Econometrie Prof.

Dugulean Constantin
Curs 1 05.10.2010 Econometria este tiina care, folosind mijloace matematice i statistice, urmrete s dea o msur fenomenelor economice. Primele noiuni de econometrie au fost fundamentate ndeosebi dup anii 1930. Un rol deosebit l-a avut nfiinarea Societii Americane de Econometrie n 1930 i publicarea din 1931 a revistei Econometrica. O dezvoltare deosebit a cunoscut econometria dup apariia calculatoarelor personale. Pn la apariia acestora, problemele de econometrie se rezolvau n institute de cercetri sau n marile universiti. Econometria folosete modele econometrice. Un model, n general, este o simplificare schematic a realitii. Un model econometric este reprezentat de o serie de ecuaii matematice ale cror variabile sunt mrimi economice. Exist o mulime de modele. Aceeai realitate poate fi modelat n feluri diferite n funcie de obiectul studiului. Etapele construirii unui model econometric Etapa 1. Referina la o teorie - pentru verificarea anumitor relaii; - pentru descoperirea anumitor relaii. Etapa 2. Formalizarea relaiilor - scrierea lor ntr-o form matematic (ecuaii). Ex.: V = f(T) V vnzri ngheat T numr turiti V = a + b*T + a, b = parametri, coeficieni a, b = valori fixe, dar necunoscute , b = estimatorii parametrilor Estimatorii parametrilor sunt variabile aleatoare. V = variabila de explicat, variabila dependent, variabila endogen T = variabila explicativ, variabila independent, variabila exogen = eroarea de specificare; nglobeaz influena celorlali factori, neinclui n model Modelul va fi bun dac influena celorlali factori va fi mic. Etapa 3. Culegerea datelor - este o etap dificil; - avem nevoie de date reale. Serii de date temporale date culese la momente regulate de timp. Vt = a + b*Tt + t Serii de date instantanee date culese la acelai moment de timp n uniti de observare diferite. Vi = a + b*Ti + i Etapa 4. Estimarea parametrilor Determinarea unor valori care s aproximeze valorile reale ale parametrilor. Pentru estimarea parametrilor se folosesc diferite programe sofware (Excel). Pentru cele mai simple modele econometrice metoda folosit este metoda celor mai mici ptrate. 1

Etapa 5. Testarea i validarea modelului Parametrii au putut fi estimai cu suficient precizie? Modelul este stabil pe ntreaga perioad? Creterea numrului de observri mbuntete semnificativ calitatea ajustrii? Adugarea n model a unor noi factori explicativi mbuntete semnificativ calitatea acestuia? Curs 2 12.10.2010 Cap. I. Modelul regresiei simple a. Forma general yt = a0 + a1xt + t unde: yt = variabila de explicat xt = variabila explicativ a0, a1 = parametri t = eroarea de specificare Vt = a0 + a1SMt + t unde: Vt = ncasrile din vnzarea calculatoarelor SMt = salariul mediu b. Culegerea datelor
t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
250 200 150 Series1 100 50 0
10 20 24 30 36 39 42 48

