CUPRINS

Pagina

Introducere . 1

1. Ipoteze fundamentale 6
2. Determinarea estimatorilor de regresie liniara prin metoda
celor mai mici patrate . 8

3. Testarea validitatii modelului .. 9

    3.1. Testarea validitatii modelului de regresie folosind
metoda descompunerii variantei .. 9
    3.2. Calcularea coeficientului de corelatie R2, a
coeficientului de corelatie corectat si testarea 11
reprezentativitatii lui ..
    3.3. Teste si regiuni de incredere pentru coeficienti ..
13
         3.3.1.Testarea validitatii estimatiei coeficientilor
13
         3.3.2. Intervale de incredere pentru coeficienti .
15
    3.4. Testarea ipotezelor fundamentale referitoare la
variabila aleatoare ε .. 16
3.4.1. Ipoteza de homoscedasticitate a variabilei
reziduale .. 16
3.4.2. Ipoteza independentei valorilor variabilei
reziduale εt 19
3.4.3. Testarea normalitatii distributiei
variabilei aleatoare ε. 21
4. Previziunea variabilei .
23
5. Concluzii
23
Bibliografie ..
24

Introducere
 Daca importurile sunt mari atunci si valoarea agregatului monetar
M2  creste.

Comertul international este primul flux al circuitului mondial si el

cuprinde miscarea bunurilor  si serviciilor dintr-o  tara in alta, prin trecerea
frontierelor vamale ale  tarii respective. Comertul international are doua
componente: export si import

Importul se refera la intrarea pe teritoriul vamal al unei  tari a

bunurilor si serviciilor din alte tari si el implica un efort valutar din partea
tarii importatoare.

Importurile de bunuri cuprind toate bunurile care, cu titlu oneros sau

gratuit, intra pe teritoriul economic al tarii provenind din restul lumii. 
          Importurile de bunuri cuprind: 
a. marfurile straine introduse definitiv in tara pentru consumul intern; 
b. marfurile straine intrate in tara pentru a fi prelucrate si apoi reexportate; 
c. marfurile reimportate in tara dupa ce au suferit prelucrarile pentru care au
fost exportate; 
d. aurul nemonetar, aurul semilucrat a carui valoare de aur reprezinta cel
putin 80% din valoarea totala, inclusiv pilitura si praf, sub forma primara,
atat monede cat si bare si aliaje; 
e. importul de energie electrica si gaze naturale; 
f. bunurile primite prin colete postale; 
g. intrarile de obiecte de arta, colectii, antichitati; 
h. vapoare si aeronave; etc.

Agregatul monetar reprezinta un termen specific Sistemului

Conturilor Nationale, prin care sunt desemnate partile constitutive ale masei
monetare si semimonetare, ale instrumentelor de schimb si de plata in
totalitatea lor, parti autonome prin functiile lor specifice, prin agentii bancari
si financiari care le emit 545i83f si le gestioneaza, prin circuitele pe care le
efectueaza.

Analiza economica distinge trei categorii principale de lichiditati:

     M1 – lichiditatile primare

     M2 – lichiditatile secundare sunt constituite din active care pot fi

transformate foarte rapid in lichiditati primare fara riscul de a pierde
 capital, adica sunt monetizabile. M2 desemneaza masa monetara in
sens larg si cuprinde, in plus fata de M1, depozitele la vedere
neoperabile prin cecuri, depozitele la casele de economii, depozitele la
termen aflate in gestiunea bancilor, actiuni ale fondurilor de ajutor
reciproc;

     M3 – lichiditatile tertiare
          Dispunem de 50 observatii asupra marimii variabilelor agregatul
monetar M2 si importuri, notate astfel:

