Documente Academic
Documente Profesional
Documente Cultură
REGRESIA NELINIARĂ
&
VERIFICAREA IPOTEZELOR MODELULUI DE REGRESIE
I. REGRESIA NELINIARĂ
A. MODELE LINIARIZABILE
Modele cu variabila dependentă logaritmată și variabila independentă logaritmată: Modelul Power
(de tip putere/ log-liniar)
Modele cu variabila dependentă logaritmată: Compound (Compus), Growth (Creștere), Exponential
(Exponențial)
B. MODELE POLINOMIALE
Modelul parabolic
Modelul cubic
A. MODELE LINIARIZABILE
MODELE CU VARIABILA DEPENDENTĂ LOGARITMATĂ ȘI VARIABILA INDEPENDENTĂ
LOGARITMATĂ
F.L.: 𝑙𝑙𝑙𝑙 𝑌𝑌 = 𝑙𝑙𝑙𝑙 𝛽𝛽0 + 𝑋𝑋 ⋅ 𝑙𝑙𝑙𝑙 𝛽𝛽1 + 𝜀𝜀 F.L.: 𝑙𝑙𝑛𝑛𝑌𝑌 = 𝛽𝛽0 + 𝛽𝛽1𝑋𝑋 + 𝜀𝜀 F.L.: 𝑙𝑙𝑛𝑛𝑌𝑌 = 𝑙𝑙𝑛𝑛𝛽𝛽0 + 𝛽𝛽1𝑋𝑋 + 𝜀𝜀
MODELUL LOGARITMIC
Forma modelului:
Y = β 0 + β 1 ⋅ ln X + ε
Procedee grafice:
- Scatter plot
HOMOSCEDASTICITATE HETEROSCEDASTICITATE
X
A. Ipoteze asupra componentei aleatoare sau
asupra variabilei eroare:
2. HOMOSCEDATICITATEA ERORILOR:V(εi)=σ2
3. Model auxiliar: 𝜺𝜺𝑖𝑖 = 𝛂𝛂𝟎𝟎 + 𝛂𝛂𝟏𝟏 ⋅ 𝐱𝐱 𝐢𝐢 + 𝐮𝐮𝐢𝐢 3. Model auxiliar: εi2=α0 +α1X1i+ α2X2i+𝒖𝒖𝒊𝒊
40 10
30
20
-5
10
-10
Mean = 3.6082248E-16
Std. Dev. = 4.96773143
N = 392
0
-20.00000 -10.00000 0.00000 10.00000 20.00000 -15
Unstandardized Residual -20 -10 0 10 20
Observed Value
A. Ipoteze asupra componentei aleatoare sau
asupra variabilei eroare:
3. NORMALITATEA ERORILOR: : 𝜺𝜺𝒊𝒊 ~𝑵𝑵(𝟎𝟎, 𝝈𝝈𝟐𝟐 )
Testarea ipotezei cu privire la normalitatea erorilor:
•Teste numerice: testul Kolomogorov-Smirnov, testul Jarque-Bera
Testul Kolmogorov-Smirnov Testul Jarque-Bera
Ipoteze: Ipoteze:
H0: 𝜀𝜀𝑖𝑖~𝑁𝑁(0,𝜎𝜎2) H0: 𝜀𝜀𝑖𝑖~𝑁𝑁(0,𝜎𝜎2)
H1: distribuţia erorilor nu urmează o lege normală H1: distribuţia erorilor nu urmează o lege normală
Regula de decizie: 𝑱𝑱𝑱𝑱𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕 : 𝝌𝝌𝟐𝟐𝜶𝜶,𝟐𝟐 =𝝌𝝌𝟐𝟐𝟎𝟎.𝟎𝟎𝟎𝟎,𝟐𝟐 =5.991
- 𝑆𝑆𝑖𝑖𝑔𝑔 ≥ 𝛼𝛼 => nu se respinge H0 𝒏𝒏 𝒌𝒌𝟐𝟐
𝑱𝑱𝑱𝑱𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄 = ⋅ 𝒔𝒔𝒘𝒘𝟐𝟐 +
- 𝑆𝑆𝑖𝑖𝑔𝑔 < 𝛼𝛼 => se respinge H0 𝟔𝟔 𝟒𝟒
Regula de decizie:
2
𝑱𝑱𝑱𝑱𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄 ≤ 𝜒𝜒𝛼𝛼,2 , nu se respinge H0 ;
2
𝑱𝑱𝑱𝑱𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄 > 𝜒𝜒𝛼𝛼,2 , se respinge H0, cu o probabilitate de (1−𝛼𝛼).
