Documente Academic
Documente Profesional
Documente Cultură
nvare 1
Unitatea de
nvare 1
Datele utilizate
Unitatea de
nvare 1
Exist, n literatura de specialitate, mai multe tipologii ale modelelor economice. Clasificarea
unor elemente const n plasarea acestora, n funcie de caracteristicile proprii, ntr-o anumit grup
(clas). Aceste clase trebuie s respecte cel puin dou condiii eseniale3:
a) s fie omogene, adic elementele care prezint caracteristici similare trebuie s aparin
aceleiai clase;
b) s fie relativ bine separate, adic elementele ne-similare trebuie s fac parte din clase diferite.
Cu alte cuvinte, elementele dintr-o clas trebuie s fie asemntoare (similare) ntre ele i s
disting de elementele care aparin altor clase.
n literatura de specialitate din Romnia, una dintre cele mai interesante clasificri este
prezentat de Acad. Emilian Dobrescu4. n orice clasificare, esenial este noiunea de criteriu.
Aceasta deoarece un criteriu adecvat, aplicat asupra elementelor unei mulimi induce n mulimea
respectiv o relaie de ordine. n lucrarea menionat, Acad. Emilian Dobrescu reine urmtoarele
criterii de clasificare a modelelor economice: natura elementelor componente, caracterul
interdependenelor dintre variabile, nivelul de agregare a entitilor, scopul elaborrii modelelor
economice, comportamentul temporal. Rezult clasificarea prezentat n tabelul 1-1.
Jula D., 2003, Introducere n econometrie, Editura Professional Consulting, Bucureti, pag.7.
Citat n Dobrescu E., 2002, Tranziia n Romnia: abordri econometrice, Editura Economic, Bucureti, pag. 33.
3
Jula D., Jula N., 1999, Economie sectorial, Editura Didactic i Pedagogic, Bucureti, pag. 18-21.
4
Dobrescu E., 2002, Tranziia n Romnia: abordri econometrice, Editura Economic, Bucureti, pag. 24.
2
00:00
Unitatea de
nvare 1
Categoriile de modele
1.a) logice
00:08
2.1.a) lineare
2.1.b) nelineare
2.2.a) deterministe
2.2.b) probabiliste
4. Scopul modelrii
4.a) descriptiv-explicative
4.b) explorative
4.c) normative
5. Comportamentul temporal
Sursa: Dobrescu E., 2002, Tranziia n Romnia: abordri econometrice, Editura Economic,
Bucureti, Capitolul I: Repere metodologice, pag. 24, Schema 1.I.2: Tipologia modelelor economice.
Definiiile pentru conceptele propuse n tabelul 1-1 pornesc, n general de la urmtoarele elemente.
1. Natura elementelor componente
1.a Modelele logice. Un exemplu de acest gen este reprezentat de modelul concurenei pure i
perfecte.
1.b Modelele calitativ-analitice (teoretice). Exemplu: funcia monetarist a cererii de bani
Md = f(Y, P, rB, rE, rD)
n care Md este cererea monetar, Y output-ul, P nivelul preurilor, iar urmtoarele trei
simboluri reprezint randamentele altor forme de active n care banii pot fi plasai (bonuri de
tezaur), aciuni, bunuri durabile). n model variabilele implicate nu apar cu valori numerice,
dar pot fi calculate cu ajutorul statisticilor accesibile.
00:18
Unitatea de
nvare 1
1.c Modelele numerice. Modele de acest tip sunt, de exemplu, cele care estimeaz legtura
dintre omaj i rata inflaiei (curba Phillips) pe baza datelor nregistrate ntr-un interval
corespunztor de timp, sau ntre venitul gospodriilor i consum etc.
2. Caracterul interdependenelor dintre variabile
2.1. a Modelele lineare: legtura dintre variabilele analizate este linear. Linearitatea se refer
la forma legturii dintre variabile, nu la modul de exprimare a variabilelor respective
2.1. b Modelele nelineare n care legtura dintre variabilele analizate are forme mai complicate,
nelineare.
2.2.a Modelele deterministe.
2.2.b Modelele probabiliste. Astfel de modele sunt utilizate, de exemplu, pentru studiul pieelor
financiare.
3. Nivelul de agregare a entitilor
3.a Modelele cu dezagregare maxim. De exemplu, toi agenii economici sunt analizai, prin
funcii de comportament, ecuaii de echilibru, de stare i/sau de dinamic specifice.
3.b Modelele cu agregare intermediar. Economia poate fi structurat, de exemplu, instituional
(pornind de la sectoarele instituionale din Sistemul Contabilitii Naionale), pe ramuri (aa
ca n tabelele input-output), sau regional.
00:28
3.c Modelele cu agregare naional maxim. Un exemplu de astfel de model este reprezentat de
funcia de consum keynesian: Ct = C0 + cYd,t, unde:
Ct consumul agregat la momentul t;
Yd venitul disponibil al gospodriilor la momentul t;
C0 partea stabil a consumului, relativ autonom n raport cu venitul (ex. autoconsumul);
c nclinaia marginal spre consum, 0 < c < 1.
3.d Modelele cu agregare internaional analizeaz diferite zone geografice (de exemplu, zona
Mrii Negre, zona Balcanilor), grupri de ri (ex. ri dezvoltate, ri n dezvoltare,), uniuni
interstatale (ex. Uniunea European), grupri sectoriale (ex. ri exportatoare de petrol
OPEC) sau abordeaz economia mondial n ansamblu.
4. Scopul modelrii
4.a Modele descriptiv-explicative. Modelul explicativ ajut la nelegerea legturilor eseniale
dintre fenomenele studiate5. Un exemplu n acest sens este modelul input-output.
4.b Modelele explorative sau de simulare faciliteaz studierea reaciilor economiei fa de
modificarea unei variabile.
00:48
4.c Modelele normative. De exemplu, prin astfel de modele pot fi urmrite obiective de tipul:
respectarea unor restricii ecologice, restricii privind condiiile de munc, atingerea unor
condiii de performan calitate, fiabilitate etc.6
5. Comportamentul temporal:
5.a Modelele strict statice sunt folosite pentru reprezentarea unor fenomene sau procese
economice la un moment dat. Exemplu: modelul input-output.
5.b Modelele cvasistaionare.
5
6
00:58
Jula D., 2003, Introducere n econometrie, Editura Professional Consulting, Bucureti, pag.7.
Nicolae V., Constantin D.-L., Grdinaru I., 1998, Previziune i orientare economic, Editura Economic, Bucureti, pag. 174-175.
5
Unitatea de
nvare 1
01:05
ntr-o prim etap, prin analiza unui obiect din realitatea economic (un proces, un fenomen
etc.) se identific o mulime finit de proprieti ale acestuia. Proprietile reinute ca fiind
semnificative reprezint teoria economic (modelul economic) elaborat pentru obiectul respectiv
din realitate.
n a doua etap, se caut o teorie matematic n care poate fi descris o structur a sistemului.
n etapa a treia, se realizeaz rezolvarea modelului.
n a patra etap, aceste noi proprieti (informaii) sunt transferate asupra obiectului original
Pornind de la elementele prezentate, etapele procesului de modelare sunt prezentate n sintez,
n tabelul 1-2.
01:20
Etapele modelrii sunt prezentate n detaliu n lucrarea Jula D., 2003, Introducere n econometrie, Editura Professional Consulting,
Bucureti, pag.7-13.
8
Thomas R.-L, 1997, Modern Econometrics: An Introduction, 2nd edition, Harlow, Longman, pag. 1-3.
9
Ramanathan R., 1992, Introductory Econometrics, Second Edition, The Dryden Press, Harcourt Brace College Publishers, Orlando,
USA, pag. 3-11.
6
01:25
Unitatea de
nvare 1
Teoria economic,
experiena
Formularea modelului
Selectarea datelor
Estimarea modelului
Reformularea
modelului
NU
Testarea ipotezelor:
Ipotezele se verific?
DA
Interpretarea
rezultatelor
Prognoze
Decizii de politic
economic
Thomas R.-L, 1997, Modern Econometrics: An Introduction, 2nd edition, Harlow, Longman, pag. 1.
Thomas R.L, 1997, Modern Econometrics: An introduction, 2nd edition, Harlow, Longman, pag.4.
7
Unitatea de
nvare 1
02:00
Variabilele modelului
ntr-un model econometric pot fi distinse trei tipuri de variabile: variabile endogene, variabile
exogene i variabile de abatere (eroare).
Sunt endogene sau explicate acele variabile ale cror valori sunt obinute prin rezolvarea
modelului.
Sunt exogene acele variabile pentru care starea i evoluia sunt determinate de factori exteriori
sistemului a crui funcionare este studiat cu ajutorul modelului.
Variabilele de abatere (sau erorile) reprezint discrepanele ntre evoluia anticipat a unei
variabile i evoluia real a variabilei respective.
Parametrii modelului
Parametrii modelului pot fi definii ca fiind caracteristicile cantitative ale sistemului studiat.
Ecuaiile modelului
Prin ecuaiile unui model se ncearc surprinderea legturilor dintre variabilele endogene i cele
explicative. ntr-un model econometric pot aprea ecuaii de comportament, ecuaii de definiie i
ecuaii contabile (de echilibru).
02:20
Ecuaiile de comportament sunt construite pe baza unei teorii economice i descriu, n form
funcional, comportamentul unui agent economic.
Ecuaiile sau relaiile de definiie sunt utilizate pentru precizarea unor noiuni sau determinarea
unor variabile. n ecuaiile de definiie nu intervin parametri necunoscui.
Ecuaiile de echilibru sunt utilizate pentru asigurarea coerenei modelului.
Datele utilizate
Pentru estimarea parametrilor din ecuaiile modelului sunt utilizate anumite date economice
referitoare la evoluia fenomenelor analizate. Datele economice reprezint reflectri cantitative sau
calitative ale dimensiunii, strii i evoluiei proceselor i fenomenelor economice. Aceste date pot fi
descrise pornind de la mai multe criterii. Astfel, ca prezentare, datele pot fi disponibile ca serii de
timp (cronologice), de distribuie sau de tip panel.
Seriile de timp corespund unor observaii efectuate asupra strii unui fenomen economic la
intervale regulate de timp (evoluia cursului de schimb, dinamica preurilor, a consumului, a
veniturilor etc.).
Seriile de distribuie (repartiie), numite i serii n tietur transversal sau serii de date
instantanee reflect starea, structura i relaiile care exist ntre diferitele componente ale unui
sistem economic, la un moment dat. De exemplu, aceste serii reflect distribuia n spaiu a
diferitelor caracteristici ale unui fenomen omajul regional, localizarea activitilor etc., structura
unor agregate (structura sectorial a unei economii, structura ocuprii, structura pe elemente a
costului de producie .a.), sau starea unei variabile la un moment dat ntr-un anumit eantion (de
exemplu, venitul i consumul familiilor).
02:25
Unitatea de
nvare 1
Datele de tip panel combin seriile de timp i datele n structur transversal. Principalul
avantaj al analizei de tip panel const n aceea c permite o mai mare flexibilitate n modelarea
diferenelor nregistrate n comportamentele individuale.
02:35
Unitatea de
nvare 1
1.
2.
3.
4.
5.
6.
10
Unitatea de
nvare 1
estimarea modelului,
(4)
testarea
modelului
(5)
ipotezelor
teoretice
folosite
construirea
interpretarea rezultatelor.
12
Samuelson P.A., Koopmans T.C., Stone J.R.N., 1954, Report of the evaluative committee for Econometrica, n Econometrica, 22,
pag.141-146.
11
Unitatea de
nvare 1
Lucrri obligatorii
1. Dobrescu E., 2000, Macromodelul economiei romneti de tranziie, Editura Expert,
Bucureti
2. Jula D., 2003, Introducere n econometrie, Editura Professional Consulting, Bucureti
3. Jula N., 2004, Modelarea deciziilor financiar-monetare, Editura Bren, Bucureti
4. Jula N., 2006, Modelare economic elemente de econometrie aplicat, Editura Mustang,
Bucureti
5. Jula N., 2006, Modelare economic econometrie aplicat, Editura Cartea Studeneasc,
Bucureti
6. Jula N., Jula D., 2009, Modelare economic. Econometrie financiar, Editura Mustang,
Bucureti
7. Jula N., Jula D., 2010, Modelare economic. Modele econometrice i de optimizare, Editura
Mustang, Bucureti
8. Pecican E.S., 1996, Macroeconometrie. Politici economice guvernamentale i econometrie,
Editura Economic, Bucureti
1.
2.
3.
4.
5.
6.
Lucrri complementare
Andrei T., 2003, Statistic i econometrie, Editura Economic, Bucureti
Greene W.H., 2000, Econometric analysis, fourth edition, Prentice Hall, New Jersey
Maddala G.S., 2001, Introduction to econometrics, third edition, Wiley, New York
Tanadi A., 2001, Econometrie, Editura ASE, Bucureti
Tnsoiu O., Iacob A.I., 1999, Econometrie aplicat, Editura Arteticart, Bucureti.
Zaman C., 1998, Econometrie, Editura Pro Democraia, Bucureti
12
Unitatea de
nvare 1
13
Unitatea de
nvare 2
Modelul matematic
Unitatea de
nvare 2
Ce este algoritmul
Simplex?
Cum se utilizeaz
algoritmul Simplex?
Gru
Optimizarea
utilizrii
Disponibil
Resursa 1
400
Resursa 2
300
Resursa 3
500
Resursa 4
10
12
10
1000
Profitul la ha (u.m.)
Gru
Porumb
Cartofi
Floarea soarelui
00:00
Unitatea de
nvare 2
3 x1 6 x2 4 x3 5 x4 500
8 x 10 x 12 x 10 x 1000
2
3
4
1
xi 0, i 1, ,4
max Z 5 x 7 x 9 x 8 x
1 2 3 4
x1
+ x2
+ x3
+ x4 + s1
+ x4
= 100
+ s2
= 400
+ s3
= 300
+ s4
= 500
+ s5 =1000
i = 1,...,4; si 0, i = 1,..., 6
Datele din modelul de programare liniar sunt scrise n tabloul Simplex astfel:
Unitatea de
nvare 2
Tabloul Simplex: 0
cj
8 0 0 0 0 0
cb Baza VVB x1 x2 x3 x4 s1 s2 s3 s4 s5
s1
100 1
1 1 0 0 0 0 100
s2
400 5
7 0 1 0 0 0
80
s3
300 0
3 0 0 1 0 0
75
s4
500 3
5 0 0 0 1 0 125
s5
zj
cj- zj
1000 8 10 12 10 0 0 0 0 1 83.3
0 0
0 0 0 0 0 0
8 0 0 0 0 0
01:10
n tabloul precedent, n baz sunt nscrii vectorii ataai variabilelor s1, ..., s5.
Valorile variabilelor ataate vectorilor din baz sunt prezentate n coloana VVB. Pe linia cj sunt
scrise, pentru fiecare variabil, costurile din funcia obiectiv (valorile cu care contribuie la funcia
obiectiv), iar pe coloana cb sunt scrise costurile din funcia obiectiv pentru variabilele ataate
vectorilor din baz. Sunt scrise, de asemenea, pe coloan vectorii ataai fiecrei variabile.
Fiecare element de pe linia zj se calculeaz ca produs scalar al vectorului cb i vectorul xj
(respectiv sj). Elementele cj-zj se calculeaz ca diferen ntre elementele de pe liniile
corespunztoare. Elementele cj-zj sunt utilizate pentru a testa optimalitatea soluiei obinute la
fiecare iteraie. Pentru problema de maxim considerat, soluia este optim (algoritmul se oprete)
atunci cnd pe linia cj-zj nu exist valori strict pozitive.
Deoarece soluia iniial nu este optim se continu algoritmul. Se selecteaz vectorul care intr
n baz. Vectorul respectiv corespunde valorii maxime de pe linia cj-zj. n exemplul considerat,
acest vector este ataat variabilei x3. Se calculeaz, pentru elementele pozitive ale vectorului care
intr n baz, rapoartele () dintre fiecare element al din VVB i elementul corespunztor din
vectorul respectiv. Valoarea minim a acestui raport, corespunde vectorului care iese din baz. n
cazul considerat, iese din baz vectorul s3. Elementul situat la intersecia coloanei ataate vectorului
care intr n baz cu linia corespunztoare vectorului nlocuit se numete pivot. Se completeaz
urmtorul tablou Simplex innd seama de cteva reguli (vezi manual Modelare Economic.
Modele econometrice i de optimzare, Ed. Mustang, 2010).
Unitatea de
nvare 2
Tabloul Simplex: 1
cj
7 9
8 0 0
0 0 0
cb Baza VVB x1
x2 x3
x4 s1 s2
s3 s4 s5
s1
25
25
s2
25
x3
75
s4
200
3 0
2 0 0
-1 1 0 66.7
s5
100
1 0
1 0 0
-3 0 1 12.5
zj
675
cj- zj
01:35
Iteraiile urmtoare se desfoar similar. Algoritmul se oprete atunci cnd toate elementele de
pe ultima linie a tabloului Simplex sunt negative sau zero.
