Econometrie, An univ. 2022-2023 SEMINAR 6 Asoc.Dr.

Cristina Căutișanu

Suport de seminar

În seminarul de astăzi vom face o introducere în ceea ce presupune modelul de regresie

liniară multiplă. Seminarul va fi structurat în 3 părți: (1) prezentarea modelului de regresie liniară
multiplă; (2) estimarea punctuală și prin interval de încredere a parametrilor modelului de regresie
liniară multiplă; (3) Estimarea indicatorilor de corelație (I – coeficienții de corelație).
1. Prezentarea modelului de regresie liniară multiplă

Forma generală: 𝑌 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + ⋯ + 𝛽𝑗 𝑋𝑗 + 𝜀, 𝑗 = ̅̅̅̅̅

1, 𝑝
𝑌 = 𝛽0 + 1,3 ∗ 𝑋1 − 2,5 ∗ 𝑋2
Componentele modelului:
- 𝛽0 + 𝛽𝑗 𝑋𝑗 – componenta deterministă a modelului (observabilă), media condiționată a
variabilei dependente Y în raport cu variabilele independente X: 𝐸(𝑌/𝑋𝑗 )
- 𝜀 – componenta reziduală a modelului (neobservabilă)

Elementele modelului:
(1) variabile:
- 𝑌 – variabila dependentă (endogenă, explicată)
- 𝑋𝑗 – variabilele independente (exogene, explicative)
* j reprezintă numărul de variabile independente din modelul de regresie
j = 1 => 𝑌 = 𝛽0 + 𝛽1 𝑋 + 𝜀 (model de regresie liniară simplă)
j = 2 => 𝑌 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + 𝜀 (model de regresie liniară multiplă cu 2
variabile independente)
j = 3 => 𝑌 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + 𝛽3 𝑋3 + 𝜀 (model de regresie liniară multiplă
cu 3 variabile independente)
...
- 𝜀 – variabila reziduală (reprezintă suma tuturor influențelor necunoscute sau care nu sunt
specificate în model)

(2) parametrii:
- 𝛽0 – valoarea medie a lui 𝑌 atunci când 𝑋𝑗 = 0
- 𝛽𝑗 – semnul indică sensul legăturii dintre 𝑋𝑗 și 𝑌 iar valoarea indică gradul de dependență
dintre acestea
* 𝛽𝑗 > 0 – legătură directă (pozitivă) între 𝑋𝑗 și 𝑌, atunci când celelalte variabile din
model sunt constante
– interpretare: modificarea cu o unitate a variabilei independente 𝑋𝑗
determină modificarea, în medie, în același sens cu 𝛽𝑗 unități a variabilei
dependente 𝑌, atunci când celelalte variabile independente din model sunt
constante
* 𝛽𝑗 < 0 – legătură inversă (negativă) între 𝑋𝑗 și 𝑌, atunci când celelalte variabile din
model sunt constante
– interpretare: modificarea cu o unitate a variabilei independente 𝑋𝑗
determină modificarea, în medie, în sens opus cu 𝛽𝑗 unități a variabilei
dependente 𝑌, atunci când celelalte variabile independente din model sunt
constante
* 𝛽𝑗 = 0 – nu există o legătură liniară între 𝑋𝑗 și 𝑌
1
Econometrie, An univ. 2022-2023 SEMINAR 6 Asoc.Dr. Cristina Căutișanu

2. Estimarea punctuală și prin interval de încredere a parametrilor modelului

(1) Estimarea punctuală:

* are la bază criteriul minimizării erorilor
* criterii de estimare a parametrilor:
(a) erorile să fie minime: min {|𝑒i |}
(b) suma erorilor să fie minimă: ∑ |𝑒i| : 𝑚𝑖𝑛
(c) suma pătratelor erorilor să fie minimă: ∑(𝑒i)2 : 𝑚𝑖𝑛 = MCMMP

(2) Estimarea prin interval de încredere:

* are la bază distribuțiile de selecție ale estimatorilor
* k = numărul de parametrii
* IC pentru 𝛽0 : 𝑏0 ± 𝑡𝛼,𝑛−𝑘 ∙ 𝑆𝛽̂0
2
Cu o probabilitate de ... putem garanta că parametrul 𝛽0 este acoperit de intervalul respectiv.
(Cu un risc de ... putem afirma că parametrul 𝛽0 nu este acoperit de intervalul respectiv.)

* IC pentru 𝛽j : 𝑏𝑗 ± 𝑡𝛼,𝑛−𝑘 ∙ 𝑆𝛽̂𝑗

2
Cu o probabilitate de ... putem garanta că parametrul 𝛽j este acoperit de intervalul respectiv.
(Cu un risc de ... putem afirma că parametrul 𝛽j nu este acoperit de intervalul respectiv.)

