ACADEMIA DE STUDII ECONOMICE FACULTATEA DE ECONOMIE AGROALIMENTAR MEDIULUI

IA

Prof. univ. dr. MIRCEA GHEORGHI Conf. univ.dr. SIMONA ROXANA P T RL GEANU

ECONOMETRIE

BUCURE TI -2008-

1

CUPRINS Introducere Capitolul I: Modele econometrice 1.1. Generalit i 1.2. Model aleator 1.3. Natura variabilelor care apar în model 1.4. Induc ia statistic 1.5. Identificarea modelului 1.6. Previziunea variabilei endogene 1.7. Vocabular uzual Capitolul II: Regresia simpl 2.1. Modelul liniar al regresiei simple 2.2. Determinarea estimatorilor parametrilor prin metoda celor mai mici p trate 2.3. Propriet ile estimatorilor 2.3.1. Covarian a estimatorilor 2.3.2. Determinarea unui estimator nedeplasat pentru varian a erorilor 2.3.3. Interpretarea geometric a metodei celor mai mici p trate 2.3.4. Coeficientul de corela ie liniar 2.3.5. Distribu ia de probabilitate a estimatorilor 2.4. Teste i intervale de încredere 2.5. Previziunea cu modelul liniar 2.6. Experien de calcul Capitolul III: Regresia multipl 3.1. Modelul liniar al regresiei multiple 3.2. Determinarea estimatorilor parametrilor 3.3. Propriet ile estimatorilor 3.4. Determinarea unui estimator nedeplasat pentru varian a reziduurilor 3.5. Teste i regiuni de încredere 3.6. Previziunea variabilei endogene 3.7. Coeficientul de corela ie multipl . Analiza varian ei 3.8. Experien de calcul Capitolul IV: Studiul modelului liniar când ipotezele clasice asupra erorilor nu mai sunt realizate 4.1. Ipoteza de independen a erorilor 4.1.1. Testarea ipotezei de independen a erorilor 4.1.2. Experien de calcul 4.2. Ipoteza de normalitate a erorilor 4.3. Ipoteza de heteroscedasticitate 4.3.1. Experien de calcul 4.4. Ipoteza de independen a erorilor în raport cu variabilele exogene 4.5. Ipoteza referitoare la faptul c variabilele sunt observate f r er oare 4.5.1. Experien de calcul Bibliografie 3 4 4 4 4 5 5 5 6 10 10 11 12 15 16 18 21 22 24 25 29 34 34 35 36 38 39 41 42 45 49 49 52 55 59 60 61 63 63 65 68

2

INTRODUCERE Dezvoltarea aparatului statistic furnizeaz economi tilor tot mai multe date cifrice despre procesele i fenomenele care au loc în timp i spa iu. Econometria este un mijloc de a exploata aceste date. No iunea de econometrie provine din termenii oikonomie (economie) i metron (m surare) i desemneaz totalitatea metodelor i tehnicilor de m surare a fenomenelor i proceselor care au loc în domeniul economic. Primele lucr ri econometrice au avut ca obiect func iile consumului, care leag nivelul consumului de venitul disponibil (aceste func ii stau la baza teoriei keynesiene). În decursul timpului, numero i autori au încercat definirea econometriei. Lucrarea ÄECONOMETRIA PENTRU...ECONOMI TI´, a profesorului Eugen tefan Pecican, ap rut la Editura Econmic în 2003, con ine multe referiri în acest sens, din care am selectat câteva. Autori R. Frisch P.A. Samuelson, T.C. Koopmans, J.R.N. Stone Fr. Perroux G.C. Chow W. Griffits, H. Carter, G. Judge Referin a Econometria realizeaz îmbinarea punctelor de vedere care se refer la teoria economic , statistic i matematic cu privire la natura rela iilor cantitative din economie Econometria reprezint o analiz de natur cantitativ a fenomenelor economice, bazat pe dezvoltarea recent a teoriei culegerii i interpret rii datelor, în conexiune cu metodele de inferen (induc ie) statistic adecvate Econometria este o economie de inten ie tiin ific Econometria este un domeniu în care se îmbin arta i tiin a de a utiliza metodele statistice în vederea m sur rii rela iilor economice Econometria este ansamblul metodelor de realizare a analizei datelor economice

Autorul lucr rii citate mai sus este de p rerea c obiectul econometriei const în cunoa terea mecanismelor de desf urare a proceselor economice descrise de serii de date statistice, prin utilizarea metodelor cantitative de natur statistic sau matematic . Defini iile date econometriei pun în eviden dou elemente: domeniul de studiu (economia, rela iile dintre variabilele economice) i metodele utilizate (provenite din statistic i matematic ). Econometria se orienteaz spre construirea de modele econometrice care s reprezinte simplificat procesele sau fenomenele economice analizate i s permit simul ri ale acestora, în scopul în elegerii lor, pe de o parte, dar i s serveasc la realizarea de previziuni, prognoze care s fundamenteze politicile economice, pe de alt parte.

3

aleator. Sunt variabilele explicative ale variabilei studiate i se consider ca fiind date autonom.. x nt ) g ( p t 1 . trebuie ca cererea s fie egal cu oferta. de pre ul unor produse analoage etc.. x 2 t . x1t . Natura variabilelor care apar în model Într-un model econometric se disting dou tipuri de variabile: -exogene. Putem scrie c variabilele C i O sunt func ii de variabila p i c la echilibrul pie ei. de regul . Rela ia stabilit între variabile în modelul econometric este dat . ipotezele se ref er doar la momentele de ordinul I i II ale variabilei aleatoare i. La fel. Apoi. dac se studiaz cererea (C) i oferta (O) dintr-un anumit bun pe o pia . ce va trebui s fie specificat prin ipotezele f cute asupra modelului. Modelul econometric este. Se ob ine astfel un model aleator: [3] i i i Factorul aleator i este o variabil aleatoare care urmeaz o anumit lege de probabilitate. x 2 t . se va începe studiul cu un model mai simplu.. Generalit i Modelarea economic reprezint un proces de cunoa tere mijlocit a realit ii cu ajutorul unui instrument cu caracteristici speciale: modelul. Aceast variabil economic depinde. Se construie te astfel un model elementar de forma: [1] C ® ! f ( p) ± ¯O ! g ( p ) ±C ! O ° Oferta i cererea dintr-un anumit bun depind i de alte variabile decât pre ul. cererea dintr-un bun alimentar depinde i de venitul disponibil. caz în care variabilele apar indiciate: [2] Ct În modelul [2] s-au introdus mai multe variabile care explic cererea i oferta dintr-un bun i s-a considerat realizarea acestor variabile la momentul t sau t -1. De exemplu. Condens m efectele acestor al i factori într-unul singur.. notat i. Validitatea unui model este testat prin confruntarea rezultatelor ob inute cu observa iile statistic e. cu o unic ecua ie. Modelul econometric elementar const în a exprima Ci în func ie de Vi . la rîndul s u de alte variabile de care este legat pr in rela ii matematice.3. care este o reprezentare simplificat a obiectului cercetat. Dac rezultatul ob inut este convenabil. al i factori ± dintre care unii sunt necunoscu i ± determin de asemenea consumul familiei. la un anumit moment de timp t. Între alte variabile. definind o Äregul de previziune´ se va putea determina consumul Ci dac se cunoa te venitul Vi . x1t . Cel mai frecvent..1.. De exemplu. În modelul [4] Vi este variabila exogen (sau explicativ . de regul . Urmeaz s ne asigur m c func ia f (sau clasa de func ii) aleas nu contrazice rezultatele experien ei. Evident...) oferta depinde de pre ul anului precedent. Modelele actuale comport adesea mai mult de zece rela ii (ecua ii). se tie c cererea i oferta depind de pre ul (p) bunului respectiv. 1. independent ). Se zice c avem un model cu ecua ii multiple... consumul depinde de venitul disponibil al familiei (Vi ). Sistemul real supus studiului este înlocuit prin modelul s u..2. dac s-a ales f ca o func ie liniar (adic f(Vi ) = aVi+b). Venitul familiei Vi explic în acest model 4 ¡ Ct ± ¯Ot ± ° ¡ ¡  f ( pt . Se spune c Ätest m´ modelul.CAPITOLUL I MODELE ECONOMETRICE 1. x rt ) Ot . 1. Model aleator S presupunem c se studiaz consumul (Ci ) dintr-un anumit bun de c tre o familie (i). modelul econometric este: [4] C ! f (V )  I C i ! aVi  b  I i i variind pe i pentru diferitele familii studiate. Pentru a studia un fenomen economic se încearc reprezentarea lui prin comportamentul unei variabile. Astfel. o mul ime de rela ii numerice care permite reprezentarea simplificat a procesului economic supus studiului (uneori chiar a întregii economii). Desigur. dac este vorba despre un bun agricol (grâu. Se observ c modelul comport mai multe rela ii. se va trece la Äestimarea´ parametrilor a i b. ne vom asigura c rela ia [4] este bine satisf cut .

Când modelul econometric a c p tat formularea matematic definitiv se spune c modelul a fost Äspecificat´. Sunt variabilele de explicat (sau dependente).27] cu o probabilitate de 95% (s-a considerat E=5%). X1 i X2 (observa iile fiind anuale) permit determinarea parametrilor modelului.. Consider m din nou modelul Ci =aVi+b+ i . S presupunem c procedura utilizat . dac este vorba despre observa ii luate la acela i moment-. Odat ce modelul a fost ales. Acestea vor permite identificarea unei p r i a parametrilor modelului (cei care apar in intersec iei). În cursul induc iei statistice modelul nu se mai modific . ci la dou structuri distincte: s0 =¯a0 . Sunt posibile dou cazuri: s0 i s1 sunt distincte i nu putem alege între ele.7. Se va vedea rolul important jucat de aceast variabil aleatoare în modelul econometric. b. atunci când cele exogene au fost fixate. plecând de la cuplurile (Ci. t=1. Modelul [4] de mai sus este specificat. Cu alte cuvinte. Din aceast cauz nu vom putea determina valorile parametrilor care figureaz în model. Distinc ia între natura variabilelor este foarte important i va trebui precizat întotdeauna înainte de a studia modelul.2.Vi ). pornind doar de la observa iile statistice de care dispunem. 1. Identificarea modelului 1..78] i b[20. ca urmare.5. De exemplu.W 0¿ . în general. Problema identific rii este important mai ales în cazul modelelor cu ecua ii multiple. modelul econometric este: yt=a1x1t +a2x2t+b+ t. -endogene.consumul familiei Ci. Aceste valori se vor aprecia. S presupunem c am g sit estima iile punctuale: Ö a ®1 ! 0. i=1.W 1¿. Se spune c cele dou structuri sunt echivalente.permite determinarea consumului Ci . modelul nu este identificabil. adic f(Vi) = aVi +b. Mul imea parametrilor care definesc complet modelul econometric constituie Ästructura´ acestuia. Se spune c structurile considerate nu sunt Äidentificabile´ i.0. W = 5 ¿ constituie structura modelului [4]. Valoarea variabilei exogene ±pentru un i dat i pentru i precizat. Deorece legea de probabilitate pentru precizeaz i legea de probabilitate pentru C. nu conduce la o solu ie unic . Presupunem c structurile s0 i s1 conduc la aceea i lege de probabilitate pentru consumul C. s se determine structura adev rat a modelului. De exemplu. plecând de la un spa iu e antion definit de mul imea cuplurilor (Ci . Ad ugarea variabilei exogene i d modelului formularea definitiv [4]. Datele istorice (pe perioada 1990-2005) despre Y. b= 23. Previziunea variabilei endogene 1. s1 =¯a1 . b. pornind de la informa ia de inut .. în modelul [4] se va g si c a[0.b0. adic de la cuplurile (Ci . dar nu permit o identificare complet a modelului. dac a = 0. W ¿ . Scopul va fi acela ca.Vi ) asociate diferitelor familii i. Ci este variabila endogen în modelul precedent.. intersec ia lor nu este vid . se admite c exist un triplet (a. cu ajutorul unor Äintervale de încredere´ construite la un prag de semnifica ie (E) dat.6. s0 i s1 nu sunt distincte. Aici intervine Äinduc ia´statistic .T unde t este timpul. dac dorim s studiem evolu ia importurilor (Y) în func ie de produsul intern brut (X1) i de nivelul stocurilor (X 2). Se poate remarca faptul c Ci este acum o variabil aleatoare datorit lui i..7 i b = 23 iar urmeaz o lege de probabilitate normal de medie (speran matematic ) egal cu zero i dispersie (varian ) egal cu 5.. atunci mul imea ¯ a = 0. Interesul unui model a c rui structur a fost determinat const în a-l utiliza pentru previzionarea variabilelor endogene ± într-o etap viitoare sau într-o circumstan dat . s permit trecerea de la spa iul e antion la spa iul structurilor.2. Se poate estima i abaterea medie p tratic (W) a variabilei aleatoare i.14 ± Ö ¯ a 2 ! 0. fiecare structur ( inând cont de valorile exogenelor i de legea lui ) conduce la o lege de probabilitate pentru C.64. De exemplu.6 ±b!6 Ö ° 5 . Procedura aleas ± a a cum se va vedea în continuare ± va consta în ob inerea de estimatori pentru parametrii a i b care s permit determinarea celor mai bune valori reale ale acestor parametri.4.Vi) s se determine structura adev rat a modelului în spa iul cu trei dimensiuni al structurilor ¯ a .b1.. Induc ia statistic Obiectul induc iei statistice este de a determina o procedur care. Se cunoa te forma func iei f din expresia Ci = f(V i ) + i . W ) care permite reprezentarea exact a procesului prin care valorile variabilelor observate au fost determinate.

Ö Modelul Äestimat´ este: y t ! 0.14 x1t  0. cînd s-a studiat legatura dintre ele. Este posibil s aib loc un oc. se parcurg urm toarele etape: .metoda grafic (se determin punctul mediu M ale c rui coordonate sunt . .previziunea variabilei endogene. o ruptur care s perturbe echilibrul dintre variabilele care explic fenomenul.7. eventual inînd cont de evolu ia lor trecut .specificarea modelului nu poate fi perfect . . Dac dorim s facem o previziune a importurilor pentru anul 2007. în general. . 1 1U 2 2U Observa ie. forma func iei alese pentru a explica evolu ia lui y neputînd fi suficient de precis . trebuie s tim PIB-ul i nivelul stocurilor în anul 2007.6 x 2t  6 . s nu mai intervin în acela i mod ca în perioada 1990-2005.(12. Lectura acestui paragraf credem c v va incita s revede i cursul de Statistic matematic . Asupra valorii previzionate trebuie s remarc m: .1030+(0. Dac sunte i familiariza i cu statistica matematic . Vocabular uzual Ö Ö Ö yp ! a x  a x  b 1. x2 au fost alese arbitrar. Este evident c toate aceste cauze pot constitui surse de eroare a previziunii.7)+6 sau. unde este perioada de previziune. Exist mai multe metode pentru g sirea acestei drepte: . pute i trece la capitolul II. Ajustare ± Reprezentarea grafic a seriilor de date economice conduce frecvent la figuri pu in lizibile i greu de interpretat din cauza varia iilor pe termen scurt. realizându -se astfel o ajustare liniar . U . Ajustare liniar ± Atunci când reprezentarea grafic a unei serii statistice duble d un nor de puncte de form alungit . Nor de puncte ± Fiind dat o serie de date statistice în care valorile (xi . v reamintim aici cîteva no iuni de baz . Metodele matematice numite Äde ajustare´ permit ob inerea unei curbe simple.specificarea modelului (g sirea formul rii matematice definitive a leg turii dintre variabilele care descriu fenomenul sau procesul economic studiat). Presupunînd c aceste variabile exogene sunt x1=1030 i x2=12.estimarea parametrilor i testarea modelului cu ajutorul statisticilor (seriilor de date observate) deja cunoscute. se încearc ob inerea unei aproxim ri bune a acestei serii cu ajutorul unei drepte.yj) afectate de coeficien ii nij . Vom vedea care sunt metodele de a minimiza eroarea de previziune.valorile exogenelor x1 . dar f r o semnifica ie important . numeroase i sensibile.7 vom avea ca previziune pentru y: y2007=(0.6). ob inându-se astfel un nor de puncte. . cât mai apropiat posibil de mul imea de puncte furnizate de observa iile empirice disponibile.14). În caz contrar.este posibil ca variabilele explicative (exogene) ale variabilei endogene (explicate). la momentul previziunii.yj) apar efectiv de nij ori putem reprezenta într-un plan toate aceste valori prin puncte de coordonate (xi . Rezumatul capitolului I Pentru construc ia i utilizarea unui model econometric.

