogenă sau
răspuns;
- variabila independentă, numită şi variabilă explicativă, exogenă sau
variabilă de control;
- variabila reziduală sau eroare. De regulă, aceste variabile apar în
model ca sumă a tuturor influenţelor necunoscute sau care nu apar
explicit în model. În cercetarea econometrică, variabila eroare este
o variabilă aleatoare care respectă anumite proprietăţi numite şi
ipoteze clasice. 14
C. Parametrii
• Parametrii modelului econometric, numiţi şi coeficienţi de

regresie, sunt mărimi reale şi necunoscute care apar în model în
diferite expresii alături de variabile. Parametrii fac obiectul
procesului de estimare şi testare statistică.
D. Estimaţii
• Estimaţiile sunt valori ale estimatorilor calculate la nivelul unui

eşantion sau set de date reale observate din realitate.
15
E. Estimatori
Estimatorii sunt variabile aleatoare, convenabil construite în
procesul de estimare, cu distribuţii de probabilitate cunoscute şi
cu proprietăţi specifice în baza cărora se realizează procesul de
estimare a parametrilor modelului econometric.
Notăm parametrul cu simbolul  şi un estimator al acestuia cu

ˆ .
16
3. Concepte ale econometriei
• Proprietăţi ale estimatorilor
În procesul de estimare, cele mai importante proprietăţi ale
estimatorilor sunt:
- nedeplasarea – un estimator este nedeplasat dacă media sau
speranţa matematică a acestuia este egală cu parametrul.
()
M ˆ = 
- convergenţa – un estimator este convergent dacă varianţa sa tinde
spre 0 atunci când volumul eşantionului tinde spre volumul
populaţiei.
()
V ˆ → 0, când n → N
- eficienţa – estimatorul este eficient dacă are varianţa cea mai mică
dintre toţi estimatorii posibili pentru parametrul .
()
V ˆ = min.
17
1.4. Demers metodologic
- Formularea unei teorii sau a unui set de ipoteze (putem pleca

de la o teorie sau o problemă economică);
- Formalizarea problemei într-un model;
- Obținerea datelor pentru modelare;
- Estimarea parametrilor modelului sau modelelor propuse, pe
baza metodelor statistice cunoscute;
- Testarea ipotezelor;
- Predicția modelului;
- Utilizarea modelului în practică.
18
1.5. Sistem de notaţii
- variabila dependentă - Y
- variabile independente - Xi, i = 1, p
- variabila aleatoare - 
- parametri - i , pentru i = 0, p
- număr de parametri - k = p+1 parametri, unde p este numărul
de variabile independente
- pragul de semnificaţie – α
Exemplu: modelul de regresie liniar simplu

- scris cu variabile
Y = 0 + 1 X + 
sau
- scris cu valori yi = 0 + 1 xi +  i
19
Econometrie
CURS 3
Prof. univ. dr. Viorica Chirilă
1
Programa analitică
1. INTRODUCERE
5. VERIFICAREA IPOTEZELOR MODELULUI DE REGRESIE
2
2 Modelul de regresie liniar simplu
Măsurarea intensităţii legăturii dintre două variabile
• Intensitatea legăturii dintre două variabile se poate măsura cu

ajutorul
– coeficientului de corelaţie
– raportului de corelaţie
– raportul de determinație.
3
COEFICIENTUL DE CORELAŢIE
Se utilizează pentru măsurarea legăturii în cazul unei regresii liniare
simple.
Se calculează după formula:
cov ( X , Y )
=
V ( X ) V (Y )
unde: X, Y – variabile aleatoare corelate
cov(X,Y) – covarianţa variabilelor X şi Y
V(X), V(Y) – varianţa variabilei X şi a variabilei Y
4
Coeficientul de corelaţie se poate calcula în funcţie de

coeficientul de regresie:
V (X )
 = 1
V (Y )
Deoarece expresia de sub radical este pozitivă rezultă că semnul
coeficientului de corelaţie coincide cu semnul coeficientului de
regresie.
-1≤ρ≤1
Valorile extreme, (-1 şi 1) semnifică o legătură liniară perfectă (funcţională).
Dacă ρ=0 nu există legătură între cele două variabile
ρ>0 legătură directă, iar
ρ<0 legătură inversă între variabilele X şi Y.
5
ESTIMAREA COEFICIENTULUI DE CORELAŢIE
Pentru o populaţie de volum N, coeficientul de corelaţie

