Modele de regresie neliniară

Cercetarea impune apelul la modelele de regresie neliniară, caz in care variația variabilei
dependente nu depinde doar de variația variabilei independente, ci și de valoarea variabilei factoriale la
care se înregistrează această variație. Mai exact viteza de variația a variabilei dependente nu este
constantă, ci depinde de valorile variabilei independente, de valorile variabilei dependente sau simultan
de ambele.

Se disting două mari clase de modele neliniare:

I. Modele liniarizabile = acele modele neliniare care se pot transforma în modele liniare prin
logaritmare
 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)
 Modele cu variabila independentă logaritmată: Semilogaritmic

II. Modele polinomiale = modele care exprimă relația dintre variabilele X și Y cu ajutorul unui
polinom de gradul 2,3, etc.
 Modelul parabolic
 Modelul cubic

I. Modele liniarizabile
A. Modele cu variabila dependentă logaritmată și variabila independentă logaritmată
 MODELUL DE TIP PUTERE (POWER)
β1 ε
Forma generala a modelului: Y = β0 ⋅ X ⋅e

Forma liniarizată: ln Y =ln β 0+ β1 ⋅ ln X + ε

Modelul log-liniar poate fi transformat într-un model liniar făcând următoarele notaţii:

y ¿i =ln yi
¿
β 0=ln β 0

β ¿1= β 1

x ¿i =ln xi
¿
ε i =εi
¿ ¿ ¿ ¿ ¿
 y i = β 0+ β 1 x i +ε i
 Interpretarea parametrilor modelului:

 parametrul β0: valoarea medie a variabilei dependente Y, când variabila independentă X ia

valoarea 1;

 parametrul β1 al modelului (*): exprimă variaţia medie relativă (procentuală) a variabilei

dependente Y la o variaţie relativă (procentuală) cu o unitate a variabilei independente X.

d Y ¿ d ln Y
β 1=β ¿1= ¿=
d X d ln X
! parametrul β1=elasticitatea variabilei dependente y în raport cu variabila independentă X

Elasticitatea unei variabile Y în raport cu o altă variabilă X reprezintă modificarea relativă

(procentuală) a variabile Y la o modificare relativă (procentuală) a lui X cu o unitate.

ΔY
100
% mod i f . Y Y ΔY X
• Elasticitatea poate fi determinată prin relaţia: E= = =
% mod i f . X ΔX ΔX Y
100
X
EXEMPLE:

1. Pentru un eșantion de 109 țări se studiază legătura dintre mortalitatea infantilă (decese la o mie
de născuți vii) și produsul intern brut/loc ($). Rezultatele obținute sunt prezentate în tabelele de
mai jos:

Grafic1: Legătura dintre mortalitatea infantila şi PIB/loc

 Coefficients
Standardized
Unstandardized Coefficients Coefficients
B Std. Error Beta t Sig.
ln(Gross domestic product / -.628 .034 -.871 -18.337 .000
capita)
(Constant) 3755.157 1029.735 3.647 .000
The dependent variable is ln(Infant mortality (deaths per 1000 live births)).

ANOVA
Sum of Squares df Mean Square F Sig.
Regression 86.842 1 86.842 336.253 .000
Residual 27.634 107 .258
Total 114.476 108
The independent variable is Gross domestic product / capita.

Model Summary
Adjusted R Std. Error of the
R R Square Square Estimate
.871 .759 .756 .508
The independent variable is Gross domestic product / capita.

a. Să se identifice natura variabilelor.

b. Să se specifice ce model este prezentat și să se scrie ecuaţia estimată a acestuia.
c. Să se interpreteze estimațiile parametrilor de regresie

2. În studiul legăturii dintre Valoarea investiţiilor (X-mii lei) şi Valoarea producţiei (Y- mil. lei) s-au
obţinut următoarele rezultate:
Coefficients

Unstandardized Standardized
Coefficients Coefficients
B Std. Error Beta t Sig.
ln(xi) 1.424 .130 .988 10.942 .002
(Constant) 1.873 .271 6.903 .006
The dependent variable is ln(VAR00001).
 Să se scrie ecuaţia estimată a modelului şi să se interpreteze estimaţiile obţinute.