Aceast metod este ambigu pentru c nu ine cont de ponderea fiec rui punct în norul de puncte). y i se traseaz dreapta care pare a fi cea mai reprezentativ a seriei. orice aplica ie p a lui P(. Se constat c V2=aad i c V variaz între ±1 i 1. care coincid dac V2=1. în general. În afara faptului de a da o reprezentare mai mult sau mai pu in satisf c toare leg turii dintre X i Y.în intervalul [0. Cele dou drepte de regresie sunt. numim probabilitate pe .Y)/Var(Y) i b d X  a d .Y)/W(X)W(Y).x. adic V ! 1 . Corela ia se m soar cu coeficientul de corela ie V=cov(X. . .1A care verific trei condi ii: 6 .metoda lui Mayer (se regrupeaz punctele norului în dou submul imi c rora li se determin punctele medii M1 i M2. Probabilitate ± Fiind dat o mul ime finit . Dreapta de ajustare este atunci dreapta care trece prin M1 i M2). Se arat c panta (coeficientul director) acestei drepte este a=cov(X. Caracteristicile X i Y sunt corelate maximal când V este apropiat de 1). Procedând la fel se g se te dreapta de regresie de ecua ie X=adY+bd . asociind lui X o valoare probabil a lui Y prin rela ia Y=aX+b.) ± mul imea p r ilor lui .metoda celor mai mici p trate (const în a face minim suma p tratelor distan elor de la punctele norului la o dreapt de ecua ie Y=aX+b numit dreapt de regresie a lui Y în X. determinând ecua ia Y=aX+b. . V2 m soar unghiul dintre cele dou drepte de regresie. importan a ajust rii liniare este de a permite previziuni statistice.Y)/Var(X). Compararea lor permite m surarea nivelului ! Y de corela ie al caracteristicilor X i Y. cu ad=cov(X.. Coeficientul b se ob ine scriind c dreapta de regresie trece prin punctul mediu: b ! Y  aX . distincte.

p(AŠB)= p(A)+ p(B).)p[0.) . (se nume te eveniment contrar lui A). este un univers finit. numim Ävariabil aleatoare´ orice aplica ie X: .p(A)u0. adic X(. Legea de probabilitate a unei variabile aleatoare ± Dac universul finit .1A.1A care asociaz oric rui xX(.). pentru a defini o variabil aleatoare pe . ci o aplica ie! Se observ c nu este necesar s cunoa tem o probabilitate pe . x pp(X=x).. Mul imea valorilor lui X. A studia o variabil aleatoare înseamn a-i descoperi legea sa de probabilitate. A‰B=* . înzestrat cu probabilitatea p se nume te spa iu probabilizat.)p[0. Aten ie!. . numim lege de probabilitate a variabilei aleatoare X. se asociaz acestei variabile aleatoare func ia F:Rp[0. * este evenimentul imposibil. este evenimentul cert. Dac A‰B=*. notat px este definit prin px: X(.. Evenimentul (X x) este imaginea intervalului . se nume te eveniment elementar sau eventualitate. iar X este o variabil aleatoare definit pe .. se nume te univers (sau univers de probabilit i). .B P(. evenimentele A i B sunt incompatibile. Aceast mul ime X-1(x) este notat (X=x). A este evenimentul complementar lui A în . Variabil aleatoare ± Dac . este înzestrat cu o probabilitate p.o variabil aleatoare nu este o variabil . dac A. Func ie de reparti ie ± Dac universul finit .p(. Un singleton (mul ime ce con ine un singur element) al lui . aplica ia px : X(. pR ( a lui . pentru  A P(.) se nume te universul imagine. Orice parte a lui . Legea de probabilitate a lui X. este un eveniment.1A definit prin F(x)=p(X x) numit func ie de reparti ie a variabilei aleatoare X.) probabilitatea evenimentului Ämul imea antecedentelor lui x prin X´. în mul imea numerelor reale). este înzestrat cu o probabilitate p.)=1 .. iar X este o variabil aleatoare definit pe .

i=1.. E(X) este media în probabilitate a valorilor luate de variabila aleatoare X.n. Legea de probabilitate a lui X asociaz fiec rui xi probabilitatea pi =p(X=xi ).n.2. Se nume te varian a variabilei aleatoare X. Varian a este media în probabilitate a p tratului distan elor de la xi la media lor. Speran a matematic ± Dac X este o variabil aleatoare definit pe universul finit .. Se nume te speran matematic a variabilei aleatoare X. num rul real pozitiv Var ( X ) ! § pi ( x i  E ( X )) 2 i !1 n .. x prin func ia X.2.. g. Legea de probabilitate a lui X asociaz fiec rui xi probabilitatea pi =p(X=xi ). Varian a ± Dac X este o variabil aleatoare definit pe universul finit . R d cina p trat (radicalul) lui Var(X) este ecartul-tip al variabilei aleatoare X. înzestrat cu probabilitatea p.. i=1. Momente condi ionate ± Se consider vectorul aleator . universul imagine este o mul ime finit i ia valorile xi . notat W x. num rul real E ( X ) ! § p i xi i !1 n . E(.... Func ia de reparti ie este o func ie în scar ... înzestrat cu probabilitatea p. universul imagine este o mul ime finit i ia valorile xi .) este un operator liniar.

Se pot defini variabilele aleatoare Ämedii condi ionate´ astfel: . p.variabila aleatoare Ämedia lui X condi ionat de Y´. §§ p i j ij ! 1 i variabila aleatoare condi ionat (X/Y=yj) cu reparti ía P( X ! xi / Y ! y j ) ! p ij p. j ! § pij . j ! 1 M (X /Y ) : © © ¹ p. cu reparti ia: ¨ M (X /Y ! y j )¸ ¹. § p. p R 2 . j ! 1 p. p ij " 0. Y ! y j ) ! pij . j j ª º -variabila aleatoare Ämedia lui Y condi ionat de X´ .X . Y : . j §p i ij x ik Similar se define te momentul de ordinul k al variabilei aleatoare Y condi ionat de X=xi . p. j u 0. j §x p i i ij . Momentul de ordinul k al variabilei aleatoare X condi ionat de Y=yj este i momentul ini ial de ordinul k al variabilei aleatoare condi ionate (X/Y=yj): M ( X k / Y ! y j ) ! § x ik P ( X ! xi / Y ! y j ) ! § xik i i p ij p. Pentru k=1 se ob in mediile condi ionate: M (X /Y ! y j ) ! 1 p. cu reparti ia: ¢ (Y / X ! x i ) ! 1 § y j pij pi . j 7 . cu reparti ia P ( X ! x i . j .

W ) . x  R. respectiv dispersia (varian a) variabilei aleatoare X  N (m. variabila aleatoare M(X/Y) cu mul imea valorilor posibile: M(X/Y=y). ¹ 2 2º ª  n 1 2 ... cu densitatea de probabilitate: f ( x) ! 1 2T exp(  x2 ). i º ª Regresie ± Se nume te regresia variabilei aleatoare X în raport cu Y. § p i . Dac M(X/Y)=aX+b sau M(Y/X)=cY+d se spune c regresia este liniar Reparti ía normal ± Variabila aleatoare X urmeaz o reparti ie normal de parametri m i  N (m. x>0. >0 =1 se ob ine reparti ia normal Änormat ´ N(0. 2W 2 m  R.2. n1 . n  N * 2 i=1. ! 1 M (Y / X ) : © ¹ © pi . n 2  N * 8 . Reparti ia 2 (hi-p trat) cu n grade de libertate ± Variabila aleatoare X urmeaz legea de reparti ie hi-p trat cu n grade de libertate (se mai scrie i X  H (n) ) dac densitatea ei de reparti ie este: f ( x) ! 1 n +( )2 2 n 2 x n 1 2 x exp(  ). n  N * Dac variabilele aleatoare X  N (0. regresia variabilei aleatoare Y în raport cu X este: M(Y/X=x). (se mai scrie i X Similar. atunci variabila aleatoare Dac variabilele n aleatoare X i  N (0. u 0. ¹ ª ª2 2º x>0. p i . x  R.1). f ( x) ! ª 2 º ¨ n1 n 2 ¸ © n 2 ¹ º &© . atunci variabila aleatoare Z! X Y n  S (n) . W ) ) dac densitatea ei de probabilitate (derivata func iei de reparti ie) este: f ( x) ! Pentru m=0 i 1 W 2T exp(  ( x  m) 2 ). y  R. x  R.1).¨ M (Y / X ! x i ) ¸ ¹..n2) ± Variabila aleatoare X urmeaz legea de reparti ie Fisher-Snedecor cu n1 i n2 grade de libertate dac densitatea ei de reparti ie este: n1 ¨ n1 ¸ 2 n21 1 n n © ¹ x  1 2 ©n ¹ ¨ n ¸ 2 ©1  1 x ¹ . x  R. Reparti ia Fisher-Snedecor F(n1. Y ! § X i2 i !1 urmeaz legea de reparti ie H(n). 2 Se arat c parametri m i 2 sunt media (speran a matematic )..n sunt independente.1). Y  H (n) sunt independente. Reparti ia Student cu n grade de libertate S(n) ± Variabila aleatoare X urmeaz legea de reparti ie Student cu n grade de libertate dac densitatea ei de reparti ie este: f ( x) ! ¨ 1 x2 ¸ ©1  ¹ n ¹ ¨n 1¸© ª º n &© .

X2 n2 9 . n 2 ) .Dac variabilele aleatoare X 1  H (n1 ) i X 2  H (n 2 ) sunt independente. atunci variabila X1 n aleatoare X ! 1  F ( n1 .

1. Se dispune de T observa ii asupra lui Y i X. 2.T X o variabil exogen . I o variabil aleatoare ale c rei caracteristici vor fi precizate prin ipoteze. Ulterior. cel mai simplu model econometric: o variabil În cadrul capitolului este prezentat endogen reprezint evolu ia fenomenului considerat i aceast evolu ie este explicat printr-o singur variabil exogen . Modelul liniar al regresiei simple Consider m modelul: (1) yt ! axt  b  I t . I2 : a)...CAPITOLUL II REGRESIA SIMPL Studiem. 2. t=1. Y ±variabila endogen este o variabil aleatoare. X ±variabila explicativ se consider dat autonom în model..I urmeaz o lege de distribu ie independent de timp. yt ) care sunt realiz ri ale lui X i Y. prin intermediul lui I. în alte capitole. yt ) cunoscute. se vor examina propriet ile estimatorilor ob inu i i se vor generaliza rezultatele analizei pentru modele mai complexe. adic T cupluri (xt . pentru început. determinarea intervalelor de încredere referitoare la parametri i previziunea care poate fi f cut cu un astfel de model. se vor relaxa aceste restric ii. adic media i dispersia lui I nu depind de t: E . metoda de estimare a parametrilor care intervin într -un model econometric. vom simplifica lucrurile impunînd o serie de ipoteze restrictive asupra modelului. Ipoteze fundamentale Pentru a putea ob ine rezultatele enun ate la început. în care: Y reprezint o variabil endogen . iar într o a doua parte se d o interpretarea geometric a metodei utilizate. a i b sunt parametri reali necunoscu i pe care dorim s -i estim m cu ajutorul observa iilor (xt . Într-o prima parte se va trata ob inerea estimatorilor parametrilor modelului i propriet ilor lor. discutînd implica iile abandon ri i unora din aceste ipoteze asupra calit ii estimatorilor. I1 : xt i yt sunt m rimi numerice observate f r eroare. .

.2.. Var . T . t ! 1...I t ! 0.

t . pentru medie i dispersie.I t ! W I2 . cantitate finit . Observa ie: S-au folosit aici. nota iile E .

y . respectiv Var .

În caz contrar.y . 10 . exist heteroscedasticitate. Altfel. Se presupune c studen ii au cuno tin e elementare despre teoria probabilit ilor i statistic matematic . Aceasta este ipoteza de homoscedasticitate.Realiz rile lui I sunt independente de realiz rile lui X în cursul timpului. ele trebuie rev zute! b). provenind de la Äsperan a matematic ´ i Ävarian a´ unei variabile aleatoare.

c). Dou erori relative la dou observa ii diferite t i t¶ sunt independente între ele.Independen a erorilor (se va vedea pe parcurs c variabila aleatoare I reprezint Äerori´ sau Äreziduuri´). însemnînd c au covarian a nul : I cov.

ceea ce implic E . t . I t d ! 0 .

cu media 0 i dispersia ceea ce poate fi scris astfel: I3 : Primele momente empirice ale variabilei X. pentru T foarte mare. Presupunem c I urmeaz o lege de reparti ie normal .I t . Prin defini ie. cov( I t . sunt finite: W I2 . I t d ! E (I t  E (I t ))(I t d E (I t d ) )) ? A i inînd cont de a) rezult implica ia.Normalitatea erorilor. I  N 0. W I2 .I t d ! 0 . d).

. 2 1 T xt  x €T pg p s 2 € € § T t !1 . 1 T € § xt €T€g p x0 p T t !1 (media empiric ).

Determinarea estimatorilor parametrilor prin metoda celor mai mici p trate Determinarea estimatorilor parametrilor a i b (nota i cu Ö a i Ö b) prin metoda celor mai mici p trate (MCMMP) se face punând condi ia ca suma p tratelor erorilor s fie minim . Ipotezele I1. Vom vedea ulterior ce consecin e are abandonarea unora dintre ele asupra propriet ilor estimatorilor lui a i b. 2.2. (varian a empiric ). Aceast ipotez va fi folosit pentru a preciza propriet ile asimptotice ale estimatorilor parametrilor a i b. adic : § I t2 ! § ?yt  axt  bA ! N . I2. I3 pot p rea foarte restrictive.

a. b . 2 t !1 t !1 T T Pentru ca N .

trebuie ca: 1. xa 2 2 xN xa xbxa x 2N xaxb " 0 . b s fie minimal . condi ii necesare: xN xN ! 0. condi ii suficiente: " 0 . ! 0.a. xa xb 2 x 2N 2 xN 2. x 2N xb 2 Calcul m derivatele par iale ale func iei N .

T xN ! § 2.a. b .

y t  ax t  b .

 xt ! 0 xa t !1 T xN ! § 2.

y t  ax t  b .

 1 ! 0 xb t !1 T x 2N ! 2§ xt2 " 0 xa 2 t !1 11 .

! xaxb xbxa t !1 Atunci. condi iile de ordinul I (necesare) conduc la sistemul de ecua ii: T T ®T 2 § ± xt yt  a § xt  b § xt ! 0 ±!1 t !1 t !1 .x 2N ! 2T xb 2 T x 2N x 2N ! 2§ x t .

vezi justificarea geometric din partea a II-a). ... rezultând: 1 T 1 T xt yt  a § xt2  b x ! 0 ± § T t !1 ¯ T t !1 . t=1. însum £ Din a doua ecua ie avem Ö b ! y  ax t t i înlocuind în prima ecua ie: 1 § xt yt  y x Ö a! T ! 2 1 2 § xt  x T Am ob inut estimatorii . transform m mai întâi expresiile (2) pentru a le exprima în func ie de parametrii a i b. ±  ax  b ! 0 y ° 2. Ecua iile condi ii de ordinul I (numite ecua ii normale. I2. 2.1 ¯ tT . le împ r im la T. Propriet ile estimatorilor demonstra ie vom ine cont de ipotezele I1. I3.T. T ± y  a x  Tb ! 0 § § t ±!1 t t !1 t ° iar condi iile suficiente (de ordinul II) sunt verificate. Pentru a u ura demonstrarea propriet ilor enun ate..3. Vom considera modelul (1) yt ! axt  b  I t .

§ x y  T y x ! § .

y  y x  x . § x Tx § .

±! 2 .x  x t t 2 t 2 2 t Ö Ö a i b ai parametrilor a i b da i de rela iile: ® § yt  y xt  x Ö a .

2 ± xt  x ¯ § ± Ö ± b ! y  ax Ö ° .

.

.

Observa ie: Ö Ö Ö a este o variabil aleatoare pentru c e func ie de yt. Rezult : 1 1 1 § y t ! a T § xt  b  T § I t T . iar b este aleator pentru c e func ie de a . Ö Vom ar ta c estimatorii a i Ö b ob inu i prin metoda celor mai mici p trate sunt nedeplasa i i convergen i. În m dup to i t i împ r im la T. adic 12 .

.

2 y ! a x  b  I . Sc dem membru cu membru pe (2) din (1): yt  y ! a xt  x  I t  I i înlocuim y t  y în expresia lui .

.

2 .

Ö a: 2 t t t 2 .

.

! a§ .

x  x  § .

 I x  x ! A .

I § .

x  x § .

x  x § I .

x  x  § I .

x  x ! a  § I .

x  x !a § .

x  x §

x  x
t

a § ?

x Ö a! 

x  I t  I xt  x
t

t

t

t

t

t

t

2

2

t

t

(deoarece

§I ( x

t 

x) !I § ( xt  x) ! 0 ).

Din expresia lui

Ö Ö Ö Ö Ö b , avem c b ! y  a x , adic y ! a x  b , iar din (2)

y ! a x  b  I , astfel c prin

Ö Ö Ö Ö sc dere rezult : 0 !

a  a x  b  b  I sau b ! b  I  .

Am ob inut c : § Ö a !a § .a  a x .

x i I t xt  x t .

x 2 Ö Ö b ! b  I  .

not m cu wt cantitatea: Un estimator este nedeplasat dac operatorul de medie E wt ! § .  Ö a Ö b sunt estimatori nedeplasa i pentru a i b. Vom aplica în rela iile g site mai sus.a  a x . media estimatorului este chiar parametrul estimat. Pentru comoditate.

x  x 2 t xt  x . astfel c Ö a ! a  § I t wt Rezult : Ö E .

a ! E .

a  § wt E .

pentru c E(a)=a i E(It )=0. Ö Ö E b ! E .I t ! a .

b  E I  xE .

a  a Avem c : E(b)=b. .

.

¨1 ¸ 1 E I ! E © § I t ¹ ! § E .

I t ! 0 ªT º T .

i Ö Ö Ö E .

a  a ! E .

a  E .

a ! a  a ! 0 .  . deci E b ! b .

13 . Ö a i Ö b sunt estimatori convergen i pentru a i b.

tiind c Ö E .

a ! a pentru ca i Ö E b !b. .

i este suficient s ar t m c Ö Var .

a €T pg p 0 € € i Ö € Var b €T p g p 0 € estimatorilor .

. adic tim c Ö a ! a  § wt I t Ö a  a ! § wt I t . ¸ ¨ 2 2 Ö Ö Var . Ö a Ö bs fie convergen i în probabilitate c tre a i b. Calcul m varian a Ö a i Ö b.

a ! E .

a  a ! E .

wt I t ! E © § wt2I t2  2§ wt wt 'I t I t ' ¹ ! § t t' º ª ! § wt2 E I t2  2§ wt wt ' E .

Ö Var .I t I t ' t t' Conform ipotezelor fundamentale.

a ! § wt W I ! W I 2 2 ¨ x x 2 © t dar § wt ! § © ª § xt  x .

dispersia estimatorului Conform ipotezei I3. În final. Am ob inut c Determin m acum dispersia estimatorului 2 2 2 2 2 Ö Ö Ö Ö Ö Var b ! E b  b ! E I  .

a  a x ! E I  2I x .

a  a  .

a  a x ! 2 2 2 .

.

? A Ö ! E .

2 xE ? .

a  a A x E .

fiecare termen: t t ¦ (deoarece E .a  a I  I Ö  EI ! Evalu m. pe rînd.

¥ 2 t t ¥ 1 T2 TW 2 1 § E .I t I t ! 0 ).

I  T § E .

I I ! T §Var .

I ! T 2 t 2 t 14 ¥ ¥ .

2 « 1 ¨ ¸» » «1 2 ! E ¬ § I t ¼ ! E ¬ 2 © § I t  2§ I t I t ¹¼ ! ½ ­T t t º½ ­T ª 2 I 2 ¤ .

. E I t2 ! W I2 .

i E .

pentru 2 §w 2 t ¸ ¹ ! 2 ¹ º 2 § .I t I t ' ! 0 .

Ö a este: Ö Var .x  x 2 t 1 .

a ! .

x  x . § 2 t W I2 2 1 € § xt  x €T€g p s 2 i avem c p T .

rezultând: W I2 Ö Var . Ö € € a €T pg p a P Ö ( a este convergent în probabilitate c tre a). Ö b : ? 2 ¤ t { t ' .

€ € Ts A ! W I2 T .a ! 2 €T pg p 0 .

