STUDIUL DE CAZ 1

Abordate din punct de vedere financiar, cheltuielile comerciale i comisionul comercial ncasat per produs, determinate n raport cu lungimea culoarului sau lanului de vnzare, respectiv a numrului de firme intermediare ce l compun sunt expuse sintetic n tabelul urmtor
Tabel nr.1

Numrul de firme intermediare n lanul comercial X 1 2 3 4 5 6 7

Cheltuielile comerciale per produs Y1(Euro) 8,14 10,64 13,14 15,14 17,14 20,14 22,64

Valoarea comisionului comercial per produs Y2(Euro) 17,14 14,64 12,14 10,14 8,14 5,14 2,64

Nota: In col. 2 (Y1) si 3(Y2), dupa valorile intregi (sau dupa virgula) se va adauga la fiecare cifra de pe fiecare rand, numarul de ordine al studentului din lista de prezenta a grupei, pentru a se personaliza proiectul la nivel individual.

Pornind de la datele din tabel se pot distinge dou modele microeconometrice de regresie liniar simpl, detaliate astfel: A.Variabilele unui model de regresie ce definete cheltuielile comerciale per produs, n funcie de numrul de firme intermediare n lanul comercial, unde : Y = cheltuielile comerciale per produs X = numrul de firme intermediare n lanul comercial = variabila aleatoare eroare sau reziduu B. Variabilele unui model de regresie ce definete valoarea comisionului comercial per produs n funcie de numrul de firme intermediare n lanul comercial, unde : Y = comisionul comercial per produs X = numrul de firme intermediare n lanul comercial = variabila aleatoare eroare sau reziduu CERINELE STUDIULUI DE CAZ 1 Pentru fiecare model n parte s se soluioneze cele 10 cerine ce urmeaz: 1.Corelograma (aproximarea grafica a modelului de forma Y = + X + 2. Statistica descriptiv pentru variabilele X si Y (Mean, Std deviation, Skewness, Kurtosis, Sum etc.) 3.Estimarea punctual a parametrilor Y = a + bx (panta dreptei b, raportul dintre cov(x,y) i s2x sau b= r (sy/sx) i termenul constant a = y bx ) 4. Estimarea parametrilor prin interval de incredere 5. Testarea semnificaiei corelaiei 5a. Aplicarea Testului t (Student) 5b. Aplicarea Testul F 6.Testarea liniaritii modelului (prin scatterplots sau diagrama reziduurilor din regresia liniar simpl ) 7.Testarea normalitii erorilor (testul Jarque - Bera) 1

8.Testarea ipotezei de homoscedasticitate (Procedeul Glejser sau testul t Student pentru coeficientul de corelatie Spearman) 9.Testarea ipotezei de autocorelare a erorilor (testul Durbin - Watson) 10.Analiza se va realiza prin intermediul programului EViews Rezolvare STUDIU DE CAZ 1: A. Model de regresie ce definete cheltuielile comerciale per produs(Y1), n funcie de numrul de firme intermediare n lanul comercial

Numrul de firme intermediare n lanul comercial X 1 2 3 4 5 6 7

Cheltuielile comerciale per produs Y1(Euro) 8,14 10,64 13,14 15,14 17,14 20,14 22,64

Variabilele modelului de regresie simpla liniara sunt: Y - cheltuielile comerciale per produs X - numarul de firme intermediare in lantul comercial reziduu

1. Corelograma

Din grafic se poate observa ca distributia dintre cheltuielile per produs si numarul de firme intermediare in lant comercial poate fi aproximata cu o dreapta. Modelul econometric care descrie legatura dintre cele doua variabile se transforma intr-un model liniar unifactorial de 2

forma y = a + bx + u; a si b reprezinta parametrii modelului, b 0. Panta dreptei este pozitiva deoarece legatura dintre cele doua variabile este directa. 2. Statistica descriptiva pentru variabile

Mean Media Y1 15,28; Firma - 4. Median Mediana Y1 15,14; Firma - 4. Maximum valoarea maxima pe care o ia caracteristica Y1 22,64; Firma - 7. Minimum valoarea minima pe care o ia caracteristica Y1 -8,14 ; Firma - 1. Std. Dev. deviatia standard Cheltuielile per produs(Y1) se abat in medie cu 5,137398 euro de la cheltuielile medii per produs. Numarul de firme intermediare se abate in medie cu 2,160247 firme de la numarul mediu al firmelor; Skewness analizeaza asimetria seriei de date (coeficient de asimetrie) Cheltuielile per produs(Y1): indicatorul Skewness este pozitiv, deci seria are o asimetrie de stanga. Numarul de firme: indicatorul Skewness este egal cu 0, deci seria este simetrica; Kurtosis coeficientul de aplatizare Indicatorul de boltire este pozitiv pentru ambele variabile, asadar curba este inalta (leptocurtica).
Coeficient de omogenitate Co =

