Econometrie Probleme Uni-Multifactoriala

ACADEMIA DE STUDII ECONOMICE
BUCURETI
PROIECT ECONOMETRIE
2014
Profesor coordonator: oan Lavinia-tefania

Student: Petru Robert Alin
MANAGEMENT, ASE
Grupa: 144
CUPRINS
I.
PROBLEMA A ...................................................................................................................... 4
1. PREZENTAREA PROBLEMEI A.1. ............................................................................................ 5
2. DEFINIREA MODELULUI DE REGRESIE SIMPL LINIAR ............................................................. 6
2.1. Forma, variabilele i parametrii modelului de regresie .................................................. 6
2.2. Reprezentarea grafic a modelului legturii dintre variabile.......................................... 7
3. ESTIMAREA PARAMETRILOR MODELULUI I INTERPRETAREA ACESTORA .................................. 7
3.1. Estimarea punctual a parametrilor ................................................................................ 7
3.2. Estimarea parametrilor prin interval de ncredere ........................................................ 11
4. TESTAREA SEMNIFICAIEI CORELAIEI I A PARAMETRILOR MODELULUI DE REGRESIE ......... 12
4.1. Testarea seminificaiei corelaiei ................................................................................... 12
4.2. Testarea parametrilor unui model de regresie simplu ................................................... 13
5. APLICAREA ANALIZEI TIP ANOVA PENTRU VALIDITATEA MODELULUI DE REGRESIE SIMPLU I
INTERPRETAREA REZULTATELOR ................................................................................................ 14
6. TESTAREA IPOTEZELOR CLASICE ASUPRA MODELULUI DE REGRESIE SIMPL .......................... 15
6.1. Ipoteze statistice clasice asupra modelului de regresie simpl ...................................... 15
6.2. Testarea liniaritii modelului propus ............................................................................ 15
6.3. Testarea normalitii erorilor ........................................................................................ 17
6.4. Testarea ipotezei de homoscedasticitate ........................................................................ 18
6.5. Testarea ipotezei de autocorelare a erorilor .................................................................. 20
7. PREVIZIUNEA VALORII VARIABILEI Y DAC VARIABILA X CRETE CU 10% FA DE ULTIMA
VALOARE NREGISTRAT (INCLUSIV INTERVAL DE NCREDERE) PENTRU TOATE VARIANTELE
CUNOSCUTE. ............................................................................................................................... 22
1. PREZENTAREA PROBLEMEI A.2. .......................................................................................... 24
2. DEFINIREA MODELULUI DE REGRESIE SIMPL LINIAR ........................................................... 25
2.1. Forma, variabilele i parametrii modelului de regresie ................................................ 25
2.2. Reprezentarea grafic a modelului legturii dintre variabile........................................ 26
3. ESTIMAREA PARAMETRILOR MODELULUI I INTERPRETAREA ACESTORA ................................ 26
3.1. Estimarea punctual a parametrilor .............................................................................. 26
3.2. Estimarea parametrilor prin interval de ncredere ........................................................ 30
4. TESTAREA SEMNIFICAIEI CORELAIEI I A PARAMETRILOR MODELULUI DE REGRESIE .......... 30
4.1. Testarea seminificaiei corelaiei ................................................................................... 30
4.2. Testarea parametrilor unui model de regresie simplu ................................................... 32
5. APLICAREA ANALIZEI TIP ANOVA PENTRU VALIDITATEA MODELULUI DE REGRESIE SIMPLU I
INTERPRETAREA REZULTATELOR ................................................................................................ 33
6. TESTAREA IPOTEZELOR CLASICE ASUPRA MODELULUI DE REGRESIE SIMPL .......................... 34
6.1. Ipoteze statistice clasice asupra modelului de regresie simpl ...................................... 34
6.2. Testarea liniaritii modelului propus ............................................................................ 34
6.3. Testarea normalitii erorilor ........................................................................................ 35
6.4. Testarea ipotezei de homoscedasticitate ........................................................................ 36
6.5. Testarea ipotezei de autocorelare a erorilor .................................................................. 36
2

