Documente Academic
Documente Profesional
Documente Cultură
Econometrie
Econometrie
A. TEORIE (27p)
y i , j=1,...,m
x j determin ieirile
yi
Douglas: Q= I L
,0<<1);
relaii instituionale: sunt relaii de apar n conformitate cu unele reglementri impuse de lege (exemplu:
amortizarea, impozitul pe venit etc.).
1
2.
3.
trebuie ca numrul factorilor luai n considerare s nu fie foarte mare pentru a nu fi mult prea complex,
dificil de estimat etc.
Dup forma legturii dintre variabila rezultativ i variabilele cauz:
modele liniare: dac legtura este liniar;
modele neliniare: dac legtura este neliniar.
Dup includerea factorului timp n model:
2
X j se realizeaz
x 1t , , x jt , , x kt )+ t
modele dinamice:
introducerea variabilei timp ca o variabil explicativ
y = f(
x t ,t )+ t ;
autoregresive: variabila rezultativ cu valori decalate este una din variabilele explicative
y = f(
x t , y t k )+ t
model cu decalaj: variabila explicativ X i exercit influena asupra variaiei variabilei rezultative pe
mai multe perioade de timp:
y = f(
x t , x t 1 , , xt k )+ t
Y 1+ b12 + +b 1n Y n +c 11 X 1 +c 12 X 2+ +c 1 m X m= 1
b21 Y 2 +Y 2 ++ b2 n Y n+ c 21 X 1 +c 22 X 2+ +c 2 m X m= 2
bn 1 Y 2 +b n 2 Y 2 ++Y n+ c n1 X 1 +c n 2 X 2+ +c nm X m= n
Y i ,i= 1, n variabile rezultative sau endogene
X j ,j= 1,m variabile explicative sau exogene
xi
x cki=x ki xi , unde
este media variabilei i. Standardizarea observaiilor: presupune operaii prin care se substituie
3
x cki x ki x i
=
, i=1,2,... , n .
Si
Si
Deci:
x ki=
Unde
Variabile aleatoare
n activitatea economic se ntlnesc multe mrimi numerice care variaz ntmpltor (aleator).
Exemple:
1) Numrul calculatoarelor vndute la un magazin ntr-o zi este o variabil aleatoare care poate lua una din
valorile 0, 1 ,2 ,..., n, unde n este numrul total de calculatoare din magazin. Aici, mulimea valorilor
posibile este {0, 1 ,2 ,..., n}.
2) Timpul necesar servirii unui automobilist la o staie de benzin este o variabil aleatoare care poate lua o
valoare dintr-un interval dat (a, b). Aici, mulimea valorilor posibile este (a, b).
Variabila aleatoare reprezint o mrime care, n urma unei experiene, poate lua o valoare dintr-o
mulime bine definit, numit mulimea valorilor posibile. Nu se cunoate dinainte ce valoare ia variabila
aleatoare; aceast valoare va fi cunoscut numai dup efectuarea experimentului.
Dac mulimea valorilor posibile este discret, atunci variabila aleatoare se numete discret, iar dac
mulimea valorilor posibile este continu (un interval finit sau infinit din R), variabila aleatoare se
numete continu.
Variabilele aleatoare se noteaz, de regul, cu litere mari de la sfritul alfabetului, X, Y, Z etc., iar valorile
pe care le pot lua variabilele aleatoare cu litere mici , x, y, z etc.
3.1.1 Variabile aleatoare discrete
Pentru a defini o variabil aleatoare discret, trebuie s enumerm toate valorile posibile ale
variabilei aleatoare precum i probabilitile corespunztoare.
Exemplu. n cazul aruncrii unui zar, definim variabila aleatoare astfel:
1
X : 1
2
1
6
3
1
6
4
1
6
5
1
6
6
1
Se numete repartiie a unei variabile aleatoare discrete enumerarea tuturor valorilor posibile ale
variabilei aleatoare precum i a probabilitilor corespunztoare. n general, fie variabila aleatoare X i xi,
X xi
P Ei P X xi f xi pi
f xi
x1
f x1
X :
x2
f x2
...
...
xn
f xn
xi , f xi
Mulimea perechilor ordonate (
f x 1
f xi 0, i 1,, n
1)
i 1
; 2)
n
UE
, Ei E j , i j, i, j 1, , n
i 1
evenimente, adic:
Exemple:
x x n x , x 0,1, , n
f x Cn p q
X :
1. Repartiia binomial (Bernoulli):
f x C p q
x
n
n x
arat probabilitatea ca din n extrageri, x s fie bile albe. Artm n continuare c f(x)
este o funcie de probabilitate.
f x 0
1) Evident,
x o
x0
f x C
x
n
p x q n x ( p q) n 1
2)
(binomul lui Newton).
2. Repartiia geometric (Pascal):
Fie X evenimentul ca extragerea bilei albe s se realizeze prima dat la extragerea de ordinul x:
A A
X :
x 1
x 1
P x pq
( x1 A )
f x p q
, deci
.
, x=1,2,3,...,n, unde p>0, q>0 i
X=
1
x 1
p
q x 1 p
f x 0
1 q
x 1
x 1
p+q=1. Evident :
p
1
p
, deoarece seria
1
1 q
seria geometric de raie 0<q<1, convergent, cu suma
.
Operaii cu variabile aleatoare discrete; variabile aleatoare independente
x1 ... xi
p1 ... pi
X :
Fie
...
...
xn
pn
y1 ... y j
q1 ... q j
X :
;
i 1
j 1
... ym
... qm
pi f xi 0; pi 1; q j f y j 0; q j 1
.
Evenimentul care const n faptul c:
x 1
x 1
este
X xi , i 1,, n, P X
X ia valoarea xi l notm
xi pi
Y y , j 1,, m, P Y y q
j
Y ia valoarea yj l notm
este
X xi Y y j , i 1,, n; j 1,, m
Y yj
X xi
Evenimentul
P[ X xi ; Y y j ] P[ X xi Y y j ]
Y yj
X xi
Variabilele aleatoare X i Y se numesc independente dac evenimentele (
i 1, , n; j 1, , m
) i (
),
P X xi ; Y y j P
X xi Y y j
pij pi q j
.
f x
X :
f ( x) 0
1)
;
b
f ( x)dx 1
a
2)
.
Funcia de repartiie a unei variabile aleatoare:
Prezentarea unei variabile aleatoare prin funcia de probabilitate f(xi) sau prin densitatea de
probabilitate prezint aspecte diferite. Considerm evenimentul (X < x), x R.
Se numete funcie de repartiie a variabilei aleatoare X, funcia
F:RR
dat de
F ( x )=P( X < x) .
Variabila aleatoare X este discret (continu), dup cum funcia de repartiie F(x) este o funcie discret
(continu).
(probabilitate 1 )
Cu ct probabilitile comiterii erorilor de genul nti i de genul al doilea sunt mai mici, cu att
testul este mai bun. Acest lucru se poate realiza prin mrirea volumului eantionului, n. Nivelurile
riscurilor se stabilesc n funcie de considerente economice i de natura testului. Am vzut c:
= P (respingere H0| H0 este corect) = P (eroare de gen I);
= P (acceptare H0| H0 este fals) = P (eroare de gen II).
Alegerea nivelului (pragului) de semnificaie depinde i de costurile asociate cu producerea
unei erori de genul I.
Exemplu
Pragul de semnificaie ales de o firm ce fabric ngheat, interesat n reutatea medie a cutiilor
de ngheat, va putea fi diferit de pragul de semnificaie ales de o companie farmaceutic, interesat de
cantitatea medie a unui ingredient activ dintr-un tip de medicament. Evident, costul n prima situaie
prezentat este mult mai mic, comparativ cu costul asociat n cazul producerii unei erori de genul I pentru
compania farmaceutic: o cantitate prea mic de ingredient activ poate face medicamentul ineficient; o
cantitate prea mare de ingredient activ poate cauza efecte secundare, duntoare sau poate avea, chiar,
efecte letale. Similar, exist costuri asociate cu producerea unei erori de genul al II-lea. ntre eroarea de
genul I i eroarea de genul al II-lea exist o legatur, o condiionare. O modalitate de a vizualiza aceast
legtur este s presupunem c exist doar dou distribuii care ne intereseaz. O distribuie corespunde
ipotezei nule H0, iar cealalt corespunde ipotezei alternative H1. n acest caz, presupunem c i ipoteza
nul i cea alternativ sunt ipoteze simple. ntr-o manier uor de neles, considerm c ipoteza nul este
de forma H0: = 0, iar ipoteza alternativ este de forma H1: = 1 (figura 6.1.):
f(
X
)
X
Figura 6.1. Legtura dintre probabilitile i
Pe grafic se observ c cele dou distribuii se suprapun i, din procesul de testare a ipotezei nule, pot
rezulta dou tipuri de erori.
