Seminarul 5 Econometrie - CSIE (31oct.

2011)
I Pentru un mare magazin alimentar s-au cules date privind vnzrile (mii lei) i profitul (mii lei), realizate n ultimele 9 luni ale anului 2010. n urma studierii legturii liniare dintre cele dou variabile, adic utiliznd un model de regresie liniar unifactorial: y i = + xi + i , s-au obinut urmtoarele rezultate:
ANOVA Regression Residual Total df 1 .. 8 Coefficients 0,078438 0,011712 SS 0,03045 .. .. StandardError .. 0,001429 MS .. 0,000453 Stat F Significance F .. 0,000079

Intercept X Variab.1

t Stat .. ..

P-value 0.001719 0.000078

Lower 95% ..

Upper 95% ..

tiind c valoarea medie a vnzrilor este de 10 mii lei/lun se cer urmtoarele: a) S se completeze spaiile punctate cu informaiile care lipsesc i s se comenteze valorile indicatorilor ce apar n tabele. b) S se testeze validitatea modelului de regresie (nivel de semnificaie 5%; valoare tabelar = 5,59 ). c) S se testeze semnificaia statistic a parametrilor modelului i s se determine intervalul de ncredere 95% pentru parametrul pant (valoare tabelar: 2,365 pentru un nivel de semnificaie de 0,05). Avem SST=SSR+SSE
( yi y ) 2 = ( y i y ) 2 + ( y i y i ) 2 SSR = ( y i y ) 2 = 2y| x =0,03045 reprezint variaia explicat prin factorul de regresie.
MSR = SSR / 1 =0,03045

MSE = SSE /( n 2) = s e2 =0,000453

SSE = ( y i y i ) 2 = ei2 = 2e =(0,000453)x(7)=0,003171 reprezint variaia rezidual. Msoar

aciunea factorilor nenregistrai. SST = ( y i y ) 2 = 2y =0,03045+0,003171=0,033621 este suma ptratelor abaterilor valorilor reale ale variabilei y de la media lor de selecie, y . Suma SST reprezint variaia total a valorilor variabilei y. b S se verifice dac modelul de regresie identificat este valid statistic (valoare tabelar:5,59 pentru un nivel de semnificaie de 0,05). Pentru testarea validitii modelului se formuleaz 2 ipoteze: H0: modelul nu este valid statistic H1: modelul este valid statistic Se completeaz tabelul de analiz a varianei (ANOVA) Sursa variaiei Regresia Eroarea Total (df) 1 n-2=7 n-1=8 Suma ptratelor (SS) SSR=0,03045 SSE=0,003171 SST=0,033621 Media ptratelor (MS) MSR=SSR/1=0,03045 MSE=SSE/(n-2)= s e2 =0,000453 Statistica F F =67,218

Testul statistic folosit este:

F= MSR SSR / 1 tim c aceast statistic are o distribuie F ;1,n 2 . = MSE SSE /(n 2)

Regula de decizie este: Dac Fcalculat > Fcritic respingem H0 i acceptm H1 Modelul este valid statistic.
Fcalculat = 0,03045 / 0,000453 = 267,218 Ftabelat = Fcritic = F ;1, n 2 = F0,05;1,7 = 5,59

Deoarece Fcalculat > Fcritic (67,218 > 5,59) respingem H0 i acceptm H1 Modelul este valid statistic. Obs: n tabelul din Excel apare i o probabilitate (Significance F). Aceasta reprezint nivelul exact (observat) de semnificaie, adic probabilitatea exact de a comite o eroare de genul I. Reprezint cel mai mic nivel de semnificaie la care ipoteza nul poate fi respins, pe baza datelor observate. Deoarece 0,00007<0,05 respingem H0 i acceptm H1 Modelul este valid statistic.
Dreapta de regresie estimat este y i = 0,078438 + 0,011712 xi Fiecare punct de pe dreapta de regresie este o estimaie a valorii medii a lui Y, corespunztor valorii alese pentru X. Deci y i este o estimaie pentru E (Y | X i ) . Interpretarea parametrilor obinui: Valoarea b 0,011712 , care msoar panta dreptei de regresie, arat c, atunci cnd vnzrile (X) cresc cu o unitate (1000 lei), profitul va crete, n medie, cu 0,078438 uniti (0,078438x1000=78,438 lei). Valoarea a 0,078438 arat nivelul profitului, atunci cnd vnzrile sunt 0. Interpretm pe a 0,078438 ca fiind efectul mediu asupra lui Y, al tuturor factorilor care nu sunt luai n considerare n modelul de regresie.