CUNOSCUTE. ............................................................................................................................... 38
II. PROBLEMA B .................................................................................................................... 41
1. DEFINIREA MODELULUI DE REGRESIE MULTIPL LINIAR....................................................... 41
1.1.Forma, variabilele, parametrii modelului de regresie multipl ...................................... 41
1.2. REPREZENTAREA GRAFIC A MODELULUI LEGTURII DINTRE VARIABILE ....................... 42
2. ESTIMAREA PARAMETRILOR MODELULUI I INTERPRETAREA ACESTORA ................................ 42
2.1. Estimare punctual a parametrilor ................................................................................ 42
2.2. Estimarea parametrilor prin interval de ncredere ....................................................... 43
3. TESTAREA SEMNIFICAIEI CORELAIEI I A PARAMETRILOR REGRESIEI MODELULUI DE
REGRESIE MULTIPL ................................................................................................................... 44
3.1. Testarea semnificaiei corelaiei multipl ...................................................................... 44
3.2. Testarea parametrilor modelului de regresie multipl .................................................. 45
4. APLICAREA ANALIZEI DE TIP ANOVA PENTRU VALIDITATEA MODELULUI DE REGRESIE
MULTIPL I INTERPRETAREA REZULTATELOR ........................................................................... 46
6. TESTAREA IPOTEZELOR CLASICE ASUPRA MODELULUI DE REGRESIE MULTIPL ...................... 47
6.1 Ipoteze statistice clasice asupra modelului de regresie multipl .................................... 47
6.2 Testarea liniaritii modelului propus ............................................................................. 47
6.3 Testarea normalitii erorilor ......................................................................................... 48
6.4 Testarea ipotezei de homoscedasticitate ......................................................................... 49
6.5 Testarea ipotezei de autocorelare a erorilor ................................................................... 49
CUNOSCUTE. ............................................................................................................................... 49
III. PROBLEMA C .................................................................................................................... 51
TESTAREA IPOTEZEI PRIVIND DIFERENA DINTRE 2 MEDII PENTRU EANTIOANE DE VOLUM
MARE .......................................................................................................................................... 51
1.1 TESTAREA IPOTEZEI PRIVIND RAPORTUL DINTRE 2 DISPERSII ................................................ 52
2. TESTAREA IPOTEZEI PRIVIND DIFERENA DINTRE 2 MEDII PENTRU EANTIOANE DE VOLUM
MARE .......................................................................................................................................... 53
2.1 TESTAREA IPOTEZEI PRIVIND RAPORTUL DINTRE 2 DISPERSII ................................................ 53
1.
I.
PROBLEMA A
Tabel 1. Date statistice pentru anul 2010

( Statistica Teritorial 2013 Institutul Naional de Statistic)
Jude
Bihor
Bistria Nsud
Cluj
Maramure
Satu Mare
Slaj
Alba
Braov
Covasna
Harghita
Mure
Sibiu
Bacu
Botoani
Iai
Neam
Suceava
Vaslui
Brila
Buzu
Constana
Galai
Tulcea
Vrancea
Arge
Clrai
Dmbovia
Giurgiu
Ialomia
Prahova
Teleorman
Ilfov
Municipiul
Bucureti
Numrul mediu al
salariailor
Salariul mediu nominal net

lunar din agricultur (RON)
Var. dependent (yi)
1042
1068
986
1048
976
866
1082
1159
878
889
1031
1261
1114
916
1019
1099
1136
999
953
926
844
1028
1161
912
1015
1040
1102
1001
811
985
962
1140
1269
Var. independent (xi1)

2000
1089
1462
1339
2064
844
2644
2555
1230
1116
1838
1229
2712
1340
3404
2770
2559
2344
3042
2852
4013
1540
2425
1836
2179
3379
1305
1847
4470
3157
3587
1929
2564
Numrul omerilor
Var. independent (xi2)
16666
8605
16858
12490
9370
8929
17506
17742
8959
12777
19740
10780
17619
9837
21469
15928
18856
18563
11738
18631
17910
21292
7038
11438
19721
9630
17927
7861
10480
26873
18624
4409
24922
Dolj
Gorj
Mehedini
Olt
Vlcea
Arad
Cara-Severin
Hunedoara
Timi
1055
1035
942
921
1107
961
1138
806
1266
2893
916
1058
1753
1527
3295
1911
2275
4893
29167
14821
12219
14467
13921
11068
11280
16462
12367
1. Prezentarea problemei A.1.

