Sunteți pe pagina 1din 32

Academia de Studii Economice Facultatea Cibernetica, Statistica i Informatic Economic

Macroeconomie proiect

Variaia produsului intern brut (PIB) n funcie de consumul final i populaia activ civil

Cuprins

1. Introducere pag 3 2. Prezentarea datelor.pag 4 3. Analiz descriptiv pag 5 3.1 Modelul unifactorialpag 5 3.2 Modelul multifactorialpag 9 4. Validitatea datelor...pag 12 4.1 Modelul unifactorialpag 12 4.2 Modelul multifactorialpag 19 5. Concluzie .pag 26
2

6. Bibliografie ....pag 27

1. Introducere
Produsul intern brut (prescurtat PIB) este un indicator macroeconomic care reflect suma valorii de pia a tuturor mrfurilor i serviciilor destinate consumului final, produse n toate ramurile economiei n interiorul unei ri n decurs de un an. PIB-ul este suma cheltuielilor pentru consum a gospodriilor private i a organizaiilor private non-profit, a cheltuielilor brute pentru investiii, a cheltuielilor statului, a investiiilor n scopul depozitrii ca i ctigurile din export din care se scad cheltuielile pentru importuri. PIB = consum + investitii + exporturi importuri. Economitii (pornind de la John Maynard Keynes) au mprit termenul de consum general n dou pri: consumul privat i cheltuielile sectorului public.

Consumul final efectiv cuprinde bunurile i serviciile achiziionate de ctre unitile instituionale rezidente pentru satisfacerea direct a nevoilor umane, att individuale ct i colective. Consumul final colectiv efectiv al administraiilor publice cuprinde cheltuiala pentru consum final colectiv al administraiilor publice. Consumul final individual efectiv al gospodariilor populaiei cuprinde cheltuielile gospodriilor populaiei pentru cumprarea de bunuri i servicii n scopul satisfacerii nevoilor membrilor lor, cheltuiala pentru consum individual al administraiilor publice, i cheltuiala pentru consum individual al instittiilor fr scop lucrativ n serviciul gospodriilor. Cheltuielile statului - sau consumul sectorului public, reprezint suma tuturor cheltuielilor guvernamentale pentru bunuri finite i servicii. Include salariile angajailor din sectorul public, cumprarea de armament, etc. Populaia activ civil caracterizeaz oferta potenial de for de munc i gradul de ocupare a populaiei cuprinznd: populaia ocupat civil i omerii nregistrai. Formula de calcul este: Pac = Poc + S unde: Poc = populaia ocupat civil; S = omeri Deoarece PIB-ul combin suma tuturor activitilor care se pot evalua n bani i nu a folosinei acestora (sau chiar a distrugerii acestora) este un mijloc condiionat de msurare a bunstrii i a calitii vieii. Acest proiect i propune s gseasc influena consumului final, precum i a populaiei active civile asupra produsului intern brut ale Romaniei ntre anii 1995-2010.

2. Prezentarea datelor
4

Anii 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

PIB(mil. lei,preturi curente) 7648,9 11384,2 25529,8 37055,1 55191,4 80984,6 117945,8 152017 197427,6 247368 288954,6 344650,6 416006,8 514700 501139,4 522561,1

Consumul final(mil. lei, preturi curente) 6257,7 9713,8 21972,2 33311,2 49311,9 69587,4 100731,7 127118,8 168818,7 211054,6 251038,1 294867,6 344937 420917,5 404275,5 419854,1

Populatia activa civila pe sexe, macroregiuni, regiuni de dezvoltare si judete(mii persoane) 10491,4 10036,5 9904,1 9837,7 9549,9 9636,4 9389,4 9089,6 8964,4 8796,2 8913,4 8929,8 9093,7 9150,4 9120,1 8998,3

