Documente Academic
Documente Profesional
Documente Cultură
21 Probleme rezolvate
2.1.4Model unifactorial
neliniar
2.1.5Model liniar
multifactorial
2.1.6Model
multifactorial
neliniar – funcţia
Cobb-Douglas
fără progres
tehnic
2.1.9Modele dinamice
2.1
.
8.1M
o
d
e
l
d
i
n
a
m
i
c
f
u
n
c
ţ
i
a
C
o
b
b
–
D
o
u
g
l
a
s
c
u
p
r
o
g
r
e
s
t
e
h
n
i
c
2.1.8.3Model
autoregresiv
2.1.8.4Model
dinamic cu
decalaj
2.1.8.5Model
dinamic de
prognoză cu
variabile
anticipative
2.1.12Model recursiv
2 Modele econometrice
singură
multiple
cuecuaţii
ecuaţie şi cu o
Tabelul 2.1.1
Numărul de înnoptări
(mii)
0 1 2
Se cere:
pătrate;
modelului;
Rezolvare:
unde:
ccf
79400
77300
75200
73100
71000
68900
66800
64700
62600
60500
58400
56300
54200
innoptar
52100 i
50000
1650 1910 2170 2430 2690 2950 3210 3470 3730 3990 4250 4510 4770 5030 5290
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
yt = a + bxt + ut ; t = 1,
n
ˆ
yˆt = aˆ +
bxt
unde:
yˆ = valorile teoretice ale variabilei y obţinute numai în funcţie de
t valorile
= −ˆ = −ˆ + −ˆ =
( estimaţiile valorilor variabilei
ut yt yt (a a) b b) xt reziduale.
14 14 2
ˆ ˆ = −ˆ 2 = −ˆ−ˆ
( )
F a,b min ∑( y y ) (
min ∑ y a bx )
t t t t
t=1 t=1
′ˆ = ⇒ˆ +ˆ 2 =
( b) 0
a∑xt b∑xt ∑y t
xt
Tabelul 2.1.2
y
Nr. yt xt ˆt = 35030 ,912 +
( xt − x ut = yt −
(mii 2
xt yt ) yˆt 2
locuri
crt. - (mii) xt + 0,8694 xt ut
zile)
0 1 2 3 4 5 6 7 8
10615710,
2 77022 44552 1984880704 3431484144 73763,8 356324948,9 3258,2 2
yˆ
Nr. yt xt t = 35030 ,912 +
xt ( xt −x −
(mii 2
yt ) yˆt 2
locuri
crt. - (mii) xt + 0,8694 xt ut = yt ut
zile)
0 1 2 3 4 5 6 7 8
T o ta l8 0 2 9 10 7 5 08 4 7 41 2 2 19 3 8 71 4 2 5
802939, 1521660559, 34276729,
39 359456 2 0 4 0,0 4
Tabelul 2.1.2
(continuare
)
x ) ut −1 ( ut − ut −1
− − 2 − ˆ ˆ −) 2 − −
y (x
yt y ( yt ) xt x ut ut ( xt u u
t t −1
t
x)( yt y)
9 10 11 12 13 14 15 16 17
-
22105,2 488640498,6 27701,6 1978,2 -54798165,4 - - - 612349172,5
-
-1482,8 2198653,5 400,6 1831,0 -733461,2 1336,2 10031276,0 -2446598,5 -593961,6
-
-4097,8 16791847,8 -2379,4 2029,1 4828199,4 869,3 8400685,0 -1763834,3 9750388,4
-
-3812,8 14537334,9 -1564,4 2452,7 3837062,2 -2029,1 179394,7 4976862,2 5964830,9
0,
0 1184398104,4 0,0 0,0 0,0 -1978,2 65573176,1 -711906,1 1322911310,3
Econometrie. Studii de caz
∑y t 14 802939
=
b
= n ∑x t = 14 359456 150511863768−129208615936
x x
∑t ∑t 359456 10750847412
ˆ 18520758344
b= 2 1 3 0 3 4 7 8= 30 ,82 6 9 4
(vezi calcule tabelul 2.1.2., coloanele 1, 2, 3, 4)
$
Estimarea parametrului a :