«¨ 1 » 1 « » ¸ 2 Ö E I .

a  a ! E ¬© § I t ¹.

wt I t ! E ¬§ wt I t  § wt I t I t ' ¼ ! § ¼ T ­ º ½ t t' ­ª T ½ 2 W 1 1 1 ! § wt E I t2  § wt E .

I t I t ' ! § wtVar .

I t ! I § wt T T t t' T T dar §w ! § t t !1 t !1 T T § .

x xt  x t Ö adic E I .

se ob ine: 2 2 2 W2 W2 x W I2 2 Ö W Ö Ö Var b ! I  x E . ? A Folosind aceste rezultate par iale.a  a ! 0 .

a  a ! I  x Var .

a ! I  T T T § xt  x .

b ! E a  E . Ö € b €T pg p b € Ö Ö Covarian a estimatorilor a i b Calcul m acum covarian a estimatorilor pornind de la defini ie: Ö Ö Ö Ö Ö Ö Ö Ö cov a.1.3. Dispersia estimatorului «1 Ö Var (b) ! W I2 ¬  ¬T ­ Cum îns 1 €€ p 0 i € T T pg P adic 2.

a ) b  E (b ! E .

a  a b  b ! 2 A .

? .

.

A ? .

Ö Ö A IÖ ! E ?a  a .

 x .

a  a ! E ? .

a  a  x .

a  a A! .

Ö I xW Ö Ö ! E ? .

a  a A xE .

a  a !  xVar .

a !   I Ö 2 Matricea de varian i covarian a lui § .

x § .

x  x § 2 ! 1 2 .

t t Ö b este: 2 » x ¼ § ( xt  x)2 ¼ ½ § .x  x ! 0 .

§ .x 1 t x 2 ! 1 €€ p 0 rezult c € Ts 2 T pg Ö ( b converge în probabilitate c tre b) .

x t x Ö Ö a i b . . notat .

bÖ este deci: Ö 15 § ? A 2 .a .

€ . 2 Ö € Var b €T pg p 0 .

. 2 I 2 .

¨ Var .

.a Ö .

a Ö Ö ª .a .bÖ ! © Ö © cov b.

¨ W I2 © 2 © Ö Ö cov a . b ¸ © § xt  x ¹! Ö Var b ¹ © xW I2 º  © 2 © § xt  x ª .

.

.

.

¸ ¹ ¹ xt  x § ¹! 2 «1 »¹ x ¼ W I2 ¬  2 ¹ T ¬ xt  x ¼ ¹ § ­ ½º  .

xW I2 2 .

¨ 1 © 2 © § xt  x 2 ! WI © x © © © § x x 2 t ª .

.

¸ ¹ xt  x ¹ § ¹ 2 1 x ¹  2 ¹ T § x x ¹ t º  .

x 2 .

Se remarc faptul c . .

.a . Se pune deci adic o estima ie pentru 2 problema de a ob ine o estima ie pentru . adic varian a lui I t care este necunoscut .bÖ con ine Ö pe W I .

Determinarea unui estimator nedeplasat pentru varian a erorilor 2. Not m I t ! yt  yt .a .3. Not m aceast estima ie cu Ö W I2 .2.bÖ . Ö Var (I t ) ! W I2 . notat y t (se mai numesc i valori Ö Ö Ö y t ! ax t  b . Ö yt este un estimator pentru eroarea Atunci diferen a dintre yt i Ö Ö I t . Ö Utilizând estimatorii a i ajustate ale variabilei endogene): Ö Ö b putem calcula estima ia variabilei endogene yt. Avem c Ö Ö Ö Ö Ö Ö Ö Ö I t ! y t  yt ! y t  axt  b ! ax t  b  I t  axt  b ! I t  .

distribu ia lui .a  a xt  b  b Ö Ö deoarece a i b converg în probabilitate c tre a i b.

tim c Ö Ö b  b ! I  . . Remarc : Ö It converge în probabilitate c tre distribu ia lui It (distribu ie normal . conform I2).

a  a x i înlocuind ob inem: Ö Ö Ö Ö I t ! I t  .

a  a xt  I  .

a  a x ! I t  I  .

a  a xt  x iar prin ridicare la p trat: .

.

Ö I t2 ! I t  I . .

Ö  2.

a  a .

x 2 t Ö  x I t  I  .

a  a xt  x 2 .

.

. 2 2 Însum m dup t=1..T i împ r im la T: 1 1 § IÖt2 ! T § I t  I T Dar: ..2. ..

t 1 Ö  2.

a  a T § .

x  x I .

2 t t Ö  I  .

a  a 1 § xt  x T .

2 Ö aa ! § I . .

§ .x  x .

x  x t t 2 i § .

x t Ö  x I t  I ! § I t xt  x  I xt  x ! § I t xt  x  I § xt  x ! .

a  a § xt  x 16 .

?.

.

A .

.

.

2 .

pentru c I § .

rezult : 1 1 § IÖt2 ! T § I t  I T Not m cu . Înlocuind.x t  x ! 0.

1  .

aÖ  a T § .

x  x 2 2 2 t . W2 ! 1 § It  I T .

îi calcul m media E W . dispersia erorilor fa 2 de media lor i cum ea este o variabil aleatoare.

: 2 2» 2 » 2» «1 «1 «1 E W 2 ! E ¬ § I t  I ¼ ! E ¬ § I t2  2I I t  I ¼ ! E ¬ § I t2  I ¼ ! ½ ­T ½ ­T ½ ­T .

.

.

2 t t' Aplicând acum operatorul de medie în rela ia: 1 1 § IÖt2 ! T § I t  I T .

1  .

aÖ  a T § .

2 2 2 t Ö i inînd cont de expresia varian ei estimatorului a . rezult : 2 2 1 2¸ ¨ ¨ 1¸ W ¸ ¨1 Öt2 ¹ ! E W 2  Var .x  x .

Ö E© § I T ª Tº ª Tº T º ªT .a § xt  x ! W I2 ©1  ¹  I ! W I2 ©1  ¹ .

adic W I Este de remarcat c . Rela ia g sit se poate scrie i astfel: ob inut: Ö Ö E W I2 ! W I2 .

2 este un estimator nedeplasat pentru modelul numitorul lui probleme. (T-2) constituie Änum rul gradelor de libertate´. pentru modelul liniar al regresiei simple. avem estimatorii: Ö a! . Ö W I2 este T-2. Vom reveni ulterior asupra acestei În concluzie.

§ .

y  y x  x § .

x  x t t 2 t Ö Ö b ! y  ax Ö W I2 ! 1 § IÖt2 T 2 17 ¨ ! W I2  1 T2 2 I § E .

 T § E .

I I !W 2 t t t' 2 I  W I2 ¨ 1¸ ! W I2 ©1  ¹ T ª Tº .

¸ ¨ 1 W I2 ! E © § IÖt2 ¹ . notând W I2 (varian a erorilor). iar ¨ ! 2 «¨ 1 «1 ¨ 2 ¸» 1 ¸ » E I t2  E I ! W I2  E ¬© § I t ¹ ¼ ! W I2  E ¬ 2 © § I t2  2§ I t I t ' ¹¼ ! § T º ¼ º½ t t' ¬ª T ­T ª ­ ½ . a a c º ªT 2 . yt ! axt  b  I t presupune estimarea a doi parametri (a i b).

.

am T 2 . Ö W I2 ! 1 § IÖt2 .

.Estimatorul estima ie a matricei Ö W I2 permite s d m o estima ie a varian elor i covarian ei parametrilor din model. deci o Ö .

notat .a . .bÖ .

aÖ .bÖ : Ö ¨ › Ö Var .

.a Ö .

a .bÖ ! © › Ö © Ö Ö ª cov a. b Ö Var .

a ! .

§ .

Ö ¹ Var b º . b ¹ › .x Ö W I2 t › Ö Ö¸ cov a.

.

¹ © unde: Y ! © ¹. Modelul ¨ y1 ¸ ¨ x1 ¸ ¨ I1 ¸ ¨1¸ © ¹ © ¹ © ¹ © ¹ © y2 ¹ © x2 ¹ ©I2 ¹ ©1¹ . U i I. 2 . ¹ © ¹ © . T © x . © .¹ . ¹ © . ¹ © . ¹ © .3. Aceast condi ie va consta în egalitatea cu zero a dou produse scalare care redau ecua iile normale. U ! © . ¹ © . ¹ © . unde: 2 « x Ö !W 2¬1  ÖI Var b ¬ T § xt  x ­ › 2. ¹ © . X.3.¹ © . Ö Am determinat estimatorii a minimului sumei p tratelor erorilor minimal . X ! © ¹ .¹ ©1¹ ©y ¹ ©x ¹ ©I ¹ ª º ª Tº ª Tº ª Tº În spa iul ortonormat „ consider m vectorii Y. I ! © ¹ . ¹ © . cu ajutorul unei reprezent ri grafice.

.

b !  x Var . ¼ ½ › Ö Ö Ö cov a. » ¼ 2 .

› .a .

18 . Putem s d m o condi ie necesar i suficient pentru ca a §I §I 2 t s fie yt ! axt  b  I t se scrie sub form matriceal astfel: Y ! aX  bU  I . Interpretarea geometric a metodei celor mai mici p trate i 2 t Ö b ai parametrilor modelului utilizând condi ia necesar de existen .

iar conform cu reprezentarea grafic . U "! 0 Ö ® x t y t  a § xt2  b § xt ! 0 Ö § ± .A Y Ö Y I X B H (L) O U C Vectorul 0H=aX+bU apar ine planului (L) determinat de vectorii X i U. sau ¯ H ° ™ 0C ! 0 ® Y  aX  bU . adic ¯ ° Y  aX  bU . Fie 0A=Y. sistemul de ecua ii normale. 0B=X. avem rela ia 19    2 este minimal dac HA este ortogonal pe (L). ¯ Ö ± y t  a § xt  T b ! 0 § Ö ° Am reg sit. modelul este OA=OH+HA. deci. adic pe X i U. Not m Ö Ö Y proiec ia pe planul (L) a vectorului Y i cu I vectorul HA ortogonal la planul (L). Aceast condi ie se   revine. O reprezentare analog celei dinainte este: A Y 0 U În scriere matricial . HA=I. la a . Cantitatea traduce §I prin 2 t ! I 2 !H egalitatea cu zero a produsului scalar al vectorilor respectivi: H ® ™ 0B ! 0 . T yt ! axt  b  I t Observa ie: Consider m modelul yt ! b  I t . A efectua o regresie a variabilei Y asupra variabilei X în modelul proiecta vectorul Y pe planul (L) din „ determinat de X i U. H Y ! bU  I . 0C=U. X "! 0 . deci.

U "! 0 sau proiec iei vectorului Y pe suportul vectorului U este varian ei. dreptunghic.§I 2 t !H Y  bU . Ecua ia varian ei Relu m reprezentarea geometric precedent i not m cu K proiec ia lui A pe suportul vectorului U: (L) Evident. KH este perpendicular în K pe 0C. În triunghiul AKH. avem: .

folosind (1): . rezultând c y ! y . rezult .1 K tim c Ö Ö Ö y ! a x  b . Deoarece: AK=0A-0K ( (A0 K dreptunghic în K) HK=0H-0K ( ( 0 HK dreptunghic în K).

2 § .

 2 2 este minimal dac HA B 0 H (HA este perpendicular pe 0H). b ! § yt ! y i 0 H ! b ™ U ! y ™ U ! Y . M sura algebric a T  y . T adic : Ö Ö Ö y ! ax  b .yt  y 2 Variabilitatea totalã Aceasta este ecua ia varian ei. adic HA ™ U ! 0 sau §y t Ö Ö 1  T ™ b ! 0 . Vom reveni asupra ei când vom aborda regresia multipl . Vom utiliza aceast observa ie pentru a exprima ecua ia A Ö I Y Ö Y X B H K O U C Y ! KH 2  H i 2 . Ö Ö Ö y t ! ax t  b 1 1 Ö Ö Ö § y t ! a T § xt  b . Dar i ! ! Ö § .

y t y 2   § IÖ 2 t Variabilitatea datorat regresiei Variabilitatea rezidual 20 .

4. Coeficientul de corela ie liniar Coeficientul de corela ie liniar între variabilele X i Y. se calculeaz cu rela ia: .2. notat V.3.

§ .

§ .y  y x  x .

y  y ™ § .

x  x cov .

V ! V! t t 2 2 t t XY W X ™W Y X i W Y sunt abaterile standard (radicalul dispersiei) ale variabilelor X i Y. tim c estimatorul parametrului a are expresia Ö a! . unde W În general. Y .X .

§ .

y  y x  x . astfel c § .

x  x t t 2 t 2 t 2 t putem scrie: .

§ .

y  y x  x ™ § .

x  x V! § .

x  x § .

y  y § .

x 2 t t t 2 2 t t t x 2 ! Ö a § .

x  x . Am ob inut o expresie a coeficientului § .

iar prin ridicare la p trat: V ! Un calcul imediat arat c : Ö a 2 § xt  x t . § .y  y 2 de corela ie în func ie de estimator.

y  y 2 2 2 2 2 t t .

Ö ! § ?Öx  bÖ  .

Ö x  bÖ ! § ?Ö .

x  x A !a § .

ecua ia varian ei conduce la: § .x  x . A a a a Ö Ö y y În acela i timp.

 y ! § .

 y  § I . de unde: Ö § .

y  y ! § .

V ! § .y  y  § IÖ ! 1  § IÖ .

y  y § .

y  y § .

y  y Ö § .

y t Ö y Ö ! § .

y 2 t y 2 2 t 2 2 t t 2 t 2 2 2 2 t t t 2 t 2 t 2 2 t t Pe de alt parte. AK cos 2 E ! KH AK 2 2 ! Ö § . utilizând figura geometric i notând cu unghiul Ö AKH . avem cos E ! KH .

y § .

y t t . adic  y y 2 2 2 V ! cos E ! 1  2 2 § .

semnul lui 21 . adic a=0. 0 e V e 1 i  1 e V e 1 .y § IÖ t 2 t y 2 . V ! 1 implic a>0. Când V ! 1 .  Când rela ia dintre yt i xt nu este strict .   Când V ! 2 0 . adic V fiind cel al lui a. iar V ! 1 implic a<0. yt $ axt  b . În mod necesar. yt este legat de xt printr-o rela ie de forma y t ! ax t  b . nu exist o rela ie de tip liniar yt ! ax t  b între yt i xt. atunci V este apropiat de 1.

Distribu ia de probabilitate a estimatorilor 2 Deoarece erorile It t=1.2.T au o distribu ie normal ... densitatea de probabilitate a lui It este: f .2.5.. de medie zero i dispersie W I ..3.

...I t ! 1 WI 1 I t2 ¾ . ® 1 § I t2 ¾ ¨ 1 ¸ ± ¹ exp ± .2. T .. t ! 1. exp¯ 2 ¿ 2T ° 2 WI À Cum It i It¶ sunt independente pentru egal cu produsul densit ilor de probabilitate relative la fiecare It.

1 f .

. I t ! © ¯ 2 ¿ © W 2T ¹ ± 2 WI ± º ª I À ° T Dar....I 1 . I t ! yt  axt  b Ö Ö Ö Ö Ö Ö Ö Ö y t  ax t  b ! y t  ax t  b  a xt  a xt  b  b ! y t  axt  b  . I 2 .

2 t 2 2 Evalu m suma p tratelor erorilor: Ö A b I § I ! § .a  a xt  b  b ! Ö Ö Ö ! I  ( a  a ) x  (b  b ) t t (deoarece Ö Ö Ö Ö y t  axt  b ! y t  y t ! I t ).

y  ax  b ! § ?Ö  .

a  a x  .

Ö  b ! Ö Ö Ö Ö Ö b Ö  Ö Ö Ö Ö ! § «I  .

a  a x  .

 b  2I .

a  a x  2I .

 b 2.

a  a .

 b » ! b b x ¬ ¼ ­ ½ t t t t 2 t 2 2 t 2 t t t t Ö Ö Ö ! § «I t2  .

a  a xt  b  b ¬ ­ .

Ö Ö Ö Ö Ö ( 2I t .

adic : Într-o scriere matricial : . 2I t b  b ! 0 pentru c a a cum arat reprezentarea grafic .a  a xt ! 0 . deci i pe X i U. prin urmare este perpendicular pe orice vector din acel plan. Produsele scalare cu ace ti vectori vor fi nule. vectorul I este ortogonal la planul (L).

Ö I . X "! 0 i .

Ö A ¨ aÖÖ b § ?a  a x  .

...Ö  b ! © b © 2 t ª  a ¸ ¨ § x t2 ¹© b¹ © T x ºª ( las m studen ilor pl cerea de a verifica !). Înlocuind în (1) fiecare It prin expresiile calculate mai sus.y T): ® ¨ 1 ¸ . deducem densitatea de probabilitate a vectorului aleator (y1 .y2..

y  axt  b 2 ¾ ± © ¹ exp± 1 § t N .

IT) va fi i .. y2 .... yt ! © ¿! ¯ 2 ¹ WI ± ±2 ª W I 2T º À ° T ¨ 1 !© © W 2T ª I ® ¨ a  a ¸' 1 ¨ x 2 ® Ö Ö ¸ I2¾ ¹ exp± 1 § t ± ± 1 © ©§ t ¹  exp¯ © Ö ¯ 2 ¿ ¹ 2 W I ± ± 2 ª b  b ¹ W I2 © T x ± º ª º ° À ° T   t { t . I2. densitatea de probabilitate a vectorului aleator (I1 . .y1 ....

.

.

» ! § IÖ  § ?a  a x  .

Ö  b ¼ .

Ö A b ½ 2 2 t 2 t Ö I .U "! 0 ). Ö T x ¸¨ a  a ¸ ¹© ¹ ¹© b  b ¹ T ºª Ö º Ö T x ¸¨ a  a ¸ ¾ ± ¹© © b  b ¹¿ ¹ ¹ Ö T ºª º± À 22 .

. .inând cont de matricea de varian i covarian T a estimatorilor.

bÖ . se arat Ö u or c : 1 W I2 ¨ § xt2 © © Tx ª ¨ 1 T x¸ ¹ ! .bÖ i N . a1.a .

.y1 . y 2 . yt ! © ....

Ö © W 2T T ¹ º ª I ¸ ¹ g .

I t ™ h a. b unde g .

I t este densitatea de Ö Ö Ö Ö ¹ º .

b . Ö Ö Ö Ö Ö probabilitate a lui I t . urm toarele distribu ii de probabilitate: 1. iar h a. Deoarece . b cea a lui a.

.

§ IÖ 2 t Cu aceste rezultate i f cînd apel la unele teoreme importante ale statisticii matematice. adic ! . putem deduce Ö W I2 ! 1 § IÖt2 T 2 Ö2 ¨ 1 W I ª W I2 .

