6.

MODELE NELINIARE

Gujarati(2003): Chapter 6
All rights reserved by Dr.Bill Wan Sing Hung - HKBU

6.2
Recapitularea exerciţiului #5 (Table 7.7 in Gujarati(2003))

All rights reserved by Dr.Bill Wan Sing Hung - HKBU

 6.3

All rights reserved by Dr.Bill Wan Sing Hung - HKBU

6.4

All rights reserved by Dr.Bill Wan Sing Hung - HKBU

 6.5

All rights reserved by Dr.Bill Wan Sing Hung - HKBU

6.6

All rights reserved by Dr.Bill Wan Sing Hung - HKBU

 6.7
Formele funcţionale ale Regresiei
Termenul liniar într-un model de
regresie simplă semnifică că relaţia este
liniară prin parametri; în schimb,
variabilele în acest model pot să nu fie
liniare.

All rights reserved by Dr.Bill Wan Sing Hung - HKBU

Adevăratul model nu este liniar 6.8

Dar utilizând o regresie liniară vom efectua

o previziune eronată
Y
Venit SRF

PRF (model adevărat)

X
15 60 consum
All rights reserved by Dr.Bill Wan Sing Hung - HKBU
 6.9
Liniar contra Neliniar
Exemple de modele statistice liniare
Yi = 1 + 2Xi + ui Yi = 1 + 2 ln(Xi) + ui

ln(Yi) = 1 + 2Xi + ui Yi = 1 + 2X2i + ui

Exemple de modele statistice neliniare

3 3
Yi = 1 + 2Xi + ui Yi = 1 + 2Xi + ui

Yi = 1 + 2Xi + exp(3Xi) + ui
All rights reserved by Dr.Bill Wan Sing Hung - HKBU

6.10
Diferite forme funcţionale
1. Liniară Atenţie la panta
şi coef. de
2. Log-Log elasticitate pentru
fiecare model!
3. Semilogaritmică
• Liniară-Log sau Log-Liniară
4. Polinomială
5. Reciprocă (sau inversă)
All rights reserved by Dr.Bill Wan Sing Hung - HKBU
 6.11
Formele funcţionale ale modelelor de regresie
2. Modelul log-log:
Acesta e un model
Y= 1 X
- 2 ui neliniar
e
Îl transformăm într-un model
ln Y= ln 1 -  2 ln X+ ui
liniar:

ln Y 1 -  2 ln X+ ui
=  *
==>

==> Y = *
1
*
+  2
*
X *
+ ui where  2 = -  2
*

dY
dY* = d ln Y = Y = 2* coeficientul
dX* d ln X dX de
X elasticitate
All rights reserved by Dr.Bill Wan Sing Hung - HKBU

Formele funcţionale ale modelelor de regresie 6.12

Y
lnY
Cantitatea cererii

Y =  1X
- 2
ln Y= ln1 - 2 lnX
Logaritmare


X lnX
preţ lnY
Cantitatea cererii

Y = 1X
2
Logaritmare

ln Y= ln1 + 2 lnX
preţ
X lnX
All rights reserved by Dr.Bill Wan Sing Hung - HKBU
 6.13
Formele funcţionale ale modelelor de regresie
3. Modelul semilogaritmic:
Model log-liniar sau liniar-log.

ln Yi = a1 + a 2 X i + u i
sau
Yi = 1 + 2 ln Xi + u’i
dY
modificarea relativă în y
a2 = modificarea absolută în x
=
d ln Y
= Y =
dY 1
dX dX dX Y
şi
modificarea absolută în y
2 = = dY
d ln X
= dY
dX
X
1
modificarea relativă în x
All rights reserved by Dr.Bill Wan Sing Hung - HKBU

Formele funcţionale ale modelelor de regresie(Cont.)

6.14

4. Polimonială: Termenul la pătrat determină caracterul neliniar

Yi= 1 + 2 Xi +3X2i + ui

Yi Yi
2<0, 3>0

2>0, 3<0
Xi Xi
5. Transformări inverse (sau reciproce)
1
Yi =  1 +  2 ( ) + ui
Xi
1
Yi =  1 +  2 ( Xi ) + u i Xi =
* *
==> unde
Xi
All rights reserved by Dr.Bill Wan Sing Hung - HKBU
Câteva caracteristici ale modelor reciproce: Dacă X creşte la infinit, atunci (1/X)6.15
va tinde spre zero şi Y va tinde asimtotic spre valoarea lui β1.

