Sunteți pe pagina 1din 22

Oradea, 2009

CUPRINS
Pagina Introducere . 1. Ipoteze fundamentale 2 12 15 16 16 18 19 22 24 27 24 27 29 30 31 32

2. Determinarea estimatorilor de regresie liniara prin metoda celor mai mici patrate .
3. Testarea validitatii modelului ..

3.1. Testarea validitatii modelului de regresie folosind metoda descompunerii variantei .. 3.2. Calcularea coeficientului de corelatie R2, a coeficientului de corelatie corectat si testarea reprezentativitatii lui .. 3.3. Teste si regiuni de incredere pentru coeficienti .. 3.3.1.Testarea validitatii estimatiei coeficientilor 3.3.2. Intervale de incredere pentru coeficienti . 3.4. Testarea ipotezelor fundamentale referitoare la variabila 616d38g aleatoare .. 3.4.1. Ipoteza de homoscedasticitate a variabilei reziduale .. 3.4.2. Ipoteza independentei valorilor variabilei reziduale t 3.4.3. Testarea normalitatii distributiei variabilei aleatoare . 4. Previziunea variabilei . 5. Concluzii Bibliografie ..

Introducere
Industria poate avea urmatoarele intelesuri:

o anumita grupare de activitati productive (de exemplu, industria metalurgica) reuniunea tuturor activitatilor de productie, incluzand industria extractiva, industria prelucratoare si utilitatile publice.

Cei doi indicatori studiati sunt : Indicii valorici ai cifrei de afaceri din unitatile industriale pe total (piata interna si piata externa) si Indicii productiei industriale - lunari, pe activitati ale industriei - serie bruta. Indicii valorici ai cifrei de afaceri din unitatile industriale pe total Definitie :
Cifra de afaceri (CA) reprezinta totalul vanzarilor realizate (facturate) pe parcursul unui exercitiu fiscal. Cifra de afaceri cuprinde suma totala a veniturilor din operatiunile comerciale efectuate de firma, respectiv vanzarea de marfuri si produse intr-o perioada de timp determinata.In cuantumul cifrei de afaceri nu se includ veniturile financiare si veniturile exceptionale. In termeni corecti, cifra de afaceri reprezinta suma veniturilor aferente bunurilor livrate, lucrarilor executate, serviciilor prestate, precum si a altor venituri din exploatare,mai putin rabaturile,remizele si alte reduceri acordate clientilor. Notiunea de cifra de afaceri poate fi abordata pe mai multe categorii:cifra de afaceri totala, cifra de afaceri medie, cifra de afaceri marginala si cifra de afaceri critica, fiecare dintre acestea evidentiind cate un aspect referitor la activitatea firmei Cifr a de afaceri totala(CA)reprezinta volumul total al afacerilor unei firme, evaluate la preturile pietei, respectiv incasarile totale. Ea cuprinde totaliatea veniturilor din vanzarea marfurilor si produselor, executarea lucrarilor si prestarea serviciilor intr-o perioada de timp. Cifra de afaceri a unei intreprinderi reprezinta veniturile totale (pe piata interna si externa) inregistrate de catre intreprinderea cu activitate principala industriala in perioada respectiva, provenite atat din activitatea principala, cat si din activitatile secundare exercitate de aceasta. Cifra de afaceri nu include TVA si veniturile din vanzarea sau transferul de mijloace fixe.

Indicele cifrei de afaceri pe total (piata interna si piata externa) se calculeaza ca medie ponderata dintre indicele cifrei de afaceri pe piata interna si indicele cifrei de afaceri pe piata externa, pe fiecare nivel de agregare (diviziune, sectiune, mare grupa industriala si total industrie).