T  2 Ö I2 . W variabila aleatoare definit de raportul .

Cuplul . Folosind rela ile de calcul stabilite anterior. cu media zero i abatere standard W I ) 2. Atunci variabila aleatoare definit de raportul G2 cu (T-2) grade de libertate. respectiv (am utilizat aici nota iile Ö W a2 ! Var (a ) Ö i Ö2 Ö Ö W a ! Var ( a) pentru varian a estimatorului Ö pentru estima ia acesteia).T  2 W I2 © ! © § IÖ 2 t ¸ ¹ urmeaz o reparti ie G2 (hi-p trat) cu (T-2) grade de ¹ º Ö libertate. rezult c Ö Ö2 W I2 W a ! Ö2 2 WI Wa Ö Ö a . (Vectorul I admite T-2 componente independente nenule distribuite dup T-2 legi normale independente. 3.

T  2 W aÖ2 W aÖ Ö2 urmeaz tot o reparti ie .

aÖ. astfel c variabilele aleatoare definite mai jos au reparti iile urm toare: Ö aa  N . bÖ urmeaz o reparti ie normal bidimensional .

Wa Ö  Ö aa  S .0.1 .

T  2 (reparti ia Student cu ÖÖ Wa (T-2) grade de libertate).  Ö bb  N .

0. W bÖ  Ö bb  S .1 .

T  2 . Ö W bÖ Expresia ' Ö ¨ 1 ®a  a ¸ 1 ¨ a  a ¸¾ ±Ö ± ¹ . .

variabil aleatoare repartizat Fisher- Snedecor. 23 .bÖ © F ! ¯© Ö ¹ © b  b ¹ Ö © b  b ¹¿ este Ö 2± º± ª º ª ° À 4.a . cu 2 i (T-2) grade de libertate.

se g se te în intervalul de valori Ö Ö ?a  tE W aÖ . ÖÖ Wa Altfel spus. Când se dore te testarea unei valori a0 a parametrului a. este suficient ca a0 s apar in intervalului de încredere stabilit: De asemenea. a  tE W a A. pentru a accepta aceast valoare cu riscul E. Un calcul simplu conduce la intervalul de încredere pentru parametrul a. Ö ÖÖ a  tE W a A cu probabilitatea 1. putem determina intervale de încredere pentru parametrii a i b la un nivel de semnifica ie E fixat. ®Ö  a ¾ a Prob ¯ e tE ¿ ! 1  E ÖÖ °W a À tE este luat din tabela distribu iei Student cu (T-2) grade de libertate. a Prob_ e F . Ö ÖÖ Ö ÖÖ a0  ?a  tE W a .. de forma: Ö ÖÖ Ö ÖÖ a  tE W a e a e a  tE W a ceea ce permite afirma ia c adev rata valoare a parametrului real a . este suficient. Teste i intervale de încredere Pentru c exist tabele cu valorile legilor de probabilitate anterioare.2. s ne asigur m c : Ö a  a0 e tE .4.

2. F E F ! F . T  2 ! 1  E . .

T  2 este ecua ia unei elipse cu centrul în w. .2.

Ö . b care define te astfel o Äregiune´ de încredere E a Ö pentru cuplul .

a. b la nivelul de semnifica ie E: b B ¶ w Ö b B A a 24 Ö a A¶ .

de asemenea. este important de remarcat c . b0 alese apriori.Proiec iile acestei elipse pe axe determin . Dar. dou intervale de încredere pentru a i b. este suficient s înlocuim a i b în expresia F prin a0 i b0. nivelul de semnifica ie referitor la aceste intervale nu mai este nivelul E asociat elipsei. Dac se dore te testarea simultan a dou valori a0. Dac F . centrate în Ö Ö a i b .

b0 e F .a0 .

b0) la nivelul de semnifica ie E este suficient ca punctul M0(a0. pentru a accepta cuplul (a0. altfel ele vor fi respinse.E . b). T  2 se accept valorile. Expresia N .b0) s apar in elipsei de încredere asociat cuplului (a.2. Altfel spus. Observa ii: 1.

. h nu con ine decât pe a . legea de probabilitate condi ionat a lui yt (dat de factorul g) nu depinde decât de valorile adev rate (dar necunoscute) ale parametrilor a i b. b . b . se descompune în doi factori (g Ö i h)... Se zice c . b . odat cunoscut o realizare a Ö Ö cuplului a. adic în Ö Ö Ö Ö a . yT func ie de yt .y1 . y2 . Aceasta arat c . g se exprim doar în func ie de I t .. a i b.

.

Când ipoteza de normalitate asupra erorilor I t este realizat . bÖ sunt estimatori Äexhaustivi´ pentru a i b. a i b prin metoda s minimiz m adic ei rezum toat informa ia pe care e antionul o poate aduce despre a i b.Ö. 2. func ia de verosimilitate relativ la e antionul .

y 2 . yT este chiar func ia N .y1 .....

Pentru ob inerea de estimatori ai lui a verosimilit ii maxime. este suficient s maximiz m expresia N . yT ....y1 .. y 2 .

.. yT . y 2 .. adic § .y1 ..

cu cei ob inu i . Estimatorii a. deci. t 2 Ö Ö  axt  b . b ob inu i cu metoda celor mai mici p trate coincid.y 3.

5. iar realizarea efectiv a lui Y este: yU ! axU  b  I U . Atunci când ipoteza de normalitate a erorilor nu se realizeaz . se va ar ta c estimatorii demonstra ie pe cazul general). prin metoda verosimilit ii maxime. Valoarea previzionat pentru endogena Y va fi: Ö Ö yUP ! axU  b . Ö Ö a i b ob inu i prin metoda celor mai mici p trate au varian a minim printre to i estimatorii liniari centra i în a i b (se va da o 2. Previziunea cu modelul liniar Fie xU realizarea variabilei exogene la momentul U. Eroarea de previziune se poate exprima prin variabila aleatoare Ö Ö yUP  yU ! .

25 .a  a xU  b  b  I U .

. e P ! yUP  yU .

Se remarc imediat c E .

e P ! 0 . iar varian a erorii de previziune este: 2 2 2 Ö Ö Var .

e P ! E yUP  yU ! xU2 E .

a  a  E b  b  E I U2  Ö Ö Ö Ö  2 xU E .

a  a b  b  2 xU E I U .

a  a  2 E I U b  b ? .

A .

? .

.

A ?.

A .

Ö Ö Ö Ö Var . . Ö Ultimii doi termeni sunt nuli (s-a demonstrat anterior!) (I i a . ca i I i Deci: Ö b sunt necorela i).

eP ! xU2Var .

b Not m varian a erorii de previziune cu .a  Var b  Var I U  2 xU cov a .

.

QU2 ! Var .

rezult : Q !x 2 U !W 2 I § .eP i folosind rela iile de calcul anterioare.

x  x « 1 .

x  x » ¬1   ¼ ¬ T § .

 x ¼ x ­ ½ 2 t 2 U 2 t 2 U W I2 2 W I2 « Tx ¬1   T ¬ § x x t ­ .

» 2 xU xW I2 ¼  W I2  2 ¼ § xt  x ½ .

dar estimat prin W I2 i varian a estimat a erorii de previziune este: 2 « 1 xU  x » ¼ Ö Ö Q ! W ¬1   ¬ T § xt  x 2 ¼ ­ ½ 2 U 2 I . 2 ! Ö W I2 este necunoscut.

.

iar pe de alt parte. pe de o parte prin cre terea num rului de observa ii (T). xU astfel încât xU  x . 2 Aceast varian prin alegerea lui poate fi redus .

I t  N 0. s nu fie prea mare (adic f când o previziune pe termen scurt). Deoarece erorile sunt normal distribuite. W I .

2 Ö atunci i .

a  a  N i .

Ö  b  N b (urmeaz legi normale). Rezult urm toarele distribu ii de probabilitate pentru variabilele:  yUP  yU  N .

0.1 . QU yUP  yU Ö QU Ö Ö QU2 W I2 T T urmeaz o lege Student cu T-2 grade de libertate pentru c .

 2 2 ! .

yUP punctul situat pe dreapta de ajustare.y) tras m dreapta de ajustare y ! ax  b .  2 2 . Fie P xU . . QU WI  Ö Ö În planul (x.

Putem construi. 2 ± À 26 . ®yUP  yU ± P¯ ± QU ° Ö ¾ ± tE ¿ ! 1  E . având P ca centru i paralel cu axa 0y un interval de încredere M1 M2 la nivelul de semnifica ie E.

Pentru T dat. Q U ca func ie de xU  x 2 .Ö t E fiind luat din tabela distribu iei Student.

când U variaz . ÄO variabil aleatoare t este distribuit dup o lege Student cu T-2 grade de libertate dac expresia este raportul dintre o variabil aleatoare distribuit libertate´. Punctele M1 i M2 sunt deci situate. Atunci: ÖÖ Wa Ö . Fie t ! t2 T 2 G 2 cu 1 grad de libertate i o alta distribuit G 2 cu (T-2) grade de Ö aa . y M2 P M1 Ö Ö Ö y ! ax  b yUP y x xU x Observa ii 1. 2 este minim pentru xU ! x . pe dou arce de curb (vezi figura). care determin astfel regiunea c reia îi apar ine yU pentru xU dat. cu o probabilitate egal cu (1-E).

a  a ! t2 ! T  2 .

T  2 Ö a W2 Ö 2 Ö .

Ö 2 G 2 cu (T .a  a 2 G 2 cu un grad de libertate ! .2) grade de libertate Wa Ö .

. ÄO variabil aleatoare F este distribuit dup o lege Fisher-Snedecor cu n1 i n2 grade de libertate dac expresia n1 F 2 2 este raportul dintre o variabil aleatoare distribuit G cu n1 grade de libertate i o alta distribuit G n2 Ö Ö 1 ¨ a  a ¸ Ö 1 ¨ a  a ¸¾ ¹ .T  2 2 Wa Ö 2 Wa Ö 2.

¯© Ö © 2 °b  b ¹ Ö © b  b ¹À ª º ª º cu n2 grade de libertate´. Fie F ! Atunci:  27 .bÖ © Ö ¹¿ .a .

Ö Ö ¨ a  a ¸ ¨ § xt2 T x ¸¨ a  a ¸ ¹© © ©b  b¹ © ¹© ¹ ¹© b  b ¹ Ö T ºª Ö 2F ª º ª Tx º ! ! T 2 .

T  2 WÖ I2 . Ö ¨a © ©b Ö ª !  a¸ ¹  b¹ º .2) grade de libertate . Ö ¨ § xt2 T x ¸¨ a  a ¸ © ¹© ¹ © Tx ¹© b  b ¹ T ºª Ö º ª W I2 G 2 cu doua grade de libertate ! 2 Ö2 G cu (T .

pentru c .T  2 W I2 WI o lege normal bidimensional .

Ö. bÖ urmeaz a 3. Jacobianul transform rii permite exprimarea densit ii de probailitate a vectorului aleator pornind de la cea a lui .

. Înmul im expresia ob inut cu valoarea absolut a determinantului: .. Când proced m astfel:   Înlocuim I t prin expresia ei în func ie de yt . I T ... I 2 .I 1 .

. y 2 .y1 .... yT f .

I 2 ..I 1 .. I T este cunoscut . pentru a ob ine N ...

yT ... xI 1 xy1 xI 2 D .y1 .. y 2 ..

I J! ! xy 1 D .

. xI T xy 2 xI 1 xyT 1 0 xI 2 0 1 .. xyT ! ... 0 0 !1 . .....y ...... 1 N .. . ... ..... xyT .. 0 0 xI T ... xI T xy1 xI 1 xy 2 xI 2 xy 2 ..... . .. .

.y1 .. yT ! f . y 2 ...

I 1 .

y1 . I 2 .

..y 2 .. I T ..

4. Deci: Ö .yT J . Am v zut c de I t .

I t i Ö Ö .a  a ! § wt I t .

.a  a fiind distribuite normal.

a  a este o combina ie liniar Ö .

a  a  N .

0.1 Wa Ö Ö .

.1).a  a 2 2 Wa Ö este distribuit G2 cu 1 grad de libertate pentru c este p tratul unei variabile aleatoare N(0.

Ö  b  N .

0.1 b W bÖ b .

Ö  b  G 2 2 Wb Ö 2 .

1 Deoarece §I 2 t Ö ! § It  I I 2 I 2 .

Ö  .

a  a § .

prin împ r irea la W I2 .x 2 2 2 2 t  x . ob inem: 2 §I W 2 I 2 t I § .

Ö ! t W  .

a  a .

x  x Ö § W 2 I t 28 .

I § .

Ö t I W I2 ! § IÖ 2 2 t W I2 TI  2 ! G (2T )  G (2 ) ! G (2T 1) 1 WI 2 2 1 2 Ö .

a  a 2 W 2 I Ö .

a  a § .

x  x ! Var .

a  G .

de forma presupunînd c sunt îndeplinite ipotezele fundamentale I1. 1 2. Experien de calcul Pentru a studia cum variaz cheltuielile de între inere i repara ii ale unui utilaj agricol în func ie de Ävârsta´ utilajului.I3. 29 . 1. Elementele necesare calculului sunt date în tabelul ce urmeaz : 100 47 71 58 102 35 60 53 10 32 17 58 6 20 48 43 77 89 50 40 56 62 15 8 36 41 16 8 21 21 yt ! axt  b  I t .I2. se folosesc rela iile de calcul stabilite anterior (în cadrul seminarului se vor prezenta facilit ile de calcul oferite de diferite pachete de programe dedicate). Pentru a calcula estimatorii. s-au cules urm toarele date: Vârsta utilajului (xt ) ±în luniCheltuieli anuale de între inere i repara ii ( yt ) ±în RONVârsta utilajului (xt ) ±în luniCheltuieli anuale de între inere i repara ii ( yt ) ±în RONRezolvare: C ut m s estim m parametrii unei regresii liniare înte variabilele X i Y.6. Ö 2 t Rezult c : § IÖ W 2 I 2 t ! G (2T 1)  G (2 ) ! G (2T  2 ) .

. ... Ö It ! t ) !"% . .3 .0 3 . 0 3 .3.0 0 .0 -0. 3 . 3 3 . 0. 3 6137. 0 3 .. . . 0.0144  Öt Ö I t2 $# !! "" !" %&% ## """ !## $ ! % %$ $ ! !# $$& % $# $& &!&% # $&# &"!$ &$$   ## ! $! $ %& $"! ) $$ "!# % . -3. .. .67 0. . -3. 3 0.0 . . 333 3. . 3 132. . . 00 .. 0 3 0. 3 ..3 . . . 33. .0. 3. 3 . 3 0.0 0 .. 33 . .3 .. . . .. .. 3 . .. . . 3. . 333 . .0 3 3 . .. .73 0 ! 0 00 $$  ( yt  y ) 2 xt2 " 3 00 12490 3 00 64926 30 $& - $ yt2 30  !  $ $ & & # & $ " $ $ %& %"& ! " "& # #" $"" &!& " ! " % ! $ $# %!& ! #" &# $ &!# " &  !$ ! & &! $"% & $ !! &! "#& $ $ " &$ & ! $ #& $   & %"# %"# $&$" !$ & $"! !$&"! ## ! ! &! "! & & $ #$!" %!& 00 00 3 3 3 0000 0 0 33 0 0 % $ # !#  $#$ !# #"& ! $""& &&  &" "! %# $"  ! "!& #!& &# $ & &"! !$" !# ! $!  $"% ! $%  ! $ ! & " "% # ! &!% $#$ ! &"& "& & &$ & $ "!!" !" &$" !$ " ! &!& !!& % &# &$ !"! %$"! " &" $%& &! #%$ %$% "!% $! Ö y t ! 1. 3.72 - " ! #$ !! %! " "% " %$ &% ! $&# ! %$  "# &% ! & ! % $! $ & "# "$ " $&& &$ & "# "$& !% $ "! #!" !& $&$% ! $#& " $ & !$ "& !& %!& ## !% " #!! # $&$% &#" ' !$ " % $ !$% &%& ( % ! $ .00 .0 3753. 333 0. -3. . 33 . 3 3 .. 333 0. ..0. 333 333 33 333 333 333 333 333 333 333 333 3 .. 333 .30 .. .0. 333 .. . 03 .. 03 . . 0.73 # ( xt  x ) 2 y t  y ....30 .00 . . .3 . . . 333 3 . .. Ö y y .. . 0 . . 3 .. 00 0 . 03 . . .0 3 0. 333 0.00 . . $" $" $#% #& !# !% # Ö ( y  y) 3 . 28 x t  31. 3 .. 3 . . 03 3.3 . 0 . . -0. 3 . . . 003 . 33. . . 03. 3 .§ t 3 3 t 0 3   yt 0 362 3 0 3 00 0 3 0 0 3 t yt & !" 0 3 3 0 938 30 300 0 0 00 27437 00 3 0 - " % "! - " &  $ # "! #$  xt  x . . .0 3 . 0 . 0 3. 333 . 6269. . 00. . 30. 3 . .0 0 . . 333 .

133 t !1 T t t t 2 t 2 t 2 1 T 1 y ! § yt ! 938 ! 62. se determin : - 1 x! T ! 1 § xt ! 15 362 ! 24.Pe baza elementelor din tabelul de calcul.533 T t !1 15 2 Ö -a .

§ .

y ! 27437  15(24.133)(62.28 12490  15(24.133) § x  Tx § .y  y x  x ! § x y  Tx.533) ! 1.

133) ! 31.coeficientul de corela ie liniar : V! § .x  x t - Ö Ö b ! y  a x ! 62.533  1.67 . 28(24.

y § .

y t t  y xt  x .

2  y ™ § xt  x 2 .

Observa ie: Am v zut c : V ! 2 Ö a 2 § xt  x t Ö ! § ( ax § . ! 27437  15( 24.733 3753.733 ! 0.9894 Valoarea apropiat de 1 a coeficientului de corela ie arat c între cele dou variabile studiate exist o corela ie liniar .533) 6269.133)(62.

y  y § ( y 2 2 .

. t t Ö  ax ) 2  y) 2 ! Ö §(y §(y t t Ö  y) 2  y) 2 prin model i P tratul coeficientului de corela ie liniar este raportul dintre variabilitatea explicat variabilitatea total .ecua ia de analiz a varian ei: variabilitatea total = variabilitatea explicat + variabilitatea rezidual § .

719 Ö § .y t y = 2 ! 6137.

