Academia de Studii Economice Facultatea de Cibernetica, Statictica si Infomatica Economica

PROIECT ECONOMETRIE

Melinte Oana-Alexandra Grupa 1049, seria B

Bucuresti, 2011

Modelul supus analizei este format din 2 variabile aleatorii care pot influenta pretul de vanzare pentru automobilele marca Audi A4: vechimea si numarul de kiometrii parcursi. Obiectivul proiectului este de a analiza influenta exercitata de acestea asupra pretului de vanzare a automobilelor marca Audi A4. Baza de date este formata dintr-o variabila dependenta (pretul) si doua variabile independente numerice (vechimea automobilului si numarul de kilometrii parcursi de acesta). Inregistrarile au fost preluate online de pe site-ul www.autovit.ro .

Y X1 X2 Pret Vechime Kmparcursi 1 7850 7 110500 2 8300 6 103000 3 8350 5 171000 4 8500 6 142149 5 8800 4 146235 6 8850 5 178000 7 15800 3 125000 8 17700 4 150000 9 20000 3 145000 10 22500 2 22000 11 15000 2 126000 12 17400 2 132000 13 27000 1 30 14 32600 1 2000 15 34500 1 20000 Total 253150 52 1572914

I Modelul unifactorial
Pe baza datelor de mai sus se pot construe doua modele econometrice de forma : Yi=a+b*xji j={1,2}, care explica variatia pretului in functie de fiecare variabila indepandenta in parte.

Fluxul pretului vechime Acest model unifactorial poate fi construit de forma : Yi=a+b*x1i si explica variatia pretului in functie de vechimea autoturismului.

Yi = valorile reale ale variabilei dependente ( pretul) x1i = valorile reale ale variabilei independente ( vechimea)

Reprezentarea grafica a datelor

Din grafic se observa ca distributia punctelor poate fi aproximata cu o dreapta. Astfel, modelul econometric care descrie legatura dintre cele doua variabile este un model liniar unifactorial de forma , unde: - termen liber al regresiei - coeficientul de regresie a variabilei Y in functie de x.

Estimarea parametrilor de regresie

SUMMARY OUTPUT Regression Statistics Multiple R 0.868948174 R Square 0.755070929 Adjusted R Square 0.736230232 Standard Error 4624.038287 Observations 15 ANOVA df Regression Residual Total 1 13 14 SS 856906842.3 277962491 1134869333 MS 856906842.3 21381730.08 F Significance F 40.07659058 0.0000261459894

Intercept X Variable 1

Coefficients Standard Error 30469.85646 2456.825347 -3921.11244 619.3896046

t Stat P-value 12.40212557 0.00000001406 -6.330607442 0.00002615

Lower 95% 25162.20798 -5259.222328

Upper 95% 35777.50493 -2583.002552

Modelul de regresie liniara este de forma: Valorile teoretice (estimate) ale variabilei : Valorile parametrilor de regresie a si b se pot estima folosind Metoda Celor Mai Mici Patrate: Yi=30469.85646 + (-3921.11244)*xi Valoarea coeficientului b=-3921.11244 < 0 arata ca intre cele doua variabile exista o legatura indirecta si anume: daca vechimea autoturismului creste cu 1 unitate, mentinand ceilalti factori constanti, pretul autoturismului va scadea cu 3921.11244 unitati. Valoarea coeficientului a=30469.85646 arata pretul autoturismului, atunci cand vechimea este 0 ( masina este noua).
Verificarea validitatii statistice a modelului de regresie

H0 : modelul nu este valid statistic ( =0 ) H1 : modelul este valid statistic ( 0 )

ANOVA df Regression Residual Total 1 13 14 SS 856906842.3 277962491 1134869333 MS 856906842.3 21381730.08 F Significance F 40.07659058 0.0000261459894

Intercept X Variable 1

Coefficients Standard Error 30469.85646 2456.825347 -3921.11244 619.3896046

t Stat P-value 12.40212557 0.00000001406 -6.330607442 0.00002615

Lower 95% 25162.20798 -5259.222328

Upper 95% 35777.50493 -2583.002552

Folosim testul Fisher : F= MSR/ MSE = SSR / (SSE / (n-2) ) ~ F;1;n-2 Fcalc = F = MSR / MSE =40.0766 Fcritic = F;1;n-2 = F0.05;1;13 = 4.67 Fcalc > Fcritic => respingem ipoteza H0 si acceptam ipoteza H1 => Modelul este valid statistic.

Testarea semnificatie parametrilor modelului de regresie pentru un prag de semnificatie de 95% (= 0.05) si calcularea intervalelor de incredere corespunzatoare acestora

Calculam: sb = se(b) = 619.3896 sa = se(a) = 2456.8253

Testarea semificatiei parametru lui :

H0 : = 0 ( parametrul nu este semnificativ statistic; modelul nu este valid) H1 : 0 ( parametrul este semnificativ statistic ; modelul este valid ) Folosim testul Student : t calc = b / se(b) = -6.3306 t critic = t0.025;13 = 2.16 | t calc | > t critic => respingem ipoteza H0 si acceptam ipoteza H1 => parametrul este semnificativ statistic. Interval de incredere pentru parametrul b t critic * se(b) b + t critic * se(b) -5259.2223 -2583.002552 Testarea semnificatiei parametrului H0 : parametrul nu este semnificativ statistic ( = 0 ) H1 : parametrul este semnificativ statistic ( 0 ) Folosim testul Student : t calc = a/ se(a) = 12.4021 t critic = t0.025;13 = 2.16 | t calc | > t critic => respingem ipoteza H0 si acceptam ipoteza H1 => parametrul este semnificativ statistic. Interval de incredere pentru parametrul a t critic * se(a) a + t critic * se(a) 25162.20798 35777.50493

Testarea ipotezelor clasice ale modelului de regresie

Heteroscedasticitate/Homoscedasticitate:

Reprezentam grafic pretul masinii in functie de vechime. Se remarca faptul ca variabilitatea pretului masinii in jurul dreptei de regresie pare sa scada atunci cand vechimea creste.

