ACADEMIA DE STUDII ECONOMICE BUCURETI FACULTATEA DE CIBERNETIC, STATISTIC I INFORMATIC ECONOMIC

Proiect la econometrie
Analiza influnei unor indicatori macroeconomici asupra suprafeei

locuibile din Romnia

Ion Ana Maria Grupa 1037, seria A

Contents
1. 2. Introducere ...................................................................................................................................................2 Caracterizarea variabilelor ...........................................................................................................................3 2.1. Caracterizarea variabilei: suprafaa locuibil .......................................................................................3 Reprezentarea grafic a variabilei suprafaa ................................................................................3 Indicatori descriptivi ai variabilei suprafaa .................................................................................3 Reprezentarea grafic a distribuiei variabilei suprafaa .............................................................4

2.1.1. 2.1.2. 2.1.3. 2.2.

Caracterizarea variabilei: pib ................................................................................................................4 Reprezentarea grafic a variabilei pib ..........................................................................................4 Indicatori descriptivi ai variabilei pib ............................................................................................5 Reprezentarea grafic a distribuiei variabilei pib........................................................................6

2.2.1. 2.2.2. 2.2.3. 2.3. 3.

Reprezentarea grafic a norului de puncte ..........................................................................................6

Modelul unifactorial de regresie liniar .......................................................................................................6 3.1. 3.2. 3.3. Estimarea parametrilor modelului unifactorial de regresie .................................................................7 Previzionarea suprafeei medii .............................................................................................................7 Testarea semnificaiei parametrilor modelului ....................................................................................8 Testarea semnificaiei parametrului .........................................................................................8 Testarea semnificaiei parametrului .........................................................................................8

3.3.1. 3.3.2. 3.4. 4. 5.

Testarea validitii modelului ...............................................................................................................9

Modelul multifactorial de regresie liniar ....................................................................................................9 Ipotezele modelului liniar de regresie ....................................................................................................... 11 5.1. Heteroscedasticitatea erorilor aleatoare .......................................................................................... 11 Testarea heteroscedasticitii folosind Testul White ................................................................ 11 Corectarea heteroscedasticitii ............................................................................................... 13

5.1.1. 5.1.2. 5.2.

Autocorelarea erorilor aleatoare ...................................................................................................... 14 Testarea autocorelrii erorilor aleatoare .................................................................................. 14

5.2.1. 5.3. 5.4. 5.5. 6.

Testarea ipotezei de normalitate a erorilor aleatoare ...................................................................... 15 Necorelarea dintre regresori i erorile aleatoare .............................................................................. 16 Multicoliniaritate ............................................................................................................................... 16

Concluzii..................................................................................................................................................... 17

1. Introducere
n cadrul acestui proiect se urmrete caracterizarea situaiei economico-social la nivelul judeelor Romniei: determinarea msurii n care anumii indicatori macroeconomici influeneaz gradul de locuire al suprafeei. n acest scop se vor construi dou modele econometrice: primul model analizeaz dependena dintre suprafaa locuibil i nivelul pib, iar cel de-al doilea model analizeaz dependena dintre suprafaa locuibil, pe de-o parte, i pib, populaie i salariu mediu, pe de alt parte. Sursa datelor o constituie Anuarul Statistic al Romniei i fac referire la anul 2004. Nivelurile indicatorilor sunt nregistrate n tabelul urmtor:

Judetul

Suprafata locuibila (km)

Populatia (nr persoane)

Pib (mil lei)

Salariul mediu (lei/salariat)

Judetul

Suprafata locuibila (km)

Populatia (nr persoane)

Pib (mil lei)

Salariul mediu (lei/salariat)

Bacau Botosani Iasi Neamt Suceava Vaslui Braila Buzau Constanta Galati Tulcea Vrancea Arges Calarasi Dambovita Giurgiu Ialomita Prahova Teleorman Dolj

9528991 5573272 9735298 7573351 9548809 5725398 4962259 6968239 9732118 8182098 3826060 5879939 9224998 4023176 7474700 4153316 3799137 12225415 5713012 10615429