yt 120 135 140 145 150 160 165 170 175 180 185 190 195 200 205

xt 10 18 20 23 24 26 30 31 36 38 39 40 42 44 48

c. Reprezentare grafic

d. Estimarea parametrilor 2

Pentru determinarea estimatorilor parametrilor modelului regresiei simple se folosete metoda celor mai mici ptrate. Aceasta presupune minimizarea sumei ptratelor erorii. t = yt a0 a1xt t2 = (yt a0 a1xt)2 Min t2 = Min (yt a0 a1xt)2 Formulele de calcul ale estimatorilor: 1 = (xt-xmed)*(yt-ymed)/ (xt-xmed)2 0 = ymed 1*xmed Cum se procedeaz?
t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 yt 120 135 140 145 150 160 165 170 175 180 185 190 195 200 205 xt 10 18 20 23 24 26 30 31 36 38 39 40 42 44 48 yt - ymed -47.6667 -32.6667 -27.6667 -22.6667 -17.6667 -7.66667 -2.66667 2.333333 7.333333 12.33333 17.33333 22.33333 27.33333 32.33333 37.33333 xt - xmed -21.2667 -13.2667 -11.2667 -8.26667 -7.26667 -5.26667 -1.26667 -0.26667 4.733333 6.733333 7.733333 8.733333 10.73333 12.73333 16.73333 (yt-ymed)(xt-xmed) 1013.711111 433.3777778 311.7111111 187.3777778 128.3777778 40.37777778 3.377777778 -0.622222222 34.71111111 83.04444444 134.0444444 195.0444444 293.3777778 411.7111111 624.7111111 3894.333333 (xt-xmed)2 452.271111 176.004444 126.937778 68.3377778 52.8044444 27.7377778 1.60444444 0.07111111 22.4044444 45.3377778 59.8044444 76.2711111 115.204444 162.137778 280.004444 1666.93333

xmed ymed a1 a0

31.26667 167.6667 2.336226 94.62066

Modaliti de scriere yt = a0 + a1*xt + t t eroarea de specificare yt = 0 + 1*xt + et yt valori observate et reziduu t = 0 + 1*xt - ecuaia dreptei de regresie t valori teoretice (calculate) ale lui y yt - t = et Reziduul reprezint diferena dintre yt i t. t = 94,62 + 2,33*xt t1 = 94,62 + 2,33*10 = 117.9829

250 200 150 Series1 100 50 0

24 10 20 30 36 39 42 48

e. Ipoteze Aplicarea metodei celor mai mici ptrate pentru determinarea valorilor estimative ale parametrilor se face n prezena urmtoarelor ipoteze: H1: Modelul este liniar n xt: x apare n model la puterea nti. H2: Valorile variabilei x sunt observate fr erori: x nu este o variabil aleatoare. H3: Media erorilor de specificare este nul; erorile pozitive se compenseaz cu cele negative. E(t) = 0 E sperana matematic E(t) = t/n H4: Varianta erorii (dispersia) este constant (ipoteza de homoscedasticitate). E(t2) constant H5: Erorile nu sunt corelate, o eroare la momentul t nu influeneaz erorile de la alt moment de timp. H6: Variabila x i erorile nu sunt corelate. Cov(xt, t) = 0 Noiuni de teoria corelaiei Cnd dou variabile evolueaz mpreun se spune c ele sunt corelate. Corelaia poate fi pozitiv dac ambele cresc/scad i negativ dac n timp ce una evolueaz ntr-un sens cealalt evolueaz n sens opus. Corelaia mai poate fi liniar sau neliniar. Dou variabile pot fi i necorelate dac nu exist nicio legtur ntre acestea. Dei reprezentarea grafic ofer unele informaii cu privire la existena sau nonexistena corelaiei, nu este ntotdeauna util i, mai ales, nu ne ofer informaii despre intensitatea corelaiei. De aceea, se recurge la calculul coeficientului de corelaie. Coeficientul de corelaie liniar simpl ntre dou variabile: rxy = Curs 3 26.10.2010 Modelul este urmtorul yt = a0 + a1*xt + t unde: yt = profitul n anul t, exprimat n lei; 4