014 În spa iul observa iilor.733 132.0144 § IÖt2 ! 15  2 ! 10. cu cât este mai aproape se planul (L) generat de vectorii X i U (vectorul unitar).15 T 2 Ö Var .estima iile varian elor reziduurilor i ale estimatorilor: Ö W I2 ! › 1 132. Y este cu atât mai bine explicat prin modelul liniar. . adic 2 . deci cu cât variabilitatea rezidual este mai mic fa de variabilitatea empiric total . Aceasta face ca raportul dintre variabilitatea explicat prin model i variabilitatea total .y + t y 2  § IÖ 2 t 6269. s fie apropiat de 1.

a ! § .

0027. 3753.052 2 « x Ö !W 2¬1  ÖI Var b ¬ T § xt  x ­ › .15 ! 0.733 ÖÖ W a ! 0.x Ö W I2 t x 2 ! 10.0027 ! 0.

.

733 ½ ½ 31 . » « 1 (24.133) 2 » ¼ ! 10.25 2 ¼ ­15 3753.15¬  ¼ ! 2.

calculul intervalelor de încredere pentru estimatori: Ö .5 .Ö W bÖ ! 2.25 ! 1.

a  a Variabilele aleatoare ÖÖ Wa i .

052)]= Ö Ö Ö Ö b  b  tE W bÖ . 1. g sim ttab=2.43 . Intervalele de încredere vor fi: Ö ÖÖ Ö ÖÖ a  ?a  tE W a .05. Alegând un nivel de semnifica ie =0. b  tE W bÖ ! [31. sau de statistic matematic ) valoarea ttab corespunz toare num rului de grade de libertate i nivelului de semnifica ie ales.052) .5)]= =[28.28-(2. Stabilim acum un interval de încredere pentru estimatorul varian ei erorilor.39] A T aleatoare . pentru T-2=13 grade de libertate i =5%.16)(1.16)(0. a  tE W a A! [1. 34. Am v zut c variabila valorile parametrilor reali a i b se g sesc în aceste intervale cu o ? = [1.91] Prin urmare.Ö  b urmeaz b Ö W bÖ fiecare o reparti ie Student cu (T-2) grade de libertate.16)(1. putem afirma c probabilitate de 95%.67+(2.16.16)(0.28+(2. În cazul nostru. 31.5) . putem extrage din tabelele reparti iei (astfel de tabele se g sesc în majoritatea c r ilor de econometrie.17 . 1.67 ±(2.

01 ­ ½ .test m dac parametrii a i b ai modelului sunt semnificativ diferi i de zero la pragul de semnifica ie =0. dou valori: v1 având În tabelele legii hi-p trat vom g si.  2 Ö W I2 ¨ 1 ©! W I2 © W I2 ª § IÖ 2 t ¸ ¹ ¹ º urmeaz o lege de reparti ie hi-p trat cu (T-2) grade de libertate./2) de a fi dep it . 26. astfel c « Ö » W I2 r ob ¬v1 e (T  2) 2 e v 2 ¼ ! 1  E WI ­ ½ Se ob ine astfel intervalul de încredere: « (T  2)W I2 (T  2)W I2 » Ö Ö W I2  ¬ . respectiv v2 având probabilitatea ( /2) de a fi dep it . dat.34] 24.34 .01 i v2=24.05 i 13 grade de libertate extragem din tabel v1=5.7 5. ¼ v2 v1 ­ ½ pentru =0.7 rezultând intervalul: « (15  2)10. pentru un nivel de semnifica ie probabilitatea (1. ¼ ! [5.15 » W I2  ¬ . 32 .15 (15  2)10.05.

Aceste rapoarte se numesc i Äraportul t´ Student empiric (tcalculat).ne propunem acum s determin m o previziune a cheltuielilor de între inere i repara ii pentru un utilaj de 4 ani (48 de luni). Avem c Ö Ö yUP ! axU  b ! 1.Variabilele aleatoare Ö a ÖÖ Wa i Ö b Ö W bÖ urmeaz legi de probabilitate Student cu (T-2) grade de libertate. Cum 0 ‘ [1. altfel se accept ipoteza contrar H1:(a { 0). Se spune c variabila explicativ (exogen ) X (vârsta utilajului) este ³contributiv ´. accept m ipoteza H1:(a { 0). Not m cu yUp cheltuielile de între inere i repara ii pentru un utilaj cu ³vârsta´ xU .11 este o variabil aleatoare distribuit normal.48  31. Este exact acela i lucru cu a spune c 0 s apar in intervalului de încredere determinat pentru a.39]. Prin urmare. a i b sunt semnificativ diferi i de zero la pragul de semnifica ie de 5%.733 ¼ ¬ T § xt  x ¼ ½ ­ 15 ­ ½ .28. Acest lucru se poate scrie: Ö a0 ÖÖ Wa t tab . La fel stau lucrurile i pentru b.67 ! 93. Se accept ipoteza H0: (a=0) dac tcalculat (luat în modul) este mai mic decât ttabelat .133) 2 » ¬1   ¼ ! 10. cu media zero i varian a estimat a Ce eroare corespunde unei astfel de previziuni? tim c : e p ! yUP  yU .366 2 3753. .15¬1   Ö Ö Q !W ! 12. 1. erorii de previziune: 2 U 2 I 2 « 1 « xU  x » 1 (48  24.17 .

.

11  (2.5164). yUp  t E QU ¼ ! ? . 33 . valoarea adev rat a cheltuielilor de între inere i repara ii pentru un utilaj de 48 de luni se va afla în intervalul determinat.16)(3.5164 Deoarece variabila aleatoare yUP  yU Ö QU este distribuit Student cu (T-2) grade de libertate. putem determina un interval de încredere pentru valoarea previzionat : « » Ö Ö 93 85 yU  ¬ yUp  t E QU .93.56.11  (2.366 ! 3.100.16)(3. Ö Ö QU ! QU2 ! 12.51840A! ? .66A ­ 2 2 ½ Cu o probabilitate de 95%.

. t=1.... Modelul liniar al regresiei multiple Consider m acum modelul: (1) yt ! a1 x1t  a 2 x 2t  . T (se nume te variabil auxiliar )..2.. deci.p. Xp sunt variabile exogene.. O variabil endogen se exprim ... © ¹ © ¹ ¹ ©a ¹ © . ¹ © a2 ¹ ¹ . .. Modelul nu con ine o constant deoarece variabila Xp poate fi considerat astfel ca xpt =1.... 2... X2 .. ¹ ...1. în func ie de mai multe variabile exogene. Ipoteze fundamentale Ipotezele I1.. Metodele de regresie utilizate sunt în acest caz generaliz ri ale celor din capitolul anterior. ¹ © x12 Y ! © ¹.. Ipoteza I3 referitoare la variabilele exogene se modific astfel: a. I2 din capitolul II r mân valabile: ceea ce era adev rat pentru xt este acum valabil pentru xit. t ! 1. ap sunt parametri necunoscu i care trebuie estima i. a1... ecua ia (1) se scrie sub form matriceal : (2) Y ! Xa  I ...T X1. © .. a ! © .. X ! © ... studiul unui fenomen economic necesit introducerea mai multor variabile explicative.CAPITOLUL III REGRESIA MULTIPL De multe ori. absen a coliniarit ii variabilelor exogene: 34 ... a2 . în care: Y reprezint o variabil endogen ... i=1.. ¹ © ©x © . x p 2 ¹ © . x 2T ¨ I1 ¸ © ¹ a1 ¸ x p1 ¸ ¨ ©I2 ¹ © ¹ ¹ .2. I ! © . ¹ ... 3. x pT ¹ ª pº º ©I ¹ ª Tº .. ¹ ... ¹ ª 1T ©y ¹ ª Tº x 21 x 22 . Folosind nota iile: ¨ y1 ¸ © ¹ ¨ x11 © y2 ¹ © © .  a p x pt  I t .

. este nesingular . 2.p astfel încât §P x i i !1 it ! 0 . unde X¶ este transpusa lui X.. Atunci când T p g ..Nu exist p nici o mul ime de p numere reale Pi .2. matricea 1 . Matricea X de format (Txp) are în acest caz rangul p (T>p) i matricea (X¶X). deci exist inversa ei (X¶X)-1.... t=1. .. i=1.T. b.

X2. nesingular ..Xp în spa iul ortonormat „ . A Ö I Y Ö Y Xp X2 X1 (L) O H Vectorul ¨ a1 ¸ © ¹ © a2 ¹ Xa ! . t !1 T T Fie vectorii Y. Determinarea estimatorilor parametrilor Pentru a scrie ecua iile normale utiliz m interpretarea geometric propunem s minimiz m expresia dat în capitolul II. T 3.2. X1.X ' X tinde c tre o matrice finit .. Ne U ! § I t2 ...

X 1 . © ¹ ©a ¹ ª pº apar ine subspa iului (L) generat de vectorii X1. X p ¹ © ....... X 2 .. X2.Xp. Cantitatea U ! §I 2 t ! I 2 va fi minim atunci când vectorul I ! Y  Xa este ortogonal 35 ....

..... de unde rezult : (3) 1 Ö a ! .. cu nota iile matriciale introduse: X¶Y=(X¶X)a .. .  a X . rezult sistemul de ecua ii: ¨ § x1t yt ¸ ¨ § x12t ¹ © © © § x2t yt ¹ © § x2 t x1t © .. ± ± Y  a X  a X  .. Aceast condi ie se traduce prin egalitatea cu zero a produselor scalare dintre vectorul Y  Xa i orice vector din subspa íul (L).X2... ¹ .... § x pt x2t x pt ¸ ¨ a1 ¸ ¹© ¹ x pt ¹ © a2 ¹ 2t ¹. X "! 0 1 1 2 2 p p p ° Efectuînd produsele scalare. ¹ © © ©§ x y ¹ © x x pt t º ª § pt 1t ª §x x §x 1t 2t 2 2t .deci i X1.la subspa iul (L). ... ¹© ¹ x2 ¹ © a p ¹ § pt º ª º 1t Sau...Xp: ® Y  a1 X 1  a 2 X 2  ....... X 1 "! 0 ± ± Y  a1 X 1  a 2 X 2  ..  a p X p .. .  a p X p .. ¹ ! © ...© .... §x §x ...... X 2 "! 0 ¯ ......

Ö transform m expresia (3) înlocuind Y prin expresia lui în func ie de X: 1 1 Ö a ! . Propriet ile estimatorului a Ö Ar t m c a este un estimator nedeplasat al lui a i deducem expresia matricei de varian covarian a. i .a .X ' X X 'Y Ö 3.3.

X ' X X 'Y ! .

X ' X X ' .

Xa  I ! (4) ! .

X ' X .

X ' X a  .

X ' X X ' I ! a  .

rezult : 1 Ö E .X ' X X ' I 1 1 1 Aplicând operatorul de medie expresiei (4).

a ! a  .

X ' X X ' E .

I . Dar. E .

I ! 0 conform I2. deci b. Prin defini ie: Ö E .

a ! a . a ! E . adic Ö a este estimator nedeplasat pentru a. Ö Ö .

.

a  a .

Ö 36 .a  a ' .

Ö Din (4) rezult : a  a ! .

X ' X X ' I 1 Ö i ( a  a ) d I ' X .

X ' X ! 1 pentru c .

Atunci: Ö Ö .X ' X 1 este o matrice simetric .

a  a .

a  a ' ! .

X ' X 1 X ' II ' X .

X ' X 1 i . a ! .

X ' X X ' E .

II ' X .

Îns E .X ' X Ö 1 1 .

tim c E . I este matricea de varian i covarian a lui I .II ' ! .

II ' ! W I2 I 1 (I este matricea unitate de ordinul T). a ! . Atunci rezult : .

X ' X X 'W I2 X .

X ' X ! W I2 .

X ' X .

X ' X .

X ' X ! W I2 .

Fie a* un estimator liniar al lui a. adic a*=MY. Estimatorul a* este nedeplasat dac : 1 Ö a ! . Estimatorul a.X ' X Ö 1 1 1 1 Ö Se poate ar ta c dac ipoteza a) din I3 r mâne valabil când T p g . Pentru a ar ta aceast proprietate vom construi un estimator liniar pentru a care s aib varian a minim i el va fi identic cu cel ob inut prin MCMMP. unde M este o matrice cu coeficien i constan i de format (pxT). Propozi ie. atunci a este estimator convergent c tre a.

X ' X X 'Y este cel mai bun estimator liniar nedeplasat al lui E .

a * ! ME .

Y ! ME .

Xa  I ! a I adic E .

a * ! .

MX E .

a  ME .

I ! .

MX a pentru c E .

a* ! E ?. ! 0 . Pentru ca a* s fie nedeplasat. trebuie ca (MX)=I (matricea unitate de ordinul p). Construim acum matricea de varian i covarian a lui a*: .

a *  a .

a * a 'A Dar. a* ! MY ! M .

Xa  I ! .

MX a  MI ! a  MI . 2 deci a *  a ! MI . .

a* ! E .a * a ' ! I ' M ' i .

MII ' M ' ! ME .

r. suma elementelor de pe diagonala principal . Not m Ur(X) urma matricei X. sub restric ia (MX)=I. trebuie ca Äurma´ matricei (MM¶) s fie minim . Urma unei matrici este.MX ! I MinUr . ' M ' ! W I MM ' . Ur este un operator liniar (demonstra i!). prin defini ie. Pentru ca a* s fie de varian II minim . Rezolvând problema de extremum condi ionat: ¯ s °.

MM ' 1 1 Ö se ob ine solu ia M ! .

X ' X X ' . adic a* ! MY ! .

X ' X X 'Y . Un astfel de estimator se nume te Äestimator BLUE´ (best liniar unbiaised estimator). 37 . Am g sit c a* ! a .

avem nevoie de un estimator al ei. se va ar ta c : Ö W I2 ! 1 § IÖt2 Tp Y ! Xa  I .4. Ö Ö Ö I ! Y  Y ! Xa  I  Xa . Avem c : Ö Ö Y ! Xa .3. Dac p este num rul de coeficien i de estimat în model. Determinarea unui estimator nedeplasat al varian ei W I Varian a reziduurilor 2 W I2 fiind necunoscut . Ö Ö I ! I  X .

Ö Ö Dar: a  a ! .a  a .

X ' X X ' I i I ! I  X .

X ' X X ' I 1 1 1 Ö I ! I  X .

X ' X X ' I ? A . Not m: + ! I  X .

rezult c : E . Atunci. Am 2 t ob inut Ö I ! +I . 1 + este o matrice de format (TxT) cu propriet ile +¶=+ (simetric ) i +2=+ (idempotent de grad 2). unde Kij este elementul matricii + situat la i intersec ia liniei i cu coloana j. Evalu m acum § IÖ i{ j 2 t .X ' X X ' . care sub form matriceal este: § IÖ Ö Ö ! I '™I ! I ' + ' +I ! I ' + I ! § K ii I i2  § K ij I i I j .

§ IÖ ! § K E .

I  § K E .

E I i I j ! 0 conform I2 i Ar t m c Ur .I I . 2 t ii 2 i ij i j i i{ j Îns .

+ ! T  p . .

E .

§ IÖ ! § K E .

I ! § K W 2 t ii 2 i ii i i 2 I ! W I2Ur .

+ . Ur .

+ ! Ur I  X .

X ' X X ' ! Ur .

I  Ur X .

X ' X X ' 1 1 .

.

Ur .

I ! T Ur X .

X ' X X ' ! Ur X ' X .

X ' X 1 .

.

1 ! p (permutarea între X .

X ' X operatorului Ur.) În final rezult : 1 i X ' este posibil datorit formatului acestor matrici i propriet ilor 38 .

E Ö W I2 ! .

§ IÖ ! .

W I2 ! « 1 » 1 E .T  p W 2 t 2 I .

I t2 ! E ¬ §Ö § IÖt2 ¼ . Teste i regiuni de încredere Ipoteza de normalitate a erorilor It fiind îndeplinit . 3. p este num rul de parametri de estimat i rela ia g sit generalizeaz pe cea din capitolul II.5. Deoarece a ! a  . Tp ­T  p ½ 2 astfel c 1 § IÖt2 Tp este estimator nedeplasat al lui W I . o T este num rul de observa ii. se pot generaliza rezultatele ob inute la Ö Ö regresia simpl .

rezult c a este distribuit dup o lege normal în p 1 Ö Ö dimensiuni.X ' X X ' I . cu media E .

a ! W I .a ! 0 i dispersia .

avem c : Ö 2 1 (*) Ö ai  a i urmeaz o lege normal redus N(0.1). W ai Ö Ö .X ' X . Pentru un estimator ai dat.

se calculeaz raportul t ! 0 Ö a i  a i0 ÖÖ W ai i se compar cu tE . ÖÖ W ai în mod curent pentru a aprecia validitatea estimatorului unui Legea Student este utilizat coeficient ai . 2 39 . cu T-p grade 2 2 ÖÖ W ai de libertate. adic ipoteza c variabila ÖÖ W ai Xi are un coeficient ai semnificativ diferit de zero. Deci. iar E este pragul de semnifica ie.T  p W I2 ! § IÖt2 W 2 I (**) W 2 I este distribuit G2 (hi-p trat) cu (T-p) grade de libertate. pentru a accepta H1 trebuie ca Ö ai u tE . De exemplu. unde tE este valoarea tabelat a variabilei t repartizat Student. tE $ 2 . când se pune problema de a ti dac un coeficient ai este diferit de o valoare particular ai . Mai general.05. Observa ie: Pentru T>30 i E=0. dac 2 Ö ai u 2 se accept H1. dac se testeaz ipoteza (H0:ai =0) contra ipotezei (H1:ai { 0). (***) Ö ai  ai urmeaz o lege Student cu (T-p) grade de libertate.

a p : Ö (*) variabila aleatoare .. 0 Ö Ö Consider m acum to i estimatorii a1 ....Dac tcalculat>ttabelat concludem c ai { a i .

a  a ' . a .

Ö Ö 1 (**) variabila aleatoare F ! p) grade de libertate. 1 Ö Ö .a  a este distribuit G2 cu p grade de libertate.

a  a d Ö1 .

Pentru ai.q.p. intervalul de încredere. Acelea i principii conduc la determinarea de regiuni de încredere relative la un num r oarecare de coeficien i din model. unde: q este num rul coeficien ilor re inu i. ecua ia elipsoidului de încredere este: F=F(E. avem ecua ia q F1 ! 1 Ö Ö Ö . ca i a unui elipsoid de încredere relativ la ansamblul coeficien ilor în spa iul „ .T-p). la pragul de seminifica ie E este: p Ö ai  ai u tE 2 Ö W aÖi  tE e 2 Ö ai  ai e tE 2 ÖÖ W ai 2 2 ÖÖ Ö ÖÖ  W ai tE e ai  ai e W ai tE Ö ÖÖ Ö ÖÖ a i  W ai t E e a i e a i  W ai t E 2 2 iar pentru ansamblul coeficien ilor. în spa iul „ .a Ö p La fel ca la regresia liniar simpl .a  a urmeaz o lege Fisher-Snedecor cu p i (T.T-p). rezultatele anterioare permit construirea de intervale de încredere relative la coeficien ii ai. Dac F1=F(E.

aq  aq ' . aÖ1 .

a : Dac (0) dorim s test m. q q ÖÖ ÖÖ Ö Ö cu a q extras din vectorul a i . a1 a q  a q0) e F . la pragul de semnifica ie E. ipoteza (H0:aq= a q ) contra ipotezei ( 0) (H1:aq { a q ). atunci dac : 1 ( ( Ö Ö Ö aq  a q0) ' . aq extras din .aq  aq .