3. Analiza descriptiv
3.1 Specificarea modelului econometric unifactorial

Pe baza datelor de mai sus se poate construi un model econometric unifactorial de forma: y = f(x) + u unde: - y reprezint valorile reale ale variabilei dependente (conaumul final); - x reprezint valorile reale ale variabilei independente (produsul intern brut); - u este variabila rezidual, cu influene nesemnificative asupra variabilei y.
5

Pentru a identifica existena unei relaii de dependen ntre variabilele analizate, ca i forma i sensul relaiei de dependen, construim diagrama mprtierii datelor. Pentru a crea o diagram a datelor trebuie s stabilim care variabil ar trebui s apar pe axa orizontal. n analiza de regresie, variabila explicativ apare ntotdeauna pe axa orizontal, iar variabila explicat pe axa vertical. Folosim Excel pentru a efectua calculele pentru estimarea unui model de regresie. Valorile observate pentru variabilele Y i X1 sunt introduse n coloanele B i C.

Reprezentm grafic perechile de puncte observate ( xi,yi ).

Analiznd distribuia punctelor din graficul de mai sus se constat c ntre variabilele X i Y exist o legtur direct i liniar. Modelul econometric care descrie legtura dintre cele dou variabile este un model liniar unifactorial. Putem considera c ntre cele dou variabile exist o relaie de forma: yi = + xi + i , i=1,2,,n .
7

unde,

- termen liber al regresiei; - coeficientul de regresie a variabilei y n funcie de x.

Pentru a determina estimatorii a i b (sau

) ai parametrilor i ,

rezolvm sistemul de ecuaii normale ale lui Gauss:

+b

15a + 2933767,8b = 3520564,9 2933767,8a+ 894186112,6b= 1083358655 Soluiile sistemului sunt: b 0,812557

4569,300

Dreapta de regresie estimat este: yi = 4569,300+ 0,812557xi Fiecare punct de pe dreapta de regresie este o estimaie a valorii medii a lui Y, corespunztor valorii alese pentru X. Deci ). este o estimaie pentru E(Y|

n excel:
SUMMARY OUTPUT Regression Statistics 0,999311 Multiple R 494 0,998623 R Square 462 Adjusted R 0,998525 Square 138 Standard 5918,435 Error 827 Observation s 16 ANOVA df Regression Residual Total 1 14 15 Coefficien ts 4569,300 266 0,812556 813 SS 3,56E+11 4,9E+08 3,56E+11 Standard Error 2310,115 0,008063 MS 3,56E+ 11 350278 83 F 10156, 44 Significa nce F 1,96E-21

Intercept X Variable 1

t Stat P-value 1,9779 0,0679 53 61 100,77 1,96E92 21

Lower 95% -385,405 0,795264

Upper 95% 9524,0 05 0,8298 5

n E-views:

Interpretarea parametrilor obinui: Valoarea b c, n cazul unui PIB-ul cuprins ntre 7,64890 mld lei i 522,56110 mld.lei, atunci cnd X crete cu o unitate, consumul final va crete, n medie, cu 0,812557 mil lei. Valoarea 4569,300arat nivelul consumulul final, atunci cnd PIBul este 0. Interpretm pe 4569,300 ca fiind efectul mediu asupra lui Y, al tuturor factorilor care nu sunt luai n considerare n modelul de regresie. Testai semnificaia statistic a parametrilor modelului i determinai intervalele de ncredere 95% pentru parametrii modelului. Pentru testarea validitii modelului se formuleaz 2 ipoteze: H0: modelul nu este valid statistic H1: modelul este valid statistic n tabelul din Excel sau Eviews apare si o probabilitate (Significance F) care in exemplul prezentat mai sus este 0,000000<0,05=> modelul este valid statistic=> respingem H0 si acceptam H1.
10

0,812557 , care msoar panta dreptei de regresie, arat

3.2

Specificarea modelului econometric multifactorial

Pe baza datelor folosite la specificarea modelului econometric unifactorial se poate construi un model econometric multifactorial de forma: y = f(x,z) + u unde: - y reprezint valorile reale ale variabilei dependente (Produsul intern brut); - x reprezint valorile reale ale primei variabile independente (consumul guvernamental); - z reprezint valorile reale ale celei de-a doua variabile independente (importuri de bunuri i servicii); - u este variabila rezidual, cu influene nesemnificative asupra variabilei y. Reprezentai grafic datele de observaie i comentai legtura dintre variabile.