xt = cheltuielile cu publicitatea n anul t, exprimat n lei; a0, a1 = parametrii modelului; t = eroarea de specificare. Datele folosite pentru exprimarea parametrilor sunt: Anul t yt (lei) xt (lei) 1990 1991 . . . 2008 - nu facem analiza evoluiei unor mrimi economice, ci analiza influenei unui factor asupra unei mrimi economice. - Nu descoperim formule cunoscute! RS = NS *100 / P0 Rezultatele estimrii prametrilor sunt: E 2 t yt = 2,55( + )7,82*xt + et yt = a0 + a1*x1 + t 0, 1 = estimatorii parametrilor a0, a1 = mrimi fixe, dar necunoscute 0, 1 = variabile aleatoare t = o variabil aleatoare O ipotez important: Se presupune c t urmeaz o lege normal de distribuie de medie 0 i varian constant. t N(0, t2) var(t) = t2 = constant Presupunnd c aceast ipotez este ndeplinit se poate arta c mrimea (1-a1)/1 urmeaz o lege de distribuie student cu n-a grade de libertate. Aceast proprietate permite efectuarea unor teste statistice prin care se verific dac valoarea parametrului a1 este semnificativ diferit de o valoare fixat. Valoarea fixat cel mai des folosit este 0, n fapt dac valoarea parametrului a1 nu este semnificativ diferit de 0 atunci variabila explicativ xt nu influeneaz n mod semnificativ valoarea de explicat. Testul Student Este un test de semnificaie individual prin care se testeaz dac o variabil explicativ influeneaz semnificativ variabila de explicat. Pasul 1: ipoteza H0: a1 = 0 H1: a1 0 Pasul 2: a1 = 0 1 / 1 = t1* = raia Student 1 = [(xt-xmed)(yt-ymed)](xt-xmed)2 var(1) = 12 = varianta lu 1 Un estimator pentru var a1 se obine prin relaia: 12 = 2/(xt-xmed)2 Un estimator pentru variana erorii se obine din: 2 = et2/(n-2) Pasul 3: se extrage din tabela legii de distribuie student o valoare corespunztoare la n-2 grade de libertate i un prag de semnificaie de /2

tn-2/2 Tabela Student Grade de libertate () 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 = n-2 16 17

5% - 0,025

10% - 0,05

20% - 0,1

Pragul de semnificaie se ia 5% TINV (0,05; 17) = 2,19 Pasul 4: se compar t1* cu tn-2/2 Dac t1* tn-2/2 se accept ipoteza H0 se respinge ipoteza H1. Vom spune c, cu probabilitate de 1-, variabila explicativ introdus n model (x) nu influeneaz n mod semnificativ variabila de explicat. Modelul trebuie rescris. Dac t1* > tn-2/2 vom spune c, cu probabilitate de 1- variabila explicativ (x) are o influen semnificativ asupra variabilei de explicat. Cum se face? - se scrie modelul: yt = a0 + a1*xt + t - se culeg datele 6

- se estimeaz valorile parametrilor: 0, 1 - se calculeaz seria de reziduuri: et et = yt t t = 0 + 1*xt - se ridic la ptrat valorile lui et i se nsumeaz - se mparte suma la n-2; se obine un estimator al varianei erorii: 2 = et2/(n-2) - se calculeaz un estimator al varianei lui 1: 12 = 2/(xt-xmed)2 - se extrage radical din valoarea 12 = 1 - se calculeaz raia Student: t1* = 1/ 1 Curs 4 02.11.2010 Ecuaia i tabelul de analiz a variaiei (yt-ymed)2 = (t-ymed) + (yt-t)2 SCT SCE SCR variabilitate variabilitate variabilitate total explicativ rezidual Cu ct variabila explicativ (SCE) se apropie mai mult de SCT cu att factorul explicativ introdus n model influeneaz variabila de explicare. R2 = SCE/SCT coeficient de determinaie R coeficient de corelaie multipl Cu ct SCE/SCT se apropie de 1 cu att modelul este mai bun n sensul c factorul explicativ explic n mare msur variabilitatea factorului de explicare. R2 = 0,68 sau 68% R2 = 0,96 foarte bine Tabelul de analiz a variaiei Sursa varianei Suma de ptrate Grade de libertate Media x SCE = (t-ymed)2 1 SCE/1 2 Reziduu SCR = et n-2 SCR/(n-2) Total SCT = (yt-ymed)2 n-1 Testul Fisher Un test de semnificaie global. Permite analiza modului n care ansamblul variabilelor explicative incluse n model influeneaz variabila de explicat. Pasul 1. Se calculeaz F* =[SCE*(n-1)]/SCR Pasul 2. Se extrage din tabelul legii de ditribuie Fisher valoare r corespunztoare la (F1, n-2) 1 i n-2 grade i . FINV(1, n-2, ) = Pasul 3. Se compar F* cu F1, n-2 Dac F* F1, n-2 o s spunem c, cu probabilitatea de 1-, ansamblul variabilelor explicative incluse n model nu influeneaz n mod semnificativ varibilele de explicat, n acest caz este necesar o analiz mai atet a factorilor de influen i rescrierea modelului. Dac F* > F1, n-2 o s spunem c, cu probabilitatea de 1-, variabilele explicative incluse n model influeneaz n mod semnificativ variabilele de explicat. Sunt rare cazurile n care avem un singur factor de influen. Curs 5 7