este un parametru care trebuie estimat.
La nivelul unui eşantion de volum n se determină

coeficientul de corelaţie empiric:
n
cov ( x, y )  ( x − x )( y − y )
i i
r= = i =1
sx s y nsx s y
r - reprezintă o estimaţie pentru parametrul ρ.
6
Tabelul 1. Estimarea și testarea coeficientului de corelație
Correlations
Pret Cantitate
Pret Pearson Correlation 1 -,943*
Sig. (2-tailed) ,016
N 5 5
Cantitate Pearson Correlation -,943* 1
Sig. (2-tailed) ,016
N 5 5
*. Correlation is significant at the 0.05 level (2-tailed).
7
ESTIMAREA COEFICIENTULUI DE CORELAŢIE

Din relaţia anterioară se obţine o formulă de calcul simplificat al
coeficientului de corelaţie empiric:
n xi yi −  xi  yi
r=
 n x 2 − ( x )2   n y 2 − ( y )2 
  i  i    i  i 
De asemenea, mai avem relaţia:
sx2
r = b1
s y2
8
RAPORTUL DE CORELAŢIE
Este un indicator ce măsoară intensitatea legăturii .
Poate fi utilizat atât în cazul regresiei liniare cât şi a celei neliniare
simple sau multiple.
Formula de calcul:
VE VR
= = 1−
VT VT
( y − y )
2
=
xi
( y − y )
2
i
9
ESTIMAREA RAPORTULUI DE CORELAŢIE
𝐸𝑆𝑆 𝑅𝑆𝑆
𝑅= = 1−
𝑇𝑆𝑆 𝑇𝑆𝑆
10
La nivelul unui eşantion observat, se poate determina raportul

de corelaţie pe baza valorilor empirice:
b0  yi − b1  xi yi − (  yi )
1 2
R= n
 yi − n (  yi )
2 1 2
R - o estimaţie a parametrului η
b0 şi b1 – estimaţii ale parametrilor β0 şi β1
11
Raportul de corelaţie măsoară intensitatea legăturii dintre cele

două variabile.
0≤η≤1
Valoarea 1 arată existenţa unei legături funcţionale, cazul când

varianţa variabilei Y depinde numai de variaţia variabilei X, varianţa
reziduală fiind egală cu zero.
12
RAPORTUL DE DETERMINAŢIE
Măsoară gradul de corelaţie dintre variabile şi calitatea ajustării
norului de puncte prin dreapta de regresie.
Valoarea la pătrat a raportului de corelaţie reprezintă raportul de

determinaţie:
 ( )
2
y −y VE VR

xi
2
= = = 1−
( y − y)
2
i
VT VT
arată ponderea influenţei factorului X asupra variaţiei variabilei Y.
Pentru a uşura interpretarea se exprimă procentual.
13
ESTIMAREA RAPORTULUI DE DETERMINAȚIE
2
𝐸𝑆𝑆 𝑅𝑆𝑆
𝑅 = =1−
𝑇𝑆𝑆 𝑇𝑆𝑆
14
f)
2 Testarea
Modelulcoeficientului de corelaţie
de regresie liniar simplu
TESTAREA COEFICIENTULUI DE CORELAȚIE
Scopul testării: se verifică dacă variabila factorială considerată,

X, influenţează semnificativ variaţia variabilei rezultative, Y.
Testarea presupune parcurgerea următorilor paşi:
1. Formularea ipotezelor:
H0: ρ=0
H1: ρ≠0
15
f) Testarea coeficientului de corelaţie
2. Alegerea şi calcularea statisticii test:
ˆ ˆ n − 2 1 − ˆ 2
t= = ˆ ˆ =
ˆ  1 − ˆ 2
n−2
ˆ 
ˆ
ˆ este estimatorul abaterii medii pătratice a lui ̂