5,137398 *100 = 33,61 variatie mica, colectivitatea este omogena. 15,28286 2,160247 *100 = 54% variatie foarte mare, colectivitatea este Pentru variabila firme Co = 4 eterogena. Pentru variabila cheltuieli(Y1) Co = 3

3.Estimarea punctuala a parametrilor

a= 5,782857 b= 2,375 Putem calcula valorile teoretice ale variabilei endogene Y1 cu ajutorul estimatiilor parametrilor astfel: Yi = 5,782857 + 2,375 Xi

4. Estimarea parametrilor prin interval de incredere

tab a P ( a - t a + t a=) 1 - a tab

Inlocuind in ecuatie obtinem urmatoarele: Parametrul a = 5,782857 P(5,782857 2,365 * 0,244845 a 5,772857 + 2,365 * 0,244845) 5,193798575 5,772857 6,351915425 unde:
Folosim = 0,05 = 2,365; Std Dev pentru parametrul a este 0,244845.

Parametrul b = 2,375 P(2,375 2,365 * 0,0554749 b 2,375 + 2,365 * 0,0554749) 2,2438018615 2,375 2,5061981385 unde:
Folosim = 0,05 = 2,365; Std Dev pentru parametrul b este 0,054749.

5. Testarea semnificatiei corelatiei

Valoarea luata de acest indicator (0,998674) indica o legatura puternica intre cele doua fenomene.

5a.Aplicarea testului t (student)

Testele statistice se folosesc pentru a stabili daca exista o legatura intre doua serii de date (deci intre doua variabile cantitative) sau intre doua variabile calitative.Testul t este folosit pentru compararea mediilor unei caracteristici la doua populatii.Pentru a intelege mai bine cu functioneaza un test se parcurg urmatoarele etape:
Se formuleaza ipoteza nula H0:conform teoriei limita centrala (media de selectie poate fi un estimator al mediei populatiei) si se admite H0:M= . Se formuleaza ipoteza alternativa H1: o valoare M# - pentru un test bilateral; obtinuta la nivelul unui esantion poate fi: H1 :

H1 : M >

sau M <

- pentru un test unilateral.

Alegerea testului statistic.De exemplu:In cazul mediei se foloseste ca test Testul T definit de legea Student cu n-1 grade de libertate. Insa pentru a intelege mai bine si mai usor acest concept de grade de libertate se porneste de la urmatorul exemplu:Stiind ca suma abaterilor de la medie este intotdeauna nula si presupunand ca se detin 5 observatii si 4 dintre abaterile lor de la medie (-20;-5;5;10) atunci cea de-a 5-a abatere de la medie este 10.Rezulta ca numai 4 din 5 observatii sunt independente si constituie practic numarul gradelor de libertate.In concluzie, in cazul unui esantion exista n-1 grade de libertate, datorita faptului ca daca n-1 frecvente sunt specificate, ultima este determinabila din numarul lor total n.Testul T consta in calcularea raportului din datele esantionului si compararea acestuia cu valoarea tabelata t cu n-1 grade de libertate pentru un prag de semnificatie ales pentru test. Definirea regiunii de respingere.Se asociaza testului o probabilitate pragului de semnificatie asociata testului,adica riscul care se admite pentru a respinge ipoteza nula cand aceasta este adevarata. Pentru un test bilateral: t<-t (n-1), /2, unde t /2 este ales astfel ca P(t>t /2) = /2 t > t(n-1), /2;

Pentru un test unilateral:t<-t (n-1), , unde t este ales astfel ca P(t>t ) = sau t>t(n-1), . Calcularea valorii numerice a testului folosind datele rezultate din observarea unui esantion.

t=

xM x

Decizia statistica si formularea concluziilor.Se compara valoarea calculata t cu valoarea critica a lui t cu (n-1) grade de libertate, pentru un prag de semnificatie . Astfel:a)daca valoarea numerica a testului statistic cade in regiunea de respingere, se poate spune ca ipoteza alternativa este adevarata. b)daca valoarea testului statistic nu cade in regiunea de respingere, apar rezerve in a spune ca ipoteza alternativa este adevarata.Nu se accepta ipoteza nula deoarece nu se cunoaste probabilitatea ca sa se poate afirma ca H0 este falsa.

Principalele domenii de utilizare ale variabilei Student sunt urmatoarele:

Testarea semnificatiei mediei; Estimarea prin interval de incredere a valorii medii; Testarea egalitatii a doua medii.