Y 1 Y
Y = 1 + 2
X 1

1 > 0 şi 2 > 0
1 > 0 şi 2 < 0
1
X 0 -  2 / 1
X
0
Y 1
Y =  1 + 2
Y  < şi
X 0 2 < 0
1 < 0 şi 2 > 0
1
+
0 X
0 X -
1
-

-1
-  2 / 1
All rights reserved by Dr.Bill Wan Sing Hung - HKBU

6.16
Două condiţii pentru transformarea neliniară, neaditivă
1. Este posibilă transformarea variabilei.
2. Eșantionul trebuie să dispună de suficientă informație.

Exemplu 1:
Presupunem =
Y 1 +  2X2
+  3X2
2
+ 4 X 2 X 3
transformînd X3* = X22
X4* = X2X3
Y = 1 +  2 X 2 + 3 X 3 +  4 X 4
* *
rescriem

All rights reserved by Dr.Bill Wan Sing Hung - HKBU

 6.17

Exemplu 2: 
Y = 1 + 2

X +  3

transformînd *
= 1
X
X + 3
2

Y = 1 + 2X
*
rescriem 2

În orice caz, X2* nu poate fi calculat din cauza

că  este necunoscut.
3

All rights reserved by Dr.Bill Wan Sing Hung - HKBU

Aplicaţii ale formelor funcţionale ale regresiei 6.18

1. Funcţia de producţie Cobb-Douglas

Y =  1 L K  e u 2 3

Transformînd:
ln Y = ln  1 +  2 ln L +  3 ln K + u
==> ln Y = ’1 +  2 ln L +  3 ln K + u
d ln Y =  : elasticitatea outputului în raport cu
2
d lnL inputul muncii
d ln Y =  : elasticitatea outputului în raport cu
3
d lnK inputul de capital.
 2 +  3 => 1 Informaţia despre randamentul la scală
<
All rights reserved by Dr.Bill Wan Sing Hung - HKBU
 6.19
2. Modelul polinomial de regresie:
Funcţiile costului marginal şi a costului total

costs
cos
i.e. Y =  1 +  2 X +  3 X + u (MC)
2

MC

cost
sau
Y =  1 + 2 X +  3 X 2 +  4 X 3 + u (TC)
TC

y
All rights reserved by Dr.Bill Wan Sing Hung - HKBU

6.20
Aplicarea elasticităţilor
procentul în modif. lui y y/y y x
 = = =
procentul în modif. lui x x/x x y

Y = 1 + 2 X
Y
= 2
X
Y X X
= = 2
X Y Y
All rights reserved by Dr.Bill Wan Sing Hung - HKBU
 6.21

estimarea elasticităţilor
Y X X
=
^
= b2
X Y Y
^ = b + b X = 4 + 1.5X
Yt 1 2 t t
X = 8 = numărul mediul al anilor de experienţă
Y = $10 = niveliul mediu al salariilor

 = b2
^ X 8
= 1.5 = 1.2
Y 10
All rights reserved by Dr.Bill Wan Sing Hung - HKBU

6.22

modele log-log: Neliniarităţi

ln(Y) = 1 + 2 ln(X)

ln(Y) ln(X)
= 2
X X

1 Y 1 X
= 2
Y X X X
All rights reserved by Dr.Bill Wan Sing Hung - HKBU
 6.23
X Y
= 2
Y X

elasticitatea lui Y faţă de X:

X Y
 = = 2
Y X

All rights reserved by Dr.Bill Wan Sing Hung - HKBU

Panta Elasticitatea 6.24

Rezumat
dY
Ecuaţia modelului dY (= Y )
(= ) dX
dX X

liniară Y = 1 +  2 X dY = 
2
 2 ( X)
dX Y
dY
Log-log ln Y =  1 +  2 ln X d ln Y
= Y = 2 2
d ln X dX
X
dY Y
==> = 2( )
dX X

All rights reserved by Dr.Bill Wan Sing Hung - HKBU

 Panta Elasticitatea 6.25
Rezumat, continuare
dY
Log- ln Y =  1 +  2 X d ln Y
= Y = 2 2X
liniar
dX dX
dY = 
==> 1Y
dX
Liniar- Y =  1 +  2 ln X
dY
= dY =  2 2 1
log d ln X dX Y
X
dY =  1
==> 2
dX X
1 dY dY
Reciprocă Y =  +  = = 2  2 ( -1 )
1 2 1 -1
X d ( 2 ) dX XY
X X
dY =  -1
==> 2
dX X2
All rights reserved by Dr.Bill Wan Sing Hung - HKBU