09.11.2010 Regresia multipl Modelul yt = a0 + a1x1t + a2x2t +... + akxkt + t k variabila explicativ Forma matricial t = 1 y1 = a0 + a1x11 + a2x21 +... + akxk1 + 1 t = 2 y2 = a0 + a1x12 + a2x22 +... + akxk2 + 2 ... t = n yt = a0 + a1x1n + a2x2n +... + akxkn + n Notm y1 y2 Y = .. yn (n,1) 1 1 ... 1 x11 x12 ... x1n x21 ... x22 ... ... ... x2n ... (n, k+1) xk1 xk2 ... xkn

X=

a=

a0 a1 ... ak (k+1, 1)

1 2 = ... n (n,1) Y = X*a + Ex.: yt = a0 + a1x1t + a2x2t +... + akxkt + t t yt x1 x2 x3 1 100 12 52 201 2 120 15 54 207 ... ... ... ... ... 15 119 14 53 203 100 120 Y = .. 119 (15,1)

X=

1 1 ... 1 a0 a1 a2 a3 (4, 1) 1 2 ... 15 (15,1)

12 15 ... 14

52 54 ... 53 (15, 4)

... ... ... ...

201 207 ... 203

a=

Curs 6 16.11.2010 Modelul regresiei multiple yt = a0 + a1x1t + a2x2t +... + akxkt + t k variabila explicativ Y = X*a + (forma matricial) Estimarea parametrilor Pentru estimarea parametrilor se folosete metoda celor mai mici ptrate. Aceasta presupune minimizarea sumei ptratelor erorilor. 1 2 = ... n (n,1) = (1, 2, ..., n) = (y xa) = (y ax) Mint2 = Min( ) = Min[(y-ax)(y+xa)] = MinS S/a = 0 = (xx)-1xy Determinarea estimatorilor folosind metoda celor mai mici ptrate se face cnd urmtoarele ipoteze sunt ndeplinite: H1: Modelul este liniar n x (variabilele apar n model la puterea 1). H2: Valorile variabilelor explicative x sunt observate fr erori (x nu sunt variabile aleatoare). H3: Media erorilor med = E() este nul (sperana matematic a lui ). H4: Variana erorii var(t) = 2 este constant. H5: Erorile nu usnt corelate E(t, t,) = 0 (o eroare de la momentul t nu influeneaz o eroare de la momentul t). H6: Erorile i variabilele explicative nu sunt corelate cov(, x) = 0. H7: Numrul de observri este mai mare dect numrul de variabile explicative incluse n model n > k + 1. 9