Factori de influenta:
O contributie majora la modificarea cifrei de afaceri totale revine veniturilor din activitatea de baza a fiecarei intreprinderi.Astfel, in cadrul analizei se poate calcula si ponderea veniturilor din activitatea de baza si din alte activitati fata de cifra de afaceri totala a intreprinderii: O judecata pertinenta, in masura sa evidentieze situatia reala a societatii necesita corelarea cifrei de afaceri cu elementele esentiale intro economie de piata. Aceste elemente care influenteaza justa apreciere a cifrei de afaceri sunt:

rata inflatiei; politica de preturi; pozitia firmei pe piata. Indicii productiei industriale

Definitie:

Productia constituie momentul initial al miscarii economice; in cadrul ei, prin combinarea factorilor, oamenii produc bunuri materiale si servicii - insusi obiectul satisfacerii nevoilor; practic, este vorba de utilizarea cunostintelor stiintifice si tehnice, a masinilor, utilajelor, a solului, a energiei, a tehnologiilor de fabricatie etc. in industrie, agricultura, silvicultura, constructii, transport, comunicatii, comert, invatamant, stiinta, cultura, sanatate etc., prin care se produc bunuri si servicii. Productia constituie punctul de plecare al activitatii economice, fiind denumita motorul economiei: fara productie nu pot exista bunurile economice necesare, nu pot exista nici circulatia, nici repartitia si nici consumul. Indicele productiei industriale se determina cu ajutorul metodei selective cuprinzind un esantion reprezentativ de produse si servicii. Evolutia productiei industriale se determina pe baza indicelui volumului fizic calculat din seriile de produse reprezentative la nivelul fiecarei ramuri industriale si a ponderii acestora calculata dupa valoarea adaugata, utilizind formula de tip Laspeyres. Indicele productiei industriale (IPI) masoara evolutia rezultatelor activitatilor cu caracter industrial de la o perioada la alta, acesta fiind un indice de volum, de tip Laspeyres.

Clasificare - Tipul de productie

Tipul de productie reprezinta o categorie economica cu caracter organizational, reprezentand o stare organizatorica i functionala a intreprinderii, determinata de nomenclatura produselor de fabricat, volumul productiei executate, de radul de specializare intreprinderii, a sectiilor si locurilor de munca si de modul de deplasare a obiectelor muncii, de la n loc de munca la altul. In industrie, in functie de ansamblul acestor factori, se deosebesc trei tipuri de productie: a. tipul de productie in masa;

b. tipul de productie in serie; c. tipul de productie individual.

Factori de influenta ai procesul de productie: a. felul materiilor prime;

b. caracterul produsului finit fabricat; c. felul procesului tehnologic;

d. volumul productiei fabricate;

e.

gradul de concentrare, combinare, specializare si cooperare a productiei.

Dispunem de 110 observatii asupra marimii variabilelor notate astfel: Y - Cifra de afaceri din industrie si X - Productia industriala luna.an ian.00 feb.00 mar.00 apr.00 mai.00 iun.00 iul.00 aug.00 sep.00 oct.00 nov.00 dec.00 ian.01 feb.01 mar.01 apr.01 mai.01 iun.01 iul.01 aug.01 sep.01 oct.01 nov.01 dec.01 ian.02 feb.02 mar.02 apr.02 mai.02 iun.02 iul.02 aug.02 sep.02 oct.02 nov.02 dec.02 ian.03 feb.03 mar.03 apr.03 mai.03 iun.03 iul.03 aug.03 sep.03 oct.03 nov.03 dec.03 Yt 18,4 21,9 24,6 24,3 26,3 28,3 27,9 29,3 30,9 32,8 33,6 31,4 30,8 33 40,8 37 42,8 42,4 43,1 44,2 44,1 48 47,7 44,3 40,3 41,8 48,3 51,9 51,3 53,9 58,8 56 57,7 62,4 61,4 58,5 51,5 54,9 63,8 63,6 66,3 69,4 71,2 64,7 71,9 77,4 74,1 75,1 Xt 81,8 90,5 105,8 96,7 102,2 102,3 98,2 97,6 99,1 101,4 106,1 92,5 91,8 98,1 109 101,7 109,7 103 104 99,2 100 106,9 107,2 89,8 89,9 93,9 101,4 103,9 100,3 101,7 107,3 100,9 103,9 111,6 109,4 91,6 90,5 92,9 100,3 100,1 103,3 105,5 107,9 96,5 103 109 104,1 93,3