La nivelul unui eşantion observat avem relaţiile:
r r n−2
tcalc = =
sˆ 1− r 2
• unde:
r – coeficientul de corelaţie
n – numărul perechilor de valori x şi y
16
3. Regula de decizie
• Valoarea calculată a lui t, tcalc, se compară cu valoarea teoretică
obţinută din tabelul valorilor repartiţiei Student în funcţie de riscul
α şi n-2 grade de libertate.
Dacă │tcalc │ > tα/2;n-2 se respinge H0 şi se acceptă H1. Coeficientul de

corelaţie este semnificativ diferit de zero. Deci există o legătură
semnificativă între cele două variabile.
17
f) Testarea coeficientului de corelaţie
Dacă │tcalc │ > tα/2;n-2
sau
Dacă sig. < α se respinge H0 şi se acceptă H1. Coeficientul de
corelaţie este semnificativ diferit de zero. Deci, există o legătură
semnificativă între cele două variabile.
Dacă sig. ≥ α nu se respinge H0
18
TESTAREA RAPORTULUI DE CORELAȚIE

1. Formularea ipotezelor statistice:
H0: η=0
H1: η >0
n − k ˆ 2
F=
k − 1 1 − ˆ 2
unde: n – numărul valorilor observate
k – numărul parametrilor estimaţi
19
Statistica F urmează o lege de distribuţie Fisher-Snedecor de ν1=k-1 şi

ν2=n-k grade de libertate. Fα,ν1,ν2

La nivelul unui eşantion observat valoarea calculată a testului este:
n−k R 2
n − k ESS
Fcalc = sau
Fcalc =
k −1 1 − R 2
k − 1 RSS
20
Dacă Fcalc> Fα, ν1,ν2 cu o probabilitate de 1-α se respinge ipoteza H0

şi se acceptă ipoteza H1.. Raportul de corelaţie este semnificativ
statistic.
Deci, variabila factorială (independentă) influenţează semnificativ

variabila rezultativă (dependentă).
21
SAU
Dacă sig<α cu o probabilitate de 1-α se respinge ipoteza H0 şi se
acceptă ipoteza H1.. Raportul de corelaţie este semnificativ statistic.
Deci, variabila factorială (independentă) influenţează semnificativ
variabila rezultativă (dependentă).
Dacă sig≥ α nu se respinge ipoteza H0
22
Testarea modelului de regresie

• Ipoteze
Ho: β0= 0; β1= 0
H1: β1# 0
• Calcularea statisticii test
n − k R2 n − k ESS
Fcalc = Fcalc =
k −1 1 − R2 k − 1 RSS
• Regula de decizie
Dacă Fcalc> Fα, ν1,ν2 cu o probabilitate de 1-α se respinge ipoteza H0 şi se
acceptă ipoteza H1.. Modelul de regresie este semnificativ statistic.
• Decizia statistică
23
Regresia prin origine
În procesul de modelare există posibilitatea ca în urma testării
parametrilor modelului să se obţină un rezultat care nu permite
respingerea ipotezei nule pentru parametrul  .
0
Într-o asemenea situaţie suntem tentaţi să reconstruim modelul

de regresie fără ordonata la origine adică să estimăm un model de
forma:
Y = 1 X + 
24
Regresia prin origine
De asemenea, există situaţii în care teoriile economice impun
estimarea unui model care trece prin origine. Această condiţie
presupune ca lipsa influenţei variabilei independente (X=0) să conducă
la medie zero pentru variabila dependentă.
Problema de minim care trebuie rezolvată în estimare este de

forma:
(
S =  yi − ˆ1 xi )
2
= min
ˆ ˆ  xi yi
1  xi =  xi yi
2 2
1 =
2
 xi
2
25
Regresia prin origine: observaţii
Probleme care apar:
- nerespectarea condiţiei ca suma erorilor să fie egală cu zero
- Raportul de determinaţie estimat poate fi negativ de aceea s-a
propus un alt indicator
( x y )
2
r 2
= i i
 xi  yi
2 2
26
Regresia prin origine: observaţii
1. Problemele pe care le ridică modelul de regresie prin origine
recomandă pentru practica modelării econometrice evitarea
eliminării parametrului  0
din ecuaţia de regresie, chiar dacă
testul Student ar indica această soluţie.
2. Există un caz de regresie prin origine în care problemele menţionate

mai sus dispar. Este vorba despre regresia liniară simplă în care
variabilele sunt standardizate. În acest caz panta dreptei de regresie
este identică cu coeficientul de corelaţie Pearson şi nu mai este
necesară calcularea unui alt coeficient.
27
CURS 5
ECONOMETRIE
1
Programa analitică
1. INTRODUCERE
5. TESTAREA IPOTEZELOR MODELULUI DE
REGRESIE
2
Capitolul 3 Regresia liniară multiplă
3.1. Identificarea modelului de regresie multiplă

