Facultatea de Cibernetic, Statistic i Informatic Economic

Catedra: Statistic i previziune economic

Lucrare de laborator
Nr.1
Tema: Modele cu variabile
intirziate

A efectuat:
A verificat:
Studentul gr. SPE-141
Briceag Valeriu
Prachi Ion

Chiinu 2015
Tab_1 ,,Dependenta dintre investitii si profit
Anii
1990 Cheltuieli
Profit
1991 Cheltuieli
Profit
1992 Cheltuieli
Profit
1993 Cheltuieli
Profit
1994 Cheltuieli
Profit
1995 Cheltuieli
Profit
1996 Cheltuieli
Profit
1997 Cheltuieli
Profit
1998 Cheltuieli
Profit
1999 Cheltuieli
Profit
2000 Cheltuieli
Profit

investitionale
investitionale
investitionale
investitionale
investitionale
investitionale
investitionale
investitionale
investitionale
investitionale
investitionale

T1
T2
T3
T4
1774
1830
2085
1801
2054
2061
2072
2037
1688
1707
1733
2155
2066
2071
1968
1985
2560
3156
3767
3907
1918
1995
2122
2313
3914
3573
3203
3266
2618
2900
3062
3311
3480
2997
2266
2015
3450
3470
3439
3187
1512
1632
1994
1997
2701
2342
2144
2016
2524
2808
2923
3028
2075
2196
2242
2425
2729
2325
2135
2556
2643
2737
2725
2644
2238
2286
2537
2521
2517
2452
2433
2520
2776
2384
2572
2948
2538
2498
2600
2576
2633
3135
3453
3768
2602
2652
2844
2841

Cerinte:
Estimarea relatiei si testarea unei eventuale autocorelari ale erorilor;
Teoria economica presupune ca cheltuielile de investitii (notate cu y t) pot fi
explicate prin profiturile obtinute (xt).
Astfel, modelul nostrum ia urmatoarea forma:

y t =a0 +a 1 y t 1 +a 2+ x t + ut unde:
y t investitiiperioada t
x tveniturile din perioada t

y t1investitii perioada precedenta

ut erorile de observare

y t =b0 +a 0 x t + a1 x t1 +a 2 x t2 ++ ah x t h+ t = a j x t j +b0 + t unde:

j=0
a0 > a1> a2 >> ah Estimarea parametrilor

a0 , a1 , a2 , o putem face cu ajutorul

pachetului eviews folosind functia MCMMP, adica

Ls y c y(1) x , care ne indica urmatoarele rezultate:

Acest table ne conduce spre urmatoarea egalitate:

y = 200.0839+ 1.135797*y(1) - 0.217118*x
Deoarecevaloarea calculate DW (1.363536) nu se afla in intervalul [1,48;1.57],
pentru k=1 , dar in intervalul [0;dl=1.48] rezulta ca respingem ipoteza nula ipoteza
de ordinul I fiind pozitiva.

Pe linga DW este convenabila si o alta statistica pentru modelul autoregresiv:

h=^

n
1n ^ 2a

, iar

^=1

DW
2

unde:
n numarul de observari
^ 2a variatia estimate a coeficientului a1
1

Aceasta statistica h este distribuita intr-o maniera asimptotica urmind repartitie normal centrata
redusa. Studiem echivalenta dintre doua teste:
H 0 : =0 H 0 :h=0
H 1 : 0 H 1 :h 0
^=1

1.363536
=0.318232
2

h=0.318232
t

/2

44
=2.228109
144 0.002328

=1.96

Valoarea calculate a statisticii h este mai mare decit valoarea tabelara, ceea ce arata ca ipoteza
nula se respinge, iar alternativa se accepta, fapt care ne demonstreaza ca exista dependent intre
erori si ca h 0