H8: xx are invers. Proprietile estimatorilor: - lipsa deplasrii; - convergena. Un estimator este nedeplasat dac sperana sa matematic (media) este egal cu valoarea parametrului pe care l estimeaz E(1) = a1. Un estimator este convergent dac variana sa tinde ctre 0 atunci cnd numrul de observri tinde spre infinit. Dac un estimator este n acelai timp nedeplasat i convergent el este un estimator BLUE (Best Liniar Unbiesed Estimator), cel mai bun estimator liniar nedeplasat. Folosind metoda celor mai mici ptrate obinem estimatori BLUE. Notaii var(1) cov(1, 2) cov(1, 2) ... cov(1, n) cov(2, 1) var(2) cov(2, 3) ... cov(2, n) = ... ... ... ... ... = 2*In cov(n, 1) cov(n, 2) ... ... var(n) Un estimator pentru variana erorii se obine: 2med = et2/(n-k-1) = matricea de varian-covarian a estimatorilor parametrilor var(0) cov(0, 1) ... cov(0, k) cov(1, 0) var(1) ... cov(1, k) = ... ... ... ... cov(k, 0) cov(k, 1) ... var(k) Un estimator al matricii de varian-covarian a estimatorilor parametrilor este: = 2(xx)-1 Aceast matrice este important ndeosebi pentru faptul c pe diagonala principl prinde valoarea varianelor estimatorilor parametrilor. Aceste valori sunt folosite pentru a determina raiile Student ale estimatorilor parametrilor necesare efecturii testului Student. yt = a0 + a1x1t + a2x2t +... + akxkt + t (0/0) = (xx)-1xy 0 1 = ... k Raiile Student astfel determinate se compar cu o valoare luat din tabela legii de distribuie Student corespunztor tn-k-1/2, n-k-1 grade de libertate i un program de semnificaie /2. Dac o raie Student mai mic sau egal cu valoarea luat din tabel vom spune c, cu probabilitatea de 1- variabila explicativ ataat parametrului respectiv nu influeneaz n mod semnificativ variabila de explicat. Variabila respectiv poate fi eliminat din model, modelul rescriindu-se i reestimndu-se fr aceasta. Ecuaia i tabelul de analiz a varianei (yt ymed)2 = (t ymed)2 + (yt t)2 SCT = SCE + SCR Cu ct SCE se apropie mai mult de SCT cu att factorii explicativi inclui n model explic ntr-o msur mai mare evoluia lui y. Pentru a aprecia mai uor acest lucru se calculeaz R2 = SCE/SCT (coeficientul de determinaie). 10

O valoare apropiat de 1 ne arat un model bine construit. n practic, cnd n este redus se calculeaz coeficientul de determinaie corectat. R2med = 1 [(n-1)(1-R2)]/(n-k-1) Cnd n valoarea R2med tinde ctre valoarea lui R2. Sursa varianei x1, x2, ..., xn Reziduu Total Suma de ptrate SCE SCR SCT Grade de libertate k n-k-1 n-1 Media SCE/k SCR/(n-k-1) -

Se folosete acest tabel pentru a efectua Testul Fisher. Acest test d rspuns la ntrebarea: Ansamblul variabilelor explicative incluse n model influeneaz n mod semnificativ variabila de explicat? F* = (SCE/k)/[SCR/(n-k-1)] Fk, n-k-1 se extrage din tabela legii de distribuie Fisher Dac F* Fk, n-k-1 vom spune c, cu probabilitatea de 1-, ansamblul variabilelor explicative incluse n model nu influeneaz n mod semnificativ variabila de explicat. Modelul trebuie rescris, cutndu-se factorii explicative care au fost omii. Astfel dac F*> Fk, n-k-1 variabilele explicative incluse n model influeneaz semnificativ varibila de explicat i aceasta cu probabilitate de 1-. Modul de prezentare a rezultatelor Rezultatele obinute sunt: t = 2,25 + 7,63x1t + 3,15x2t 7,85x3t (6,25) (5,18) (3,28) (2,15) abateri standard t* = 0,35 1,15 0,98 3,45 R2med = 0,86; n = 15 Curs 7 23.11.2010 Alte teste a. Testul de stabilitate pe ntreaga perioad analizat = testul Chow t yt x1t x2t 1 2 3 ... 17 n1 = 9 nt = 17 = n1 + n2 n2 = 8 Pasul 1. Se divide perioad analizat n dou subperioade. Pasul 2. Se estimeaz modelul pe ntreaga perioad. Se determin: SCT, SCE, SCR. Pasul 3. Se estimeaz modelul pe prima subperioad. Se determin: SCT1, SCE1, SCR1. Pasul 4. Se estimeaz modelul pe cea de-a doua subperioad. Se determin: SCT2, SCE2, SCR2. Pasul 5. Se calculeaz:

gl1 = n k 1 (n1 k 1 + n2 k 1) = k + 1 gl2 = n1 k 1 + n2 k 1 = n - 2k 2 11

Pasul 6. Se extrage din tabela de distribuie Fisher: Fk+1, n-2k-2. Pasul 7. Se compar aceast valoare cu F*. Dac F* Fk+1, n-2k-2 vom spune c, cu probabilitatea de 1-, modelul este stabil pe ntreaga perioad. Nu este necesar estimarea modelului pe subperioade. Dac F*> Fk+1, n-2k-2 vom spune c, cu probabilitatea de 1- , modelul nu este stabil pe ntreaga perioad. n acest caz, estimarea se va face pe subperioade. Rezultatele estimrii sunt: a. Pentru perioada 1 9 t = 2,58 6,23 x1t ... (... ) (...) t* = ... .... R2med = ...; n=...; F*=... b. Pentru perioada 10 17