• FUNCȚIA DE PRODUCȚIE COBB-DOUGLAS

- Este un model de regresie neliniar multiplu de tip log-liniar, de forma:
β1 β2 βk εi
y i=β 0 ⋅ x 1i ⋅ x 2i ⋅... ⋅ xik e
- Modelul de producţie cu doi factori, munca (L) şi capitalul (K), are forma:
β1 β2 εi
y i=β 0 ⋅ Li ⋅ K i ⋅ e

Interpretare parametri

 β0 este nivelul mediu al producţiei pentru K=1 şi L=1;

 β1 este elasticitatea parţială a producţiei în raport cu munca;

 β2 este elasticitatea parţială a producţiei în raport cu capitalul;

 β1+β2 este elasticitatea totală a producţiei în raport cu cei doi factori. Se numeşte randament de
scară.

Interpretarea elasticităţii totale

 β1+β2 =1: variaţie constantă a producţiei în raport cu factorii de producţie (de ex. dacă se
dublează inputul, atunci se dublează outputul);

 β1+β2 <1: variaţie cu o viteză mai redusă a producţiei în raport cu variaţia factorilor (dacă se
dublează inputul, atunci outputul crește într-o măsură mai mică, adică nu sr realizează o dublare
a producției);

 β1+β2 >1: variaţie mai accelerată a producţiei în raport cu variaţia factorilor.

EXEMPLE:
1. Se studiaza legatura dintre productia agrícola (RON), numarul mediu de salariati din agricultura
(persoane) – X1 si suprafata agrícola (ha)- X2 si se obtin urmatoarele rezultate folosind un model
de regresie multipla de tip putere.

Coefficients

Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) 6.758 1.325 5.102 .000

lnsuprafagric .471 .116 .540 4.072 .000
lnsalaragric .143 .080 .236 1.781 .083
 a. Dependent variable: lnprodagric

a. Să se identifice natura variabilelor.

b. Să se specifice ce model este prezentat și să se scrie ecuaţia estimată a acestuia.
c. Să se interpreteze estimațiile parametrilor de regresie
2. Pentru exemplificarea modelului funcţiei de producţie, se consideră variabila dependentă,
volum de lemn recoltat (mii m3), şi variabilele independente, numărul mediu de salariaţi din
sivicultură (persoane) şi suprafaţa forestieră (ha), înregistrate la nivelul judeţelor din România,
în anul 2012.

Unstandardized Standardize
Coefficients d
Model Coefficients t Sig.
B Std. Error Beta
1 (Constant) 5,338 1,540 3,466 ,000
ln(Numar_angajati) ,437 ,133 ,204 3,295 ,002
ln(Suprafata_forestiera) 1,112 ,069 ,999 16,160 ,000
a. Dependent Variable: ln(Volum_lemn_recoltat)

a. Să se identifice natura variabilelor.

b. Să se specifice ce model este prezentat și să se scrie ecuaţia estimată a acestuia.
c. Să se interpreteze estimațiile parametrilor de regresie.

B. Modele cu variabila dependentă logaritmată

B.1. Modelul Compound (compus)
X ε
Forma generală a modelului: Y = β0 ⋅ β 1 ⋅e

Forma liniarizată: ln Y =ln β 0+ X ⋅ ln β1 + ε

Interpretarea coeficienţilor de regresie sau a parametrilor modelului :

d ln Y
ln β 1=
 dX - indică variaţia relativă a lui Y la o variaţie absolută a lui X cu o unitate.
 β0 este valoarea lui Y pentru X=0. Variabila Y are numai valori pozitive, deci β0 satisface condiţia
β0 >0.
 β1 arată variaţia medie procentuală a lui Y la o variaţie absolută a lui X cu o unitate. Reprezintă
rata de creştere sau reducere a variabilei Y în raport cu variabila X.
 Dacă β1>1, atunci legătura dintre cele două variabile este directă.
 Dacă 0<β1<1, atunci legătura dintre cele două variabile este indirectă.