Tabloul Simplex: 2
cj
7 9
8 0
0 0 0
cb Baza VVB x1
x2 x3
x4 s1
s2
s3 s4 s5
s1
x1
x3
s4
s5
zj
cj- zj
700 5
5 9
10 0
1 0 0
2 0
-2 0
-1
-1 0 0
Unitatea de
nvare 2
Tabloul Simplex: 3
cj
5 7 9
8 0
0 0
VVB x1 x2 x3
x4 s1
s2
s3 s4
s5
cb
s1
x1
x3
s4
x2
zj
cj- zj
Tabloul Simplex: 4
cj
5 7 9 8 0
cb Baza
VVB x1 x2 x3 x4 s1
s2
s3
s4
s5
s1
x1
x3
x4
x2
zj
cj- zj
Toate elementele de pe ultima linie a tabloului Simplex sunt negative sau zero, deci algoritmul
se oprete. Soluia obinut, Z = 737.209, este optim. Un profit maxim, poate fi obinut dac se
cultiv cu: gru x1 = 3.49 ha; porumb x2 = 45.35 ha; cartofi x3 = 20.93 ha; floarea soarelui o
suprafa x4 = 26.74 ha. Rmn necultivate s1 = 3.49 ha de teren.
Tablou Simplex final ofer i alte informaii utile. Valorile zj - cj reprezint preurile umbr,
adic msoar importana relativ a restriciei respective n soluia optim: dac disponibilul dintr-o
anumit resurs crete cu o unitate, atunci valoarea funciei obiectiv se mbuntete cu (zj - cj)
6
02:00
Unitatea de
nvare 2
uniti. De asemenea, prin tehnici specifice, se poate calcula domeniul de variaie a disponibilului
din fiecare resurs, sau a coeficienilor din funcia obiectiv, astfel nct structura soluiei optime s
nu se modifice. Rezultatele respective sunt prezentate n tabelele urmtoare.
Restricia
Deficit (-) /
Preurile umbr
3.488
0.000
R1
0.000
0.209
R2
0.000
0.512
R3
0.000
0.047
R4
0.000
0.477
Limita Valoarea
inferioar
curent superioar
permis
permis
x1
1.906
5.800
0.800
3.094
x2
6.810
8.385
1.385
0.190
x3
6.267
9.133
0.133
2.733
x4
7.789
10.025
2.025
0.211
Intervalul de variaie pentru termenul liber - Right Hand Side Ranges (disponibilul de resurse)
Variabila
Limita Valoarea
(resursa) inferioar
Limita
curent superioar
Creterea Scderea
permis
permis
3.488
suprafaa
96.512
R1
290.476
400
700.000
R2
268.421
300
308.955
R3
378.947
500
560.000
60.000 121.053
R4
977.358
1000
1036.364
36.364 121.053
300.000 109.524
8.955
31.579
Unitatea de
nvare 2
Se constat c viteza de cretere cea mai mare a profitului se poate obine dac se asigur
creterea disponibilului din resursa R2 (resursa R2 are preul umbr cel mai mare). Pentru ca
structura soluiei optime s nu se modifice, creterea disponibilului din resursa R2 poate avea loc n
limita a maximum 8.955 uniti. Fie o creterea a disponibilului din resursa R2 cu 8 uniti (de la
300 la 308 uniti). Atunci, valoarea profitului va crete cu 8 0.512 = 4.096 uniti, la 741.31
uniti. Pentru verificare, prin calcul se determin tabloul final Simplex urmtor:
Tabloul Simplex: 4
5 7 9 8 0
cb Baza
VVB x1 x2 x3 x4 s1
s2
s3
s4
s5
s1
x1
x3
x4
x2
zj
cj
cj- zj
n noua soluie optim (soluia post optimizare), crete suprafaa neutilizat (de la 3.488 ha la
4.372 ha), scad suprafeele cultivate cu gru i porumb i cresc suprafeele cultivate cu cartofi i
floarea soarelui.
Variab
ila
Valoare
iniial
Valoare postoptimizare
x1
3.488
0.372
x2
45.349
44.837
x3
20.930
22.233
x4
26.744
28.186
02:25
Unitatea de
nvare 2
Tabloul Simplex: 5
cj
cb Baza
-M
VVB x1 x2 x3 x4
s2
s3
s4
s5
A1
x1
x3
x4
21.053 0 0 0 1
0.263 0
x2
47.368 0 1 0 0 -0.158 0
s3
zj
cj- zj
Obs.
5 7 9 8
721.053 5 7 9 8
0.263 0
-M
A1 este vectorul ataat unei variabile auxiliare, variabil care penalizeaz funcia obiectiv cu
o valoare mare M.
Soluia optim: Z = 721.053,
Variabila
Valoare
x1
15.789
x2
47.368
x3
15.789
x4
21.053
Restricia
Deficit (-)
/
Preurile
umbr
Excedent
(+)
(Shadow
Price)
R1
0.000
0.263
R2
31.579
0.000
R3
0.000
0.316
R4
0.000
0.921
Unitatea de
nvare 2
Variabila
inferioar
Limita Creterea
curent superioar
permis
Scderea
permis
x1
Fr limit
6.200
1.200 Fr limit
x2
5.500
8.667
1.667
1.500
x3
6.083
10.200
1.200
2.917
x4
7.000
19.667
11.667
1.000
Intervalul de variaie pentru termenul liber - Right Hand Side Ranges (disponibilul de resurse)
Variabila
Limita Valoarea
(resursa) inferioar
curent superioar
permis
permis
suprafaa
96.512
100
110.714
10.714
3.488
R1
320.000
400
700.000
300.000
80.000
R2
268.421
300
Fr
limit
Fr
limit
31.579
R3
433.333
500
560.000
60.000
66.667
R4
950.000
1000
1036.364
36.364
50.000
Cea mai rapid mbuntire a soluiei se obine prin suplimentarea disponibilului din R4
(preului umbr al acestei restricii este maxim, 0.921). Creterea permis a pentru R4, astfel nct
structura soluiei optime s nu se modifice este de 36.364 uniti. Adic, pornind de la condiiile
prezentate, prin suplimentarea lui R4, soluia problemei de programare liniar poate fi mbuntit
cu 36.364 0.921 = 33.49 uniti, de la 727.05 uniti, la 754.54 uniti. Noua soluie optim este:
Variabila
Valoarea
Valoarea
iniial
post-optimizare
x1
15.789
9.091
x2
47.368
45.454
x3
15.789
27.273
10
Unitatea de
nvare 2
Variabila
x4
Valoarea
Valoarea
iniial
post-optimizare
21.053
18.182
n sfrit, dac se pstreaz restricia ca suprafaa disponibil s fie cultivat integral, iar
suprafaa cultivat cu gru s nu fie mai mic de 20 ha, suprafaa cultivat cu porumb s nu fie sub
20 ha, cea cultivat cu cartofi s fie de cel puin 10 ha, iar floarea soarelui s fie cultivat pe
minimum 20 ha, atunci, programul de producie va fi urmtorul:
Variabila
Valoarea
x1
20.000
x2
46.667
x3
13.333
x4
20.000
11
03:00
Unitatea de
nvare 2
12
Unitatea de
nvare 2
13
Unitatea de
nvare 2
1.
2.
3.
4.
5.
6.
Lucrri obligatorii
Dobrescu E., 2000, Macromodelul economiei romneti de tranziie, Editura Expert,
Bucureti
Jula D., 2003, Introducere n econometrie, Editura Professional Consulting, Bucureti
Jula N., 2004, Modelarea deciziilor financiar-monetare, Editura Bren, Bucureti
Jula N., 2006, Modelare economic elemente de econometrie aplicat, Editura Mustang,
Bucureti
Jula N., 2006, Modelare economic econometrie aplicat, Editura Cartea Studeneasc,
Bucureti
Jula N., Jula D., 2009, Modelare economic. Econometrie financiar, Editura Mustang,
Bucureti
7. Jula N., Jula D., 2010, Modelare economic. Modele econometrice i de optimizare, Editura
Mustang, Bucureti
8. Pecican E.S., 1996, Macroeconometrie. Politici economice guvernamentale i econometrie,
Editura Economic, Bucureti
1.
2.
3.
4.
5.
6.
Lucrri complementare
Andrei T., 2003, Statistic i econometrie, Editura Economic, Bucureti
Greene W.H., 2000, Econometric analysis, fourth edition, Prentice Hall, New Jersey
Maddala G.S., 2001, Introduction to econometrics, third edition, Wiley, New York
Tanadi A., 2001, Econometrie, Editura ASE, Bucureti
Tnsoiu O., Iacob A.I., 1999, Econometrie aplicat, Editura Arteticart, Bucureti.
Zaman C., 1998, Econometrie, Editura Pro Democraia, Bucureti
14
Unitatea de
nvare 2
1. G. B. Danzig
2. Elementul situat la intersecia coloanei ataate vectorului care intr n baz cu linia
corespunztoare vectorului nlocuit se numete pivot.
3. Elementele de pe linia pivotului se calculeaz prin mprirea elementelor din tabloul precedent
la pivot
4. Tehnica pivotrii: se construiete un dreptunghi care are o diagonal format din pivot i
elementul care constituie obiectul calculului pentru noul tablou; produsul elementelor de pe
cealalt diagonal a dreptunghiului se scade din produsul elementelor de pe diagonal
pivotului, iar rezultatul se mparte la pivot.
5. Algoritmul se oprete atunci cnd toate elementele de pe ultima linie a tabloului Simplex sunt
negative sau zero.
15
Unitatea de
nvare 3
o Formularea problemei
o Modelul matematic
o Exemplu de calcul
Noiunea de optimizare
Modele de gestiune a stocului
Problema de transport
Teoria firelor de ateptare
Unitatea de
nvare 3
Elementele principale analizate n cadrul unui proces de stocare sunt: cererea de resurse, aprovizionarea, costurile implicate, parametrii legai de timp.
Satisfacerea cererii de materii prime (resurse) este scopul procesului de stocare. Cererea apare
ca urmare a procesului de producie i depinde de nivelul produciei i consumurile specifice.
Volumul i ritmul aprovizionrii sunt determinate de cererea de resurse, durata de livrare a
produselor (intervalul dintre lansarea comenzii i sosirea materiilor prime) i costurile implicate n
acest proces.
Costurile implicate n cazul unui proces de stocare se pot grupa n trei categorii:
cl - cheltuielile de lansare a comenzii sunt compuse din suma cheltuielilor efectuate pn la intrarea
produselor n stoc (cheltuielile legate de formularea comenzii, cheltuieli administrative
determinate de operaia de reaprovizionare);
cs - cheltuielile de stocare compuse din cheltuielile de depozitare, ntreinere, asigurare, imobilizare
a capitalului financiar etc. Costul stocrii este, de obicei, proporional cu cantitatea de bunuri
stocat i cu durata depozitrii;
cp - costul de penalizare (cheltuielile de rupere a stocului) reprezint pierderile nregistrate n
situaiile n care cererea de resurse este superioar stocului (amenzi, ntreruperea produciei,
plata despgubirilor pentru producia nelivrat etc.). De obicei, aceste cheltuieli sunt
proporionale cu cantitatea cerut din resursa respectiv i nesatisfcut i cu durata penuriei.
00:00
Unitatea de
nvare 3
t opt =
2 V cl
T cs
vopt =
Atunci, nivelul minim al cheltuielilor totale este:
C opt = 2 V T cl c s
cp
.
cs + c p
Atunci:
intervalul de timp dintre dou aprovizionri succesive este:
t opt =
2 T cl
cs + c p
V cs
cp
vopt =
2 V cl
cs + c p
T cs
cp
sopt =
2 V cl
cp
T cs
cs + c p
00:20
Unitatea de
nvare 3
C opt = 2 V T cl c s
cp
cs + c p
Exemplu de calcul
Pentru exemplificarea modului de calcul, s presupunem c la un nivelul unei firme, care are ca
obiect de activitate realizarea unor produse industriale, cererea anual (T = 360) pentru tabl de oel
este de V = 5000 tone. n tot timpul anului cererea este continu i constant pe perioade egale. Prin
analize statistice privind perioadele anterioare, s-a calculat costul de stocaj pentru o unitate (o ton),
pe zi cs = 1000 uniti monetare. Cheltuielile de lansare a comenzii (cheltuieli administrative, plata
achizitorului, delegai pentru recepie, transport etc.) sunt cl = 5 mil. uniti monetare/lot i sunt
independente de volumul lotului.
n aceste condiii, cantitatea optim de aprovizionat (lotul optim) este:
vopt =
2 5000 5000000
372.7 (tone)
360 1000
2 360 5000000
27 (zile)
5000 1000
Dac se admite posibilitatea ruperii stocului, introducnd un cost de penalizare de 2500 u.m. pe
unitate, pe zi, factorul de indisponibilitate va fi:
2500
= 0.71
1000 + 2500
i atunci:
lotul optim pentru evitarea ruperii stocului:
00:45
Unitatea de
nvare 3
vopt = 372.7
1
441 (tone)
0.71
stocul optim:
sopt = 4410.71 = 313 (tone)
perioada ntre dou aprovizionri succesive:
t opt = 27
1
32 (zile)
0.71
Se observ c, n cazul unui cost de penalizare relativ mic, se poate admite ruptura stocului n
vederea obinerii unui cost total mai mic (n problema analizat, cu aproximativ 20 mil.u.m.).
01:00
1. Algoritmul pentru obinerea soluiei optime a problemei de transport presupune ca prim pas
determinarea unei soluii iniiale de baz. Metoda general de obinere a unei soluii iniiale de
baz pornete de la determinarea valorii xij min a i , b j . Pornind de la aceast metod
b-2)
Unitatea de
nvare 3
B1
B2
B3
B4
B5
Disponibil
A1
15
12
12
2500
A2
20
15
10
1500
A3
12
10
12
2000
Necesar
1500
2000
500
1200
800
Soluia iniial, obinut prin metoda costului minim din tabel este:
B1
A1
B2
B3
1300
A2
700
A3
800
B4
B5
Disponibil
1200
2500
800
700
500
1500
2000
v1
u1
v2
v3
u2
u3
12
v4
v5
6
4
10
u
v
u
v
12
3
2 10
3 1
u 3 v3 8
Unitatea de
nvare 3
Rezolvarea sistemului se realizeaz prin impunerea condiiei u3 = 0. Valorile obinute pentru ui,
vj, precum i diferenele u i v j cij sunt prezentate n tabelul urmtor. Celulele care conin zero
corespund soluiei de baz.
v1 = 12 v2 = 10 v3 = 8 v4 = 8 v5 = 11
ui v j c ij
u1 = -2
-5
-6
-3
u2 = -7
-17
-14
-9
u3 = 0
-4
3*
Dac toate aceste diferene sunt negative sau zero soluia este optim. Dac exist diferene
pozitive, algoritmul continu. Se alege valoarea maxim dintre diferenele pozitive. Poziia acestei
diferene pozitive maxime este marcat cu (*). Se construiete, potrivit algoritmului prezentat,
ciclul corespunztor diferenei respective. Acest ciclu este, de asemenea, marcat n tablou.
B2
B1
A1
B3
B4
1300
A2
B5
1200
700(+)
2500
800(-)
A3
700
1500
1500
500
800(-)
Necesar
Disponibil
(+) *
2000 500 1200
2000
800
B1
A1
A2
A3
B2
B3
1300
B5
1200
1500
700
B4
500
Disponibil
2500
1500
800
2000
Unitatea de
nvare 3
v2
v3
v4
v5
u1
u2
u3
10
u1 v2 8 u1 v4 6
u v 5 u v 4
2 1
2
5
u3 v2 10 u3 v3 8
u3 v5 8
Rezolvarea sistemului se realizeaz prin impunerea condiiei u3 = 0. Valorile obinute pentru ui,
vj, precum i diferenele ui v j c ij sunt prezentate n tabelul urmtor.
ui v j c ij
v1 = 9 v2 = 10 v3 = 8 v4 = 8 v5 = 8
u1 = -2
-8
-6
-6
u2 = -4
-14
-11
-6
u3 = 0
-3
-4
Toate diferenele ui v j c ij sunt negative sau zero, deci soluia este optim. Aceast soluie
propune ca programul optim de transport s fie urmtorul:
Sursa
Destinaia
Cantitatea transportat
A1
B2
1300
A1
B4
1200
A2
B1
1500
A3
B2
700
A3
B3
500
A3
B5
800
Unitatea de
nvare 3
Timpul de ateptare n vederea servirii i durata servirii propriu-zise sunt n funcie de ritmul
sosirii solicitanilor i operativitatea rspunsului oferit de sistemul de servire.