6.Testarea liniaritii modelului

6

Punctele empirice sunt distribuite sub forma unei drepte, deci modelul econometric care descrie legatura dintre firme si cheltuieli este unul liniar unifactorial relatia dintre nr de firme si cheltuieli este liniara.

7.Testarea normalitii erorilor

Pentru vaitabila Y1: JBcalc= 0,397469; Pentru variabila Firma: Jbcalc= 0,455729.

8.Testarea ipotezei de homoscedasticitate

Ipoteza de homoscedasticitate pe baza acesteia se poate admite o legatura relativ stabila intre cheltuieli si firme.Insa pentru aceasta, variabila aleatoare u trebuie sa fie de medie 7

nula M(u) = 0 si dipsersia ei este constanta si independenta de X. Realizam statistica descriptiva a variabilei reziduale:

Se poate observa ca media variabilei reziduale tinde catre 0 si ca Std. Dev. este o constanta. Realizam cu ajutorul graficului legatura dintre variabila cheltuieli si valoarea reziduala:

Din grafic reiese independenta dintre cele doua variabileIpoteza de homoscedasticitate este acceptata.

9.Testarea ipotezei de autocorelare a erorilor Testul Durbin Watson.

DWcalc, se compar cu d1 i d2, din tabelul distribuiei Durbin - Watson n funcie de , convenabil ales, ( = 0,05 sau = 0,01), de numrul de variabile exogene, k, i de valorile observate (T).

Dw = 1,712766. B. Model de regresie ce definete valoarea comisionului comercial per produs, n funcie de numrul de firme intermediare n lanul comercial

Numrul de firme intermediare n lanul comercial X 1 2 3 4 5 6 7

Valoarea comisionului comercial per produs Y2(Euro) 17,14 14,64 12,14 10,14 8,14 5,14 2,64

Variabilele modelului de regresie simpla liniara sunt: Y valoarea comisionului comercial per produs X - numarul de firme intermediare in lantul comercial reziduu

1.Corelograma

Din grafic se poate observa ca distributia dintre valoarea comisionului per produs si numarul de firme intermediare in lant comercial poate fi aproximata cu o dreapta. Modelul econometric care descrie legatura dintre cele doua variabile se transforma intr-un model liniar unifactorial de forma y = a + bx + u; a si b reprezinta parametrii modelului, b 0. Panta dreptei este pozitiva deoarece legatura dintre cele doua variabile este directa.

3. Statistica descriptiva pentru variabile

Mean Media Y2 9,99; Firma 4. Median Mediana Y2 10,14; Firma - 4. Maximum valoarea maxima pe care o ia caracteristica Y2 17,14; Firma - 7. 10

Minimum valoarea minima pe care o ia caracteristica Y2 2,64; Firma 1. Std. Dev. deviatia standard Comisionul per produs(Y2) se abate in medie cu 5,137398 euro de la valoarea medie a comisionului per produs. Numarul de firme intermediare se abate in medie cu 2,160247 firme de la numarul mediu al firmelor; Skewness analizeaza asimetria seriei de date (coeficient de asimetrie) Comisionul per produs(Y2): indicatorul Skewness este negativ, deci seria are o asimetrie de dreapta. Numarul de firme: indicatorul Skewness este egal cu 0, deci seria este simetrica; Kurtosis coeficientul de aplatizare Indicatorul de boltire este pozitiv pentru ambele variabile, asadar curba este inalta(leptocurtica).
Coeficient de omogenitate Co =

5,137398 *100 = 51,38 variatie mare, colectivitatea este eterogena. 9.997143 2,160247 *100 = 54% variatie foarte mare, colectivitatea este Pentru variabila firme Co = 4 eterogena. Pentru variabila comision(Y2) Co =

3.Estimarea punctuala a parametrilor

11

a=19,49714 b= -2,375 Putem calcula valorile teoretice ale variabilei endogene Y cu ajutorul estimatiilor parametrilor astfel: Yi =19, 49714 - 2,375 Xi.

4. Estimarea parametrilor prin interval de incredere

tab a P ( a - t a + t a=) 1 - a tab

Inlocuind in ecuatie obtinem urmatoarele: Parametrul a = 19, 49714 P(19, 49714 2,365 * 0,244845 a 5,772857 + 2,365 * 0,244845) 5,193798575 5,772857 6,351915425 unde:
Folosim = 0,05 = 2,365; Std Dev pentru parametrul a este 0,244845.

Parametrul b = -2,375 P(-2,375 2,365 * 0,054749 b 2,375 + 2,365 * 0,054749) 2,2438018615 2,375 2,5061981385 unde:
Folosim = 0,05 = 2,365; Std Dev pentru parametrul b este 0,054749.

