Modelul de regresie simplă

În baza a 5 observaţii de efectuat următoarele cerinţe:

1. De verificat fundamentele şi de specificat modelul.

2. De determinat prin metoda Cramer estimatorii â şi b̂ .

3. De verificat estimatorii â şi b̂ prin metoda centrării datelor

4. Să se afle SPT, SPR, SPE.

5. Să se calculeze R 2 şi să se explice ˆ s2 .

6. Să se verifice ipoteza nulă pentru estimatorul â

7. Să se verifice ipoteza nulă pentru estimatorul b̂

8. Să se calculeze intervalele de încredere pentru â , b̂ şi ˆ s2

9. Să se verifice semnificaţia modelului cu ajutorul testului F

10. Să se efectueze prognoza punctuală şi pe intervale.

 Rezolvare:
Datele variabilelei dependente şi independente în cazul celor 5 observaţii sunt reprezentate în tabelul nr.1 .

Tabelul 1.

Xt  X Yt  Y
Nr.ord X Y X t Yt X t
2
Yt 2
 xt  yt xt * yt xt2 yt2

Yt Y  Yˆ  Yˆ  Y 
t t
2
t
2
 et2

Yt 2
1 17 8 136 289 64 2 -3 -6 4 9 12.5 20.25 2.25 156.25
2 13 11 143 169 121 -2 0 0 4 0 9.5 2.25 2.25 90.25
3 11 7 77 121 49 -4 -4 16 16 16 8 1 9 64
4 15 13 195 225 169 0 2 0 0 4 11 4 0 121
5 19 16 304 361 256 4 5 20 16 25 14 4 9 196
Total 75 55 855 1165 659 0 0 30 40 54 55 31.5 22.5 627.5
Media 15 11 171 233 131.8 11 125.5
1. De verificat fundamentele şi de specificat modelul.

Fig.1
Y vs. X
18

16

14

12
Y

10

6
10 12 14 16 18 20
X

Reieşind din forma norului de puncte (fig.1) rezultă că legătura dintre Xşi Y poate fi descrisă printr-o
legătură liniară, deasemenea, din grafic se observă o legătură directă, valoare lui b fiind mai mare ca 0,
prin urmare vom respecta condiţiile funcţiei liniare de regresie avînd în faţă un model liniar de regresie
simplă y  a  bx  u .
2. De determinat prin metoda Cramer estimatorii â şi b̂ .
Pentru a calcula estimatorii prin metoda dată vom folosi următoarele formule:

naˆ  bˆ xi  yi

aˆ  xi  bˆ xi   xi yi
2

aˆ 
y x x x y
i
2
i i i i

n x   x  yˆ  aˆ  bˆx (estimaţia modelului teoretic)

2 2
i i ,

n xi yi   xi  yi
bˆ 
n xi2   xi 
2

Astfel:
 55 *1165  75 * 855 50
aˆ    0,25
5 *1165  75 * 75 200
iar
5 * 855  75 * 55 150
bˆ    0,75
5 *1165  75 * 75 200

Pe cînd:
ˆ  0,25  0,75 x, ceea ce presupune că la modificarea cu o unitateaa variabilei
y
independente, variabila dependentă se va modifica cu 0.75 unitati.
3. De verificat estimatorii â şi b̂ prin metoda centrării datelor .
Pe baza datelor din tabel vom calcula valorile medii ale observaţiilor celor doua variabile.

1 n 55 1 n 75
Y  
n t 1
Yt 
5
 11 X  
n t 1
Xt 
5
 15

xt  X t  X , yt  Yt  Y ,unde bˆ 
 xt yt  30  0,75
 xt2 40
aˆ  Y  bˆX
aˆ  11  0,75 *15  0,25
ˆ  0,25  0,75 x
y
Concluzie: prin ambele metode obţinem aceleaşi valori a estimatorilor,explicaţia madelului obţinut fiind
reprezentată mai sus.
Cu ajutorul pachetului de programe eviews, obţinem aceleaşi date a indicatorilor calculaţi (tabelul 2).