Eroarea de genul I apare atunci cnd respingem ipoteza nul H0, n situaia n care, de fapt,
x
aceasta este adevrat. Adic, dei distribuia lui
este cea corespunztoare ipotezei H0, respingem H0,
deoarece media de sondaj este mai mare dect valoarea critic, C, i se situeaz n regiunea critic.
Probabilitatea comiterii unei astfel de erori () este aria de sub curba de distribuie H0, care se situeaz la
dreapta valorii critice C. Deseori, cnd lucrm cu soft-ware specializat, ntlnim valoarea-p (p-value).
x
de H0 este corect. n acest caz, dei distribuia lui
este cea corespunztoare ipotezei H1, acceptm H0
deoarece media de sondaj este mai mic dect valoarea critic, C (nu se afl n regiunea critic).
Probabilitatea comiterii unei astfel de erori () este aria de sub curba de distribuie H1, care se situeaz la
stnga valorii critice, C. Dac alegem un prag de semnificaie, , mai mic (adic reducem riscul comiterii
unei erori de genul nti), va crete (riscul comiterii unei erori de genul al doilea). Cu toate acestea, prin
creterea volumului n al eantionului, este posibil s reducem riscul , fr a crete riscul .
sx
sx
Cum
, o dat cu creterea volumului n al eantionului, abaterile medii ptratice ale
distribuiilor pentru H0 i H1 devin mai mici i, evident, att , ct i descresc (figura 6.2.).
f(
X
)
H
0
H
1
H 0 : 0 H1 : 0 0 sau 0
,
10
/
2
a)
b)
c)
Figura 6.3.Regiunea critic:
a) test bilateral; b) test unilateral dreapta; c) test unilateral stnga.
analiz dispesional unifactorial se testeaz ipoteza nul: mediile din populaii sunt
H 0 : y1 y 2 ... yr
egale
H1 : yi yj (i j )
, cu ipoteza alternativ: cel puin dou medii din populaie nu sunt egale
11
y1 y2 L yr
x1
x2
x
xr
x1
a)medii de grup;
x2
x
xr
Se testeaz, cu alte cuvinte, dac diferenele dintre mediile de grup din eantion sunt prea mari pentru a
fi atribuite doar ntmplrii. Dac rezultatul testului indic faptul c mediile sunt semnificativ diferite, se
concluzioneaz c factorul X are un impact asupra variabilei Y. Testul statistic este dezvoltat n
concordan cu urmtorul raionament. Dac ipoteza nul este adevrat, mediile celor r populaii ar
trebui s fie, toate, egale. Ne ateptm atunci ca mediile celor r eantioane s fie aproximativ egale. Dac
ipoteza alternativ este adevrat exist diferene mari ntre unele medii ale eantioanelor. Setul de date
pentru analiza dispersional unifactorial const n valorile variabilei Y pentru cele r grupe independente.
n1 n2 ... nr
(tabelul 7.1.):
Tabelul 7.1. Sistematizarea datelor pentru ANOVA
Grupe dup factorul cauz
Gr. 2
.....
Gr. r
y21
.....
y11
y22
.....
y11
Gr. 1
y11
y12
y1 n
y2 n
y 1
Media
y 2
y12
y12
.....
y rn
.....
y r
.....
y12
Vol. grup
Presupunerile sub care se aplic testul F n analiza dispersional unifactorial ofer un cadru
solid pentru interfaa statistic pe baza datelor observate, anume: cele r grupe din eantion sunt extrase
aleator i independent din cele r grupe ale colectivitii generale; fiecare grup din colectivitatea general
1 2 ... r
12
yi
j 1
ni
ni
yij
yi
i 1, r
y
i 1 j 1
yn
ij
i i
i 1
n ni
i 1
,
,
.
Variana dintre grupe, dat de influena factorului cauzal, numit i variana factorial, este
suma ptratelor abaterilor mediilor de grup de la media general:
r
S1 ( yi y ) 2 ni
i 1
y1 y2 ... yr y S1 0
Din relaie rezult c, dac
,
. Variana din interiorul grupelor, numit i
variana rezidual, este suma ptratelor abaterilor valorilor individuale de la mediile de grup:
ni
S 2 ( yij yi ) 2
i 1 j 1
y
mprtierea total a valorilor individuale fat de media general
ni
S ( yij y ) 2
i 1 j 1
.
Raionamentul analizei dispersionale se bazeaz pe partiionarea sumei ptratelor abaterilor:
ni
i 1 j 1
yij y
ni
yi y ni yij y
i 1
i 1 j 1
S S1 S 2
Pentru a face comparabile aceste msuri ale variabilitii, le vom raporta pe fiecare la gradele de
S1
libertate, transformnd astfel suma de ptrate n media ptratelor abaterilor. Pentru variana factorial
r 1
S2
nr
grupelor )
, numrul gradelor de libertate este
; acest lucru nseamn c msurm variabilitatea
tuturor celor n valori, dar pierdem r grade de libertate, deoarece au fost estimate mediile celor r grupe.
Obinem astfel dispersia factorial corect:
y y
r
S
s 1
r 1
2
1
13
i 1
r 1
ni
y
r
s22
S2
nr
ni
ij
i 1 j 1
yi
nr
s12
s22
=
cu gradele de libertate (
r 1
) la numrtor i (
nr
F
comparnd valoarea calculat a statisticii F cu valoarea critic (tabelat)
pentru (
100(1 )%
r 1
) i (
nr
F F ,( r 1),( n r )
semnificativ dac:
, deoarece acest lucru indic diferenele mai mari ntre mediile
grupelor dect cele datorate ntmplrii. Regiunea critic este dat deci de valorile lui F pentru care
F F ,( r 1),( n r )
F
. Astfel spus, dac valoarea F este mai mic dect maloarea critic
, atunci se pot
H0
face urmtoarele afirmaii echivalente: acceptm ipoteza nul
H1
; mediile grupelor nu sunt semnificativ diferite una fa de alta; diferenele observate ntre mediile
grupelor pot fi datorate doar ntmplrii; rezultatul nu este semnificativ statistic. Dac valoarea F este
F
mai mare dect valoarea critic
H1
, atunci: accentum ipoteza alternativ
H0
; mediile grupelor sunt semnificativ diferite una fa de alta; diferenele observate ntre mediile
grupelor nu sunt datorate doar ntmplrii; rezultatul este semnificativ statistic.
y f ( x)
Identificarea modelului const n alegerea unei funii (sau a unui grup de funcii) matematice, cu
ajutorul creia se urmrete descrierea valorilor variabilei endogene, doar n funcie de variaia variabilei
exogene X. Identificarea modelului se poate face prin: procedeul grafic; procedeul conversrii ariilor;
procedeul calculelor algebrice.
Una dintre funciile matematice utilizate cel mai des o constituie funcia liniar. Relaia dintre
variabila efect (Y) i variabila cauz (X) studiat de regresia simpl liniar ntr-o populaie statistic
yi xi i
, n care:
( xi , yi )
reprezint valorile numerice ale variabilelor cauz (X) i efect (Y), nregistrate la
Dup cum observm, modelul probabilistic conine: a) componenta deterministic, adic partea din
xi ( xi $
yi )
yi
valoarea lui
; b)
componenta
yi
rezidual este partea din valoarea lui
xi ( i )
yi $
yi i
yi
. Atunci:
= componenta predictual (deterministic) + eroarea aleatoare sau
.