ian.04 feb.04 mar.04 apr.04 mai.04 iun.04 iul.04 aug.04 sep.04 oct.04 nov.04 dec.04 ian.05 feb.05 mar.05 apr.05 mai.05 iun.05 iul.05 aug.05 sep.05 oct.05 nov.05 dec.05 ian.06 feb.06 mar.06 apr.06 mai.06 iun.06 iul.06 aug.06 sep.06 oct.06 nov.06 dec.06 ian.07 feb.07 mar.07 apr.07 mai.07 iun.07 iul.07 aug.07 sep.07 oct.07 nov.07 dec.07 ian.08 feb.08 mar.08 apr.08 mai.08

64,1 74,8 88,2 82,5 87,8 92,3 94,8 89,8 98,3 97,9 96,8 96,9 79,3 82,4 103,1 99 99,8 99,6 101 102,9 108,2 107 110,7 107,1 88,2 97 108,5 100,9 115 118,3 113,9 115,1 118,1 122,4 125,6 119,2 116,5 124 140,6 118,1 132,9 132 126,8 122,7 132,2 145,7 145,1 134,2 132,2 146,6 156,5 155,3 164,4

90 95,3 107,1 98,6 106,3 107,8 107,4 100,1 107,3 108,6 110,5 99,8 91 92,8 105 100,5 97,1 102,4 97,2 95,3 106 104,6 109,9 98,2 95,9 99,5 112,8 101,8 113,2 114,5 108,4 103,5 116,6 120,9 120,5 103,7 107,6 113,9 130,4 112 126,1 123,6 122,7 112,9 120,1 133,2 132,1 112,4 117,1 127,2 130 124,1 132,3

iun.08 iul.08 aug.08 sep.08 oct.08 nov.08 dec.08 ian.09 feb.09 Obiectivele cercetarii noastre sunt:

171,1 171,7 155,4 172,6 176,7 151,6 131,7 107,5 116,2

129,5 130,3 111 131,1 134,9 119,6 98,3 97,9 108,7

Identificarea existentei legaturii intre cele doua variabile Stabilirea intensitatii legaturii Analiza formei legaturii Determinarea parametrilor modelului Daca modelul elaborat este valid cu ajutorul lui se vor putea realiza previziuni .

Metodologia cercetarii presupune parcurgerea urmatorilor pasi: a) b) c) d) analiza legaturii dintre cele doua variabile (studiul aspectului norului de puncte) determinarea modelului determinarea estimatorilor de regresie liniara prin metoda celor mai mici patrate testarea validitatii modelului testarea validitatii modelului de regresie folosind metoda descompunerii variantei; calculul raportului de corelatie si testarea semnificatiei lui; inferenta statistica pentru parametrii modelului de regresie; testarea ipotezelor fundamentale referitoare la variabila 616d38g aleatoare e) ipoteza de homoscedasticitate ipoteza independentei ipoteza de normalitate

Previziunea variabilei Y In scopul identificarii formei legaturii dintre cele doua variabile, vom reprezenta grafic norul de puncte:

Interpretarea aspectului norului de puncte: Analiza modului in care sunt dispuse punctele pe suprafata graficului permite studierea urmatoarelor aspecte, legate de: - existenta legaturii: intrucat punctele sunt grupate, sunt plasate pe o dreapta, ce reflecta deci ca cele doua variabile se modifica simultan dupa o anumita regula, putem afirma faptul ca intre X si Y exista o legatura la nivel de esantion. - sensul legaturii: intrucat majoritatea punctelor sunt localizate pe o dreapta ascendenta, legatura este directa, ceea ce inseamna ca o crestere a productiei industriale determina cresterea cifrei de afaceri din industrie. - forma legaturii: forma fasiei pe care sunt repartizate punctele sugereaza forma legaturii dintre cele doua variabile. In cazul nostru fasia este liniara (se aseamana cu o dreapta), fapt ce sugereaza o legatura liniara, Y = aX + b + ; - intensitatea legaturii: latimea fasiei pe care se afla punctele este invers proportionala cu intensitatea legaturii - o fasie lata indica o legatura de intensitate mica, o fasie ingusta, una puternica, stransa. In cazul nostru fasia relativ ingusta sugereaza existenta unei legaturi de intensitate medie spre puternica la nivelul esantionului de valori.
Pentru analiza legaturii dintre variabilele Cifra de afaceri din industrie si Productia industriala, am ales urmatorul model:

unde: Yt = Cifra de afaceri din industrie din luna t Xt = Productia industriala din luna t t = variabila reziduala T = numarul de observatii = 110

1. Ipoteze fundamentale

H0 : Ipoteza de liniaritate: modelul este liniar in Xt; H1 : Ipoteze asupra variabilelor X si Y:

(i) xt si yt reprezinta valori numerice ale variabilelor X si Y rezultate prin observarea statistica, neafectate de erori sistematice; (ii) Y = Indicii valorici ai cifrei de afaceri din unitatile industriale pe total (piata interna si piata externa) , este variabila endogena aleatoare, pentru ca este functie de ; (iii) X = Indicii productiei industriale - lunari, pe activitati ale industriei - serie bruta , variabila explicativa, este considerata ca fiind o variabila determinista in model, nealeatoare;

H2 : Ipoteze asupra erorilor :

(i) are o distributie independenta de timp, de speranta matematica nula, respectiv: E (t) = 0, () t = 0, 1, 2, ., T V (t) = E[t - E(t)]2 = =

altfel spus, modelul este homoscedastic. (ii) Independenta erorilor. Doua erori t si t' sunt independente liniar intre ele, adica

respectiv

(iii) Variabila are o distributie normala.

H3 : Ipoteze privind variabila exogena X:

(i) (ii)

cov(xt, t) = 0,

t - erorile sunt independente de X;

Se presupune ca pentru T , primele doua momente empirice ale variabilei X sunt finite, respectiv

Speranta matematica

Varianta

2. Determinarea estimatorilor de regresie liniara prin metoda celor mai mici patrate Aplicam metoda celor mai mici patrate pentru determinarea coeficientilor. Folosind softul Eviews obtinem urmatoarele rezultate:

Dependent Variable: CA Method: Least Squares Date: 05/12/09 Time: 13:23 Sample: 2000M01 2009M02 Included observations: 110 Variable PI C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficientsa Standardized Unstandardized Coefficients Coefficients Model 1 B Std. Error Beta t Sig. Coefficient Std. Error t-Statistic 2.755097 -206.2727 0.576316 0.572393 27.11831 79423.50 -518.0970 0.444482 0.227308 24.32733 12.12053 -8.479051 Prob. 0.0000 0.0000 86.91727 41.47061 9.456310 9.505409 146.9072 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

(Constant) -206,273 24,327 VAR00002 2,755 ,227 ,759

-8,479 ,000 12,121 ,000

a. Dependent Variable: VAR00001

3. Testarea validitatii modelului Testarea validitatii modelului presupune parcurgerea urmatoarelor etape: - Testarea validitatii modelului de regresie folosind metoda descompunerii variantei; - Calculul raportului de corelatie si testarea semnificatiei lui; - Inferenta statistica pentru parametrii modelului de regresie; - Verificarea ipotezelor modelului de regresie. 3.1. Testarea validitatii modelului de regresie folosind metoda descompunerii variantei Dispersia totala verifica urmatoarea relatie:

Termenii relatiei se definesc prin:

- varianta totala a variabilei Y determinata de toti factorii sai de influenta;