Y - agregatul monetar M2 si  X - importuri

Agregatul monetar
Perioada Importuri (mil euro) M2 (mil euro)
1.2005 1751 63122,3
2.2005 1999 65213,4
3.2005 2406 67957
4.2005 2357 69096
5.2005 2470 71965,6
6.2005 2622 74200,3
7.2005 2567 74079,9
8.2005 2491 76744,8
9.2005 2627 80151,9
10.2005 2841 81098,1
11.2005 3062 81401,9
12.2005 2868 86331,9
1.2006 2228 85726,5
2.2006 2646 85676,9
3.2006 3036 87528,1
4.2006 2718 88034,1
5.2006 3259 91747
6.2006 3214 95054,3
7.2006 3186 95888
8.2006 3103.6 97082
9.2006 3122.6 98121
10.2006 3585.8 99403
11.2006 3760.5 100670
12.2006 3749.5 110402
1.2007 3042 106656
2.2007 3407.7 109241
3.2007 3840.4 112348,7
4.2007 3534.9 112943,8
5.2007 4000.5 112663,8
6.2007 3926 116127,4
7.2007 4063.8 119933,5
8.2007 3734.9 124293
9.2007 3854.5 126507,9
10.2007 4636 128738,3
11.2007 4602.1 136109
 12.2007 3992.4 147918,4
1.2008 3547.4 147354
2.2008 4092 149685,2
3.2008 4459 151794,1
4.2008 4569 157044,7
5.2008 4494 157568,3
6.2008 4769 161463
7.2008 4814 161220,7
8.2008 4082 162279,9
9.2008 5005 166012,9
10.2008 4937 162147,5
11.2008 3936 164370,1
12.2008 3173 173736,5
1.2009 2336 175770,7
2.2009 2617 175838,1

Obiectivele cercetarii noastre sunt:

Identificarea existentei legaturii intre cele doua variabile

Stabilirea intensitatii legaturii

Analiza formei legaturii

Determinarea parametrilor modelului

Daca modelul elaborat este valid cu ajutorul lui se vor putea

realiza  previziuni

Metodologia cercetarii presupune parcurgerea urmatorilor pasi:

a)                 analiza legaturii dintre cele doua variabile (studiul aspectului norului

de puncte)

b)                determinarea modelului

c)                 determinarea estimatorilor de regresie liniara prin metoda celor mai

mici patrate

d)                testarea validitatii modelului

    testarea validitatii modelului de regresie folosind metoda
descompunerii variantei;

   calculul raportului de corelatie si testarea semnificatiei lui;

   inferenta statistica pentru parametrii modelului de regresie;

        testarea ipotezelor fundamentale referitoare la variabila aleatoare ε

-         ipoteza de homoscedasticitate

-         ipoteza independentei

-         ipoteza de normalitate

e)                 Previziunea variabilei Y

In scopul identificarii formei legaturii dintre cele doua variabile, vom

reprezenta grafic norul de puncte:

Analiza modului in care sunt dispuse punctele pe suprafata graficului

permite studierea aspectelor legate de:

     Existenta legaturii – intre X si Y exista legatura deoarece punctele nu

sunt imprastiate in planul xOy, ci se aduna sub forma unui nor.
      Sensul legaturii – legatura este directa deoarece atunci cand valorile lui
X cresc, cresc si valorile lui Y.

     Forma legaturii – punctele sunt asezate in jurul unei liniilegatura este

liniara (de forma Y=aX+b).

     Intensitatea legaturii – fasia este de latime medie deci si legatura dintre

cele 2 variabile este de intensitate medie

Pentru analiza legaturii dintre variabilele agregatul monetar M2

si importuri am ales urmatorul model:

unde:

          Yt = valoarea agregatului monetar M2 din luna t

          Xt = importurile din luna t

εt = variabila reziduala

 1. Ipoteze fundamentale
        H0 : Ipoteza de liniaritate: modelul este liniar in Xt;

        H1 : Ipoteze asupra variabilelor X si Y:

(i)  xt si yt reprezinta valori numerice ale variabilelor X si Y rezultate

prin observarea statistica, neafectate de erori sistematice;

(ii) Y este variabila endogena aleatoare, pentru ca este functie de ε ;

          (iii) X, variabila explicativa, este considerata ca fiind o variabila

determinista in model, nealeatoare;

        H2 :  Ipoteze asupra erorilor ε:

(i) ε are o distributie independenta de timp, de speranta matematica

nula, respectiv:

E (εt) = 0, () t = 0, 1, 2, …, T

V (εt) = E[εt – E(εt)]2 =   =   

altfel spus, modelul este homoscedastic.