xt yt
ˆ 1 ∑ ∑ ˆ
ˆ
∑x t 359456
= 25675,4 ⇒ ˆ
x
= = =
n 14 − ⋅ =
y=
∑y t a 57352,8 0,8694 25675,4 35030,912
n 14
yˆ = 35030,912 + 0,8694
t xt (vezi tabelul 2.1.2., coloana 5)
Valorile variabilei reziduale vor rezulta din următoarea
relaţie:
uˆ = y −
t
t yˆt (vezi tabelul 2.1.2., coloana 7)
Pe baza acestor valori se pot calcula abaterea
medie pătratică a
ş sˆ
saˆ i :
b
= ∑( yt − yˆt
) 2
= 34276729,3646
= 2856394,1137
su2
ˆ
n−k 14 −
2
unde:
k = numărul parametrilor;
x 2 1 2
2 2 1 25675,4
−x
s
aˆ
= s
uˆ + (x ) = 2856394,1137 ⋅ +
n 2 14 1521660559,4
∑ t
= 1441501,197
saˆ 7
=
s 2
ˆ su2ˆ 1 = 2856394,1137 = 0,0019
2
∑( xt −x) 1521660559,4
sˆ = 0,0019 = 0,0433
b
În urma acestor calcule, modelul econometric se poate scrie:
yˆt = 35030,912 + 0,8694 xt ; suˆ = 1690,087
( 1200,6253) ( 0,0433)
xt ∈( x ± 3σ x
) y t ∈( y ± 3σ
y )
σx = ∑ ( xt −x)
=
1521660559,4 = 108690039,9592 = 10425,4515
n 14
Econometrie. Studii de caz
( yt −
y) 2
σ
y = ∑ = 1184398104,4 = 84599864,5969 = 9197,8185
n 14
xt ∈( x ± 3σ x ) ⇔ x − 3σ x < xt < x + 3σ x
⇔
⇒ xt ∈( −5600,9261; 56951,7832)
( )
yt ∈ y ± 3σ y ⇔ y −3σ y < yt < y +3σ y ⇔
⇒ yt ∈( 29759,3303; 84946,2411)
t şi t 2411) , ipoteza de
4000
3000
2000
1000
16500 19100 21700 24300 26900 29500 32100 34700 37300 39900 42500 45100 47700 50300 52900
-1000
-2000
-3000
Figura 2.1.2
3000
2000
1000
50000 52100 54200 56300 58400 60500 62600 64700 66800 68900 71000 73100 75200 77300 79400
-1000
-2000
-3000
Figura 2.1.3
∑( uˆt −uˆt −1 ) 2
t =2
d= n
∑uˆt
t=1
ş mări d ” cu ş d2
i compararea acestei mi „ două valori teoretice, d1 i ,
dac d1 ≤ d ≤
- ă d 2 ⇒ indecizie, recomandându-se acceptarea
autocorelării
pozitive;
autocorelării negative;
Durbin-Watson este:
14
∑( uˆt −uˆt −1
) 2
65573176,1
d= t =2 = = 1,91
14 34276729,3646
2
∑uˆt
t=1
d1
Durbin-Watson se citesc valorile (pentru cazul n = 15 ) = 1,08 şi
d
2 = 1,36 .
∑uˆt uˆt −1
t =2
r1 = −
n
2
∑uˆt
t=1
d = 2( 1 − r1 ) ⇒ r1 = 1 − d2
Econometrie. Studii de
caz
Ştiind că:
r1 = 0 ⇒independenta ⇒d= 2
↓ ⇒ indecizie ↓
0
Calculul coeficientului de autocorelaţie de ordinul 1:
14
r1 = t = 21 3 =
33785755,1
= −0,021
∑uˆt2
t=1
relaţia:
P( uˆt ≤ tα suˆ ) = 1 −α
+ t0 ,0 5 ⋅ suˆ
ut
3300
2300
1300
300
yˆt
50000 52500 55000 57500 60000 62500 65000 67500 70000 72500 75000 77500 80000
-700
-1700
-2700
− t0,05 ⋅ suˆ
-3700
Figura 2.1.4
ˆ
b
Ştiin
d că (vezi punctul b) al problemei)
ˆ
aˆ = 35030,912; s = 1200,6253 şi b = 0,8694; s = 0,0433 şi, lucrând cu un
aˆ ˆ
= 2,179
valoareat0,05;12 .
