ECONOMETRIE – Curs 11

Prof. univ. dr. Mariana Hatmanu

- anul universitar 2022-2023 -

1
 I. Modele de regresie simplă neliniare în
parametri şi neliniare în variabile, dar
liniarizabile prin logaritmare:

• 1. Modele log-liniare:
- Modelul putere (Power)
- Modele de tip funcţie de producţie
• 2. Modele semi-logaritmice:
- Modelul compus (Compound)
- Modelul de creştere (Growth)
- Modelul exponenţial (Exponential)

2
I. 2. Modele semi-logaritmice (Modele de tip
exponenţial )

a) Modelul Compus (Compound) – model semi-

logaritmic
Forma generală a modelului:

Y   0  1 X  e

Ecuaţia se liniarizează prin logaritmare:

ln Y  ln  0  X  ln 1  

3
Y   0  1  e
X
ln Y  ln  0  X  ln 1  
Modelul Compus (Compound)
Parametrii modelului: β 0 >0; β 1 >0  1  R
- β0 reprezintă valoarea medie a lui Y atunci când
X=0; M (Y | X  0)   0
- ln β 1 arată variaţia medie relativă a lui Y la
variaţia absolută a lui X cu o unitate.
- 100 * ln β 1 arată variaţia medie procentuală a lui
Y la variaţia absolută a lui X cu o unitate.

4
 Modelul Compus (Compound)

Parametrii modelului:
Dacă 1  1 , atunci legătura dintre cele două
variabile este directă.
Dacă 0  1  1 , atunci legătura dintre cele două
variabile este inversă sau indirectă.

5
 Modelul Compus (Compound)
Estimarea parametrilor modelului de regresie
liniarizat prin logaritmare se face prin MCMMP:
2
 i  min im
e
- O valoarea observată:
ln yi  ln b0  xi ln b1  ei
- O valoare estimată:
ln y xi  ln b0  xi ln b1
Sistemul de ecuaţiin
normale:
n
n ln b0 + ln b1  xi =  ln y i
i 1 i 1
n n n
ln b0  xi + ln b1  xi2 =  xi ln yi
i 1 i 1 i 1 6
 Modelul Compus (Compound)

n  xi ln yi   xi  ln yi b1*
b1*  ln b1  ; b1  e
n  xi   xi 
2 2

2
b*0  ln b0 
 ln y i  i   xi  xi ln yi
x
; b0  e b*0
n  xi2   xi 2

7
 Modelul Compus (Compound)

Testarea semnificaţiei parametrilor

• Ipoteze
• Testul Student
• Interpretare

Intensitatea legăturii dintre variabile



- Raportul de corelaţie ( , cu estimaţia R)

- Raportul de determinare (  2 , cu estimaţia
R2)
8
 Modelul Compus (Compound)– legătură
directă
•Exemplu
Se consideră legătura dintre Investiţii
(variabila dependentă) şi PIB (variabila
independentă).

9
 Modelul Compus (Compound)
• Legătură directă

Coefficients

Unstandardized Standardized
Coefficients Coefficients
B Std. Error Beta t Sig.
PIB 1.066 .011 2.618 96.668 .000
(Constant) 1.151 .218 5.283 .013
The dependent variable is ln(Investitii).

10
 Modelul Compus (Compound)

Investitii

5,0 Observed
Compound

4,5

4,0

3,5

3,0

2,5

2,0

10,0 12,5 15,0 17,5 20,0 22,5 25,0

PIB 11
 Modelul Compus (Compound)
• Legătura indirectă

Coefficients

Unstandardized Standardized
Coefficients Coefficients
B Std. Error Beta t Sig.
Rata_somajului .907 .014 .385 64.671 .000
(Constant) 8.196 .362 22.667 .000
The dependent variable is ln(Rata_salariu_anual_real).

12
Modelul Compus (Compound)
Rata_salariu_anual_real

Observed
Compound

7,00

6,50

6,00

5,50

1,50 2,00 2,50 3,00 3,50 4,00 4,50

13
Rata_somajului
 I. 2. Modele semi-logaritmice
(Modele de tip exponenţial )

b) Modelul de Creştere (Growth)

1. Forma generală a modelului:

 0   1 X 
Y e
Ecuaţia se liniarizează prin logaritmare:
ln Y  0  1  X  

14
 Y  e 0   1 X  ln Y   0   1  X  

Modelul de creştere (Growth)

Parametrii modelului:

- eβ0 este valoarea medie a lui Y atunci când X=0;

0
M (Y | X  0)  e
- β1 arată variaţia medie relativă a lui Y la variaţia absolută a
lui X cu o unitate.
- 100*β1 arată variaţia medie procentuala a lui Y la variaţia
absolută a lui X cu o unitate.