Dac datele disponibile provin dintr-un eantion (aa cum se ntmpl n cele mai multe aczuri), avem la
( x1 , y1 ), ( x2 , y2 ),..., ( xn , yn )
dispoziie n perechi de observaii ,
$
y i a bxi
yi a bxi ei
este:
cu componenta predictibil:
ei
, estimatorul componentei
reziduale,
Ipotezele modelului de regresie liniar. Pentru a obine proprietile dorite ale estimatorilor regresiei, se
fac, de obicei, ase presupuneri (ipoteze) standard pentru modelul din populaia general. Ipotezele ce
trebuie verificate sunt formulate astfel:
16
yi xi i i 1, n
Formula funcional:
Media zero a erorilor:
Homoscedasticitatea:
Non-autocorelarea erorilor:
Necorelarea ntre regresor i erori:
Normalitatea erorilor.
E ( i ) 0i
Var ( i ) 2
constant
Cov( i , j ) 0i j
Cov( xi , j ) 0
i i j
j : N (0, )
2
1. Forma funcional
Ipoteza de liniaritate nu este att de restrictiv pe ct pare. Aceasta se refer la felul n care
parametrii intr n ecuaie, nu neaprat la relaia dintre variabilele X i Y. n exemplele prezentate n
continuare s-a procedat la transformarea unor variabile n vederea liniarizrii modelelor.
y a bx
a.
y a bz, z e x
b.
c.
y a br , r 1 x
y a bq, q ln( x)
d.
Y
a+ b
a + b ex
()
a+ bx
a+b ln(x)
17
y Ax ln( y) ln( x)
variabila Y, aa cum este cazul modelului:
f ( yi ) g ( xi ) i
fiind:
1
x
y x
y Ax e
exemplu,
modelul
se
transform
prin
logaritmare
modelul
liniar:
y Ax
. ns modelul
nu mai poate fi transformat n model liniar.
Dac ipoteza de liniaritate este verificat, variabila dependent observat este suma a dou
elemente:
componenta predictibil:
o component aleatoare: .
( i ) 0i
2. Media erorilor este zero:
, este natural atta timp ct este vzut ca suma
efectelor individuale, cu semne diferite. Aceast presupunere indic faptul c media valorilor Y este
Y X Xi Xi
condiionat de ionat de X,
n populaie (vezi figura 8.3.):
(Y|
X=Xi)=+Xi
erori
pozitiv
e
X1
X3
erori
negative
X2
Var ( i ) 2
3. Ipoteza de homoscedasticitate:
constant
18
Variabilele aleatoare
au dispersia constant,
constant pentru toate valorile Xi (figurile 8.3. i 8.4.)
y
y
a)
b)
Figura 8.4. Dispersia reziduurilor:a) constant; b) variabil;
o
o
x
E ( i j ) 0i j
4. Non-autocorelarea erorilor:
yi
yj
Cov( xi , j ) 0
6. Necorelarea ntre regresor i erori:
i i j
xi
Chiar dac
sunt numere fixate (de exemplu: de cercettor) sau sunt variabile aleatoare, ele sunt
yi a bxi ei
cu componenta predictibil:
19
$
y i a bxi
ei
unde a i b sunt coeficienii funciei de regresie, iar
ei yi (a bxi )
xi , yi
nu este altceva dect o msur a distanei de la un punct (
) la linia de regresie (figura 8.6.):
y
(xi,
y
e yi)
i
a+
y=
bxi
a+
xi
x
i
$
y
astfel nct valorile estimate ale variabilei dependente ( ) s fie ct mai aproape posibil de valorile
observate (y) (dreapta s treac ct mai aproape de toate punctele observate). Un criteriu pentru
determinarea valorilor a i b este metoda minimizrii sumei ptratelor deviaiilor (abaterilor sau
y
i
ei
reziduurilor) ei. Cu ct este mai mic valoarea , cu att este mai aproape
cunoscut ca metoda celor mai mici ptrate, nseamn minimizarea relaiei:
yi
de valoarea
S
a 0
S 0
b
2 y a b x 1 0
y na b x 0
2 y a b x x 0 x y a x b x
i
20
2
i
. Metoda,
na b xi yi
i 1
i 1
i 1
i 1
i 1
a x b x2 x y
i i ii
Rezolvarea sistemului poate fi realizat folosind metoda determinanilor, dup cum urmeaz:
a
b
b
y x
x y x
i
i
2
i
y
x y
, unde:
x
x
i
2
i
xi
y x x x y
n x x
b n x y x y
b
n x x
2
i
2
i
2
i
Sau
i 1
yi b
x x y y
a y bx
x
i 1
xi yi nxy
i
x
2
i
nx
i 1
x x
n
i 1
sxy
sx2
Rmne de verificat dac este ndeplinit condiia de ordin 2, adic soluia gsit este un punct
de minim. Matricea derivatelor pariale de ordin doi trebuie s fie pozitiv definit:
21
2 (S )
2a2
2
(S )
ba
2 ( S )
2n
ab
2
2 xi
( S )
i
2 2
b
2 xi
i
2
2 xi
2n 0
4n x 2 4( x ) 2 4n ( x x ) 2 0
i i
i
sxy
drepte) numit i coeficient de regresie are ntotdeauna semnul indicatorului
X i Y. Aadar, n cazul unei legturi directe rezult
b0
b0
b0
$
y
$
y
o
$
y
x o
a)
b)
c)
Figura 8.7. Linii de regresie cu:
a) pant pozitiv; b) pant negativ; c) pant egal cu zero
n urma determinrii coeficienilor a i b ai ecuaiei de regresie, se calculeaz valorile ajustate
$
y i a bxi
date de
y $y
i 1
i 1
.
Este de remarcat faptul c, dac datele au fost sistematizate utiliznd metoda gruprii, iar valorile
xi
yi
i
se ntlnesc cu frecvenele
coeficienilor a i b, devine:
ni
, atunci sistemul de ecuaii normale, pentru determinarea
22
i 1
i 1
a ni b xi ni yi ni
i 1
i 1
i 1
i 1
a x n b x2 n x y n
ii i i iii
i 1
i 1
yi ni $y i ni
.
xi
n cazul n care datele au fost sistematizate ntr-un tabel cu dubl intrare, iar valorile
yi
i
se
nij
ntlnesc cu frecvenele
, sistemul devine:
a nij b xi ni y j n j
i 1 j 1
i 1
i 1
i 1
j 1
a x n b x2n
i i. i i. xi yi nij
i 1 j 1
;
Determinarea coeficienilor ai b pe baza acestor sisteme de ecuaii se adapteaz corespunztor.
n urma ajustrii vom obine:
m
y n $y n
j 1
j 1
.
Reamintim c, n cazul legturii simple liniare, o msur relativ a dependenei dintre dou
variabile o constituie coeficientul de corelaie. Acest indicator al corelaiei standardizeaz media
produselor abaterilor, semnul lui indicnd direcia legturii, iar valoarea intensitatea legturii.
x x y y
n
s
cov( x, y )
rxy
xy
sx s y
sx s y
i 1
i 1
x x
n
i 1
yi y
rxy
i 1
i 1
i 1
n xi yi xi yi
2
n x x
i
i 1
i 1
n
2
i
n y yi
i 1
i 1
n
2
i
b
,
23
n y
i 1
2
i
y
i 1
unde
rxy
Valoarea coeficientului de corelaie (
sau simplu, r) este situat ntre -1 i 1. O valoare 1 indic
o corelaie liniar direct i perfect (funcional), iar o valoare -1 indic o corelaie liniar invers
perfect. O valoare zero arat (de obicei) lips legturii ntre variabile. Totui, aceast interpretare trebuie
fcut cu precauie, deoarece o legtur neliniar, valorile extreme sau aberante pot distorsiona
interpretarea coeficientului de corelaie. Diagrama de mprtiere ne va ajuta, n plus, la interpretarea lui
r.
Aadar, coeficientul de corelaie, r, este un indicator ce caracterizeaz direcia i intensitatea
rxy
legturii liniare. De altfel, se observ c
b
este
sx y
s
2
x
r b
sx y
sx s y
, iar b, coeficientul de regresie (panta liniei drepte),
sx
sy
. Aadar
.