- varianta fenomenului Y determinata numai de variatia factorului X, considerat factorul principal al variabilei Y, adica variatia lui Yexplicata de modelul econometric;

- variatia reziduala, sau variatia fenomenului Y generata de catre factorii nespecificati in model, acesti factori fiind considerati - in etapa de specificare - drept factori cu influenta intamplatoare, neesentiali pentru a explica variatia fenomenului Y;

Descompunerea variantei - Metoda ANOVA


Numarul gr. de libertate Dispersii corectate Valoarea testului F Fcalc F;v1;v2

Sursa de variatie Varianta explicata de model, datoratafactorului X Varianta Reziduala, datoratafactorilor neesentiali Varianta totala

Masura variatiei

k=1 =108035,982

3,96

T - k - 1= 108 =79423,495

=146,907

T - 1=109 =187459,477

Pe baza datelor din tabel se pot testa urmatoarele ipoteze: H0: s2Y/X = s2, cele doua dispersii sunt aproximativ egale, influenta factorului X nu difera semnificativ de influenta factorilor intamplatori.

H1: s2Y/X s2, influenta factorului X si a factorilor intamplatori - masurata prin cele doua dispersii - difera semnificativ si, deci, se poate trece la discutia similitudinii, a verosimilitatii modelului teoretic in raport cu modelul real. Acceptarea ipotezei H0 este echivalenta cu respingerea modelului (modelul nu este valid). Testarea semnificatiei dintre doua dispersii se face cu ajutorul distributiei teoretice Fisher-Snedecor, respectiv cu testul F.
ANOVAb Model 1 Regression Residual Total Sum of Squares df 108035,982 79423,495 187459,477 1 108 109 Mean Square 108035,982 735,403 F 146,907 Sig. 0,000a

a. Predictors: (Constant), VAR00002 b. Dependent Variable: VAR00001

Cunoscand cele doua valori, = 146,907 , si F,v1,v2 = 3,96 , valoarea teoretica a variabilei F, preluata din tabelul repartitiei Fisher - Snedecor, in functie de un prag de semnificatie si un numarul gradelor de libertate 1 = k=1; 2 = n-k-1=108, regula de decizie se scrie: Cu o probabilitate de 95%, se garanteaza ca influenta factorului X si a factorilor intamplatori masurata prin cele doua dispersii - difera semnificativ si, deci, se poate trece la discutia similitudinii, a verosimilitatii modelului teoretic in raport cu modelul real. Se accepta H1 si se respinge H0deoarece Fcalc = 146,907 >F,1,2 = 3,96 , deci modelul este valid. 3.2. Calcularea coeficientului de corelatie R2, a coeficientului de corelatie corectat si testarea reprezentativitatii lui Coeficientul de corelatie R2 exprima rolul jucat de ansamblul variabilelor exogene asupra variabilei endogene. Cu cat valoarea acestuia este mai apropiata de 1, cu atat legatura dintre variabile este mai intensa.
Model Summary Model R 1 0,759
a

R Square 0,576

Adjusted Square 0,572

R Std. Error of the Estimate 27,11831

a. Predictors: (Constant), VAR00002

Efectuam calculele si obtinem: 0,576 Aceasta expresie nu tine cont de numarul observatiilor si nici de numarul variabilelor explicative din model. O valoare mai precisa a lui R2 , care tine cont de numarul observatiilor T = 110 si numarul variabilelor exogene p = 2 este urmatoarea (R2 corectat):

0,572 Testarea reprezentativitatii lui

H0: H1:

=0 0

=142,56 Se compara valoarea calculata a lui F cu cea tabelara. Regulile de decizie sunt urmatoarele: - daca Fcalc < Ftab, ipoteza nula este cea care este acceptata, fapt echivalent cu inexistenta unei legaturi intre cele doua variabile la nivel de populatiei totala. - daca Fcalc > Ftab, ipoteza nula este cea care se respinge, acceptandu-se cea alternativa. Deoarece Fcalc = 142,56 > Ftab = 3,96, se accepta ipoteza H1 garantandu-se cu o probabilitate de 95%, ca intre cele doua variabile exista legatura la nivelul populatiei totale.

