econometrie financiara
-
Upload
bogdan-bogdan -
Category
Documents
-
view
14 -
download
0
description
Transcript of econometrie financiara
1
1
Capitolul 2
REGRESIA SIMPLĂLINIARĂ
2
Conţinut
1. Introducere2. Scurt istoric al metodei; tipologie3. Ipotezele modelului de regresie simpla
liniara4. Estimarea parametrilor modelului liniar de
regresie5. Proprietăţile estimatorilor
2
3
Regresia – metodă de modelare a legăturilor dintre variabile
În general, orice fenomen este rezultatul acţiuniiunuia sau mai multor factori
Exprimarea matematică:
1( , . . . , )nY f X X
Variabiladependentă
(variabilaendogenă)
Variabileindependente
(variabileexogene/explicative)
Variabilareziduală
4
Exemplu: Legea lui Keynes privind legătura dintrevenit şi consum
Suma cheltuită pentru consum depinde de: mărimea venitului pe de o parte alte obiective în funcţie de circumstanţe (de exemplu
investiţiile) alte nevoi subiective
„O persoană este dispusă de regulă şi în medie să îşicrească consumul pe măsura creşterii venitului dar nu înaceeaşi măsură”
Modelul de regresie: C=+V+ , unde 0<<1 .
0 1d C
d V
3
5
2. Regresia – scurt istoric al termenului Sir Francis Galton(1822-1911) – spirit enciclopedic al perioadei
victoriene, fiind cel care a introdus termenii de regresie şi corelaţiestatistică
Originea regresiei ca metodă statistică se află în studiile sale degenetică aplicată în studiul plantelor- 1877
Plantînd boabe dintr-un anumit soi de mazăre dulce a observat căexistă o legătură liniară între diametrele acestor boabe şi diametreleboabelor recoltate de la noile plante. El a numit iniţial panta acesteidrepte “coefficient of reversion”, schimbîndu-i apoi numele în“coefficient of regression”.
Termenul de regresie provine de la descoperirile sale în domeniuleredităţii: în general, progeniturile indivizilor geniali au abilităţi care îiaşază mai degrabă la nivelul mediei; de asemenea, înalţimea copiilorproveniţi din taţi foarte înalţi se apropie mai mult de înălţimea mediedecît înălţimea taţilor.
6
Clasificarea modelelor deregresie
Modelede regresie
Linear Non-Linear
2+ Variabile2+ Variabileexplicativeexplicative
Simple Multiple
Linear
1 Variabilă1 Variabilăexplicativăexplicativă
Non-Linear
4
7
Tipuri de modele de regresie
Legătură liniară directă
Legătură liniară inversă
Legătură neliniară
Absenţa vreunei legături
8
3. Ipotezele modelului de regresie
1. Normalitatea Valorile Y sînt normal distribuite pentru orice X Erorile sînt normal distribuite cu medie zero
E(εi)=0 i 2. Homoscedasticitatea (dispersie constantă) 3. Necorelarea erorilor E(εi εk)=0 (i<>k) 4. Liniaritatea 5. Variabilele sînt măsurate fără eroare
(caracter nestochastic)
2 2
iE
XY ii
( , ) 0, ,i jCov X i j
5
9
Forma funcţională Ipoteza de linearitate nu este atât de restrictivă pe cât
pare. Aceasta se referă la felul în care parametrii intrăîn ecuaţie, nu neapărat la relaţia între variabilele x şi y.
În general modele pot fi linearizate. y=a+bx y=a+bz, z=ex
y=a+br, r=1/x y=a+bq, q=ln(x)
y= xβ ln(y)=+ln(x) Forma generală: f(yi)= +g(xi)+i
Contra exemplu: nu poate fitransformat în model liniar.
1y
x
10
Modele ce pot fi linearizate
- 4 0 0
- 2 0 0
0
2 0 0
4 0 0
6 0 0
8 0 0
1 0 0 0
- 1 0 . 0 0 3 0 . 0 0 8 0 . 0 1 3 0 . 0 1 8 0 . 0 2 3 0 . 0 2 8 0 . 0 3 3 0 . 0 3 8 0 . 0 4 3 0 . 0 4 8 0 . 0 5 3 0 . 0 5 8 0 . 0 6 3 0 . 0 6 8X
Y
xba
1 xb ea
b xa
xba l n
6
11
Ipoteza: media erorilor este zero: E(i)=0 i,este naturală atâta timp cât este văzută ca sumaefectelor individuale, cu semne diferite. Dacă mediaerorilor este diferită de zero, ea poate fi considerată cao parte sistematică a regresiei.Ipoteza de homoscedasticitate: Var(i)=2
constantă i Se consideră un model care descrie consumul unor
gospodării în funcţie de venitul acestora. În acest caz,consumul gospodăriilor mari pot varia mult mai mult faţăde consumul gospodăriilor cu venituri mici. Deci ipotezade homoscedasticitate nu este respectată.