- Semnul lui β1 indică sensul legăturii dintre cele două

variabile
15
 Modelul Growth (de creştere) – legătură
directă
•Exemplu
Se consideră legătura dintre Investiţii
(variabila dependentă) şi PIB (variabila
independentă).

16
 Coefficients

Unstandardized Standardized
Coefficients Coefficients
B Std. Error Beta t Sig.
PIB .063 .010 .962 6.138 .009
(Constant) .141 .189 .744 .511
The dependent variable is ln(Investitii).

Ecuaţia estimată a legăturii dintre cele

două variabile este:
0,141 0, 063 xi
y xi  e

Logaritmând ecuaţia de mai sus, se obţine:

ln y xi  0,141  0,063xi
17
 0 ,141 0 , 063 xi
y xi  e ln y xi  0,141  0,063xi

Interpretare:
• 0 : Nivelul mediu al variabilei dependente
este e0,141=1,151, atunci când variabila
independentă este X=0.
• 1  0,063 Modificarea absolută PIB-ului cu 1
mld. euro, determină modificarea relativă
(procentuală) a volumului investiţiilor, în medie,
în acelaşi sens, cu 0,063 unităţi (6,3%).

18
Modelul Growth (de creştere) – legătură
directă

Investitii

5,0 Observed
Growth

4,5

4,0

3,5

3,0

2,5

2,0

10,0 12,5 15,0 17,5 20,0 22,5 25,0

PIB 19
Modelul Growth (de creştere) – legătură
indirectă

Coefficients

Unstandardized Standardized
Coefficients Coefficients
B Std. Error Beta t Sig.
Rata_somajului -.098 .015 -.954 -6.347 .003
(Constant) 2.104 .044 47.685 .000
The dependent variable is ln(Rata_salariu_anual_real).

20
Modelul Growth (de creştere) – legătură
indirectă
Rata_salariu_anual_real

Observed
Growth

7,00

6,50

6,00

5,50

1,50 2,00 2,50 3,00 3,50 4,00 4,50

Rata_somajului 21
 I. 2. Modele semi-logaritmice
(Modele de tip exponenţial )

• Modelul Exponential

1. Forma generală a modelului:

1 X 
Y  0  e e

Ecuaţia se liniarizează prin logaritmare:

ln Y  ln  0  1  X  
22
Y   0  e 1 X  e   0  e 1 X  ln Y  ln  0   1  X  
Modelul Exponential
Parametrii modelului:
- β0 este valoarea medie a lui Y atunci când X=0.
M (Y | X  0)   0
- β1 arată variaţia medie relativă a lui Y la variaţia absolută a lui
X cu o unitate.
- 100*β1 arată variaţia medie procentuală a lui Y la variaţia
absolută a lui X cu o unitate.

- Semnul lui β1 indică sensul legăturii dintre cele două

variabile

23
 Modelul Exponential – legătură directă

•Exemplu
Se consideră legătura dintre Investiţii (variabila
dependentă) şi PIB (variabila independentă).

24
 Coefficients

Unstandardized Standardized
Coefficients Coefficients
B Std. Error Beta t Sig.
PIB .063 .010 .962 6.138 .009
(Constant) 1.151 .218 5.283 .013
The dependent variable is ln(Investitii).

Ecuaţia estimată a legăturii dintre cele două

variabile este:

Y  1,151 e 0, 063 X
e

Logaritmând ecuaţia de mai sus, se obţine:

ln y xi  ln 1,151  0,063xi
25
 
Y  1,151 e 0 , 063 X
e
ln y xi  ln 1,151  0,063xi
Interpretare:
• 0  1,151: Nivelul mediu al variabilei dependente
este 1,151 unităţi, atunci când variabila
independentă este X=0.
• 1 : Modificarea absolută PIB-ului cu 1 mld.
euro, determină modificarea relativă
(procentuală) a volumului investiţiilor, în medie,
în acelaşi sens, cu 0,063 unităţi de măsură
(6,3%).