(ii) Independenta erorilor. Doua erori εt si εt’ sunt independente liniar

intre ele, adica

respectiv

(iii) Variabila ε are o distributie normala.

        H3 : Ipoteze privind variabila exogena X:

(i)                cov(xt, εt) = 0,  t - erorile sunt independente de X;

(ii)              Se presupune ca pentru T  , primele doua momente empirice
ale variabilei X sunt finite, respectiv

Speranta matematica 

Varianta 
 2. Determinarea estimatorilor de regresie liniara

prin metoda celor mai mici patrate

         

Aplicam metoda celor mai mici patrate pentru determinarea coeficientilor. Folosind softul Eviews obtinem
urmatoarele rezultate:

=  29.179

= 15057.160

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 15057,160 15036,448 1,001,322

VAR00001 29,179 4,268,702 6,836,000

a. Dependent Variable: VAR00002

 3. Testarea validitatii modelului
Testarea validitatii modelului presupune parcurgerea urmatoarelor
etape:

-   Testarea validitatii modelului de regresie folosind metoda

descompunerii variantei;

-   Calculul raportului de corelatie si testarea semnificatiei lui;

-   Inferenta statistica pentru parametrii modelului de regresie;

-   Verificarea ipotezelor modelului de regresie.

3.1. Testarea validitatii modelului de regresie folosind metoda

descompunerii variantei
Dispersia totala verifica urmatoarea relatie:

Termenii relatiei se definesc prin:

       - varianta totala a variabilei Y determinata de toti

factorii sai de influenta;

       - varianta fenomenului Y determinata numai de variatia

factorului X, considerat factorul principal al variabilei Y, adica
variatia lui Y explicata de modelul econometric;

       - variatia reziduala, sau variatia fenomenului Y generata

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

Descompunerea variantei - Metoda ANOVA

 Numarul gr. de Dispersii Valoarea testului F
Sursa de variatie Masura variatiei
libertate corectate Fcalc Fα;v1;v2
Varianta explicata
de model, datorata k=1 3,96
factorului X =2,957E10
Varianta
Reziduala, datorata
T – k – 1 = 48
factorilor
=3,037E10 =46,732
neesentiali

Varianta
T – 1 = 49
totala
=5,994E10

Pe baza datelor din tabel se pot testa urmatoarele ipoteze:

 H0: s2Y/X = s2ε, cele doua dispersii sunt aproximativ egale, influenta

factorului X nu difera semnificativ de influenta factorilor intamplatori.

H1: s2Y/X ≠ s2ε, influenta factorului X si a factorilor intamplatori –

masurata prin cele doua dispersii – difera semnificativ si, deci, se poate trece
la discutia similitudinii, a verosimilitatii modelului teoretic in raport cu
modelul real.

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 2,957E10 1 2,957E10 46,7320,000a

Residual 3,037E10 48 6,327E8

Total 5,994E10 49

a. Predictors: (Constant), VAR00001

b. Dependent Variable: VAR00002

 Acceptarea ipotezei H0este echivalenta cu respingerea modelului
(modelul nu este valid).

Testarea semnificatiei dintre doua dispersii se face cu ajutorul

distributiei teoretice Fisher-Snedecor, respectiv cu testul F.

Cunoscand cele doua valori,  =46,732,

si Fα,v1,v2 =3,96 valoarea teoretica a variabilei F, preluata din tabelul repartitiei
Fisher – Snedecor, in functie de un prag de semnificatie α si un numarul
gradelor de libertate υ1 = k; υ2 = n–k-1, regula de decizie se scrie:

- se accepta H1 si se respinge H0 daca Fcalc >Fα,υ1,υ2 , deci modelul este

valid.

3.2. Calcularea coeficientului de corelatie R2, a coeficientului

de corelatie corectat si testarea reprezentativitatii lui
Coeficientul de corelatie R2 exprima rolul jucat de ansamblul
variabilelor exogene asupra variabilei endogene. Cu cat valoarea acestuia
este mai apropiata de 1, cu atat legatura dintre variabile este mai intensa.

Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 0,702a 0,493 0,483 25154,17257

a. Predictors: (Constant), VAR00001

Efectuam calculele si obtinem:

0,493

Aceasta expresie nu tine cont de numarul observatiilor si nici de

numarul variabilelor explicative din model. O valoare mai precisa a lui R 2  ,
care tine cont de numarul observatiilor T = 50 si numarul variabilelor
exogene p = 2 este urmatoarea  (R2 corectat):

0,483

Testarea reprezentativitatii lui  :

          H0:   = 0
           H1:   ≠ 0

= 44.843

Se compara valoarea calculata a lui F cu cea tabelara. Regulile de

decizie sunt urmatoarele:

- daca Fcalc < Ftab, ipoteza nula este cea care este acceptata, fapt
echivalent cu inexistenta unei legaturi intre cele doua variabile la nivel de
populatiei totala.

- daca Fcalc > Ftab, ipoteza nula este cea care se respinge, acceptandu-se

cea alternativa.

Intrucat Fcalc>Ftab rezulta ca se accepta ipoteza H1, deci intre cele doua

variabile exista legatura.

3.3. Teste si regiuni de incredere pentru coeficienti

3.3.1.Testarea validitatii estimatiei coeficientilor

Pentru testarea validitatii estimatiei coeficientilor ai se utilizeaza testul

Student. In general :  

H0 : ai = 0, cu alternativa

H1 : ai ≠ 0

          Daca   atunci H0 se respinge, iar coeficientul ai este

semnificativ diferit de 0.

          Valorile   sunt  =4,268, respectiv  =15036,448.

Pentru parametrul a emitem ipotezele:

                   

H0 : a = 0, cu alternativa

H1 : a ≠ 0

Coefficientsa

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

1 (Constant) 15057,160 15036,448 1,0010,322

VAR00001 29,179 4,2680,702 6,8360,000

a. Dependent Variable: VAR00002

Dupa efectuarea calculelor, obtinem:

6,836

si stim ca ttab = 1,96

Comparam cele doua valori si tragem concluzia ca ipoteza adevarata

este H1 cu o probabilitate de 95%, ceea ce inseamna ca valoarea
coeficientului a in populatia totala difera semnificativ de 0.

          Pentru parametrul b emitem ipotezele:

                   H0 : b = 0, cu alternativa

H1 : b ≠ 0

Dupa efectuarea calculelor, obtinem:

= 1,001

Comparam cele doua valori si tragem concluzia ca ipoteza adevarata

este H0 cu o probabilitate de 95%, ceea ce inseamna ca valoarea
coeficientului b in populatia totala nu difera semnificativ de zero.
 3.3.2. Intervale de incredere pentru coeficienti
Forma intervalului de incredere pentru coeficientul a al modelului
este:

unde   - termenul liber

            - abaterea medie patratica a coeficientului a

Se cunoaste   =29,179 ,   = 4,268  si ttab = 1,96, iar probabilitatea de

garantare a rezultatelor este 95%, deci putem face calculele:

P (20,814 ≤ a ≤ 37,544) = 95%

Putem garanta deci, cu o probabilitate de 95%, ca valoarea

coeficentului a, la nivelul populatiei totale, este cuprinsa intre 20,814 si
37,544.

Forma intervalului de incredere pentru coeficientul b al modelului

este:

unde   - termenul liber

            - abaterea medie patratica a coeficientului b

Se cunoaste   =15057,160,   = 15036,448 si ttab = 1,96, iar

probabilitatea de garantare a rezultatelor este 95%, deci putem face
calculele:

P (- 14414,278 ≤ b ≤ 44528,598) = 95%

 Putem garanta deci, cu o probabilitate de 95%, ca valoarea
coeficentului b, la nivelul populatiei totale, este cuprinsa intre - 14414,278 si
44528,598.
 3.4. Testarea ipotezelor fundamentale referitoare la variabila
aleatoare ε
         

          Pe langa influenta factorilor esentiali, asupra marimii agregatul

monetar M2 (Y) isi exercita influenta si alti factori, care sunt surprinsi prin
variabila ε. Acesti factori ar putea fi: exporturi, rata dobanzii, rata somajului,
rata inflatiei, cursul de schimb, etc.