11

Analiznd distribuia punctelor din graficul de mai sus se constat c ntre variabile exist o legtur direct i liniar. Modelul econometric care descrie legtura dintre cele trei variabile este un model liniar multifactorial. Estimai parametrii modelului i interpretai rezultatele obinute Putem considera c ntre cele trei variabile exist o relaie de forma: y= unde: - termen liber al regresiei; - coeficientul de regresie a variabilei y n funcie de x. - coeficientul de regresie a variabilei y n funcie de z. Modelul de regresie liniar este de forma:

Valorile teoretice (estimate) ale variabilei yi:

n excel:
SUMMARY OUTPUT Regression Statistics 0,999606 Multiple R 681 0,999213 R Square 516 Adjusted R 0,999092 Square 519 5709,488 Standard Error 987 Observations 16 ANOVA 12

df Regression Residual Total 2 13 15 Coefficien ts 142434,5 331 1,262009 728 13,98969 805

SS 5,38402E+ 11 423777438 ,3 5,38825E+ 11 Standard Error 43965,201 52 0,0142583 29 4,4795630 07

MS 2,69201E +11 32598264 ,49

F 8258,131 509

Significan ce F 6,63719E21

t Stat 3,239710 684 88,51035 439 3,123005 087

P-value 0,006454 811 1,82795E19 0,008080 868

Lower 95% 237415,57 64 1,2312064 82 4,3121905 41

Upper 95% 47453,48 973 1,292812 975 23,66720 557

Intercept X Variable 1 X Variable 2

n E-views:

Valorile parametrilor de regresie a i b se pot estima folosind metoda celor mai mici ptrate: =-142434,5+1,262010*x+13,98970*z

Interpretarea parametrilor obinui: Valoarea coeficientul b1 =-142434,5 arat c, dac cele dou variabile explicative, x i z au valoarea 0, valoarea medie a PIB-ului este estimat s scad cu circa 142 mld. lei.
13

Valoarea coeficientul b2=1,262010 arat c, meninnd toate celelalte variabile constante, o cretere a consumului final cu un procent determin o cretere, n medie, a PIB-ului cu 1,262010 mil. lei. Valoarea coeficientul b3=13,98970 arat c, meninnd toate celelalte variabile constante, o cretere a populaiei active civile cu un procent determin o cretere, n medie, a PIB-ului cu 13,98970 mil. lei. Testai semnificaia statistic a parametrilor modelului i determinai intervalele de ncredere 95% pentru parametrii modelului. Pentru testarea validitii modelului se formuleaz 2 ipoteze: H0: modelul nu este valid statistic H1: modelul este valid statistic n tabelul din Excel sau Eviews apare si o probabilitate (Significance F) care in exemplul prezentat mai sus este 0,000000<0,05=> modelul este valid statistic=> respingem H0 si acceptam H1, adic modelul este valid statistic.

4. Validitatea datelor
4.1 Modelulul unifactorial

Testarea validitatii modelului de regresie.


Testarea semnificaiei parametrului H0: = 0, (parametrul nu este semnificativ statistic; modelul nu este valid) H1 : 0 , (parametrul este semnificativ statistic; modelul este valid). Din Excel observam ca este 0=> acceptam H1=> semnificativ statistic iar intervalul de ncredere pentru parametrul pant este (0,795264; 0,82985). Testarea semnificaiei parametrului de interceptare H0: = 0, (parametrul nu este semnificativ statistic; modelul nu este valid) H1 : 0 , (parametrul este semnificativ statistic; modelul este valid). Din Excel observam ca este 0=> acceptam H1=> semnificativ statistic iar intervalul de ncredere pentru parametrul pant este (385,405;9524,005).
14

