ECONOMETRIE – Curs 1

Prof. univ. dr. Mariana HATMANU

- anul universitar 2023-2024 -

1
 INTRODUCERE

 Obiective: analiza datelor economice în scopul

identificării legăturilor dintre fenomene şi
modelării variaţiei lor în timp și spațiu

Programa analitică:
 Introducere (1 curs)

 Regresia liniară simplă (3 cursuri)

 Regresia liniară multiplă (3 cursuri)

 Regresia neliniară (2 cursuri)

2
 INTRODUCERE

 TEST DE EVALUARE (săptămâna a 9-a)

 Verificarea ipotezelor modelului de regresie
(3 cursuri)
 Recapitulare (1 curs)

3
o Suport de curs:
Jemna, D.V., Econometrie cu aplicații în R, Editura
Universității Alexandru Ioan Cuza din Iaşi, 2017

Bibliografie
 Andrei T., Bourbonnais, R, Econometrie,
Economica, Bucureşti, 2008
 Berdot, J.P., Économétrie, CNED, Poitiers-
Futurscope, 2001
 Bourbonnais, R., Économétrie, Dunod, Paris,
2000
 Greene, W.H., Econometric analysis, Mac Millan,
1993

4
Bibliografie
 Gujarati, D.N., Basic econometrics,
McGraw-Hill, New York, 1995
 Hamilton, J.D., Time series analysis,
Princeton University Press, 1994
 Kmenta, J., Elements of Econometrics,
MacMillan Publishing, 1986
 Pecican, E.S., Econometria pentru
economişti, Editura Economică, Bucureşti,
2003

5
 Mod de evaluare
1. Evaluare pe Parcurs - 60% din nota finală
Seminar - 30% (prezență– minim 7 prezențe, 15%
şi un test de evaluare clasic, anunțat, 15%)
Test evaluare la curs - 30% (are valoare de partial,
test grilă, teorie şi probleme din primele 7 cursuri; se
susține în săptămâna a 9-a, 27 noiembrie – 29
noiembrie 2023)

2. Examen în sesiune - 40% din nota finală (teorie

şi probleme, sub formă de test grilă, din ultimele 6
cursuri, temele Regresia neliniară și Verificarea
ipotezelor modelului de regresie)
6
7  Ce este Econometria?

1. Care este legatura dintre nivelul de educatie si venit?

8  Ce este Econometria?

2. Mărimea clasei de elevi influentează performanțele școlare?

(Stock,
Figure 1 2008, p. 4) Figure 2
9  Ce este Econometria?

3. Venitul influentează starea de sănătate a individului?

10  Ce este Econometria?

4. Creșterea PIB-ului influentează emisiile de CO2?

11  Ce este Econometria?

5. Relația dintre PIB/cap de locuitor și gradul de urbanizare

12  Ce este Econometria?

6. Estimarea nivelului populației pe diferite continente între 1950 - 2050 (United Nations
(2011 edition, https://en.wikipedia.org/wiki/Projections_of_population_growth).
Noțiuni Recapitulative de Statistică

13
1. Elemente de Statistică descriptivă
a) Populaţia: o asociaţie de elemente unite între ele printr-o
trăsătură esenţial comună, numită omogenitate. Elementele
unei populaţii pot fi fiinţe, lucruri, precum şi fapte,
evenimente referitoare la acestea.
Ex : …..

În funcţie de gradul de cuprindere :

- populație totală – populație
- populație parţială (de selecţie, eşantion)

Volumul unei populaţii: ansamblul indivizilor definiţi prin

omogenitate în timp, în spaţiu şi calitativă.
- Simbolizare.........

14
14
1. Elemente de Statistică Descriptivă
b) Unităţile statistice
Reprezintă elementele componente ale unei populaţii;
Exemple.....

c) Variabile statistice (caracteristici statistice) - reprezintă

însuşiri, trăsături esenţiale purtate de unităţile statistice ale
unei populații, pe baza acestora realizându-se măsurarea,
cuantificarea și înregistrarea fiecărei unități a populației.
Exemple : vârsta, starea civilă, naţionalitatea, religia, ocupaţia,
cifra de afaceri a unei firme.
Simbolizare. O variabilă statistică se notează cu literă majusculă,
de exemplu, X.
O variantă a unei variabile reprezintă un anumit nivel al
caracteristicii observate şi se simbolizează, de exemplu, xi
15
Tipuri de variabile statistice
După forma de exprimare, pot fi:

Variabile

nenumerice
numerice
(calitative,
(cantitative)
atributive)

cu variaţie cu variaţie
Exemple:.......... nominale nominal-ordinale
discretă continuă

16
16
1. Elemente de Statistică Descriptivă

 Frecvența absolută a unei valori xi este ni

n

n
Frecvența relativă f i  i (100),  f i  1(100%)
n i 1

 Mulțimea perechilor ( xi , f i ), i  1, m reprezintă distribuția de

frecvență (distribuția statistică sau distribuția empirică) a
variabilei X
O distribuție statistică se poate nota astfel:

 xi   xi 
X :   sau X :  , i  1, m, 1  m  n
 ni   fi 

17
18 1. Elemente de Statistică descriptivă

Indicatori ai Statisticii
Descriptive

.
Indicatori ai Indicatori ai
variației Indicatori ai formei
Tendinței Centrale

Media Deviația
standard Skewness

Modul
Varianța
Kurtosis
Mediana Amplitu-
dinea
19 1. Elemente de Statistică descriptivă

 xi
i
x
n
 1. Elemente de Statistică descriptivă
20 Indicatori ai variației

2
 ( xi  x )
s2  i
n

 i
( x  x ) 2

s  s2  i
n
 1. Elemente de Statistică descriptivă
21 Indicatori ai formei: asimetria
22
1. Elemente de Statistică descriptivă
Indicatori ai formei: boltirea
 Exemplu – Statistică descriptivă
cu SPSS
În vederea identificării factorilor care influențează
rezultatele la examene, pentru studenții din anul II,
FEAA, s-a analizat prezența la cursuri, pt un eșantion de
volum n=7 discipline, și s-au obținut următoarele date:
25, 30, 50, 25, 25, 50, 200.

Se cere să se analizeze grafic distribuția statistică

a datelor, să se determine indicatorii tendinței centrale și
să se aprecieze gradul de reprezentativitate a mediei
pentru eșantionul de cursuri analizat.

23
 Pași: Analyze/Descriptive statistics /
Frecventies

24
25
26
 Pentru datele de la problema
precedentă se elimină valoarea
extremă și se repetă calculele.
 Să se compare mediana și media
aritmetică în cele 2 situații.

27
28
29
30
 2. Elemente de Inferență statistică
a) Variabila aleatoare - concept fundamental în Statistica
teoretică (matematică)
O variabilă ale cărei valori sunt date de rezultatele posibile ale unui
experiment aleator se numește variabilă aleatorie.
Simbolizare: X, Y, Z etc
.

Exemplu: numarul de zile în care va ploua saptamana viitoare este

aleator și poate lua una dintre valorile: 0, 1, 2, 3, 4, 5, 6 sau 7.
Spaţiul evenimentelor elementare ale acestei experienţe este:
v.a. X:{0, 1, 2, 3, 4, 5, 6, 7}

Observaţie: Experimentul aleator (experienţă aleatoare) reprezintă un

experiment ale cărui rezultate depind de întâmplare 31
,

b) Probabilitatea evenimentului aleator

- Se determină ca raport între numărul cazurilor
favorabile producerii evenimentului considerat (m) şi
numărul cazurilor egal posibile (n),
m
p
n
Exemplu: aruncarea pe masă a unui zar
………
Probabilitatea ca variabila X să ia valoarea xi se notează
P( X  xi )  pi

32
 c) Repartiţia (Distribuția) de probabilitate.

- cazul variabilei discrete: probabilităţile pi asociate

valorilor x , i  1, n determină o repartiţie de
i
probabilitate pentru v.a. X:
 xi  n
X :   ,  pi  1
p
 i i 1, n i 1
Repartiția probabilistă discretă se dă prin tabelul de repartiție.

- cazul variabilei continue: existã o infinitate de valori posibile și

pentru a putea analiza şirurile de valori se utilizeazã funcţia de
repartiţie.