3.3. Teste si regiuni de incredere pentru coeficienti 3.3.1.Testarea validitatii estimatiei coeficientilor Pentru testarea validitatii estimatiei coeficientilor ai se utilizeaza testul Student. In general : H0 : ai = 0, cu alternativa H1 : ai 0

Daca

atunci H0 se respinge, iar coeficientul ai este semnificativ diferit de 0.


Coefficientsa Standardized Unstandardized Coefficients Coefficients Model 1 B Std. Error Beta t Sig.

(Constant) -206,273 24,327 VAR00002 2,755 0,227 ,759

-8,479 ,000 12,121 ,000

a. Dependent Variable: VAR00001

Valorile

sunt: = 24,327 = 0,227

Pentru parametrul a emitem ipotezele: H0 : a = 0, cu alternativa H1 : a 0

Dupa efectuarea calculelor, obtinem:

12,13 si stim ca ttab = 1,96

Observam ca deci H0 se respinge, ipoteza adevarata fiind H1 , iar cu o probabilitate de 95%, se poate garanta ca valoarea coeficientului a in populatia totala difera semnificativ de 0. Pentru parametrul b emitem ipotezele: H0 : b = 0, cu alternativa H1 : b 0 Dupa efectuarea calculelor, obtinem:

si stim ca ttab =

Deoarece ipoteza H0 se respinge, ipoteza adevarata fiind H1 , iar cu o probabilitate de 95%, se poate garanta ca valoarea coeficientului b in populatia totala difera semnificativ de 0. 3.3.2. Intervale de incredere pentru coeficienti Forma intervalului de incredere pentru coeficientul a al modelului este:

unde - termenul liber - abaterea medie patratica a coeficientului a Se cunoaste = 2,755, deci putem face calculele: = 0,227 si ttab = 1,96, iar probabilitatea de garantare a rezultatelor este 95%,

Putem garanta deci, cu o probabilitate de 95%, ca valoarea coeficentului a, la nivelul populatiei totale, este cuprinsa intre 2,32 si 3,18. Forma intervalului de incredere pentru coeficientul b al modelului este:

unde

- termenul liber - abaterea medie patratica a coeficientului b

Se cunoaste =-206,27, deci putem face calculele:

= 24,32 si ttab = 1,96, iar probabilitatea de garantare a rezultatelor este 95%,

Putem garanta deci, cu o probabilitate de 95%, ca valoarea coeficentului b, la nivelul populatiei totale, este cuprinsa intre -253,93 si -158,61.

3.4. Testarea ipotezelor fundamentale referitoare la variabila 616d38g aleatoare Pe langa influenta factorilor esentiali, asupra marimii Cifrei de afaceri (Y) isi exercita influenta si alti factori, care sunt surprinsi prin variabila . Acesti factori ar putea fi: conditiile de mediu, concurenta, nivelul inclinatiei spre economisire a consumatorilor etc. . 3.4.1. Ipoteza de homoscedasticitate a variabilei reziduale Pentru a verifica ipoteza de homoscedasticitate a erorilor modelului de la ecuatia se foloseste testul White; se pleaca

si se doreste sa se studieze daca intre , xt si xt2 exista o legatura. Daca intre aceste variabile exista legatura, despre erorile modelului se spune ca sunt heteroscedastice, daca nu - ele se numesc homoscedastice. Existenta legaturii la nivelul esantionului este indicata de raportul de corelatie estimat, iar pentru generalizarea rezultatelor se emit ipotezele: (modelul este homoscedastic) H1 : (modelul este heteroscedastic)