saˆ
1200,6253
ˆ
tˆ= b = 0,8694; = 20,0661 > t
0,05;12
= 2,179
sˆ
b 0,0433
14 ⋅10425,4515
σ x σ y n σ xσ y ⋅9197,8185
d corelaţ liniar −1
Coeficientul e ie ă fiind definit în intervalul [ 1 ; ] ,
Tabelul 2.1.3
Măsur
Sursa de a Nr. gradelor Dispersii Valoarea testului “F”
variaţi
variaţie ei de libertate corectate Fc Fα; v ;v
1 2
2 2
Varianţa 14 2 2 V
x
s
Y / X
F
2
= ˆ − s =
=c
Y/
k −1 = 1 X 2
dintre V
x ∑(
y
t y) k −1
s
ˆ
F
0,05;1;12 = 4,76
= 1150121375
F0,01;1;12 = 9,33
t= 1 u
=
grupe 402,648
= 1150121375
2 14 2 2
V = ( y − yˆ ) 2 V
u
n−
Varianţa u ∑t t n −k = 12 s
uˆ
=
k - -
reziduală t=1
=
34276729,4 = 2856394 ,1
2 14 2
n −1 =
Varianţa V0 = ∑( yt − y) 13 - - -
totală t=1
= 1184398104,4
V2 V2 1150121374,9925
x u
Ry / x = = 1− = = 0,9854 ≈ 0,985
cov( y,
x) ˆ σ
x
r = = R
y/x = b⋅ y/x
σ xσ y σy
1−R
2
1 2
Econometrie. Studii de caz
R=
0,985 d
= 1,91
suˆ = 1690,087
V
2 V2
V0 = V 2 +V 2 ⇒100
x u ⋅100 ⋅10
2 = + 0
x u
V0 V0
2 2
e) Dacă numărul înnoptărilor va fi egal cu 17100 mii
( xt′ = 17100) , capacitatea de cazare turistică în funcţiune va fi
egală cu:
ˆ
= ˆ+ ′= + ⋅ = mii locuri-zile
L( y) = N( Y , sY
).
′
= 17100 ⇒ Yt =
Pentru xt 49897,4230
2
′
sY =
/ x= 17100
su2ˆ 1 +
1 − x
( xt )
+
n ∑( xt −x)
sY =
( 17100 −
/ x= 17100
1 25675,4) 2
2856394,1137 ⋅ 1 + +
1 1521660559,4
= 1788,4251
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
P( Y/ x= 17100
−tα sY / x= 17100
≤ y/ x= 17100
≤ Y/ x= 17100
+ tα sY / x= 17100 )= 1
−α
mărfurilor alimentare
crt. (u.m./familie)
(u.m./familie)
0 1 2
1 55 80
2 65 100
3 70 85
4 80 110
5 79 120
6 84 115
7 98 130
8 95 140
9 90 125
1 Datele
problemei şi o parte din testele utilizate sunt reproduse din D. N.
Gujarati, Basic Econometrics, Third Edition, McGraw-Hill, Inc., 1995, p. 369-380.
Econometrie. Studii de caz
mărfurilor alimentare
crt. (u.m./familie)
(u.m./familie)
0 1 2
10 75 90
11 74 105
12 110 160
13 113 150
14 125 165
15 108 145
16 115 180
17 140 225
18 120 200
19 145 240
20 130 185
21 152 220
22 144 210
23 175 245
24 180 260
25 135 190
26 140 205
27 178 265
28 191 270
29 137 230
30 189 250
Se cere:
Rezolvare:
y = f ( x) + u
190
170
150
130
110
90
70 x
50
f ( x) = a + bx ,
aproximate cu ajutorul unei drepte modelul econometric
devine: yi = a + bxi + ui ; i = 1, n=
n, 30.
