Seminar 8 ECONOMETRIE CSIE (21-24nov.

2011) Model unifactorial de regresie liniar cu Autocorelarea erorilor aleatoare

Se cunosc date privind consumul final real al gospodriilor populaiei i PIB-ul real n Romnia, pe o perioad de 14 ani. Datele sunt exprimate n miliarde lei preuri comparabile. Cele dou serii de valori observate se gsesc n fiierul Seminar 8 Autocorelare.xls. S se construiasc modelul econometric care descrie legtura dintre cele 2 variabile. S se estimeze parametrii modelului (utiliznd Eviews) i s se verifice semnificaia statistic a modelului i a estimatorilor parametrilor modelului. Notm Y = consumul real al gospodriilor populaiei i X = PIB-ul real n Eviews creai un workfile numit S8 Autocorelare. Importai cele 2 serii:Y i X. Pentru a alege forma funcional a modelului reprezentm grafic cele dou serii de valori. Scriem comanda scat x y. Considerm modelul de regresie liniar simpl: y t = 0 + 1 xt + t , t = 1,...,14 . 1 reprezint panta dreptei de regresie sau coeficientul de regresie al consumului n funcie de PIB. 1 arat cu ct se modific, n medie, consumul atunci cnd PIB-ul crete cu o unitate (1miliard lei).

Scriei ecuaia de regresie estimat i comentai valorile obinute.

-67,6561 se (............) t (............) p (............) 2 R = ....... , R = ....... , F = ....... Interpretai 1 .....

Yt

= = = =

+0,8077 *Xt (..........) (2,4416) (0,0311)

DW = 0,19687 0,2

Precizai s b , s a , s e , s e2

Verificarea semnificaiei modelului necesit: A) Verificarea ipotezei de independen a erorilor aleatoare B) Verificarea ipotezei de homoscedasticitate a erorilor aleatoare C) Verificarea semnificaiei estimatorilor parametrilor D) Verificarea semnificaiei raportului de corelaie A1) Metoda grafic Creai seria reziduurilor din modelul de regresie i verificai prezena autocorelrii reziduurilor. Deschidem eq01, selectm Procs/Make Residual Series sau scriem comanda series et=resid sau genr et=resid. Selectm seria reziduurilor, apoi View/Graph/Spike sau Bar Scriem comanda scat et(-1) et pentru a reprezenta grafic seria et n raport cu et 1 . A2) Detectarea autocorelrii erorilor aleatoare Testul Durbin-Watson. Testul Durbin-Watson verific dac exist autocorelare de ordinul nti n seria reziduurilor. Se bazeaz pe urmtoarele ipoteze: 1. Modelul de regresie trebuie s conin termen liber 2.Marticea X, a variabilelor independente, s nu fie stochastic 3. Valoarea perturbaiei la timpul t depinde de valoarea sa n perioada (t-1), i un termen pur aleator u. Intensitatea dependenei de valoarea trecut este msurat prin coeficientul de corelaie . Erorile sunt generate printr-un proces autoregresiv de ordinul nti: t = t 1 + u t AR(1) 4. Erorile aleatoare sunt normal distribuite 5. Modelul de regresie nu conine, ca variabil exogen, variabila endogen cu decalaj. Folosim statistica Durbin-Watson:

DW = d =

t =2

(et et 1 ) 2
n 2 t =1 t

Printre rezultatele oferite prin apelarea funciei de regresie din pachetul software EViews, este afiat valoarea calculat a satisticii DW i o probabilitate pentru testul DW. Proprieti ale statisticii DW:

ee P1. DW 2(1 ) , unde = e

n t = 2 t t 1 n 2 t =1 t

este coeficientul de corelaie de selecie.