Interpretarea estimațiilor punctuale:

 𝒃𝟎 reprezintă valoarea medie estimată a variabilei dependente (𝑌), atunci când variabila
independentă (𝑋) este egală cu 0.
  b1 =[(𝒍𝒏𝒃𝟏) ∗ 𝟏𝟎𝟎]% arată că, la o creştere cu 1 unitate a variabilei independente (𝑋), variabila
dependentă variază, în medie, cu [(𝒍𝒏𝒃𝟏) ∗ 𝟏𝟎𝟎]%.
 b1 =[(𝒍𝒏𝒃𝟏) ∗ 𝟏𝟎𝟎]% reprezintă rata de creştere a variabilei dependente (𝑌) în raport cu
variabila independentă (𝑋).

EXEMPLE:

1. Se considera legătura dintre Speranța de viață a femeilor și Produsul intern brut (Euro), folosind
un model compus, s-au obținut următoarele rezultate:

Coefficients
Unstandardized Standardized
Coefficients Coefficients
B Std. Error Beta t Sig.
PIB 1.000016 .000002 1.828 499376.253 .000
(Constant) 63.172 1.102 57.304 .000
The dependent variable is ln (Speranta de viata femei).

a. Să se identifice natura variabilelor.

b. Să se specifice ce model este prezentat și să se scrie ecuaţia estimată a acestuia.
c. Să se interpreteze estimațiile parametrilor de regresie.

2. În urma analizei legă turii dintre Produsul Intern Brut (euro) şi Rata inflaţiei (%),
înregistrate pentru ţă rile Uniunii Europene, s-au obţinut urmă toarele rezultate folosind un
model compus:
 a. Să se identifice natura variabilelor.
b. Să se specifice ce model este prezentat și să se scrie ecuaţia estimată a acestuia.
c. Să se interpreteze estimațiile parametrilor de regresie.
d. Să se verifice dacă parametrii modelului de regresie sunt semnificativi statistic.
e. Să se verifice semnificația modelului.

B.2. Modelul Growth (creștere)

Forma generală: 𝑌 = 𝑒𝛽0+𝛽1𝑋+𝜀

Forma liniarizată: 𝑙𝑛𝑌 = 𝛽0 + 𝛽1𝑋 + 𝜀

Interpretarea coeficienţilor de regresie sau a parametrilor modelului :

 β0 este valoarea lui Y pentru X=0. Variabila Y are numai valori pozitive, deci β0 satisface condiţia
β0 >0.
 β1 arată variaţia medie procentuală a lui Y la o variaţie absolută a lui X cu o unitate. Reprezintă
rata de creştere sau reducere a variabilei Y în raport cu variabila X.

Interpretarea estimațiilor punctuale:

 𝒃𝟎 = 𝒆𝒃𝟎 reprezintă valoarea medie estimată a variabilei dependente (𝑌), atunci când variabila
independentă (𝑋) este egală cu 0.
 b1 =(𝒃𝟏 ∙ 𝟏𝟎𝟎)% arată că, la o creştere cu 1 unitate a variabilei independente (𝑋), variabila
dependentă (𝑌) variază, în medie cu (𝒃𝟏 ∙ 𝟏𝟎𝟎)%.
 b1 =(𝒃𝟏 ∙ 𝟏𝟎𝟎)% reprezintă rata de creştere a variabilei dependente (𝑌) în raport cu variabila
 independentă (𝑋).

EXEMPLU: Se considera legătura dintre Pretul autoturismului (mii $) si Puterea motorului (cai putere)
folosind un model creștere, s-au obținut următoarele rezultate:

Coefficients
Standardized
Unstandardized Coefficients Coefficients
B Std. Error Beta t Sig.
Horsepower .007 .000 .873 22.114 .000
(Constant) 1.899 .061 30.881 .000
The dependent variable is ln(Price in thousands).

a. Să se identifice natura variabilelor.

b. Să se specifice ce model este prezentat și să se scrie ecuaţia estimată a acestuia.
c. Să se interpreteze estimațiile parametrilor de regresie.