3.4.1. Ipoteza de homoscedasticitate a variabilei reziduale

Pentru a verifica ipoteza de homoscedasticitate a erorilor

modelului    se foloseste testul White; se pleaca de la ecuatia

si se doreste sa se studieze daca intre  , xt si xt2 exista o legatura. Daca intre

aceste variabile exista legatura, despre erorile modelului se spune ca sunt
heteroscedastice, daca nu – ele se numesc homoscedastice.

          Existenta legaturii la nivelul esantionului este indicata de raportul de

corelatie estimat, iar pentru generalizarea rezultatelor se emit ipotezele:

 (modelul este homoscedastic)

H1:   (modelul este heteroscedastic)

         

          Regulile de decizie sunt:

White Heteroskedasticity Test: -         dac
a  , nu
F-statistic 1.218458    Probability 0.304854
Obs*R-squared 2.464673    Probability 0.291610
se poate
respinge
ipoteza H0 ,
Test Equation: adica erorile
Dependent Variable: RESID^2 sunt
Method: Least Squares
Date: 05/13/09   Time: 12:47
Sample: 2005M01 2009M02
Included observations: 50

Variable Coefficient Std. Error t-Statistic Prob.  

C 2.08E+09 3.78E+09 0.549526 0.5852

IMP -430571.9 2251522. -0.191236 0.8492
IMP^2 0.208737 321.7099 0.000649 0.9995

R-squared 0.049293    Mean dependent var 6.07E+08

Adjusted R-squared 0.008838    S.D. dependent var 1.63E+09
S.E. of regression 1.62E+09    Akaike info criterion 45.30733
Sum squared resid 1.23E+20    Schwarz criterion 45.42205
Log likelihood -1129.683    F-statistic 1.218458
Durbin-Watson stat 0.238908    Prob(F-statistic) 0.304854

homoscedastice, acest lucru garantandu-se cu o probabilitate de 95%.

- daca  , ipoteza H0 se respinge, si se accepta ca fiind

adevarata, cu o probabilitate de 95%, ipoteza H 1, ceea ce inseamna ca erorile
sunt heteroscedastice, acest lucru garantandu-se cu o probabilitate de 95%.
In acest caz modelul nu este valid, el neputand fi folosit la realizarea de
previziuni.

Asadar, la nivel de esantion, raportul de corelatie inregistreaza

valoarea   = 0.049293, valoare apropiata de zero. Acest fapt ne indica
inexistenta unei legaturi intre variabile la nivelul esantionului. Pentru a
generaliza aceasta informatie la nivelul populatiei totale, aplicam testul
Fisher si emitem cele doua ipoteze:
 (modelul este homoscedastic)

H1:   (modelul este heteroscedastic)

Deoarece Fcalculat = 1.218458 este mai mic decat Ftabelar= 3,92, nu se

poate respinge ipoteza H0, adica erorile sunt homoscedastice, acest lucru
garantandu-se cu o probabilitate de 95%.
 3.4.2. Ipoteza independentei valorilor variabilei reziduale εt
Testul Durbin Watson se bazeaza pe modelul de regresie
multifactorial

Erorile modelului (1),   se considera a fi corelate de ordinul unu

daca, in general, intre doua erori oarecare succesive,   si  , exista o
legatura ca si cea descrisa in relatia (2), adica in situatia in care valoarea
coeficientului ρ, la nivelul populatiei totale, difera semnificativ de zero.
Verificarea independentei erorilor se rezuma deci la testarea ipotezelor:

H0: ρ = 0 (erori independente, necorelate) cu alternativa

H1: ρ ≠ 0 (erori dependente, corelate)

Pentru alegerea ipotezei corecte se determina statistica Durbin

Watson:

Valoarea DWcalc, se compara cu doua valori teoretice, d1 si d2,

citite din tabelul distributiei Durbin - Watson in functie de un prag de
semnificatie α, convenabil ales, (α = 0,05 sau α = 0,01), de numarul de
variabile exogene, k si de valorile observate (T, T ≥ 15).