33
- Funcția densitate de probabilitate
- variabila discretă f ( xi )  P ( X  xi )  pi , i  1, n

- variabila continuă = derivata de ordinul I a funcției de

repartiție F ( xi )  P( X  xi )
- Funcția de repartiție
- variabila discretă F ( x )  pi 
{ i : xi  x }
x
variabilă continuă
- F ( x)   f (t )dt


34
d) Repartiții (distribuții) teoretice

 Repartiții probabiliste discrete:

 Repartiția uniformă

 Repartiția Bernoulli

 Repartiția binomială

 Repartiția Poisson

 Repartiții probabiliste continue:

 Repartiția normală generală

 Repartiția normală standard

 Repartiția hi-pătrat

 Repartiția Student

 Repartiția Fisher
 d) Distribuții teoretice
36

1. Distribuția normală generalizată

X
𝟏 𝒙 𝝁 𝟐
Funcția de densitate: 𝟐 𝝈
 d) Distribuții teoretice continue
2. Distribuția normală standard
Z ~ N (0, 1), M ( Z )  0, V ( Z )  1

Graficul densității de probabilitate a variabilei normale

standard Z (Clopotul Gauss-Laplace)
37
 Funcția lui Laplace:

38

Properties:
1)

2)

3)

4)

Obs. Ex. P(Z<2,5)=0,5+0,494=0,994 (99,4%)

 Standardizarea unei variabile normale

Dacă X ~ N (  , 2 ) , atunci X  Z ~ N (0,1)

prin relaţia
X  xi  
Z zi 
 

z i se numește z-scor / z-valoare /

scorul normal sau valoarea standardizată

39
Aplicații ale standardizării unei variabile

Z-scorul este folosit în:

 testarea ipotezelor statistice, analog cu
testul t, care este mult mai frecvent
folosit;
 determinarea intervalului de încredere,
garantat cu o anumită probabilitate.

40
 3. Repartiţia Student X~t(v)
(Citirea unei valori din tabel)

Graficul densităţii de repartiţie t(v), pt diferite grade

de libertate
Densitatea de repartiție depinde de parametrul v (grade de
libertate). 41
 Statistică inferențială.
Noțiunile de Parametri – Estimatori -
Estimaţii
- Sunt noţiuni fundamentale în teoria inferenţei statistice
- Cercetarea prin sondaj
 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'2 etc)
 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 )

42
Notații ale indicatorilor în inferența statistică !!

43
 Proprietăţi ale estimatorilor (I)
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 
V (ˆ)  0 dacă n  

44
 Proprietăţi ale estimatorilor (II)

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

45
 Statistică inferențială

 Estimarea punctuală si prin interval

de încredere a mediei

 Testarea ipotezelor asupra mediei

unei populaţii

46
Estimarea prin interval de încredere
a mediei

 Se cunoaşte parametrul 2
 
( Li  x  z / 2  )    ( Ls  x  z  / 2  )
n n

2
• Nu se cunoaşte parametrul 

s' s'
( x  t / 2;n 1  )    ( x  t / 2;n 1  )
n n

47
 Testarea ipotezelor asupra mediei unei
populaţii

a) Formularea ipotezelor H 0 :   0
H1 :    0

b) Alegerea testului statistic Z ~ N ( 0 , 1 )

1. Dacă se cunoaşte  2 se foloseşte statistica Z,
ˆ   0
Z
/ n

2. Dacă nu se cunoaşte  2 , se foloseşte statistica t,

t ~ t( n  1 )
ˆ   0
t
ˆ ' / n
48
 Testarea ipotezelor asupra mediei unei populaţii

c. Alegerea pragului de semnificaţie şi

citirea din tabel a valorii critice a
statisticii test

d. Calculul valorii statisticii test pe baza

datelor eşantionului
x  0 x  0
z calculat  t calculat 
/ n s' / n

49
e. Regula de decizie

50
Testarea ipotezelor asupra mediei unei
populaţii
e. Regula de decizie
Dacă zcalculat  z / 2 sau Sig   se respinge
ipoteza nulă, pentru un risc 

Dacă zcalculat  z / 2 sau Sig   ipoteza nulă NU

se respinge
- Idem pt. Student

f. Compararea valorii calculate a statisticii

testului cu valoarea critică (teoretică)

g. Interpretare
51
 Aplicaţie – estimarea prin IC si testarea
semnificației mediei
 Pentru un eşantion de 5 ţări din UE se cunosc datele
privind PIB-ul pe locuitor ( în mii euro), în anul 2019:
50, 60, 50, 30, 60.
Se cere să se estimeze punctual şi prin interval de
încredere nivelul mediu al PIB-ului pe locuitor pentru
ţările din toate țările UE. Rezultatele se garantează cu o
probabilitate de 95%.
Pentru riscul admis   0,05 , să se verifice dacă media
populaţiei este semnificativ diferită de valoarea  0  45
mii euro (testul t).

52
53