Coeficientul de corelaie (r) are, deci, acelai semn cu coeficientul de regresie (b) i anume
sy
sx
semnul dat de direcia legturii dintre variabile, deoarece
y1
2 ... t
y2 ... yt
... n t
... y n yt
t 1, n
,
t 1, n
unde
reprezint unitile de timp (perioade sau momente), iar yt reprezint nivelurile variabilei
studiate, Y. Aadar, ntr-o serie cronologic, ordinea datelor ofer informaii importante. O serie
cronologic poate fi format din patru componente diferite i anume: 1. Componenta de lung durat
trend (YT); 2. Componenta sezonier (YS); 3. Componenta ciclic (YC); 4. Componenta rezidual (YR).
1. Tendina de lung durat (numit i trend, tendin secular sau tendin pe termen lung) se
manifest sub influena unor factori sistematici cu aciune ndelungat i confer o form aproximativ
neted i o direcie aproximativ stabil de evoluie a fenomenului. Tendina de lung durat se manifest
i se pune n eviden pe un numr mare de termeni, peste 10-15 termeni. Spre exemplu, populaia
Romniei (indicator de interes pentru multe din activitile sectorului teriar), a cunoscut urmtoarea
evoluie n perioada 1980-2005 (numr mediu de locuitori la 1 iulie):
24
19
80
19
86
19
92
19
98
20
04
21000000
Dup cum se observ (figura 11.1), tendina de lung durat nu trebuie ntotdeauna s fie liniar. n acest
exemplu, numrul populaiei a crescut pn n 1990, dup care se constat o tendin descresctoare, n
perioada 1990-2005. Cu toate acestea, multe variabile social-economice de interes pot avea o tendin
liniar pe termen lung, cresctoare ori descresctoare.
2. Componenta sezonier are tot o influen sistematic, sub forma unor valuri (cicluri)
repetitive, care apar la perioade calendaristice scurte i, prin definiie, au o durat mai mic de un an de
zile. Termenul de variaii sezoniere se poate referi, n mod tradiional, la cele patru anotimpuri (sau
trimestre), ori la fluctuaiile ce apar n timpul unei luni, unei zile sau chiar n cursul unei zile. Cererea de
produse turistice, producia i preul de vnzare al unor produse agroalimentare, tarifele unor servicii etc.
Pot prezenta astfel de variaii sezoniere. n general, industria turismului este afectat de sezonalitate. n
funcie de momentul de re-ferin anchetele statistice pot oferi date i informaii privind fie trimestrele
calendaristice, fie trimestrele sezoniere. Anchetele bazate pe trimestre sezoniere ofer date decalate cu o
lun fa de cele calendaristice (Sursa: CANSTAT, Statistical Bulletin, Bucharest, 2002, pg. 96).
Exemplu
Hotelul CREASTA dintr-o zon montan, cu o capacitate de cazare existent de 140 locuri a nregistrat,
n perioada 2003-2006, urmtorii indici trimestriali de utilizare net a capacitii n funciunee (%)
(tabelul 11.1.):
Anul
2003
2004
2005
2006
IV
44,2
46,0
48,0
48,4
Din reprezentarea grafic (figura 11.2.) se observ cu uurin c, n trimestrul III, indicii de utilizare net
a capacitii n funciune sunt mai ridicai dect n celelalte trimestre.
25
Tr.
I
'0
3
0.
0
30
.0
60
.0
A
nii
Figura 11.3. Variaie ciclic ntr-o serie cronologic
4. Componenta rezidual determin variaii ntmpltoare, manifestate ca devieri neregulate ntro serie cronologic i care nu sunt cauzate de nicio alt component. Uneori aceast component poate
ascunde existena altora, mai predictibile, dar trebuie s subliniem c variaiile aleatoare apar n aproape
toate seriile cronologice, ceea ce face necesar identificarea lor, n scopul efecturii cu acuratee a
previzionrilor. Dac examinm figurile anterioare, vom observa astfel de variaii reziduale i, tocmai de
aceea, chiar dac vom caracteriza precis i exact celelalte componente, nu vom putea previziona la fel de
exact evoluia viitoare a unei variabile.
Componentele unei serii cronologice pot fi prezentate, pe scurt, astfel (tabelul 11.2.):
Denumire
Tip
Definiie
Componenta de
lung durat
Sistematic
Tendina de
modificare pe
termen lung
intervale de timp
mari de 1 an de
zile
evidena celorlalte
componente
Evenimente
neprevzute
Factori de
(greve, inundaii,
influena
rzboaie etc.) sau
variaii aleatoare
ale datelor
Un numr mare de Mai mic sau egal
Durat scurt i
Durat
De obicei 2-10 ani
termeni
cu 12 luni
care nu se repet
Modelul general al unei serii cronologice poate fi exprimat ca un model aditiv, unde valoarea variabilei la
Schimbri n
populaie,
tehnologie,
educaie, nivel de
trai etc.
Condiii climatice,
obiceiuri
religioase, sociale
etc.
Interaciunea unor
factori ce
influeneaz
economia
ytTMM
yt 2 yt 1 yt yt 1 yt 2
t 3, n 2
5
,
.
n general, dac mediile sunt calculate din m termeni (m, numr impar) se vor pierde, prin
calculul mediilor, (m 1) termeni i fiecare valoare ajustat va fi situat n dreptul unei valori nregistrate.
Dac, ns, mediile mobile se calculeaz din m termeni (m numr par), atunci valorile medii se situeaz
ntre termenii reali i vom centra nivelurile, astfel ajustate, prin calculul unor medii de medii (medii
pariale). Spre exemplu, dac o oscilaie complet are loc la 6 termeni, atunci calculm medii mobile
centrate:
27
ytTMM
yt 3
y
yt 2 yt 1 yt yt 1 yt 2 t 3
2
2
6
t 4, n 3
,
.
n acest caz se vor pierde, prin calculul mediilor centrate, m termeni. Prin calculul mediilor mobile,
abaterile sezoniere se compenseaz.
Exemplu. S considerm seria cronologic privind sosirile trimestriale de turiti la hotelul Creasta
dintr-o zon montan (tabelul 11.3.):
Anii
2003
2004
2005
2006
I
940
952
992
1026
Pentru calcularea tendinei pe termen lung, folosind metoda mediilor mobile din 4 termeni (la ci
se manifest o oscilaie complet), putem sistematiza datele astfel (tabelul 11.4.):
Tabelul 11.4. Calculul mediilor mobile
Anul
Trimestrul
Perioada(t)
yt
ytT(MM)
0
1
2
3
4
I
1
940
II
2
650
2003
III
3
1934
1222
IV
4
1360
1231
I
5
952
1255
II
6
706
1278
2004
III
7
2072
1289
IV
8
1406
1297
I
9
992
1303
II
10
734
1314
2005
III
11
2088
1327
IV
12
1478
1332
1346
I
13
1026
1360
II
14
740
2006
III
15
2190
IV
16
1492
y3TMM
y
y1
y 2 y3 y 4 5
2
2
4
28
y3TMM
940
952
650 1934 1360
2 1222
2
4
persoane.
y4TMM
650
706
1934 1360 952
2 1231
2
4
persoane. .a.m.d.
Reprezentarea grafic n figura 8.4. ilustreaz modul n care mediile mobile permit determinarea
tendinei de lung durat, prin eliminarea oscilaiilor sezoniere. S mai notm c mediile mobile pot fi
calculate i acolo unde nu exist devieri periodice, n scopul de a nltura variaiile reziduale. Cu ct
mediile mobile se vor calcula, dintr-un numr mai mare de termeni, cu att netezirea va fi mai accentuat;
pe de alt parte, calculul mediilor mobile dintr-un numr prea mic de termeni poate face ca variaiile
reziduale s nu se elimine din valorile reale.
2500
2000
1500
1000
persoaneValori observate
Medii mobile
500
Tr.
I
'0
Tr. 3
III
'0
3
Tr.
I'
0
Tr. 4
III
'0
4
Tr.
I'
0
Tr. 5
III
'0
5
Tr.
I'
0
Tr. 6
III
'0
6
y
k 1
Sk
Exemplu. Dup cum se tie, industria turistic este subiectul unor serioase variaii sezoniere. Folosind
datele din tabelul 11.3., vom urmri s determinm devierile sezoniere ale variabilei, sosiri de turiti.