723518 459900 813943 570682 705752 460751 370428 494052 715148 620500 252485 393766 646320 317652 537090 286208 292666 827512 422314 718874

6843.1 2588.3 7350.4 4367.8 5542.9 2725.7 3406.8 4227.5 10077.1 6124.4 2412.3 3165 7709.6 2523.8 4535.6 1952.3 3001.9 8669.3 3317 6610.6

718 618 703 603 639 608 622 639 780 735 652 632 756 577 714 629 635 773 669 720

Gorj Mehedinti Olt Arad CarasSeverin Hunedoara Timis Bihor BistritaNasaud Cluj Maramures Satu-Mare Salaj Alba Brasov Covasna Harghita Mures Sibiu Ilfov

5404065 4995838 6673639 7868822 5237821 7006552 11214878 8903704 4579539 10349748 7143322 5991235 3817096 5523264 8875645 3293803 5053054 8524858 6648976 5112412

384852 303869 483674 459286 331876 480459 658837 595685 317254 694511 515610 368702 245638 379189 595211 223886 326558 583383 422259 283409

4659.9 2684.8 3759.8 6187.3 3411.3 5266.7 10431.6 7360.7 2773.4 9796.2 4505.1 3655.5 2178.9 4282.3 8127.2 2452.5 3144.7 6836.7 5253 4358.4

871 740 707 666 629 761 750 629 653 784 596 646 689 645 681 579 617 671 694 866

Pentru a asigura o reprezentativitate a datelor, a fost exclus judeul Bucureti, deoarece nregistra niveluri ale indicatorilor mult mai mari fa de majoritate. Asupra acestor date s-au efectuat testri de validitate ale modelelor, prelucrate cu ajutorul programului EViews.

2. Caracterizarea variabilelor
Pentru alegerea unei funcii care s descrie cel mai bine datele, se va realiza mai nti o descriere a variabilelor asupra crora se va efectua studiul. n urma acestei analize se poate intui modelul care descrie cel mai bine modul n care variabilele relaioneaz.

2.1.

Caracterizarea variabilei: suprafaa locuibil

2.1.1. Reprezentarea grafic a variabilei suprafaa

Figura1 Analiznd graficul din figura 1 se poate observa c majoritatea judeelor au suprafaa locuit cuprins n intervalul [4*106, 107]. Doar patru judee au suprafaa locuit sub 4*106 km: Tulcea, Ialomia, Slaj i Covasna. Singurele judee care depesc pragul de 107 sunt: Prahova, Dolj, Timi i Cluj. Aceasta dei primele patru judee cu cea mai mare suprafa sunt: Timi, Suceava, Cara-Severin i Tulcea. Faptul c Tulcea are o suprafa mare, dar o mic parte din aceasta este locuit, numrndu -se printre judeele cu cea mai mic suprafa locuit, demonstreaz faptul c gradul de locuire este influenat de o serie de factori care vor fi analizai pe parcursul studiului.

2.1.2. Indicatori descriptivi ai variabilei suprafaa

Figura2

Din figura de mai sus reiese faptul c variabila suprafaa are: Suprafaa locuit medie a judeelor de 6.917.082 m2 . Mediana fiind de 6.661.308 m2 , rezult c jumtate din judeele Romniei au suprafaa locuit sub 6.661.308 m2, iar cealalt jumtate au suprafaa locuit peste acest prag. Abaterea standard fiind de 2.332.906, suprafaa locuit se abate de la medie cu acest valoare. Coeficientul de asimetrie este 0.39 > 0, ceea ce indic o distribuie asimetric pozitiv. Coeficientul de aplatizare este 2.16 < 3, indicnd faptul c distribuia este platocurtic. Testul Jarque-Bera nu este semnificativ deoarece este aplicat doar pentru 40 de observaii, deci nu poate fi considerat de ncredere.

2.1.3. Reprezentarea grafic a distribuiei variabilei suprafaa

Figura3

2.2.