Tabelul. 2
Method: Least Squares
Date: 10/04/10 Time: 20:12
Sample: 2001 2005
Included observations: 5

Coefficien
Variable t Std. Error t-Statistic Prob.

X 0.750000 0.512348 1.463850 0.2394

C -0.250000 7.820646 -0.031967 0.9765

R-squared 0.416667 Mean dependent var 11.00000

Adjusted R-squared 0.222222 S.D. dependent var 3.674235
S.E. of regression 3.240370 Akaike info criterion 5.478427
Sum squared resid 31.50000 Schwarz criterion 5.322202
Log likelihood -11.69607 F-statistic 2.142857
Durbin-Watson stat 1.626984 Prob(F-statistic) 0.239443

4. Să se afle SPT, SPR, SPE.

 SPT   Yt  Y   54
2


SPR   Yt  Yˆt 2
31,5

SPE   Yˆ  Y 
2
 22,5
t

Conform calculelor observăm că SPT( Suma totală a pătratelor abaterilor)=SPE (Suma pătratelor
abaterilor explicative de regresie)+SPR(Suma pătratelor abaterilor reziduale sau neexplicative de
regresie).

5. Să se calculeze R şi să se explice ˆ s .
e
2

var(Y )  Y 2  Y   131,8  121  10,8

2

var(Yˆ )  Yˆ 2  (Yˆ ) 2  125,5  121  4,5

Prin urmare :
var(Yˆ ) 4,5
R2    0,41
var(Y ) 10,8
Estimaţia dispersiei erorilor se determină cu ajutorul observaţiilor reziduale et :
1 1
s 2  ˆ 2 
n2
 et2  * 22,5  7,5 , şi reprezintă o estimaţie nedeplasată a dispersiei erorilor  2 ,cu
3
ajutorul cărora se calculează dispersiile estimaţiilor â , b̂ .
6. Să se verifice ipoteza nulă pentru estimatorul â
1. Formulăm ipotezele nule şi alternative conform cărora se presupune că estimatorul â este
nesemnificativ egal cu 0 sau se diferenţiază în proporţie mare faţă de 0 (este semnificativ).
I0 : a  0
ˆ
I 1 : aˆ  0
2. Calculăm valoarea calculată a testului t-student.
Pentru valoarea calculată a testului t-student este nevoie de calcularea dispersiilor estimaţiei â :

aˆ  a0  0,25
tcalc    0,038
vâr(aˆ ) 6,60

Vaˆr (aˆ )  s 2
X t
2

 7,5
1165
 43,6875
n x t
2
5 * 40

3.Calculăm valoarea teoretică a testului t-student ,în dependenţă de nivelul de semnificaţie şi n-2 grade
de libertate ,cu o probabilitate de 95% , =0,05.
t / 2:n  2  t0, 025:13  2,160
Fig.2

aˆ
Concluzie: După cum observăm tcalc  t / 2:n2 ,astfel putem menţiona că estimatorul este
 nesemnificativ, ipoteza nulă se acceptă,adică â este egal cu 0.

7. Să se verifice ipoteza nulă pentru estimatorul b̂ .

1. Formulăm ipotezele nule şi alternative conform cărora se presupune că estimatorul b̂ este
nesemnificativ egal cu 0 sau se diferenţiază în proporţie mare faţă de 0 (este semnificativ).
I 0 : bˆ  0
I : bˆ  0
1
2. Calculăm valoarea calculată a testului t-student.
Pentru valoarea calculată a testului t-student este nevoie de calcularea dispersiilor estimaţiei b̂ :

bˆ  b0 0,75
tcalc    3,87
vâr(bˆ) 0,194
s2 7,5
Vaˆr (bˆ)    0,0375
 t * 40
x 2
5
3.Calculăm valoarea teoretică a testului t-student ,în dependenţă de nivelul de semnificaţie şi n-2 grade
de libertate ,cu o probabilitate de 95% , =0,05.
t / 2:n2  t0,025:13  2,160
Fig.3

ˆ
Concluzie: După cum observăm tcalc b
 t / 2:n  2 ,astfel putem menţiona că estimatorul b̂ este
semnificativ diferit de 0,adică ipoteza nulă se respinge şi se acceptă ipoteza 1.

