ECONOMETRIE

Curs 5

Conf. univ. dr. Mariana HATMANU

- anul universitar 2020-2021 -

1
Structura cursului:
• 1. Introducere
• 2. Regresia liniară simplă
• 3. Regresia liniară multiplă
• 4. Regresia neliniară
• 5. Modele de regresie cu variabile alternative
• 6. Verificarea ipotezelor modelului de regresie

2
Cap. 3. Regresia liniară multiplă
Regresia se numeşte multiplă când modelul are cel puţin două variabile
independente .

3.1. Identificarea modelului

- presupune analiza grafică a legăturilor simple dintre variabilele

Xj Y j  1, p
( , ),

cu p numărul de variabile independente din modelul de regresie multiplă

- Interpretare: dacă toate legăturile simple sunt liniare, atunci regresia

multiplă este liniară.

3
Cap. 3. Modelul de regresie liniară multiplă

3.2. Prezentarea modelului de RLM

Y   0  1 X1   2 X 2  ...   p X p  
Variabilele modelului sunt:
• Y - variabila dependentă ;
• X1, X2, ..., Xp - variabilele independente (predictori, regresori);
• ε - variabila reziduală.
Parametrii modelului:
• sunt parametrii modelului de regresie, numiţi şi coeficienţi
 j ,de
j regresie.
0, p

4
Ipotezele regresiei liniare simple
Estimarea parametrilor modelului este fundamentată pe o serie de
ipoteze care vizează variabilele corelate şi variabila reziduală:
1. - modelul specificat este liniar în raport cu parametrii  0 , 1
2. - variabilele reziduale  i , i  1, n au mediile nule;
3. - variabilele reziduale  i , i  1, n au varianţele egale cu o aceeaşi
constantă,  2 (ipoteza de homoscedasticitate);
4. - variabilele reziduale  i , i  1, n sunt necorelate;
5. - variabila independentă X nu este corelată cu variabilele
reziduale  i , i  1, n
6. - variabilele reziduale  i , i  1, n sunt identic repartizate
 i ~ N (0,  2 ), i  1, n

5
3.3. Ipoteze regresiei liniare multiple

• Ipotezele de la regresia simpla liniara (normalitatea erorilor; homoscedasticitatea; lipsa

autocorelării erorilor);

• lipsa coliniarităţii sau a unei legături liniare între variabilele independente.

6
3.4.a) Estimarea punctuală a parametrilor modelului de
regresie liniară multiplă
O valoare empirică a variabilei dependente Y este:
y i = b0 + b1 x1i + b 2 x 2i + ...b p x pi  ei

O valoare ajustată (estimată, teoretică) a variabilei dependente Y este:

y X , , X i = b0 + b1 x1i + b 2 x 2i + ...b p x pi
1 p
Estimarea parametrilor modelului se face prin MCMMP:

n n
S =  (yi - y X X.  X i )   ( yi - b0 - b1 x1i - b 2 x 2i - ...  b p x pi )2 = minim
2
1 2 p
i 1 i 1

7
3.4.a) Estimarea punctuală a parametrilor modelului de
regresie liniară multiplă
Se consideră cazul unui model de regresie liniară multiplă cu două
variabile independente:

y i = b0 + b1 x1i + b 2 x 2i  ei

y X , X i = b0 + b1 x1i + b 2 x 2i
1 2

MCMMP:
n n
S =  (yi - y X X i )   ( yi - b0 - b1 x1i - b 2 x 2i )2 = minim
2
1 2
i 1 i 1

8
3.4.a) Estimarea punctuală a parametrilor modelului de
regresie liniară multiplă
Se obţine sistemul de ecuaţii normale:
 n n n
nb0  b1  x1i  b2  x2i   yi
 n i 1 i 1 i 1
 n n n
2
b0  x1i  b1  x1i  b2  x2i x1i   yi x1i
 i 1 i 1 i 1 i 1
b n x  b n x x  b n x 2  n y x
 0  2i 1  1i 2i 2  2i  i 2i
 i 1 i 1 i 1 i 1

9
3.4.a) Estimarea punctuală a parametrilor modelului de
regresie liniară multiplă NU!
Prezentarea matriceală a modelului de regresie liniară
multiplă, la nivelul eşantionului:
Y  X B 
Unde: 1 x11 x21 
 
1 x12 x22 
 y1  X   X0 X1 X2  
     
   
1 x x2n 

Y   yi 
1n
 
   X0   1 1  1 
y  T    
 n X   X1    x11 x12  x1n 
X  x 
 2   21 x22  x2n 
10
3.4.a) Estimarea punctuală a parametrilor modelului de
regresie liniară multiplă NU!