Studiul problemelor legate de procesele de ateptare a generat metode specifice de analiz,
grupate n teoria matematic a sistemelor de ateptare13
Modelul matematic
Dac exist o singur staie de servire, venirile n sistem sunt ntmpltoare, independente unele
de altele i nelimitate, numrul de sosiri pe unitatea de timp este o variabil aleatoare repartizat
Poisson cu media , serviciile sunt independente ntre ele i nu depind de sosiri, durata serviciului
fiind o variabil aleatoare cu o repartiie exponenial negativ de parametru , iar ordinea de servire
este primul venit - primul servit (FIFO), clienii fiind servii n ordinea sosirii14, atunci se
demonstreaz ca15:
(a) numrul mediu de solicitani n irul de ateptare (nf);
(b) numrul mediu de solicitani n sistem (n ir sau n curs de servire) (ns);
(c) timpul mediu de ateptare n ir (ts);
(d) timpul mediu de ateptare n sistem (ts)
se calculeaz astfel:
nf =
ns =
tf =
ts =
2
1-
1-
(1 - )
1
(1 - )
unde:
13
Primele lucrri n domeniul teoriei ateptrii sunt cele ale lui Karl Erlang (1908) efectuate pentru compania de telefoane din
Copenhaga. Terminologia utilizat n modelele din teoria sistemelor de ateptare s-a impus dup prezentarea de ctre D.G. Kendall la
Societatea Regal de Statistic din Londra a crii Some Problems in the Theory of Quenes, J.Ray Statist. Soc., Ser. B, 13, No.2, 1951
(vezi A.M.Lee, Teoria ateptrii cu aplicaii, Bucureti, Editura Tehnic, 1976, p.15-16). n limba romn, pot fi consultate, pe lng
lucrarea menionat, i altele. Citm doar: Gh.Mihoc, G. Ciucu, Introducere n teoria ateptrii, Bucureti, Editura Tehnic, 1967; Gh.
Mihoc, G. Ciucu, A. Muja, Modele matematice ale ateptrii , Bucureti, Editura Academiei, 1973.
14
Aceast regul este numit FIFO (first in first out). Exist i alte reguli de servire: LIFO (last in first out), adic ultimul venit, primul servit
(de exemplu produsele sunt ambalate n cutii i aezate n stiv lng vnztor; servirea se va face prima dat din cutia aezat
deasupra, adic ultima adus etc.); servire aleatoare - cnd fiecare cerere poate fi servit cu aceeai probabilitate; servire cu aplicarea
unor reguli de prioritate; disciplin de servire de tipul urmtor: prima cerere din irul de ateptare este servit numai o perioad de timp
(cuant), dup care, dac cererea a fost satisfcut integral, solicitantul prsete sistemul, dac nu, intr din nou n irul de ateptare
pentru continuarea serviciului (metod utilizat, de exemplu, pentru servirea solicitanilor unui sistem de calcul) .
15
Pentru demonstrarea acestor formule vezi, de exemplu, acad. O. Onicescu, Probabiliti i procese aleatoare, Bucureti, Editura
tiinific i Enciclopedic, 1977, p.486-502; A. M. Lee, Teoria ateptrii cu aplicaii, Bucureti, Editura Tehnic, 1976, p.31-38; G. Boldur
Lescu, I. Scuiu, E. ignescu, Cercetare operaional cu aplicaii n economie, Bucureti, Editura Didactic i Pedagogic, 1979,
p.232-240 .a.
9
02:30
Unitatea de
nvare 3
10
02:40
Unitatea de
nvare 3
Notnd ca mai nainte = / i * = /s, unde s = numrul de uniti care sunt la dispoziia
solicitanilor, atunci:
n f = p0
*
s! (1 - * )2
*
+
n s = p0
s! (1 - * )2
s
t f = p0
s s! (1 - * )2
ts = t f +
s -1 n
n
p0 = +
*
n=0 n! s! (1 - )
-1
Probabilitatea ca toate punctele de servire s fie ocupate la un moment dat (Ps0) se calculeaz:
Pso =
s!
p0
s
s-
P( t f < t 0 ) =
s
e-(s - )t 0 p0
s! s -
Dac s = 2 (numrul de uniti sau puncte de servire), timpul de ateptare n ir este dat de
relaia
t f =
2
2 1
,
/ 1 -
2
n f =
2
2
.
/ 1 -
2
Unitatea de
nvare 3
= 90 persoane pe or;
= 60/1.2 = 50 persoane pe or,
deci
= 90/50 = 1.8
Deoarece > 1, dac solicitanii ar fi servii de un singur vnztor, n sistem s-ar produce o
aglomerare nelimitat. Dac servirea este asigurat de doi vnztori, pentru irul de ateptare
format, factorul de servire va fi
* = /2 = 0.9 < 1
Atunci, potrivit relaiilor prezentate mai sus:
- timpul mediu de ateptare al unui solicitant la coad:
tf = 5.1 minute;
- timpul mediu de ateptare al unui solicitant n sistem:
ts = 6.3 minute;
- numrul mediu de persoane n irul de ateptare:
nf = 7.67 persoane;
- numrul mediu de persoane n sistem:
ns = 9.47 persoane.
Exist modele ale teoriei firelor de ateptare construite i n alte ipoteze, privind natura
repartiiei sosirilor i a timpilor de servire, disciplina de servire, populaia din care sosesc
solicitanii, capacitatea staiilor de servire etc.
Din aceste aspecte prezentate, pentru problema abordat - reducerea timpului necesar realizrii
unui serviciu - se impune precizarea c servirea unui numr ct mai mare de solicitani n unitatea
de timp (n terminologia utilizat n teoria ateptrii, reducerea factorului de serviciu) i deci
reducerea timpului de ateptare se poate realiza prin creterea numrului unitilor de servire, iar n
cadrul acestora a numrului posturilor de servire (vnztori) pentru produsele la care ritmul sosirii
solicitanilor este ridicat. Fie, de exemplu, un produs a crui vnzare necesit 10 minute (alegerea
produsului, proba de funcionare, completarea certificatului de garanie etc.). Dac ntr-o or sosesc
5 solicitani ai produsului respectiv, timpul mediu de ateptare al unui solicitant, n vederea servirii
este, potrivit relaiei prezentate mai sus (cazul s = 1):
tf =
(1 - )
5
6
5
6 1 -
6
12
Unitatea de
nvare 3
2
1
12
= 2
tf =
2
6 1 - (5/12 )
1 -
2
2
adic,
tf = 0.035 ore = 2.1 min.
iar timpul de ateptare n sistem:
ts = 12.1 minute.
Din punctul de vedere al cumprtorului, aceasta nseamn, n medie, o economie de 47.9
minute. Dac n aceeai zon exist dou magazine care desfac produsul respectiv, iar cumprtorii
se mpart ntre acestea, astfel nct la o unitate s soseasc n medie 2.5 solicitani pe or, timpul
mediu de ateptare al unei persoane n vederea servirii este:
tf = 7.2 minute,
iar timpul de ateptare n sistem:
ts = 17.2 minute,
adic o economie de 42.8 minute.
03:10
13
Unitatea de
nvare 3
14
Unitatea de
nvare 3
15
Unitatea de
nvare 3
1.
2.
3.
4.
5.
6.
Lucrri obligatorii
Dobrescu E., 2000, Macromodelul economiei romneti de tranziie, Editura Expert,
Bucureti
Jula D., 2003, Introducere n econometrie, Editura Professional Consulting, Bucureti
Jula N., 2004, Modelarea deciziilor financiar-monetare, Editura Bren, Bucureti
Jula N., 2006, Modelare economic elemente de econometrie aplicat, Editura Mustang,
Bucureti
Jula N., 2006, Modelare economic econometrie aplicat, Editura Cartea Studeneasc,
Bucureti
Jula N., Jula D., 2009, Modelare economic. Econometrie financiar, Editura Mustang,
Bucureti
7. Jula N., Jula D., 2010, Modelare economic. Modele econometrice i de optimizare, Editura
Mustang, Bucureti
8. Pecican E.S., 1996, Macroeconometrie. Politici economice guvernamentale i econometrie,
Editura Economic, Bucureti
1.
2.
3.
4.
5.
6.
Lucrri complementare
Andrei T., 2003, Statistic i econometrie, Editura Economic, Bucureti
Greene W.H., 2000, Econometric analysis, fourth edition, Prentice Hall, New Jersey
Maddala G.S., 2001, Introduction to econometrics, third edition, Wiley, New York
Tanadi A., 2001, Econometrie, Editura ASE, Bucureti
Tnsoiu O., Iacob A.I., 1999, Econometrie aplicat, Editura Arteticart, Bucureti.
Zaman C., 1998, Econometrie, Editura Pro Democraia, Bucureti
16
Unitatea de
nvare 3
1. Procesul de stocare reprezint acumularea unor bunuri n vederea satisfacerii unei cereri
viitoare.
2. Stocul curent reprezint cantitatea de materiale care trebuie s asigure continuitatea produciei n intervalul dintre dou aprovizionri.
3. Costurile implicate n cazul unui proces de stocare se pot grupa n trei categorii:
cl - cheltuielile de lansare a comenzii sunt compuse din suma cheltuielilor efectuate pn
la intrarea produselor n stoc (cheltuielile legate de formularea comenzii, cheltuieli
administrative determinate de operaia de reaprovizionare);
cs - cheltuielile de stocare compuse din cheltuielile de depozitare, ntreinere, asigurare,
imobilizare a capitalului financiar etc. Costul stocrii este, de obicei, proporional cu
cantitatea de bunuri stocat i cu durata depozitrii;
cp - costul de penalizare (cheltuielile de rupere a stocului) reprezint pierderile
nregistrate n situaiile n care cererea de resurse este superioar stocului (amenzi,
ntreruperea produciei, plata despgubirilor pentru producia nelivrat etc.). De
obicei, aceste cheltuieli sunt proporionale cu cantitatea cerut din resursa respectiv
i nesatisfcut i cu durata penuriei.
4. Problema de transport este echilibrat dac suma cantitilor din depozite este egal cu suma
solicitrilor.
5. Algoritmul pentru rezolvarea problemei de transport se bazeaz pe teorema ecarturilor
complementare: dac ui i vj sunt variabile ataate n problema dual restriciilor din
problema de transport, atunci ansamblul de valori ale variabilelor xij, ui i vj (i = 1, ..., m; j =
1, ..., n) constituie programe optimale ale cuplului de probleme de transport dac i numai
dac:
m
n
x
a
,
i
1
,
m
;
x ij b j , j 1, n
ij
i
i 1
j 1
x 0 i 1, m , j 1, n, c u v 0; x c u v 0
ij
i
j
ij
ij
i
j
ij
17
Unitatea de
nvare 4
Modele
Unitatea de
nvare 4
Modele
00:00
Y = f(X, e),
unde Y este variabila endogen, X variabila exogen,
iar e reprezint un factor perturbator, de natur
aleatoare.
00:10
Unitatea de
nvare 4
Modele
00:35
Y
Y a0 a1X
Yt
ut
Yt a0 a 1X t
Xt
Y
n
a
a
0
1 Xt
t
t 1
t 1
n
n
n
X t Yt a 0 X t a1 X t2
t 1
t 1
t 1
Ipoteza I-1:
linearitatea modelului.
Ipoteza I-2:
Ipoteza I-3:
Ipoteza I-4:
Ipoteza I-5:
00:50
Unitatea de
nvare 4
Modele
Ipoteza I-6:
Ipoteza I-7:
Proprietatea P-1:
Proprietatea P-2:
Proprietatea P-2':
Proprietatea P-3:
Proprietatea P-4:
Proprietatea P-5:
01:15
n subcapitolul precedent a fost analizat un caz simplu, al dependenei lineare dintre dou
variabile X i Y, sub forma Y = f(X, e). De cele mai multe ori ns, intercondiionrile dintre
procesele economice sunt mult mai complexe, astfel nct evoluia unei variabile Y nu depinde de
un singur factor, ci de o serie de factori. De exemplu, inflaia este un proces economic deosebit de
complex, care depinde de evoluia salariilor n economie, de dinamica productivitii muncii, de
cursul de schimb al monedei naionale, de ratele dobnzii, de preurile la energie pe plan
internaional etc.
16
Pentru demonstraia proprietilor vezi Jula D., 2003, Introducere n econometrie, Editura Professional Consulting, Bucureti, cap.2,
anexele 2.A.6 2.A.10, pag.56-70.
4
Unitatea de
nvare 4
Modele
2.2.1. Estimarea parametrilor din modelul linear multifactorial metoda celor mai mici
ptrate
Presupunem c printr-o cercetare selectiv sunt obinute n nregistrri. Fiecare nregistrare
conine o singur valoare pentru variabila Y i cte o valoare pentru fiecare dintre variabilele
explicative.
Scriem Xit valoarea variabilei i, n nregistrarea t, unde
i 1, k ,
iar
t 1, n .
1
Y2
Y Y3 , X 1
1
Y
X 11
X 12
X 13
X 1n
X k1
e1
a0
X k2
e2
a1
X k 3 A a 2 , e e3
X kn
n
ak
X 21
X 22
X 23
X 2n
unde:
Y este un vector coloan, de dimensiuni n 1, care are drept componente cele n nregistrri ale
variabilei explicate (endogene),
X este o matrice de dimensiuni n (k+1), care conine n prima coloan (ataat termenului
liber) constanta 1, iar n celelalte k coloane nregistrrile pentru fiecare dintre cele k variabile
explicative;
A este un vector coloan, de dimensiuni (k+1) 1, care include cei k+1 parametri ai
modelului;
e
este un vector coloan, de dimensiuni n 1, care include cele n valori ale variabilei de
abatere (erorile din ecuaie de regresie)
Y = XA + e.
Dac se selecteaz valorile obinute n nregistrarea t pentru variabilele din ecuaia precedent,
atunci
01:25
Unitatea de
nvare 4
Modele
u
a
n
k
Valorile i u depind de eantionul selectat i de metoda de estimare aleas.
Cea mai cunoscut procedur de calcul a estimatorilor pentru parametrii modelului linear
multifactorial este metoda celor mai mici ptrate. Se demonstreaz c valorile 0, 1, , k, care
minimizeaz suma ptratelor reziduurilor se calculeaz astfel:
= (X'X)-1X'Y
(Vezi demonstraia n referinele bibliografice i n exemplele de calcule)
Unitatea de
nvare 4
Modele
2.2.3. Proprieti ale estimatorilor calculai prin metoda celor mai mici ptrate
02:00
Dac ipotezele modelului sunt respectate, atunci estimatorii calculai prin metoda celor mai
mici ptrate pentru modelul multifactorial de regresie linear au anumite proprieti.
Veniturile
Volumul
Nr.
populaiei economiilor
crt.
(X)
(Y)
1
100
20
110
25
120
28
125
30
130
33
02:10
Unitatea de
nvare 4
Modele
Veniturile
Volumul
Nr.
populaiei economiilor
crt.
(X)
(Y)
6
140
35
150
36
155
42
170
44
10
170
42
11
180
45
12
185
50
13
190
47
14
200
48
15
205
52
16
210
58
17
215
54
18
220
55
19
220
58
20
225
60
Unitatea de
nvare 4
Modele
t = -6.40793 + 0.28952Xt.
Dreapta de regresie este prezentat n figura 2-3.
De asemenea, se pot calcula reziduurile din ecuaia de regresie, adic abaterile dintre valorile
nregistrate ale variabilei endogene (Yt) i valorile estimate pe baza modelului (t):
ut = Yt t
Valorile variabilei reziduale ut sunt date n coloana 6 a tabelului 2-1.
70
60
Y = - 6.4079 +0.2895X
R 2 = 0.9719
50
40
30
20
10
75
100
125
150
175
200
225
250
Dinamica
veniturilor
populaiei
Evoluia ratei
reale a
dobnzii pasive
Dinamica
depozitelor
bancare
(X1t)
(X2t)
(Yt)
0.5
4.1
0.3
1.0
4.2
0.8
1.2
4.0
0.3
-0.3
4.1
-0.5
2.1
3.8
0.8
2.3
4.2
1.4
1.2
3.8
0.2
1.0
3.9
0.7
Nr.crt.
Unitatea de
nvare 4
Modele
Dinamica
veniturilor
populaiei
Evoluia ratei
reale a
dobnzii pasive
Dinamica
depozitelor
bancare
(X1t)
(X2t)
(Yt)
0.8
3.9
0.0
10
0.0
3.8
-0.7
11
-0.6
3.8
-1.0
12
2.2
3.8
1.3
13
1.4
4.2
1.0
14
2.0
3.9
1.2
15
2.3
4.2
1.7
16
1.1
3.8
0.4
17
0.8
3.9
0.6
18
-0.5
4.1
-0.9
19
-1.4
3.9
-1.4
20
0.2
4.1
-0.2
21
1.8
4.2
1.5
22
2.2
3.8
0.9
23
2.1
4.1
1.0
24
1.5
4.2
0.7
25
1.8
3.8
1.2
Nr.crt.
Datele sunt reprezentate grafic n figura 2-4. Modelul linear bi-factorial se scrie:
Yt = a0 + a1X1t + a2X2t + et.
Vectorul estimatorilor se calculeaz dup relaia:
= (X'X)-1X'Y.