Verificarea ndeplinirii ipotezelor modelului clasic de regresie liniar


Ipoteza de homoscedasticitate a variabilei reziduale Din grafic se vede c PIB-ul(X) crete atunci cnd consumul final(Y)crete. Aceasta inseamn c este prezent proprietatea de heteroscedasticitate.

n Eviews am reprezentat grafic rezidurile fa de consumul final. Se observ c valoarea absolut a reziduurilor creste pe msur ce consumul final creste, ceea ce sugereaz c ipoteza de homoscedasticitete nu este ndeplinit.

15

Testul Park Ipotezele testului sunt: H0: exist homoscedasticitate sau, nu exist heteroscedasticitate H1: exist heteroscedasticitate sau, nu exist homoscedasticitate

Scriei ecuaia de regresie estimate:

ln ei2 = 9,956861+ 0,483231*ln(X) R2=0,064002

se = t=

5,812545 0,493893 1,712995 0,978413

Coeficientul pant estimat nu este semnificativ statistic (t Stat = 0,978413 si p=0,3445). Nu putem respinge H0 care const n : exist homoscedasticitate sau, nu exist heteroscedasticitate.
16

Nici nu vom accepta imediat c nu exist heteroscedasticitate. Exist probleme cu testul Park si anume: eroarea aleatoare i poate fi heteroscedastic. Sunt necesare mai multe teste pentru a putea afirma c modelul nostru iniial nu este afectat de heteroscedasticitate. Testul White Testul solicit ca, dup determinarea reziduurilor din regresia original, s se calculeze o regresie auxiliar a ptratelor reziduurilor n raport cu o constant, variabilele explicative ale modelului original, ptratele lor si produsele ncrucisate. Din regresia auxiliar se retine coeficientul de determinatie multipl.White a artat c, n selectii de volum mare, sub ipoteza H0 (adic dac este homoscedastic)statistica W = nR2a urmeaz asimptotic o distributie 2cu gradele de libertate date de numrul de regresori din ecuatia auxiliar (la noi 2). Dac valoarea calculat depseste valoarea critic, atunci ar trebui s respingem H0 . H0: 1 = 2= 0(nu exist heteroscedasticitate, ci exist homoscedasticitate) H1: i 0 i=1,2 (exist heteroscedasticitate) Se estimeaz parametrii modelului original si reziduurile. Se aplic testul White pe seria reziduurilor.

17

Analiznd rezultatele afiate de programul EViews se constat c Fcritic=2,434713 < F 0.05;2;16=4.5 si c i LM = 4,360007 < 20.05;2=5.99147 , iar estimatorii parametrilor modelului sunt nesemnificativi pentru un prag de =0.05 si t0.05;16=2.435 deci ipoteza de homoscedasticitate se verific. Normalitatea

18

Verificarea ipotezei de normalitate a erorilor presupune compararea histogramei erorilor cu Clopotul lui Gauss. Se tie c acesta este caracterizat prin doi parametri - coeficientul de asimetrie, = 0 respectiv coeficientul de boltire, = 3. Se spune despre erorile unui model econometric c sunt distribuite normal dac ntre valorile si ce caracterizeaz histograma erorilor i valorile standard ale Clopotului lui Gauss, 0 i 3, nu exist diferene semnificative din punct de vedere statistic. n cazul nostru aceste valori sunt coeficientul de asimetrie, Skewness, = 0,537955 respectiv coeficientul de boltire, Kurtosis, = 2,817613. Dup cum se observ, histograma erorilor este simetric, deoarece valoarea coeficientului de asimetrie este apropiat de zero, iar legat de boltire, histograma erorilor este apropiat de Clopotul lui Gauss, intrucat 3 (histograma erorilor este mezokurtic). Deoarece nu exist diferene semnificative ntre = 0 i = 0,537955 respectiv = 3 i = 2,817613 putem spune c ipoteza de normalitate a erorilor este acceptat. n consecin modelul este valid deci poate fi folosit la efectuarea de preveziuni. Autocorelare Verificarea ipotezei de independen a erorilor aleatoare