Vectorul coloană al estimaţiilor parametrilor de regresie:

 b0 
 
B   b1 
b   e1 
 2  
 
Vectorul coloană al erorilor: e   ei 
 
 
e 
 n

11
3.4.a) Estimarea punctuală a parametrilor modelului de
regresie liniară multiplă NU!
Matricea sistemului de ecuaţii normale este:

 n n 
 n  x1i  2i 
x
 i 1 i 1 
T  n n
2
n 
X X    x1i  x1i  x1i x2i 
 i 1 i 1 i 1 
 n n n
2 
  x2i  x1i x2i  x2i   n 
 i 1 i 1 i 1    yi 
 i 1 
T  n 
X Y    x1i yi 
Coloana termenilor liberi ai sistemului este:
 i 1 
 n 
  x2i yi 
 i 1 
12
3.4.a) Estimarea punctuală a parametrilor modelului de
regresie liniară multiplă NU!
Sistemul normal de ecuaţii se poate scrie:
X T XB  X T Y

B  ( X T X ) 1 X T Y
Soluţia sistemului este:

( X T X )1 XT X
unde reprezintă inversa matricei , astfel că
T 1 T
, cu I matricea identică
( X X ) X X de
I ordinul trei.

13
3.4.a) Estimarea punctuală a parametrilor
modelului de regresie liniară multiplă
• Interpretare:
- β0 este valoarea medie a lui Y, atunci când valorile
variabilelor independente sunt egale cu zero.
-  j reprezintă variaţia medie a variabilei Y la variația cu o
unitate a variabilei independente Xi, în condiţiile în care
variaţia celorlalte variabile independente este constantă.
Măsoară influenţa parţială a variabilei independente Xi
asupra variabilei dependente.
• Vezi sensul legăturii!!!

14
 3.4.b) Estimarea prin interval de încredere a
parametrilor modelului de regresie liniară multiplă
Intervalul de încredere pentru parametrul de regresie
 j , j  0,1, , p
garantat cu probabilitatea 1  , se scrie astfel:
P( b j  t / 2; n 3  sˆ   j  b j  t / 2; n 3  sˆ )  1  
j j

NU! 2
̂ j s
Estimaţiile varianţelor estimatorilor , notate ˆ, jse
găsesc pe diagonala principală a matricei varianţă-covarianţă
estimate pentru estimatorii ,ˆ cu  0 ,1, , p
j , jrelaţia:
n
  s2 X T X
  

1 ,  ei
2

s2  i 1
nk 15
3.5. Testarea parametrilor modelului

1. Formularea ipotezelor:

H 0 :  j  0, j  0 ,1, , p
H1 :  j  0, j  0 ,1, , p

2. Alegerea pragului de semnificaţie….

16
3.5. Testarea parametrilor modelului

3. Alegerea statisticii test:

ˆ j   j
t
ˆ ˆ
j

4. Valoarea critică (teoretică) a statisticii: t / 2 , n  k

bj
tcalculat 
5. Valoarea calculată a statisticii: sˆ
j

6. Regula de decizie

17
Exemplu
În studiul legăturii dintre valoarea vânzărilor (Y) şi cheltuielile
de publicitate (X1), cheltuielile ocazionate de diferite promoţii
(X2) şi vânzările anuale realizate de principalul concurent (X3),
pentru un eşantion de 15 firme, s-au obţinut următoarele
rezultate:

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 65,705 27,731 2,369 ,037
X1 48,979 10,658 ,581 4,596 ,001
X2 59,654 23,625 ,359 2,525 ,028
X3 -1,838 ,814 -,324 -2,258 ,045
a. Dependent Variable: Y

18
Exemplu
Se cere:
1. Să se scrie modelul legăturii dintre variabila Y şi variabilele
independente Xi.

2. Să se interpreteze valoarea parametrului care arată legătura

dintre valoarea vânzărilor firmei şi cheltuielile de publicitate.

3. Să se calculeze limitele intervalului de încredere, garantat cu

o probabilitate de 99%, pentru parametrul β1,

4. Să se testeze valoarea parametrului β3, considerând un risc de

0,05.

19