Regulile de decizie sunt: - daca , nu se poate respinge ipoteza H0, adica erorile sunt homoscedastice, acest lucru garantandu-se cu o probabilitate de 95%. - daca , ipoteza H0 se respinge, si se accepta ca fiind adevarata, cu o probabilitate de 95%, ipoteza H1, ceea ce inseamna ca erorile sunt heteroscedastice, acest lucru garantandu-se cu o probabilitate de 95%. In acest caz modelul nu este valid, el neputand fi folosit la realizarea de previziuni.
White Heteroskedasticity Test: F-statistic Obs*R-squared 5.846595 10.83677 Probability Probability 0.003893 0.004434

Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 05/12/09 Time: 13:24 Sample: 2000M01 2009M02 Included observations: 110 Variable C PI PI^2 Coefficient Std. Error t-Statistic -12730.21 261.3458 -1.253661 6004.279 109.3175 0.493412 -2.120189 2.390704 -2.540802 Prob. 0.0363 0.0186 0.0125

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.098516 0.081666 826.2707 73051383 -893.4239 1.235721

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

722.0318 862.2277 16.29862 16.37227 5.846595 0.003893

Asadar, la nivel de esantion, raportul de corelatie inregistreaza valoarea = 0,09, valoare apropiata de zero. Acest fapt ne indica inexistenta unei legaturi intre variabile la nivelul esantionului. Pentru a generaliza aceasta informatie la nivelul populatiei totale, aplicam testul Fisher si emitem cele doua ipoteze: (modelul este homoscedastic) H1 : (modelul este heteroscedastic)

Deoarece Fcalculat = 5,84 > Ftabelar= 3,92, ipoteza H0 se respinge, si se accepta ca fiind adevarata, cu o probabilitate de 95%, ipoteza H1, ceea ce inseamna ca erorile sunt heteroscedastice, acest lucru garantandu-se cu o probabilitate de 95%. In acest caz modelul nu este valid, el neputand fi folosit la realizarea de previziuni.

3.4.2. Ipoteza independentei valorilor variabilei reziduale t Testul Durbin Watson se bazeaza pe modelul de regresie multifactorial

Erorile modelului (1),

se considera a fi corelate de ordinul unu daca, in general, intre doua erori

oarecare succesive, si , exista o legatura ca si cea descrisa in relatia (2), adica in situatia in care valoarea coeficientului , la nivelul populatiei totale, difera semnificativ de zero. Verificarea independentei erorilor se rezuma deci la testarea ipotezelor: H0: = 0 (erori independente, necorelate) cu alternativa H1: 0 (erori dependente, corelate) Pentru alegerea ipotezei corecte se determina statistica Durbin Watson:

Valoarea DWcalc, se compara cu doua valori teoretice, d1 si d2, citite din tabelul distributiei Durbin Watson in functie de un prag de semnificatie , convenabil ales, ( = 0,05 sau = 0,01), de numarul de variabile exogene, k si de valorile observate (T, T 15). Regulile de decizie ale testului sunt:
0 < DWcalc < d1 Autocorelare pozitiva d1 DWcalc d2 Indecizie d2 < DWcalc < 4 d2 Erorile sunt independente 4 - d2 DWcalc 4 d1 Indecizie 4 - d1 < DWcalc < 4 Autocorelare negativa

Dependent Variable: CA Method: Least Squares Date: 05/12/09 Time: 13:23 Sample: 2000M01 2009M02 Included observations: 110

Variable

Coefficient

Std. Error t-Statistic

Prob.

PI C

2.755097 -206.2727

0.227308 24.32733

12.12053 -8.479051

0.0000 0.0000

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.576316 0.572393 27.11831 79423.50 -518.0970 0.444482

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

86.91727 41.47061 9.456310 9.505409 146.9072 0.000000

In cazul nostru, DWcalculat = 0,44 , se compara cu d1 si d2 din tabelul distributiei Durbin Watson. In cazul nostru d1=1,64 iar d2=1,69, si deoarece 0 < DWcalc = 0,44 < d1 = 1,64 , se garanteaza cu probabilitatea de 95% ca erorile modelului sunt autocorelate pozitiv, nefiind independente, deci modelul nu este valid.