Curs 8 30.11.2010 Variabile auxiliare (dummy) Aceste variabile se includ n model atunci cnd printre factorii explicativi este necesar adugarea unor variabile calitative sau a unor variabile binare (care pot lua dou valori). n model, variabilelor dummy li se atribuie fie valoare 0, fie valoarea 1. 0 cnd fenomenul nu exist; 1 cnd fenomenul exist. Exemple: 1. Un economist a specificat urmtorul model pentru analiza sectorului de turism din Romnia: Vt = a0 + a1Popt + a2NRt + t unde: Vt venitul obinut n sectorul de turism, n anul t; Popt populaia din anul t; NRt numr obiective turistice, n anul t; a0, a1, a2 parametrii modelului; t eroarea de specificare. A observat datele pentru perioada 1990 2010 i se ntreab dac rzboiul din Iugoslavia din anul 1999 a influenat n mod semnificativ producia sectorului de turism din ara noastr. Pentru a testa aceast ipotez, acest economist a inclus n model o variabil dummy creia i-a dat urmtoarele valori: t 1990 1991 ... 1999 ... 2010 Vt Popt NRt Dt 0 0 ... 1 ... 0

Vt = a0 + a1Popt + a2NRt + a3Dt + t Rezultatele estimrii sunt: Vt = 7,658 + 3,25Popt + 4,53NRt 120,5Dt 12

( ) ( ) ( ) ( ) t = 6,25 4,18 5,13 7,63 R2 = 0,86; n = 21; t170,025 = 2,19 Cu probabilitatea de 95%, rzboiul din Iugoslavia a influenat n mod semnificativ sectorul de turism din Romnia. n anul 1999 producia sectorului de turism a fost cu 120,5 u.m. mai mic dect n ceilali ani i aceasta se datoreaz, probabil, rzboiului din Iugoslavia. 2. n scopul determinrii factorilor care asigur succesul la examenul de licen la facultatea de tiine Economice, un tnr economist a specificat urmtorul model: NLi = a0 + a1MAi + a2MUAi + a3Di + t unde: NLi nota obinut la examenul de licen de ctre studentul i; MAi media anilor de studii a studentului i; MUAi media ultimului an de studiu a studentului i; Di variabil dummy (0 fat, 1 biat). A fi biat sau fat are o influen asupra notei de la licen? i NLi MAi MUAi Di 1 7 8,15 6,25 0 2 9 9,5 8,25 1 ... 60 Rezultatele obinute sunt urmtoarele: NLi = 8,75 + 0,25MAi + 0,15MUAi - 1,25Di ( ) ( ) ( ) ( ) t = 3,85 4,12 5,75 4,85 2 R = 0,90; n = 60; t = 1,86 Faptul c studentul este biat sau fat are o influen semnificativ asupra notei de la licen i aceasta o putem afirma cu probabilitatea de 95%. Nota de la licen a bieilor este mai mic cu 1,25 puncte fa de media fetelor. Autocorelaia erorilor Una dintre ipotezele n prezena creia se poate aplica metoda celor mai mici ptrate este aceea c erorile nu sunt corelate: eroarea de la momentul t nu influeneaz eroarea de la momentul t. Cnd aceast ipotez nu este ndeplinit, folosirea metodei celor mai mici ptrate pentru calculul estimatorilor parametrilor nu conduce la cei mai buni estimatori. n acest caz, modelul va trebui transformat i adus la o form care s nu prezinte caracteristica de autocorelaie a erorilor. t = t-1 + vt (1) t = t-1 + t-2 + vt (2) ... Problema autocorelaiei erorilor apare atunci cnd: - din model lipsete o variabil explicativ important; - modelul este greit specificat, n sensul c nu reflect legtura real dintre variabila de explicat i variabilele explicative; de regul, acest lucru se ntmpl atunci cnd modelul folosit este liniar, dar relaia ntre variabila de explicat i variabilele explicative este, n realitate, una neliniar; - datele folosite sunt obinute ca medii mobile sau sunt obinute prin interpolare.