P2. 0 DW 4 Dac nu exist autocorelaie, atunci = 0 i DW = 2 . Dac exist autocorelaie puternic pozitiv, atunci = 1 i DW = 0 . Dac exist autocorelaie puternic negativ, atunci = 1 i DW = 4 . Astfel, cel mai bine este ca DW = 2 . Statistica DW nu urmeaz o distribuie clasic. Valorile sale critice sunt tabelate. Distribuia de selecie a statisticii DW depinde de valorile variabilei explicative i de volumul seleciei. Pentru un nivel de semnificaie dat, tabelul conine dou valori critice: limita inferioar d L i limita superioar d U (notate i d 1 , d 2 ). Etape n aplicarea testului Durbin-Watson Pas1. Se estimeaz parametrii modelului de regresie prin MCMMP i se obin reziduurile. Se testeaz ipotezele: H 0 : = 0 (nu exist autocorelarea erorilor)

H 1 : 0 (exist autocorelarea erorilor). Pas2. Se calculeaz valoarea statisticii DW. Pas3. Se determin valorile critice

Pas4. Se compar valoarea calculat cu valorile critice obinute din tabele Dac 0 < d < d1 , seria reziduurilor prezint autocorelare de ordinul 1 pozitiv. Dac d 1 < d < d 2 indecizie. Se recomand acceptarea autocorelrii pozitive. Dac d 2 < d < 4 d 2 reziduurile sunt independente Dac 4 d 2 < d < 4 d 1 indecizie. Se recomand acceptarea autocorelrii negative Dac 4 d1 < d < 4 , seria reziduurilor prezint autocorelare de ordinul 1 negativ. H1: exist autocorelare de ordinul I Din tabelul distribuiei DW, pentru nivelul de semnificaie 5% , n=14 (n15), k=1, gsim d1=1,08 i d2=1,36. Deoarece DW0,2 rezult c exist o autocorelare pozitiv a erorilor aleatoare. Concluzie: Nu are sens testarea celorlalte ipoteze. Se impune eliminarea autocorelrii erorilor. A3) Se poate aplica Testul Breusch-Godfrey pentru a detecta autocorelarea de ordin superior.

Exist 2 variante de aplicare a testului Breusch-Godfrey. H0: nu exist autocorelarea erorilor aleatoare H1: exist Autocorelarea erorilor aleatoare I) Se utilizeaz testul F
F= R2 / p ~ F p ,n m (1 R 2 ) /( n m)

Respingem H0 i acceptm H1 dac Fcalc > F ; p ,n m . Acceptm H0 (nu exist autocorelare) dac Fcalc < F ; p, n m .

p=2, adic numrul de variabile noi adugate n modelul auxiliar (se adaug t 1 , t 2 ) m=4, adic numrul total de parametri din noul model (avem 4 coeficieni)
Fcrt = F ; p ,n m = F0, 05; 2,10 = 4,10 Fcalc = 16,65 > 4,10.

De asemenea, avem Prob(F)=0,000656 Respingem H0 i acceptm H1. Exist autocorelare de ordinul I. Vezi coeficientul lui t 1 . Este semnificativ statistic. Avem t=3,366854 i p-value=0,0072. II) Se utilizeaz testul LM LM = n R 2 ~ 2 , unde df=p este mrimea decalajului p
2 Respingem H0 i acceptm H1 dac valoarea calculat a testului este > ; p . 2 2 2 Avem crt = ; p = 0,05;2 = 5,99147

LM = n R 2 = 10,76730 i Prob(LM)=0,004591 Respingem H0 i acceptm H1. Deci, am

obinut aceeai concluzie. Metoda grafic: Facem graficul reziduurilor: Selectm seria reziduurilor, apoi View, Graph, Spike. Corectarea autocorelrii. MCMMP Generalizat. Considerm modelul y t = 0 + 1 xt + t Presupunem c termenul eroare urmeaz un model AR(1) t = t 1 + u t , cu cunoscut, 1 1 i u t zgomot alb. Dac putem transforma modelul a.. erorile aleatoare ale modelului transformat s fie independente, putem aplica MCMMP modelului transformat i vom obine estimatori BLUE. (Se presupune c celelalte ipoteze ale modelului clasic de regresie liniar sunt ndeplinite.) Scriem ecuaia de regresie pentru perioada anterioar, o nmulim cu i scdem din prima ecuaie: y t 1 = 0 + 1 xt 1 + t 1 y t 1 = 0 + 1 x t 1 + t 1 y t y t 1 = 0 (1 ) + 1 ( xt xt 1 ) + u t
y t = 0 + 21 x t + u t

