ECONOMETRIE

Curs 7

Conf. univ. dr. Mariana HATMANU

- anul universitar 2020-2021 -

1
 Regresia multiplă liniară (II)

3.10 Testarea influenței marginale a unei variabile

Aplicații: Regresia liniară simplă și multiplă

2
 3.10 Testarea influenţei marginale a unei
variabile în model
a) Testarea influenţei marginale a unei variabile introduse în
model (I)
Ipoteze:
• H0: Variabila introdusă NU influenţează semnificativ variaţia
variabilei dependente (adăugarea ei nu îmbunătăţeşte modelul
sau creşterea valorii raportului de corelaţie nu este
semnificativă) sau  p 1  0 , unde X p 1 este variabila introdusă
în model
• H1: Variabila nou adăugată influenţează semnificativ variaţia
variabilei dependente (îmbunătăţeşte semnificativ modelul sau
creşterea valorii raportului de corelaţie este semnificativă) sau
 p 1  0
- modelul nou / new
- model vechi / old 3
 a) Testarea influenţei marginale a unei
variabile introduse în model (II)
Se testează semnificaţia statistică a modificării produse asupra
raportului de corelaţie prin introducerea unei variabile noi,
cu testul Fisher.

ESSnew  ESSold n  k new 2

Rnew  Rold
2
n  k new
Fcalculat    
RSS new k new  kold 1  Rnew k new  k old
2

Valoarea teoretică a statisticii F este

F ; knew  kold , n  knew

v1  k  k new  k old ; v2  n  k new
4
Testarea influenţei marginale a unei
variabile introduse în model (III)
Exemplul 1.

5
Testarea influenţei marginale a unei
variabile introduse în model (III)
Exemplul 1.

6
 Testarea influenţei marginale a unei
variabile introduse în model (IV)
Se analizează semnificaţia Sig. corespunzătoare testului F
de verificare a semnificaţiei diferenţelor dintre
capacitatea explicativă a modelului de regresie, înainte
şi după includerea unei variabile noi:
(sig. = 0.005) <(α = 0.05).

Interpretare: Se respinge ipoteza nulă H0, deci prin

adăugarea variabilei Rata inflației, modelul de regresie s-
a îmbunătăţit, capacitatea sa explicativă pentru variabila
dependentă a crescut semnificativ, în conditiile riscului
asumat de 5%.

7
 Testarea influenţei marginale a unei
variabile introduse în model (V)
Exemplul 2.
Model Summary

Change Statistics
Adjusted Std. Error of R Square
Model R R Square R Square the Estimate Change F Change df1 df2 Sig. F Change
1 .661 a .436 .435 $12,833.540 .436 365.381 1 472 .000
2 .663 b .439 .437 $12,815.280 .003 2.346 1 471 .126
a. Predictors: (Constant), Educational Level (years)
b. Predictors: (Constant), Educational Level (years), Months since Hire

(sig.= 0.126) > (α = 0.05).

Interpretare: Ipoteza nulă H0 nu se respinge, deci prin
introducerea unei variabile noi performanţele modelului de
regresie NU s-au îmbunătăţit semnificativ, capacitatea sa
explicativă pentru variabila dependentă NU a crescut
8
semnificativ.
 3.9 Testarea influenţei marginale a unei
variabile în model
b) Testarea influenţei marginale a unei variabile eliminate
din model (I)

Ipoteze:
• H0: Variabila exclusă NU influenţează semnificativ variaţia
variabilei dependente (excluderea ei nu modifică semnificativ
capacitatea explicativă a modelului sau reducerea valorii
raportului de determinaţie nu este semnificativă)
• H1: Variabila exclusă influenţează semnificativ variaţia
variabilei dependente (se modifică semnificativ modelul sau
reducerea valorii raportului de determinaţie este
semnificativă)
Se aplică testul F – idem cazului de mai sus, dar se modifică
formula lui F şi
v1  k  k old  k new ; v2  n  k old
9
 b) Testarea influenţei marginale a unei
variabile eliminate în model (II)

VˆE _ old  VˆE _ new n  k old ˆold

2
 ˆnew
2
n  k old
F   
VˆR _ old k old  k new 1  ˆold
2
k old  k new
F ; kold  k new, n  kold
2 2
ESSold  ESSnew n  k old Rold  Rnew n  k old
Fcalculat    
RSSold k old  k new 2
1  Rold k old  k new

v1  k  k old  k new ; v2  n  k old

10
11
b) Testarea influenţei marginale a unei
variabile eliminate din model (III)

12
b) Testarea influenţei marginale a unei
variabile eliminate din model (III)

13
 b) Testarea influenţei marginale a unei
variabile eliminate din model (IV)
Se analizează semnificaţia Sig. corespunzătoare testului F
de verificare a semnificaţiei diferenţelor dintre
capacitatea explicativă a modelului de regresie, înainte
şi după excluderea unei variabile:
(sig. = 0,005) < (α = 0,05).

Interpretare:
• Se respinge ipoteza nulă H0, deci prin excluderea
variabilei “Rata inflatiei” modelul de regresie s-a
modificat semnificativ, capacitatea sa explicativă pentru
variabila dependentă s-a redus semnificativ. Prin urmare,
cel mai bun model este cel care include și variabila “rata
inflatiei”, adică modelul inițial.

14
 Aplicații

 1. Să se scrie ecuația estimată ale modelului

prezentat mai jos:

Să se interpreteze valoarea estimată a paramtrului .

15
 Aplicații

 2.
Să se scrie ecuația estimată ale modelului prezentat
mai jos:

Să se interpreteze valoarea estimată a paramtrului .

16
 Aplicații

 3.
Pentru un eșantion de 12 imobile s-au înregistrat
pretul, vechimea si suprafata. Să se testeze
semnificația statistică a coeficientului de regresie ,
considerand un risc de 5%:

17
 Aplicații

4. Să se estimeze și să se testeze coeficientul de

corelație bivariată dintre variabilele pret și suprafata,
considerand un risc de 5%:

18
 Aplicații

5. Cunoscând n=12, să se estimeze și să se testeze

coeficientul de corelație bivariată dintre variabilele pret
și suprafata, considerand un risc de 5%:

19
 Aplicații

6. Să se estimeze și să se testeze coeficientul de

corelație parțială dintre variabilele pret și suprafata,
atunci cand vechimea se menține constantă
considerand un risc de 1%:

20
 Aplicații

7. Pentru un eșantion de 12 imobile s-au înregistrat

pretul, vechimea si suprafata. Să se estimeze și să se
testeze coeficientul de corelație parțială dintre
variabilele pret și suprafata, atunci cand vechimea se
menține constantă considerand un risc de 1%.

21
 Aplicații

8. Să se ierarhizeze variabilele din modelul de mai jos:

22
 Aplicații

9. Să se specifice care este cel mai bun model dintre

cele două prezentate mai jos:

23
 Aplicații
10. Să se testeze influența marginală a variabilei
introduse în modelul de mai jos, pt risc de 5%:

24
 Aplicații
11. Să se testeze influența marginală a variabilei
introduse în modelul de mai jos, pt risc de 1%:

25