Testul Park H0 : exista homoscedasticitate sau, nu exista heteroscedasticitate H1 : exista heteroscedasticitate

Testul White H0 : F < Fcritic (exista homoscedasticitate) H1 : F > Fcritic ( exista heteroscedasticitate)

F= 1.805155 0.206357 > 0.05 => acceptam H0 => exista homoscedasticitate 0.176474 > 0.05 => acceptam H0 => exista homoscedasticitate Fcritic = F ;k ;n-k-1 = 4.667193 F < F critic => acceptam H0 => exista homoscedasticitate

Testul Durbin Watson H0 : = 0 ( nu exista autocorelarea erorilor ) H1 : 0 ( exista autocorelarea erorilor )

DW = 0.488292 iar d1 = 1.08 si d2 = 1.36 d0 = 0 < DW = 0.488292 < 1.08 = d1 Rezulta ca seria reziduurilor prezinta autocorelare de ordinal 1 pozitiva.

Sa se previzioneze pretul masini marca Audi A4 in conditiile in care platile pentru o vechime mai mare cu 10% decat cea mai mare valoare.

In urma efactuarii pasilor pentru previziune in Eviews, s-a obtinut, pentru o vechime de 7.7 ani, un pret de 21502.9 Euro.

II Modelul multifactorial
Modelul are ca variabila endogena pretul masinii ( Y ) si ca variabile exogene vechimea masinii (x1) si numarul de kilometrii parcursi (x2). Putem construe urmatorul modelul multifactorial, de forma: Yi = 0 + 1x1i + 2x2i + i , i=1,2,15 Y = pretul masinii x1 = vechimea masinii x2 = numarul de kilometrii parcursi

Reprezentarea grafica

Estimarea parametrilor modelului de regresie

Yi = 32720.21143 + (-2657.878267)x1 + (-0.063222466)x2

SUMMARY OUTPUT Regression Statistics Multiple R 0.930572358 R Square 0.865964913 Adjusted R Square 0.843625732 Standard Error 3560.34069 Observations 15 ANOVA df Regression Residual Total 2 12 14 SS 982757023.4 152112310 1134869333 MS 491378511.7 12676025.83 F 38.76439811 Significance F 5.79844E-06

Intercept X Variable 1 X Variable 2

Coefficients Standard Error 32720.21143 2021.996897 -2657.878267 623.0334471 -0.063222466 0.020064857

t Stat 16.18212742 -4.266028219 -3.150905401

P-value 1.62755E-09 0.001095761 0.008360861

Lower 95% 28314.65864 -4015.351535 -0.106940033

Upper 95% 37125.76421 -1300.404999 -0.019504898

Valoarea coeficientului b1 = -2657.878267 < 0 arata ca, mentinand celelalte variabile constante, o crestere a vechimii cu o unitate va duce la scaderea pretului masinii cu 2657.878267 unitati. Valoarea coeficientului b2 = -0.063222466 < 0 arata ca, mentinand celelalte variabile constante, o crestere a numarului de kilometrii parcursi cu o unitate va duce la scaderea pretului masinii cu 0.063222466 unitati. Valoarea coeficientului b0 = 32720.21143 arata ca, daca cele doua variabile explicative, X1 si X2 au valoarea 0, valoarea medie a pretului autoturismului marca Audi A4 este estimate la circa 32720 unitati monetare.

Verificarea validitatii statistice a modelului de regresie

H0 : b1 = b2 = 0 ( modelul nu este valid statistic) H1 : bi 0 , i= {1,2} (modelul este valid statistic) Ne uitam in tabelul ANOVA contruit in Excel:
ANOVA df Regression Residual Total 2 12 14 SS 982757023.4 152112310 1134869333 MS 491378511.7 12676025.83 F 38.76439811 Significance F 5.79844E-06

F calculat = F = MSR / MSE = 38.76439811 F critic = F 0.05;1;12 = 4.75 F calculat > F critic => respingem H0 si acceptam H1 => modelul este valid statistic.

Concluzii
Avand in vedere ca avem de-a face cu valori statistice exacte pentru vanzarile masinilor marca Audi A4 si s-a demonstrat statistic ca atat vechimea automobilului si numarul de kilometrii parcursi influenteaza in mod descrescator pretul masinilor. De asemenea se observa din tabelul Summary Output prin valorile lui R2 , in cazul modelului unifactorial variatia pretului este explicata in proportie de 98.77% prin valoarea importurilor, 96.8% prin valoarea exporturilor, 89.28% prin valoarea exportului net si in cazul modelului multifactorial variatia PIB-ului este explicata in procent de 99.03% prin valoarile importurilor si exporturilor.