Seria reziduurilor din modelul de regresie

19

Detectarea autocorelrii erorilor aleatoare Testul Durbin-Watson. Testul Durbin-Watson verific dac exist autocorelare de ordinul nti n seria reziduurilor. Se bazeaz pe urmtoarele ipoteze: 1. Modelul de regresie trebuie s conin termen liber 2.Marticea X, a variabilelor independente, s nu fie stochastic 3. Valoarea perturbaiei la timpul t depinde de valoarea sa n perioada (t-1), si un termen pur aleator u. Intensitatea dependenei de valoarea trecut este msurat prin coeficientul de corelaie . Erorile sunt generate printr-un proces autoregresiv de ordinul nti: t= t-1+ut AR(1) 4. Erorile aleatoare sunt normal distribuite 5. Modelul de regresie nu conine, ca variabil exogen, variabila endogen cu decalaj. Printre rezultatele oferite prin apelarea funciei de regresie din pachetul software EViews, este afisat valoarea calculat a satisticii DW si o probabilitate pentru testul DW.

20

n cazul nostru, DWcalculat = 0.389729, se compar cu d1 si d2 din tabelul distributiei Durbin Watson. n cazul nostru d1=1,64 iar d2=1,69 pentru probabilitatea de 95%. Deoarece 0 < DWcalc < d1 erorile sunt autocorelate pozitiv. Se poate aplica Testul Breusch-Godfrey pentru a detecta autocorelarea de ordin superior

21

Exist 2 variante de aplicare a testului Breusch-Godfrey. H0: nu exist autocorelarea erorilor aleatoare H1: exist Autocorelarea erorilor aleatoare Fcalc=15,17802>Fcritic4,5 i Prob(F)=0,000517 =>Respingem H0, acceptm H1 adic exist autocorelare de ordinul I. 4.2 Modelul multifactorial

Testarea validitatii modelului de regresie.


Testarea semnificaiei parametrului 1 H0: 1 = 0, (parametrul 1 nu este semnificativ statistic; modelul nu este valid) H1 :1 0 , (parametrul 1 este semnificativ statistic; modelul este valid). Din Excel observam ca 1 este 0=> acceptam H1=> 1 semnificativ statistic iar intervalul de ncredere pentru parametrul pant 1 este (1,231206482; 1,292812975). Testarea semnificaiei parametrului 2 H0: 2 = 0, (parametrul 2 nu este semnificativ statistic; modelul nu este valid) H1 :2 0 , (parametrul 2 este semnificativ statistic; modelul este valid). Din Excel observam ca 2 este 0=> acceptam H1=> 2 semnificativ statistic iar intervalul de ncredere pentru parametrul pant 2 este (4,312190541; 23,66720557).

Testarea semnificaiei parametrului de interceptare H0: = 0, (parametrul nu este semnificativ statistic; modelul nu este valid) H1 : 0 , (parametrul este semnificativ statistic; modelul este valid). Din Excel observam ca este 0=> acceptam H1=> semnificativ statistic iar intervalul de ncredere pentru parametrul panta este (-237415,5764; -47453,48973). Testai validitatea modelului de regresie.

Construim tabelul ANOVA n Excel. Ipotezele de verificat:


22

H0: modelul nu e valid statistic ( H1: modelul e valid statistic ( )

);

ANOVA df Regression Residual Total 2 13 15 Coefficien ts 142434,5 331 1,262009 728 13,98969 805 SS 5,38402E+ 11 423777438 ,3 5,38825E+ 11 Standard Error 43965,201 52 0,0142583 29 4,4795630 07 MS 2,69201E +11 32598264 ,49 F 8258,131 509 Significan ce F 6,63719E21

t Stat 3,239710 684 88,51035 439 3,123005 087

P-value 0,006454 811 1,82795E19 0,008080 868

Lower 95% 237415,57 64 1,2312064 82 4,3121905 41

Upper 95% 47453,48 973 1,292812 975 23,66720 557

Intercept X Variable 1 X Variable 2

Folosim Testul Fisher:

8258,131509

respingem ipoteza H0 i admitem ipoteza H1=>Modelul e valid statistic. Msurm intensitatea legturii dintre cele 3 variabile cu ajutorul coeficientului de determinaie:
23

Coeficientul de determinaie: 99,66%

= 0,999606680677064

Rezult c 99,66 % din variaia PIB-ului, studiat pe cele 15 observaii e explicat prin cele 2 variabile exogene. Coeficientul de determinaie ajustat:
0,99909251852409 7

Testul Park Ipotezele testului sunt: H0: exist homoscedasticitate sau, nu exist heteroscedasticitate H1: exist heteroscedasticitate sau, nu exist homoscedasticitate

Scriei ecuaia de regresie estimate:

ln ei2 = -105,6428+ 1,070524*ln(X)+11,89920*ln(Z) R2=0,149640

se = t=

309,9197 -0,340871

1,225196 0,873757

32,44941 0,366700

24

Unul coeficienii pant estimat nu este semnificativ statistic (t Stat = 0,873757 si p=0,3981). Nu putem respinge H0 care const n : exist homoscedasticitate sau, nu exist heteroscedasticitate. Nici nu vom accepta imediat c nu exist heteroscedasticitate. Exist probleme cu testul Park si anume: eroarea aleatoare i poate fi heteroscedastic. Sunt necesare mai multe teste pentru a putea afirma c modelul nostru iniial nu este afectat de heteroscedasticitate. Testul White Testul solicit ca, dup determinarea reziduurilor din regresia original, s se calculeze o regresie auxiliar a ptratelor reziduurilor n raport cu o constant, variabilele explicative ale modelului original, ptratele lor si produsele ncrucisate. Din regresia auxiliar se retine coeficientul de determinatie multipl. White a artat c, n selectii de volum mare, sub ipoteza H0 (adic dac este homoscedastic) statistica W = nR2a urmeaz asimptotic o distributie 2cu gradele de libertate date de numrul de regresori din ecuatia auxiliar (la noi 2). Dac valoarea calculat depseste valoarea critic, atunci ar trebui s respingem H0 . H0: 1 = 2= 0(nu exist heteroscedasticitate, ci exist homoscedasticitate) H1: i 0 i=1,2 (exist heteroscedasticitate) Se estimeaz parametrii modelului original si reziduurile. Se aplic testul White pe seria reziduurilor.

25

Analiznd rezultatele afiate de programul EViews se constat c Fcritic=1,456592 < F 0.05;2;16=4.5 si c i LM = 5,540227 < 20.05;2=5.99147 , iar estimatorii parametrilor modelului sunt nesemnificativi pentru un prag de =0.05 si t0.05;16=2.435 deci ipoteza de homoscedasticitate se verific.

Normalitatea

26

Verificarea ipotezei de normalitate a erorilor presupune compararea histogramei erorilor cu Clopotul lui Gauss. Se tie c acesta este caracterizat prin doi parametri - coeficientul de asimetrie, = 0 respectiv coeficientul de boltire, = 3. Se spune despre erorile unui model econometric c sunt distribuite normal dac ntre valorile si ce caracterizeaz histograma erorilor i valorile standard ale Clopotului lui Gauss, 0 i 3, nu exist diferene semnificative din punct de vedere statistic. n cazul nostru aceste valori sunt coeficientul de asimetrie, Skewness, = -0,398071 respectiv coeficientul de boltire, Kurtosis, = 2,833042. Dup cum se observ, histograma erorilor este simetric, deoarece valoarea coeficientului de asimetrie este apropiat de zero, iar legat de boltire, histograma erorilor este apropiat de Clopotul lui Gauss, intrucat 3 (histograma erorilor este mezokurtic). Distribuia este nclinat spre dreapta, avnd mai multe valori extreme spre stanga. Deoarece nu exist diferene semnificative ntre = 0 i = -0,398071 respectiv = 3 i = 2,833042 putem spune c ipoteza de normalitate a erorilor este acceptat. n consecin modelul este valid deci poate fi folosit la efectuarea de preveziuni.