Următoarea operaţie constă în estimarea parametrilor
modelului, a şi
$ $
b, cu ajutorul estimatorilor a şi b . În acest scop se va utiliza metoda celor
ˆ ˆ = −ˆ 2 = −ˆ−ˆ
( )
F a,b min ∑( y y ) (
min ∑ y a bx )
i i i i
i=1 i=1
Econometrie.
caz
$ $ $
F′( a) = 0 ⇒ na + b ∑x i = ∑ yi
$ $ $ 2
( )
F′ b = 0 ⇒ a ∑x i + b ∑x
= ∑y i xi
i
T
2.
x − x ln
Nr. y x u u2 x ui ( x i − x ) y i u
crt. i i i i i i
↑
↑
0 1 2 3 4 5 6 7 8 9
Tabelul 2.2.2
(continuare)
u u
2
ˆ ˆ 2
yi yˆ′ ′ ′2 2
θ = i
1x ) z =
x x
i i 1 i i θ θ −θ i u u x −x
i 78,7051 i ( i i xi i i i
1 1
11 12 13 4 5 16 17 18 19 20 21 22
5,3131 8,9443 0,0125 0,1118 0,3587 0,0624 0,8790 0,6875 60,829 -5,829 33,973 8680,028
8,0688 10,0000 0,0100 0,1000 0,8272 0,2637 0,5421 0,6500 73,466 -8,466 71,674 5353,361
6,4980 9,2195 0,0118 0,1085 0,5365 0,1128 0,7872 0,8235 63,988 6,012 36,144 7773,361
0,5534 10,4881 0,0091 0,0953 0,0039 0,3643 0,4041 0,7273 79,785 0,215 0,046 3990,028
6,8245 10,9545 0,0083 0,0913 0,5917 0,4650 0,2863 0,6583 86,103 -7,103 50,459 2826,694
1,3645 10,7238 0,0087 0,0933 0,0237 0,4147 0,3426 0,7304 82,944 1,056 1,115 3383,361
5,7977 11,4018 0,0077 0,0877 0,4271 0,5656 0,1887 0,7538 92,422 5,578 31,113 1863,361
3,5801 11,8322 0,0071 0,0845 0,1629 0,6662 0,1114 0,6786 98,741 -3,741 13,994 1100,028
0,9866 11,1803 0,0080 0,0894 0,0124 0,5153 0,2349 0,7200 89,263 0,737 0,543 2320,028
8,3091 9,4868 0,0111 0,1054 0,8772 0,1631 0,7004 0,8333 67,147 7,853 61,664 6916,694
2,2577 10,2470 0,0095 0,0976 0,0648 0,3140 0,4706 0,7048 76,625 -2,625 6,893 4646,694
1,3358 12,6491 0,0063 0,0791 0,0227 0,8675 0,0176 0,6875 111,378 -1,378 1,900 173,361
8,0420 12,2474 0,0067 0,0816 0,8217 0,7669 0,0544 0,7533 105,060 7,940 63,051 536,694
10,4752 12,8452 0,0061 0,0778 1,3942 0,9178 0,0068 0,7576 114,538 10,462 109,462 66,694
6,2309 12,0416 0,0069 0,0830 0,4933 0,7166 0,0803 0,7448 101,900 6,100 37,208 793,361
9,0915 13,4164 0,0056 0,0745 1,0502 1,0688 0,0047 0,6389 124,016 -9,016 81,282 46,694
16,8472 14,1421 0,0050 0,0707 3,6062 1,2700 0,0729 0,6000 136,653 -16,653 277,323 720,028
17,3586 15,4919 0,0042 0,0645 3,8285 1,6726 0,4523 0,6042 161,928 -16,928 286,551 4466,694
2,7195 13,6015 0,0054 0,0735 0,0940 1,1191 0,0142 0,7027 127,175 2,825 7,981 140,028
2,3971 14,8324 0,0045 0,0674 0,0730 1,4713 0,2221 0,6909 149,290 2,710 7,342 2193,361
0,7749 14,4914 0,0048 0,0690 0,0076 1,3707 0,1374 0,6857 142,972 1,028 1,057 1356,694
9,4525 15,6525 0,0041 0,0639 1,1352 1,7229 0,5225 0,7143 165,087 9,913 98,264 5160,028
4,8857 16,1245 0,0038 0,0620 0,3033 1,8738 0,7636 0,6923 174,565 5,435 29,537 7540,028
4,5306 13,7840 0,0053 0,0725 0,2608 1,1694 0,0287 0,7105 130,334 4,666 21,768 283,361