8. Să se calculeze intervalele de încredere pentru â , b̂ şi ˆ s

e

În scopul calculării intervalelor de încredere pentru â ,vom obţine:

Paˆ  t saˆ  a  aˆ  t saˆ   1  
t55%2  3,182
aˆ  t s aˆ  0,25  3,182 * 43,6875  21,28

aˆ  t s aˆ  0,25  3,182 * 43,6875  20,78

Astfel: a  (21,28;20,78)
În scopul calculării intervalelor de încredere pentru b̂ , vom obţine:
 
P bˆ  t sbˆ  b  bˆ  t sbˆ  1  
t55%2  3,182
 bˆ  t sbˆ  0,75  3,182 * 0,0375  0,13

bˆ  t sbˆ  0,75  3,182 * 0,0375  1,37

Astfel: b  (0,13;1,37)
În scopul calculării intervalelor de încredere pentru ˆ s , vom obţine:
e

 n  2 s2 n  2 s2 
ˆ  
e
; 
 2 12 
s 2

Variabila aleatoare urmează o lege de distribuţie  2 cu n-2 grade de libertate,   5% .


12  1   8,348
2

 22   9,348
2
Astfel: ˆ s2   1,347;2,40

9. Să se verifice semnificaţia modelului cu ajutorul testului F

1. Formulăm ipotezele nule şi alternative

I0 : R  0
I1 : R  0

2. Calculăm valoarea calculată a testului .

R 2 n  2 0,41* 3
Fcalc    2,08

1  R2  1  0,41
3.Calculăm valoarea teoretică a testului Fisher ,în dependenţă de nivelul de semnificaţie ,cu o
probabilitate de 95% , =0,05.

F :k 1;nk  F0,05:1;3  10,13

4.Comparăm valoarea teoretică cu cea calculată a testului:

Fcalc  F :k 1;nk

2,08<10,13

Concluzie: Din comparearea rezultatelor se observă că Fcalc<Ftabelar ,ceea ce demonstrează că nu în zadar

R 2 e depărtat de 1,aceasta semnificînd că între Y şi X nu există o dependenţă puternică, iar calitatea
modelului ajustat fiind nesemnificativă.

10.Să se efectueze prognoza punctuală şi pe intervale.

Pentru a efectua prognoza punctuală si pe intervale mai întîi vom oferi două valori variabilei independente
apoi introducînd valorile date în estimaţia modelului teoretic vom obţine prognoza:

Daca 1) X 6  20, Yˆ6  14,75

Daca 2) X 7  14, Yˆ7  10,25
 Pentru a afla prognoza celor două variabile pe intervale vom utiliza formula de estimare de
prognoză:

1) s yˆ  s
2

2 1

x 2p   
  6,1875
 n  x2 
 t 

2) s y2ˆ  1,6875

x p  X previz  X 
1) x6  20  15  5

2) x7  14  15  1

Pentru a determina limitele intervalului de încredere este necesar de calculat dispersia sumară:

1 x 2p 
1) s 2p  sY2ˆ  s 2  s 2    1  13,6875
n x 2 
 t 
2) s 2p  9,1875

Limitele pentru intervalele de prognoză a valorilor individuale Yt se determină conform relaţiei:

 
P Yˆt  t s p  1  
Pentru   0,05 ,şi n-2 grade de libertate , t / 2:n2  t0,025:13  2,160
Astfel limitele intervalelor prognozei în cele două cazuri vor fi:

1) (14,75  13,6875 * 2,160;14,75  13,6875 * 2.160)   14,815;44,315  0,95

2) (6,1875  9,1875 * 2,160;6,1875  9,1875 * 2,160)   13,6575;26,0325  0,95

Conform pachetului eviews, vom obţine aceleaşi rezultate pentru Y previzional în cele două
cazuri, cît şi intervalele de previziune din Fig.4 .