Atenție!
În tabelul Coefficients pot fi găsite valorile de care avem nevoie pentru a estima punctual și prin
interval de încredere parametrii modelului.

Exemplu:
Se consideră pentru 6 salariați legătura liniară dintre Salariu (Y – mii lei) și factorii de influență Nr.
de ani de școală absolviți (X1 – ani) și Vechimea (X2 – luni).

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients 95% Confidence Interval for B Collinearity Statistics
Model B Std. Error Beta t Sig. Lower Bound Upper Bound Tolerance VIF
1 (Constant) 1.806 .592 3.050 .055 -.078 3.691
ani de scoala .261 .052 .347 5.045 .015 .096 .426 .607 1.648
vechime 1.415 .131 .741 10.773 .002 .997 1.833 .607 1.648
a. Dependent Variable: salariu

* ecuația estimată a modelului de regresie:

𝑌 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + 𝜀
𝑦 = 𝑏0 + 𝑏1 𝑥1 + 𝑏2 𝑥2
2
Econometrie, An univ. 2022-2023 SEMINAR 6 Asoc.Dr. Cristina Căutișanu

𝑦 = 1,806 + 0,261 ∙ 𝑥1 + 1,415 ∙ 𝑥2

𝑠𝑎𝑙𝑎𝑟𝑖𝑢 = 1,806 + 0,261 ∙ 𝑎𝑛𝑖 𝑑𝑒 𝑠𝑐𝑜𝑎𝑙𝑎 + 1,415 ∙ 𝑣𝑒𝑐ℎ𝑖𝑚𝑒

* interpretarea estimațiilor punctuale ale parametrilor de regresie:

valoarea medie a lui 𝑌 atunci când 𝑋𝑗 = 0

𝑏0 = 1,806 – valoarea medie a salariului (Y) este egală cu 1,806 mii lei atunci când numărul de
ani de școală (X1) și vechimea (X2) sunt egale cu 0.

modificarea cu o unitate a variabilei independente 𝑋𝑗 determină modificarea, în medie, în același

sens cu 𝛽𝑗 unități a variabilei dependente 𝑌, atunci când celelalte variabile independente din model
sunt constante

𝑏1 = 0,261 – modificarea cu un an (adică unitatea lui X1) a numărului de ani de școală absolviți
(adică X1) determină modificarea, în medie, în același sens cu 0,261 mii lei (adică valoarea
parametrului) a salariului (adică Y), atunci când vechimea (adică X2) rămâne constantă.

𝑏2 = 1,415 – modificarea cu o lună a vechimii determină modificarea, în medie, în același sens

cu 1,415 mii lei a salariului, atunci când numărul de ani de școală absolviți rămâne constant.

* determinarea și interpretarea intervalelor de încredere obținute pentru parametrii modelului de

regresie considerând un risc de 5%:

IC pentru 𝛽0:
𝑏0 ± 𝑡𝛼/2,𝑛−𝑘 ∙ 𝑆𝛽̂0 = 1,806 ± 𝑡0,05/2,6−3 ∙ 0,592 = 1,806 ± 3,182 ∙ 0,592 = [−0,078; 3,691]
Interpretare: Cu o probabilitate de 95% se poate garanta că parametrul 𝛽0 este acoperit de intervalul
[−0,078; 3,691].

IC pentru 𝛽1:
𝑏1 ± 𝑡𝛼/2,𝑛−𝑘 ∙ 𝑆𝛽̂1 = 0,261 ± 𝑡0,05/2,6−3 ∙ 0,052 = 0,261 ± 3,182 ∙ 0,052 = [0,096; 0,426]
Interpretare: Cu o probabilitate de 95% se poate garanta că parametrul 𝛽1 este acoperit de intervalul
[0,096; 0,426].

IC pentru 𝛽2:
𝑏2 ± 𝑡𝛼/2,𝑛−𝑘 ∙ 𝑆𝛽̂2 = 1,415 ± 𝑡0,05/2,6−3 ∙ 0,131 = 1,415 ± 3,182 ∙ 0,131 = [0,997; 1,833]
Interpretare: Cu o probabilitate de 95% se poate garanta că parametrul 𝛽2 este acoperit de intervalul
[0,997; 1,833].

Aplicație!
Se analizează legătura liniară dintre volumul investiţiilor (Y, mld. €), volumul PIB-ului (X1, mld.
€) şi rata dobânzii de politică monetară (X2, %) pentru un eşantion de 5 ţări, în anul 2007.