c S se testeze semnificaia statistic a parametrilor modelului i s se determine intervalul de

ncredere 95% pentru parametrul pant (valoare tabelar: 2,365 pentru un nivel de semnificaie de 0,05). Calculm erorile standard ale estimatorilor parametrilor modelului Varianele estimatorilor b i a (sau i ) sunt date de urmtoarele relaii:

Var ( ) = Var (b) =

(x
2

x)2

1 2 xi2 x2 = + Var ( ) = Var (a ) = n ( x x ) 2 n ( x x ) 2 i i 2 Variana erorilor aleatoare este dar este necunoscut i trebuie estimat. Un estimator nedeplasat pentru 2 este:
2 2 = se =

n2 s e =0,02128

ei2 = 0,000453.

Estimaiile erorilor standard ale estimatorilor parametrilor modelului sunt:

2 s b = se(b) = s e

1 =0,001429 ( xi x ) 2

= 0,0002544 =0,01595 Se cunoate valoarea medie de selecie x =10 mii lei. 2 1 s a = se(a ) = s e + n x2 ( xi x ) 2

Testarea semnificaiei parametrului H 0 : = 0 , (parametrul nu este semnificativ statistic; modelul nu este valid) H 0 : 0 , (parametrul este semnificativ statistic; modelul este valid). Sub ipoteza nul avem statistica: b t= care urmeaz o distribuie Student cu (n-2) grade de libertate dac H0 este adevrat. se(b)
t calc = 0,011712 / 0,001429 = 8,19 t critic = t tabelat = t 0,025; 7 = 2,365

Deoarece 8,19 >2,365 respingem H0 i acceptm H1 parametrul este semnificativ statistic. Probabilitatea asociat este 0,00078<0,05, deci respingem H0 i acceptm H1. (Spunem c o statistic este semnificativ dac valoarea testului statistic se gsete n regiunea critic. n acest caz se respinge H0.)

Interval de ncredere pentru parametrul pant Un interval de ncredere 100 (1 )% pentru parametrul este: (b t crt se(b) b + t crt se(b)) (b t / 2;n 2 se(b) b + t / 2;n 2 se(b)) (0,011712 (2,365)(0,001429) 0,011712 + (2,365)(0,001429)) (0,00833 0,01509) Interpretare: Dat fiind un coeficient de ncredere de 95%, pe termen lung, n 95 din 100 de cazuri, intervale precum intervalul (0,00833 0,01509) , vor include valoarea real a lui . Intervalul construit nu conine valoarea 0, deci avem nc un argument n favoarea ipotezei H1 c 0 . Spunem c: X are putere explicativ semnificativ pentru Y sau este semnificativ diferit de zero sau este semnificativ statistic. Testarea semnificaiei parametrului de interceptare H 0 : = 0 , (parametrul nu este semnificativ statistic) H 0 : 0 , (parametrul este semnificativ statistic). Sub ipoteza nul avem statistica: a t= care urmeaz o distribuie Student cu (n-2) grade de libertate se(a )
t calc = 0,078438 / 0,01595 = 4,92 t critic = t tabelat = t 0,025; 7 = 2,365

Deoarece 4,92 >2,365 respingem H0 i acceptm H1 parametrul este semnificativ statistic. Probabilitatea asociat este 0,001719<0,05, deci respingem H0 i acceptm H1.