0,0361 14,3178 0,0049 0,0698 0,0000 1,3203 0,1026 0,6829 139,812 0,188 0,035 1013,361
0,3032 16,2788 0,0038 0,0614 0,0012 1,9241 0,8540 0,6717 177,725 0,275 0,076 8433,361
9,5079 16,4317 0,0037 0,0609 1,1486 1,9745 0,9496 0,7074 180,884 10,116 102,335 9376,694
18,9808 15,1658 0,0043 0,0659 4,5775 1,5719 0,3271 0,5957 155,609 -18,609 346,300 3230,028
20,2636 15,8114 0,0040 0,0632 5,2171 1,7732 0,5978 0,7560 168,247 20,753 430,707 5903,361
205,578
5 388,8038 0,1975 2,3926 30,0000 30,0000 10,4280 20,9862 3590,936 1,064 2364,793 102974,167
Econometrie. Studii de caz
Dependent Variable: yi
Sample: 1 30
Included observations: 30
ˆ p( aˆ)
C 9,2903 a 5,2314 s
aˆ 1,7759 aˆ 0,0866
ˆ
s t
x 0,6378 ˆ 0,0286 ˆ 22,2872 ˆ 0,0000 ()
p b
i
b b b
Mean dependent
R-squared 2 y
0,9466 R var 119,7333
Adjusted
R- 2 S.D. dependent s
squared 0,9447 Rc var 39,0613 y
S.E. of 9,1830
suˆ Akaike info 7,3369 AIC
regression criterion
Sum 2
squared 2361,1530 ∑( yi − yˆ
i
) = Schwarz criterion 7,4303 SC
2
resid = ∑uˆi
likelihood
Watson stat
ˆ ˆ
p (b
(ˆ )
) = probabilitatea asociată parametrului â, respectiv b. O
p a ,
nn−−1k ⋅( 1 − R2 )
∑uˆt
n
L= 1 + ln( 2π ) + ln
2 n
unde:
k = numărul variabilelor
exogene; n = numărul de
observaţii.
∑y i
y= i= 1
n
s ∑( y i − y)
y
n 2
= i= 1
n −1
Econometrie. Studii de caz
SC = − 2nL + k lnn n
al y = 9,2903 +
e variabilei y, ˆi 0,6378xi şi ale variabilei reziduale,
uˆ = y − yˆ .
i i
i Valorile acestora sunt prezentate în cadrul tabelului 2.2.3
Tabelul 2.2.3
.
55 60,3131 -5,3131 | * | . |
65 73,0688 -8,0688 | * | . |
70 63,5020 6,4980 | . | *. |
80 79,4466 0,5534 | . * . |
79 85,8245 -6,8245 | .* | . |
84 82,6355 1,3645 | . |* . |
98 92,2023 5,7977 | . | *. |
95 98,5801 -3,5801 | . *| . |
90 89,0134 0,9866 | . |* . |
75 66,6909 8,3091 | . | * |
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
74 76,2577 -2,2577 | . *| . |
s2
= ∑( yi − yˆi ) = 2361,153 = 84,3269
n − k −1
u 30 −1 −1
suˆ
84,3269 =
= = 9,183
∑( yi − yˆi )
n − k −1
2 1 x2
saˆ = sˆ + = 5,2314
u 2
n (x − x )
∑i
sˆ =
b
su2ˆ = 0,0286
2
−x
∑( x ) i
(vezi
tabelul afişat de
programul
EViews) - raportul
de corelaţie:
30 2 30
∑( yi − yˆ )
i
∑( yi − yˆ )
i 2361,153
1 0,9466 =
=
R = R2 = 1− i 1 = 1−
i= 1 = − = 0,973
30 2 2
∑( yi −y )
i= 1
- variabila Durbin-Watson, d:
30
∑( uˆi −uˆi−1
) 2
d= i= 2 = 1,70
30
∑uˆi
i= 1
suˆ = 9,183
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
$ 2
20
15
10
0 x
-10
-15
-20
Figura 2.2.2
n n n n n
2 2 2 2
i= i= i=
1 1 1 i= 1 i= 1
i= 1
2 n 2
i=1
n 2
c
factori aleatori V
u
= ∑( yi − yˆi ) , rezultă ă termenul
i=1
Ştiind că:
uˆi = yi −
yˆi yˆi = a +
bxi y = a +
bx
relaţia de mai sus devine:
n n n n
n
i=1 i=1 i=1
= 2nbcov( x,u)
n
modelului.