Modelul matematic ce explic variaia salariului mediu nominal din agricultur n funcie de
numrul mediu al salariailor din agriculur:
A.1. yi = f(x1i)
Dorim s studiem legtura dintre salariul nominal net lunar din agricultur i numrul salariailor
din agricultur n anul 2010. Pentru acest scop am cules date statistice privind salariul mediu
nominal net lunar din agricultur i numrul mediu al salariailor din agricultur din cele 42 de
judee din Romnia:
Tabel 1.1
Date statistice anul 2010

Jude
Bihor
Bistria Nsud
Cluj
Maramure
Satu Mare
Slaj
Alba
Braov
Covasna
Harghita
Mure
Sibiu
Bacu
Botoani
Iai
Var. dependent (yi)

1042
1068
986
1048
976
866
1082
1159
878
889
1031
1261
1114
916
1019
5
Numrul mediu al salariailor

din
agricultur
Var. independent (x1i)
2000
1089
1462
1339
2064
844
2644
2555
1230
1116
1838
1229
2712
1340
3404
Neam
Suceava
Vaslui
Brila
Buzu
Constana
Galai
Tulcea
Vrancea
Arge
Clrai
Dmbovia
Giurgiu
Ialomia
Prahova
Teleorman
Ilfov
Municipiul Bucureti
Dolj
Gorj
Mehedini
Olt
Vlcea
Arad
Cara-Severin
Hunedoara
Timi
1099
1136
999
953
926
844
1028
1161
912
1015
1040
1102
1001
811
985
962
1140
1269
1055
1035
942
921
1107
961
1138
806
1266
2770
2559
2344
3042
2852
4013
1540
2425
1836
2179
3379
1305
1847
4470
3157
3587
1929
2564
2893
916
1058
1753
1527
3295
1911
2275
4893
2. Definirea modelului de regresie simpl liniar

2.1. Forma, variabilele i parametrii modelului de regresie
Modelul econometric se prezint sub urmtoarea form:
= + 1 +
Variabile i parametrii:
= salariul mediu nominal net lunar din agricultur (variabila dependent sau rezultativ)
1 = numrul mediu al salariailor din agricultur (variabila independent sau factorial)
i = parametrii modelului. Sunt cei care fac obiectul procesului de estimare i testare
statistic. Numii i coeficieni de regresie, sunt mrimi reale, fixe dar necunoscute care apar n
model n diferite expresii alturi de variabile.
6
= variabila rezidual sau eroare. Apar n model ca suma a tuturor influenelor necunoscute sau
care nu apar explicit n model. Respect anumite proprieti numite i ipoteze clasice.
2.2. Reprezentarea grafic a modelului legturii dintre variabile

Legtura dintre salariul mediu nominal net lunar din
agricultur i numrul mediu al salariailor din
agricultur
y = 0.0044x + 1012.5
R = 0.0014
1300
1200
Salariul mediu 1100

nominal net
lunar din
1000
agricultur
(RON)
900
800
700
500
1000
1500
2000
2500
3000
3500
4000
4500
5000
Numrul mediu al salariailor din agricultur (persoane)
CORELOGRAMA
Din corelogram se observ c legatura dintre salariul mediu nominal net lunar i numrul mediu
al salariailor din agricultur este una liniar i direct.
3. Estimarea parametrilor modelului i interpretarea acestora

3.1. Estimarea punctual a parametrilor
Intercept
Numrul mediu al
salariailor din
agricultur
Coefficients Standard Error

1012.52243
46.08401215
0.00444458
0.018718477
t Stat
21.97123006
P-value
6.16877E-24
0.237443729
0.813524563
- Intercept reprezint coeficientul termenului liber care nu are semnificaie din punct de vedere
economic, semnificnd valoarea lui y dac toi x sunt 0.
reprezint panta de regresie ( coeficientul de regresie pentru numrul mediu al salariailor din
agricultur)
Estimarea parametrului :

1
1
=
= 0,0044
1
|
2|
1 1
|
La creterea numrului mediu de salariai din agricultur cu 1 persoan salariul mediu nominal
net lunar din agricultur va crete cu 0,0044 RON.
1
1
+ 1 = | <> +
=
<> = 1
1 95185
=
= 2266,3095
42
} => = 1022,5952 0,0044 2266,3095 = 1012,5
42949
=
=
= 1022,5952
42
1 =
= 0,0044 => > 0 => o legtur direct (foarte slab)