B.3. Modelul exponențial

β X ε
Forma generală: Y = β0 ⋅e ⋅e 1

Forma liniarizată: 𝑙𝑛𝑌 = 𝑙𝑛𝛽0 + 𝛽1𝑋 + 𝜀

Interpretarea coeficienţilor de regresie sau a parametrilor modelului :

 β0 este valoarea lui Y pentru X=0. Variabila Y are numai valori pozitive, deci β0 satisface condiţia
β0 >0.
 β1 arată variaţia medie procentuală a lui Y la o variaţie absolută a lui X cu o unitate. Reprezintă
rata de creştere sau reducere a variabilei Y în raport cu variabila X.

Interpretarea estimațiilor punctuale:

 𝒃𝟎 = 𝒃𝟎- reprezintă valoarea medie estimată a variabilei dependente (𝑌), atunci când variabila
independentă (𝑋) este egală cu 0..
 b1= (𝒃𝟏 ∙ 𝟏𝟎𝟎)% arată că, la o creştere cu 1 unitate a variabilei independente (𝑋), variabila
dependentă (𝑌) variază, în medie cu (𝒃𝟏 ∙ 𝟏𝟎𝟎)%.
 b1 =(𝒃𝟏 ∙ 𝟏𝟎𝟎)% reprezintă rata de creştere a variabilei dependente (𝑌) în raport cu variabila
independentă (𝑋).
EXEMPLE:
1. În studiul legăturii dintre Salariul curent ($) și nivelul de educatie (ani), înregistrate pe un
eșantion de 222 de angajați, folosind un model exponential, s-au obtinut următoarele rezultate:

Coefficients

Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

Educational Level (years) .097 .006 .726 15.653 .000

(Constant) 8656.840 744.794 11.623 .000

The dependent variable is ln(Current Salary).

a. Să se identifice natura variabilelor.

b. Să se specifice ce model este prezentat și să se scrie ecuaţia estimată a acestuia.
c. Să se interpreteze estimațiile parametrilor de regresie.

C. Modele cu variabila independentă logaritmată

C1. Modelul Logaritmic

Forma modelului: 𝑌 = 𝛽0 + 𝛽1𝑙𝑛𝑋 + 𝜀

Ecuația estimată la nivel de eșantion:
- Pentru variabile: 𝑦x = 𝑏0 + 𝑏1𝑙𝑛X
- Pentru valori ale variabilelor: 𝑦𝑥𝑖 = 𝑏0 + 𝑏1𝑙𝑛𝑥𝑖

Interpretarea coeficienţilor de regresie sau a parametrilor modelului :

 Parametrul 𝛽0 indică valoarea medie a variabilei dependente (𝑌), atunci când variabila
independentă (𝑋) este egală cu 1 unitate.
 Parametrul 𝛽1 reprezintă raportul dintre variaţia medie absolută a variabilei dependente (𝑌) la
o variație relativă a variabilei independente cu o unitate. (atunci când 𝑋 creşte cu 1%, 𝑌
variază, în medie, cu 𝜷𝟏⁄𝟏𝟎𝟎 unităţi (unitatea de măsură a lui Y))

Interpretarea estimațiilor punctuale:

 𝒃𝟎 reprezintă valoarea medie estimată a variabilei dependente (𝑌), atunci când variabila
independentă (𝑋) este egală 1 unitate.
 𝒃𝟏⁄𝟏𝟎𝟎 arată cu cât variază, în medie, variabila dependentă (𝑌), atunci când variabila
independentă (𝑋) creşte cu 1% sau La o creştere a variabilei independente (𝑋) cu 1%, variabila
 dependentă (𝑌) variază, în medie, cu 𝒃𝟏⁄𝟏𝟎𝟎 unităţi.