Tabela 2.
Fig.4
Nr. YF(de previz)
25
ord Forecast: YF
Actual: Y
1 12.50000 20
Sample: 2001 2007
2 9.500000 Include observations: 5
15
3 8.000000 Root Mean Squared Error 2.509980
Mean Absolute Error 2.200000
4 11.00000 10
Mean Abs. Percent Error 22.41134
5 14.00000 5
Theil Inequality Coefficient 0.110654
Bias Proportion 0.000000
6 14.75000 Variance Proportion 0.215438
Covariance Proportion 0.784562
7 10.25000 0

-5
01 02 03 04 05 06 07

YF ± 2 S.E.
 Anexa 1

Tabelul cu valorile repartiţiei Student în funcţie de probabilitatea P (tt) şi numărul “f” al

gradelor de libertate

Gradul Nivel de semnificaţie pentru testul bilaterial 

de
libertate
f 0,2 0,1 0,05 0,02 0,01 0,005
1 3,08 6,31 12,71 31,82 63,66 127,32
2 1,89 2,92 4,30 6,96 9,92 14,09
3 1,64 2,35 3,18 4,54 5,84 7,45
4 1,53 2,13 2,78 3,75 4,60 5,60
5 1,48 2,02 2,57 3,36 4,03 4,77
6 1,44 1,94 2,45 3,14 3,71 4,32
7 1,41 1,89 2,36 3,00 3,50 4,03
8 1,40 1,86 2,31 2,90 3,36 3,83
9 1,38 1,83 2,26 2,82 3,25 3,69
10 1,37 1,81 2,23 2,76 3,17 3,58

11 1,36 1,80 2,20 2,72 3,11 3,50

12 1,36 1,78 2,18 2,68 3,05 3,43
13 1,35 1,77 2,16 2,65 3,01 3,37
14 1,34 1,76 2,14 2,62 2,98 3,33
15 1,34 1,75 2,13 2,60 2,95 3,29
16 1,34 1,75 2,12 2,58 2,92 3,25
17 1,33 1,74 2,11 2,57 2,90 3,22
18 1,33 1,73 2,10 2,55 2,88 3,20
19 1,33 1,73 2,09 2,54 2,86 3,17
20 1,33 1,72 2,09 2,53 2,85 3,15

21 1,32 1,72 2,08 2,52 2,83 3,14

22 1,32 1,72 2,07 2,51 2,82 3,12
23 1,32 1,71 2,07 2,50 2,81 3,10
24 1,32 1,71 2,06 2,49 2,80 3,09
25 1,32 1,71 2,06 2,49 2,79 3,08
26 1,32 1,71 2,06 2,48 2,78 3,07
27 1,31 1,70 2,05 2,47 2,77 3,06
28 1,31 1,70 2,05 2,47 2,76 3,05
29 1,31 1,70 2,05 2,46 2,76 3,04
30 1,31 1,70 2,04 2,46 2,75 3,03

40 1,30 1,68 2,02 2,42 2,70 2,97

60 1,30 1,67 2,00 2,39 2,66 2,91
120 1,29 1,66 1,98 2,36 2,62 2,86
 1,28 1,64 1,96 2,33 2,58 2,81
 Anexa 2