10
Unitatea de
nvare 4
Modele
5.0
X1
X2
4.0
3.0
2.0
1.0
0.0
-1.0
11 13 15 17 19 21 23 25
-2.0
de unde:
( X ' X ) 0.046
0.039 0.022
6.121 0.022 1.542
De asemenea,
11.3
X 'Y 31.75 .
45.86
Rezult:
3.78693
A 0.75722
0.860999
11
Unitatea de
nvare 4
Modele
12
Unitatea de
nvare 4
Modele
13
Unitatea de
nvare 4
Modele
Lucrri obligatorii
1. Dobrescu E., 2000, Macromodelul economiei romneti de tranziie, Editura Expert,
Bucureti
2. Jula D., 2003, Introducere n econometrie, Editura Professional Consulting, Bucureti
3. Jula N., 2004, Modelarea deciziilor financiar-monetare, Editura Bren, Bucureti
4. Jula N., 2006, Modelare economic elemente de econometrie aplicat, Editura Mustang,
Bucureti
5. Jula N., 2006, Modelare economic econometrie aplicat, Editura Cartea Studeneasc,
Bucureti
6. Jula N., Jula D., 2009, Modelare economic. Econometrie financiar, Editura Mustang,
Bucureti
7. Jula N., Jula D., 2010, Modelare economic. Modele econometrice i de optimizare, Editura
Mustang, Bucureti
8. Pecican E.S., 1996, Macroeconometrie. Politici economice guvernamentale i econometrie,
Editura Economic, Bucureti
1.
2.
3.
4.
5.
6.
Lucrri complementare
Andrei T., 2003, Statistic i econometrie, Editura Economic, Bucureti
Greene W.H., 2000, Econometric analysis, fourth edition, Prentice Hall, New Jersey
Maddala G.S., 2001, Introduction to econometrics, third edition, Wiley, New York
Tanadi A., 2001, Econometrie, Editura ASE, Bucureti
Tnsoiu O., Iacob A.I., 1999, Econometrie aplicat, Editura Arteticart, Bucureti.
Zaman C., 1998, Econometrie, Editura Pro Democraia, Bucureti
14
Unitatea de
nvare 4
Modele
3. Dac n modelul de regresie linear, variabila exogen are dispersia nenul, dar finit i este
independent fa de erori, iar erorile sunt variabile aleatoare independente ntre ele, normal
distribuite, cu medie zero i dispersia constant, atunci estimatorii obinui prin metoda celor
mai mici ptrate sunt lineari, nedeplasai (consisteni), eficieni, normal distribuii i de
maxim verosimilitate.
4. I1M: Linearitatea modelului.
I2M: Ipotezele referitoare la variabilele explicative
a.
Unitatea de
nvare 4
Modele
b.
c.
d.
Nu exist nici o relaie linear ntre dou sau mai multe variabile explicative
(absena colinearitii)
b.
c.
d.
16
Unitatea de
nvare 5
Teste de semnificaie
Unitatea de
nvare 5
Teste de semnificaie
modelul
00:00
s u2
2
t
t 1
n2
X2
sa20 su2
n X X 2
t
s a21 s u2
a erorilor e2 .
Abaterile standard ale variabilelor aleatoare u, 0 i 1, adic su, s a0 i sa1 se calculeaz prin
extragerea rdcinii ptrate din valorile corespunztoare ale dispersiilor.
S A2 su2 X ' X ,
1
unde
su2
1
u' u
n k 1
17
00:23
Unitatea de
nvare 5
Teste de semnificaie
i 0, k .
00:30
ta i
ai
sa i
urmeaz o distribuie Student cu n 2 grade de libertate (i = 0 sau 1). Se respinge ipoteza nul
H0: i = 0 (X nu influeneaz Y) dac valoarea absolut a acestui test este mai mare dect o valoare
critic obinut din tabelele distribuiei t (Student).
Algoritmul de testare a semnificaiei estimatorilor este prezentat n exemplul de calcul.
Observaie: Dac valoarea unui estimator este negativ, fie se testeaz t ai t n 2, , fie statisticile t
se calculeaz n modul i se urmeaz procedura prezentat.
01:00
Unitatea de
nvare 5
Teste de semnificaie
Tabelul 3-1: Legtura dintre veniturile populaiei (Y) i volumul economiilor (X)
t
Xt
Yt
100
20
110
25
120
28
125
30
130
33
140
35
150
36
155
42
170
44
10
170
42
11
180
45
12
185
50
13
190
47
14
200
48
15
205
52
16
210
58
17
215
54
18
220
55
19
220
58
20
225
60
3420
862
Unitatea de
nvare 5
Teste de semnificaie
s a2 0.000135
1
sa = 0.0116
1
a0
6.4079
3.146
sa
2.0369
0
t a
1
a1 0.28952
24.958
sa
0.0116
0
- testul unilateral
0.10
18
0.05 0.025
3.922
Rezult:
*
*
t18
;0.005 2.878 t a 3.146 t18;0.0005 3.922 ,
0
deci estimatorul 0 poate fi garantat statistic cu un grad de ncredere mai mare dect 99.5%, dar nu
poate fi garantat 99.95%. Gradul de ncredere exprim ansele de respingere a ipotezei nule
(potrivit creia estimatorul 0 nu difer semnificativ de zero) i este calculat dup relaia (1
)100%, iar
*
t a 24.958 t18
;0.0005 3.922 .
1
Aceasta nseamn c ipoteza potrivit creia estimatorul 1 este semnificativ diferit de zero este
acceptat cu un grad de ncredere mai mare de 99.95%.
Rezultatele permit o prim evaluare a modelului unifactorial de regresie linear: sub rezerva
verificrii i a celorlalte ipoteze (discutate n modulele anterioare), analiza semnificaiei
estimatorilor sugereaz existena unei legturi semnificative ntre veniturile populaiei i volumul
economiilor.
Calculele precedente pot fi realizate prin utilizarea unor programe specializate. Un astfel de
program este Econometric Views. Rezolvarea problemei cu ajutorul acestui program duce la
obinerea urmtoarelor rezultate:
Variabila dependent: Y
Metoda de rezolvare: Metoda celor mai mici ptrate
Eantionul: 1 20
19
Unitatea de
nvare 5
Teste de semnificaie
Observaii incluse: 20
Parametrii
Estimatorii
Ab.std.
t-statistic
alfa
a0
-6.407933 2.036906
-3.145915
0.0056
a1
0.289520 0.011612
24.93383
0.0000
R2
0.971862
Media var.endog.
43.10000
R2 ajustat
0.970298
Ab.std. var.endog.
11.79161
Ab.std.a regresiei
2.032185
4.350739
74.33595
Schwarz criterion
4.450313
F-statistic
621.6959
Prob(F-statistic)
0.000000
Log likelihood
Durbin-Watson stat
-41.50739
1.939666
Figura 3-2a: Rezolvarea problemelor de regresie linear unifactorial cu ajutorul programului Excel
din pachetul Microsoft Office: utilizarea opiunii Regression
01:45
Unitatea de
nvare 5
Teste de semnificaie
Tabelul 3-2: Dinamica veniturilor populaiei (X1t), evoluia ratei reale a dobnzii pasive (X2t) i
dinamica depozitelor bancare (Yt). modelul linear multifactorial
t
X1t
X2t
Yt
0.5
4.1
0.3
1.0
4.2
0.8
1.2
4.0
0.3
-0.3
4.1
-0.5
2.1
3.8
0.8
2.3
4.2
1.4
1.2
3.8
0.2
1.0
3.9
0.7
0.8
3.9
0.0
10
0.0
3.8
-0.7
11
-0.6
3.8
-1.0
12
2.2
3.8
1.3
13
1.4
4.2
1.0
14
2.0
3.9
1.2
15
2.3
4.2
1.7
16
1.1
3.8
0.4
17
0.8
3.9
0.6
18
-0.5
4.1
-0.9
19
-1.4
3.9
-1.4
20
0.2
4.1
-0.2
21
1.8
4.2
1.5
22
2.2
3.8
0.9
23
2.1
4.1
1.0
Unitatea de
nvare 5
Teste de semnificaie
X1t
X2t
Yt
24
1.5
4.2
0.7
25
1.8
3.8
1.2
26.7
99.6
11.3
Se determin
s a0 1.198
s a1 0.048
s a 2 0.301
Sstatisticile testului de semnificaie sunt:
ta0 3.16
t a1 15.72
t a1 2.86
Din tabelele distribuiei t-Student, pentru numrul gradelor de libertate
df = n 2 1 = 22,
n cazul testului unilateral se identific urmtoarele valori:
Numrul gradelor de libertate
22
testul unilateral
0.10
0.05 0.025
3.792
Rezult:
*
*
t 22
; 0.005 2.819 t a 0 t 22; 0.0005 3.792
deci estimatorul 0 poate fi garantat statistic cu un grad de ncredere mai mare dect 99.5%, dar nu
poate fi garantat 99.95%.
La fel ca n cazul modelului unifactorial, gradul de ncredere exprim ansele de respingere a
ipotezei nule (potrivit creia estimatorul 0 nu difer semnificativ de zero) i este calculat dup
relaia (1 )100%.
Estimatorul 1 este semnificativ diferit de zero cu un grad de ncredere mai mare de 99.95%,
deoarece
*
t a1 15.72 t 22
; 0.0005 3.792 .
Unitatea de
nvare 5
Teste de semnificaie
De asemenea,
*
*
t 22
; 0.005 2.819 t a 2 t 22; 0.0005 3.792
ceea ce nseamn c estimatorul 2 poate fi garantat statistic cu un grad de ncredere mai mare de
99.5%, dar mai mic de 99.95%.
La fel ca n cazul modelului unifactorial, prezentm, pentru comparaie, rezultatele obinute cu
ajutorul programului EViews:
Variabila dependent: Y
Metoda de rezolvare: Metoda celor mai mici ptrate
Eantionul: 1 25
Observaii incluse: 25
Parametrii
Estimatorii
-3.786930
X1
X2
Ab.std.
t-Statistic
alfa
1.197995 -3.161057
0.0045
0.757220
0.048174
15.71857
0.0000
0.860999
0.301339
2.857241
0.0092
R2
0.923464
Media var.endog.
0.452000
R2 ajustat
0.916506
Ab.std. var.endog.
0.839702
Ab.std.a regresiei
0.242635
0.117647
1.295176
Schwarz criterion
0.263913
Log likelihood
1.529406
F-statistic
132.7229
Durbin-Watson stat
2.059123
Prob(F-statistic)
0.000000
Rezultatele permit o prim evaluare a modelului: sub rezerva verificrii i a celorlalte ipoteze
discutate n modulele anterioare, analiza semnificaiei estimatorilor sugereaz existena unei relaii
semnificative ntre dinamica depozitelor bancare (Yt) i dinamica veniturilor populaiei (X1t),
respectiv evoluia ratei reale a dobnzii pasive (X2t).
02:30
Unitatea de
nvare 5
Teste de semnificaie
10
Unitatea de
nvare 5
Teste de semnificaie
su2
u
t 1
2
t
n2
1
X2
s a20 su2
2
n
X t X
s a21 s u2
s u2
1
u' u
n k 1
11
Unitatea de
nvare 5
Teste de semnificaie
t ai
a i
s ai
12
Unitatea de
nvare 5
1.
2.
3.
4.
5.
6.
Teste de semnificaie
Lucrri obligatorii
Dobrescu E., 2000, Macromodelul economiei romneti de tranziie, Editura Expert,
Bucureti
Jula D., 2003, Introducere n econometrie, Editura Professional Consulting, Bucureti
Jula N., 2004, Modelarea deciziilor financiar-monetare, Editura Bren, Bucureti
Jula N., 2006, Modelare economic elemente de econometrie aplicat, Editura Mustang,
Bucureti
Jula N., 2006, Modelare economic econometrie aplicat, Editura Cartea Studeneasc,
Bucureti
Jula N., Jula D., 2009, Modelare economic. Econometrie financiar, Editura Mustang,
Bucureti
7. Jula N., Jula D., 2010, Modelare economic. Modele econometrice i de optimizare, Editura
Mustang, Bucureti
8. Pecican E.S., 1996, Macroeconometrie. Politici economice guvernamentale i econometrie,
Editura Economic, Bucureti
1.
2.
3.
4.
5.
6.
Lucrri complementare
Andrei T., 2003, Statistic i econometrie, Editura Economic, Bucureti
Greene W.H., 2000, Econometric analysis, fourth edition, Prentice Hall, New Jersey
Maddala G.S., 2001, Introduction to econometrics, third edition, Wiley, New York
Tanadi A., 2001, Econometrie, Editura ASE, Bucureti
Tnsoiu O., Iacob A.I., 1999, Econometrie aplicat, Editura Arteticart, Bucureti.
Zaman C., 1998, Econometrie, Editura Pro Democraia, Bucureti
13
Unitatea de
nvare 5
Teste de semnificaie
su2
u
t 1
2
t
n2
14
Unitatea de
nvare 6
Heteroscedasticitatea erorilor
PARTEA A II A: ECONOMETRIE
Unitatea de nvare 6: HETEROSCEDASTICITATEA ERORILOR
Cuprins:
4.1. Consecine ale heteroscedasticitii
4.2. Testarea heteroscedasticitii
4.2.1. Testul GoldfeldQuandt
4.2.2. Testul Breusch-Pagan
4.2.3. Testul White
4.3. Atenuarea heteroscedasticitii
4.4. Aplicaii testarea i atenuarea heteroscadasticitii
4.4.1. Testul GoldfeldQuandt pentru modelul unifactorial
4.4.2. Testul GoldfeldQuandt pentru modelul multifactorial
Unitatea de
nvare 6
Heteroscedasticitatea erorilor
00:00
a. Estimatorii parametrilor
nedeplasai i consisteni.
din
model
sunt
00:10
Pentru modelul unifactorial de regresie, cea mai simpl metod de detectare a fenomenului de
heteroscedasticitate a erorilor const n reprezentarea grafic ntr-un sistem de coordonate XOY a
cuplurilor de puncte (Xt,Yt). Evident, procedura grafic este imprecis, este ntr-o anumit msur
subiectiv i, ca atare, are aplicabilitate limitat. De aceea, au fost construite teste statistice care s
identifice heteroscedasticitatea erorilor. Cele mai cunoscute sunt: testul GoldfeldQuandt, testul
BreuschPagan i testul White.
4.2.1. Testul GoldfeldQuandt
Procedura GoldfeldQuandt este folosit pentru testarea ipotezei nule H0, care presupune lipsa
heteroscedasticitii erorilor, contra ipotezei alternative H1, care admite faptul c dispersia erorilor
este corelat cu valorile uneia dintre variabilele explicative (de exemplu, dispersia erorilor crete pe
2
00:15
Unitatea de
nvare 6
Heteroscedasticitatea erorilor
msur ce cresc valorile acelei variabile explicative care este considerat ca fiind relevant). Pentru
aplicarea testului se admite faptul c o astfel de variabil explicativ relevant poate fi identificat.
4.2.2. Testul Breusch-Pagan
00:30
t2 = Var(et).
Dac
1 = 2 = ... = p = 0,
atunci dispersia estimatorilor este constant t2 0 i erorile nu sunt heteroscedastice. De aceea,
prin procedura propus de Breusch i Pagan se testeaz ipoteza nul H0: 1 = 2 = ... = p = 0,
contra ipotezei alternative H1: exist cel puin o valoare i nenul (i 0).
4.2.3. Testul White
00:45
2. Se calculeaz modelul
u2t
pentru care se calculeaz coeficientul de determinare multipl R2. Dac oricare dintre parametrii
este semnificativ, valoarea coeficientului de determinare R2 va fi semnificativ.
3. Dac nR 2 p2 0.05 atunci fenomenul de heteroscedasticitate a erorilor este prezent cu o
probabilitate de 95%.
4.3. Atenuarea heteroscedasticitii
00:55
Unitatea de
nvare 6
Heteroscedasticitatea erorilor
(X)
(Y)
100
20
110
25
120
28
125
30
130
33
140
35
150
36
155
42
170
44
10
170
42
11
180
45
12
185
50
13
190
47
14
200
48
15
205
52
16
210
58
17
215
54
4
01:00
Unitatea de
nvare 6
Heteroscedasticitatea erorilor
Nr.crt.
(X)
(Y)
18
220
55
19
220
58
20
225
60
01:15
Estimatorii
Ab.std.
t-Statistic
alfa
0.0098
0.320342 0.022192
14.43516
0.0000
R2
0.963027
Media var.exog.
33.50000
R2 ajustat
0.958405
Ab.std.var.exog.
7.891627
Ab.std.regresie
1.609479
Unitatea de
nvare 6
Heteroscedasticitatea erorilor
Schwarz criterion
4.027072
Log likelihood
F-statistic
208.3739
Prob(F-statistic)
0.000001
-17.83277
Durbin-Watson stat
2.070122
Modelul M2 este estimat prin metoda celor mai mici ptrate, pornind de la eantionul prezentat n
tabelul 4-2 sub denumirea de "seria 2". Au fost obinute urmtoarele rezultate:
M 2: t = -6.97778 + 0.291111Xt.