T  p Ö q .E . q.

.

q E se accept ipoteza H0 ( F .

q. T  p se extrage din tabelele distribu iei Fisher-Snedecor). . 40 .

Observa ie: Se observ c valoarea tabelat F depinde de .

q. . T  p i nu de .

Rezult c E E expresia G . T  q . q. .

2q Ö W2 qF face s apar la numitor .

 p I2 distribuit G2 cu (T-p) grade de libertate. T ! 2 T  p G .

Previziunea variabilei endogene Dac presupunem cunoscute la un moment U valorile (x1U. Eroarea de previziune va fi variabila aleatoare: Ö YUp  YU ! .T  p WI 3. xpU) atunci previziunea variabilei endogene va fi: Ö Ö Ö yUp ! a1 x1U  a 2 x 2U  ..6..  a p x pU .... x2U..

 ...a1  a1 x1U  .

Ö p  a p pU  I U . a x E .

U p  YU ! 0 . Y Se constat c media erorii de previziune este zero: iar varian a erorii de previziune este: « p » 2 2 Ö Ö Var .

U p  YU ! E .

U p  YU ! E ¤ .

ai  a i xi2  2§ .

a i  a i .

. Deducem c : E YU  YU p ? ... t=1.2..T i T<U.Ö j  a j iU x jU  I U2 ¼ Y Y a x U i j ­ i !1 ½ ? A Ö Ö deoarece ai i I U sunt necorelate ( ai nu depind decât de I t ).

A! § x 2 i !1 p 2 iU Ö Var .

ai  2§ xiU x jU cov.

Ö i . a j W I2 . a Ö i j iar sub form matricial : A! X . X  W . adic : Var .

 Y ! W ? .

X ' X X  1A Y X . E YU p  YU p U ? .

2 ' U Ö a U 2 I U 2 I ' U 1 U unde: X U' ! .

atunci a este distribuit normal în p Ö T ..... x pU . x Observa ie: Se arat c Ö dac T este finit i It sunt normal distribuite. x2U . 1U .

a  a urmeaz o dimensiuni. atunci cînd T p g . vectorul distribu ie normal cu media egal cu zero. 41 . Dac ipotezele nu sunt îndeplinite.

Analiza varian ei i în acest caz.3.7. Coeficientul de corela ie multipl R. ecua ia varian ei se scrie: Variabilit atea totalã ! Variabilit atea valorilor ajustate  Variabilit atea rezidual § .

y R 2 t y 2 ! 2 2 Ö § .

y t y 2 t 2  § IÖ 2 t Coeficientul de corela ie multipl R are defini ia: Ö § .

y ! § .

y t t ! 1  § IÖ  y § .

Din reprezentarea geometric f cut .y  y y t 2 . de medie Ö Ö Y ! Xa  I i Ö Y ! X a . rezult c dar tim c Ö Ö Y !Y I . rezultând c : Y  Y ! .

ceea ce arat X a efectu m regresia pe ecua ia general .X) i pentru valorile centrate fa .  X Ö  IÖ . cu variabilele necentrate sau Ö c vectorul rezidual I este acela i i pentru valorile (Y.

Ö Ö Când se centreaz valorile X i Y. vectorul a nu con ine ultimul estimator a p . Cu alte cuvinte. dac Y Observa ie: Ö Ö o efectu m cu variabilele centrate pe media lor.  Y .1). Expresia matricial a coeficientului de corela ie multipl este: 2 . Constanta a p dispare când se centreaz variabilele. Considerarea modelului f r constante. estimatorul a i vectorul rezidual I sunt aceea i. poate conduce la valori ale lui R care ies din intervalul (0. X  X . cu variabilele necentrate pe media lor.

Ö  Y .

dar .Ö  Y .

Ö  Y ! .

'Y Y Ö .X  X a .

 Y .

 Y Y 'Y Y Ö .

a ! ?X  X .

 X .

 X .

 Y i coeficientul devine: ' X A X 'Y Ö X a ' .

 X .

 Y 'Y R ! .

 Y .

judecarea calit ii unui model doar prin valoarea lui R poate duce la erori grosiere. El este cu atât mai bun cu cât e mai apropiat de 1.  Y . El mascheaz uneori influen a variabilelor exogene luate separat asupra variabilei endogene i nu poate s se 42 . Dar. Y 'Y R2 ! 1 2 Coeficientul R 2 arat rolul jucat de toate variabilele exogene asupra evolu iei variabilei 2 endogene.

având acelea i observa ii asupra variabilei endogene s consider m dou modele distincte. P tratul coeficientului de corela ie multipl nu ine cont nici de num rul de observa ii (T) i nici de num rul variabilelor explicative (p). în al doilea f când s apar un num r de variabile explicative noi. O definire mai precis a lui R . În aceast a doua regresie coeficientul de corela ie multipl nu poate decât s creasc (pentru c variabilitatea explicat prin regresie cre te). Ori. Tp .substituie studiului estimatorilor coeficien ilor modelului. care ine cont de T i p este: 2 R ! 1 2 2 T 1 1 R2 . se poate foarte bine ca.

i consider m q variabile printre cele p. R poate sc dea prin introducerea în model a unei noi variabile exogene. T 1 Analiza varian ei Atunci când studiem rolul jucat de exogene asupra evolu iei endogenei.. dac R 2 2 p 1 . dac p=1.. t=1.T y t ! a1 x1t  a 2 x 2 t  . dac p>1. R se nume te coeficient de corela ie multipl corectat. atunci R 2 2 2 2 R2 . 2. . Fie: § .. Relu m modelul ini ial: (1) y t ! a1 x1t  a 2 x 2 t  . pe care le index m de la 1 la q: (2) Variabilitatea ne-explicat de cele q exogene în modelul (1) este variabilitatea rezidual asociat modelului (2).  a p x pt  I t .. 4. ne putem întreba care este partea de variabilitate explicat de una sau mai multe variabile exogene.  a q x qt  \ t ... 3.. atunci R ! R . 2. 1. R poate lua i valori negative.

 a q xqt ! \ 2 Variabilitatea ne-explicat de cele p exogene din modelul (1) este: § .y t t 2 Ö Ö Ö Ö  a1 x1t  a 2 x2 t  ...

y t t 2 Ö Ö Ö Ö  a1 x1t  a 2 x 2 t  .  a p x pt ! I 2 43 ...

I : mul imea reziduurilor 3.. X: mul imea celor p exogene Suma p tratelor corespunz toare acestei surse Num rul gradelor de libertate p Media p tratelor asociate Ö 2..Xq...X2. adic Y 'Y ! Y 'Y  I ' I . Ö Ö Y p 'Y p Ö Ö Ö Ö I ' I ! Y 'Y  Y p 'Y p Y 'Y Ö Ö Ö Ö Ö Ö L 'L ! \ '\  I ' I Ö Ö Y p 'Y p p T-p Ö Ö I 'I Tp Y 'Y T T p-q Ö Ö L 'L pq 44 .Variabilitatea explicat de cele (p-q) exogene din modelul (1) atunci când a1... 0 0 2 Ö Ö Ö Ö .aq sunt estima i cu modelul (2) este atunci: Ö L 2 Ö Ö ! \  I 2 2 A Ö I Xp \Ö Hp Ö L Xq (L) O Hq X1 tim c 0 2 ! 0H 2  H Rezultatele se grupeaz ...Xp. într-un tabel de analiz a varian ei: Sursa variabilit ii 1. (p-q) variabile exogene dintre cele p În figura anterioar avem: Ö Y p ! 0 H p este proiec ia lui Y pe subspa iul (L) ai c rui vectori generatori sunt X1.X2.. adesea. Y: variabil endogen 4. Ö Yq ! 0 H q este proiec ia lui Y pe subspa iul generat de X1....

. ¹... ©x ª 1T t 1 2 3 4 5 6 7 8 9 S observ m c num rul de observa ii (T=9) este mic. ¹ . din ra iuni de simplificare a calculelor.. Experien pornind de la de calcul exogene X1 i X2..I s ) ! 0 . iar L este chiar H p H q ..... I ! © . unde: ¨ x11 ¸ ¨ y1 ¸ ¨ x 21 ¸ ¨ I1 ¸ © ¹ © ¹ © ¹ © ¹ © x1 2 ¹ © y2 ¹ © x 22 ¹ ©I2 ¹ Y ! © ¹.. E (I . unde: x 21 . X 1 ! © ¹. dac . ) t{s i adic : E (I t . a ! © a 2 ¹ ©a ¹ 1¹ º ª 3º yt 100 106 107 120 111 116 123 133 137 x1t 100 104 106 111 111 115 120 124 126 x2t 100 99 110 126 113 103 102 103 98 ¨ x11 © X ! © . Vom estima modelul. 3. (homoscedasticitate). X 2 ! © .. x 2T 1¸ ¨ a1 ¸ ¹ © ¹ .Hq apar ine lui (L) i triunghiul AHpHq este dreptunghic în Hp.. printr-un model liniar de forma: Dispunem de observa iile din tabelul de mai jos i ne propunem s explic m variabile endogen Y variabilele Y ! a1 X 1  a2 X 2  a3  I . presupunînd c sunt îndeplinite ipotezele principale ale modelului liniar general de regresie: ipoteze stochastice: E (I ) ! 0. © ¹ © ¹ © ¹ © ¹ ©y ¹ ©x ¹ ©I ¹ ©x ¹ 1T º ª Tº ª 2T º ª Tº ª adic : Y ! Xa  I .. ¹.8.. . Ö AH q B 0 Hq i H p H q B 0 Hq .I d! W I2 I .

Trebuie ca rangul matricii X s fie egal cu p (p<T). atunci p=k+1 este num rul parametrilor de estimat.X d . iar matricea unde X d transpusa lui X este nesingular . .ipoteze structurale: dac num rul de variabile exogene veritabile este k. deci inversabil . este 45 . t. X E (I t2 ) ! W I2 .

a ! . Ö Atunci.În exemplul nostru avem k=2 i p=3.

L ! © . U ! © . modelul se scrie: Z ! a1U 1  a 2U 2  L . Y ! 1 1 1 1 § yt .X d X deste un estimator liniar nedeplasat i cu varian a minimal (estimator BLUE).L ! I  I unde: . ¹. unde .. U 1 ! X 1  X 1 . Cu nota iile: Z ! Y  Y .. b ! © ¹. ¹ ©a ¹ ª 2º ©I  I ¹ x 2T  X 2 ¹ ª T º º Y ! 1 1 1 1 § yt ! 9 1053 ! 117. I ! T § I t T t t t t . X 2 ! T § x 2t ... T t t X2 ! t 1 2 3 4 5 6 7 8 9 1 T § x 2t ! t 1 954 ! 106 .. ©x  X © ¹ 1 © y  y¹ ª 1T ª T º Deoarece x 21  X 2 ¸ ¨ I1  I ¸ ¹ © ¹ ¨ a1 ¸ . U 2 ! X 2  X 2 ... X 1 ! T § x1t . valorile centrate ale variabilelor sunt: 9 Z ! Y Y -17 -11 -10 +3 -6 -1 +6 +16 +20 U1 ! X 1  X 1 -13 -9 -7 -2 -2 +2 +7 +11 +13 U2 ! X2  X2 -6 -7 +4 +20 +7 -3 -4 -3 -8 Ö Ö ¨ a ¸ U U 1 Z b ! © 1 ¹ ! . sau Z ! Ub  L ¨ y1  y ¸ © ¨ x11  X 1 ¹ © © y2  y ¹ Z !© ¹. X 1 ! T § x1t ! 9 1017 ! 113.. . X Y 1 Pentru a simplifica procedura de calcul vom centra variabilele modelului.

d U d. avem nevoie de matricile: Pentru a calcula estimatorul ©a ¹ ª Ö2 º 46 .

u1T Ud! © U © ª u 21 .. u1T U d! © Z © ª u 21 .. ¹ º© u ª 1T u 21 ¸ ¹ ¨ § u12t ..... u 2T ¨ u11 .¨ u11 ...... ¹ ! © © u u § 1t 2t u 2T ¹ ª º §u u §u 1t 2t 2 2t ¸ ¨ 650  112 ¸ ¹!© ¹ ¹ ©  112 648 ¹ ª º º ¨ z1 ¸ ¸© ¹ ¨ § u1t z t ¸ ¨ 872 ¸ ¹ © ¹© .... ¹ ! © ¹ ¹ © u z ¹ ! ©  72 ¹ º º© z ¹ ª § 2 t t º ª ª Tº 1 . u 2T ¨ u11 ¸© ¹© .

U d U 1 ¨ 650  112 ¸ !© ©  112 648 ¹ ¹ ª º ¨ 648 © ! © 408656 © 112 © ª 408656 112 ¸ ¹ 408656 ¹ 650 ¹ ¹ 408656 º ¨ 648 © Ö ¨ a1 ¸ 1 Ö UU Z b ! © ¹ ! .

106 ! 50.3629 .1244 X 2  50.3629 ¸ © ¹ © ¹ 650 ¹©  72 ¹ © 0.1941 . utiliz m rela ia: Ö Ö Ö Y ! a1 X 1  a 2 X 2  a 3 . a3.1244 . C ut m acum un estimator nedeplasat pentru varian a reziduurilor.1941 .3629 X 1  0. Ö Ö Y Ö Ö Ö Ö I ! Y  Y ! . Dar. iar reziduurile sunt: Ö Ö Ö I ! Y  Y ! Y  Xa ! Y  1. de unde: Ö Ö Ö a 3 ! Y  a1 X 1  a 2 X 2 ! 117  1. d U d ! © 408656 ©a ¹ © 112 ª Ö2 º © ª 408656 Pentru a determina estimatorul celui 112 ¸ ¹ 408656 ¹¨ 872 ¸ ! ¨ 1.1941 Modelul estimat este: Ö Ö Y ! Xa ! 1.3629 X 1  0. Am v zut c acest estimator este dat de rela ia: Ö W I2 ! 1 § IÖt2 Tp .1244 ¹ º ª ª º ¹ 408656 º de al treilea parametru.1244 X 2  50.113  0.

 Y  Y  Y ! Z  Z ! Z  Ub . iar .

§ IÖ 2 t ¨ 872 ¸ Öd Ö ÖI Ö ¹ Z © Z ÖUZ ! I d! Z  Ub Z  Ub ! Z d bd d. Avem c : U d! © ¹ ª  72 º .

.

¨ 872 ¸ ÖUZ 1 Z d ! § z t2 ! 1248 i b d d ! .

5704 ! 68.3629 0.4296 § IÖt2 ! 9  3 ! 11.5704 ¹ ª º §I 2 t ! 1248  1179. 4296 Ö W I2 ! 1 68.4049 Tp 47 .1244 © Z ©  72 ¹ ! 1179. .

bÖ ! W I2 .Matricea de varian ob ine înlocuind pe i covarian Ö a vectorului b este: .

b ! W I2 . Avem c : 112 ¸ ¹ 408656 ¹ ! ¨ 0. d UU 1 .0180 0. iar o estima ie a ei se W I2 cu Ö W I2 .0181¹ º ¹ ª 408656 º Ö Ö Ö U U 1 .0031¸ © ¹ 650 ¹ © 0.0031 0.

4049 )© 408656 © 112 © ª 408656 Coeficientul de corela ie multipl R2. d ¨ 648 © ! (11. are valoarea: R2 ! var iabilitatea exp licata var iabilitatea reziduala ! 1 var iabilitatea totala var iabilitatea totala 2 t 2 t § .

y  y ! § z ! 1248 Ö Variabilitatea rezidual = § I ! 68.4296 = 1179. Reziduurile § IÖ ! 68.5704 ! 0. 1248 Tabelul de analiz a varian ei (variabile centrate): Sursa variabilit ii Suma p tratelor corespunz toare acestei surse Num rul gradelor de libertate T-1=8 Media p tratelor asociate 1.4296 Variabilitatea total = 2 t Variabilitatea explicat = Variabilitatea total ± Variabilitatea rezidual = =1248 ± 68.5704 2 t k=2 3.Variabila endogen centrat §z Ö §z 2 t 2 t ! 1248 1 § zt2 T 1 1 Ö § z t2 k 1 § IÖt2 T  k 1 2.Variabilele exogene centrate ! 1179.5704 R2 ! 1179.9451 .4296 T-k-1=6 48 .

I nu se mai reduce la W I I . iar 2 2 S-a studiat anterior modelul liniar de regresie sub ipoteza c erorile sunt independente.CAPITOLUL IV STUDIUL MODELULUI LINIAR CÎND IPOTEZELE CLASICE ASUPRA ERORILOR NU MAI SUNT REALIZATE 4. cu E(It )=0. t=1. Ipoteza de independen a erorilor a erorilor .1. matricea de varian i covarian estimatorii parametrilor modelului general Y=Xa+I.T i ... În cazul în care erorile It sunt corelate..2. I ! E ..

Estimatorul a trebuie s fie liniar în raport cu variabilele endogene Y.II ' { W I I nu mai posed acelea i propriet i ca în cazul erorilor independente. adic nedeplasat deoarece: Ö Ö a ! MY . unde M este o matrice de coeficien i. Estimatorul a este Ö E . Ö Ö Fie a vectorul estimatorilor parametrilor a.

a ! E .

MY ! E?MXa  MI A! MXa  ME .

I ! MXa (pentru c E .

! 0 ). I Ö Pentru ca E .

nedeplasat i de dispersie minim . a ! X dI 1 X . a ! E ?(a  a ) (a  a)d E ?MI ( MI )d E ?MII d d ME (II d d M. atunci a ! ?X dA1 X d. 1 I 1 .a ! a trebuie s impunem condi ia MX=I. ? A Xd Y .I M d )M ! Ö Punînd condi ia ca . ? A Xd . Se observ imediat c dac erorile sunt independente. rezultând c : Ö a ! MY ! MXa  MI ! a  MI Matricea de varian Ö i covarian a estimatorilor ( inînd cont c a  a ! MI ) este: Ö Ö A! A! M A! . sub restric ia MX=I i rezolvînd aceast problem de extremum Ö condi ionat. El a fost ob inut prin MCMMP generalizat . adic Ö X Y obi nuit . rezult c matricea M este de forma: Prin înlocuire i calcul se ob ine: M ! X dI 1 X . a s fie minimal . adic . I ! W I2 I . reg sim estimatorul ob inut prin MCMMP 49 . 1 1 I Ö a ! MY ! X dI 1 X . Ö ? A 1 Ö Estimatorul a astfel ob inut este un estimator liniar.

