Académique Documents
Professionnel Documents
Culture Documents
Dineț Ella-Ionela
Grupa 1045, Seria Cibernetică
Pentru estimarea parametrilor celor două modele econometrice am introdus datele într-un fişier
Eviews , realizând următoarea codificare a variabilelor:
• Y = rata şomajului
• X= indicele produsului intern brut pe locuitor
2
• Reprezentarea grafica
Graficul include atât punctele de coordonate (Xi, Yi)i=1..29, dar şi dreapta de regresie folosită
pentru a cuantifica efectul indicelui produsului intern brut pe locuitor asupra ratei şomajului.
Din acest grafic rezultă o dependenţă liniară negativă între cele două variabile: pe măsură ce
creşte valoarea indicelui PIB pe locuitor, scade nivelul ratei şomajului ceea ce este uşor de
explicat pentru că dacă se înregistrează o creştere economică, atunci se va diminua numărul
şomerilor şi prin urmare rata şomajului va scădea.
Folosind metoda celor mai mici pătrate (OLS), se estimează parametrii modelului de regresie:
Yi = b + aXi + εi
na + b∑xi =∑yi
a∑xi +b∑xi2=∑xiyi
Seria rezidurilor, se notează cu ei sau ε ^ şi se estimează prin relaţia:
ei=yi-ŷ=yi-(b^+âxi)
Valorile reale ale caracteristicii endogene sunt egale cu estimaţia dedusă cu ajutorul modelului
de regresie, corectată cu eroarea reziduală yi=ŷ+ei
Pentru estimarea celor doi parametri se pune condiţia ca suma pătratelor diferenţelor dintre
valoarea reală şi cea estimată prin modelul de regresie să fie minimă:
3
Figura 1: Rezultatele estimării parametrilor modelului de regresie
Pe baza rezultatelor de mai sus se pot formula următoarele observaţii ca şi în cazul primului
modelul liniar de regresie :
-dependenţa existentă între rata şomajului şi indicele PIB pe locuitor este una liniară negativă
semnificativă , panta de regresie este negativă şi diferă semnificativ de zero, coeficientul de
regresie având valoarea -0,025670. Această valoare se poate interpreta astfel: la o creştere cu o
unitate a indicelui produsului intern brut pe locuitor, valoarea ratei şomajului scade, în medie, cu
0,025670 unităţi.
-termenul liber are valoarea de 9,67789 şi nu are interpretare economică.
-ecuaţia de regresie are forma: Y = 9,67789 - 0,025670X.
-între valoarea statisticii F şi a lui t, ce corespunde pantei de regresie se verifică relaţia t2=F.
-evoluţia indicelui produsului intern brut pe locuitor influenţează în proporţie de 24,02% evoluţia
ratei şomajului, după cum rezultă din valoarea lui R2=0,240251.
Pentru a studia validitatea modelului foloste testarea calităţii ajustării/ bonităţii modelului
Construim tabelul Anova in Excel.
Consideram ipotezele:
4
Figura 2: Tabelul a fost obtinut in excel cu ajutorul functiei Regression din Data analisys:
Fcalc=8,538037
Ftabel=4,241699
Fcalc>Ftabel => modelul este valid statistic, accept H1, resping H0
5
Cum 2,922 > 2,268 ⇒ tcalc > tcrit atunci resping H0 şi accept H1 deci parametrul β este
semnificativ.
Spunem că o statistică este semnificativă dacă valoarea testului statistic se află în regiunea
critică.
• Coeficientul de corelaţie
rxy= 0,490154 >0. Din acest coeficient ⇒ legătura este directă şi puternică. Acest coeficient a
fost calculat în Excel cu ajutorul funcţie correl.
Testez semnificaţia coeficientului :
H0 : rxy =0 (coeficientul de corelaţie nu este semnificativ) ;
H1 : rxy ≠0 (coeficientul de corelaţie este semnificativ) ;
Rc: tcalc> tcrit=tα/2;n-2
n −2
1 −r 2
tcalc= rxy xy
~ Sn-2
tcalc=3,4138 > tcrit=2,059539, unde tcrit este calculat mai sus ⇒ resping H0 şi acceptă H1 ⇒
coeficientul de corelaţie este semnificativ statistic.
• Raportul de corelaţie
6
SSE
R= 1 − =0,4901 ⇒ R2=0,2402
SST
Testez semnificaţie raportului de corelaţie:
H0 : R2=0 (nu este semnificativ statistic);
H1: R2 >0 (este semnificativ statistic);
R2
Fcalc= (n-2) ~ Fα;1,n-2; Fcalc=8,854247 . Fcrit=4,241699 a fost calculat în Excel cu funcţia
1− R2
finv(0,05;1,27).