Rezolvarea n detaliu este prezentat n tabelul EViews urmtor:
Variabila dependent: Y
Metoda de rezolvare: Metoda celor mai mici ptrate (vezi modulele anterioare)
Eantionul: 11 20
Observaii incluse: 10
Parametrii
Estimatorii
C
X
Ab.std
t-Statistic
alfa
0.5270
0.291111 0.051328
5.671580
0.0005
R2
0.800831
Media var.exog.
52.70000
R2 ajustat
0.775934
Ab.std.var.exog.
5.143496
Ab.std.regresie
2.434703
Schwarz criterion
4.854900
Log likelihood
F-statistic
32.16682
Prob(F-statistic)
0.000470
-21.97191
Durbin-Watson stat
2.160603
Seriile de date i elementele utilizate n calculul testului sunt descrise, n detaliu n tabelul 4-4.
Pornind de la rezultatele obinute, se calculeaz:
20
VTR2
Fc
VTR1
2
t
2
t
t 11
10
t 1
47.4222
2.29
20.7234
Unitatea de
nvare 6
Heteroscedasticitatea erorilor
Nr.crt.
Dinamica
veniturilor
populaiei
(X1t)
Evoluia ratei
reale a
dobnzii
pasive
(X2t)
Dinamica
depozitelor
bancare
(Yt)
0.5
4.1
0.3
1.0
4.2
0.8
1.2
4.0
0.3
-0.3
4.1
-0.5
2.1
3.8
0.8
2.3
4.2
1.4
1.2
3.8
0.2
1.0
3.9
0.7
0.8
3.9
0.0
10
0.0
3.8
-0.7
11
-0.6
3.8
-1.0
12
2.2
3.8
1.3
13
1.4
4.2
1.0
14
2.0
3.9
1.2
15
2.3
4.2
1.7
16
1.1
3.8
0.4
17
0.8
3.9
0.6
01:50
Unitatea de
nvare 6
Heteroscedasticitatea erorilor
Nr.crt.
Dinamica
veniturilor
populaiei
(X1t)
Evoluia ratei
reale a
dobnzii
pasive
Dinamica
depozitelor
bancare
(Yt)
(X2t)
18
-0.5
4.1
-0.9
19
-1.4
3.9
-1.4
20
0.2
4.1
-0.2
21
1.8
4.2
1.5
22
2.2
3.8
0.9
23
2.1
4.1
1.0
24
1.5
4.2
0.7
25
1.8
3.8
1.2
X1t
X2t
Yt
-1.4
3.9
-1.4
-0.6
3.8
-1.0
-0.5
4.1
-0.9
-0.3
4.1
-0.5
0.0
3.8
-0.7
0.2
4.1
-0.2
0.5
4.1
0.3
0.8
3.9
0.0
Unitatea de
nvare 6
Heteroscedasticitatea erorilor
Nr.crt.
X1t
X2t
Yt
0.8
3.9
0.6
10
1.0
4.2
0.8
11
1.0
3.9
0.7
12
1.1
3.8
0.4
13
1.2
4.0
0.3
14
1.2
3.8
0.2
15
1.4
4.2
1.0
16
1.5
4.2
0.7
17
1.8
4.2
1.5
18
1.8
3.8
1.2
19
2.0
3.9
1.2
20
2.1
3.8
0.8
21
2.1
4.1
1.0
22
2.2
3.8
1.3
23
2.2
3.8
0.9
24
2.3
4.2
1.4
25
2.3
4.2
1.7
n al doilea rnd, se divide volumul eantionului n dou pri egale, dup eliminarea
observaiilor situate n mijlocul eantionului. Egalitatea celor dou pri nu reprezint o condiie
obligatorie a procedurii GoldfeldQuandt.
Concret, din eantionul prezentat n tabelul precedent s-a eliminat observaia numerotat cu
t = 13, astfel nct prima parte a eantionului cuprinde primele 12 nregistrri (pentru t de la 1 la
12), iar cea de-a doua parte, ultimele 12 nregistrri (pentru t de la 14 la 25).
Potrivit algoritmului GoldfeldQuandt, se aplic metoda celor mai mici ptrate pentru calculul
estimatorilor separat pentru cele dou serii de date. Astfel, pornind de la seria 1, se estimeaz
parametrii modelului
M1: Yt = a0 + a1X1t + a2X2t + et, t = 1, 2, ..., 12
i, separat, pornind de la seria 2 se estimeaz parametrii modelului
M2: Yt = a0 + a1X1t + a2X2t + et, t = 14, 15, ..., 25.
02:30
Unitatea de
nvare 6
Heteroscedasticitatea erorilor
Modelul M1 este estimat prin metoda celor mai mici ptrate, pornind de la eantionul prezentat
n tabelul 4-6 sub denumirea de "seria 1". Au fost obinute urmtoarele rezultate:
M 1: t = -3.6176 + 0.8805X1t + 0.8240X2t.
Rezolvarea n detaliu cu ajutorul programului EViews este prezentat n tabelul urmtor.
Variabila dependent: Y
Metoda de rezolvare: Metoda celor mai mici ptrate
Eantionul: 1 12
Observaii incluse: 12
Parametrii
Estimatorii
Ab.std
t-Statistic
alfa
-3.617605
1.805439
-2.003725
0.0761
X1
0.880510
0.082618
10.65757
0.0000
X2
0.823990
0.455063
1.810718
0.1036
R2
0.929610
Media var.exog.
-0.158333
R2 ajustat
0.913968
Ab.std.var.exog.
0.737882
Ab.std.regresie
0.216430
0.421577
Schwarz criterion
0.110444
Log likelihood
3.064694
F-statistic
59.42960
Durbin-Watson stat
2.248162
Prob(F-statistic)
0.000007
-0.010782
Modelul M2 este estimat prin metoda celor mai mici ptrate, pornind de la eantionul prezentat
n tabelul 4-2 sub denumirea de "seria 2". Au fost obinute urmtoarele rezultate:
M 2: t = -3.967 + 0.77354X1t+ 0.9097X2t.
Rezolvarea n detaliu cu ajutorul programului EViews este prezentat n tabelul urmtor.
Variabila dependent: Y
Metoda de rezolvare: Metoda celor mai mici ptrate
Data: 11/20/03 Ora: 12:47
02:50
Eantionul: 14 25
Observaii incluse: 12
Parametrii
C
Estimatorii
t-Statistic
alfa
0.0486
10
Ab.std
Unitatea de
nvare 6
Heteroscedasticitatea erorilor
Parametrii
Estimatorii
Ab.std
t-Statistic
alfa
X1
0.735366 0.220423
3.336162
0.0087
X2
0.909669 0.417831
2.177123
0.0574
R2
0.630303
Media var.exog.
1.075000
R2 ajustat
0.548148
Ab.std.var.exog.
0.402549
Ab.std.regresie
0.270593
Schwarz criterion
0.557143
Log likelihood
0.384502
F-statistic
7.672123
Durbin-Watson stat
1.933999
Prob(F-statistic)
0.011358
VTR2
Fc
VTR1
2
t
2
t
t 14
12
t 1
0.6590
1.56
0.4216
11
03:00
Unitatea de
nvare 6
Heteroscedasticitatea erorilor
12
Unitatea de
nvare 6
Heteroscedasticitatea erorilor
c.
Estimatorii calculai pentru dispersia i covariana
parametrilor sunt deplasai, nu sunt consisteni i nu sunt
eficieni.
d.
Testul t Student aplicat pentru analiza semnificaiei
estimatorilor nu este valid.
e.
Estimatorii parametrilor nu au proprietatea de maxim
verosimilitate.
13
Unitatea de
nvare 6
Heteroscedasticitatea erorilor
Lucrri obligatorii
1. Dobrescu E., 2000, Macromodelul economiei romneti de tranziie, Editura Expert,
Bucureti
2. Jula D., 2003, Introducere n econometrie, Editura Professional Consulting, Bucureti
3. Jula N., 2004, Modelarea deciziilor financiar-monetare, Editura Bren, Bucureti
4. Jula N., 2006, Modelare economic elemente de econometrie aplicat, Editura Mustang,
Bucureti
5. Jula N., 2006, Modelare economic econometrie aplicat, Editura Cartea Studeneasc,
Bucureti
6. Jula N., Jula D., 2009, Modelare economic. Econometrie financiar, Editura Mustang,
Bucureti
7. Jula N., Jula D., 2010, Modelare economic. Modele econometrice i de optimizare, Editura
Mustang, Bucureti
8. Pecican E.S., 1996, Macroeconometrie. Politici economice guvernamentale i econometrie,
Editura Economic, Bucureti
Lucrri complementare
7. Andrei T., 2003, Statistic i econometrie, Editura Economic, Bucureti
8. Greene W.H., 2000, Econometric analysis, fourth edition, Prentice Hall, New Jersey
9. Maddala G.S., 2001, Introduction to econometrics, third edition, Wiley, New York
10. Tanadi A., 2001, Econometrie, Editura ASE, Bucureti
11. Tnsoiu O., Iacob A.I., 1999, Econometrie aplicat, Editura Arteticart, Bucureti.
12. Zaman C., 1998, Econometrie, Editura Pro Democraia, Bucureti
14
Unitatea de
nvare 6
Heteroscedasticitatea erorilor
b.
c.
d.
Testul t Student aplicat pentru analiza semnificaiei estimatorilor nu este valid. Dac
dispersia erorilor i variaia factorului explicativ sunt pozitiv corelate, atunci
dispersia corect a parametrului a1 este subestimat, astfel nct calculele sugereaz
o precizie a estimrii mai bun dect este n realitate.
e.
3. Cele mai cunoscute sunt: testul GoldfeldQuandt, testul BreuschPagan i testul White.
15
Unitatea de
nvare 7
Unitatea de
nvare 7
Cum se testeaz
heteroscedasticitatea
prin testul White?
Cum se atenueaz
hetersocedasticitatea
n cazul n care
aceasta este
depistat?
Luna
Ctigul salarial
Economiile
populaiei
mil.lei (EP)
mil.lei/pers (SNN)
EPt
D(EPt)
SNNt
D(SNNt)
Ianuarie - 97
9.368
0.397
Februarie - 97
10.017
0.649
0.456
0.059
Martie - 97
10.981
0.965
0.507
0.051
Aprilie - 97
12.052
1.071
0.592
0.085
Mai - 97
13.491
1.439
0.568
-0.024
Iunie - 97
14.566
1.075
0.581
0.013
20
Datele sunt extrase din Bilanul monetar agregat al bncilor pasive interne depozite ale clienilor nebancari Economii ale
populaiei (milioane lei, la sfritul perioadei) Banca Naional a Romniei, Buletin lunar, 1/1997-9/2003.
2
00:00
Unitatea de
nvare 7
Luna
Ctigul salarial
Economiile
populaiei
mil.lei (EP)
mil.lei/pers (SNN)
EPt
D(EPt)
SNNt
D(SNNt)
Iulie - 97
15.405
0.839
0.622
0.041
August - 97
15.766
0.361
0.651
0.029
Septembrie - 97
16.287
0.521
0.710
0.060
Octombrie - 97
16.934
0.647
0.797
0.087
Noiembrie - 97
17.701
0.767
0.821
0.024
Decembrie - 97
20.166
2.464
0.940
0.120
Ianuarie - 98
20.793
0.628
0.884
-0.056
Februarie - 98
21.891
1.098
0.879
-0.006
Martie - 98
22.426
0.536
0.954
0.076
Aprilie - 98
23.380
0.954
1.045
0.091
Mai - 98
24.429
1.049
0.999
-0.046
Iunie - 98
25.153
0.724
1.041
0.041
Iulie - 98
25.797
0.644
1.099
0.058
August - 98
26.368
0.570
1.123
0.024
Septembrie - 98
26.627
0.259
1.140
0.017
Octombrie - 98
27.306
0.679
1.171
0.031
Noiembrie - 98
28.227
0.921
1.192
0.021
Decembrie - 98
30.967
2.739
1.360
0.169
Ianuarie - 99
32.484
1.517
1.241
-0.119
Februarie - 99
32.959
0.475
1.294
0.053
Martie - 99
32.110
-0.849
1.411
0.117
Aprilie - 99
30.943
-1.167
1.480
0.068
Mai - 99
29.674
-1.269
1.460
-0.019
Unitatea de
nvare 7
Luna
Ctigul salarial
Economiile
populaiei
mil.lei (EP)
mil.lei/pers (SNN)
EPt
D(EPt)
SNNt
D(SNNt)
Iunie - 99
30.215
0.541
1.514
0.053
Iulie - 99
32.209
1.994
1.604
0.090
August - 99
33.221
1.012
1.624
0.020
Septembrie - 99
34.178
0.957
1.630
0.006
Octombrie - 99
34.710
0.532
1.657
0.027
Noiembrie - 99
35.086
0.376
1.752
0.095
Decembrie - 99
39.238
4.152
1.990
0.238
Ianuarie - 00
40.735
1.497
1.726
-0.264
Februarie - 00
41.922
1.187
1.748
0.022
Martie - 00
42.988
1.066
1.907
0.159
Aprilie - 00
43.039
0.051
2.136
0.229
Mai - 00
42.599
-0.440
2.030
-0.106
Iunie - 00
43.253
0.654
2.104
0.074
Iulie - 00
43.624
0.371
2.172
0.068
August - 00
43.090
-0.534
2.220
0.048
Septembrie - 00
42.328
-0.762
2.273
0.053
Octombrie - 00
41.095
-1.233
2.357
0.084
Noiembrie - 00
40.827
-0.268
2.497
0.140
Decembrie - 00
44.549
3.722
2.912
0.414
Ianuarie - 01
45.829
1.280
2.738
-0.174
Februarie - 01
46.923
1.094
2.596
-0.142
Martie - 01
48.382
1.459
2.819
0.223
Aprilie - 01
49.755
1.374
3.025
0.206
Unitatea de
nvare 7
Luna
Ctigul salarial
Economiile
populaiei
mil.lei (EP)
mil.lei/pers (SNN)
EPt
D(EPt)
SNNt
D(SNNt)
Mai - 01
50.697
0.942
2.915
-0.110
Iunie - 01
52.348
1.651
2.981
0.066
Iulie - 01
53.138
0.790
3.124
0.142
August - 01
54.030
0.892
3.135
0.011
Septembrie - 01
55.327
1.297
3.125
-0.010
Octombrie - 01
56.761
1.434
3.210
0.086
Noiembrie - 01
58.670
1.909
3.314
0.104
Decembrie - 01
63.706
5.037
3.660
0.345
Ianuarie - 02
65.542
1.836
3.672
0.012
Februarie - 02
67.766
2.224
3.464
-0.207
Martie - 02
70.378
2.612
3.666
0.202
Aprilie - 02
72.443
2.065
3.966
0.299
Mai - 02
73.852
1.409
3.795
-0.170
Iunie - 02
75.447
1.594
3.806
0.011
Iulie - 02
77.508
2.061
3.919
0.113
August - 02
79.337
1.829
3.898
-0.021
Septembrie - 02
79.946
0.609
3.855
-0.043
Octombrie - 02
82.290
2.344
3.967
0.112
Noiembrie - 02
83.837
1.547
4.038
0.071
Decembrie - 02
88.894
5.057
4.526
0.488
Ianuarie - 03
90.509
1.615
4.731
0.205
Februarie - 03
92.753
2.244
4.452
-0.279
Martie - 03
93.098
0.345
4.638
0.186
Unitatea de
nvare 7
Luna
Ctigul salarial
Economiile
populaiei
mil.lei (EP)
mil.lei/pers (SNN)
EPt
D(EPt)
SNNt
D(SNNt)
Aprilie - 03
94.126
1.029
4.955
0.318
Mai - 03
93.633
-0.494
4.729
-0.226
Iunie - 03
93.926
0.293
4.706
-0.023
Iulie - 03
93.961
0.035
4.864
0.158
August - 03
94.990
1.029
4.808
-0.056
00:20
0.904
0.903487
6.795
132961
t a1
3.23
3.573
0.904
00:30
Unitatea de
nvare 7
100
90
80
70
60
50
40
2
30
Ctigul salarial
(mil.lei/pers.)
scara din stnga
20
10
0
aprilie-03
noiembrie-0 2
iunie-02
ianuarie -0 2
augus t-0 1
martie-01
octombri e-00
mai-0 0
dec embrie-99
iu lie-99
februa ri e-99
se ptembrie-98
aprilie-98
noiembrie -9 7
iunie-97
ianuari e-97
Pentru testarea heteroscedasticitii erorilor se utilizeaz testul White. Calculul modelului pentru
seriile din tabelul 4-9 duce la rezultatele urmtoare.