3.4.3. Testarea normalitatii distributiei variabilei aleatoare

Verificarea ipotezei de normalitate a erorilor presupune compararea histogramei erorilor cu Clopotul lui Gauss. Se stie ca acesta este caracterizat prin doi parametri - coeficientul de asimetrie, = 0 respectiv coeficientul de boltire, = 3. Se spune despre erorile unui model econometric ca sunt distribuite normal daca intre valorile si ce caracterizeaza histograma erorilor si valorile standard ale Clopotului lui Gauss, 0 si 3, nu exista difernete semnificative din punct de vedere statistic. In cazul nostru aceste valori sunt coeficientul de asimetrie, Skewness, = -0,14 respectiv coeficientul de boltire, Kurtosis, = 2,41 Dupa cum se observa, histograma erorilor este simetrica, deoarece valoarea coeficientului de asimetrie este apropiat de zero, iar legat de boltire, histograma erorilor este mai plata decat Clopotul lui Gauss, intrucat = 2,41 < 3 (histograma erorilor este platicurtica). Problema care se pune in acest moment este aceea de a verifica daca diferentele intre = -0,14 si valoarea standard = 0 respectiv = 2,41 respectiv valoarea standard =3, sunt semnificative din punct de vedere statistic sau nu. In acest scop se foloseste testul Jarque Bera. Se emit ipotezele: H0 : H1 : adica erorile sunt distribuite normal adica erorile sunt nu distribuite normal

Pentru alegerea ipotezei corecte, se determina valoarea deja calculata: JB calc = 1,94 Regulile de decizie sunt: daca daca , atunci ipoteza de normalitate a erorilor este acceptata. , atunci ipoteza de normalitate a erorilor este respinsa.

, care in cazul nostru este

In cazul nostru JBcalc = 1,94 < tab= 5,99, deci ipoteza acceptata este H0, adica erorile sunt distribuite normal. In consecinta, modelul este valid, deci poate fi folosit la realizarea de previziuni. 4. Previziunea variabilei Y

Modelul econometric este de forma: CA = a PI + b + t Previziunea nu se poate face datorita faptului ca nu se indeplinesc urmatoarele conditii:

ipoteza de homoscedasticitate a erorilor (erorile sunt heteroscedastice) ipoteza de independenta a erorilor (erorile sunt autocorelate pozitiv)

Presupunand ca modelul este valid dorim sa estimam valoarea la care va ajunge indicele cifrei de afaceri in luna martie 2009, daca valoarea indicelui productiei industriale este de 250% CA = 2,75 PI - 206,27 PI = 250 % atunci CA = 2,75 250 - 206,27= 687,50 - 206,50 = 481 % 5. Concluzii Previziunea modelului nu se poate face deoarece modelul nu este valid. Bibliografie https://statistici.insse.ro/shop/index.jsp?page=tempo3&lang=ro&ind=IND101B https://statistici.insse.ro/shop/index.jsp?page=tempo3&lang=ro&ind=IND104E Mester, I.T. - "Econometrie", Ed. Universitatii din Oradea, 2007 Mester, I. T.- "Statistica Economica", Ed. Universitatii din Oradea, 2007 http://ro.wikipedia.org/wiki/Cifra_de_afaceri http://www.scribd.com/doc/7058766/Manual-an-1-Economie-Politica-Vol-1?autodown=pdf http://facultate.regielive.ro/cursuri/management/managementul_productiei-5257.html

Document Info
Accesari: 1916 Apreciat:

A fost util?
Daca documentul a fost util si crezi ca merita sa adaugi un link catre el la tine in site

Copiaza codul
in pagina web a site-ului tau.

Comenteaza documentul:
Nu esti inregistrat Trebuie sa fii utilizator inregistrat pentru a putea comenta Creaza cont nou

S-ar putea să vă placă și