Determinarea numarului de intirzieri

Modelul pe baza caruia se determina numarul de intirzieri este:
h

y t = a j x t 1 +b 0+ t
j=0

Testul Fisher:
Este un test in care testam ipoteza nula pentru coeficientii regresiei superioare decalajului h.
Formularea este urmatoare, cind se verifica, intr-un mod descendent, o valoare cuprinsa intre 0 si
M: 0<h< M . Presupunem ca h (0, m)
I 10 :h=m1= am=0
I 11 :h=m1= a m 0
I 20 :h=m2= am1=0
I 21 :h=m2= am1 0

i
I 0 :h=mi= a mi+1=0

I 1 :h=mi= a mi+1 0
Fiecare din aceste ipoteze face obiectul testului clasic Fisher care se calculeaza dupa formula:
(SPR mi+ SPR m1 +1)/2
F=
SPR mi+1 /nm+ i3
Care se compara cu F tabular care are 2 si (n-M+i-3) grade de libertate.
SPR mi Suma patratelor reziduale
n numarul observatiilor
m numarul coeficientilor

H0
Daca F >Ftab = ca

se respinge si procedura este finisata, iar valoarea lui h va fi:

h=mi+1
Rezultatele testului Fisher pot fi calculate dupa urmatoarea metoda:
SCR 6 se calculeaza conform formulei: Ls y c (x) x(-1) x(-2) x(-3) x(-4) x(-5) x(-6)

SCR 6 =521116.1
Utilizind formula Ls y c (x) x(-1) x(-2) x(-3) x(-4) x(-5) obtinem

SCR 5

SCR 5 =660498.8

Se admite de a calcula
modelului cu 5 intirzieri, sau fie

SCR 5

care este egal cu 660498.8 ce ne este data de estimarea

F stat > F 0.05

2.3 =3.32 , noi vom respinge ipoteza nula, numarul de

intirzieri fiind 6.
(SPR 5 SPR 6 )/2 (660498.8521116.1)/2 69691.35
F5 =
=
=
=4.012
SPR 6 /30
521116.1/30
17370.54
Testul AKAIKE:
O alta metoda consta in retinerea ca valoare a lui h care minimizeaza functia Akaike ce
ne este data de formula:
AIC ( h )=ln

( SCRn )+ 2nh
h

Unde:
SCR h - suma patratelor reziduale pentru modelul cu h intirzieri
n numarul de observatii
Pentru includerea unei noi variabile explicative este ca prin aceasta respecificare a modelului sa
se obtina o valoare mai mica pentru AIC

Obtinem valorile testului Akaike prin introducerea formulei:

Ls y c x(0 to +!i)

Scalar aich!l=log(@ssr/@regobs)+!i*2/@regobs
Conform criteriului Akaike, numarul intirzierilor este 6, pentru AIC(6)=9.8419
Criteriul Schwartz:
k+1
k+1
SPR ( h ) h ln n
SPR
1
SCH = ( h )=ln
+
SC=
n n = ( e 2t ) n n
n
n
n
n

( )

Rezultatele testului Schwartz pot fi calculate cu ajutorul pachetului Eviews conform

urmatoarei comenzi:
scalar sch!I = log(@ssr/@regobs)+!i*log(@regobs)/@regobs
Valoare minima a acestui test este 10.10050, care se situiaza in dreptul lagului 6, ceia ce
semnifica ca numarul de intirzieri este 6. Pentru o vedere mai clara a datelor obtinute, este redata
in tab. 3.
Tabelul 3 Rezultatul cautarii numarul optim de laguri
Lag

Akaike

Schawarz

0
1
2
3
4
5
6
7
8
9
10

11.959403114
11.4959799132
11.0405592292
10.5531529062
10.2496199131
9.99359914879
9.84193135918
9.8849034746
9.96013021442
10.0335078279
10.1009673574

11.959403114
11.5369380554
11.1233054015
10.6785362281
10.4185078586
10.2068762829
10.1004975949
10.1896717283
10.3120233119
10.4334544723
10.5498969235

Analizind datele obtinute in urma utilizarii celor trei criterii putem concluziona ca
numarul de intirzieri pentru modelul analizat este 6.
Asadar, modelul nostru este:
y t =b0 +a 0 x t + a1 x t1 +a 2 x t2 +a3 x t3 +a 4 x t 4 +a5 x t5 +a6 x t6 + t
iar, numarul mediu de intirzieri se determina dupa formula:
Ls y c (x) x(-1) x(-2) x(-3) x(-4) x(-5) x(-6)

