TEORIE

Atenție la:
1. Noțiunile de parametri, estimatori, estimații
 Parametrul – este o caracteristică numerică a variabilei X la nivelul populaţiei (ex: media
 , dispersia  2 etc); este o valoare numerică necunoscută, care face obiectul procesului
de estimare
 Estimaţia – este o caracteristică a variabilei X la nivelul eşantionului, o valoare reală,
cunoscută (ex: media x , dispersia s ' etc)
2

 Estimatorul – este o variabilă aleatoare, care are ca valori estimaţiile determinate pe baza
celor k eşantioane, de volum n, posibil de extras (ex. ̂ , ˆ )
'2

2. Proprietățile estimatorilor

1) Un estimator este nedeplasat dacă media sau speranţa matematică a acestuia este egală cu
parametrul:
M (ˆ)  
2) Un estimator este convergent dacă varianţa estimatorului tinde spre 0, atunci când volumul
eşantionului tinde spre volumul populatiei
V (ˆ)  0 dacă n  N
3) Un estimatorul este eficient dacă este nedeplasat şi are dispersia sau varianţa cea mai mică faţă
de varianţa oricărui alt estimator nedeplasat posibil pentru parametrul considerat, calculat pentru
acelaşi eşantion de volum n:
V (ˆ)  min im

3. Demersul cercetării econometrice

a) Formularea problemei în termeni economici, plecând de la o teorie economică.
b) Specificarea modelului matematic al teoriei economice.
c) Specificarea modelului econometric
d) Estimarea parametrilor modelului econometric
e) Testarea ipotezelor statistice.
f) Interpretarea parametrilor modelului econometric în cadrul teoriei economice.

1
g) Utilizarea modelului econometric estimat pentru predicţii şi luarea de decizii în politica
economică.

4. Prezentarea generală a modelului de regresie:

 tipuri de variabile (dependente, independente, reziduale)
 parametri:
 în RLS: ordonata la origine, panta dreptei;

 în RLM: j - coeficient de regresie parțială; reprezintă variaţia medie a variabilei
Y la variația cu o unitate a variabilei independente Xj, în condiţiile în care variaţia
celorlalte variabile independente este constantă. Măsoară influenţa parţială a
variabilei independente Xj asupra variabilei dependente.
 componentele (deterministă și stochastică)

5. Interpretarea coeficienților de corelație bivariată și, respectiv, parțială

• Coeficientul de corelație bivariată (Pearson): Se utilizează pentru măsurarea intensităţii
legăturii în cazul unei regresii liniare simple.
-1≤ρ≤1

Interpretare..............

Obs. Coeficienţii de corelaţie bivariată măsoară dependenţa dintre două variabile, fără a
lua în considerare influenţa celorlalte variabile.

Dacă, la nivelul eşantionului, variabilele X si Y se standardizează, între r şi b1 are loc

relația r  b1std adică, coeficientul de corelație este egal cu valoarea standardizată a

coeficientului de regresie 1 .

2
 Correlations

GDP_PPC CH_Educatie
GDP_PPC Pearson Correlation 1 .454*
Sig. (2-tailed) .039
N 23 21
CH_Educatie Pearson Correlation .454* 1
Sig. (2-tailed) .039
N 21 24
*. Correlation is significant at the 0.05 level (2-tailed).

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients 95% Confidence Interval for B
Model B Std. Error Beta t Sig. Lower Bound Upper Bound
1 (Constant) 3.901 .937 4.163 .001 1.940 5.863
GDP_PPC .082 .037 .454 2.221 .039 .005 .160
a. Dependent Variable: CH_Educatie

• Coeficientul de corelație parțială măsoară dependenţa dintre două variabile, considerând

constantă influenţa celorlalte variabile independente din modelul econometric.

- Intervalul [-1; 1]

6. Raportul de determinație

3
 VE V
2   1 R
VT VT
ESS RSS
R2   1
TSS TSS
[0, 1] sau [0, 100%]

Interpretare:
 În RLS : arată cât la sută din variaţia variabilei dependente Y este explicată de variaţia
variabilei independente considerate, prin modelul de regresie specificat, diferența până la
100% datorându-se influenței factorilor aleatori (nespecificați în model).