Caracterizarea variabilei: pib

2.2.1. Reprezentarea grafic a variabilei pib

Figura4 Analiznd graficul din figura 4 se poate observa c doar judeul cu numrul aisprezece are pib-ul mai mic de dou mii mil lei.

Deasemenea se observ c marea majoritate a judeelor au pib-ul cuprins n intervalul [2000, 6000]. Singurele judee care depesc pragul de 10.000 fiind Constana i Timi. Pe de alt parte, Timi i Constana se numr printre judeele cu o suprafaa locuit mare. Deci se poate trage c exist o legtur direct ntre suprafaa locuibil i pib, ceea ce se va demonstra n urma analizei regresiei unifactoriale simple.

2.2.2. Indicatori descriptivi ai variabilei pib

Figura5 Din figura 5 reiese c Pib nregistreaz urmtoarele niveluri ale indicatorilor: Media pib-ului judeelor din Romnia are valoarea 4956.935. Mediana este 4363.1, ceea ce nseamn c 50% din judeele Romniei nregistreaz valori ale pib-ului peste aceast valoare, i 50% sub 4363.1. Abaterea standard nregistreaz o valoare de 2346.696, ceea ce reflect c, n medie, pib-ul judeelor din Romnia se abate de la media pib cu 2346.696 mil lei. Coeficientul de asimetrie este de 0.77 > 0, de unde rezult c distribuia variabilei pib este asimetric pozitiv. Coeficientul de aplatizare este de 2.69 < 3, de unde rezult c distribuia este platocurtic. Testul Jarque-Bera nu este semnificativ deoarece este aplicat doar pentru 40 de observaii, deci nu poate fi considerat de ncredere.

2.2.3. Reprezentarea grafic a distribuiei variabilei pib

Figura6

2.3.

Reprezentarea grafic a norului de puncte

Din analiza descriptiv a datelor s-a observat o dependen ntre variabilele suprafaa locuit i pib. Metoda grafic ajut la gsirea funciei care s descrie cel mai bine linia prefigurat de norul de puncte trasat pe diagram.

Figura7 Astfel se poate observa, din figura 6, c dependenele dintre variabilele luate n studiu se orienteaz n jurul unei drepte, ceea ce motiveaz alegerea modelului de regresie liniar unifactorial la nivelul colectivitii generale.

3.

Modelul unifactorial de regresie liniar

Se consider urmtorul model simplu de regresie: Yi = + Xi + i , unde Yi suprafaa locuibil, variabila endogen; Xi produsul intern brut, variabila exogen; i = 1, ..., 41
6

Aceste date au fost introduse n EViews, fiind codificate astfel: Yi = suprafaa ; Xi = pib;

3.1.

Estimarea parametrilor modelului unifactorial de regresie

Estimarea parametrilor modelului se face cu ajutorul Metodei Celor Mai Mici Ptrate. n acest scop s-a folosit ca soft EViews, i s-a obinut urmtorul tabel:

Figura 8

n urma acestei estimri a coeficienilor, modelul a devenit: i = 2418977 + 907.4368 i , unde Yi = suprafaa, i = pib; Coeficientul a = 2418977 este termenul liber, reprezentnd punctul n care toate variabilele explicative sunt 0. Deci suprafaa locuit, n cazul n care pib-ul egaleaz 0, ar fi de 2418977 m2. Coeficientul b = 907.43, ceea ce nsemn c la creterea pib cu o unitate, suprafaa locuit se va mri cu 907.43 m2. R2 = 0.833205 arat c 83% din variaia suprafeei locuibile este explicat de influena variabilei pib.

3.2.