5. Testarea semnificatiei corelatiei

12

Valoarea luata de acest indicator (-0,998674) indica o legatura puternica intre cele doua fenomene. 5a.Aplicarea testului t (student) Testele statistice se folosesc pentru a stabili daca exista o legatura intre doua serii de date (deci intre doua variabile cantitative) sau intre doua variabile calitative.Testul t este folosit pentru compararea mediilor unei caracteristici la doua populatii.Pentru a intelege mai bine cu functioneaza un test se parcurg urmatoarele etape:
Se formuleaza ipoteza nula H0:conform teoriei limita centrala (media de selectie poate fi un estimator al mediei populatiei) si se admite H0:M= . Se formuleaza ipoteza alternativa H1: o valoare M# - pentru un test bilateral; obtinuta la nivelul unui esantion poate fi: H1 :

H1 : M >

sau M <

- pentru un test unilateral.

Alegerea testului statistic.De exemplu:In cazul mediei se foloseste ca test Testul T definit de legea Student cu n-1 grade de libertate. Insa pentru a intelege mai bine si mai usor acest concept de grade de libertate se porneste de la urmatorul exemplu:Stiind ca suma abaterilor de la medie este intotdeauna nula si presupunand ca se detin 5 observatii si 4 dintre abaterile lor de la medie (-20;-5;5;10) atunci cea de-a 5-a abatere de la medie este 10.Rezulta ca numai 4 din 5 observatii sunt independente si constituie practic numarul gradelor de libertate.In concluzie, in cazul unui esantion exista n-1 grade de libertate, datorita faptului ca daca n-1 frecvente sunt specificate, ultima este determinabila din numarul lor total n.Testul T consta in calcularea raportului din datele esantionului si compararea acestuia cu valoarea tabelata t cu n-1 grade de libertate pentru un prag de semnificatie ales pentru test. Definirea regiunii de respingere.Se asociaza testului o probabilitate pragului de semnificatie asociata testului,adica riscul care se admite pentru a respinge ipoteza nula cand aceasta este adevarata. Pentru un test bilateral: t<-t (n-1), /2, unde t /2 este ales astfel ca P(t>t /2) = /2 t > t(n-1), /2; Pentru un test unilateral:t<-t (n-1), , unde t este ales astfel ca P(t>t ) = sau t>t(n-1), . Calcularea valorii numerice a testului folosind datele rezultate din observarea unui esantion.

t=

xM x

Decizia statistica si formularea concluziilor.Se compara valoarea calculata t cu valoarea critica a lui t cu (n-1) grade de libertate, pentru un prag de semnificatie . Astfel:a)daca valoarea numerica a testului statistic cade in regiunea de respingere, se poate spune ca ipoteza alternativa este adevarata.

13

b)daca valoarea testului statistic nu cade in regiunea de respingere, apar rezerve in a spune ca ipoteza alternativa este adevarata.Nu se accepta ipoteza nula deoarece nu se cunoaste probabilitatea ca sa se poate afirma ca H0 este falsa.

Principalele domenii de utilizare ale variabilei Student sunt urmatoarele:

Testarea semnificatiei mediei; Estimarea prin interval de incredere a valorii medii; Testarea egalitatii a doua medii.

6.Testarea liniaritii modelului

14

Punctele empirice sunt distribuite sub forma unei drepte, deci modelul econometric care descrie legatura dintre firme si comision este unul liniar unifactorial relatia dintre nr de firme si comsion este liniara.

7.Testarea normalitii erorilor

Pentru valoarea Y2: JBcalc= 0,397469; Pentru variabila Firma: JBcalc= 0,455729.

8.Testarea ipotezei de homoscedasticitate Ipoteza de homoscedasticitate pe baza acesteia se poate admite o legatura relativ stabila intre comision si firme.Insa pentru aceasta, variabila aleatoare u trebuie sa fie de medie nula M(u) = 0 si dipsersia ei este constanta si independenta de X. Realizam statistica descriptiva a variabilei reziduale:

15

Se poate observa ca media variabilei reziduale tinde catre 0 si ca Std. Dev. este o constanta. Realizam cu ajutorul graficului legatura dintre variabila cheltuieli si valoarea reziduala:

Din grafic reiese independenta dintre cele doua variabileIpoteza de homoscedasticitate este acceptata.

16

9.Testarea ipotezei de autocorelare a erorilor Testul Durbin Watson.

DWcalc, se compar cu d1 i d2, din tabelul distribuiei Durbin - Watson n funcie de , convenabil ales, ( = 0,05 sau = 0,01), de numrul de variabile exogene, k, i de valorile observate (T).

Dw = 1,712766.

17