Pentru aceasta, vom nltura mai nti componenta de trend (col. 3 col. 4, tabelul 8.4), iar rezultatele (
ytS ytR
Anii
0
2003
2004
2005
2006
Media
Deviere sezonier
712
129
572
783
109
761
746
580
620
590,7
752
128
22
585
758
133
0
I
1
303
311
320
311,3
306
y
k 1
Sk
.
22
5,5
4
persoane
persoane,
persoane
persoane
Devierile sezoniere n trimestrele I i II sunt negative (niveluri sub trend), iar trimestrele III i IV
sunt pozitive (vrfuri de activitate). Rezultatele ne arat c factorul sezonier deviaz numrul sosirilor de
30
yt : ytT
Exemplu. Pe baza datelor din tabelul 8.3., vom nltura componenta de trend
ytS ytR
vom obine
(col. 3: col. 4) i
Anii
1,583
1,105
1,607
1,084
0,552
1,573
1,112
0,559
0,554
0,555
1,588
1,099
0,737
0,599
1,714
1,186
0,000
I
1
0,759
0,761
0,762
0,761
0,821
1998
1999
2000
2001
Media
Indice de sezonalitate
pentru trim I:
0,552 0,559
0,554 0,555
1,588
;
3
1, 099
y
k 1
Sk
1,099 0,
737
yS
yS1 yS 2 yS 3 yS 4
0,9265
.
Indicii de sezonalitate vor fi subunitari n trimestrele I i II i supraunitari n trimestrele III i IV.
yS1 0, 761: 0,9265 0,821 yS 2 0,555 : 0,9265 0,599 yS 3 1,588 : 0,9265 1, 714
31
y
k 1
Sk
Acum
.
Indicii de sezonalitate astfel obinui ne arat c, n medie, sosirile de turiti n trimestrele III i IV
se afl peste tendina de lung durat cu 71,4%, respectiv cu 18,6%, iar n trimestrele I i II, sosirile de
turiti se situeaz sub linia de trend cu 17,9%, respectiv cu 40,1%. n previzionarea sosirilor de turiti va
trebui s inem cont, pentru fiecare trimestru, de influena factorului sezonier, influen determinat sub
forma devierilor sezoniere sau a indicilor de sezonalitate. Dup ce am determinat devierile sezoniere ori
yt ySk
yt ySk
B. TC. EXEMPLU
Obiectivul Econometriei
A fost formulat de ctre statisticianul Ragnar Frisch, n chiar primul numr al revistei Econometrica,
astfel: experiena a artat c fiecare din urmtoarele trei puncte de vedere, al statisticii, a teoriei
economice i al matematicii, este o condiie necesar, dar nu i suficient pentru o nelegere
efectiv a relaiilor cantitative din economia modern; unificarea lor este aceea care asigur
eficiena. Econometria este tocmai aceast unificare. Altfel spus, econometria reprezint studierea
fenomenelor economice pe baza datelor statistice cu ajutorul modelelor matematice.
Definiia restrictiv: A fost propus de Cowles Comission for Research in Economics (Chicago,
1940-1950); n aceast viziune se consider c econometria presupune investigarea fenomenelor
economice numai cu ajutorul modelelor aleatoare (stochastice, probabilistice); ea include doar
cercetrile economice ce utilizeaz metodele induciei matematice la verificarea relaiilor cantitative
formulate n teoria economic cu privire la fenomenele sau procesele studiate.
Definiia extins: Aparine economitilor anglo-saxoni i consider c econometria n sens larg
nseamn econometria n sens restrns, la care se adaug metodele cercetrii operaionale.
n prezent, econometria cuprinde i tehnicile moderne de analiz a datelor (analiza marilor tabele, de
exemplu). Econometria poate fi folosit n dou moduri, care nu sunt mutual exclusive: Ca
instrument de previziune (date fiind valori ipotetice ale anumitor variabile, putem previziona valoarea
variabilei de interes). Ca metod explicativ (poate fi folosit pentru a confirma sau infirma o teorie
economic).
Modelul econometric este instrumentul de cercetare tiinific ce st la baza econometriei. Modelul
econometric, prin definiie, este un model economic formulat astfel nct parametrii s poat fi
estimai dac se face presupunerea c modelul este corect. Un model econometric poate fi format din
una sau mai multe relaii statistice.
Specificul disciplinei
32
x j determin ieirile
y i , j=1,...,m,
yi
Douglas: Q= I L
,0<<1);
relaii instituionale: sunt relaii de apar n conformitate cu unele reglementri impuse de lege (exemplu:
amortizarea, impozitul pe venit etc.).
Structura modelului econometric este determinat de variabilele economice. Acestea pot fi:
endogene: variabile determinate n cadrul sistemului;
exogene: variabile determinate n afara sistemului, despre care modelul econometric nu are nimic de spus.
Din punct de vedere cronologic, observarea fenomenelor i proceselor se poate realiza static i dinamic,
datele primare putnd fi:
fie o imagine de tip static a populaiei statistice (datele fiind legate de starea populaiei la un moment
dat);
fie o imagine de tip dinamic, evolutiv n care datele ofer informaii despre evoluia n timp a uneia din
uniti sau a ntregii populaii.
Aceste dou modaliti de observare a unitilor unei populaii conduc la gruparea datelor n trei categorii:
d) date de tip profil reprezint rezultatul unor msurtori efectuate la un anumit moment dat asupra uneia
sau mai multor variabile, pe mulimea unitilor populaiei.
Aceste date de profil se mai numesc date de tip secven sau date de tip seciune i reprezint tieturi
informaionale efectuate ntr-o populaie la un moment dat, tieturi care sunt de tip transversal, n
raport cu axa timpului.
Se remarc urmtoarele:
o observaie n contextul datelor de tip profil este reprezentat de valoarea sau valorile unei singure
entiti, ale unei singure uniti din populaie; numrul observaiilor coincide, n cazul datelor de tip
profil, cu numrul unitilor observate i investigate;
33
6.
7.
trebuie ca numrul factorilor luai n considerare s nu fie foarte mare pentru a nu fi mult prea complex,
dificil de estimat etc.
Dup forma legturii dintre variabila rezultativ i variabilele cauz:
modele liniare: dac legtura este liniar;
modele neliniare: dac legtura este neliniar.
Dup includerea factorului timp n model:
X j se realizeaz
x 1t , , x jt , , x kt )+ t
modele dinamice:
introducerea variabilei timp ca o variabil explicativ
y = f(
x t ,t )+ t ;
autoregresive: variabila rezultativ cu valori decalate este una din variabilele explicative
y = f(
x t , y t k )+ t
model cu decalaj: variabila explicativ X i exercit influena asupra variaiei variabilei rezultative pe
mai multe perioade de timp:
y = f(
x t , x t 1 , , xt k )+ t
34
Y 1+ b12 + +b 1n Y n +c 11 X 1 +c 12 X 2+ +c 1 m X m= 1
b21 Y 2 +Y 2 ++ b2 n Y n+ c 21 X 1 +c 22 X 2+ +c 2 m X m= 2
bn 1 Y 2 +b n 2 Y 2 ++Y n+ c n1 X 1 +c n 2 X 2+ +c nm X m= n
Y i ,i= 1, n variabile rezultative sau endogene
Un cercettor face un studiu asupra unor firme, privind ansele pe care acestea le ofer tinerilor
angajai de a promova repede i de a avansa n carier. Pentru aceasta el a cuprins n studiu un numr de
20 de companii productoare de tehnologie de vrf i a nregistrat timpul scurs de la angajarea iniial a
unui salariat n firm pn la prima promovare a acestuia. Firmele au fost grupate dup mrime, iar datele
nregistrate sunt:
Mrimea firmelor
Numr de sptmni de la angajare pn la prima promovare
Mici
30; 26; 30; 32; 38; 24; 32; 28;
Medii
34; 32; 25; 36; 33;
Mari
47; 41; 43; 48; 40; 49; 40.
Se cere s se determine, folosind testul F de analiz dispersional, dac variaia timpului scurs pn la
prima promovare este influenat semnificativ de mrimea firmei.