 În RLM : arată cât la sută din variaţia variabilei dependente Y este explicată de variaţia
simultană a variabilelor independente considerate, prin modelul de regresie specificat,
diferența până la 100% datorându-se influenței factorilor aleatori (nespecificați în model)

Raportul de determinaţie multiplă ajustat!!! - Ţine seama de numărul parametrilor din

model, respectiv, de numărul gradelor de libertate.
RSS /( n  k ) n 1
R 2  1  1  (1  R 2 )
TSS /( n  1) nk
R 2  R 2 pt k >1.

7. În regresia liniară simplă, între raportul de corelație și coeficientul de corelație există

relația:
R2  r 2
sau R  r

8. Raportul de corelaţie, simplă sau multiplă

9. Testarea indicatorilor de corelație :

 Coeficienții de corelație, bivariată sau parțială – testul t- Student
r r n2
- BIVARIATĂ : t  
s ˆ 1 r 2
r r nk
- PARTIALA : t  
s ˆ 1 r2
 Raportul de corelație, simplă sau multiplă – testul F – Fisher
R2 n  k ESS n  k
F  F 
1 R k 1
2
RSS k  1

4
 10. Testarea modelului de regresie – testul F – Fisher
H0: modelul NU este semnificativ statistic ( 𝛽 = 0, 𝑝𝑡 𝑗 = 0, 1, 2, … . , 𝑘 )
H1: modelul de regresie este semnificativ statistic (coeficienții de regresie nu sunt toți
simultan nuli)

F , v1 , v2 v1  k  1; v2  n  k
,

ESS n  k
F 
RSS k  1

Regresia liniară simplă. Aplicații.

PROBLEMA 1.In studiul legăturii dintre PIB/loc ($) și rata de urbanizare (%) se obțin
următoarele rezultate pentru un eșantion de 150 de țări:
Model Summary

Adjusted Std. Error of

Model R R Square R Square the Estimate
1 ,605a ,366 ,360 5207,436
a. Predictors: (Constant), rata de urbanizare (%)

Sunt valabile enunțurile:

a.între variabilele PIB/loc și rata de urbanizare există o legătură de intensitate medie
b. 60,5 % din variația variabilei PIB/loc este explicată prin variația ratei de urbanizare
c. pentru un risc asumat de 0,05 modelul de regresie este semnificativ statistic
d. între cele două variabile există o corelație pozitivă.

PROBLEMA 2. În studiul legăturii dintre cheltuielile și veniturile unui eșantion de gospodării, s-

au obținut următoarele rezultate:
ANOVAb

Sum of
Model Squares df Mean Square F Sig.
1 Regression 519895,330 1 519895,330 10696,150 ,000a
Residual 486,058 10 48,606
Total 520381,388 11
a. Predictors: (Constant), Ven_ro
b. Dependent Variable: Che_ro

Sunt valabile afirmațiile:

a. raportul de corelație estimat este egal cu 0,999
b. modelul de regresie estimat nu este semnificativ statistic pentru un risc asumat de 0,05
c. eșantionul analizat este de volum n=11 unități
d. numărul coeficienților de regresie este egal cu 1.

5
PROBLEMA 3. În studiul legăturii liniare dintre salariul curent și primul salariu pentru un
eșantion de 474 angajați s-a obținut un coeficient de corelație egal cu 0,88. Sunt valabile
afirmațiile:
a. coeficientul de corelație este semnificativ diferit de zero, pentru un risc asumat de 0,05
b. numărul de grade de libertate pentru testul Student necesar testării coeficientului de corelație
este egal cu 473
c.între salariul curent și primul salariu există o legătură puternică și inversă.
d. raportul de determinație ajustat este egal cu 0,0773

Regresia liniara multiplă. Aplicații.