II Modelul dublu logaritmic Am considerat modele liniare att n parametri ct i n variabile. Exist fenomene economice pentru care modelele de regresie liniare n parametri i n variabile nu sunt potrivite. Pentru a determina elasticitatea preului cererii se folosesc modele log-liniare. Pentru a determina rata de cretere n timp a unei variabile economice (PIB, rata omajului, oferta de bani), se folosesc modele semi-log, care sunt liniare n parametri dar neliniare n variabile. -Pentru un model de regresie, liniar n variabilele explicative, rata de modificare (panta) a variabilei dependente rmne constant pentru o modificare cu o unitate a variabilei independente; -Pentru modelele de regresie neliniare n variabilele explicative, panta nu rmne constant. Ex2 Cerere_Pre. Cererea pentru un Album depinde de Preul Albumului.

Modelul liniar a fost esimat utiliznd EViews i s-au obinut rezultatele:

Interpretarea rezultatelor obinute Valoarea b 2,1576 , care msoar panta dreptei de regresie, arat c, meninnd celelalte condiii neschimbate, atunci cnd preul produsului (X) crete cu o unitate monetar, cantitatea medie vndut (Y) scade cu 2,16 uniti (albume). a 49,667 arat c, dac preul este 0, cantitatea medie vndut este de circa 50 albume. n realitate, preul nu este niciodat 0. Coeficientul a nu are totdeauna interpretare economic. ... 1. Msurarea elasticitii. Modelul log-liniar. Considerm funcia de cerere pentru un Album (Ex2 Cerere_Pre), dar considerm o alt form funcional: yi = A xi , unde Y este cantitatea cerut i X este preul. dy = A xi( 1) . Se vede c rata de modificare a lui Y n raport cu X nu este independent de X, deci dx nu este constant. Modelul yi = A xi e i este neliniar n variabila X.
Logaritmm i obinem: ln yi = ln A + ln xi , = ln A . Am obinut astfel Modelul log-liniar sau dublu logaritmic sau cu elasticitate constant: ln y i = + ln xi + i sau y i = + xi + i . Dac sunt ndeplinite ipotezele modelului clasic, acest model transformat poate fi estimat prin MCMMP, iar estimatorii astfel obinui sunt BLUE. Coeficientul pant msoar elasticitatea lui Y n raport cu X, adic modificarea procentual n Y pentru o modificare procentual dat (mic) n X.
EY | X = (

n modelul dublu logaritmic de mai sus, panta msoar elasticitatea preului cererii. n general, elasticitatea i coeficientul pant sunt concepte diferite. Numai pentru modelul log-liniar cele dou concepte sunt identice. Deoarece funcia de regresie pentru modelul log-liniar este o dreapt, panta sa ( ) este constant. Deoarece coef. pant =coef. de elasticitate, pentru acest model, elasticitatea este constant. Nu are importan pentru ce valori ale lui X este calculat aceast elasticitate.

Y X Y X X 100) /( 100) = = ( slope) Y X Y X Y

Modelul dublu logaritmic estimat a condus la urmtoarele rezultate:

ln y i = 3,9617 - 0,2272 ln xi R 2 = 0,9116 se = (0,0416) (0.0250) t = (95,233) (-9,088) Elasticitatea preului (constant) este 0,2272. Aceasta sugereaz c: dac preul Albumului crete cu un procent, pe medie, cantitatea cerut va scdea cu 0,2272 procente. Un produs pentru care elasticitatea preului este mai mic dect 1, n valoare absolut, are cerere inelastic. = 3,9617 nseamn: valoarea medie a lui lny este 3,96 dac valoarea lui lnx este 0. (Deoarece lny=3,9617 cnd lnx=0, dac lum antilogaritmul acestui nr. obinem 52,5466. Astfel cantitatea cerut medie este de 53 uniti. Pentru modelul liniar am obinut numrul 49,667, deci 50 uniti.) Interpretarea coeficientului de determinaie R 2 = 0,9116 . Aproximativ 91% din variaia variabilei dependente (lny) este explicat prin variaia variabilei explicative (lnx). Testarea ipotezelor n modelul dublu logaritmic. Sub ipoteza c ~ N (0, 2 ) fiecare estimator este distribuit normal. Dac nlocuim variana erorilor aleatoare 2 prin estimatorul nedeplasat se2 , fiecare estimator are o distribuie Student cu numrul gradelor de libertate df=n-k, unde k este numrul de parametri estimai n modelul de regresie. n ex. nostru cei doi coeficieni sunt semnificativi statistic. Valorile calculate ale statisticii t sunt mai mari dect valoarea critic 2,306 pentru df=8 i nivelul de semnificaie 5%. 2. Compararea modelelor de regresie liniare cu cele log-liniare. Dei teoria economic sugereaz c ntre pre (X) i cantitatea cerut (Y) exist o relaie invers, teoria nu este suficient de robust pentru a indica forma funcional dintre cele dou variabile. Forma funcional a modelului de regresie devine o problem empiric. n cazul regresiei unifactoriale funcioneaz urmtorul principiu: - Se reprezint grafic datele ( xi , y i ) . Dac graficul arat c relaia dintre cele dou variabile este liniar, atunci este indicat specificarea unei funcii liniare.