3.2. Prezentarea modelului
3.3. Ipotezele modelului
3.4. Estimarea parametrilor modelului
3.5. Măsurarea intensității legăturii
3.6. Testarea parametrilor modelului
3.7. Testarea modelului
3.8. Testarea indicatorilor de corelație
3.9. Testarea influenței marginale
3.10. Modele cu variabile standardizate
3
Regresia liniară multiplă
Modele de regresie cu doua variabile ( o variabilă

dependentă şi o variabilă independentă) sunt foarte
rar întâlnite în practică.
De obicei variaţia unei variabile este dependentă de

acţiunea simultană a mai multor variabile
independente.
4
3.1. Identificarea modelului de regresie multiplă
- presupune reprezentarea punctelor (xi,yi).

◼ Interpretare:
Dacă toate legăturile simple dintre Xi şi Y sunt

liniare atunci şi regresia multiplă este liniară;
Dacă cel puţin una dintre legăturile simple este
neliniară regresia multiplă este curbilinie.
5
3.2. Prezentarea modelului liniar multiplu
Un model statistic de regresie liniară multiplă poate

fi prezentat astfel:
Y =  0 + 1 X 1 +  2 X 2 + ... +  p X p + 
unde: Y – variabila dependentă;
X1, X2, … ,Xp – variabilele independente, predictori;
ε – variabila aleatoare eroare (reziduu);
βi – coeficienţii de regresie
6
3.3. Ipotezele modelului de regresie multiplă
 2
V ( i ) =  2
Yi X = xi
7
3.3. Ipotezele modelului de regresie multiplă
- necorelarea erorilor: cov ( ,  ) = 0 - erorile nu

i j
se influenţează reciproc;
- lipsa corelaţiei dintre variabilele

independente şi variabila eroare;
- lipsa coliniarităţii sau a unei legături liniare

între variabilele independente.
8
Ecuaţia estimată a modelului de regresie

care exprimă o legătură multiplă liniară este:
yx1,x 2.... = b0 + b1 x1 + b2 x2 + ... + bp x p
9
 Pentru estimarea punctuală a parametrilor

modelului utilizăm metoda cel mai mici
pătrate:
S =  ei =  ( yi − yx1,x 2,... ) = min
2
2
S =  ( yi − b0 − b1 x1i − b2 x2 i − .... − bp x pi ) = min

2
10
Dacă suntem în cazul unei regresii liniare multiple

cu două variabile independente pentru rezolvarea
problemei de minim se ajunge la următorul sistem:
nb0 + b1  x1i + b2  x2 i =  yi
 i i i
b0 i x1i + b1 i x1i + b2 i x1i x2 i = i yi x1i

2

b0 i x2 i + b1 i x1i x2 i + b2 i x2 i = i yi x2 i
2
11
 Prin rezolvarea sistemului obţinem estimaţiile

punctuale ale parametrilor modelului de
regresie.
12
13
Estimarea prin interval de încredere a parametrilor

modelului:
bi − t /2;n−k  sˆ ; bi + t /2;n−k  sˆ 
 i i 
unde: k – nr. de parametrii

n – volumul eşantionului
14
3.5. Măsurarea intensității legăturii
Măsurarea intensității corelației multiple liniare se poate

efectua cu ajutorul:
A. coeficienţilor de corelație parțială
B. raportului de corelație multiplă
C. raportului de determinație multiplă
D. raportul de determinație multiplă ajustat
15
A. Coeficienţi de corelaţie parţială
Corelaţia parţială:
- Măsoară dependenţa dintre variabile, considerând influenţa

celorlalţi factori constantă, menţinând numai influenţa factorului
măsurat;
- În funcţie de numărul variabilelor a căror influenţă se

menține constantă, coeficienţii de corelaţie parţială pot fi de
ordinul întâi (pentru o variabilă), de ordinul doi (pentru două
variabile) etc.
16
- Coeficienții de corelație parțială de ordinul întâi