INTREBAREA1. În studiul legăturii dintre salariul curent ($), primul salariu($) şi nivelul de
educaţie (ani de studii) s-au obţinut următoarele rezultate:
Model Summary
Adjusted R Std. Error of
Model R R Square Square the Estimate
1 ,890a ,792 ,792 $7.796,524
a. Predictors: (Constant), Primul salariu, Nivelul de
educatie (ani)
Este corectă următoarea afirmație:
a) valoarea raportului de corelație este 0,89 şi arată că legătura dintre variabila salariul curent şi
variaţia simultană a primului salariu şi a nivelului de educaţie este puternică.
b) raportul de corelație are valoarea 0,792 şi arată că legătura dintre variabila salariul curent şi
variaţia simultană a primului salariu şi a nivelului de educaţie este foarte puternică.
c) raportul de corelație are valoarea 0,89 şi arată că legătura dintre variabila salariul curent şi
variaţia simultană a primului salariu şi a nivelului de educaţie este foarte puternică şi directă.
d) raportul de corelație are valoarea 0,792 și arată că 79,2% din variația variabilei dependente este
explicată de variația simultană a variabilelor independente.

INTREBAREA 2. În studiul legăturii dintre salariul curent ($), primul salariu($) şi nivelul de
educaţie (ani de studii) s-au obţinut următoarele rezultate:

6
Model Summary
Adjusted R Std. Error of
Model R R Square Square the Estimate
1 ,890a ,792 ,792 $7.796,524
a. Predictors: (Constant), Primul salariu, Nivelul de
educatie (ani)
Pentru exemplul dat, raportul de determinaţie estimat şi interpretarea corectă sunt:
a. R 2 = 0,792 şi arată că 79,2% din variaţia salariului curent este explicată prin variaţia simultană
a primului salariu și a nivelului de educație.
b. R 2 = 0,89 şi arată că 89% din variaţia salariului curent este explicată prin variaţia simultană a
primului salariu și nivelului de educație.
c. R 2 = 0,792 şi arată că 79,2% din variaţia salariului curent este explicată prin variaţia simultană
a primului salariu și nivelul de educație se menţine constant.

INTREBAREA 3.
În studiul legăturii dintre salariul curent ($), primul salariu($) şi nivelul de educaţie (ani de studii)
s-au obţinut următoarele rezultate:
Coefficientsa
Unstandardized Standardized
Coefficient Coefficient
Model B Std. Error Beta t Sig.
1 (Contant) -7808,714 1753,860 -4,452 ,000
Nivelul de educaţie
(ani) 1020,390 160,550 ,172 6,356 ,000

Primul salariu 1,673 ,059 ,771 28,423 ,000

a. Dependent Variable: Salariul curent

Pentru exemplul dat, sunt corecte afirmaţiile:

a) cu un risc de 1%, variabila primul salariu are o influenţă parţială semnificativă statistic pentru
variabila salariu curent.
b) la o creştere cu un an al nivelului de educaţie salariul creşte în medie cu 1020,39 $ dacă primul
salariu este 0.
c) între salariu curent şi primul salariu există o dependenţă parţială inversă.

INTREBAREA 4.

7
În studiul legăturii dintre salariul curent ($), primul salariu($) şi nivelul de educaţie (ani de studii)
s-au obţinut următoarele rezultate:
Coefficientsa
Standardized
UntandardizedCoefficient Coefficient
Model B Std. Error Beta t Sig.
1 (Constant) -7808,714 1753,860 -4,452 ,000
Nivelul de educaţie
1020,390 160,550 ,172 6,356 ,000
(ani)
Primul salariu 1,673 ,059 ,771 28,423 ,000
a. Dependent Variable: Salariul curent

Sunt valabile enunţurile:

a. modelul de regresie nu este semnificativ statistic.
b. la o creştere a nivelului de educaţie cu un an, salariul curent creşte în medie cu 1020,39 $, dacă
primul salariu rămâne acelaşi
c.cu un risc de 5%, constanta modelului este semnificativă statistic.