Rezolvare:
Notm cu X caracteristica mrimea firmelor factorul de grupare i cu Y caracteristica numr de
sptmni de la angajare pn la prima promovare. Se formuleaz urmtoarele ipoteze:
H 0 : 1 2 3
36
H 1 : i j , i j
Unde i reprezint timpul mediu de promovare pentru firma din grupa i, la nivelul colectivitii
i 1,3
yi
generale. Calculm, la nivelul eantionului, mediile pentru fiecare grup i (
reprezint grupa (mrimea firmei):
), cu
, unde i
y1
1j
j 1
n1
30 26 30 38 32 24 32 28
30, 00
8
sptmni;
5
y2
y
j 1
2j
n2
34 32 25 36 33
32
5
sptmni;
y3
3j
j 1
n3
47 41 43 48 40 49 40
44
7
sptmni.
Numrul mediu de sptmni pentru ntreaga colectivitate de 20 de firme poate fi calculat ca medie a
mediilor pariale:
yn
n
i i
30 8 32 5 44 7
35, 4
20
sptmni.
si2
Determinm dispersia fiecrei grupe i (
y
8
s12
j 1
1j
y1
):
n1
16
8
8
y
5
s22
j 1
2j
y2
n2
70
14
5
37
y
7
s32
3j
j 1
y3
n3
13,14
7
7
S1 y i y ni (30 35, 4) 2
8 (32 35, 4) 2 5
i 1
ni
S2 yij y i
i 1 j 1
s
2
i 1
2
i
ni 128 70 92 290
s12
S1
808,8
404, 4
r 1
2
s22
S2
290
17, 06
n r 17
Testul F:
s12 404, 4
F 2
23, 7
s2 17, 06
Ftabelar Fcritic F ,r 1,n r F0,05;2;17 3,59
Fcalculat Fcritic
Cum
, rezult c se respinge ipoteza nul, acceptndu-se ca adevrat ipoteza alternativ.
Timpul mediu de promovare pe fiecare tip de firm difer semnificativ, n consecin se poate afirma, cu o
probabilitate de 95%, c mrimea firmei influeneaz semnificativ variaia timpului de promovare a
tinerilor.
2.
n vederea fundamentrii deciziei de nlocuire a unor utilaje din dotarea unei fabrici, managerul
acesteia solicit o analiz a vechimii utilajelor i a costului de ntreinere anual al acestora. Astfel, cele
110 utilaje din dotarea fabricii sunt grupate dup vechime (ani) i dup costul de ntreinere (mii lei):
Costul de ntreinere (mii lei)
Total
Vechime(ani)
57
79
911
1113
Mic (< 5 ani)
10
8
5
23
Medie (510 ani)
15
20
7
42
Mare (> 10 ani)
2
25
18
45
Total
10
25
50
52
110
38
y1
y n
j 1j
1j
n1j
yj
yjn1j
y j y1
10
8
5
6
8
10
12
60
64
50
-1,56
0,44
2,44
24,336
1,549
29,768
174
55,653
23
174
y y
n
j
n1 j
1j
y1
n1 j
55, 653
2, 42
23
.
i = 2 (grupa vechime medie)
n2j
yj
yjn2j
y j y2
57
79
911
1113
Total
15
20
7
42
6
8
10
12
120
200
84
404
-1,62
0,38
2,38
y2
y n
j 2j
2j
y2
n2 j
39,366
2,888
39,6508
81,9048
y j y 2 n2 j 81,9048 1,95
404
n3j
yj
yjn3j
y j y3
57
79
911
1113
Total
2
25
18
45
6
8
10
12
16
250
216
482
-2,7
-0,7
1,3
39
y3
14,58
12,25
30,42
57,25
n3 j
y3
y j n3 j
n
3j
485
10, 7 mii RON s32
45
;
y y
n
j
n3 j
3j
57, 25
1, 27
45
.
ni
S 2 yij y i
i 1 j 1
si2 ni 2, 42 23
1,95 42
1,27 45 194,
7
i 1
Costul mediu de ntreinere pentru ntreaga colectivitate de 110 utilaje poate fi calculat ca medie a
mediilor pariale:
yn
n
i i
i
7,56 23 9, 62 42
10, 7 45
9, 64 mii RON
110
.
i 1
s12
S1
150,15
75, 075
r 1
2
s22
S2
194, 7
1,82
nr
107
Testul F:
41, 25
s22
1,82
Fcalculat Fcritic
Cum
, rezult c se respinge ipoteza nul, acceptndu-se ca adevrat ipoteza alternativ.
n consecin se poate afirma, cu o probabilitate de 95%, c vechimea utilajelor influeneaz semnificativ
variaia costului de ntreinere.
3. Pentru un magazin de mobil s-au cules date privind numrul de spoturi publicitare difuzate i numrul
vizitatorilor (mii pers.) timp de 14 zile:
Ziua
1
Nr. spoturi
publicitare
7
40
Nr. vizitatori
(mii pers.)
41
5
1
8
10
2
6
7
9
3
12
8
4
11
32
10
40
61
8
35
34
45
11
64
37
30
55
Se cere:
a) Reprezentai grafic datele. Comentai graficul.
b) Pe baza datelor de la nivelul eantionului, determinai ecuaia de regresie care modeleaz
legtura dintre cele dou variabile i calculai numrul zilnic previzionat de vizitatori.
c) Verificai dac modelul de regresie identificat este valid statistic.
d) Testai semnificaia statistic a parametrilor modelului, determinnd i intervalele de ncredere
pentru acetia.
e) Msurai intensitatea legturii dintre cele dou variabile cu ajutorul coeficientului i a
raportului de corelaie; testai semnificaia indicatorilor utilizai.
f) n ce msur variaia numrului de vizitatori este determinat de numrul spoturilor publicitare,
pe baza modelului de regresie determinat?
g) Previzionai numrul vizitatorilor ateptai ntr-o zi, n ipoteza c se vor difuza 15 spoturi n
acea zi.
h) Previzionai numrul mediu zilnic de vizitatori, n ipoteza c se vor difuza 8 spoturi publicitare
n medie pe zi.
Rezolvare:
a) Notm cu X variabila factorial, independent nr. spoturi publicitare i cu Y variabila
dependent nr. vizitatori.
Pentru a identifica existena, forma i sensul legturii dintre variabilele analizate, construim
corelograma (figura 4.10.).
41
70
60
50
40
Nr. vizitatori 30
20
10
0
0
10
12
14
Nr. spoturi
yi a bxi
b) Pentru a determina estimatorii a i b, rezolvm sistemul de ecuaii normale, folosind datele din
tabelul de lucru 4.5.:
na b xi yi
2
a xi b xi xi yi
n 14
(numrul observaiilor).
xi
yi
xi2
xi yi
yi2
7
5
1
8
10
2
6
7
9
3
12
8
4
42
32
10
40
61
8
35
34
45
11
64
37
30
49
25
1
64
100
4
36
49
81
9
144
64
16
294
160
10
320
610
16
210
238
405
33
768
296
120
1764
1024
100
1600
3721
64
1225
1156
2025
121
4096
1369
900
yi 2, 2858
5, 0753 xi
37,81
27,66
7,36
42,89
53,04
12,44
32,74
37,81
47,96
17,51
63,19
42,89
22,59
42
yi yi
17,53
18,82
6,96
8,34
63,39
19,68
5,12
14,54
8,78
42,40
0,66
34,67
54,96
yi y
3,29
69,52
820,19
47,44
290,31
555,25
10,64
3,29
143,12
341,82
739,24
47,44
179,91
xi x
0,13
2,70
31,84
1,84
11,27
21,56
0,41
0,13
5,56
13,27
28,70
1,84
6,98
504
9,69
489,01
18,98
145,21
58,11
3740,47
3025
305,53
605
y2i = 763
121
xiyi = 504
55
x2i = 763
xi = 93
11
yi = 504
2, 2858
14 763 (93) 2
2033
b 14 4085 93
504 10318
5, 0753
14 763 (93) 2
2033
yi 2, 2858 5, 0753 xi
Ecuaia de regresie este:
c) Testarea validitii modelului de regresie determinat.
Pentru testarea validitii modelului se formuleaz cele dou ipoteze: H0: model nevalid statistic,
cu alternativa H1: model valid statistic. Se completeaz tabelul:
Grade de
Media
Suma ptratelor
Sursa
libertate (df- ptratelor (MS(SS-Sum of
Testul Fisher (testul F)
variaiei
degree of
Mean of
Squares)
freedom)
Squares)
Datorat
regresiei
Rezidual
Total
2y x 3740, 465
e2 305,535
2y 4046, 000
k 1
s 2y x 3740, 465
n k 1
Fcalc
3740, 465
146,908
25, 461
14 2 12
n 1
14 1 13
F ;k ;n k 1 4, 75
Fcalc F ;k ;n k 1
ntruct
se respinge H0, adic se concluzioneaz c modelul este valid.