Previzionarea suprafeei medii

Se previzioneaz care va fi suprafaa medie a judeelor din Romnia n condiiile unui pib mediu de 10.000 mil lei. n ecuaia de regresie estimat i = 2418977 + 907.4368 i, se va considera i = 0 = 10000, rezultnd estimaia punctual 0 = 6956161. Intervalul care va conine suprafaa medie previzionat se determin conform formulei: 0 - tcritic * se(0) E(Y/X= 0) 0 + tcritic * se(0); tcritic = 2.024 Calculele au fost efectuate cu ajutorul Excel, obinndu-se: 6216319 E(Y/X= 0) 7696003.345

Astfel n condiiile n care pib-ul mediu s-ar dubla, suprafaa locuibil medie ar fi cuprins, cu o probabilitate de 95% , ntre 6216319 m2 i 7696003.345 m2, spre deosebire de situaia iniial n care suprafaa era cuprins n intervalul [3293803, 12225415].

3.3.

Testarea semnificaiei parametrilor modelului

3.3.1. Testarea semnificaiei parametrului

Pentru testarea semnificaiei statistice se vor verifica ipoteze statistice. Etapa1: Se stabilesc ipoteza nul i ipoteza statistic, H0, respectiv H1; H0 : = 0 (parametrul nu este semnificativ statistic) H1 : 0 (parametrul este semnificativ statistic) Etapa2: Se alege nivelul de semnificaie = 0.05; Etapa3: Se stabilete statistica testului: statistica t. Observaie: Valoarea lui t se poate determina fr a folosi un soft, dup formula de calcul: tcalculat = (a- )/se(a) , unde se(a) este abaterea medie ptratic a lui a. n urma folosirii EViews, pentru tcalculat s-a obinut valoarea ta = 6.71. Cum statistica testului t urmeaza o distribuie Student Sn-2,/2 , rezult c pentru 38 de grade de libertate i un nivel de semnificaie = 0.05, tcritic = 2.024. Etapa4: Stabilirea regiunii critice: Cum | ta | =6.71 >2.024 = tcritic => resping H0 => parametrul este semnificativ statistic. Deasemenea se observ ca p_value=0 < 0.05, ceea ce conduce la aceei concluzie, i anume c parametrul este semnificativ statistic. Stabilirea intervalului de ncredere: a - tcritic * se(a) a + tcritic * se(a). Valorile pentru se(a) = 360387.9 se preia din tabelul figura 7, obinndu-se urmtorul interval de ncredere: 1,689,552 3,148,402, ceea ce nsemn c pentru un coeficient de ncredere de 95%, n 95 din 100 de cazuri, un interval de tipul [1,689,552; 3,148,402] va conine valoarea real a lui .

3.3.2. Testarea semnificaiei parametrului

Procednd n mod asemnator pentru parametru se vor obine: tb = 13.77 => | tb | > tcritic => resping H0 => parametrul este semnificativ tcritic = 2.024 statistic
8

Deasemenea, i pentru parametrul , se observ c p_value = 0 < 0.05, ceea ce ntrete faptul c parametrul este semnificativ statistic. Stabilirea intervalului de ncredere: b - tcritic * se(b) b + tcritic * se(b). Valorile pentru se(b) = 65.86 se preia din tabelul figura 7, obinndu-se urmtorul interval de ncredere: 774.1236 1040.736, ceea ce nseamn c pentru un coeficient de ncredere de 95%, n 95 din 100 de cazuri, un interval de tipul [774.1236; 1040.736] va conine valoarea real a lui .

3.4.

Testarea validitii modelului

Ipotezele de testat sunt: H0 : modelul nu este valid statistic H1 : modelul este valid statistic Statistica aleas este testul F, care urmeaz o distribuie F:1,n-2 . Aadar la un nivel de semnifcaie de 0.05 i 38 de grade de libertate, Fcritic = 4.1. Fcalculat se preia din tabelul din figura 7, i are valoarea 189.824231727 > 4.1 = Fcritic => se respinge ipoteza nul, deci modelul este valid statistic. Deasemenea nivelul de semnificaie al statisticii F preluat din tabelul din figura 7, p_value = 0 < 0.05, ceea ce arat c modelul este valid statistic. n concluzie, modelul este valid statistic i poate fi utilizat pentru analiza dependenei dintre variabilele suprafaa locuit i pib.