INTREBAREA 5. În studiul legăturii dintre salariul curent ($), primul salariu($) şi nivelul de
educaţie (ani de studii) s-au obţinut următoarele rezultate:
Coefficientsa
Standardized
UnstandardizedCoefficients Coefficients Correlations
Zero-
Model B Std. Error Beta t Sig. order Partial Part
1 (Constant) -7808,714 1753,860 -4,452 ,000
Primul
1,673 ,059 ,771 28,423 ,000 ,880 ,795 ,597
salariu
Nivelul de
educaţie 1020,390 160,550 ,172 6,356 ,000 ,661 ,281 ,133
(ani)
a. Dependent Variable:
Salariul curent

Sunt valabile enunţurile:

a) legătura dintre salariul curent şi primul salariu este directă şi slabă.
b) în raport cu intensitatea influenţei exercitate asupra variabilei dependente, factorii independenţi
se ierarhizează astfel: Nivelul de educaţie, Primul Salariu.

8
c) în raport cu intensitatea influenţei exercitate asupra variabilei dependente, factorii independenţi
se ierarhizează astfel: Primul Salariu, Nivelul de educaţie.

INTREBAREA 6.
În studiul legăturii dintre salariul curent ($), primul salariu($) şi nivelul de educaţie (ani de studii)
pentru un eşantion de 400 angajatis-au obţinut următoarele rezultate:
Coefficientsa
Unstandardized
Coefficients Standardized Coefficients Correlations
Zero-
Model B Std. Error Beta t Sig. order Partial Part
1 Constant -7808,714 1753,860 -4,452 ,000
Primul
1,673 ,059 ,771 28,423 ,000 ,880 ,795 ,597
salariu
Nivelul de
1020,390 160,550 ,172 6,356 ,000 ,661 ,281 ,133
educaţie
a. Dependent Variable:
Salariul curent

Sunt valabile enunţurile:

a. Coeficientul de corelaţie parţială a salariului curent cu primul salariu indică o legătură pozitivă
puternică.
b. influenţa parţială a nivelului de educaţie asupra salariului curent nu este semnificativă statistic
şi tcalc=1,57 pentru un risc asumat de 5%.
c. Statistica testului Student pentru testarea coeficienţilor de corelaţie parţială urmează o repartiţie
Student cu n-3 grade de libertate.

INTREBAREA 7.
În studiul legăturii dintre Mortalitatea infantilă, Rata de alfabetizare, Populaţia urbană, Aportul de
calorii şi Speranta medie de viaţă a femeilor s-au obţinut următoarele rezultate:

9
Model Summary

Change Statistics
R Adjusted R Std. Error of the R Square F
Model R Square Square Estimate Change Change df1 df2 Sig. F Change
1 ,978a ,956 ,954 8,3351 ,956 377,021 4 69 ,000
2 ,978b ,956 ,954 8,2853 ,000 ,165 1 69 ,686
a. Predictors: (Constant), Rata de alfabetizare (%), Populaţia urbană (%), Aportul de calorii, Speranţa
medie de viaţă a femeilor
b. Predictors: (Constant), Rata de alfabetizare (%), Aportul de calorii, Speranţa
medie de viaţă a femeilor
Se poate aprecia că:
a. influenţa marginală a populaţiei urbane asupra mortalităţii infantile nu este semnificativă.
b. modelul cu 4 variabile independente explică variaţia variabilei dependente în proporţie de 97,8%
c. modelul cu 4 variabile independente explică variaţia variabilei dependente în proporţie de 95,6%

INTREBAREA 8.În studiul legăturii dintre salariul curent ($), primul salariu($) şi nivelul de
educaţie (ani de studii) pentru un eşantion de 474angajati s-au obţinut următoarele rezultate:
ANOVAb
Model Sum of Square df Meanquare F Sig.
1 Regression 1,093E11 2 5,464E10 898,947 ,000a
Residual 2,863E10 471 6,079E7
Total 1,379E11 473
a. Predictor: (Contant), Primul salariu, Nivelul de educaţie (ani)
b. Dependent Variable: Salariul curent

Precizați care din următoarele afirmații sunt corecte:

a. modelul de regresie multiplă liniară cu două variabile independente este semnificativ statistic
b. raportul de corelație multiplă este semnificativ diferit de zero
c. modelul de regresie multiplă liniară cu două variabile independente nu este semnificativ statistic

10