3
Econometrie, An univ. 2022-2023 SEMINAR 6 Asoc.Dr. Cristina Căutișanu

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients 95% Confidence Interval for B
Model B Std. Error Beta t Sig. Lower Bound Upper Bound
1 (Constant) 3.972 .239 16.625 .004 2.944 5.000
Volumul PIB-ului .041 .008 .280 5.196 .035 .007 .076
Rata dobanzii 1.807 .135 .722 13.417 .006 1.227 2.386
a. Dependent Variable: Volumul investitiilor

Cerințe:
(1) Să se scrie ecuația estimată a modelului de regresie
(2) Să se interpreteze estimațiile punctuale ale parametrilor de regresie
(3) Să se determine și să se interpreteze intervalele de încredere obținute pentru parametrii 𝛽0
și 𝛽2 considerând un risc de 5%.
(4) Care este valoarea investițiilor atunci când volumul PIB-ului = 60 și Rata dobânzii = 2?

3. Estimarea indicatorilor de corelație (I)

(1) Coeficienții de corelație simplă (bivariată):

- notații (model de regresie liniară multiplă cu 2 variabile independente):
* 𝜌𝑦1 (pop.) /𝑟𝑦1 (eș) – arată legătura dintre 𝑌 și 𝑋1
* 𝜌𝑦2 (pop.) /𝑟𝑦2 (eș) – arată legătura dintre 𝑌 și 𝑋2
* 𝜌12 (pop.) /𝑟12 (eș) – arată legătura dintre 𝑋1 și 𝑋2
- iau valori în intervalul [-1,1]
- măsoară dependența dintre 2 variabile fără a lua în considerare influența celorlalte variabile
independente din model
- valoarea unui coef. de corelație simplă/bivariată se interpretează astfel:
* dacă este -1 sau 1 => există o legătură perfectă între cele 2 variabile
* dacă este > 0 => există o legătură directă între cele 2 variabile
* dacă este < 0 => există o legătură inversă între cele 2 variabile
* dacă este = 0 => nu există o legătură între cele 2 variabile
* dacă în modul este > 0,9 => o legătură foarte puternică între cele 2 variabile
* dacă în modul ∈ [0,7; 0,9] => o legătură puternică între cele 2 variabile
* dacă în modul ∈ [0,5; 0,7) => o legătură medie/moderată între cele 2 variabile
* dacă în modul ∈ (0; 0,5) => o legătură slabă între cele 2 variabile

(2) Coeficienții de corelație parțială:

- notații (model de regresie liniară multiplă cu 2 variabile independente):
* 𝜌𝑦1.2 (pop.) /𝑟𝑦1.2 (eș) – arată legătura dintre 𝑌 și 𝑋1 când 𝑋2 constant
* 𝜌𝑦2.1 (pop.) /𝑟𝑦2.1 (eș) – arată legătura dintre 𝑌 și 𝑋2 când 𝑋1 constant
- iau valori în intervalul [-1,1]
- măsoară dependența dintre 2 variabile considerând constantă influența celorlalte variabile
independente din model
- valoarea unui coeficient de corelație parțială se interpretează astfel:
* dacă este -1 sau 1 => există o legătură perfectă între cele 2 variabile, atunci când celelalte
variabile din model sunt constante
4
Econometrie, An univ. 2022-2023 SEMINAR 6 Asoc.Dr. Cristina Căutișanu

* dacă este > 0 => există o legătură directă între cele 2 variabile, atunci când celelalte
variabile din model sunt constante
* dacă este < 0 => există o legătură inversă între cele 2 variabile, atunci când celelalte
variabile din model sunt constante
* dacă este = 0 => nu există o legătură între cele 2 variabile, atunci când celelalte variabile
din model sunt constante
* dacă în modul ∈ [0,75; 0,99] => există o legătură puternică între cele 2 variabile, atunci
când celelalte variabile din model sunt constante
* dacă în modul ∈ [0,5; 0,75) => există o legătură medie între cele 2 variabile, atunci când
celelalte variabile din model sunt constante
* dacă în modul ∈ (0; 0,5) => există o legătură slabă între cele 2 variabile, atunci când
celelalte variabile din model sunt constante

Atenție!
* În tabelul Correlations de mai jos pot fi găsite valorile coeficienților de corelație bivariată:

* În tabelele Correlations de mai jos pot fi găsite valorile coeficienților de corelație parțială:

* În tabelul Coefficients de mai jos pot fi găsite valorile coeficienților de corelație bivariată și
parțială:

5
Econometrie, An univ. 2022-2023 SEMINAR 6 Asoc.Dr. Cristina Căutișanu

Exemplu:
Se consideră pentru 6 salariați legătura liniară dintre Salariu (Y – mii lei) și factorii de influență Nr.
de ani de școală absolviți (X1 – ani) și Vechimea (X2 – luni).