În cazul unui model multifactorial, vectorul estimatorilor
ˆ ′ −1 ′
−1
2 ′ 3
de V ( B) = σu ⋅( X calcul
acestuia este forma: X) . Acest mod de al
matricei varianţelor şi covarianţelor este valabil doar în cazul
în care aplicarea M.C.M.M.P. conduce la obţinerea de
estimatori eficienţi, convergenţi şi nedeplasaţi, deci
ipotezele corespunzătoare acestei metode au fost verificate
în prealabil. În cazul unor erori heteroscedastice, a căror
formă este, în general, necunoscută, este posibil, ca prin
aplicarea metodei regresiei ponderate în vederea eliminării
heteroscedasticităţii erorilor, să nu se obţină estimatori
consistenţi. White a arătat că este posibil să se calculeze un
estimator adecvat al matricii covarianţelor corespunzătoare
estimatorilor parametrilor modelului, chiar dacă există o
relaţie de dependenţă între erorile heteroscedatice şi
variaibilele exogene incluse în model, pe care a denumit-o
matricea covarianţelor estimatorilor consistenţi
heteroscedastici (HCCME), de forma:
−
n ′ −1 2 ′ ′ 1
V (B)= (X X ) u xx (X X )
n−
W k ∑i i i
i=
1
2 Vezi Wiliam H. Greene, Econometric Analysis, 2nd ed., Macmillan, New York, 1993,
p. 384-392.
unde:
n = numărul de
observaţii; k =
numărul
regresorilor; ui=
variabila reziduală.
Dependent Variable: yi
Sample: 1 30
Included observations: 30
White Heteroskedasticity-Consistent Standard Errors & Covariance
Mean dependent
R-squared 0,9466 var 119,7333
(n −
( n−c ) / 2 2 c)
s2 ∑ u1 / − ( k +1)
2
F
*
=
u
1 = i=1
(n −
n c)
s2 2
u
2
∑ u
2 / − ( k +1)
( )
i = n−2c +1
4 cf.
Damodar N. Gujarati, Basic Econometrics, 3rd ed., Mc Graw-Hill, New York, 1995, p.
374-375.
- da
heteroscedastice,
F >F
în ( ntimp
−c)
ce, pentru ( n− un ,prag
atunci ipoteza de
de semnificaţie
că c)
α = 0,01, F * = 4,07 < F0,01;11;11 = 4,46 putem considera că ipoteza de
−( k+1) ;
α;
2 2 −( k+1)
homoscedasticitate se verifică.
homoscedasticitate este infirmată, deci erorile sunt
heteroscedastice;
*
<
( n−
- dacă F F ( n−c) c) ipoteza de homoscedasticitate
α; 2 −( k+1) ; 2 −( k+1)
este acceptată.