4.

Modelul multifactorial de regresie liniar

n realitate, suprafaa locuibil este influenat de mai muli factori, ci nu numai de variabila pib. De aceea, se vor introduce n model variabile exogene noi, i anume: Populaia Salariul Modelul de regresie va deveni: Suprafaa = 0 + 1*pib + 2*populaia + 3*salariul + i

Folosind EViews s-a obinut urmtorul tabel:

Figura 9 n urma estimrii coeficienilor modelului prin utilizarea soft-ului EViews, modelul a devenit: = 645033.131151 + 348.568192228* Xi1 + 9.230758* Xi2 + 137.9513* Xi3 , unde Yi = suprafaa, Xi1 = pib, Xi2 = populaia, Xi3 = salariul Pentru coeficientul variabilei salariul, nou introdus n model, s-a obinut n urma aplicrii testului t un prag de semnificaie p_value = 0.91 care este mult mai mare fa de 0.05. Aceasta nseamn c 3 nu este semnificativ statistic, existnd o probabilitate foarte mic, de aproximativ 9%, de garantare a semnificaiei acestuia. Pentru coeficientul variabilei populaie(2) - nou introdus n model - s-a obinut n urma aplicrii testului t un prag de semnificaie p_value = 0 < 0.05, rezultnd c acesta este semnificativ statistic. Astfel probabilitatea de garantare a semnificaiei lui 2 este de 100%. Modelul este semnificativ statistic, aa cum a rezultat n urma aplicrii testului F (Fcalculat =299.9835), valid pentru un nivel de semnificaie p = 0 < 0.05, adic pentru o probabilitate de 100%. Modelul indic o legtur puternic ntre variabilele implicate, coeficientul de corelaie fiind foarte aproape de 1: R = 0.97. R2 = 0.96, arat c modelul explic 96% din variaia suprafeei locuibile, n timp ce mai rmne o pondere de 4%, explicat de influena altor factori, nestudiai n cadrul modelului. Dar cum unul dintre coeficieni, i anume cel al variabilei salariul, este semnificativ doar pentru un nivel de semnificaie de aproximativ 9%, n continuare se va analiza situaia excluderii din model a acestei variabile. Modelul econometric va deveni: Suprafaa = 0 + 1*pib + 2*populaia + i n urma estimrii acestui model n EViews s-a generat tabelul:

10

Figura10 Se observ c n urma aplicrii testului t, pentru toate variabilele rmase, pragurile de semnificaie p_value < 0.05, toi coeficienii variabilelor fiind semnificativi. Deasemenea testul F indic faptul c modelul este semnificativ pentru un nivel de semnificaie p_value = 0.

5.
5.1.

Ipotezele modelului liniar de regresie

Heteroscedasticitatea erorilor aleatoare

Erorile ei ce apar n funcia de regresie, dependente de valorile observate ale variabilei sunt heteroscedastice dac variana condiionat a lui Yi se modific odat cu modificarea uneia dintre variabilei explicative. Yi = b0 + b1*Xi1 + b2* Xi2+ ei Var(ei ) = i2 , i = i i j a.. i2 j2

5.1.1. Testarea heteroscedasticitii folosind Testul White

Testul White este un test mai general, care se bazeaz pe regresia ptratelor reziduurilor n raport cu toate variabilele exogene, cu ptratele acestora i cu produsele lor ncruciate. Testul este implementat n EViews, obinndu-se tabelul urmtor:

11

Figura 11 Etapa1: Se estimeaz parametrii modelului de regresie multifactorial i se rein reziduurile ei. n cadrul studiului avem: = 732346.1+ 352.1303* Xi1 + 9.208289* Xi2 Etapa2: Se calculeaz erorile ei = Yi - , iar pentru acesta se construiete regresia auxiliar: ei2 = 0 + 1* Xi1 + 2* Xi2 + 3* Xi12 + 4* Xi22 + 5* Xi1* Xi2 + i n urma estimrii acestui model, folosind Eviews se obine: 2 = 1.06E + 34433472* Xi1 -5063380* Xi2 + 19711.12* Xi12 + 7.724272* Xi22 -436.7165* Xi1* Xi2 Etapa3: Se stabilesc ipotezele testului: H0: 1 = 2 = 3 = 4 = 5 = 0 model homoscedastic H1: 1 0 model heteroscedstic Etapa4: Se calculeaz statistica testului White: 2 LM = nRa2 (,k), unde n = numrul de observaii din modelul original Ra2 = coeficientul de determinaie din regresia auxiliar k = numrul de parametri din modelele erorilor n tabelul din figura 11 s-a obinut LM = 17.47795
2

(0.05, 5).

Etapa5: Pentru 5 grade de libertate i o probabilitate de garantare a rezultatelor de 95% se determin 2 valoarea (0.05, 5) = 11.07 Cum LM = 17.47795 > 11.07= 2(0.05, 5) => se respinge H0 , deci modelul este heteroscedastic. Deasemenea, se observ, din tabel, ca p_value = 0.003 < 0.05 => se respinge H0, deci modelul este heteroscedastic. Aadar, n urma aplicrii testului White s-a gsit c modelul este heteroscedastic.

12

5.1.2. Corectarea heteroscedasticitii

Deoarece heteroscedasticitatea are consecine importante asupra estimatorilor modelului de regresie, este necesar transformarea modelului pentru nlturarea acesteia. Transformarea logaritmic este adesea folosit pentru nlturarea heteroscedaticitii, deoarece reduce dispersia variabilelor iniiale. Astfel se estimeaz prin metoda celor mai mici ptrate modelul: lnYi = 0 + 1 *lnXi1 + 2 *ln Xi2+ ei. Folosind EViews s-a obinut: = 5.178255+ 0.255669*lnXi1 + 0.642342*ln Xi2

Figura 12 Pentru a verifica dac noul model este homoscedastic, se folosete din nou testul White, obinndu-se:

Figura 13 Se observ n figura 13 c nivelul de semnificaie, pentru probarea validitii testului, p_value =0.53 > 0.05, deci se va accepta ipoteza H0, noul model fiind homoscedastic. Deci, modelul liniar de regresie homoscedastic, ce descrie legtura ntre suprafaa locuibil, pe de-o parte, i pib, populaie, pe de alt parte va fi = 5.178255+ 0.255669*lnXi1 + 0.642342*ln Xi2

13

5.2.

Autocorelarea erorilor aleatoare

Autocorelarea erorilor poate fi definit ca prezena unei corelaii ntre valorile reziduale (et) ordonate temporal(n cazul datelor longitudinale, cum sunt cele de fa).

5.2.1. Testarea autocorelrii erorilor aleatoare

Pentru depistarea autocorelrii erorilor aleatoare sunt folosite metode empirice, formale sau informale, dintre care sunt folosite n cadrul studiului: Metoda grafic Testul Breusch-Godfrey Testarea autocorelrii se va face pe modelul multifactorial logaritmat, deoarece acesta s-a dovedit a fi homoscedastic. Metoda grafic Analiza graficului poate oferi informaii utile despre autocorelarea erorilor. n EViews s -a obinut urmtorul grafic, unde s-au reprezentat erorile ei n funcie de erorile deplasate ei-1:

Figura14 Se observ prezint c punctele prezint o distribuie aleatoare, sugernd faptul c erorile nu sunt autocorelate. Testul Breusch-Godfrey Ipotezele ce trebuie testate sunt: H0: erorile nu sunt autocorelate H1 : erorile sunt autocorelate

14

Folosind seria reziduurilor estimate prin aplicarea metodei celor mai mici ptrate, se estimeaz modelul erorilor: et = et-1 + b1 *lnX1t + b2 *ln X2t + vt i se obine statistica testului Breusch-Godfrey: LM = (n-r)*R2 = 1.115967 Din tabelele repartiiei Hi2 se determin valoarea critic Hi2 (0.05,3) = 7.82 Cum LM = 1.17 7.82 = Hi2 (0.05,3) => accept H0 , deci erorile nu sunt autocorelate. n EViews a fost generat urmtorul tabel:

Figura 15 Cum pragul de semnificaie al statisticii LM este p_value = 0.57 > 0.05, ceea ce atest neautocorelarea erorilor aleatoare.