26
Modelul Exponential – legătură directă

Investitii

5,0 Observed
Exponential

4,5

4,0

3,5

3,0

2,5

2,0

10,0 12,5 15,0 17,5 20,0 22,5 25,0 27

PIB
Modelul Exponential – legătură indirectă

Coefficients

Unstandardized Standardized
Coefficients Coefficients
B Std. Error Beta t Sig.
Rata_somajului -.098 .015 -.954 -6.347 .003
(Constant) 8.196 .362 22.667 .000
The dependent variable is ln(Rata_salariu_anual_real).

28
Modelul Exponential – legătură indirectă

Rata_salariu_anual_real

Observed
Exponential

7,00

6,50

6,00

5,50

1,50 2,00 2,50 3,00 3,50 4,00 4,50

Rata_somajului

29
 Y   0  1  e Y  e  0   1 X  Y   0  e 1 X  e   0  e 1 X 
X

Modelele Compound, creştere şi exponenţial

Model Summary and Parameter Estimates

Dependent Variable: Investitii

Model Summary Parameter Estimates
Equation R Square F df1 df2 Sig. Constant b1
Compound .926 37.677 1 3 .009 1.151 1.066
Growth .926 37.677 1 3 .009 .141 .063
Exponential .926 37.677 1 3 .009 1.151 .063
The independent variable is PIB.

30
Modelele Compound, Investitii
creştere şi exponenţial
5,0 Observed
Compound
Growth
4,5 Exponential

4,0

3,5

3,0

2,5

2,0

10,0 12,5 15,0 17,5 20,0 22,5 25,0

31
PIB
II. Modele de regresie liniare în parametri şi neliniare în variabile
2. Modele polinomiale

a) Modelul parabolic: cel mai simplu model polinomial

este modelul parabolic (Quadratic).
Y   0  1  X   2  X 2  

La nivelul eşantionului:
YX  b0  b1  X  b2  X 2

32
 a) Modelul parabolic

• Aplicabilitate:
- modelul parabolic este folosit, de exemplu, pentru descrierea
relaţiei dintre costul unitar şi producţia realizată: costul
unitar scade concomitent cu creşterea producţiei până la un
nivel optim al producţiei, după care, dacă producţia continuă
să crească, începe să crească şi costul unitar (vezi graficul
din exemplu).

33
 a) Modelul parabolic

y '  b1  2b2 x  0 34
 Exemplu
Cost unitar

50.00 Observed

Ecuaţia estimată este:

Quadratic

40.00

yxi=89,041-
30.00
25,795xi+2,114xi2
20.00

10.00

2.00 3.00 4.00 5.00 6.00 7.00 8.00 9.00

Productia

Coefficients

Unstandardized Standardized
Coefficients Coefficients
B Std. Error Beta t Sig.
Productia -25.795 3.895 -5.322 -6.623 .000
Productia ** 2 2.114 .351 4.842 6.026 .001
(Constant) 89.041 9.231 9.646 .000
35
Interpretare:
• β2>o, deci legătura de tip parabolic admite un punct de
minim.

• Coordonatele punctului de minim arată nivelul optim al

producţiei pentru care costul unitar este minim. Abscisa
acestui punct este:
 b1  (25,79)
f ' ( x)  b1  2b2 x  0 x   6,11
2b2 4,22
Pentru o producţie de 6 bucăţi din produsul A, costul este
minim.
f ( x)  f (6,11)  .........

36
 b. Modelul cubic

În economie acest model este folosit pentru descrierea

relaţiei dintre costul total şi valoarea producţiei.

Y   0  1  X   2  X 2   3  X 3  

37
• Reprezentarea grafică a modelului cubic prezintă un
punct de maxim, un punct de minim şi un punct de
inflexiune.
• Abscisele punctelor de extrem sunt date de soluţiile
ecuaţiei de gradul doi:
f ' ( x)  b1  2b2 x  3b3 x 2  0

ax 2  bx  c  0
b 
x1, 2 
2a
  b 2  4ac
38
 .
• Abscisa punctului de inflexiune este
dată de soluţia ecuaţiei
f ' ' ( x)  2b2  6b3 x  0
b Coefficients
x 2 Unstandardized Standardized
3b3 Coefficients Coefficients
B Std. Error Beta t Sig.
PIB 2,931 ,071 1,197 41,218 ,000
PIB ** 2 -3,9E-007 ,000 -,361 -4,932 ,000
PIB ** 3 7,73E-014 ,000 ,165 . .
(Constant) -3962,660 11506,083 -,344 ,737

Grad de urbanizare (%)

100

80

60

40

20

0
39
0 5000 10000 15000 20000 25000

PIB / loc