Calculele intermediare se gsesc n tabelul 4.5.
d) Ecuaia de regresie liniar la nivelul colectivitii generale se scrie:
yi xi i
,
iar la nivelul eantionului:
43
yi a bxi ei
Pentru testarea semnificaiei parametrilor modelului de regresie liniar i estimarea lor pe
intervalele de ncredere se procedeaz astfel:
1) pentru parametrul
Ipotezele testate sunt:
H 0 : 0( b 0)
H1 : 0
.
tcalc
n 30
b b b 0
sb
sb
se
sb
(x x )
i 1
n2
) grade de libertate.
5, 046
0, 4187
145, 21
Unde
n
n2
2
e
se
Iar
( y y )
i 1
n2
305,53
5, 046
12
tcalc 12,1206
Se obine
t 2;13 2,179
tcalc t 2;13
. Deoarece
este:
b t 2, n 2 sb b t
2, n 2
sb
4,1629 5,9876
, adic
2) pentru parametrul a
Ipotezele testate sunt:
H0 : 0
H1 : 0
.
Statistica t este:
44
tcalc
a a a 0
sa
sa
.
n
sa se
x
i 1
2
i
n ( xi x ) 2
5,046
763
3,0912
14 145, 21
i 1
Unde
tcalc 0, 7394
t 2;13 2,179
. Deoarece
tcalc t 2;13
a t 2, n 2 sa a t 2, n 2 sa
4, 4495 9,0210
, adic
.
Un argument suplimentar pentru concluzia c parametrul este nesemnificativ statistic este acela
c intervalul de ncredere include i valoarea zero.
e) Pentru a msura intensitatea legturii dintre cele dou variabile, se va calcula mai nti
coeficientul de corelaie liniar:
r
n xi yi xi yi
n x2 x
i
i
10318
n y2 y 2
n yi2 yi
i i
10318
0,9615
2
2033(14 22190 504 ) 10731
2
Acest indicator ne arat o legtur direct i foarte puternic (r este pozitiv i apropiat de valoarea
unitar).
Pentru testarea semnificaiei coeficientului de corelaie liniar simpl, se procedeaz astfel:
Ipotezele testate sunt:
H0 : 0
H1 : 0
( este semnificativ statistic).
Statistic t este:
tcalc
r r n 2 0,9615 12
12,12
sr
1 r2
1 0,96152
.
Cum valoarea tabelar a testului t, pentru un prag de semnificaie de 5% i 12 grade de libertate
tcalc t ;n 2
( y y )
1
( y y)
R Ry / x
305,53
0,9615
4046
504
36
14
mii pers.
Ry / x ry / x 0,9615
, deci exist o legtur liniar, puternic i direct ntre cele dou variabile.
Testarea semnificaiei raportului de corelaie se face cu testul F:
n k 1 R2
146,9
k
1 R2
F ;k ;n k 1 4, 75
Fcalc F ;k ;n k 1
ntruct
se respinge H0, adic se concluzioneaz c R este semnificativ statistic.
f) Pentru a determina n ce msur variaia numrului de vizitatori este explicat de influena
numrului de spoturi publicitare difuzate zilnic, se calculeaz coeficientul de determinaie:
y / x 15 2, 2858 5, 0753 15 78
$
y n 1 yn 1,i
xn 1 x
1
1 (15 6, 64) 2
25, 461 1
s2y s 2$y y se2 1 n
39,534
n1,i
n1 n1,i
n
14
145, 21
( xi x)
i 1
xn 1 x
1
$
y n 1,i t /2, n 2 se 1 n
n
( xi x)2
i 1
xn 1 x
h) Suntem n cazul determinrii intervalului de ncredere pentru media de rspuns, cnd
Pentru aceasta se determin:
$
y n 1 y b xn 1 x 36 5, 0753 (8 6, 64) 42,9
$
y n 1
este:
s2yn1
2
1
x
1 (8 6, 64) 2
n 1
25, 461
se2 n
2,14
14
145, 21
2
n
( xi x)
i 1
$
y n 1 t /2,n 2 se
xn 1 x
1
n
n
( xi x)2
i 1
Se cere:
S se determine mediile mobile din cte 4 termeni consecutivi.
S se determine abaterile sezoniere i coeficienii (indicii) sezonieri.
S se determine trendul pentru seria desezonalizat.
S se extrapoleze seria de date privind volumul vnzrilor de jucrii electronice pentru trimestrul III, anul
2006, folosindu-se cea mai bun metod de ajustare.
Rezolvare:
a) Datele fiind trimestriale, se vor calcula medii mobile din numr par de termeni ( p = 4).
Mecanismul de calcul i mediile mobile pariale i finale sunt prezentate n tabelul 8.12., coloanele 2 i 3.
Tabelul 8.12.
Anul i trimestrul
Termenii seriei
Medii mobile pariale
Medii mobile centrate
0
1
2
3
I
10
II
14
2002
III
11
14
14,125
47
2003
2004
2005
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
21
11
16
10
22
14
18
13
22
13
16
9
25
14,25
14,75
14,5
14,75
15,5
16
16,75
16,75
16,5
16
15
15,75
10
11
14 11 21
2 14,125
MM 1 2
4
A doua medie mobil va fi:
14
16
11 21 11
2 14,5
MM 2 2
4
Etc.
Ultima medie mobil va fi:
22
25
13 16 9
2 15,375
MM 12 2
4
48
14,5
14,625
14,625
15,125
15,75
16,375
16,75
16,625
16,25
15,5
15,375
30
25
20
15
mii buc.
10
Valori observate
Medii mobile
5
0
y t
Se elimin din termenii reali yt valorile de trend ( ), determinate prin metoda mediilor mobile.
Rezultaele se gsesc n coloana 3 a tabelului 8.13., ncepnd cu trimestrul III/2002:
etc.
S 'j
Aceste diferene se trec n tabelul 8.14., n care se calculeaz devierile sezoniere brute (
coloana 5 i corectate (sj) coloana 6.
Devierile sezoniere brute:
S I'
S II'
S III'
1,375 1, 25 0, 625
1, 083 mii buc.
3
49
S IV'
6,5 6, 25 5, 75
6,167 mii buc.
3
S'
'
S I' S II' S III
S IV'
2, 667 1, 083 3,958 6,167
0,15625
4
4
etc.
Se determin componenta aleatoare, scznd din valorile termenilor reali trendul i
sezonalitatea (coloana 6/tabelul 8.13.):
etc.
n trimestrul I al fiecrui an, factorul sezonier a determinat o scdere a valorii produciei vndute
cu aproximativ 3 mii buci fa de linia de trend; n trimestrul II al fiecrui an, factorul sezonier a
determinat o cretere a valorii produciei vndute cu circa 1 mii buci fa de linia de trend; n trimestrul
III al fiecrui an, factorul sezonier a dus la o scdere a valorii produciei vndute cu 4 mii buci fa de
linia de trend, iar n trimestrul IV al fiecrui an, factorul sezonier a determinat o cretere a valorii
produciei cu circa 6 mii buci fa de linia de trend.
Tabelul 8.13.
Trendul (medii
Anul i trimestrul
0
2002
1
I
II
III
IV
y t
yt
2
10
14
11
21
mobile)
3
14,125
14,5
yt y t
4
-3,125
6,5
50
SCR
corectat yt
- sj
5
13
13
15
15
Componenta
aleatoare t
6
0,989
0,489
2003
2004
2005
I
II
III
IV
I
II
III
IV
I
II
III
IV
11
16
10
22
14
18
13
22
13
16
9
25
14,625
14,625
15,125
15,75
16,375
16,75
16,625
16,25
15,5
15,375
-3,125
1,375
-5,125
6,25
-2,375
1,25
-3,625
5,75
-2,5
0,625
14
15
14
16
17
17
17
16
16
15
13
19
-0,802
0,448
-1,011
0,239
0,448
0,323
0,489
-0,261
0,323
-0,302
Tabelul 8.14.