În aplica ii.  a p x pt  I t .. ceea ce nu antreneaz Corelarea erorilor I t poate îmbr ca diverse forme.I este necunoscut .I .. determinarea estimatorului a necesit cunoa terea matricei de varian i covarian a erorilor . . 2. Modelul liniar general Y=Xa+I.T iar asupra erorilor L t facem ipotezele cunoscute: i (1) I t ! VI t 1  L t . E . I . t=1.. deoarece erori prea grave.. Cel mai frecvent se studiaz cazul când I t ! VI t 1  L t (1) (în care (se spune c erorile urmeaz un proces autoregresiv de ordinul întâi). ..Ö În cazul în care erorile sunt corelate. se lucreaz cu estima ia ei Ö . scris i sub forma: yt ! a1 x1t  a 2 x 2t  .

L E . t ! 0 .

t1L t 2 ! 0 . pentru t1 { t 2 L ecua ia 2 Var .

poate fi pus sub urm toarea form : L scris pentru t-1 este: y t 1 ! a1 x1. t ). t ! W L .

t 1  a 2 x 2 .

t 1  .  a p x p ...

t 1  I .

t 1 pe care o înmul im cu V (presupunem V 1 ): (2) Vy t 1 ! Va1 x1.

t 1  V a 2 x 2 .

.t 1  ..  Va p x p .

t 1  VI .

t 1 Prin sc derea (1)-(2) ob inem: (3) y t  Vy t 1 ! a1 .

x1t  Vx1.

t 1  a 2 .

x2t  Vx2 .

.  a p .t 1  ..

x pt  Vx p .

. atunci ecua ia (3) ar putea fi scris sub forma: (4) unde: z t ! a1u1t  a 2u 2t  .t 1  L t Dac s-ar cunoa te parametrul V.  a p u pt  L t u it ! xit  Vxi ..

i=1.t 1 ...2. se poate aplica MCMMP obi nuit ecua iei (4) care va conduce la estimatorul Ö a Ö Ö a ! . z t ! yt  Vyt 1 L t ! I t  VI t 1 Deoarece. erorile L t sunt independente..p.. prin ipoteze.

.. 50 . I t ! VI t 1  L t . a p nedeplasat i de minim dispersie. Dar..Ö1 .. cum parametrul V nu este cunoscut. pentru estimarea parametrilor unei ecua ii de regresie atunci când erorile sunt corelate (sub forma unui proces autoregresiv de ordinul I. a 2 .

sta ionar. adic media E .

t i dispersia Var .

t sunt independente de timp. ob inând 3. 2. Metoda II: Ecua ia (3) de mai înainte se poate scrie i sub forma: (5) yt  . Înlocuim V cu Ö V. estimatorul a nu prezint garan ii c are propriet ile dorite. Ö V în ecua ia (3) i aplic m MCMMP obi nuit acestei ecua ii. iar V I I urm toarele metode: Metoda I: 1. Se ob ine estimatorul Ö a pentru parametrul a. pentru e antioane mici. Ö Ö Ö Se ob ine estimatorul a1 al lui a i se determin valorile ajustate Y1 ! Xa1 Ö Ö estima iile erorilor I t ! y t  y1t . 1 ) se pot aplica Se aplic MCMMP obi nuit ecua iilor (1) f r a ine cont c erorile I t sunt corelate. D m o estimare a parametrului V aplicând MCMMP obi nuit i ecua iei Ö Ö I t ! VI t 1  L t . Ö Evident.

.. 1 x1t  .  a p x pt ! V yt 1  .

1 x1.

.  a p x p .t 1  ..

.. . de exemplu V0=0 în ecua ia (3) i ob inem o prim Ö estima ie a parametrilor a0 . 2. a 2 .. a p valoare pentru V.. notat V1. Ö Ö Ö Ö Înlocuim a0 ! a1 . D m o valoare ini ial lui V.t 1  L t a a ? A Se aplic MCMMP obi nuit ecua iilor (3) i (5) astfel: 1.

Înlocuim V cu V1 în ecua ia (3) i efectu m o nou regresie. ob inând estimatorul Ö Öp a1 ! . 0 0 0 în ecua ia (5) i efectuând regresia. ob inem o nou 3.

.0. a 1 .. i=1...02..m. Metoda III (baleiaj): Presupunem c V " 0 .1a.2.a.. a1 Ö 2 4. a 1 . converg). 0 51 ..01..0..d. Se opresc itera iile dac valorile g site în dou itera ii succesive nu difer decât printr- Ö un num r oricât de mic dorit (se spune c estimatorii ai ... ia succesiv valorile: V ! _ .Ö1 .

a p ai parametrilor.Ö Aplic m MCMMP obi nuit ecua iei (3) pentru fiecare valoare a lui V i calcul m reziduurile L t .. Astfel... estimatorii r mân. dar matricea de varian i covarian a acestora nu mai este W I2 I .. a 2 . Pentru a ne asigura de independen a erorilor trebuie s efectu m teste. *** Exist i alte proceduri de estimare a parametrilor în cazul când erorile sunt corelate. în general.. sub ipoteza I2 referitoare la distribu ia erorilor i la independen a lor. Se re ine valoarea lui V care d cea mai mic sum a p tratelor erorilor §LÖ t 2 t ..1. Testarea ipotezei de independen Atunci când ipotezele fundamentale ale modelului liniar al regresiei nu sunt îndeplinite propriet ile estimatorilor parametrilor sufer . Modelul liniar general al regresiei: yt ! a1 x1t  a 2 x 2t  .  a p x pt  I t se poate scrie sub forma: yt ! axt  I t a ! . Este vorba despre testul lui Durbin i Watson. nedeplasa i. estimatorii ob inu i sunt nedeplasa i i au varian a minimal . Dac erorile sunt corelate. c reia îi corespund Ö Ö Ö estimatorii a1 .1. a erorilor 4.

. © ¹ ©x ¹ ª pt º i se ob ine un estimator unde: Se aplic MCMMP obi nuit valorile ajustate Ö a Ö Ö a ! ... ... 1 .. a p i a ¨ x1t ¸ © ¹ © x2 t ¹ xt ! © ¹ . a2 .

. Reziduurile estimate depind de irul erorilor I t i de irul valorilor exogene xt .. deoarece: Ö Ö Ö I t ! yt  yt ! .. calculându-se Ö Ö yt ! axt i erorile estimate Ö Ö I t ! yt  yt .. a p . a2 .Ö1 .

numit i statistica Durbin-Watson definit prin 52 . Se consider variabila aleatoare.a  a xt  I t . notat ecua ia: Ö d .

Ö d! § .

IÖ  IÖ t t 1 t !2 T 2 § IÖt2 t !1 T . notat Ö f d Ö i au ar tat c oricare ar fi irul de exogene considerate. Ö Durbin i Watson au determinat densitatea de probabilitate a variabilei aleatoare d . curbele reprezentative ale lui f d oscileaz între dou curbe limit Ö f di .

i f .

de num rul de d s .Ö . Aceste func ii depind de num rul de observa ii (T).

.

variabile exogene veritabile ce figureaz în model (m) i de irul erorilor I t . Ö f d . Cele dou curbe limit (reprezentate grafic în figur ) sunt atinse pentru anumite iruri de exogene xt i sunt simetrice în raport cu axa de abscis 2.

d1 i d2. Durbin i Watson au determinat dou valori. Se spune c erorile urmeaz un proces autoregresiv de ordinul întâi. în func ie de num rul de observa ii (T) i de num rul de exogene veritabile (m) corespunz toare fiec reia din curbele limit . Vrem s test m ipoteza I0: V ! 0 (absen a autocorela iei erorilor). contra ipotezei I1: V " 0 (erorile I t sunt autocorelate). La un nivel de semnifica ie E dat. 53 . Cel mai frecvent se caut testarea leg turii erorilor printr-o rela ie de forma I t ! VI t 1  L t . d1 d2 2 d¶1 d¶2 Scopul este de a ti dac erorile modelului sunt autocorelate.

57 d2 2. i se observ c : Ö dac d dac d 1 .75 1. Ö 2.56 0.83 1. În tabelul urm tor sunt date câteva valori uzuale pentru d1 i d2 în func ie de T i m.61 d2 1.96 1.07 1.14 1.97 1. dac d ' Ö d 1 sau d " d 2 . 3.21 1.46 1.72 1.49 1.20 1. se poate testa I0: V ! 0 .54 1.69 0.69 m=2 d1 0. atunci se accept I1. dac d 2 Ö d d1' .08 1.77 1.54 1.50 1.36 1.21 1. decât întrun proces ordinar.10 1.59 1. În loc s test m V ! 0 contra V " 0 . contra I1: V { 0 .05: Tabela D-W T 15 20 30 50 100 m=1 d1 1. c.63 1.90 1. trebuie s determin m d ca i când modelul ar con ine o constant .Ö Se calculeaz statistica d cu rela ia dat 1.65 1. atunci se accept I0.34 1.35 1.63 d2 1. atunci se accept I1.83 1. Ö d d 2 . Se ob in dou valori d1 i d 2 simetrice în raport cu 2 i se constat c : ' ' Ö a.82 1. 3.79 1. dac d 2 e d e d 2 sau d1 e d e d 2 .57 1.41 1. atunci exist îndoieli c leg tura dintre erori este de forma d1 I t ! VI t 1  L t . ceea ce înseamn c erorile sunt mai pu in corelate într-un proces autoregresiv. Dac modelul studiat nu con ine constanta. pentru nivelul de semnifica ie E=0.38 1.99 1. atunci se accept I0. 54 .76 m=5 d1 0. Statistica Durbin-Watson aplicat pe un model care con ine variabile endogene retardate este deplasat c tre 2.78 Observa ii: 1.74 m=4 d1 0.42 1. 2.28 1. Ö dac d " d 2 .72 m=3 d1 0.65 d2 1.67 1. ' ' Ö Ö b.74 1. atunci exist îndoieli c erorile sunt corelate.68 1.00 1.59 d2 1.

7 11 1376.8657 .7 13 1646.t  582.7 15 2023.404 ÖÖ De asemenea. s-a calculat varian a estimatorilor i ecartul-tip al acestora: W a ! 7.44 14 +205. utilizînd modelul ob inându-se estimatorii: yt ! a ™ t  b  I t Ö Ö a ! 81.00 6 +71.4 10 1426.s-a aplicat MCMMP.42 7 +38.2 2 746.3 9 1281.6 14 1728.64 4 +25.1 10 1401.93 9 -37. Experien constante): t yt t yt 1 662.4. Rezolvare: Pentru a putea utiliza testul Durbin-Watson trebuie ca num rul de observa ii T s fie suficient de mare (în practic T>15). Ö Statistica Durbin-Watson definit de ecua ia d ! § .0 3 828.8 12 1564.1 Pe aceast serie cronologic . Ö W bÖ ! 72.5 7 1155.8657 .0 11 1482. iar modelul s con in un termen constant.4 8 1237.54 Ö It Ne propunem s cercet m o eventual autocorelare a erorilor.5 15 1810.3 Ö yt t Ö yt t 1 2 -76.79 10 +25.9 4 909.79 11 -106.6 5 991.9 7 1193.30 15 +213.2 12 1327. Se cunosc urm toarele date referitoare la evolu ia în timp a unei variabile economice (în pre uri 2 669.6 6 1073.7 de calcul I. 8 1224.2 4 935.49 13 -226. b ! 582.4 .8 5 1027.2.35 12 -237.25 Ö It t -1.1.03 8 -13.2 9 1319.0 14 1933.3 3 912. 2721 i valorile ajustate ale Ö variabilei endogene y t ! 81.94887 .25 3 +84.6 6 1145.2 13 1420.404 i ale Ö Ö reziduurilor I t ! y t  y t : t 1 664.01 5 +35.

79 55 .IÖ t !1 T t Ö  I t 1 2 t 2 § IÖ t !1 T conduce.35 ! 1.156 . conform datelor din Ö 265867. tabel. la: d ! 229991.

1 Indicele volumului importurilor pentru agricultur x2t 90. 4  d 2 . la pragul de seminifica ie E.2 90.7 635. atunci exist îndoieli c erorile ar fi corelate. II.6 112. Tabela D-W furnizeaz valorile d1=1.08 d ! 1.3 125. absen ei d1 .08 i d2=1.3 121.5 146. d 2 .9 94.2 96.3 868. x2t.6 91. astfel: 1. atunci exist îndoieli c erorile ar fi corelate.8 116. atunci erorile sunt pozitiv autocorelate.3 56 .0 104. num rul de exogene veritabile în model este (m=1) i dispunem de T=15 observa ii. În tabelul urm tor sunt date. diferite intervale de valori Ö d corespunz toare prezen ei autocorela iei pozitive sau negative.2 140.36 . atunci erorile sunt negativ corelate.5 97.0 124.1 753. valoarea calculat a statisticii d este cuprins între 0 i 4.156 d 2 ! 1. 5.4 1063.  produsul intern brut agricol. suntem într-o situa ie de indecizie.3 Produsul intern brut agricol x1t 563. atunci erorile I t sunt independente.  indicele volumului importurilor pentru agricultur .8 160.7 688. 4. pentru perioada 1985-2002:  volumul investi iilor în agricultur . autocorela iei i situa iilor de indecizie.2 109. 3. În exemplul nostru.2 100. cu absen a corela iei în vecin tatea lui 2. Anul t 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 Investi ii în agricultur yt 85.0 188.7 92. x1t . dac 0 dac d1 dac d 2 Ö d Ö d Ö d dac 4  d 2 dac 4  d1 Ö d . Între aceste valori limit . nu putem s spunem c erorile I t sunt corelate.5 120. Deoarece Ö d1 ! 1. yt.Durbin i Watson au ar tat c pentru un proces sta ionar (primele dou momente ale variabilei Ö aleatoare I t independente de timp).8 131.5 982. 2. tabela D-W furnizeaz .05. Ö d 4  d1 .5 935.36 la pragul de semnifica ie E=0.0 796.8 594.4 1171.

6 190. rezult : Ö d ! 0.înmul im (2) cu yt  Vyt 1 ! a . 3. PIB i volumul importurilor. erorile sunt corelate pozitiv. statistica Durbin-Watson este: d ! 0.44  0.05> Ö Ö I t . ceea ce conduce la concluzia c 3.5 386. se procedeaz astfel: . cum se pot înl tura efectele acesteia? Studierea leg turii dintre variabilele economice amintite se poate efectua cu modelul de regresie multipl : yt ! a  bx1t  cx2t  I t Aplicarea MCMMP conduce la urm toarea estimare a modelului: Ö yt ! 125. =5%. pentru momentul t-1: yt 1 ! a  bx1( t 1)  cx2 ( t 1)  I t 1 i efectu m sc derea (1)-(2): .98 2.scriem dependen a dintre variabile (1) (2) y t ! a  bx1t  cx 2 t  I t .9 1528. T=18 observa ii i m=2 variabile exogene veritabile.6 2368. Dup calcularea reziduurilor estimate.3 351.93 x2t Coeficientul de corela ie multipl are valoarea calculat : R2=0.8 1702.0 303.37 x1t  2. Conform tabelei D-W.9 243.Anul t 1996 1997 1998 1999 2000 2001 2002 Investi ii în agricultur yt 220.2 170.4 217.4 Determinarea leg turii dintre investi ii.2 Se cere: 1.5 195. Pentru a înl tura efectele autocorela iei erorilor. Dac exist autocorela ie. pentru d1=1.5 Indicele volumului importurilor pentru agricultur x2t 133. Testarea autocorela iei erorilor.6 1412.72 .5 181.1 147.7 161. 2. Rezolvare: - Produsul intern brut agricol x1t 1306.2 1899.5 2127.72 .0 214.

 V  b( x1t  Vx1( t 1) )  c ( x2 t  Vx2 (t 1) )  (I t  VI t 1 ) 1 57 .

se pot folosi transform rile: Ö Ö Ö z1 ! y1 1  V 2 .35 80.15 38.55 375.53 57.70 cu ajutorul estima iei g site.70 311. transform m variabilele modelului ini ial pentru o nou regresie: Ö z t ! y t  Vy t 1 30. a2=-b .62 Observa ie: Pentru a evita eliminarea primei valori din irul de observa ii.30 88.15 Ö u1t ! x1t  Vx1(t 1) 200. adic pe ecua ia: yt ! a0  Vy t 1  a1 x1t  a 2 x1(t 1)  a3 x2t  a 4 x 2(t 1)  L t unde a0=a(1.19 140. ob inem: i Lt ! I t  VI t 1 Ö yt ! 47.95 879.08x2t  2.68 x1t  0.41 243.33 269. Observ m c este coeficientul variabilei yt-1 în rela ia anterioar .20 139.11 271.47 31.89 40. a1=b.04 707.56 33. a3=c.46 44.46 61.72 486. prin trecerea la diferen e. a4=-c Efectuînd calculele.96 34.04 219.28 28.55 327.96 797.72 426.66 62.60 x1(t 1)  3.94 54. Efectu m o regresie cu MCMMP pe ultima ecua ie.20 36.11x2(t 1) Estima ia g sit pentru coeficientul Anul 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 este Ö V ! 0.86 39.) .68 46.28 539.77 632.05 31.10 33. u11 ! x11 1  V 2 .44 76.70 yt 1  0.60 40.44 39.09 327.68 109.37 133.18 Ö u 2 t ! x 2t  Vx2 ( t 1) 28.81 57. u 21 ! x 21 1  V 2 58 .56  0.19 60.39 54.71 29.- c ut m o estima ie a coeficientului . f r s inem cont de rela iile dintre coeficien i.15 68.39 45.83 498.38 46.