Cunoscind valorile coeficientilor putem calcula intirzierea medie dupa formula:

a1 +2 a2 +3 a3 ++ j a j j a^ j 0.061265+20.227569+ +60.237174 2.919024

D=
=
=
=
=3,59113 trimestre
a 1+ a2+ a3 ++ a j
0.061265+ 0.227569+ +0.237174
0.812843
a^ j
Adica aproape 11 luni
Datele obtinute ne arata ca aminarea medie reprezinta 3.59 trimestre, adica aproape patru
semester, ceea ce inseamna ca influenta investitiilor se va resimti aproape peste un an asupra
veniturilor.
Distributia finita a numarului de intirzieri MODELUL ALMON ce permite de a reduce
numarul parametrilor ce urmeaza a fi estimati, fiind reprezentata de functia polinomiala a
intirzierilor.
a
Putem sa ne imaginam o infinitate de forme relative a distributiei coeficientilor i .
Metoda intirzierilor a lui Almon se utilizeaza forte des, deoarece permite degajarea profiturilor
intirzierilor care se adapta diferitelor reprezentari.
Aceasta tehnica consta in impunerea coeficientilor sa apartina unui si aceluiasi polinom
de gradul q, ca:

ai= 0 + 1 i+ 2 i ++ q i = j i j
2

j=0

insa modelul propriu zis are forma:

y t =b0 +a 0 x t + a1 x t1 +a 2 x t2 ++ ah x t h+ t
Atunci cind introducem obtinem datele din table unde:
PLD Polinomul distributiei lag
X serie explicative
h=6 numarul de decalaje (rezultat din criteriile folosite anterioare)
q=4 gradul polinomului (dupa o proba in care gradul polinomului este 5, coeficientul variabilei
PDL05 nu este semnificativ diferit de 0)
1 indicatorul capcana (dificultati)
LS Y C PDL(X,6,4,1)

Estimatia distributiei infinite a intirzierilor

MODELUL KOYCK:
Cere o descrestere geometrica structurii intirzierilor, coeficientii sa fie legati astfel:
a1= a0
a2= 2 a0

h
ah = a0
h

y t = a j x t j +b0 + t
j=0

Modelul Koyck unde

este o constanta care apartine intervalului (0,1). De aici modelul

poate fi scris in felul urmator:

y t =b0 +a 0 x t + a0 x t 1+ a0 2 x t 2 ++ a0 6 x t6 + t
Facind unele transformari ajungem la forma

y t = y t1 +a0 x t + ( 1 ) b0 +ut

unde:
ut = t t 1
Ls y c y(1)x

Analizind datele obtinute anterior observam ca avem urmatoarele valori ale:

a^ 0 =0.217118
b^ 0 =200.0839
y t =b0 +a 0 x t + a0 x t 1+ a0 2 x t 2 ++ a0 6 x t6 + t
y t =1.135797 y t 10.217118 x t +200.0839+u t

Distributia PASCAL:

y t =b0 +a 0 y t 1+ a1 y t 2+ a2 x t + t

Insa parametrii au urmatoarea forma:

ai=(1 )r+1 Cir +1 i ; ( 0 ;1 ) , iar C mn =

( nm) !
n!

Prin substituire obtinem urmatoarea forma a modelului:

y t =b0 + [ ( 1 )

r +1

i=0

C r +1 ] + t
i

Sa presupunem ca r=q1, atunci vom obtine urmatorul model

y t =(+ 2 ) b 0+ y t1 + 2 y t2 +a0 x t + t
2

z 1=(12 + )b 0
z 2=2
z 3=

z 4=a0
Astfel vom obtine modelul sub urmatoarea forma:

y t =z1 + z 2 y t 1+ z3 y t2 + z 4 x t + t

Utilizind pachetul Eviews in care generam formula: ls y c y(-1) y(-2) x, obtinem

rezultatele:

Din tabel obtinem rezultatele:

^= 0.541355=0.735768
a^ 0 =0.96666
40.85482 40.85482
b^ 0 =
=
=585.161706
12 + 2 0.069818