5.3.

Testarea ipotezei de normalitate a erorilor aleatoare

Pentru testarea ipotezei de normalitate a erorilor se va folosi testul Jarque-Bera. Ipotezele de testat sunt: H0: erorile aleatoare au distribuie normal H1 : erorile aleatoare nu au distribuie normal Folosind Eviews a fost generat tabelul:

15

Figura16 Probabilitatea asociat acestui test este de 0.5812 > 0.05, drept urmare se va accepta ipoteza H0, erorile aleatoare avnd distribuie normal. Astfel este ndeplinit i ipoteza normalitii erorilor.

5.4.

Necorelarea dintre regresori i erorile aleatoare

Se calculeaz matricea de covarian ntre regresori (lnpop, lnpib) i erorile aleatoare. Pentru a nu exista corelare trebuie ca cov(xi, j) = 0.

Figura17 Se observ c pentru covarianele dintre resid02 i lnpop, respectiv resid02 i lnpop se obin valori neglijabile, adic extrem de apropiate de 0, ceea ce demonstreaz necorelarea dintre regresori i erorile aleatoare.

5.5.

Multicoliniaritate

Multicoliniaritatea, n sens larg, nseamn existena unei relaii liniare imperfect ntre dou sau mai multe variabile exogene ale unui model de regresie. Pentru testarea multicoliniaritii se va folosi Criteriul Klein pentru modelul logaritmat. n EViews s-a obinut urmtoarea matricea de corelaie a variabilelor exogene:

16

Figura 18

Se observ c cel mai mare coeficient de corelaie este : r12 = 0.857879, fiind nregistrat ntre variabilele pib i populaie. Raportul de corelaie al modelului de regresie este: R2 = 0.9653. Cum rij < R2 pentru oricare dintre variabilele exogene, deci nu exist o multicoliniaritate puternic ntre acestea.

6.

Concluzii
n urma prelucrrilor efectuate asupra datelor s-au obinut urmtoarele informaii: 1. Exist o relaie liniar ntre suprafaa locuibil i pib, modelul de regresie fiind corect estimat: i = 2418977 + 907.4368 i , unde Yi reprezint suprafaa locuibil, iar i reprezint pib-ul 2. n urma introducerii n model a nc dou variabile, s-a obinut modelul de regresie multifactorial: Suprafaa = 0 + 1*pib + 2*populaia + 3*salariul + i. n urma aplicrii testului t, coeficientul variabilei salariul s-a dovedit a nu fi semnificativ. Drept urmare a fost eliminat din model. 3. Au fost testate ipotezele modelului liniar de regresie pentru modelul multifactorial i s-a obinut: Modelul este heteroscedastic, iar pentru corectarea acesteia s-a folosit logaritmarea, rezultnd modelul liniar de regresie homoscedastic: = 5.178255+ 0.255669*lnXi1 + 0.642342*ln Xi2 Asupra noului model s-au aplicat teste pentru depistarea normalitii erorilor aleatoare, autocorelrii i multicoliniaritii, artndu-se c: erorile aleatoare au distribuie normal, nu exist autocorelare ntre erorile aleatoare i, deasemenea nu exist coliniaritate ntre variabilele exogene ale modelului.

Aadar se poate conchide c modelul ln Yi= 5.178255+ 0.255669*lnXi1 + 0.642342*ln Xi2 + i , descrie legtura dintre variabilele suprafaa, pib, populaie i salariul, fiind semnificativ, din moment ce verific ipotezele fundamentale: semnificaia parametrilor de regresie, homoscedaticitatea, independena erorilor.

17

18