13

Autocorelaia erorilor este probabil s apar n modelele specificate n serie temporal. n modelele specificate n serie instantanee, autocorelaia erorilor nu poate fi pus n eviden dect dac datele sunt ordonate dup valorile variabilei de explicat. Detectarea autocorelaiei erorilor 1. Metoda grafic reprezentarea grafic a reziduurilor 2. Metoda analitic Testul Durbin-Watson Pasul 1. Se estimez modelul, se determin seria de reziduuri, se calculeaz mrimea: DW = (et-et-1)2/et2 Prin modul su de calcul aceast mrime ia valori n intervalul (0, 4). Pasul 2. n funcie de pragul de semnificaie ales (5%) i de numrul de observri (n) se extrag din tabela DW dou valori: d1, d2. Pasul 3. Dac DW [0; d1] spunem cu probabilitatea de 95% c > 0 Dac DW[4-d1; 4] < 0 Dac DW[d2; 4-d2] = 0 Dac DW(d1; d2)U(4-d2; 4-d1) nedeterminare nu se poate preciza cu probabilitatea aleas dac exist sau nu autocorelaia erorilor (revedem modelul). Testul DW se aplic numai pentru determinarea existenei autocorelaiei de ordinul 1. Numrul de observri trebuie s fie mai mare dect 15. Modelul trebuie s aib termen liber. Estimarea parametrilor n cazul prezenei autocorelaiei erorilor: t = t-1 + vt vt N(0, v2) vt nu prezint caracteristica autocorelaiei yt = a0 + a1x1t + a2x2t + ... + akxkt + t yt-1 = a0 + a1x1t-1 + a2x2t-1 + ... + akxkt-1 + t-1 zt = b0 + b1m1t + b2m2t + ... + bkmkt + vt a0 = b0/ (1-) a1 = b1 b2 = b2 DW 0 Pasul 5. Transformarea datelor t 1 2 ... 15 t 1 2 ... 14 Curs 9 07.12.2010
Proceduri de estimare a lui 1. Metoda direct = 1 DW/2 2. Metoda Cochrane-Oureut Pasul 1. Se estimeaz modelul, se determin mrimea DW, i se atribuie lui o valoare prin metoda direct. 0 = 1 DW/2

yt 100 120 ... 112

x1t 5 7 ... 11

x2t 25 23 ... 24 x1t x1t-1 5 5 7 7 ... 11 *... x2t x2t-1 25 25 18 23 ... 24 *...

yt yt-1 100 100 120 120 ... 112 *...

14

Pasul 2. Se folosete valoarea lui calculat la pasul anterior pentru a transforma seria de date. Se estimeaz modelul folosind noile date. Se determin noua mrime DW, i se atribuie lui o nou valoare: 1 = 1 DW/2 Pasul 3. Se folosete noua valoare a lui pentru a transforma nc o dat datele. Se continu la fel ca i la pasul 2. Se vor efectua 3-4 iteraii de acest fel pn cnd estimatorii parametrilor devin stabili de la o iteraie la alta. 2. Metoda Hildreth-Lu Pasul 1. Se determin cu ajutorul Testului DW tipul autocorelaiei (pozitiv, negativ). >0 I se atribuie lui succesiv valorile diviziunilor i se estimeaz modelul pe baza datelor transformate. Se reine acea valoare a lui pentru care suma de ptrate de reziduuri este cea mai mic. = 0,2 I se atribuie lui valorile diviziunilor stabilite i se estimeaz modelul pe datele transformate i se reine acea valoare a lui pentru care suma de ptrate este minim.

15