D(EP) = 0.903487 + 3.23D(SNN)
Tabelul 4-10: Calculele de baz pentru aplicarea testului White, modelul unifactorial*)
t D(SNNt)
D(EPt) D(EPt)c
ut
ut2 D(SNNt)2
0.0594
0.6490
1.0954
-0.4464
0.1992
0.0035
0.0507
0.9646
1.0673
-0.1027
0.0105
0.0026
0.0848
1.0707
1.1775
-0.1068
0.0114
0.0072
-0.0242
1.4386
0.8253
0.6134
0.3762
0.0006
0.0133
1.0750
0.9465
0.1285
0.0165
0.0002
0.0408
0.8392
1.0351
-0.1959
0.0384
0.0017
0.0289
0.3610
0.9969
-0.6359
0.4044
0.0008
0.0596
0.5210
1.0960
-0.5750
0.3306
0.0036
10
0.0870
0.6473
1.1843
-0.5370
0.2883
0.0076
11
0.0236
0.7672
0.9799
-0.2126
0.0452
0.0006
Unitatea de
nvare 7
t D(SNNt)
D(EPt) D(EPt)c
ut
ut2 D(SNNt)2
12
0.1197
2.4642
1.2899
1.1742
1.3788
0.0143
13
-0.0561
0.6278
0.7224
-0.0946
0.0089
0.0031
14
-0.0058
1.0976
0.8847
0.2129
0.0453
0.0000
15
0.0757
0.5355
1.1479
-0.6124
0.3750
0.0057
16
0.0912
0.9539
1.1980
-0.2441
0.0596
0.0083
17
-0.0463
1.0487
0.7541
0.2946
0.0868
0.0021
18
0.0414
0.7242
1.0372
-0.3130
0.0980
0.0017
19
0.0579
0.6438
1.0906
-0.4467
0.1996
0.0034
20
0.0243
0.5704
0.9821
-0.4117
0.1695
0.0006
21
0.0171
0.2592
0.9586
-0.6994
0.4892
0.0003
22
0.0310
0.6794
1.0035
-0.3242
0.1051
0.0010
23
0.0206
0.9213
0.9700
-0.0487
0.0024
0.0004
24
0.1688
2.7393
1.4485
1.2908
1.6662
0.0285
25
-0.1193
1.5174
0.5181
0.9993
0.9985
0.0142
26
0.0533
0.4748
1.0757
-0.6009
0.3611
0.0028
27
0.1171
-0.8487
1.2817
-2.1304
4.5388
0.0137
28
0.0683
-1.1671
1.1241
-2.2912
5.2497
0.0047
29
-0.0192
-1.2694
0.8414
-2.1108
4.4556
0.0004
30
0.0531
0.5411
1.0749
-0.5338
0.2849
0.0028
31
0.0904
1.9939
1.1953
0.7986
0.6377
0.0082
32
0.0203
1.0123
0.9691
0.0432
0.0019
0.0004
33
0.0058
0.9573
0.9221
0.0352
0.0012
0.0000
34
0.0270
0.5317
0.9908
-0.4592
0.2108
0.0007
35
0.0946
0.3765
1.2090
-0.8325
0.6931
0.0089
36
0.2385
4.1517
1.6738
2.4780
6.1403
0.0569
Unitatea de
nvare 7
t D(SNNt)
D(EPt) D(EPt)c
ut
ut2 D(SNNt)2
37
-0.2641
1.4967
0.0505
1.4461
2.0912
0.0697
38
0.0221
1.1873
0.9747
0.2126
0.0452
0.0005
39
0.1589
1.0662
1.4168
-0.3506
0.1229
0.0253
40
0.2289
0.0505
1.6427
-1.5922
2.5351
0.0524
41
-0.1062
-0.4396
0.5605
-1.0000
1.0001
0.0113
42
0.0740
0.6537
1.1424
-0.4887
0.2389
0.0055
43
0.0683
0.3711
1.1242
-0.7531
0.5672
0.0047
44
0.0484
-0.5339
1.0598
-1.5937
2.5398
0.0023
45
0.0526
-0.7616
1.0734
-1.8350
3.3673
0.0028
46
0.0842
-1.2335
1.1755
-2.4090
5.8034
0.0071
47
0.1403
-0.2678
1.3566
-1.6244
2.6387
0.0197
48
0.4141
3.7215
2.2409
1.4807
2.1924
0.1715
49
-0.1735
1.2801
0.3430
0.9371
0.8782
0.0301
50
-0.1418
1.0943
0.4455
0.6488
0.4210
0.0201
51
0.2230
1.4585
1.6238
-0.1653
0.0273
0.0497
52
0.2059
1.3737
1.5685
-0.1948
0.0380
0.0424
53
-0.1098
0.9420
0.5487
0.3933
0.1547
0.0121
54
0.0662
1.6509
1.1173
0.5336
0.2847
0.0044
55
0.1422
0.7900
1.3629
-0.5729
0.3282
0.0202
56
0.0115
0.8921
0.9406
-0.0485
0.0023
0.0001
57
-0.0103
1.2970
0.8702
0.4268
0.1822
0.0001
58
0.0855
1.4335
1.1797
0.2538
0.0644
0.0073
59
0.1038
1.9088
1.2389
0.6700
0.4488
0.0108
60
0.3454
5.0368
2.0191
3.0176
9.1062
0.1193
61
0.0119
1.8356
0.9419
0.8937
0.7987
0.0001
Unitatea de
nvare 7
t D(SNNt)
D(EPt) D(EPt)c
ut2 D(SNNt)2
ut
62
-0.2072
2.2239
0.2342
1.9897
3.9590
0.0429
63
0.2021
2.6118
1.5561
1.0557
1.1144
0.0408
64
0.2994
2.0651
1.8706
0.1945
0.0378
0.0897
65
-0.1704
1.4094
0.3531
1.0563
1.1158
0.0290
66
0.0110
1.5945
0.9389
0.6555
0.4297
0.0001
67
0.1130
2.0613
1.2684
0.7929
0.6287
0.0128
68
-0.0210
1.8286
0.8358
0.9929
0.9858
0.0004
69
-0.0434
0.6091
0.7632
-0.1541
0.0237
0.0019
70
0.1125
2.3444
1.2668
1.0776
1.1612
0.0127
71
0.0707
1.5472
1.1318
0.4153
0.1725
0.0050
72
0.4875
5.0570
2.4781
2.5789
6.6505
0.2377
73
0.2051
1.6146
1.5658
0.0488
0.0024
0.0421
74
-0.2789
2.2442
0.0026
2.2416
5.0246
0.0778
75
0.1859
0.3446
1.5038
-1.1592
1.3437
0.0345
76
0.3176
1.0288
1.9292
-0.9004
0.8108
0.1009
77
-0.2260
-0.4938
0.1737
-0.6674
0.4455
0.0511
78
-0.0234
0.2934
0.8278
-0.5345
0.2857
0.0005
79
0.1579
0.0352
1.4135
-1.3783
1.8997
0.0249
80
-0.0558
1.0289
0.7232
0.3057
0.0935
0.0031
*)
Prin D(EP)c am simbolizat valorile calculate pe baza ecuaiei de regresie pentru variabila
endogen D(EP)
Potrivit metodei White, se realizeaz o regresie de tipul:
00:40
u t2 0 1 D ( SNN ) t 2 D ( SNN t ) t
2
10
Unitatea de
nvare 7
R2 = 0.2729,
iar blocul nR2 din testul White se calculeaz astfel:
nR2 = 79 0.2729 = 21.56.
Se testeaz ipoteza nul
H0: 1 = 2 = 0 (lipsa heteroscedasticitii).
Valoarea testului 5.99 , pentru un prag de semnificaie = 0.05 (un grad de ncredere de
95%). Cum
2
2
14.26234
Probabilitatea
0.000006
nR2
21.55902
Probabilitatea
0.000021
Parametrii
C
D(SNN)
(D(SNN))2
Estimatorii
Ab.std.
t-Statistic
alfa
0.640700 0.206192
3.107297
0.0027
0.7667
25.42088 5.393215
4.713492
0.0000
R2
0.272899
Media var.endog.
1.165073
R2 ajustat
0.253765
Ab.std.var.endog.
1.838512
Ab.std.regr.
1.588197
Schwarz criterion
3.890290
Log likelihood
-147.1123
F-statistic
14.26234
Durbin-Watson stat
1.322522
Prob(F-statistic)
0.000006
11
Unitatea de
nvare 7
Variabila dependent:
D( EP )
D( SNN )
Estimatorii
1
D( SNN )
constanta
Ab.std.
t-Statistic
Prob.
1.018483 0.060994
16.69807
0.0000
0.7733
R2
0.783602
R2 ajustat
0.780791
Ab.std.var.endogene 46.01198
Ab.std.regresie
21.54268
Schwarz criterion
9.062925
Log likelihood
F-statistic
278.8255
Prob(F-statistic)
0.000000
Durbin-Watson stat
-353.6161
1.966436
Reziduurile din aceast ecuaie nu sunt heteroscedastice. Prin estimarea unei ecuaii de regresie
de tipul
u t2 0 1
1
1
2
t
D( SNN ) t
D( SNN t ) 2
se obine:
u t2 424.6895 3.3344
1
1
0.036317
D( SNN ) t
D( SNN t ) 2
12
Unitatea de
nvare 7
Estimatorii
Ab.std.
424.6895 211.1689
t-Statistic
Prob.
2.011137 0.0479
0.036317 0.039584
0.917466 0.3618
0.01606
-0.00984
Ab.std.var.endogene 1726.4
1734.85
2.29E+08
Schwarz criterion
17.882
Log likelihood
-699.802
F-statistic
0.6200
Durbin-Watson stat
1.940234
Prob(F-statistic)
0.5406
01:00
Unitatea de
nvare 7
Veniturile
Rata real a
Depozitele
populaiei
dobnzii
pasive
bancare
Nr.crt.
(X1t)
(X2t)
(Yt)
1
0.5
4.1
0.3
1.0
4.2
0.8
1.2
4.0
0.3
-0.3
4.1
-0.5
2.1
3.8
0.8
2.3
4.2
1.4
1.2
3.8
0.2
1.0
3.9
0.7
0.8
3.9
0.0
10
0.0
3.8
-0.7
11
-0.6
3.8
-1.0
12
2.2
3.8
1.3
13
1.4
4.2
1.0
14
2.0
3.9
1.2
15
2.3
4.2
1.7
16
1.1
3.8
0.4
17
0.8
3.9
0.6
18
-0.5
4.1
-0.9
19
-1.4
3.9
-1.4
20
0.2
4.1
-0.2
21
1.8
4.2
1.5
22
2.2
3.8
0.9
23
2.1
4.1
1.0
14
Unitatea de
nvare 7
Veniturile
Rata real a
Depozitele
Nr.crt. populaiei dobnzii pasive bancare
(X1t)
(X2t)
(Yt)
24
1.5
4.2
0.7
25
1.8
3.8
1.2
A 0.75722
0.860999
deci,
t = -3.78693 + 0.75722X1t + 0.860999X2t, pentru t = 1, 2, , 25 i
ut = Yt t.
Rezultatele estimrii sunt preluate din n tabelul 2-2. n tabelul 4-11 sunt incluse, n plus fa de
coloanele tabelului 2-2, blocurile necesare pentru aplicarea testului White privind
heteroscedasticitatea erorilor.
Tabelul 4-11: Calculele de baz pentru aplicarea
testului White, modelul multifactorial
ut2
X 12t
X 22t
X1X2
0.1218
0.1782 0.0318
0.25
16.81
2.05
0.8
0.5865
0.2135 0.0456
1.00
17.64
4.20
0.3
1.44
16.00
4.80
0.09
16.81
-1.23
4.41
14.44
7.98
1.4
5.29
17.64
9.66
3.8
0.2
1.44
14.44
4.56
3.9
0.7
0.3282
1.00
15.21
3.90
X1t
X2t
Yt
0.5
4.1
0.3
1.0
4.2
1.2
4.0
-0.3
4.1
2.1
3.8
0.8
2.3
4.2
1.2
1.0
ut
0.3718 0.1382
15
Unitatea de
nvare 7
ut2
X 12t
X 22t
X1X2
0.64
15.21
3.12
3.8
0.00
14.44
0.00
11 -0.6
3.8
0.36
14.44
-2.28
12
2.2
3.8
1.3
1.1507
0.1493 0.0223
4.84
14.44
8.36
13
1.4
4.2
1.0
0.8894
0.1106 0.0122
1.96
17.64
5.88
14
2.0
3.9
1.2
1.0854
0.1146 0.0131
4.00
15.21
7.80
15
2.3
4.2
1.7
1.5709
0.1291 0.0167
5.29
17.64
9.66
16
1.1
3.8
0.4
0.3178
0.0822 0.0068
1.21
14.44
4.18
17
0.8
3.9
0.6
0.1767
0.4233 0.1791
0.64
15.21
3.12
18 -0.5
4.1
0.25
16.81
-2.05
19 -1.4
3.9
-1.4 -1.4891
0.0891 0.0079
1.96
15.21
-5.46
20
0.2
4.1
0.04
16.81
0.82
21
1.8
4.2
1.5
1.1923
0.3077 0.0947
3.24
17.64
7.56
22
2.2
3.8
0.9
4.84
14.44
8.36
23
2.1
4.1
1.0
4.41
16.81
8.61
24
1.5
4.2
0.7
2.25
17.64
6.30
25
1.8
3.8
1.2
0.8479
3.24
14.44
6.84
397.46
106.74
X1t
X2t
Yt
0.8
3.9
0.0
10
0.0
26.7 99.6
11.3 11.3000
ut
0.3521 0.1240
01:20
ut = Yt (0 + 1X1t + 2X2t),
t 1,25
Ipoteza nul
H0: 1 = 2 = 2 = 2 = 5 = 0
(lipsa fenomenului de heteroscedasticitate a erorilor et) este respins dac
16
nR2 52 0.05 .
Unitatea de
nvare 7
Rezolvarea prin metoda celor mai mici ptrate a modelului descris de ecuaia de regresie
precedent, pe baza datelor din tabelul 4-11 duce la obinerea urmtoarelor rezultate:
u t2 16.095 0.067 X 1t 8.156 X 2t
0.01 X 12t 1.029 X 22t 0.025 X 1t X 2t
Coeficientul de determinare R2, calculat pentru modelul precedent este: R2 = 0.2196. n aceste
condiii, blocul nR2 se calculeaz astfel:
nR2 = 250.2196 = 5.49.
n tabelul 2, pentru pragul = 0.05 i 5 grade de libertate se identific
52 0.05 11.0705 .
Deoarece
nR2 = 5.49 < 11.0705 52 0.05 ,
ipoteza nul
H0: 1 = 2 = 2 = 2 = 5 = 0
(lipsa fenomenului de heteroscedasticitate a erorilor et din modelul linear bi-factorial) nu se
respinge. Cu alte cuvinte, erorile et nu sunt heteroscedastice.
Rezultate identice pot fi obinute direct, prin utilizarea programului EViews. n detaliu, aceste
rezultate sunt prezentate n tabelul urmtor:
White Heteroskedasticity Test:
F-statistic
1.069431
Probabilitatea
0.407971
nR2
5.490533
Probabilitatea
0.358985
Test Equation:
Variabila dependent: u2
Metoda de rezolvare: Metoda celor mai mici ptrate
Eantionul: 1 25
Observaii incluse: 25
Variabile
Estimatori
Ab.std.
t-statistic
alfa
0.1685
X1
0.8090
X12
0.3015
17
Unitatea de
nvare 7
Variabile
Ab.std.
t-statistic
alfa
X1X2
0.025277 0.070422
0.358935
0.7236
X2
8.155651 5.661626
1.440514
0.1660
0.1648
X22
Estimatori
R2
0.219621
0.051807
R2 ajustat
0.014259
Ab.std.var.exog.
0.047464
Ab.std.regresie
0.047124
0.042193
Schwarz criterion
Log likelihood
44.33129
F-statistic
1.069431
Durbin-Watson stat
1.702749
Prob(F-statistic)
0.407971
-2.773973
01:40
18
Unitatea de
nvare 7
19
Unitatea de
nvare 7
nR 2 52 0.05 .
1.
2.
3.
4.
5.
6.
Lucrri obligatorii
Dobrescu E., 2000, Macromodelul economiei romneti de tranziie, Editura Expert,
Bucureti
Jula D., 2003, Introducere n econometrie, Editura Professional Consulting, Bucureti
Jula N., 2004, Modelarea deciziilor financiar-monetare, Editura Bren, Bucureti
Jula N., 2006, Modelare economic elemente de econometrie aplicat, Editura Mustang,
Bucureti
Jula N., 2006, Modelare economic econometrie aplicat, Editura Cartea Studeneasc,
Bucureti
Jula N., Jula D., 2009, Modelare economic. Econometrie financiar, Editura Mustang,
Bucureti
7. Jula N., Jula D., 2010, Modelare economic. Modele econometrice i de optimizare, Editura
Mustang, Bucureti
8. Pecican E.S., 1996, Macroeconometrie. Politici economice guvernamentale i econometrie,
Editura Economic, Bucureti
20
Unitatea de
nvare 7
1.
