Extras din curs
MODELUL REGRESIEI LINIARE MULTIPLE
Identificarea modelului
- Identificarea econometrică constă în alegerea unei forme a funcţiei matematice care descrie relaţia dintre variabila endogenă Y şi factorii săi de influenţă, X1, X2, , Xi, , Xk.
Procedee de identificare
- Procedeul grafic – se reprezintă grafic prin nor de puncte perechile (Y, Xi)
- Procedeul analitic – se estimează mai multe forme ale funcţiei, urmând sa se decidă care model este cel mai potrivit, folosind o serie de criterii de performanţă.
Principalele funcţii de regresie multifactoriale îmbracă în economie una din următoarele forme:
- funcţia liniară: + et
- funcţia liniară dublu logaritmică:
et
sau
+ et
- funcţia putere Y = a0 x1a1 x2a2 et
- funcţia exponenţială Y = ea+bx1+cx2+ + et
Modelul regresiei liniare multiple
Acesta are forma:
yt = a1x1t + + apxpt + et
Modelul poate fi scris sub formă matricială,
Y = Xa + e
DESPRE MATRICI
Se numeşte matrice cu m linii şi n coloane (sau de tip ) un tablou cu m linii şi n coloane
Ipoteze fundamentale
- Ipotezele modelului regresiei simple se emit si în cazul modelului regresiei multiple.
- La acestea se adaugă ipoteza de multicoliniaritate – nu există relaţie de dependenţă între variabilele exogene ale modelului.
Estimarea parametrilor modelului
- Metoda celor mai mici pătrate:
Depistarea fenomenului de multicolinearitate
reprezentarea grafică a seriilor de valori corespunzătoare variabilelor explicative.
- calculul determinantului matricii X`X, Det(X`X) ; cu cât valoarea acestui determinant este mai apropiată de zero, cu atât corelaţia dintre variabile este mai puternică.
- calculul raportului de corelaţie, R2
- această valoare este comparată cu mărimea aceluiaşi coeficient obţinut în condiţiile în care una dintre variabilele factoriale a fost omisă din model.
- în cazul în care valorile coeficienţilor sunt apropiate ca mărime se poate considera că variabila omisă este coliniară cu celelalte variabile factoriale.
- eliminarea acestei variabile din model conduce la diminuarea multicoliniarităţii fără a afecta semnificativ gradul de determinare a celorlalte variabile exogene asupra celei endogene
Atenuarea multicoliniarităţii poate fi realizată astfel:
- se recomandă folosirea unor serii de date cât mai lungi (T > 15), astfel încât eventualele analogii, datorate hazardului, să fie, pe cât posibil, eliminate;
- în situaţia în care două variabile exogene sunt intens corelate (una dintre ele este coliniară cu cealaltă), se poate renunţa la una dintre ele, considerându-se că variabila omisă este exprimată de cea reţinută în model;
- - dacă datele sunt prezentate sub formă de serii cronologice, se pot calcula diferenţele de ordinul 1 (D(1) = yt – yt-1), sau pot fi logaritmate valorile lui Yt, Xi în scopul atenuării coliniarităţii cauzate de prezenţa trendului în cadrul seriilor de date;
- - utilizarea de serii sincrone de date, formate în optică transversală, poate constitui o modalitate de diminuare sau chiar de eliminare a interdependenţei factorilor. Un exemplu de serii sincrone se referă o observare a unui eşantion statistic de întreprinderi, judeţe, familii etc. Ca urmare a faptului că datele sunt culese pentru aceeaşi perioadă de timp, pe baza aceleaşi metodologii, dar în condiţii diferite de manifestare a factorilor, există şanse mai mari ca ipoteza privind independenţa factorilor să fie satisfăcută.
Previziunea variabilei endogene Y
- Dacă se presupun cunoscute la un moment q , valorile variabilelor exogene, previziunea variabilei endogene, respectiv valoarea reală a acesteia, vor fi:
- Estimare punctuală
- Estimare prin interval de încredere
REGRESIA MULTIPLĂ. Modelul liniar general
Regresia multiplă analizează legătura dintre o variabilă explicată y şi mai multe variabile explicative x1, x2, , xk, unde k > 2.
Modelul liniar general este o generalizare a regresiei simple, în care apar mai multe variabile explicative. Pentru serii temporale, t = 1,2, n, modelul este:
unde:
yt = variabila de explicat la timpul t;
x1t = variabila explicativă 1 la timpul t;
x2t = variabila explicativă 2 la timpul t;
xkt = variabila explicativă k la timpul t
= parametrii modelului;
= eroarea de specificare, necunoscută (diferenţa dintre modelul adevărat şi cel specificat);
n = numărul de observări.
Ipotezele şi proprietăţile estimatorilor
Preview document
Conținut arhivă zip
- Modelul Regresiei Liniare Multiple.doc