= 1012,5
Dispunnd de estimaiile parametrilor se pot calcula valorile estimate (Predicted) ale variabilei
dependente , cu ajutorul relaiei:
= + 1 = 1012,5 + 0,00441
Valorile reziduale (Residuals) vor rezulta din urmtoarea relaie:
=
Predicted
Salariul
mediu
nominal net
lunar din
agricultur
Observation
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
1021.4116
1017.36259
1019.02042
1018.47373
1021.69606
1016.27366
1024.27392
1023.87835
1017.98927
1017.48259
1020.69158
1017.98483
1024.57615
1018.47818
1027.6518
1024.83393
1023.89613
1022.94054
1026.04286
1025.19839
1030.35855
1019.36709
1023.30055
1020.68269
1022.20718
1027.54069
1018.32262
1020.73158
1032.38973
1026.55399
1028.46516
1021.09604
1023.91835
1025.38062
1016.59367
1017.2248
1020.31379
1019.30931
1027.16734
1021.01603
1022.63386
1034.26979
Residuals
20.5883972
50.63741405
-33.02041612
29.52626782
-45.69605624
-150.2736626
57.72608451
135.1216526
-139.9892724
-128.4825897
10.30841995
243.0151722
89.42385274
-102.4781768
-8.651800023
74.16606681
112.1038742
-23.94054001
-73.04286028
-99.19838915
-186.3585522
8.632906257
137.6994486
-108.6826909
-7.207183503
12.4593146
83.67738371
-19.73158131
-221.3897275
-41.55398755
-66.46515906
118.9039627
245.0816513
29.61938287
18.40632724
-75.22480381
-99.31379033
87.69068586
-66.16734027
116.9839653
-216.6338637
231.730213
Pe baza acestor valori se pot calcula abaterea medie ptratic a variabilei reziduale i abaterile
medii ptratice ale celor doi estimatori, i .
2 =
( )2
1
= 13613,1333
(ANOVA MS:Residual)
9
Unde: k = numrul estimatorilor

= 13613,1333 = 116,6753
(SUMMARY OUTPUT Regression Statistics:Standard Error)
= (
2
1 )
= 46,0840
(Intercept:Standard Error)
= (
1
2
1 )
= 0,0187
(Numrul mediu al salariailor din agricultur:Standard Error)

SUMMARY OUTPUT
Regression Statistics
Multiple R
0.03751672
R Square
0.0014075
Adjusted R Square -0.02355731
Standard Error
116.675256
Observations
42
ANOVA
df
SS
767.5009762
544524.6181
545292.119
MS
767.5009762
13613.11545

1012.52243
46.08401215
t Stat
21.97123006
Regression
Residual
Total
Intercept
Numrul mediu al
salariailor din
agricultur
1
40
41
0.00444458
10
0.018718477
0.237443729
3.2. Estimarea parametrilor prin interval de ncredere

Lower 95%
919.3831701
Upper 95%
1105.661696
-0.033386868
0.042276038
Lower 95.0%
Upper 95.0%
919.3831701 1105.661696
-0.033386868
0.042276038
= 0,0044
= 1012,5
( )
(919,3831; 1105,6616)
Parametrul nu este seminificativ statistic deoarece intervalul de ncredere include valoarea
nul.
( )
(0,0833; 0,0422)
Parametrul este seminificativ statistic deoarece intervalul de ncredere nu include valoarea
nul.
Parametrii n EVIEWS:
Estimation Command:
=========================
LS Y C X
Estimation Equation:
=========================
Y = C(1) + C(2)*X
Substituted Coefficients:
=========================
Y = 1012.52243298 + 0.00444458491409*X
11
4. Testarea semnificaiei corelaiei i a parametrilor modelului de

regresie
4.1. Testarea seminificaiei corelaiei
SUMMARY OUTPUT
Multiple R
R Square
Adjusted R Square
Standard Error
Observations
0.03751672
0.001407504
-0.023557308
116.6752564
42
Coeficientul de corelaie liniar ( Multiple R):