A. Ipoteze asupra componentei
aleatoare sau asupra variabilei eroare:
NECORELAREA ERORILOR: COV(ε𝒊𝒊, ε𝒋𝒋 ) = 𝟎𝟎
• Testul Durbin-Watson • Testul RUNS
Ipoteze: Ipoteze:
H0 : k este distribuit normal
H0: erorile nu sunt autocorelate (ρ = 0)
H1 : k nu este distribuit normal
H1: erorile sunt autocorelate (ρ ≠ 0 ) Regula de decizie:
DWcalculat (𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀 𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆) - sig ≥ 𝛼𝛼 ⇒ nu se respinge H0
2. TOLERANCE:
𝟏𝟏
𝐓𝐓𝐓𝐓𝐋𝐋𝐣𝐣 = = (𝟏𝟏 − 𝐑𝐑𝟐𝟐𝐣𝐣 )
𝐕𝐕𝐕𝐕𝐅𝐅𝐣𝐣
◦ Dacă TOL = 1 => ∄ coliniaritate,
◦ Dacă TOL = 0 => coliniaritate perfectă
APLICAȚII GRILĂ
1. Pentru erorile unui model de regresie s-au obținut următoarele rezultate:
One-Sample Statistics
Std. Std. Error
N Mean Deviation Mean
Unstandardized 155 .0000000 11.18166069 .89813260
Residual
Pe baza rezultatelor de mai sus, pentru o probabilitate de 0,95, se poate considera că:
a. Erorile sunt homoscedastice
b. Erorile sunt autocorelate
c. H0: M(εi)=0
d. H0: cov(εi, εi)=0
3. Cu privire la erorile unui model de regresie liniară simplă s-au obținut următoarele rezultate:
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -5.648 7.326 -.771 .460
Yx = 1040,985 -13,6585X1+0,014486X2
Descriptive Statistics
Std.
N Mean Deviation Skewness Kurtosis
Std. Std.
Statistic Statistic Statistic Statistic Error Statistic Error
Unstandardized 11 .0000000 3.17671568 -.792 .661 1.203 1.279
Residual
Valid N (listwise) 11
d. 𝜀𝜀𝑖𝑖~𝑁𝑁(0,𝜎𝜎2)
7. Pentru un model de regresie liniară multiplă, coliniaritatea este perfectă, atunci când:
a. Între variabilele independente, există o legătură liniară deterministă de forma: λ1 𝑋𝑋1 + λ2 𝑋𝑋2 + ⋯ + λ𝑝𝑝 𝑋𝑋𝑝𝑝 = 0
b. Între variabilele independente, există o legătură liniară stochastică de forma: λ1 𝑋𝑋1 + λ2 𝑋𝑋2 + ⋯ + λ𝑝𝑝 𝑋𝑋𝑝𝑝 + 𝑢𝑢 = 0
c. Între variabilele independente, nu există o legătură liniară
d. Între variabila dependentă și variabilele independente, există o legătură liniară deterministă de forma: λ1 𝑋𝑋1 +
λ2 𝑋𝑋2 + ⋯ + λ𝑝𝑝 𝑋𝑋𝑝𝑝 = 0
10. În vederea testării ipotezei de necoliniaritate dintre variabilele 𝑋𝑋1 și 𝑋𝑋2 s-a creat un model de regresie
auxiliar pentru care s-a obținut un raport de determinație egal cu 𝑅𝑅12 =0,875. Se poate considera că:
Z -.686
Asymp. Sig. (2-tailed) .492
a. Median
15. Pentru testarea ipotezei de normalitate a erorilor se utilizează testele:
a. QQ plot
b. Student
c. Jarque-Bera
d. Fisher
Coefficients
Standardized
Unstandardized Coefficients Coefficients
B Std. Error Beta t Sig.