1. între Y şi X1, menținând constantă influența lui X2:
-estimația se determină după formula
17
2. între Y și X2, menținând constantă influența lui X1:
-estimația se determină după formula
18
Ex.1 Estimarea coeficienţilor de corelaţie parţială
19
Ex.3 Estimarea coeficienţilor de corelaţie bivariată
20
Ex.2 Estimarea coeficienţilor de corelaţie parţială
21
B. Raportul de corelație multiplă
ESS RSS i
e 2
R= = 1− = 1− i
( i )
−
2
TSS TSS y y
i
22
B. Raportul de corelație multiplă
◼ Raportul de corelaţie multiplă se poate calcula şi pe baza

estimaţiilor parametrilor ecuaţiei de regresie multiplă, formula
stabilindu-se în funcţie de modelul regresiei multiple aplicat.
◼ Exemplu pentru o corelaţie multiplă liniară dintre Y şi X1, X2
1
b0  y + b1  x1 y + b2  x2 y − (  y )
2
R = n
1
 y − ( y)
2 2
n
23
C. Raportul de determinație multiplă
TSS = ESS + RSS

( yi − y ) =  ( yxi − y ) +  ( yi − yxi )
24
C. Raportul de determinație multiplă
RSS ESS
R = 1−
2
=
TSS TSS
Interpretare: determinaţia multiplă arată cât la sută din variaţia

lui Y depinde de variaţia simultană a variabilelor factoriale
considerate.
25
D. Raportul de determinație ajustat
Raportul de determinaţie multiplă nu ţine seama de nr. de

grade de libertate sau de nr. de parametrii care apar în model.
Raportul de determinaţie ajustat ia în calcul nr. de parametrii
din model.
 ei
2
RSS
n−k − n −1
R2 = 1− = 1− n k = 1 − (1 − R )
2
 ( yi − y ) n−k
2
TSS
n −1 n −1
26
D. Raportul de determinație ajustat
Raportul de determinație multiplă ajustat are aceeași interpretare

ca și raportul de determinație.
R 2  R2 pentru k>1
27
Ex. Estimarea raportul de corelație multiplă,
raportului de determinație multiplă și a raportului
de determinație ajustat
28
3.6. Testarea parametrilor modelului de regresie
multiplă liniară
H
H 0 : i = 0 0
:  i
= 0
H :  0 H 1
:  i
 0
1 i
bi
tcalc =
sˆi 29
3.6. Testarea parametrilor modelului de regresie
multiplă liniară
3. Regula de decizie:
 Dacă tcalc  t /2,( n−k ) cu o probabilitate de 1 −  se

respinge ipoteza H0 şi se acceptă ipoteza H1
 Dacă tcalc  t /2,( n−k ) se acceptă ipoteza H0
4. Decizia statistică
30
3.7. Testarea modelului de regresie
H 0 :  0 = 0, 1 = 0,...,  p = 0
H1 : nu toți coeficienții sunt simultan zero
ESS n − k R n−k 2
Fcalc =  = 
RSS k − 1 1 − R k − 1
2
31
3.7. Testarea modelului de regresie
 Dacă Fcalc  F ,v ,v cu o probabilitate de 1-α se respinge ipoteza H0 şi
1 2
se acceptă ipoteza H1
Dacă Fcalc  F ,v ,v se acceptă ipoteza H0
1 2
32
A. Testarea coeficientului de corelație parțială

33
A. Testarea coeficientului de corelație parțială
Dacă │tcalc│>tα/2;n-k (sau Sig.< α) cu o probabilitate
de 1-α se respinge ipoteza nulă și se acceptă ipoteza
alternativă.
Dacă │tcalc│≤tα/2;n-k (sau Sig.≥ α) nu se respinge
ipoteza nulă.
34
EXEMPLU
Exemplu:
În studiul legăturii dintre valoarea vânzărilor unei
firme (Y) şi cheltuielile de publicitate (X1),
cheltuielile ocazionate de diferite promoţii (X2) şi
vânzările anuale realizate de principalul concurent
(X3), s-au obţinut următoarele rezultate:
35
Exemplu
Model Summaryb
Adjusted Std. Error of Durbin-