(; )
= 0,0375

Valoarea coeficientului este > 0 , ceea ce nseamn c ntre cele dou variabile considerate:
salariul mediu nominal net din agricultur i numrul mediu de salariai din agricultur exist o
legatur direct de intensitate.
Se stabilete ipoteza nul: 0 : / = 0
Se stabilete ipoteza alternativ: 1 : / 0
Se calculeaz testul z:
/ =
/ =
/ 1
1 / 2
0,037540
1 0,03752
0,2371
= 0,2372
0,9992
/ = 0,2372 < = 1,96 => se accepta ipoteza nula i se respinge ipoteza alternative,
deci coeficientul de corelatie nu este semnificativ diferit de 0 (nu este semnificativ statistic)
Raportul de corelaie:
( )2
/ =
= 0,0375
( )2
Deoarece coeficientul de corelaie = raportul de corelaie, apreciem c exist o legtur liniar de
intensitate i direct ntre cele dou variabile.
Testarea seminificaiei raportului de corelaie:
12

Se calculeaz testul F:
2
1
0,0014
=
40 = 0,056
1 2
1 0,0014
/ = 0,056 < = 4 => se accepta ipoteza nul i se respinge ipoteza alternative,
raportul de corelaie nu este semnificativ diferit de 0 (nu este seminificativ statistic)
/ =
Coeficientul de determinaie:
2 =
( )2
= 0,0014
( )2
2 (0; 1)
0,14% din variaia salariului mediu nominal net lunar din agricultur este explicat prin variaia
numrului mediu de salariai din agricultur, restul de 99,86% reprezint influena altor factori.
Testarea semnificaiei coeficientului de determinaie:
Se stabilete ipoteza nul: 0 : 2 = 0
Se stabilete ipoteza alternativ: 1 : 2 0
2
1
0,0014
2 =
=
40 = 0,056
1 2
1 0,0014
4.2. Testarea parametrilor unui model de regresie simplu
Intercept
Numrul mediu al
salariailor din
agricultur
Coefficients Standard Error t Stat

P-value
Lower 95%
Upper 95%
1012.52243 46.08401215 21.97123 6.1688E-24 919.3831701 1105.661696
0.00444458
0.018718477 0.237444 0.81352456 -0.033386868 0.042276038
= 0,0044
= 1012,5
Testarea semnificaiei lui :
Se stabilete ipoteza nul: 0 : = 0
Se stabilete ipoteza alternativ: 1 : 0
13
0
= 21,9712
= 21,9712 > = 1,96 =: se respinge ipoteza nul i se accept ipoteza alternativ,

parametrul este semnificativ statistic, este semnificativ diferit de 0.
=

0
= 0,2374
= 0,2374 < = 1,96 =: se accept ipoteza nul i se respinge ipoteza alternativ,

parametrul nu este semnificativ statistic, nu este semnificativ diferit de 0.
=
5. Aplicarea analizei tip ANOVA pentru validitatea modelului de

regresie simplu i interpretarea rezultatelor
SUMMARY OUTPUT
Multiple R
0.03751672
R Square
0.0014075
Adjusted R Square -0.02355731
Standard Error
116.675256
Observations
42
ANOVA
df
Regression
Residual
Total
Intercept
Numrul mediu al
salariailor din
agricultur
1
40
41
SS
MS
F
Significance F
767.5009762 767.501 0.05637952 0.813524563
544524.6181 13613.12
545292.119
Coefficients Standard Error t Stat

P-value
Lower 95%
Upper 95%
1012.52243 46.08401215 21.97123 6.1688E-24 919.3831701 1105.661696
0.00444458
0.018718477 0.237444 0.81352456 -0.033386868 0.042276038
Dependent Variable: Y
Method: Least Squares
Date: 05/05/14 Time: 08:45
14
Lower 95.0%
919.3831701
-0.033386868
Sample: 1 42
Included observations: 42
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
X
1012.522
0.004445
46.08401
0.018718
21.97123
0.237444
0.0000
0.8135
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.001408
-0.023557
116.6753
544524.6
-258.4654
0.056380
0.813525
Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
1022.595
115.3248
12.40311
12.48586
12.43344
1.946236
Verificarea verosimilitii modelului:

Pentru a accepta ipoteza de liniaritate se calculeaz coeficientul de corelaie liniar:
/ =
(; )
= 0,0375