ln(IDU) 7.813 .531 .980 14.721 .000
Coefficients
Standardized
Unstandardized Coefficients Coefficients
B Std. Error Beta t Sig.
ln(Inflatie) .845 .036 .451 23.457 .000
Coefficientsa
Standardize
Unstandardized d
Coefficients Coefficients
Model B Std. Error Beta
1 (Constant) 13140.501 751.092
a. |tcalculat|=2.242 < tteoretic=2.576, nu există o legătură liniară semnificativă între erori în mărime absolută și
valorile variabilei independente, prin urmare erorile sunt homoscedastice
b. La o creștere cu 1 lună a experienței anterioare, salariul curent scade, în medie, cu 12,843 mii $
c. |tcalculat|=2.242 < tteoretic=2.576, erorile sunt heteroscedastice
d. Varianța erorilor nu este constantă
20. În urma analizei legăturii dintre variabilele independente ale unui model de regresie, s-au obținut
următoarele rezultate:
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
23. Dacă pentru un model de regresie liniară multiplă, indicatorul Tolerance ia valoarea TOL=1, atunci
variabilele independente sunt:
a. Normal distribuite
b. Dependente
c. Necoliniare
d. Corelate
24. Rezultatele modelării legăturii dintre Salariul curent (Y- mii $) și Nivelul de educație (X-ani) cu ajutorul unui
model Growth, pentru un eșantion de angajați, se prezintă în tabelul de mai jos:
Coefficients
Unstandardized Standardized
Coefficients Coefficients
26. Estimarea relatiei dintre factorii de productie: Forţa de muncă (L) si Capitalul fix (K) şi rezultatul exploatării acestora:
Productia (Y), pentru firmele dintr-o anumita ramura de activitate economica, este:
Y = 𝟒𝟒. 𝟏𝟏𝟏𝟏𝟏𝟏 · 𝑳𝑳𝟎𝟎.𝟏𝟏𝟏𝟏𝟏𝟏 · 𝑲𝑲𝟎𝟎.𝟐𝟐𝟐𝟐𝟐𝟐
Este adevărată afirmația:
a. dacă valoarea forţei de muncă (L) se mentine constantă, atunci o creştere cu 1% a nivelului Capitalului fix (K) duce la
creşterea medie cu 0,175% a Producţiei.
b. în perioada analizată, procesul de producţie s-a caracterizat printr-un randament de scară descrescător
c. creștere cu 1% a nivelului forței de muncă (L) duce la creșterea medie a producției cu 175%, în condițiile în care
capitalul fix se menține constant
d. în perioada analizată, procesul de producţie s-a caracterizat printr-un randament de scară crescător
27. În studiul legăturii dintre Salariul curent (Y – mii$) și Nivelul de educație (X – ani), pentru un eșantion de
angajați, s-au estimat următoarele modele:
d. Pentru a descrie legătura dintre cele doua variabile, cele mai adecvate modele sunt Logaritmic și Growth
28. Conform graficului prezentat, se poate considera
că:
c. 𝜀𝜀𝑖𝑖~𝑁𝑁(0,𝜎𝜎2)
Model Summaryb
Adjusted R Std. Error of
Model R R Square Square the Estimate Durbin-Watson
1 .666 a .444 .441 $12,771.556 1.879
a. Predictors: (Constant), Months since Hire, Previous Experience (months),
Educational Level (years)