2.
3.
4.
5.
6.
Lucrri complementare
Andrei T., 2003, Statistic i econometrie, Editura Economic, Bucureti
Greene W.H., 2000, Econometric analysis, fourth edition, Prentice Hall, New Jersey
Maddala G.S., 2001, Introduction to econometrics, third edition, Wiley, New York
Tanadi A., 2001, Econometrie, Editura ASE, Bucureti
Tnsoiu O., Iacob A.I., 1999, Econometrie aplicat, Editura Arteticart, Bucureti.
Zaman C., 1998, Econometrie, Editura Pro Democraia, Bucureti
21
Unitatea de
nvare 7
22
Unitatea de
nvare 8
Autocorelarea erorilor
Unitatea de
nvare 8
Autocorelarea erorilor
00:00
Care sunt
consecinele
autocorelrii
erorilor?
Care sunt
principalele teste
pentru depistarea
autocorelrii?
Cum se realizeaz
atenuarea acesti
fenomen?
00:15
Deoarece autocorelarea erorilor afecteaz calitatea estimatorilor, testarea i, dac este cazul,
atenuarea fenomenului respectiv reprezint un pas important n validarea modelului.
00:20
Unitatea de
nvare 8
Autocorelarea erorilor
Testul Durbin Watson este cea mai cunoscut procedur utilizat pentru identificarea
autocorelrii de ordinul nti a erorilor din modelele de regresie linear. Statistica Durbin Watson
se calculeaz astfel:
n
dw
u
t 2
u t 1
t
n
u
t 1
2
t
unde ut sunt valorile variabilei reziduale din ecuaia de regresie linear, ecuaie estimat pornind de
la datele din eantionul selectat.
5.2.2. Testul Lagrange
00:50
Nu exist nici o procedur care s garanteze eliminarea autocorelrii erorilor, deoarece sursa
fenomenului respectiv este dificil de identificat cu exactitate. De aceea, procedurile aplicate atunci
cnd prezena autocorelrii este semnalat prin testele specifice, urmresc o ct mai bun atenuare a
fenomenului respectiv.
5.3.1. Procedura Cochrane Orcutt
De regul, numrul iteraiilor din procedura Hildreth Lu este mare, adic aplicarea procedurii
Hildreth Lu necesit rezolvarea unui numr mare de modele de regresie. Din acest punct de
vedere, procedura Hildreth Lu este mai laborioas dect Cochrane Orcutt.
21
22
Breusch T., 1978, Testing foe autocorelation in dinamic linear models, n Australian Economic Papers, 17, pag. 334-355
Godfrey L.G., 1988, Specification Tests in Econometrics, Cambridge University Press
01:10
Unitatea de
nvare 8
Autocorelarea erorilor
Unitatea de
nvare 8
Autocorelarea erorilor
dw
u
t 2
u t 1
u
t 1
2
t
Unitatea de
nvare 8
1.
2.
3.
4.
5.
6.
Autocorelarea erorilor
Lucrri obligatorii
Dobrescu E., 2000, Macromodelul economiei romneti de tranziie, Editura Expert,
Bucureti
Jula D., 2003, Introducere n econometrie, Editura Professional Consulting, Bucureti
Jula N., 2004, Modelarea deciziilor financiar-monetare, Editura Bren, Bucureti
Jula N., 2006, Modelare economic elemente de econometrie aplicat, Editura Mustang,
Bucureti
Jula N., 2006, Modelare economic econometrie aplicat, Editura Cartea Studeneasc,
Bucureti
Jula N., Jula D., 2009, Modelare economic. Econometrie financiar, Editura Mustang,
Bucureti
7. Jula N., Jula D., 2010, Modelare economic. Modele econometrice i de optimizare, Editura
Mustang, Bucureti
8. Pecican E.S., 1996, Macroeconometrie. Politici economice guvernamentale i econometrie,
Editura Economic, Bucureti
1.
2.
3.
4.
5.
6.
Lucrri complementare
Andrei T., 2003, Statistic i econometrie, Editura Economic, Bucureti
Greene W.H., 2000, Econometric analysis, fourth edition, Prentice Hall, New Jersey
Maddala G.S., 2001, Introduction to econometrics, third edition, Wiley, New York
Tanadi A., 2001, Econometrie, Editura ASE, Bucureti
Tnsoiu O., Iacob A.I., 1999, Econometrie aplicat, Editura Arteticart, Bucureti.
Zaman C., 1998, Econometrie, Editura Pro Democraia, Bucureti
Unitatea de
nvare 8
Autocorelarea erorilor
1. Autocorelarea erorilor presupune existena unei covariane nenule ntre erorile din ecuaia
de regresie.
2. Consecine ale ignorrii fenomenului de autocorelare a erorilor
a.
b.
c.
d.
e.
f.
dw
u
t 2
u t 1
u
t 1
2
t
unde ut sunt valorile variabilei reziduale din ecuaia de regresie linear, ecuaie estimat
pornind de la datele din eantionul selectat.
Unitatea de
nvare 9
Unitatea de
nvare 9
Xt Yt t
Xt Yt
1 100 20 11 180 45
2 110 25 12 185 50
3 120 28 13 190 47
4 125 30 14 200 48
5 130 33 15 205 52
6 140 35 16 210 58
7 150 36 17 215 54
8 155 42 18 220 55
00:00
Unitatea de
nvare 9
Xt Yt t
Xt Yt
9 170 44 19 220 58
10 170 42 20 225 60
dw
u
t 2
u t 1
u
t 1
2
t
144.1869
1.94 .
74.3359
Deoarece dw < 2, nseamn c nu exist riscul unei autocorelri negative, astfel nct, n
asemenea situaii se justific testul unilateral Durbin Watson pentru autocorelarea pozitiv a
erorilor: se accept ipoteza lipsei de autocorelare a erorilor dac dw > dU. Pentru testul unilateral
valorile din tabelul Durbin-Watson, n cazul k = 1 i n = 20 sunt: dL = 1.20 i dU = 1.41. Deoarece
dw = 1.94 > 1.41 = dU se accept ipoteza nul, H0: lipsa autocorelrii de ordinul I al erorilor.
Pentru testarea prezenei fenomenului de autocorelare de gradul I a erorilor n cazul unui model
multifactorial de regresie linear este analizat urmtorul exemplu numeric.
S presupunem c printr-o cercetare selectiv s-au obinut datele prezentate n tabelul 5-3
privind dinamica veniturilor populaiei (X1t), evoluia ratei reale a dobnzii pasive (X2t) i
dinamica depozitelor bancare (Yt) n 25 intervale succesive de timp (datele reprezint modificrile
procentuale ale variabilelor analizate i sunt preluate din tabelul 2-2). Admitem ipoteza c dinamica
depozitelor bancare depinde linear de dinamica veniturilor i de evoluia ratei reale a dobnzii
pasive, astfel nct modelul econometric, construit pe baza acestor ipoteze este:
Yt = a0 + a1X1t + a2X2t + et,
Modelul a fost calculat prin metoda celor mai mici ptrate i au fost determinate urmtoarele
valori ale estimatorilor :
00:20
Unitatea de
nvare 9
3.78693
= (X'X)-1X'Y = 0.75722
0.860999
n aceste condiii:
t = -3.78693 + 0.75722X1t + 0.860999X2t. pentru t = 1, 2, , 25
i
ut = Yt t.
Potrivit testului Durbin Watson, se calculeaz dw = 2.059 La fel ca n cazul modelului
unifactorial de regresie linear, pentru a testa ipoteza H0: = 0 (lipsa autocorelrii erorilor), contra
ipotezei alternative H1: 0 (prezena fenomenului de autocorelare a erorilor) se aplic testul
Durbin Watson unilateral. Din tabelele testului bilateral Durbin Watson, pentru un nivel de
semnificaie ales la 5%, volumul eantionului n = 25 i numrul de variabile explicative din model
k = 2, se identific valorile critice dL = 1.21 i dU = 1.55. Deoarece dw = 2.059 se gsete ntre
dU = 1.55 i 4 dU = 2.45, se accept ipoteza nul, H0: lipsa autocorelrii de ordinul I al erorilor.
5.4.2. Aplicarea testului Lagrange
Modelul linear unifactorial
ut
Xt
ut-1
ut-2
ut-3
ut-4
ut-5
-2.5441
100
-0.4393
110
-2.5441
00:40
Unitatea de
nvare 9
ut
Xt
ut-1
ut-2
ut-3
ut-4
ut-5
-0.3345
120
-0.4393
-2.5441
0.2179
125
-0.3345
-0.4393
-2.5441
1.7703
130
0.2179
-0.3345
-0.4393
-2.5441
0.8751
140
1.7703
0.2179
-0.3345
-0.4393
-2.5441
-1.0201
150
0.8751
1.7703
0.2179
-0.3345
-0.4393
3.5323
155
-1.0201
0.8751
1.7703
0.2179
-0.3345
1.1895
170
3.5323
-1.0201
0.8751
1.7703
0.2179
10
-0.8105
170
1.1895
3.5323
-1.0201
0.8751
1.7703
11
-0.7057
180
-0.8105
1.1895
3.5323
-1.0201
0.8751
12
2.8467
185
-0.7057
-0.8105
1.1895
3.5323
-1.0201
13
-1.6009
190
2.8467
-0.7057
-0.8105
1.1895
3.5323
14
-3.4961
200
-1.6009
2.8467
-0.7057
-0.8105
1.1895
15
-0.9437
205
-3.4961
-1.6009
2.8467
-0.7057
-0.8105
16
3.6087
210
-0.9437
-3.4961
-1.6009
2.8467
-0.7057
17
-1.8389
215
3.6087
-0.9437
-3.4961
-1.6009
2.8467
18
-2.2865
220
-1.8389
3.6087
-0.9437
-3.4961
-1.6009
19
0.7135
220
-2.2865
-1.8389
3.6087
-0.9437
-3.4961
20
1.2659
225
0.7135
-2.2865
-1.8389
3.6087
-0.9437
Valoarea din tabelele distribuiei teoretice 52 0.05 este 11.0705. n aceste condiii,
n p R 2 52 0.05 ,
deci se admite ipoteza nul
H0: 1 = 2 = 3 = 4 = 5 = 0,
potrivit creia, erorile nu sunt autocorelate, cel puin pn la ordinul 5. Rezultate similare pot fi
obinute direct, prin apelarea la programul EViews:
5
Unitatea de
nvare 9
Probabilitatea 0.084255
nR2
Probabilitatea 0.080422
9.822549
Estimatori
Ab.std.
t-Statistic
alfa
0.503237 1.719056
0.292740
0.7743
0.7257
0.126344 0.252467
0.500438
0.6251
0.3317
ut-3
0.093004 0.243309
0.382246
0.7085
ut-4
0.435680 0.249664
1.745068
0.1045
0.1227
ut-5
R2
0.491127
Media var.depend.
-1.87E-15
R2 ajustat
0.256263
Ab.std.var.dep.
1.977983
Ab.std. regresie
1.705816
37.82752
Schwarz criterion
4.523688
F-statistic
2.091112
Prob(F-statistic)
0.124756
Log likelihood
-34.75182
01:10
Unitatea de
nvare 9
pentru t = 1, 2, , 25.
Testm, la fel ca n cazul modelului unifactorial, ipoteza c erorile urmeaz un proces
autoregresiv de ordinul 5. Pentru aceasta, se construiete ecuaia
ut = b0 + b1X1t b2X2t + 1ut-1 + 2ut-2 + + 5ut-5 + vt, pentru t = 6, 7, 25.
Rezolvarea modelului multifactorial de regresie linear se realizeaz prin metoda celor mai mici
ptrate, potrivit procedurii obinuite.
Tabelul 5-5: Testul Lagrange pentru autocorelarea erorilor,
modelul multifactorial de regresie linear
t
ut
X1t
X2t
ut-1
ut-2
ut-3
ut-4
ut-5
0.1782
0.5
4.1
0.2135
1.0
4.2
0.1782
3 -0.2657
1.2
4.0
0.2135
0.1782
4 -0.0160
-0.3
4.1 -0.2657
0.2135
0.1782
5 -0.2750
2.1
0.2135
0.1782
6 -0.1709
2.3
0.2135
0.1782
7 -0.1935
1.2
0.2135
0.3718
1.0
9 -0.1767
0.8
3.9
10 -0.1849
0.0
3.8 -0.1767
11 -0.0305
-0.6
12
0.1493
2.2
13
0.1106
1.4
4.2
14
0.1146
2.0
3.9
0.1106
15
0.1291
2.3
4.2
0.1146
0.1106
16
0.0822
1.1
3.8
0.1291
0.1146
0.1106
0.1493 -0.0305
17
0.4233
0.8
3.9
0.0822
0.1291
0.1146
0.1106
0.1493
18 -0.2646
-0.5
4.1
0.4233
0.0822
0.1291
0.1146
0.1106
19
-1.4
3.9 -0.2646
0.4233
0.0822
0.1291
0.1146
0.0891
0.3718 -0.1935
0.3718
Unitatea de
nvare 9
ut
X1t
X2t
20 -0.0946
0.2
4.1
21
0.3077
1.8
4.2 -0.0946
22 -0.2507
2.2
3.8
23 -0.3333
2.1
4.1 -0.2507
24 -0.2651
1.5
25
1.8
0.3521
ut-1
ut-2
ut-3
ut-4
ut-5
0.0891 -0.2646
0.4233
0.0822
0.1291
0.0891 -0.2646
0.4233
0.0822
0.0891 -0.2646
0.4233
0.3077 -0.0946
0.3077 -0.0946
0.0891 -0.2646
0.3077 -0.0946
0.0891
0.3077 -0.0946
Probabilitatea 0.439844
nR2
Probabilitatea 0.332070
5.742659
Estimatori
Ab.std.
t-Statistic
alfa
0.9259
X1
0.3832
X2
0.043434 0.324293
0.133936
0.8950
ut-1
0.059695 0.242073
0.246600
0.8082
Unitatea de
nvare 9
Variabile
t-Statistic
alfa
ut-2
0.5420
ut-3
0.1994
ut-4
ut-5
R2
Estimatori
0.391204 0.271416
1.441344
0.1677
0.6396
0.229706
R2 ajustat
Ab.std.
-0.087473
Media var.depend.
-4.49E-16
Ab.std.var.dep.
0.232305
Ab.std. regresie
0.242252
0.997666
Schwarz criterion
0.646704
Log likelihood
4.791700
F-statistic
0.724215
Prob(F-statistic)
0.653888
Obs. Valoarea calculat n EViews este nR2 = 5.742659, n locul valorii teoretice (n
p)R = 4.59.
2
01:40
Unitatea de
nvare 9
1. Atenuai fenomenul de autocorelare a erorilor folosind procedura Durbin-Watson, baznduv pe un model linear unifactorial construit pornind de la teoria economic dintr-un
domeniu la alegere.
10
Unitatea de
nvare 9
dw
u
t 2
ut 1
u
t 1
11
2
t
Unitatea de
nvare 9
Lucrri obligatorii
1. Dobrescu E., 2000, Macromodelul economiei romneti de tranziie, Editura Expert,
Bucureti
2. Jula D., 2003, Introducere n econometrie, Editura Professional Consulting, Bucureti
3. Jula N., 2004, Modelarea deciziilor financiar-monetare, Editura Bren, Bucureti
4. Jula N., 2006, Modelare economic elemente de econometrie aplicat, Editura Mustang,
Bucureti
5. Jula N., 2006, Modelare economic econometrie aplicat, Editura Cartea Studeneasc,
Bucureti
6. Jula N., Jula D., 2009, Modelare economic. Econometrie financiar, Editura Mustang,
Bucureti
7. Jula N., Jula D., 2010, Modelare economic. Modele econometrice i de optimizare, Editura
Mustang, Bucureti
8. Pecican E.S., 1996, Macroeconometrie. Politici economice guvernamentale i econometrie,
Editura Economic, Bucureti
1.
2.
3.
4.
5.
6.
Lucrri complementare
Andrei T., 2003, Statistic i econometrie, Editura Economic, Bucureti
Greene W.H., 2000, Econometric analysis, fourth edition, Prentice Hall, New Jersey
Maddala G.S., 2001, Introduction to econometrics, third edition, Wiley, New York
Tanadi A., 2001, Econometrie, Editura ASE, Bucureti
Tnsoiu O., Iacob A.I., 1999, Econometrie aplicat, Editura Arteticart, Bucureti.