27

Autocorelare Verificarea ipotezei de independen a erorilor aleatoare

Seria reziduurilor din modelul de regresie

Detectarea autocorelrii erorilor aleatoare Testul Durbin-Watson. Testul Durbin-Watson verific dac exist autocorelare de ordinul nti n seria reziduurilor. Se bazeaz pe urmtoarele ipoteze: 1. Modelul de regresie trebuie s conin termen liber 2.Marticea X, a variabilelor independente, s nu fie stochastic 3. Valoarea perturbaiei la timpul t depinde de valoarea sa n perioada (t-1), si un termen pur aleator u. Intensitatea dependenei de valoarea trecut este msurat prin coeficientul de corelaie . Erorile sunt generate printr-un proces autoregresiv de ordinul nti: t= t-1+ut AR(1) 4. Erorile aleatoare sunt normal distribuite 5. Modelul de regresie nu conine, ca variabil exogen, variabila endogen cu decalaj. Printre rezultatele oferite prin apelarea funciei de regresie din pachetul software EViews, este afisat valoarea calculat a satisticii DW si o probabilitate pentru testul DW.
28

n cazul nostru, DWcalculat = 0.758091, se compar cu d1 si d2 din tabelul distributiei Durbin Watson. n cazul nostru d1=1,64 iar d2=1,69 pentru probabilitatea de 95%. Deoarece 0 < DWcalc < d1 erorile sunt autocorelate pozitiv. Se poate aplica Testul Breusch-Godfrey pentru a detecta autocorelarea de ordin superior

29

Exist 2 variante de aplicare a testului Breusch-Godfrey. H0: nu exist autocorelarea erorilor aleatoare H1: exist Autocorelarea erorilor aleatoare Fcalc=4,100652;Fcritic 3.29 i Prob(F)=0,038787 =>Respingem H0, acceptm H1 adic exist autocorelare de ordinal I. Detectarea multicoliniaritii pe baza coeficienilor de corelaie dintre variabilele explicative

ntre variabilele X(consumul final) i Y(Pib-ul) exist o legtur direct aproape perfecta, 0,999311. ntre X(consum final) i Z(populaia activ) exist o legtur indirect,-0,741556.

5. Concluzie
30

PIB = consum + investiii + exporturi importuri Dup cum reiese i din relaia de mai sus, consumul este cea mai mare component a PIB-ului. Acesta se afl ntr-o legatur direct i liniar cu PIB-ul. Din punct de vedere econometric variabilele, consumul i PIB-ul ,verific propietatea de

homoscedasticitate, au o distribuie normal, erorile aleatoare sunt corelate


pozitiv ,de ordin I. Cnd adaugm i populaia activ civil nc se verific propietatea de

homoscedasticitate, distribuia este nclinat spre dreapta(negativ) dar apropiata de 0 ceea ce o duce spre o distribuie normal, adic creterea consumului final duce la creterea PIB-ului i pentru aceasta avem nevoie de o populaie civil ct mai numeroas, erorile aleatoare sunt correlate pozitiv,de ordinal I. Legatur direct este doar ntre PIB i consumul final (coeficient de corelaie egal cu 0,999311) i o legtur indirect ntre consum i populaia activ civila(coeficient de corelaie egal cu -0,741556).

6. Bibliografie

www.insse.ro www.bnr.ro http://www.scritube.com/management/Modelul-econometricpentru-agr44588.php


Niculescu-Aron, Ileana Gabriela, Tehnica sondajelor: aplicaii i teste de verificare,

Anexe, Editura Ase, 2005, ISBN: 9735946815


31

32