E()= + x + = (+) + x + (-)
12
Exemplu de încălcare a ipotezei dehomoscedasticitate
Functia de cons um
0
200
400
600
800
1000
1200
200 300 400 500 600 700 800 900 1000ve nit
con
sum
7
13
Necorelarea erorilor: E(ij)=0 ijAceastă ipoteză nu implică faptul că yi şi yj suntnecorelate, ci faptul că deviaţiile observaţiilor de lavalorile lor aşteptate sunt necorelate.
Ipoteza de normalitate a erorilor i N(0,2)Este o ipoteză de lucru, tehnică, ce permite obţinereaunor estimatori “buni”.
Dacă ipotezele precedente sînt respectate,vom obţine estimatori B.L.U.E. (Best LinearUnbiased Estimators)
14
Ipotezele de normalitate şi homoscedasticitateIpotezele de normalitate şi homoscedasticitate
Y
f(e)
X
X1X2
Y
f(e)
X
X1X2
8
15
Variaţia erorilor în jurul dreptei deregresie
X1
X2
X
Y
f(e)
Valorile y sînt normal distribuiteîn jurul dreptei de regresie.
Pentru fiecare valoare x, dispersiaîn jurul dreptei de regresie este
constantă.
Dreapta de regresie
16
Modelul de regresie liniarăsimplă
iii XY
Y intercept (termenul constant)
Panta dreptei deregresie
Variabiladeperturbaţie
Variabiladependentă(răspuns)
Variabilaindependentă
(explicativă)
Modelul de regresie liniară simplă la nivelul populaţiei este dat derelaţia următoare:
9
17
iei= Eroarea
Y
X
Modelul de regresie liniară
Valoareaobservată
Valoareaobservată
yi=a+bxi
Y Xi i i
yi =a + bxi+ ei
18
Criterii folosite pentru estimare
iemin
imei
i min:
min)( 2i
ie
10
19
Metode de estimare
Metoda celor mai mici pătrate:
minˆ 222 i
iii
ii
i xbayyyeSi
20
Estimarea parametrilormodelului
min2 i
ieS
0)()(2
0)1()(2
iii
ii
xxbayb
S
xbaya
S
11
21
22
22
2
ii
iiii
ii
iiiii
xxn
yxyxnb
xxn
yxxxya
22
Condiţiile de ordinul 2Derivatele parţiale de ordinul doi:
Matricea derivatelor parţiale de ordinul doi:
.2;2;2 22
22
2
2
ii
ii x
b
Sx
ba
Sn
a
S
i iii
ii
xx
xn
2
12
23
Derivatele parţiale de ordinul doi – pozitivdefinite:
02
2
2
nxxn
ii
ii
24
Regresia folosind EXCEL
7.5b
y=0.5 + 7.5 x0.5a
23y mediu
3x mediu
10032254205511515
42160020025405
1190012016304
00400609203
1-1225304152
4-2100101101
(x- x mediu)2x-xmediuy2xyx2yx
405
304
203
152
101
Productia medie de grau (Y)Ingrasaminte
(X)
13
25
Regresia folosind EXCEL
Accesăm meniul TOOLS>DATA ANALYSIS>REGRESSION
9.9306345.0693660.0022459.8198050.7637637.5X Variable 1
8.561499-7.56150.8561430.1973862.5331140.5Intercept
Upper 95%Lower 95%P-valuet StatStandard ErrorCoefficients
26
Proprietatile estimatorilormodelului de regresie Estimatorul coeficientului pantei dreptei de
regresie estimat prin MCMMP estenedeplasat si de dispersie minima.
Estimatorul obtinut in urma aplicării MCMMPeste de dispersie minimă printre estimatoriinedeplasaţi, exprimaţi ca o funcţie liniară aseriei de valori y1,...,yn.
Estimatorii a si b converg în probabiltatecătre parametrul şi respectiv ß
14
27
Valorile aşteptate şi varianţele estimatorilor Matricea de covarianţă a estimatorilor
Proprietăţile variabilei reziduale
28
Referinte
Andrei, T., Bourbonnais, R.- Econometrie,Ed. Economica, Bucuresti, 2008- capitolul 2,pag. 37-77
Voineagu, V. si colectiv- Teorie si practicaeconometrica, Ed. Meteor Press, 2007, cap.4pag. 165-178