Dac graficul arat o legtur neliniar, reprezentm grafic (ln xi , ln y i ) . Dac acest grafic arat o legtur liniar este potrivit un model dublu logaritmic. De ce nu alegem modelul pe baza coeficientului de determinaie R 2 ? n modelul liniar am obinut R 2 = 0,9757 n modelul log-liniar am obinut R 2 = 0,9116 Nu putem compara valorile R 2 ale celor dou modele, deoarece variabila dependent nu este n aceeai form. n modelul liniar, R 2 msoar proporia din variaia variabilei dependente Y, explicat prin variabila indep.X. n modelul log-liniar R 2 msoar proporia din variaia variabilei lnY, explicat prin variabila lnX. Variaia variabilei Y i variaia variabilei lnY sunt diferite. Variaia unui numr msoar modificarea absolut. Variaia n logaritmul unui numr msoar: modificarea relativ sau proporional, sau modificarea procentual, dac este nmulit cu 100. n modelul liniar 97,57% din variaia n Y este explicat prin X. n modelul log-liniar 91,16% din variaia n lnY este explicat prin lnX. Chiar dac putem compara valorile R 2 pentru dou modele de regresie, nu trebuie s alegem un model doar pe criteriul c R 2 are o valoare mare. Trebuie s se in seama i de ali factori: - relevana variabilei explicative incluse n model (pe baza teoriei economice), - semnul ateptat pentru coeficienii de regresie, - semnificaia statistic a acestora, - coef.de elasticitate. n exemplul considerat: - coeficienii pant sunt negativi, aa cum spune teoria economic. - ambii coeficieni sunt semnificativi statistic. - nu putem compara coeficienii pant n mod direct pentru c: n modelul liniar am msurat modificarea absolut n cantitatea cerut pentru o modificare a preului cu o unitate; n modelul dublu logaritmic am msurat elasticitatea preului sau modificarea procentual n cantitatea cerut pentru o modificare de un procent n pre. Dac n modelul liniar putem msura elasticitatea preului, atunci este posibil s comparm cei doi x coeficieni. Folosim relaia E y| x = ( slope) . y Dei n modelul liniar coeficientul pant rmne constant (-2,1575), elasticitatea se modific de la un punct la alt punct, deoarece raportul x/y se modific de la un punct la altul. Pentru c avem 10 combinaii de preuri i cantiti diferite, n principiu, putem calcula 10 coeficieni de elasticitate. n practic, coeficientul de elasticitate pentru modelul liniar este calculat la valorile medii de y x selecie, pentru a obine elasticitatea medie a preului = . x y n ex2. avem x = 5,5 i y = 37,8 . 5,5 = 0,314 . Elasticitatea medie a preului este = 2,1576 37,8 n modelul dublu logaritmic coef.de elasticitate este 0,2272 i rmne constant indiferent de preul la care este calculat. Din acest motiv, modelul log-liniar este numit model cu elasticitate constant. Concluzie: Pentru modelul liniar coeficientul pant este constant dar coef.de elasticitate este variabil. Pentru modelul log-liniar coeficientul pant este variabil dar coef. de elasticitate este constant.