( 8,7049
) ( 0,0744) 2
∑u1i = 377,17
v1 = 11
yˆ2i = −28,0272 +
0,7941xi ; R2 = 0,7681
( 30,6421
) ( 0,1319) 2
∑u2i = 1536,8
v2 = 11
u2 v
F
*
=
∑ 2i 2 = 1536,8 11 = 4,07
2
377,17 11
∑u1i v1
semnifica sun
F * = 4,07 > F = 2,82 ,
ţie α = 0,05, 0,05;11;11 deci erorile t
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
u
i
i
lnσ 2 = lnσ 2 + b ln x + ω
u
i
i i
unde:
( 7,2749) ( 1,425
2)
ˆ
indic c
tˆ = b = 0,3359 = 0,2357 < t
0,05;28
= 2,048 , care ă faptul ă
b s
ˆ
1,4252
I.
uˆi = a + bxi + ωi
i
=
x 1 + b1 +x i
x
i i i
împărţit l forma
e a xi , rezultând astfel un model de :
y a u
+ b1 ix +
i = 1 i .
x
xi i xi
= a+ b
III.
uˆi x1 +ωi
i
= a+ b
IV.
uˆi 1 +ωi
xi
V. uˆi = a + +ωi
bxi
uˆ = 0,6343 + 0,0085xi
i ; R2 = 0,0787
t ( 0,6335) ( 1,5467
= )
uˆ = −0,7273 +
i 0,2182 ; R2 = 0,0792
xi
t ( 0,3929) ( 1,5516
= )
= 3,3517−189,9522x1
uˆ
i ; R 2 = 0,0729
t ( 3,7148) ( 1,4836
= ) i
uˆ = 4,7087 R2 =
i −32,6958 1 ; 0,0761
x
i
( 2,6961) ( 1,5181
)
t
=
u
i
0 1 1i 2 2i m mi
u
i
0
σˆ u2
unde:
ωi = variabila reziduală.
( 5,2314
) ( 0,0286) d = 1,70
suˆ = 9,183
uˆ
2
σˆu2
=
∑i = 2361,53 = 78,7051
i n 30
ˆ 2
θ
i
( 0,7529) ( 0,0041)
Valoarea calculată a variabilei H este:
ˆ 2
2 2 2
H = 5,214 >χ02,05;1 =
3,8414 pentru α = 0,05 , deci erorile sunt
H0: α0 = α1 = α2 = 0
Dacă ipoteza nulă, potrivit căreia rezultatele estimării
sunt nesemnificative ( Fc < Fα;v1 ;v2 ), este acceptată, atunci
ipoteza de
LM = n ⋅ R2 ~ χα2 ;v
este acceptată.
Te
st Equation:
Sample: 1 30
Included observations: 30
t-
Variable Coefficient Std. Error Statistic Prob.
x
i 0,0017 0.0067 0,2535 0,8018
2 2
S ( K − 3) 2
JB = n + ~χ
α;2
6 24
unde:
n = numărul de observaţii;
1 ∑n (y i − y ) 3
S= n i= 1
σ 3
K= n i= 1
σ4
constat
Jarque-Berra (vezi figura 2.2.3.) se ă că
10
Series: Residuals
Sample 1 30
8 Observations 30
Mean -1.86E-14
6 Median 0.880779
Maximum 20.26355
Minimum -18.98076
Skewness -0.359065
2 Kurtosis 2.977931
Jarque-Bera 0.645247
Probability 0.724246
Figura 2.2.3
modelul y a u
= + +x i
i x 1 b1 .
i i i
Econometrie. Studii de caz
c = z u obţin
yi
2) Notând u 1 = v, , i = w , se e modelul
x x x
i i i i i i
z i = a 1 v i + b1 + wi căr parametri
, ai ui i se vor estima cu ajutorul
M.C.M.M.P.
−
−
ˆ ˆ = 30 ˆ 2 = 30 −ˆ ˆ 2
(
F a ,b ) min ∑(z z ) (
min ∑ z av b )
1 1 i i i 1 i 1
i=1 i=1
ˆ 2
= zv
ˆ
F′( aˆ ) = 0 ⇒ b ∑v + aˆ ∑v ∑ii
1 1 i 1 i
nb + aˆ ∑v = ∑z
′ˆ ˆ +ˆ
1 1 i i
= ⇒ =
⇔ ˆ 2
a1
nb
=
( )0
F b1 1 ∑v i ∑z i b1 ∑vi + aˆ1
∑vi ∑z vi i
Sample: 1 30
Included observations: 30
Prob
Variable Coefficient Std. Error t-Statistic .
zˆ = 10,279 R=
i vi + 0,6319; 0,4568
swˆ =
0,0521
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
Test Equation:
Method: Least
Squares
Sample: 1 30
Included observations: 30
Prob
Variable Coefficient Std. Error t-Statistic .