Se poate observa ca n cazul unei legturi liniare, raportul de corelaie este egal cu coeficientul
de corelaie liniar. Raportul de corelaie multipl (Multiple R) este 0,0375 i arat o legtur
direct de funcionalitate ntre variabile.
Testarea validitii modelului:
Se stabilete ipoteza nul: 0 : modelul nu este valid
Se stabilete ipoteza alternativ: 1 : modelul este valid
= 0,0563 < = 4 => modelul nu este valid (se accept ipoteza nul i se respinge
ipoteza alternativ)
6. Testarea ipotezelor clasice asupra modelului de regresie simpl

6.1. Ipoteze statistice clasice asupra modelului de regresie simpl
6.2. Testarea liniaritii modelului propus
Pentru a verifica ipoteza de liniaritate se calculeaz coeficientul de corelaie liniar:
ry/ Coeficientul de corelaie liniar ( Multiple R):
15
(; )
= 0,0375

/ =
/ =
/ 1
1 / 2
0,037540
1 0,03752
0,2371
= 0,2372
0,9992
/ =
( )2
= 0,0375
( )2

2
1
0,0014
=
40 = 0,056
2
1
1 0,0014
/ =
( )2
=
= 0,0014
( )2
2
2 (0; 1)
numrului mediu de salariai din agricultur, restul de 99,86% reprezint influena altor factori.
16

2
1
0,0014
2
=
=
40 = 0,056
1 2
1 0,0014
2 = 0,056 < = 4 => se accepta ipoteza nul i se respinge ipoteza alternativ,
coeficientul de determinaie nu este semnificativ diferit de 0 (nu este seminificativ statistic)
Din cele de mai sus reiese ca raportul de corelaie este egal cu coeficientul de corelaie, ceea ce
nseamn c modelul simplu de regresie este liniar.
6.3. Testarea normalitii erorilor

6
Series: Residuals
Sample 1 42
Observations 42
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
1.23e-13
0.712861
245.0817
-221.3897
115.2436
0.199561
2.686865
Jarque-Bera
Probability
0.450367
0.798370
0
-200
-150
-100
-50
50
100
150
200
250
42
2,686865
= 2,686865
} => = ( + ) =
(0,199561 +
) = 0,450366
= 0,199561
6
4
6
4
2
Se constat c = 0,450367 < 0,05
= 5,99 i c p(JB) = 0,798370. Deoarece valoarea
calculate a testului JB este mai mare dect valoarea lui hi-ptrat, iar probabilitatea ca testul JB s
nu depeasc valoarea critic este sufficient de mare, ipoteza de normalitate a erorilor poate fi
acceptat.
17
6.4. Testarea ipotezei de homoscedasticitate

Testarea ipotezei de homoscedasticitate o vom realiza folosind programul Eviews 7.
Testul White:
- estimarea parametrilor modelului initial i calcularea valorilor estimate ale variabilei reziduale
- construirea unei regresii auxiliare, bazat pe presupunerea existenei unei relaii de dependen
ntre ptratul valorilor erorii, variabila exogen inclus n modelul initial i ptratul valorilor
acesteia:
2 = 0 + 1 + 2 2 +
i calcularea coeficientului de determinare, R2, corespunztor acestei regresii auxiliare;
- verificarea semnificaiei parametrilor modelului nou construit, iar dac unul dintre acetia este
nesemnificativ, atunci ipoteza de heteroscedasticitate a erorilor este acceptat.
Exist dou variante de aplicare a testului White:
- utilizarea testului Fisher Snedecor clasic, bazat pe ipoteza nulitii parametrilor, respectiv:
H0: 0 1 2 0
Dac ipoteza nul, potrivit creia rezultatele estimrii sunt nesemnificative ( Fc F ;k ;nk 1 ), este
acceptat, atunci ipoteza de homoscedasticitate se verific, cazul contrar semnificnd prezena
heteroscedasticitii erorilor.
- utilizarea testului LM, calculat ca produs ntre numrul de observaii corespunztoare
modelului, n, i coeficientul de determinare, R2, corespunztor acestei regresii auxiliare. n general,
2
testul LM este asimptotic distribuit sub forma unui ;v , pentru care numrul gradelor de libertate
este egal cu: v k , unde k = numrul variabilelor exogene, respectiv:
LM n R 2 ~ ;k
2
Dac LM ;k , erorile sunt heteroscedastice, n caz contrar, sunt homoscedastice, respectiv

2
ipoteza nulitii parametrilor, 0 1 2 0 , este acceptat.