Valorile critice pentru repartiţia Fisher corespunzător nivelului de semnificaţie de 5%

v2 v1
1 2 3 4 5 6 8 12 24 
1 161 200 216 225 230 234 239 244 249 254
2 18,51 19,00 19,16 19,25 19,30 19,33 19,37 19,41 19,45 19,50
3 10,13 9,55 9,28 9,12 9,01 8,94 8,84 8,74 8,64 8,53
4 7,71 6,94 6,59 6,39 6,26 6,16 6,04 5,91 5,77 5,63
5 6,61 5,79 5,41 5,19 5,05 4,95 4,82 4,68 4,53 4,36
6 5,99 5,14 4,76 4,53 4,39 4,28 4,15 4,00 3,84 3,67
7 5,59 4,74 4,35 4,12 3,97 3,87 3,73 3,57 3,41 3,23
8 5,32 4,46 4,07 3,84 3,69 3,58 3,44 3,28 3,12 2,93
9 5,12 4,26 3,86 3,63 3,48 3,37 3,23 3,07 2,90 2,71
10 4,96 4,20 3,71 3,48 3,33 3,22 3,07 2,91 2,74 2,54

11 4,84 3,98 3,59 3,36 3,20 3,09 2,95 2,79 2,61 2,40
12 4,75 3,88 3,49 3,26 3,11 3,00 2,85 2,69 2,50 2,30
13 4,67 3,80 3,41 3,18 3,02 2,92 2,77 2,60 2,42 2,21
14 4,60 3,74 3,34 3,11 2,96 2,85 2,70 2,53 2,35 2,13
15 4,54 3,68 3,29 3,06 2,90 2,79 2,64 2,48 2,29 2,07
16 4,49 3,63 3,24 3,01 2,85 2,74 2,59 2,42 2,24 2,01
17 4,45 3,59 3,20 2,96 2,81 2,70 2,55 2,38 2,19 1,96
18 4,41 3,55 3,16 2,93 2,77 2,66 2,51 2,34 2,15 1,92
19 4,38 3,52 3,13 2,90 2,74 2,63 2,48 2,31 2,11 1,88
20 4,35 3,49 3,10 2,87 2,71 2,60 2,45 2,28 2,08 1,84

21 4,32 3,47 3,07 2,84 2,68 2,57 2,42 2,25 2,05 1,81
22 4,30 3,44 3,05 2,82 2,66 2,55 2,40 2,23 2,03 1,78
23 4,28 3,42 3,03 2,80 2,64 2,53 2,38 2,20 2,00 1,76
24 4,26 3,40 3,01 2,78 2,62 2,51 2,36 2,18 1,98 1,73
25 4,24 3,38 2,99 2,76 2,60 2,49 2,34 2,16 1,96 1,71
26 4,22 3,37 2,98 2,74 2,59 2,47 2,32 2,15 1,95 1,69
27 4,21 3,35 2,96 2,73 2,57 2,46 2,30 2,13 1,93 1,67
28 4,20 3,34 2,95 2,71 2,56 2,44 2,29 2,12 1,91 1,65
29 4,18 3,33 2,93 2,70 2,54 2,43 2,28 2,10 1,90 1,64
30 4,17 3,32 2,92 2,69 2,53 2,42 2,27 2,09 1,89 1,62

40 4,08 3,23 2,84 2,61 2,45 2,34 2,18 2,00 1,79 1,51
60 4,00 3,15 2,76 2,52 2,37 2,25 2,10 1,92 1,70 1,39
120 3,92 3,07 2,68 2,45 2,29 2,17 2,02 1,83 1,61 1,25
 3,84 2,99 2,60 2,37 2,21 2,09 1,94 1,75 1,52 1,00
 Anexa 3