∑( wˆi − wˆi−1
) 2
d= i= 2 = 1,71
30
∑wˆi
i= 1
Econometrie. Studii de caz
s n = 30
Durbin-Watson e citesc valorile (pentru cazul )
d = 1,35, d2
1 = 1,49 .
0
normalitate a erorilor să fie
-0.10 -0.05 0.00
acceptată.
Figura
12
2.2.4
10
2
Median 0.005397
Maximum 0.087252
Minimum -0.084660
Skewness -0.181266
Mean -1.30E-16
aˆ
taˆ = =
>t
1 s 1 α;n−k −1
⇔ taˆ
1
= 2,7174 > t0,05;28 2,048
aˆ
ˆ
b
=
tˆ >t
= 1 α;n−k −1
⇔ t ˆ = 23,7034> t0,05;28 2,048
sˆ
b
b1 1
b
1
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
unde:
$ $
estimatori, a1 şi b1 , sunt semnificativ diferiţi de zero, cu un prag de
semnificaţie α =
0,05 .
Rz / v
R2 = 0,2087 = 0,4568
≥ Fα; k ;n− k
Fc = ( n−
2) R2 −1
1−R
2
F0,05;1;28 = 4,20
su2ˆ′ = ∑( yi − yˆi
′)
2
= 2364,7933 = 84,4569 ⇒ s
uˆ′
= 9,19
n−k
−1 30 − 2
(vezi tabelul nr. 2.2.2., coloanele 23, 24, 25)
Econometrie. Studii de caz
173,1
1 x 2 1 7 2
2 2 ⋅
s = s
aˆ uˆ′ + = 84,4569⋅ + = 27,4096⇒ s = 5,2354
aˆ
2
2 n (x − x) 10 102974,1667 2
∑ i
s
2
ˆ s2 84,4569
= uˆ′ = = 0,0008 ⇒ s ˆ = 0,0286
∑( xi −x
) 2
b
2
102974,1667 b
2
=
taˆ =
2 s
aˆ2 = 10 ,2 7 9= 1 ,9 6 3 4< t
5 ,2 3 5 4 0 ,0 5 ; 2 8 2,048
aˆ2
sˆ
b
2
0,0286
b2
Se constată că b$
doar 2 este semnificativ diferit de zero, cu un prag
$
de semnificaţie α = 0,05 , în timp ce a2 este nesemnificativ.
- calculul raportului de
corelaţie:
=
Fc = 2 8 ⋅ 0 ,9 4 6 6 = 4 9 5 ,9 1>1 F0 ,0 5 ;1 ;2 8
1− 0 ,9 4 6 6 4,20
Tabelul 2.3.1
gospodăriilor populaţiei
(mld.lei preţuri
Anul comparabile)
(mld.lei preţuri
comparabile)
(1990=100)
(1990=100)
0 1 2
Notă: Ambii indicatori sunt calculaţi conform metodologiei de calcul a Sistemului European al Conturilor
Economiei Integrate - SEC 1979. Consumul final al populaţiei a fost deflaţionat cu ajutorul
deflatorului consumului final al populaţiei exprimat în preţuri constante (1990 = 100),
datele provenind de la Ministerul Prognozei şi Dezvoltării, iar PIB-ul a fost deflaţionat cu
ajutorul deflatorului PIB exprimat în preţuri constante (1990 = 100), obţinut în urma
prelucrării datelor din Raportul Anual BNR.
Sursa: Date prelucrate pe baza Anuarului Statistic al României 2003, INS, Bucureşti, 2004, p. 284,
Raportului Anual 2000, BNR, Bucureşti, 2001, p. 6*-7*, Raportului Anual 2002 BNR,
Bucureşti, 2003, p. 4*-5*, Comunicatului de Presă al INS nr.11/26.02.2004.
Se cere:
acestora;
Econometrie. Studii de caz
Rezolvare:
670
650
630
610
590
570
550
530
510
490
470 x
450
430
670 685 700 715 730 745 760 775 790 805 820 835 850