Regulile de decizie ale testului sunt:

0 < DWcalc < d1 d1 ≤ DWcalc ≤ d2 d2 < DWcalc < 4 - d2 4 - d2 ≤ DWcalc≤ 4 - d1 4 - d1 < DWcalc < 4

Autocorelare Indecizie Erorile sunt Indecizie Autocorelare

pozitiva ← independente → Negativa
Dependent Variable: M2
          
Method: Least Squares
               In
Date: 05/13/09   Time: 12:42
Sample: 2005M01 2009M02
cazul nostru,
Included observations: 50 DWcalculat =0.26
M2=C(1)*IMP+C(2) 3439, se
compara cu
Coefficient Std. Error t-Statistic Prob.   d1 si d2 din
tabelul
C(1) 29.17923 4.268425 6.836064 0.0000 distributiei
C(2) 15057.16 15036.45 1.001377 0.3217 Durbin
Watson. In
R-squared 0.493306     Mean dependent var 114929.3 cazul nostru
Adjusted R-squared 0.482750     S.D. dependent var 34975.17 d1=1,64 iar
S.E. of regression 25154.17     Akaike info criterion 23.14261
Sum squared resid 3.04E+10     Schwarz criterion 23.21909
d2=1,69 pentru
Log likelihood -576.5653     Durbin-Watson stat 0.263439 probabilitatea
de 95%.
Deoarece 0 <
DWcalc < d1 erorile sunt autocorelate pozitiv.
 3.4.3. Testarea normalitatii distributiei variabilei  aleatoare ε

Verificarea ipotezei de normalitate a erorilor presupune compararea

histogramei erorilor cu Clopotul lui Gauss. Se stie ca acesta este caracterizat
prin doi parametri – coeficientul de asimetrie, α = 0 respectiv coeficientul de
boltire, β = 3. Se spune despre erorile unui model econometric ca sunt
distribuite normal daca intre valorile α si β ce caracterizeaza histograma
erorilor si valorile standard ale Clopotului lui Gauss, 0 si 3, nu exista
difernete semnificative din punct de vedere statistic.

In cazul nostru aceste valori sunt coeficientul de asimetrie,

Skewness, αε = 2,228 respectiv coeficientul de boltire, Kurtosis, βε = 8,032.
Dupa cum se observa, histograma erorilor nu este simetrica, deoarece
valoarea coeficientului de asimetrie nu este apropiata de zero, iar legat de
boltire, histograma erorilor este mai ascutita decat Clopotul lui Gauss,
intrucat β > 3 (histograma erorilor este leptocurtica).

Problema care se pune in acest moment este aceea de a verifica daca

diferentele intre αε= 2,228 si valoarea standard α = 0 respectiv βε =8,032
respectiv valoarea standard β =3, sunt semnificative din punct de vedere
statistic sau nu. In acest scop se foloseste testul Jarque Bera.

Se emit ipotezele:

H0: εt~N(0,1) adica erorile sunt distribuite normal

 H1:   adica erorile sunt nu distribuite normal

Pentru alegerea ipotezei corecte, se determina

valoarea  , care in cazul nostru este deja calculata: JB calc =

94,158.

Regulile de decizie sunt:

-         daca  , atunci ipoteza de normalitate a erorilor este

acceptata.

-         daca  , atunci ipoteza de normalitate a erorilor este

respinsa.

         

          In cazul nostru JBcalc = 94,158 > χ tab= 5,99, deci ipoteza de normalitate
a erorilor este respinsa. In consecinta, modelul nu este valid, deci nu poate fi
folosit la realizarea de previziuni.
 4. Previziunea variabilei Y
M2 = a ∙ Imp + b + εt

Previziunea nu se poate face datorita faptului ca nu se indeplinesc

urmatoarele conditii:

       valoarea coeficientului b in populatia totala nu difera semnificativ de

zero

       ipoteza de independenta a erorilor (erorile sunt autocorelate pozitiv)

       ipoteza de normalitate a erorilor (erorile nu sunt distribuite normal)

Presupunand ca modelul este valid, daca in mai 2009 valoarea
importurilor ar ajunge la 3000 mil euro, atunci valoarea previzionata a
agregatului monetar M2 ar fi de:

M2 = 29.17923 ∙ Imp + 15057.16

M2 = 29.17923 ∙ 3000 + 15057.16 = 102594.85 mil euro

5. Concluzii
Previziunea modelului nu se poate face deoarece modelul nu este
valid.