De exemplu. Pentru a ob ine teste i intervale de încredere mai robuste. Studiul teoretic al acestor devia ii este complex.24u1t  0. deoarece: 4-d2=2. calculat prin raportul: Ö K1 ! Q3 W I2 0 . distribu iile asimptotice ale estimatorilor necesit doar existen a primelor dou momente (media i dispersia) ale erorilor I t i nu în mod obligatoriu ca I t s urmeze o lege normal . Testarea ipotezelor i intervalele de încredere nu mai au acelea i propriet i dac legea de distribu ie a erorilor nu este legea normal .2. Ö zt ! 7. în timp ce o valoare K 3 Aceste devia ii afecteaz testele i intervalele de încredere ale estimatorilor. Acest lucru nu este îns valabil pe e antioane mici.19  0. Ipoteza de normalitate a erorilor Unele propriet i ale estimatorilor nu depind de normalitatea erorilor. exist o deviere spre stânga. atunci seria de date este deplasat spre dreapta fa de legea normal . în practic se procedeaz astfel: 59 .54 . unde: Q 3 este momentul centrat de ordinul 3.54>d2=1. O valoare pozitiv pentru K 3 indic faptul c distribu ia este mai pu in aplatizat decât distribu ia normal .53 4.47> d =1. Testul de independen conduce acum la concluzia c erorile sunt independente. iar dac K 1 b) coeficientul de aplatizare.99u 2t i rezult : Coeficientul de corela ie multipl este acum R2=0.- se aplic MCMMP ecua iei: z t ! a 0  a1u1t  a 2 u 2t  L t . Pentru a caracteriza devia iile de la legea normal se utilizeaz doi coeficien i: a) coeficientul de asimetrie.88 iar statistica Durbin-Watson Ö d ! 1. calculat prin raportul: K2 ! Q4 3 W I2 0 caracterizeaz o distribu ie mai aplatizat decât cea normal . Dac K 1 " 0 .

Propriet ile estimatorilor ob inu i vor depinde de regula adoptat în etapa anterioar . 3. Aceast 2 It deplasare depinde de natura i importan a heteroscedasticit ii. Se examineaz cele T reziduuri estimate i se repereaz cele a c ror valoare absolut este foarte mare.1. c de i I t W I2t sunt independente. 4. dispesia erorilor variaz în func ie de t. Ipoteza de heteroscedasticitate S presupunem. estimatorii ob inu i sunt înc nedeplasa i. momentele centrate de ordinul doi nemaifiind constante se comite o eroare de calcul a ecartului-tip al estimatorilor. În acest caz. De exemplu. a . Dar. 2. Se poate evalua deplasarea în estima ia lui de valori ÖÖ . se poate adopta regula de a respinge sau corecta observa iile corespunz toare reziduurilor a Ö c ror valoare absolut I t este mai mare decât de trei ori media erorilor absolute. Se efectueaz o regresie cu metodele uzuale i se determin o estima ie a reziduurilor Ö It . Se efectueaz o nou regresie pe e antionul corectat. deci.3. adic de irul W . Se elimin din seria de date observa iile corespunzatoare acestor erori foarte mari sau se corecteaz aceste observa ii astfel ca s se ajung la valori cât mai normale ale erorilor. 4.

T t . (1) . xt 2 It . Deplasarea este nul dac sunt realizate rela iile urm toare: 1 § W I2t xt  x ! 0 .

(2) 1 T § W .

x t t x 1 ! ¨ T § W ¸¨ § .

Dar. în studiul datelor micro-economice. Acest fapt conduce la erori de estimare importante pentru coeficien ii unui model econometric. º Aceste rela iile sunt realizate atunci când nu exist nicio leg tur sistematic între W I2t i xt .x © ¹© ª ºª 2 2 It t t t 2¸  x ¹. Homoscedasticitatea erorilor se admite în seriile cronologice atunci când ordinul de m rime al variabilelor este apropiat pentru diverse observa ii. 60 . variabilele pot avea ordine de m rime foarte diferite.

Pentru modelul elementar expresia y t ! axt  b  I t .Dac putem evalua varian a erorilor W I2t atunci. ace tia pot fi determina i din condi ia ca I t2 §W2 t It s fie minim . estimatorii a Ö Ö i b vor fi cei care minimizeaz 1 § © W ¹. în loc s determin m parametrii din condi ia ca suma p tratelor erorilor s fie minim .

Experien § t . se poate pune condi ia ca 4. În cazul în care W I2t (dispersiile reziduurilor) variaz propor ional cu valorile variabilei exogene.y © ¹ t ¨ ª ¸ º 2 It t 2  axt  b .3.1.

4 75.5 117.6 94.7 104. Fie SPE1 i SPE2 suma p tratelor erorilor relative la cele dou regresii.7 112. ob inem: Ö yt ! 0.3 117.7 92.2 95. ©x xt ¹ t ª t º 2 de calcul Ne propunem s studiem legatura dintre volumul investi iilor i suprafa a cultivat .9 Aplicând MCMMP pe întregul e antion cu modelul elementar y t ! axt  b  I t .7 89.6 92.4 83.9 88.2 Cheltuielile de investi ii (RON) 77.9 78.6 80.1 108.5 105.5 80. Dorim s test m ipoteza de homoscedasticitate a erorilor. conduce la: Ö y t. alta pe ultimele 12 (valorile lui X fiind ordonate cresc tor).yt  axt  b 2 xt2 ¨y b ¸ ! § © t  a  ¹ s fie minim . una pe primele 12 observa ii.3 83. În acest scop efectu m dou regresii separate.1 84.5 92.08145 xt  67.6 81.9 .4 106. Pe un e antion de 30 de întreprinderi agricole s-au ob inut urm toarele date: Suprafa a (ha) 100 200 300 400 500 75.7 101. Regresia lui Y în raport cu X pentru primele 12 observa ii.7 103.1 85.9 81 84.1 98.965 i R 2 ! 0.

i Ö y t.66 .14 .6 iar regresia pe ultimele 12 observa ii d : i R 2 ! 0. SPE1 ! 49.054 xt  72.1 ! 0.

1125 xt  54.2 ! 0.45 R 2 ! 0.695 . 61 . SPE 2 ! 250.60 .

01>Ftab=2. P fiind o constant nenul .97.695 ! ! 51. k este num rul de observa ii luat în fiecare regresie separat . Din tabelele 49. În aceste condi ii.În cazul în care erorile ar fi distribuite normal i homoscedastice.05 gasim Ftab=2. În exemplul nostru T- 1 SPE 2 10 d-k-p=10. Împ r ind fiecare termen al ecua iei de regresie prin xt. Cu datele calculate. Dac presupunem acum c 2 2 varian a erorilor W I2t este propor ional cu p tratul valorilor variabilei exogene. unde: zt ! yt .14 SPE1 Deoarece semnifica ie E=0. la pragul de SPE 2 250.10). variabila aleatoare are o distribu ie Fisher cu 10 i respectiv 10 1 SPE1 10 grade de libertate (F10. d este num rul de observa ii omise (în cazul nostru d=6). W2 respectiv SPE 2 ar trebui s urmeze fiecare o distribu ie hi-p trat cu (T-d-k-p) grade de libertate.97 se admite ipoteza de heteroscedasticitate a erorilor. ut ! 1 xt Se observ c xt i Lt ! It . variabilele aleatoare SPE1 . iar p este num rul parametrilor de estimat. rezult : yt b I ! a  t xt xt xt sau z t ! a  bu t  L t .01 . ob inem distribu iei Fischer-Snedecor. Fcalc=51. adic W I t ! P xt . unde T W2 este num rul de observa ii. atunci efectele heteroscedasticit ii pot fi corectate prin transformarea modelului. xt ¨I Var .

¹ x t º Prin urmare. t ! Var © t L ©x ª t ¸ 1 2 ¹ ! 2 W It ! P . Efectuând regresia pe modelul transformat. deoarece dispersia lor este independent de timp. rezult : ® § z t u t  T zu Ö b ±! 2 ± u t2  T u ¯ § ± Ö Ö ± ! z  bu a ° Revenind în variabilele ini iale ob inem: 62 . modelul transformat are erorile L t homoscedastice.

adic : Ö yt 70. Fie modelul liniar general: y t ! a1 x1t  a 2 x 2 t  . 2.072 . cu atât deplasarea estimatorilor va fi mai mare.44 ! 0.. cu nota iile obi nuite. La fel trebuie procedat i atunci când se constat c varian a erorilor nu este finit . În acest caz.  a p x pt  I t . 4.5.. numit Ämetoda variabilelor instrumentale´. Cu cât coeficientul de corela ie liniar ( V ) dintre I t i xt este mai mare.yt 1 1 yt 1 ® ± § x ™ x  T § x ™§ x t t t Ö ±! t t t 2 b 2 ± ¨ 1 ¸ 1¨ 1¸ ± ¯ §© x ¹  T ©§ x ¹ © ¹ © ¹ t ª t º t º ª ± ± 1 y Ö1 1 Ö a ± ! § t b § ± T t xt T t xt ° Efectuând calculele. Când ipoteza nu mai este satisf cut aceste propriet i nu mai sunt valabile. .44 . R 2 ! 0.. pentru a ob ine estimatori convergen i. s-a dezvoltat o metod de estimare special . se scrie în forma matricial Y=Xa+I. t=1.44 .. cu varian minimal ).4..072  xt xt sau Ö yt ! 0. S remarc m faptul c panta dreptei de regresie (dup corectarea heteroscedasticit ii) este mai mic decât cea ob inut înaintea corect rii. Not m cu Y ~ i X valorile reale ~ (necunoscute acum pentru c observa iile Y i X con in erori!) ale variabilelor din model. 63 . În astfel de cazuri este de preferat s se aleag un alt model econometric pentru studierea leg turii dintre variabile.T.99 . Ipoteza de independen Se tie c a erorilor în raport cu varibilele exogene ipotez fundamental estimatorii ob inu i au propriet i optimale sub aceast (nedeplasa i.072 xt  70. va exista o corela ie între reziduuri i exogenele din model. a ! 0. Ipoteza referitoare la faptul c variabilele modelului sunt observate f r eroare Atunci când variabilele care apar în model nu sunt variabile observate f r eroare. care. rezult : Ö Ö b ! 70. pe care o prezent m mai jos. 4.

. unde L ! Ka  I  Q . Vom presupune c Q i K satisface ipotezele fundamentale (medie zero. Acest lucru înseamn c sub forma: (1) E . unde Q i K sunt variabile aleatoare. reziduurile I sunt corelate cu X prin Presupunem acum c se cunosc alte p variabile exogene Zi . independente). deci necorelate cu I.. Înlocuind X i Y prin expresiile lor.p necorelate cu Q. Aceasta arat intermediul lui K.Putem scrie c Y ! Y  Q . K i L. i=1..2. c în modelul ini ial. X ! X  K . varian finit . Y=Xa+I .. ob inem modelul ~ ~ ~ ~ Y ! Xa  L .

. ¹ ¹ © ¹ © unde X 1 ! © . ¨ x p1 ¸ ¨ x11 ¸ ¨ x 21 ¸ ¹ © © . Se ob ine sistemul: E Z ® . ¹ © ¹ © ©x ©x ¹ © x pT ¹ ª 1T º ª 2T º º ª Înmul im..Zp i aplic m operatorul de medie E fiec rei ecua ii. ¹ . ¹ © .... ¹ © . X p ! © .. ¹ .. succesiv.. Z2. X 2 ! © . . ¹ . i=1.  a p X p  I . ¹ © ...p. ¹ ¹ © ¹ © ¹ © . ecua ia (1) cu Z1.Z i ™ I ! 0 .. Consider m modelul ini ial Y=Xa+I scris Y ! a1 X 1  a 2 X 2  .2..

Z 1 ™ Y ! a1 E .

Z 1 X 1  ...  a p E .

1 X p ± E Z ± .

Z 2 ™ Y ! a1 E .

..  a p E .Z 2 X 1  .

.. 2 X p (2) ¯ .. ± ± .

™ Y ! a E .

 a E . X  ...

. X E Zp 1 Zp p 1 p ° Zp Ö Ö Metoda de estimare VI (variabilelor instrumentale) const în a lua ca estimatori a1 . a p exact solu iile sistemului de ecua ii (2)... în care speran ele matematice sunt înlocuite cu momentele empirice corespunz toare: ..

E .

....Z i ™ Y ! 1 § zit ™ yt .j=1. i=1..p T t 1 § zit ™ x jt ..p T t E . i.2..2..

i ™ X j ! Z Dac not m: 64 .

¹ i X ! © . z pT ¹ º ª 1T ...... ©z ª 1T matricial : ¨ x11 z p1 ¸ ¹ © . x p1 ¸ ¹ .. ©x . ......... . x pT ¹ º .¨ z11 © Z ! © ... Ö Z 'Y ! . ¹ sistemul (2) transformat se scrie sub form .....

iar pentru c .Z ' X a .

Z 'Y este inversabil . ob inem estimatorul: 1 Ö a ! .

MCMMP obi nuit : 1 Ö a ! . S observ m similitudinea cu estimatorii ob inu i prin MCMMP: 1. 3.Z ' X ™ Z '™Y . 2.

X ' X ™ X '™Y   Ö a ! .

X ' . I 1 X ™ .

I 1 ™ Y 1 MCMMP generalizat : metoda VI: 1 Ö a ! .X ' .

înlocuind X ' prin Z ' . Pentru a putea utiliza metoda VI trebuie g site atâtea variabile instrumentale câte exogene con ine modelul.  Se trece de la 1. metoda VI nu este o metod general de estimare. Ö Estimatorul a ob inut prin metoda VI este un estimator deplasat pentru a. Experien de calcul Consider m o anchet pe bugetele de familie pentru a studia consumul dintr-un anumit produs. I . prin urmare. Aceste restric ii limiteaz alegerea variabilelor instrumentale i. Facem urm toarele nota ii: y1t: cheltuielile totale ale familiei t.1. dar puternic corelate cu exogenele modelului.5.Z ' X ™ Z '™Y . Vt : veniturile familiei t. Aceste variabile instrumentale trebuie s fie necorelate cu reziduurile. 1  Se trece de la 1. i scriem ecua iile: (1) (2) y1t ! Vt  I 1t y 2t ! aVt  b  I 2t 65 . înlocuind X ' prin X ' . la 2. dar converge în probabilitate c tre a pentru T suficient de mare. Ancheta cuprinde un e antion de T familii. y2t: cheltuielile relative la produsul studiat. la 3. Cunoa terea primei formule permite exprimarea celorlalte dou . 4.

Este evident corela ia puternic dintre variabilele VDt i Vt... Fie VDt venitul declarat de familia t..Ne propunem s exprim m cheltuielile relative la produsul studiat în func ie de cheltuielile totale. S observ m c L t este corelat cu y1t prin intermediul lui I1t. venitul declarat VDt nu este corelat cu I 1t ! y1t  Vt . Utiliz m venitul declarat ca variabil instrumental . rezult : y 2t ! ay1t  b  I 2t  aI 1t sau.2.. t=1. centr m variabilele din model: y 2t ! ay1t  b  L t . Pentru simplificarea calculelor.T 1 1 1 § y2t ! a T § y1t  b  T §L t T t t t y 2 ! a y1  b  L (4) y 2t  y 2 ! a y1t  y1  L t  L . Dimpotriv . Vom estima a i b din ecua ia (3) introducând o variabil instrumental . punând L t (3) ! I 2 t  aI 1t : y 2t ! ay1t  b  L t . Din ecua ia (1) avem c Vt ! y1t  I 1t i înlocuind în (2). care este ecartul între cheltuielile totale i veniturile familiei t. Rezult c VDt nu va fi corelat cu L t .

.

ob inem estimatorul: § . 2 Dac aplic m MCMMP ecua iei (4).

y t 1t  y1 y 2t  y 2 1t .

(5). Ö a! § .

consider m variabila .y t  y1 i aplicând Folosim îns instrumental centrat metoda variabilelor instrumentale. Pentru aceasta.

VD t  VD . Înmul ind ecua ia (4) cu variabila instrumental centrat operatorul de medie E. rezult : E y 2t  y 2 VDt  VD ! aE y1t  y1 VDt  VD  E L t  L VDt  VD ? .

.

A ? .

.

? A .

.

A 66 . .

Dar. iar acum ? . înseamn c E L t  L VDt  VD ! 0 . cum L t i VDt nu sunt corelate.

.

ob inem: E y 2t  y 2 VDt  VD ! aE y1t  y 1 VDt  VD ? . A înlocuind E cu media empiric .

.

A ? .

.

T t t de unde: . A 1 1 § VDt  VD y2t  y 2 ! a T § VDt  VD y1t  y1 .

.

.

.

VD .

§ .

 VD y Ö a! .

VD § .

 VD y t t t t 2t 1t . y  y2 1 Am ob inut practic estimatorul (5) în care variabila instrumental .

y 1t  y1 s-a înlocuit cu variabila .

VD t  VD atât la num r tor. cât i la numitor. 67 .

economi ti. Al. 4. Editura Economic . Editura A. Economica. Pecican. 2002 Modelarea i simularea proceselor economice. 49 rue Hericart. E.S. T. R. 2001 Methodes statistiques de l¶econometrie. Al.. Editura Economic . Paris. Gourieroux. 18. V. T n soiu.BIBLIOGRAFIE 1. E. 2001 Econometrie ± proiect. Bucure ti. Editura Economic . Monfort. E. Editura tiin ific Bucure ti. 1998 Statistica pentru managementul afacerilor. 1998 Econometrie aplicat . C. 19. Pecican.asecib.. Iacob. E. Mitru . 1994 Econometrie. Malinvaud. A. Editura All. Ghe. 1989 Essentials of Econometrics. Paris. Economica. Bucure ti. O. 1989 Tranzi ia în România-Abord ri econometrice.S. 2003 Econometrie. Statistic i econometrie. Giraud. Editura Economic . 6. 11. T n soiu.. A. E. New York. Paris.) 3. O. G.ro/soft.htm Econometrie-studii de caz. 15.. 1978 Incertitudine i modelare economic (Econometrie informa ional ).E.. Dunod. 9. T n soiu. Econometrie-teorie i aplica ii. Onicescu. Voineagu.S. 2000 Econometrics. 1985 Econometria pentru . Botez. 7. Ta nadi. Andrei. Iacob. Gujarati.E. E. 2. Ta nadi. 1990 Statistique et Modeles Econometriques. Pecican. 13. A. www. M.E. Editura Arteticart. Gheroghi . Al. Editura A. 17. New York. A. C. Bucure ti.S. Cenu .S. Bucure ti. Editura A. Chow. 10. 12. M. O.E. 1995 68 .ase.S. 14. 2003 i Enciclopedic . Bucure ti. 2004 Matematici pentru economi ti. (coord. O. Cre u. Bucure ti. Isaic-Maniu. 1999 Modele econometrice. 16. Bucure ti. Editura A.N. R. 5. 2001 Econometrie. Editura CISON. Dobrescu. McGraw Hill.S. Peptan. 8.. McGraw Hill. Editura ASE.

Sign up to vote on this title
UsefulNot useful