EX: Pentru un eşantion format din 109 țări, s-au înregistrat date pentru speranța de viață a
femeilor (ani) şi PIB/locuitor ($).

Model Summary
R R Square Adjusted R Std. Error of
Square the Estimate
.831 .691 .688 5.907
The independent variable is GDP.

ANOVA
Sum of df Mean Square F Sig.
Squares
Regression 8336.907 1 8336.907 238.935 .000
Residual 3733.441 107 34.892
Total 12070.349 108
The independent variable is GDP.

Coefficients
Unstandardized Coefficients Standardized t Sig.
Coefficients
B Std. Error Beta
ln(GDP) 6.154 .398 .831 15.458 .000
(Constant) 21.670 3.187 6.799 .000

The dependent variable is speranta_viata_femei.

a. Să se identifice natura variabilelor.
b. Să se specifice ce model este prezentat și să se scrie ecuaţia estimată a acestuia.
c. Să se interpreteze estimațiile parametrilor de regresie.

II. MODELE POLINOMIALE

A. MODELUL PARABOLIC (QUADRATIC)

2
Forma generală: Y = β0 + β 1 X + β 2 X + ε
2
Ec. estimată: Yx=b 0+ b1 X +b2 X
  b2>0 => legătura de tip parabolic admite un punct de minim.
 b2<0=> legatura de tip parabolic admite un punct de maxim
 ! Pentru identificarea punctului de extrem si tipul de curba (convexa sau concave), se
utilizeaza conditiile matematice specific ecuatiei de gradul 2:
'
o se obtine solutia derivatei intai: y x =0 => b 1+2 b2 x i=0
i

−b
¿> x i= 1
2 b2
 Coordonatele punctului de minim arată nivelul optim al producţiei pentru care costul unitar
este minim. Abscisa acestui punct este: -b 1/2b2

EX 1: În urma analizei legăturii dintre Costul unitar (unități monetare) şi Producție (sute bucăți),
înregistrate pentru ţările Uniunii Europene, s-au obţinut următoarele rezultate:

Fig 2. Legătura dintre Costul unitar şi Producție

Coefficients
Standardized
Unstandardized Coefficients Coefficients
B Std. Error Beta t Sig.
Productie -11.163 8.507 -2.166 -1.312 .222
Productie ** 2 .764 .767 1.645 .996 .345
(Constant) 60.444 20.628 2.930 .017

Să se specifice ce model este prezentat și să se scrie ecuaţia estimată a acestuia.

Ex 2: În urma analizei legăturii dintre Produsul Intern Brut (euro) şi Ponderea populației urbane (%),
înregistrate pentru ţările Uniunii Europene, s-au obţinut următoarele rezultate:

Fig 1. Legătura dintre PIB şi ponderea populaţiei urbane

Coefficients
Standardized
Unstandardized Coefficients Coefficients
B Std. Error Beta t Sig.
People living in cities (%) -192.855 173.233 -.637 -1.113 .277
People living in cities (%) ** 2 4.081 1.685 1.386 2.422 .024
(Constant) 2564.253 3988.891 .643 .527

Să se specifice ce model este prezentat și să se scrie ecuaţia estimată a acestuia.

B. MODELUL CUBIC

Forma generală: Y = β0 + β1X + β2X2 + β3X3+ε

2
Ec. estimată: Yx=b 0+ b1 X +b2 X + b3X3
EX 1: În urma analizei legăturii dintre Gradul de urbanizare (%) şi PIB/loc ($), înregistrate pentru un
eșantion de țări, s-au obţinut următoarele rezultate:

Coefficients
Standardized
Unstandardized Coefficients Coefficients
B Std. Error Beta t Sig.
Gross domestic product / capita -5.524 4.611 -1.706 -1.198 .443
Gross domestic product / capita ** 2 3.143 1.712 5.937 1.836 .317

Gross domestic product / capita ** 3 -.333 .189 -3.319 -1.764 .328

(Constant) 12.800 3.528 3.628 .171

Să se specifice ce model este prezentat și să se scrie ecuaţia estimată a acestuia.