Model R R Square R Square the Estimate Watson
1 ,913a ,833 ,787 17,60029 1,879
a. Predictors: (Constant), X3, X1, X2
b. Dependent Variable: Y
36
EXEMPLU
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 16997,537 3 5665,846 18,290 ,000a
Residual 3407,473 11 309,770
Total 20405,009 14
a. Predictors: (Constant), X3, X1, X2
b. Dependent Variable: Y
37
EXEMPLU
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 65,705 27,731 2,369 ,037
X1 48,979 10,658 ,581 4,596 ,001
X2 59,654 23,625 ,359 2,525 ,028
X3 -1,838 ,814 -,324 -2,258 ,045
a. Dependent Variable: Y
38
B. Testarea raportului de corelaţie multiplă
H 0 : = 0
H1 :  0
ESS n − k R n−k 2
Fcalc =  = 
RSS k − 1 1 − R k − 1
2
39
B. Testarea raportului de corelaţie multiplă
 Dacă F  F
calc  ,v1 ,v2 cu o probabilitate de 1-α se respinge
ipoteza H0 şi se acceptă ipoteza H1
 Dacă F  F calc  ,v1 ,v2 se acceptă ipoteza H0
40
3.9. Testarea influenţei marginale a unei variabile
independente asupra variabilei dependente
H0 : variabila introdusă în model nu are influenţă

semnificativă asupra variabilei dependente
H1 : variabila introdusă în model are influenţă

semnificativă asupra variabilei dependente
41
ESSnew − ESSold n − knew Rnew − Rold n − knew

2 2
Fcalc =  = 
RSSnew knew − kold 1 − Rnew knew − kold
2
42
 Dacă F  F
calc  ,v1 ,v2 cu o probabilitate de 1-α se respinge
ipoteza H0 şi se acceptă ipoteza H1
 Dacă F  F calc  ,v1 ,v2 se acceptă ipoteza H0
43
Dacă se exclud variabilele nesemnificative din

model atunci F se calculează după relația:
44
3.10 Modele cu variabile standardizate
Obiectivele principale ale modelării econometrice cu ajutorul

modelului de regresie liniară multiplă sunt :
- stabilirea factorilor care au un impact semnificativ asupra unei
variabile dependente,
-ordinea importanţei factorilor.
Pentru a atinge al doilea obiectiv, se construieşte un model de

regresie în care toate variabilele apar standardizate.
cu ajutorul operatorului cunoscut, care realizează o centrare şi o
normare a
variabilei. De exemplu, pentru variabila Y, standardizarea se45
realizează astfel:
De exemplu, pentru variabila Y, standardizarea se realizează

astfel:
Y −Y
Y=
 Y
În urma standardizării, discutăm despre variaţia în unităţi de

abateri standard pentru fiecare variabilă.
Avantajul standardizării este acela că face posibilă compararea

coeficienţilor de regresie din model, pentru că valorile
standardizate ale factorilor sunt comparabile.
46
Pentru comparaţie se consideră valoarea estimată a

coeficienţilor în modul sau în valoare absolută.
Fiecare coeficient arată impactul parţial al variaţiei cu o
unitate a variabilei independente standardizate asupra variabilei
dependente standardizate.
Valoarea coeficienţilor de regresie din modelul
standardizat se interpretează ca unităţi de abateri standard pentru
variabila dependentă.
Cel mai mare coeficient în valoare absolută indică cea mai
mare influenţă asupra variabilei dependente, iar semnul
coeficientului arată sensul acestei influenţe.
47
48
Coeficienţii de regresie pentru modelul în care variabilele

sunt standardizate apar în coloana Standardized Coefficients.
Valorile obţinute ne permite o ierarhizare a factorilor de

influenţă astfel: cel mai important factor este salariul de bază, cu
un coeficient egal cu 0,815, iar cel mai mic impact asupra
salariului îl are timpul de lucru (cu un coeficient egal cu 0,095).
49
Interpretare
Pentru variabila Educaţie, coeficientul de regresie are
valoarea 0,113 şi se interpretează astfel:
la o creştere a nivelului de educaţie cu o abatere standard,
nivelul mediu al salariului creşte cu 0,113 abateri standard, în
condiţiile în care influenţa celorlalţi factori rămâne constantă.
50

