Documente Academic
Documente Profesional
Documente Cultură
CURS 1
Prof. univ. dr. Viorica Chirilă
1
Mod de evaluare
• 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
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
5
1.1. Ce este econometria?
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.
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”.
8
1.1. Ce este econometria?
• 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
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.
10
1.3. Concepte ale econometriei
În cercetarea econometrică se utilizează o serie de concepte, noţiuni şi
termeni specifici:
- model,
- variabile,
- parametri,
- estimator,
- estimaţii etc
A. Modelul econometric
11
3. Concepte ale econometriei
În funcţie de natura dependenţei dintre variabile, modelele de
regresie pot fi :
- deterministe,
- probabiliste.
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
1.3. Concepte ale econometriei
• 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
1.3. Concepte ale econometriei
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
1.3. Concepte ale econometriei
C. Parametrii
D. Estimaţii
15
1.3. Concepte ale econometriei
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.
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
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
19
Econometrie
CURS 3
Prof. univ. dr. Viorica Chirilă
1
Programa analitică
1. INTRODUCERE
2. REGRESIA LINIARĂ SIMPLĂ
3. REGRESIA LINIARĂ MULTIPLĂ
4. REGRESIA NELINIARĂ
5. VERIFICAREA IPOTEZELOR MODELULUI DE REGRESIE
2
2 Modelul de regresie liniar simplu
– coeficientului de corelaţie
– raportului de corelaţie
– raportul de determinație.
3
2 Modelul de regresie liniar simplu
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
2 Modelul de regresie liniar simplu
5
2 Modelul de regresie liniar simplu
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
2 Modelul de regresie liniar simplu
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
2 Modelul de regresie liniar simplu
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
2 Modelul de regresie liniar simplu
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
2 Modelul de regresie liniar simplu
𝐸𝑆𝑆 𝑅𝑆𝑆
𝑅= = 1−
𝑇𝑆𝑆 𝑇𝑆𝑆
10
2 Modelul de regresie liniar simplu
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
2 Modelul de regresie liniar simplu
0≤η≤1
12
2 Modelul de regresie liniar simplu
RAPORTUL DE DETERMINAŢIE
Măsoară gradul de corelaţie dintre variabile şi calitatea ajustării
norului de puncte prin dreapta de regresie.
( )
2
y −y VE VR
xi
2
= = = 1−
( y − y)
2
i
VT VT
arată ponderea influenţei factorului X asupra variaţiei variabilei Y.
13
2 Modelul de regresie liniar simplu
2
𝐸𝑆𝑆 𝑅𝑆𝑆
𝑅 = =1−
𝑇𝑆𝑆 𝑇𝑆𝑆
14
f)
2 Testarea
Modelulcoeficientului de corelaţie
de regresie liniar simplu
TESTAREA COEFICIENTULUI DE CORELAȚIE
15
f) Testarea coeficientului de corelaţie
2 Modelul de regresie liniar simplu
2. Alegerea şi calcularea statisticii test:
ˆ ˆ n − 2 1 − ˆ 2
t= = ˆ ˆ =
ˆ 1 − ˆ 2
n−2
ˆ
ˆ
r r n−2
tcalc = =
sˆ 1− r 2
• unde:
r – coeficientul de corelaţie
n – numărul perechilor de valori x şi y
16
2 Modelul de regresie liniar simplu
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.
17
2 Modelul de regresie liniar simplu
f) Testarea coeficientului de corelaţie
3. Regula de decizie
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
2 Modelul de regresie liniar simplu
19
2 Modelul de regresie liniar simplu
n−k R 2
n − k ESS
Fcalc = sau
Fcalc =
k −1 1 − R 2
k − 1 RSS
20
2 Modelul de regresie liniar simplu
3. Regula de decizie
21
2 Modelul de regresie liniar simplu
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
2 Modelul de regresie liniar simplu
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
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.
(
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.
27
CURS 5
ECONOMETRIE
1
Programa analitică
1. INTRODUCERE
2. REGRESIA LINIARĂ SIMPLĂ
3. REGRESIA LINIARĂ MULTIPLĂ
4. REGRESIA NELINIARĂ
5. TESTAREA IPOTEZELOR MODELULUI DE
REGRESIE
2
Capitolul 3 Regresia liniară multiplă
5
3.2. Prezentarea modelului liniar multiplu
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
se influenţează reciproc;
9
3.4. Estimarea parametrilor modelului
10
3.4. Estimarea parametrilor modelului
nb0 + b1 x1i + b2 x2 i = yi
i i i
b0 i x2 i + b1 i x1i x2 i + b2 i x2 i = i yi x2 i
2
11
3.4. Estimarea parametrilor modelului
12
3.4. Estimarea parametrilor modelului
13
3.4. Estimarea parametrilor modelului
14
3.5. Măsurarea intensității legăturii
15
A. Coeficienţi de corelaţie parţială
Corelaţia parţială:
17
A. Coeficienţi de corelaţie parţială
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
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
24
C. Raportul de determinație multiplă
RSS ESS
R = 1−
2
=
TSS TSS
25
D. Raportul de determinație ajustat
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
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
1. Formularea ipotezelor:
H
H 0 : i = 0 0
: i
= 0
H : 0 H 1
: i
0
1 i
2. Alegerea şi calcularea statisticii test:
bi
tcalc =
sˆi 29
3.6. Testarea parametrilor modelului de regresie
multiplă liniară
3. Regula de decizie:
4. Decizia statistică
30
3.7. Testarea modelului de regresie
1. Formularea ipotezelor:
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
3. Regula de decizie:
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
4. Decizia statistică
32
3.8. Testarea indicatorilor de corelație
A. Testarea coeficientului de corelație parțială
33
3.8. Testarea indicatorilor de corelație
A. Testarea coeficientului de corelație parțială
3. Regula de decizie:
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.
4. Decizia statistică
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
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
3.8. Testarea indicatorilor de corelație
B. Testarea raportului de corelaţie multiplă
1. Formularea ipotezelor:
H 0 : = 0
H1 : 0
2. Alegerea şi calcularea statisticii test:
ESS n − k R n−k 2
Fcalc = =
RSS k − 1 1 − R k − 1
2
39
3.8. Testarea indicatorilor de corelație
B. Testarea raportului de corelaţie multiplă
3. Regula de decizie:
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
4. Decizia statistică
40
3.9. Testarea influenţei marginale a unei variabile
independente asupra variabilei dependente
1. Formularea ipotezelor:
41
3.9. Testarea influenţei marginale a unei variabile
independente asupra variabilei dependente
Fcalc = =
RSSnew knew − kold 1 − Rnew knew − kold
2
42
3.9. Testarea influenţei marginale a unei variabile
independente asupra variabilei dependente
3. Regula de decizie:
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
4. Decizia statistică
43
3.9. Testarea influenţei marginale a unei variabile
independente asupra variabilei dependente
44
3.10 Modele cu variabile standardizate
48
3.10 Modele cu variabile standardizate
49
3.10 Modele cu variabile standardizate
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