Tabelul Durbin-Watson cu pragul de semnificaţie =0,05

k=1 k=2 k=3 k=4 k=5

n d1 d2 d1 d2 d1 d2 d1 d2 d1 d2
15 1,08 1,36 0,95 1,54 0,82 1,75 0,69 1,97 0,56 2,21
16 1,10 1,37 0,98 1,54 0,86 1,73 0,74 1,93 0,62 2,15
17 1,13 1,38 1,02 1,54 0,90 1,71 0,78 1,90 0,67 2,10
18 1,16 1,39 1,05 1,53 0,93 1,69 0,82 1,87 0,71 2,06
19 1,18 1,40 1,08 1,53 0,97 1,68 0,86 1,85 0,75 2,02
20 1,20 1,41 1,10 1,54 1,00 1,68 0,90 1,83 0,79 1,99

21 1,22 1,42 1,13 1,54 1,03 1,67 0,93 1,81 0,83 1,96
22 1,24 1,43 1,15 1,54 1,05 1,66 0,96 1,80 0,86 1,94
23 1,26 1,44 1,17 1,54 1,08 1,66 0,99 1,79 0,90 1,92
24 1,27 1,45 1,19 1,55 1,10 1,66 1,01 1,78 0,93 1,90
25 1,29 1,45 1,21 1,55 1,12 1,66 1,04 1,77 0,95 1,89
26 1,30 1,46 1,22 1,55 1,14 1,65 1,06 1,76 0,98 1,89
27 1,32 1,47 1,24 1,56 1,16 1,65 1,08 1,76 1,01 1,86
28 1,33 1,48 1,26 1,56 1,18 1,65 1,10 1,75 1,03 1,85
29 1,34 1,48 1,27 1,56 1,20 1,65 1,12 1,74 1,05 1,84
30 1,35 1,49 1,28 1,57 1,21 1,65 1,14 1,74 1,07 1,83

31 1,36 1,50 1,30 1,57 1,23 1,65 1,16 1,74 1,09 1,83
32 1,37 1,50 1,31 1,57 1,24 1,65 1,18 1,73 1,11 1,82
33 1,38 1,51 1,32 1,58 1,26 1,63 1,19 1,73 1,13 1,81
34 1,39 1,51 1,33 1,58 1,27 1,65 1,21 1,73 1,15 1,81
35 1,40 1,52 1,34 1,58 1,28 1,65 1,22 1,73 1,16 1,80
36 1,41 1,52 1,35 1,59 1,29 1,65 1,24 1,73 1,18 1,80
37 1,42 1,53 1,36 1,59 1,31 1,66 1,25 1,72 1,19 1,80
38 1,43 1,54 1,37 1,59 1,32 1,66 1,26 1,72 1,21 1,79
39 1,43 1,54 1,38 1,60 1,33 1,66 1,27 1,72 1,22 1,79
40 1,44 1,54 1,39 1,60 1,34 1,66 1,29 1,72 1,23 1,79

45 1,48 1,57 1,43 1,62 1,38 1,67 1,34 1,72 1,29 1,78
50 1,50 1,59 1,46 1,63 1,42 1,67 1,38 1,72 1,34 1,77

55 1,53 1,60 1,49 1,64 1,45 1,68 1,41 1,72 1,38 1,77
60 1,55 1,62 1,51 1,65 1,48 1,69 1,44 1,73 1,41 1,77

65 1,57 1,63 1,54 1,66 1,50 1,70 1,47 1,73 1,44 1,77
70 1,58 1,64 1,55 1,67 1,52 1,70 1,49 1,74 1,46 1,77

75 1,60 1,65 1,57 1,68 1,54 1,71 1,51 1,74 1,49 1,77
80 1,61 1,66 1,59 1,69 1,56 1,72 1,53 1,74 1,51 1,77

85 1,62 1,67 1,60 1,70 1,57 1,72 1,55 1,75 1,52 1,77
90 1,63 1,68 1,61 1,70 1,59 1,73 1,57 1,75 1,54 1,78

95 1,64 1,69 1,62 1,71 1,60 1,73 1,58 1,75 1,56 1,78
100 1,65 1,69 1,63 1,72 1,61 1,74 1,59 1,76 1,57 1,78