* să se interpreteze valoarea coeficientului de corelație bivariată 𝑟𝑦1

Correlations

vechime ani de scoala salariu

vechime Pearson Correlation 1 .627 .958**
Sig. (2-tailed) .183 .003
N 6 6 6
ani de scoala Pearson Correlation .627 1 .811*
Sig. (2-tailed) .183 .049
N 6 6 6
salariu Pearson Correlation .958** .811* 1
Sig. (2-tailed) .003 .049
N 6 6 6
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).

𝑟𝑦1 = 0,811 – între salariu și numărul de ani de școală absolviți există o legătură directă
l𝑟𝑦1 l = 0,811 – intre salariu si numarul de ani de scoala absolviti exista o legatura de intensitate
puternica.
* să se interpreteze valoarea coeficientului de corelație parțială 𝑟𝑦1.2
Correlations

Control Variables salariu ani de scoala

vechime salariu Correlation 1.000 .946
Significance (2-tailed) . .015
df 0 3
ani de scoala Correlation .946 1.000
Significance (2-tailed) .015 .
df 3 0

𝑟𝑦1.2 = 0,946 – între salariu și numărul de ani de școală absolviți există o legătură directă atunci
când vechimea este constantă
l𝑟𝑦1.2l = 0,946 – între salariu și numărul de ani de școală absolviți există o legătură puternică atunci
când vechimea este constantă
Aplicație!
Se analizează legătura liniară dintre volumul investiţiilor (Y, mld. €), volumul PIB-ului (X1, mld.
€) şi rata dobânzii de politică monetară (X2, %) pentru un eşantion de 5 ţări, în anul 2007.

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients Correlations
Model B Std. Error Beta t Sig. Zero-order Partial Part
1 (Constant) 3.972 .239 16.625 .004
Volumul PIB-ului .041 .008 .280 5.196 .035 .995 .965 .039
Rata dobanzii 1.807 .135 .722 13.417 .006 .999 .994 .100
a. Dependent Variable: Volumul investitiilor

6
Econometrie, An univ. 2022-2023 SEMINAR 6 Asoc.Dr. Cristina Căutișanu

Correlations

Volumul Volumul
investitiilor PIB-ului Rata dobanzii
Volumul investitiilor Pearson Correlation 1 .995** .999**
Sig. (2-tailed) .000 .000
N 5 5 5
Volumul PIB-ului Pearson Correlation .995** 1 .990**
Sig. (2-tailed) .000 .001
N 5 5 5
Rata dobanzii Pearson Correlation .999** .990** 1
Sig. (2-tailed) .000 .001
N 5 5 5
**. Correlation is significant at the 0.01 level (2-tailed).

Correlations

Volumul Volumul
Control Variables investitiilor PIB-ului
Rata dobanzii Volumul investitiilor Correlation 1.000 .965
Significance (2-tailed) . .035
df 0 2
Volumul PIB-ului Correlation .965 1.000
Significance (2-tailed) .035 .
df 2 0

Correlations

Volumul
Control Variables investitiilor Rata dobanzii
Volumul PIB-ului Volumul investitiilor Correlation 1.000 .994
Significance (2-tailed) . .006
df 0 2
Rata dobanzii Correlation .994 1.000
Significance (2-tailed) .006 .
df 2 0

Cerințe:
(1) Să se identifice și să se interpreteze valoarea coeficientului de corelație 𝑟𝑦1
𝑟𝑦1 = 0,995 – intre volumul investitiilor si volumul PIB-ului exista o legatura directa
|𝑟𝑦1 | = 0,995 – intre volumul investitiilor si volumul PIB-ului exista o legatura f puternica
(2) Să se identifice și să se interpreteze valoarea coeficientului de corelație 𝑟𝑦2.1
𝑟𝑦2.1 = 0,994 – intre volumul investitiilor si rata dobanzii exista o legatura directa atunci
cand volumul PIB-ului este constant
|𝑟𝑦2.1 | = 0,994 – intre volumul investitiilor si rata dobanzii exista o legatura f puternica
atunci cand volumul PIB-ului este constant
(3) Să se identifice și să se interpreteze valoarea coeficientului de corelație 𝑟12
𝑟12 = 0,990 – intre volumul PIB-ului si rata dobanzii exista o legatura directa
|𝑟12 | = 0,990 – intre volumul PIB-ului si rata dobanzii exista o legatura f puternica