Zaman C., 1998, Econometrie, Editura Pro Democraia, Bucureti
12
Unitatea de
nvare 9
13
Unitatea de
nvare 10
Unitatea de
nvare 10
s f su 1
2
n
X
X
t
unde tn-2; este valoarea din distribuia teoretic tStudent, testul bilateral, pentru n-2 grade de libertate
(n fiind dimensiunea eantionului), valoare
corespunztoare unui grad de ncredere de (1-).
s 2f s u2 1 X n 1 X ' X X ' n 1
1
00:00
Unitatea de
nvare 10
unde
n
su2
u
t 1
2
t
n k 1
00:40
Pentru exemplificarea modului de calcul a prognozei relum cazul numeric studiat n capitolul
2, referitor la legtura dintre veniturile populaiei i volumul economiilor (tabelul 2-1). Scopul
analizei este realizarea unei prognoze a volumului economiilor pentru o familie care urmeaz un
comportament de consum asemntor celui specific populaiei din care s-a extras eantionul
prezentat n tabelul (2-1). S presupunem c familia respectiv, numerotat cu 21, realizeaz un
venit X21 = 230. Pentru realizarea prognozei, se determin, n primul rnd, valoarea 21, pe baza
ecuaiei de regresie. Pentru exemplul analizat, ecuaia de regresie este de forma:
Yt = a0 + a1Xt + et,
unde
Yt este variabila endogen (explicat) volumul economiilor populaiei,
Xt este variabila exogen (explicativ) veniturile populaiei,
et este variabila de abatere (discrepana dintre valorile nregistrate i cele anticipate pe baza
modelului), a0 i a1 sunt parametrii modelului.
Aa cum s-a demonstrat n capitolele anterioare, dac modelul respectiv este estimat pornind de
la datele din tabelul 2-1, atunci erorile sunt normal distribuite, nu sunt heteroscedastice i nu sunt
autocorelate.
Modelul calculat prin metoda celor mai mici ptrate pentru ntreg eantionul este:
t = -6.40793 + 0.28952Xt, pentru t = 1, 2 ,, 25.
Pornind de la ecuaia de regresie i de la X21 = 230 se deduce
21 = -6.40793 + 0.28952230 = 60.18167.
Abaterea standard a erorilor de prognoz se calculeaz astfel:
s f s 2f 4.805538 2.192154
Din tabelul distribuiei bilaterale t (Student), pentru n-2 = 18 grade de libertate i un prag de
semnificaie = 0.05 se identific t23;0.05 = 2.101 Intervalul de ncredere pentru prognoz se
calculeaz potrivit formulei:
3
Unitatea de
nvare 10
Yn 1 t n 2; s f Yn 1 Yn 1 t n 2; s f
adic
60.18167 2.1012.192154 Yn+1 60.18167 + 2.1012.192154
sau
55.576 Yn+1 64.787
Interpretarea rezultatelor este urmtoarea: dac o familie din populaia analizat nregistreaz un
venit X21 de 230 u.m., atunci, pentru familia respectiv, volumul economiilor va fi, n medie
Y21 = 60.182 u.m. Cu un grad de ncredere de 95%, volumul economiilor se va situa ntre 55.567 i
64.787 u.m. Aceasta nseamn c dac eantionul selectat este reprezentativ pentru ntreaga
populaie i se urmresc, prin selecii succesive un numr mare de familii care au un venit egal cu
230, atunci media volumul economiilor nregistrate va fi 60.182 i doar 5% dintre valori se vor situa
n afara intervalului [55.567, 64.787].
6.3.2. Modelul linear multifactorial
01:20
Unitatea de
nvare 10
Unitatea de
nvare 10
Unitatea de
nvare 10
Unitatea de
nvare 10
Lucrri obligatorii
1. Dobrescu E., 2000, Macromodelul economiei romneti de tranziie, Editura Expert,
Bucureti
2. Jula D., 2003, Introducere n econometrie, Editura Professional Consulting, Bucureti
3. Jula N., 2004, Modelarea deciziilor financiar-monetare, Editura Bren, Bucureti
4. Jula N., 2006, Modelare economic elemente de econometrie aplicat, Editura Mustang,
Bucureti
5. Jula N., 2006, Modelare economic econometrie aplicat, Editura Cartea Studeneasc,
Bucureti
6. Jula N., Jula D., 2009, Modelare economic. Econometrie financiar, Editura Mustang,
Bucureti
7. Jula N., Jula D., 2010, Modelare economic. Modele econometrice i de optimizare, Editura
Mustang, Bucureti
8. Pecican E.S., 1996, Macroeconometrie. Politici economice guvernamentale i econometrie,
Editura Economic, Bucureti
1.
2.
3.
4.
5.
6.
Lucrri complementare
Andrei T., 2003, Statistic i econometrie, Editura Economic, Bucureti
Greene W.H., 2000, Econometric analysis, fourth edition, Prentice Hall, New Jersey
Maddala G.S., 2001, Introduction to econometrics, third edition, Wiley, New York
Tanadi A., 2001, Econometrie, Editura ASE, Bucureti
Tnsoiu O., Iacob A.I., 1999, Econometrie aplicat, Editura Arteticart, Bucureti.
Zaman C., 1998, Econometrie, Editura Pro Democraia, Bucureti
Unitatea de
nvare 10
Bibliografie
Bibliografie
BIBLIOGRAFIE OBLIGATORIE
1. Dobrescu E., 2002, Tranziia n Romnia: abordri econometrice, Editura Economic,
Bucureti
2. Jula D., 2003, Introducere n econometrie, Editura Professional Consulting, Bucureti
3. Jula N., 2004, Modelarea deciziilor financiar monetare. Elemente de econometrie aplicat,
Editura Bren, Bucureti
4. Jula N., 2006, Modelare economic econometrie aplicat, Editura Mustang, Bucureti
5. Jula N., Jula D., 2010, Modelare economic. Modele econometrice i de optimizare, Editura
Mustang, Bucureti
6. Pecican E.-S., 1994, Econometrie, Editura All, Bucureti
7. Tnsoiu O., Iacob A.-I., 1999, Econometrie aplicat, Editura Arteticart, Bucureti
8. Tanadi Al., 2001, Econometrie aplicat, Editura ASE, Bucureti
9. Zaman C., 1998, Econometrie, Pro Democraia, Bucureti
BIBLIOGRAFIE FACULTATIV
1. Andrei T., 2003, Statistic i econometrie, Editura Economic, Bucureti
2. Ailenei D., 2002, Economia sectorului public, Editura Brent, Bucureti
3. Bourbonnais R., 1997, Economtrie. Cours et exercises corrigs, Edition Dunod, Paris
4. Brillet J.-L, 1989, Techiques de modelisation, Collection ENSAE (cole Nationale de la
Statistique et de l'Administration conomique), Paris
5. Greene W.H., 2000, Econometric Analysis, 3rd edition, Prentice-Hall.
6. Hansen B.E., 2002, Econometrics, University of Wisconsin, www.ssc.wisc.edu/~ bhansen
7. Johnston J., DiNardo J.E., 1997, Econometric Methods, 4th edition, McGraw-Hill.
8. Jula N., 2003, Statistic economic, Editura Bren, Bucureti
9. Kmenta J., 1986, Elements of Econometrics, New York: Macmillan
10. Maddala G.S, 2001, Econometrics, New York: McGraw-Hill
11. Prachi I., Bril A., icanu N., 1999, Econometrie aplicat, A.S.E.M., Chiinu
12. Pecican E.-S., 1996, Macroeconometrie - Politici economice guvernamentale i econometrie,
Editura Economic, Bucureti
13. Pindyck R.S., Rubinfeld D.L, 1991, Econometric Models and Economic Forecasts, McGrawHill, Inc
14. Ramanathan R., 1992, Introductory Econometrics, Second Edition, The Dryden Press, Harcourt
Brace College Publishers, Orlando, USA
15. Thomas R.-L, 1997, Modern Econometrics: An Introduction, 2nd edition, Harlow, Longman
16. Vangrevelinghe G., 1973, Economtrie, Hermann, Paris
Anexe
Anexe
ANEXE STATISTICE
Tabelele distribuiilor t Student i 2 au fost calculate cu ajutorul programului Microsoft Excel
A. Valorile critice ale distribuiei t Student, testul bilateral
df
- testul bilateral
0.10
0.05
0.02
0.01
0.001
4.303
6.965
9.925
31.598
3 2.353
3.182
4.541
5.841
12.941
4 2.132
2.776
3.747
4.604
8.610
5 2.015
2.571
3.365
4.032
6.869
6 1.943
2.447
3.143
3.707
5.959
7 1.895
2.365
2.998
3.499
5.408
8 1.860
2.306
2.896
3.355
5.041
9 1.833
2.262
2.821
3.250
4.781
10 1.812
2.228
2.764
3.169
4.587
11 1.796
2.201
2.718
3.106
4.437
12 1.782
2.179
2.681
3.055
4.318
13 1.771
2.160
2.650
3.012
4.221
14 1.761
2.145
2.624
2.977
4.140
15 1.753
2.131
2.602
2.947
4.073
16 1.746
2.120
2.583
2.921
4.015
17 1.740
2.110
2.567
2.898
3.965
18 1.734
2.101
2.552
2.878
3.922
19 1.729
2.093
2.539
2.861
3.883
20 1.725
2.086
2.528
2.845
3.850
Anexe
Anexe
21 1.721
2.080
2.518
2.831
3.819
22 1.717
2.074
2.508
2.819
3.792
23 1.714
2.069
2.500
2.807
3.768
24 1.711
2.064
2.492
2.797
3.745
25 1.708
2.060
2.485
2.787
3.725
30 1.697
2.042
2.457
2.750
3.646
40 1.684
2.021
2.423
2.704
3.551
50 1.676
2.009
2.403
2.678
3.496
80 1.664
1.990
2.374
2.639
3.416
100 1.660
1.984
2.364
2.626
3.390
120 1.658
1.980
2.358
2.617
3.373
1.645
1.960
2.327
2.576
3.291
Anexe
Anexe
df
- testul unilateral
0.10
0.05
0.01
0.005
0.0005
1.886 2.920
6.965
9.925
31.598
1.638 2.353
4.541
5.841
12.941
1.533 2.132
3.747
4.604
8.610
1.476 2.015
3.365
4.032
6.869
1.440 1.943
3.143
3.707
5.959
1.415 1.895
2.998
3.499
5.408
1.397 1.860
2.896
3.355
5.041
1.383 1.833
2.821
3.250
4.781
10
1.372 1.812
2.764
3.169
4.587
11
1.363 1.796
2.718
3.106
4.437
12
1.356 1.782
2.681
3.055
4.318
13
1.350 1.771
2.650
3.012
4.221
14
1.345 1.761
2.624
2.977
4.140
15
1.341 1.753
2.602
2.947
4.073
16
1.337 1.746
2.583
2.921
4.015
17
1.333 1.740
2.567
2.898
3.965
18
1.330 1.734
2.552
2.878
3.922
19
1.328 1.729
2.539
2.861
3.883
20
1.325 1.725
2.528
2.845
3.850
21
1.323 1.721
2.518
2.831
3.819
22
1.321 1.717
2.508
2.819
3.792
23
1.319 1.714
2.500
2.807
3.768
Anexe
Anexe
24
1.318 1.711
2.492
2.797
3.745
25
1.316 1.708
2.485
2.787
3.725
30
1.310 1.697
2.457
2.750
3.646
40
1.303 1.684
2.423
2.704
3.551
50
1.299 1.676
2.403
2.678
3.496
80
1.292 1.664
2.374
2.639
3.416
2.364
2.626
3.390
2.358
2.617
3.373
2.327
2.576
3.291
1.282 1.645
Anexe
Anexe
Numrul
gradelor
de
0.99
0.95
0.9
0.1
0.05
0.01
0.005
0.001
0.000
0.004
0.016
2.706
3.841
6.635
0.020
0.103
0.211
4.605
5.991
0.115
0.352
0.584
6.251
0.297
0.711
1.064
7.779
0.554
1.145
1.610
0.872
1.635
1.239
2.167
1.646
2.733
2.088
3.325
10
2.558
3.940
11
3.053
4.575
12
3.571
5.226
13
4.107
5.892
14
4.660
6.571
15
5.229
7.261
16
5.812
7.962
17
6.408
18
7.015
19
20
21
22
23
libertate
7.879 10.828
Anexe
Anexe
24
25
26
27
28
29
30
10
Anexe
Anexe
k=1
dL
dU
k=2
dL
dU
k=3
dL
dU
k=4
dL
dU
k=5
dL
dU
0.61 1.40
10
0.88 1.32 0.70 1.64 0.53 2.02 0.38 2.41 0.24 2.82
11
0.93 1.32 0.76 1.60 0.60 1.93 0.44 2.28 0.32 2.65
12
0.97 1.33 0.81 1.58 0.66 1.86 0.51 2.18 0.38 2.51
13
1.01 1.34 0.86 1.56 0.72 1.82 0.57 2.09 0.45 2.39
14
1.05 1.35 0.91 1.55 0.77 1.78 0.63 2.03 0.51 2.30
15
1.08 1.36 0.95 1.54 0.82 1.75 0.69 1.97 0.56 2.21
16
1.10 1.37 0.98 1.54 0.86 1.73 0.74 1.93 0.62 2.15
17
1.13 1.38 1.02 1.54 0.90 1.71 0.78 1.90 0.67 2.10
18
1.16 1.39 1.05 1.53 0.93 1.69 0.82 1.87 0.71 2.06
19
1.18 1.40 1.08 1.53 0.97 1.68 0.86 1.85 0.75 2.02
20
1.20 1.41 1.10 1.54 1.00 1.68 0.90 1.83 0.79 1.99
21
1.22 1.42 1.13 1.54 1.03 1.67 0.93 1.81 0.83 1.96
22
1.24 1.43 1.15 1.54 1.05 1.66 0.96 1.80 0.86 1.94
23
1.26 1.44 1.17 1.54 1.08 1.66 0.99 1.79 0.90 1.92
24
1.27 1.45 1.19 1.55 1.10 1.66 1.01 1.78 0.93 1.90
25
1.29 1.45 1.21 1.55 1.12 1.66 1.04 1.77 0.95 1.89
26
1.30 1.46 1.22 1.55 1.14 1.65 1.06 1.76 0.98 1.88
27
1.32 1.47 1.24 1.56 1.16 1.65 1.08 1.76 1.01 1.86
28
1.33 1.48 1.26 1.56 1.18 1.65 1.10 1.75 1.03 1.85
29
1.34 1.48 1.27 1.56 1.20 1.65 1.12 1.74 1.05 1.84
11
Anexe
Anexe
k=1
dL
dU
k=2
dL
dU
k=3
dL
dU
k=4
dL
dU
k=5
dL
dU
30
1,35 1.49 1.28 1.57 1.21 1.65 1.14 1.74 1.07 1.83
31
1.36 1.50 1.30 1.57 1.23 1.65 1.16 1.74 1.09 1.83
32
1.37 1.50 1.31 1.57 1.94 1.65 1.18 1.73 1.11 1.82
33
1.38 1.51 1.32 1.58 1.26 1.65 1.19 1.73 1.13 1.81
34
1.39 1.51 1.33 1.58 1.27 1.65 1.21 1.73 1.15 1.81
35
1.40 1.52 1.34 1.58 1.28 1.65 1.22 1.73 1.16 1.80
36
1.41 1.52 1.35 1.59 1.29 1.65 1.24 1.73 1.18 1.80
37
1.42 1.53 1.36 1.59 1.31 1.66 1.25 1.72 1.19 1.80
38
1.43 1.54 1.37 1.59 1.32 1.66 1.26 1.72 1.21 1.79
39
1.43 1.54 1.38 1.60 1.33 1.66 1.27 1.72 1.22 1.79
40
1.44 1.54 1.39 1.60 1.34 1.66 1.29 1.72 1.23 1.79
45
1.48 1.57 1.43 1.62 1.38 1.67 1.34 1.72 1.29 1.78
50
1.50 1.59 1.46 1.63 1.42 1.67 1.38 1.72 1.34 1.77
55
1.53 1.60 1.49 1.64 1.45 1.68 1.41 1.72 1.38 1.77
60
1.55 1.62 1.51 1.65 1.48 1.69 1.44 1.73 1.41 1.77
65
1.57 1.63 1.54 1.66 1.50 1.70 1.47 1.73 1.44 1.77
70
1.58 1.64 1.55 1.67 1.52 1.70 1.49 1.74 1.46 1.77
75
1.60 1.65 1.57 1.68 1.54 1.71 1.51 1.74 1.49 1.77
80
1.61 1.66 1.59 1.69 1.56 1.72 1.53 1.74 1.51 1.77
85
1.62 1.67 1.60 1.70 1.57 1.72 1.55 1.75 1.52 1.77
90
1.63 1.68 1.61 1.70 1.59 1.73 1.57 1.75 1.54 1.78
95
1.64 1.69 1.62 1.71 1.60 1.73 1.58 1.75 1.56 1.78
100 1.65 1.69 1.63 1.72 1.61 1.74 1.59 1.76 1.57 1.78
n numrul de observaii;
k numrul variabilelor explicative
12
Anexe
Anexe
Sursa:
J.Durbin and G.S.Watson, Testing for Serial Correlation in Least Squares Regression, in
Biometrika, vol. 38 (1951), pp.159-177 (pentru n 15)
Mukherjee Ch., White H., Wuyts M., 1998, Econometrics and data analysis for developing
countries, Routledge, London and New York (pentru n < 15)
13