1 - Curs Econometrie 2022 - 2023 (3 Files Merged)

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

1 - Curs Econometrie 2022 - 2023 (3 Files Merged)

Încărcat de

Drepturi de autor:

Formate disponibile

Econometrie

1. Evaluare pe Parcurs - 60% din nota finală

• Seminar - 30% (participare, 1 test de evaluare clasic). Pentru a primi

2. Examen în sesiune - 40% din nota finală. Examenul se dă din modele

1.1. Ce este econometria?

1.2. Obiectul, metoda şi scopul econometriei

1.3. Concepte ale econometriei

1.4. Demersul cercetării econometrice

1.5. Sistem de notaţii

Econometria însemnă studiul economiei cu ajutorul statisticii

Econometria este o disciplină care s-a conturat ca o sinteză

Frisch R. – Econometrica Nr. 1, ianuarie 1933

• Rolul statisticii şi matematicii

• Metodă Econometria studiază realităţile economice sub aspect

• Scop Scopul principal al econometriei este identificarea, estimarea

• Modelul este o schemă simplificată a realităţii care are rolul de a explica

Regresia deterministă (funcţională) este de tipul:

• Parametrii modelului econometric, numiţi şi coeficienţi de

• Estimaţiile sunt valori ale estimatorilor calculate la nivelul unui

Notăm parametrul cu simbolul  şi un estimator al acestuia cu

- Formularea unei teorii sau a unui set de ipoteze (putem pleca

Exemplu: modelul de regresie liniar simplu

Măsurarea intensităţii legăturii dintre două variabile

• Intensitatea legăturii dintre două variabile se poate măsura cu

Coeficientul de corelaţie se poate calcula în funcţie de

ESTIMAREA COEFICIENTULUI DE CORELAŢIE

Pentru o populaţie de volum N, coeficientul de corelaţie

La nivelul unui eşantion de volum n se determină

Tabelul 1. Estimarea și testarea coeficientului de corelație

ESTIMAREA COEFICIENTULUI DE CORELAŢIE

ESTIMAREA RAPORTULUI DE CORELAŢIE

La nivelul unui eşantion observat, se poate determina raportul

Raportul de corelaţie măsoară intensitatea legăturii dintre cele

Valoarea 1 arată existenţa unei legături funcţionale, cazul când

Valoarea la pătrat a raportului de corelaţie reprezintă raportul de

Pentru a uşura interpretarea se exprimă procentual.

ESTIMAREA RAPORTULUI DE DETERMINAȚIE

Scopul testării: se verifică dacă variabila factorială considerată,

ˆ este estimatorul abaterii medii pătratice a lui ̂

Dacă │tcalc │ > tα/2;n-2 se respinge H0 şi se acceptă H1. Coeficientul de

TESTAREA RAPORTULUI DE CORELAȚIE

Statistica F urmează o lege de distribuţie Fisher-Snedecor de ν1=k-1 şi

2. Alegerea şi calcularea statisticii test:

Dacă Fcalc> Fα, ν1,ν2 cu o probabilitate de 1-α se respinge ipoteza H0

Deci, variabila factorială (independentă) influenţează semnificativ

Testarea modelului de regresie

Într-o asemenea situaţie suntem tentaţi să reconstruim modelul

Problema de minim care trebuie rezolvată în estimare este de

2. Există un caz de regresie prin origine în care problemele menţionate

3.1. Identificarea modelului de regresie multiplă

Modele de regresie cu doua variabile ( o variabilă

De obicei variaţia unei variabile este dependentă de

- presupune reprezentarea punctelor (xi,yi).

Dacă toate legăturile simple dintre Xi şi Y sunt

Un model statistic de regresie liniară multiplă poate

- necorelarea erorilor: cov ( ,  ) = 0 - erorile nu

- lipsa corelaţiei dintre variabilele

- lipsa coliniarităţii sau a unei legături liniare

Ecuaţia estimată a modelului de regresie

yx1,x 2.... = b0 + b1 x1 + b2 x2 + ... + bp x p

 Pentru estimarea punctuală a parametrilor

S =  ( yi − b0 − b1 x1i − b2 x2 i − .... − bp x pi ) = min

Dacă suntem în cazul unei regresii liniare multiple