Devieri
sezoniere
Diferene sezoniere
Trim.
0
I
II
III
IV
2002
2003
2004
2005
-3,125
6,5
2
-3,125
1,375
-5,125
6,25
3
-2,375
1,25
-3,625
5,75
4
-2,5
0,625
S 'j
brute
5
-2,667
1,083
-3,958
6,167
Devieri
sezoniere
corectate
(Sj)
6
-2,823 ~ -3
0,927 ~ 1
-4,144 ~ -4
6,011 ~ 6
S ' 0,15625
Total
II) Modelul multiplicativ
y t
Se mparte termenii reali (yt) la trend (
etc.
Rapoartele rezultate la pasul anterior se trec n tabelul 8.16., n care se calculeaz indicii de
sezonalitate brui (coloana 5) i cei corelai (coloana 6).
Indicii de sezonalitate brui:
'
S I* 3 0, 779 0,885 0,839 0,824
'
S II* 3 1,094 1, 075 1,
041 1, 07
*'
S III
3 0,779 0, 661 0, 792 0, 741
51
1, 400
' 4 '
*
*
S * S I* S II* S III
SIV
'
S I*
0,824
S
0,817
1, 00875
*'
S
'
S II*
1, 07
S
1, 061
1, 00875
*'
S
*
I
*
III
*
II
*'
S III
0, 741
0, 734
1, 00875
*'
S
*
IV
*'
S IV
1, 4
1,388
1, 00875
*'
S
2003
2004
2005
Trim.
1
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
y t
yt
2
10
14
11
21
11
16
10
22
14
18
13
22
13
16
9
25
mobile)
3
14,125
14,5
14,625
14,625
15,125
15,75
16,375
16,75
16,625
16,25
15,5
15,375
yt / y t
4
0,779
1,448
0,779
1,094
0,661
1,397
0,855
1,075
0,782
1,354
0,839
1,041
Indici de sezonalitate
52
SCR
corectat
yt / sj*
5
12,240 ~ 12
13,195 ~ 13
14,986 ~ 15
15,130 ~ 15
13,464 ~ 13
15,080 ~ 15
13,624 ~ 14
15,850 ~ 16
17,136 ~ 17
16,965 ~ 17
17,711 ~ 18
15,850 ~ 16
15,912 ~ 16
15,080 ~ 15
12,261 ~ 12
18,011 ~ 18
Indici de
sezonalitate
Tabelul 8.15.
Componenta
t*
aleatoare
6
1,061
1,043
0,921
1,031
0,901
1,006
1,046
1,013
1,065
0,975
1,026
0,981
Tabelul 8.16.
Indici de
sezonalitat
e corectai
'
S *j
brui
2002
1
0,779
1,448
0
I
II
III
IV
2003
2
0,799
1,094
0,661
1,397
2004
3
0,855
1,075
0,782
1,354
2005
4
0,839
1,041
5
0,824
1,07
0,741
1,400
Total
S *j
(
6
0,817
1,061
0,734
1,388
1,00875
n trimestrul I al fiecrui an, factorul sezonier a determinat o scdere a valorii produciei vndute
cu aproximativ 81,7 100 = 18,3%; n trimestrul II al fiecrui an, factorul sezonier a determinat o
cretere a valorii produciei vndute cu 106,1 100 = 6,1% fa de linia de trend; n trimestrul III al
fiecrui an, factorul sezonier a dus la o scdere a valorii produciei cu 73,4 100 = 26,6% fa de linia
de trend, iar n trimestrul IV al fiecrui an, factorul sezonier a determinat o cretere a valorii produciei cu
138,8 100 = 38,8% fa de linia de trend.
c) Pentru seria corectat de sezonalitate cu ajutorul indicilor de sezonalitate (tabelul 8.15.,
coloana 5), determinarea trendului se poate face prin metode mecanice sau analitice.
Tabelul 8.17.
Anul i trim.
0
2002
2003
2004
2005
Total
1
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
yt
2
12
13
15
15
13
15
14
16
17
17
18
16
16
15
12
18
242
yt ( )
yt ( I )
3
12,0
12,4
12,8
13,2
13,6
14,0
14,4
14,8
15,2
15,6
16,0
16,4
16,8
17,2
17,6
18,0
4
12,00
12,32
12,66
13,00
13,35
13,71
14,08
14,46
14,85
15,25
15,66
16,09
16,52
16,97
17,42
18,00
53
t2
ty
5
-15
-13
-11
-9
-7
-5
-3
-1
1
3
5
7
9
11
13
15
0
6
225
169
121
81
49
25
9
1
1
9
25
49
81
121
169
225
1360
7
-180
-169
-165
-135
-91
-75
-42
-16
+17
+51
+90
+112
+144
+165
+156
+270
132
yt
lin
8
13,67
13,86
14,06
14,25
14,45
14,64
14,83
15,03
15,22
15,42
15,61
15,80
16,00
16,19
16,39
16,58
t 2
t / t 1
n 1
n /1 yn y1 18 12
0, 4 mii.buc.
n 1
n 1
15
yt ( ) y1 (t 1)
yt ( ) 12 (t 1) 0, 4; t 1,16
; (tabelul 8.17. coloana 3)
II. Metoda indicelui mediu de modificare
I n 1 It / t 1 n 1 I n /1 15
yt ( I ) y1 I
18
1, 027
12
;
t 1
yt ( I ) 12 1.027
t 1
; t 1,16
(tabelul 8.17. coloana 4)
yt a b t
na b t y
a t b t ty
2
a
b
y y 15,125
n
ty
t2
132
0, 097
1360
yt 15,125 0, 097 t
yt
minimul expresiei:
. Conform tabelului 8.18. valoarea minim a expresiei se obine pentru
metoda trendului liniar (42,958).
Tabelul 8.18.
2
2
yt yt yt yt yt yt 2
Anul i trim.
yt
yt ( )
yt ( I )
yt
2
12
13
15
15
13
3
12,0
12,4
12,8
13,2
13,6
4
12,00
12,32
12,66
13,00
13,35
8
13,67
13,86
14,06
14,25
14,45
2002
2003
1
I
II
III
IV
I
54
lin
9
0
0,36
4,84
3,24
0,36
10
0
0,4624
5,4756
4,0000
0,1225
liniar
11
2,7889
0,7396
0,8836
0,5625
2,1025
2004
2005
II
III
IV
I
II
III
IV
I
II
III
IV
Total
15
14
16
17
17
18
16
16
15
12
18
242
14,0
14,4
14,8
15,2
15,6
16,0
16,4
16,8
17,2
17,6
18,0
13,71
14,08
14,46
14,85
15,25
15,66
16,09
16,52
16,97
17,42
18,00
14,64
14,83
15,03
15,22
15,42
15,61
15,80
16,00
16,19
16,39
16,58
1,00
0,16
1,44
3,24
1,96
4,00
0,16
0,64
4,84
31,36
0
57,60
1,6641
0,0064
2,3716
4,6225
3,0625
5,4756
0,0081
0,2704
3,8809
29,3764
0
60,7990
0,1296
0,6889
0,9409
3,1684
2,4964
5,7121
0,0400
0
1,4161
19,2721
2,0164
42,9580
Determinm nti valoarea de trend pentru trimestrul III 2006, pe baza metodei trendului liniar.
mii buc.
Se calculeaz apoi volumul previzionat al vnzrilor pentru trimestrul III 2006, inndu-se cont i de
mii buc.; pe
mii buc.
OBSERVAII FINALE
1. Se va alege un singur exemplu pentru aplicaia din TC (punctul 3) din cele de mai sus.
2. TC se va utiliza n timpul lucrrii de verificare.
3. ntrebrile la Verificare (lucrarea scris) vor fi din TC, astfel:
a. Definii ob. de studiu al econometriei (1 punct)
b. Precizai i exemplificai noiunea de model econometric (2 puncte)
c. Specificul econometriei (2puncte)
d. Dai un exemplu cu elementele definitorii (nu cu tot cu calcule). (4 puncte).
e. 1 punct din oficiu.Total 10puncte. Timp de lucru 60 minute. Rezultatele se dau dup
o or de la finalul lucrri (adic la ora 19,30).
55