Fcalc> Fcrit ⇒ resping H0 şi accept H1 ⇒ raportul de corelaţie este semnificativ statistic.
Cum R2=0,2402 ⇒ aproximativ 24% din variaţia ratei somajului este explicată prin variaţia
indicelui de volum al PIB- ului
Deoarece R2 poate fi cel mult 1, R2 observat sugerează că dreapta de regresie estimată aproape
bine datele.
2 1 ( x0 − x m ) 2
ŷ0- tα/2;n-2*SE(ŷ0) ≤α+βx0 ≤ ŷ0+ tα/2;n-2*SE(ŷ0), unde SE(ŷ0)= S ( + )
n ∑ ( xi − x m ) 2
=7,5539 ⇔ 7,11089- 2,3734*7,5539 ≤E(Y/x0=100) ≤ ⇔ 7,11089+ 2,3734*7,5539 ⇔
7
Pentru estimarea parametrilor modelului multiplu de regresie am introdus datele într-un fişier
Eviews , realizând următoarea codificare a variabilelor:
Y = rata şomajului
X1 = indicele produsului intern brut pe locuitor
X2 = numărul studenţilor
Folosind metoda celor mai mici pătrate (OLS), se estimează parametrii modelului de regresie:
Yi = b0 + b1X1 + b2X2 + εi
9,06972337 14
Astfel β’= - 0,02644955 21
0,00000018 35
OBS ! Calculul pt β’ au fost facute in excel cu ajutorul functiilor minverse si mmult
β1 - In conditiile in care valoare lui x2 si x3 sunt 0 atunci valoare medie a ratei somajului este
9,0697233.
β2 - Mentinand toate celelalte variabile constante valoarea ratei dobanzii scade in medie cu
0,02644955 daca PIB creste cu o unitate
β3 - Mentinand toate celelalte variabile constante valoarea ratei dobanzii creste cu 0,0000001835
daca numarul studentilor creste cu o unitate.
8
Figura 3 Covariance matrix
9
SSR
Coeficientul de determinaţie R2= =0,3675 ⇒ 36,75% din variaţia variabilei dependente
SST
este explicată prin influenţa celor două variabile eplicative.
SSR /( k −1)
Coeficientul de determinaţie ajustat Ř2= =5,4152 ⇒ Ř2< R2.
SST /( n −1)
10
Pentru a semnala prezenţa coliniarităţii am folosit ca şi criteriu, testul Farrar-Glauber.
La o analiză sumară a rezultatelor obţinute în cazul estimării parametrilor modelului de regresie
cu două variabile explicative a rezultat că totul este în regulă. Totuşi estimările pot fi perturbate
de prezenţa coliniarităţii.
Am calculat matricea de corelaţie Rp a variabilelor exogene ale modelului de regresie:
Figura 6
O valoare a determinantului matricei Rp egală cu zero sau o valoare foarte mică a acestuia scoate
în evidenţă prezenţa coliniarităţii.
În acest caz determinantul are valoarea 0,98, foarte apropiată de 1. De aceea am realizat testul de
mai jos pentru a determina dacă valoarea determinantului matricei Rp este egală cu 1.
Am definit ipotezele:
H0: | Rp|=1, modelul liniar de regresie nu este suspectat de prezenţa fenomenului de
multicoliniaritatea
H1 : | Rp|<1, modelul liniar de regresie este afectat de prezenţa fenomenului de
multicoliniaritatea
Am definit statistica testului:
C=-[n-1-1/6(2p+5)]*ln|Rp|→χ2 1/2p(p-1)
Din tabelul repatiţiei χ2, pentru un prag de semnificaţie de 5% şi un grad de libertate, se obţine
valoarea Ctabel=3,841.
Ccalculat=-0,463652
Ccalc<Ctabel => modelul de regresie nu este suspectat de prezenţa multicoliniarităţii; accept H0,
resping H1.
11
1
x0= 80 . Doresc E(Y/X0)=x’0β.
150000
9,06972337 14
ŷ0=x’0β’= (1 80 150000 ) * - 0,02644955
21 =6,9545233.
0,00000018 35
1
Var(ŷ0/x0)=S x’0(X’X) x0=4,2940 * (1 80
e
2 -1
150000 ) *(X’X) * 80
-1
=0,059487
150000
12