Aplicm MCMMP variabilelor transformate y i x . Estimatorii asfel obinui vor avea proprietile dorite, vor fi BLUE. Metoda s.n. MCMMP Generalizat. Concluzie: n cazul autocorelrii erorilor, n scopul testrii ipotezelor modelului de regresie i pentru stabilirea intervalelor de ncredere, trebuie folosit MCMMPG, care va furniza estimatori de maxim verosimilitate. Not: Trebuie s cunoatem coeficientul de autocorelaie real, . Pentru c nu-l cunoatem, va trebui estimat. Exist mai multe procedee de estimare.

1)Estimarea lui pe baza statisticii DW Deoarece am gsit c DW 2(1 ) , nseamn c se poate obine o estimaie a lui din statistica DW calculat. Rezult 1 DW / 2 . Deoarece statistica DW este calculat de cele mai multe pachete de programe de regresie, se poate obine uor o estimaie a lui . Dei este uor de folosit, aceast procedeu de estimare d estimaii bune ale lui numai dac volumul eantionului este mare. Voi folosi notaia = ro1 Pentru eliminarea erorilor folosim programul:

Equation: eq02. LS y x c genr et=resid scalar ro1=1-@dw/2 genr dy=y-ro1*y(-1) genr dx=x-rau1-x(-1) Equation eq03. ls dy dx c b0=c(2)/(1-ro1)

y t

se t
p

= = = =

10,16023 (............) (............) (............)

+0,7083 * xt (..........) (4,3506) (0,0012)

R 2 = ....... , R = ....... , F = ....... DW = 1,7545 , n=13. DW = 1,7545 iar d1=1,08 i d2=1,36.

1,08

1,36

2,64

2,92

d 2 = 1,36 < DW = 1,7545 < 2,64 = 4 d 2

Rezult c erorile sunt independente. Fenomenul de autocorelare a fost eliminat. 2) Exerciiu: Estimarea lui din reziduurile obinute prin aplicarea MCMMP. t = t 1 + u t Deoarece perturbaiile t nu sunt observabile, vom folosi estimaiile lor i vom efectua urmtoarea regresie: et = et 1 + vt , unde este un estimator al lui .

Determinai .
B) Verificarea ipotezei de homoscedasticitate pentru modelul transformat. Analizm rezultatele: F=0,8302 i prob=0,46389 LM=1,8512 i prob=0,39629 Toi coeficienii modelului auxiliar sunt nesemnificativi.

Erorile aleatoare sunt homoscedastice.

C) Verificarea semnificaiei estimatorilor parametrilor Analizm output-ul ecuaiei eqm1 H0, H1..... Coeficientul pant este semnificativ statistic deoarece t calc = 4,3506 , t crt = t 0,025;11 = 2,201 iar p-value=0,0012. Termenul constant nu este semnificativ statistic deoarece t calc = 0,7336 , t crt = t 0,025;11 = 2,201 iar p-value=0,4786. D) Verificarea semnificaiei raportului de corelaie
Fcalc = 18,9279 , Prob(F)=0,0011 Fcrt = F0,05;111 = 4,84

Respingem H0 i acceptm H1, deci raportul de corelaie este semnificativ diferit de 0. Facem graficul reziduurilor: Selectm seria reziduurilor, apoi View, Graph, Spike. Modelul

= 10,16023 + 0,7083 * xt , poate fi considerat ca fiind reprezentativ pentru a descrie legtura dintre consumul real al gospodriilor populaiei i PIB-ul real.
y t