Aplicarea testului White s-a realizat utiliznd pachetul de programe EViews:
Heteroskedasticity Test: White
F-statistic
Obs*R-squared
Scaled explained SS
5.639489
9.421772
7.207825
Prob. F(2,39)
Prob. Chi-Square(2)
Prob. Chi-Square(2)
Test Equation:
Dependent Variable: RESID^2
Date: 05/05/14 Time: 10:48
Sample: 1 42
18
0.0071
0.0090
0.0272
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
X1
X1^2
34893.30
-24.95393
0.005713
13260.23
11.00511
0.002066
2.631426
-2.267487
2.765500
0.0121
0.0290
0.0086
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.224328
0.184550
15390.04
9.24E+09
-462.9811
5.639489
0.007059
Mean dependent var

S.D. dependent var
Schwarz criterion
Durbin-Watson stat
12964.87
17042.81
22.18958
22.31370
22.23507
1.915577
Fcalc = 5.639489 > Fcritic = 4 i LM = 9.421772 > 02,05; 2 5,99 iar estimatorii parametrilor
modelului sunt semnificativi pentru un prag de semnificaie =0,05 (z= 1,96), ipoteza de
homoscedasticitate nu se verific.
Residuals
Mean
7.30844E-14
Standard Error
Median
Mode
Standard
Deviation
Sample
Variance
Kurtosis
Skewness
Range
Minimum
Maximum
Sum
Count
17.78247415
0.712861377
#N/A
115.2436039
13281.08825
-0.196190642
0.207029948
466.4713788
-221.3897275
245.0816513
3.06954E-12
42
Corelograma privind valorile factoriale x1 i ale variabilei reziduale (u)
19
6000
5000
4000
3000
2000
1000
0
1
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41
-1000
Residuals
Numrul mediu al salariailor din agricultur (persoane)
Deoarece graficul punctelor empirice prezint o distribuie oscilant se poate accepta ipoteza c
cele 2 variabile sunt independente i necorelate.
6.5. Testarea ipotezei de autocorelare a erorilor

Verificarea ipotezei de independen a erorilor n cazul acestui model va fi realizat cu ajutorul
testului Durbin-Watson i const n calcularea termenului empiric:
n

i 2
i 1
i 1
2
i
i compararea acestei mrimi d cu dou valori teoretice d 1 i d 2 , preluate din tabela DurbinWatson (vezi anexa nr. 1) n funcie de un prag de semnificaie , arbitrar ales, de numrul
variabilelor exogene k i de valorile observate.
Acceptarea sau respingerea ipotezei de independen a erorilor se bazeaz pe o anumit
regul, care const n:
- dac 0 d d 1 autocorelare pozitiv;
- dac d 1 d d 2 indecizie, recomandndu-se acceptarea autocorelrii pozitive;
- dac d 2 d 4 d 2 erorile sunt independente;
- dac 4 d 2 d 4 d 1 indecizie, recomandndu-se acceptarea autocorelrii
negative;
- dac 4 d 1 d 4 autocorelare negativ.
Nr. Crt
Residuals
u^2
u-1
20.5883972
423.8820991
50.63741405
2564.147702
19.5883972
964.0414478
-33.02041612
1090.347881
49.63741405
6832.316889
20
(u-u-1)*2
41.17679439
29.52626782
871.8004917
-34.02041612
4038.18104
-45.69605624
2088.129556
28.52626782
5508.953389
-150.2736626
22582.17368
-46.69605624
10728.32055
57.72608451
3332.300833
-151.2736626
43680.89431
135.1216526
18257.86099
56.72608451
6145.865091
-139.9892724
19596.99639
134.1216526
75136.7992
10
-128.4825897
16507.77587
-140.9892724
156.4171117
11
10.30841995
106.2635219
-129.4825897
19541.52639
12
243.0151722
59056.3739
9.308419953
54618.84603
13
89.42385274
7996.625438
242.0151722
23284.11076
14
-102.4781768
10501.77671
88.42385274
36443.58487
15
-8.651800023
74.85364363
-103.4781768
8992.041725
16
74.16606681
5500.605466
-9.651800023
7025.434801
17
112.1038742
12567.27862
73.16606681
1516.152846
18
-23.94054001
573.1494561
111.1038742
18236.99382
19
-73.04286028
5335.259438
-24.94054001
2313.833215
20
-99.19838915
9840.32041
-74.04286028
632.8006325
21
-186.3585522
34729.50999
-100.1983892
7423.573703
22
8.632906257
74.52707045
-187.3585522
38412.6518
23
137.6994486
18961.13815
7.632906257
16917.30544
24
-108.6826909
11811.9273
136.6994486
60212.39438
25
-7.207183503
51.94349404
-109.6826909
10501.22961
26
12.4593146
155.2345203
-8.207183503
427.1041438
27
83.67738371
7001.904545
11.4593146
5215.449506
28
-19.73158131
389.335301
82.67738371
10487.59612
29
-221.3897275
49013.41146
-20.73158131
40263.69165
30
-41.55398755
1726.733881
-222.3897275
32701.56486
31
-66.46515906
4417.617369
-42.55398755
571.7441231
32
118.9039627
14138.15235
-67.46515906
34733.44956
33
245.0816513
60065.01581
117.9039627
16174.16447
34
29.61938287
877.3078415
244.0816513
45994.06458
35
18.40632724
338.7928826
28.61938287
104.3065052
36
-75.22480381
5658.771109
17.40632724
8580.526441
37
-99.31379033
9863.22895
-76.22480381
533.1012983
38
87.69068586
7689.656387
-100.3137903
35345.68307
39
-66.16734027
4378.116918
86.69068586
23365.57615
40
116.9839653
13685.24813
-67.16734027
33911.70333
41
-216.6338637
46930.23088
115.9839653
110634.6201
42
231.730213
53698.89164
-217.6338637
201928.0734
Total
544524.6181
-272.730213
1060277.865
21
Pe baza datelor problemei, valoarea empiric a variabilei Durbin-Watson este:

n

i 2
i 1
i 1
2
i
2
.
= 544524.6181 = 1.947162
7. Previziunea valorii variabilei Y dac variabila X crete cu 10%

fa de ultima valoare nregistrat (inclusiv interval de ncredere) pentru
toate variantele cunoscute.
+ = 10%
+
0 = 42 + 10%42 = 4893 + 489,3 = 5382,3

= + 0 = 1012,5 + 0,0044 5382,3= 1036,18212
Pentru estimarea pe baza unui interval de ncredere vom avea:

+ 2;1 + + + 2;1
1036,18212-1,96*107,4458 + 1036,18212+1,96*107,4458
+
+ = 2 [1 +
1 (+ )2
1
(5382,3 2266.3095)2
+
]
=
13613,1333
[1
+
+
]
( )2
(4,893)2
42
= 107,4458
Intervalul de ncredere pentru salariul mediu nominal net din agricultur:
825.5884 + 1246.776
70,921
1,185,921
2,137,444
1,792,921
4,260,096
712,336
6,990,736
6,528,025
1,512,900
1,245,456
3,378,244
22
1,510,441
7,354,944
1,795,600
11,587,216
7,672,900
6,548,481
5,494,336
9,253,764
8,133,904
16,104,169
2,371,600
5,880,625
3,370,896
4,748,041
11,417,641
1,703,025
3,411,409
19,980,900
9,966,649
12,866,569
3,721,041
6,574,096
8,369,449
839,056
1,119,364
3,073,009
2,331,729
10,857,025
3,651,921
5,175,625
23,941,449
250,641,874
23
1. Prezentarea problemei A.2.

Modelul matematic ce explic variaia salariului mediu nominal din agricultur n funcie de
numrul mediu al salariailor din agriculur:
A.2. yi = f(x2i)
Dorim s studiem legtura dintre salariul nominal net lunar din agricultur i numrul omerilor
n anul 2010. Pentru acest scop am cules date statistice privind salariul mediu nominal net lunar
din agricultur i numrul omerilor din cele 42 de judee din Romnia:
Date statistice anul 2010

Numrul omerilor
Jude
Bihor
Bistria Nsud
Cluj
Maramure
Satu Mare
Slaj
Alba
Braov
Covasna
Harghita
Mure
Sibiu
Bacu
Botoani
Iai
Neam
Suceava
Vaslui
Brila
Buzu
Constana
Galai
Tulcea
Vrancea
Arge
Clrai
Dmbovia
Giurgiu
Var. dependent (yi)

1042
1068
986
1048
976
866
1082
1159
878
889
1031
1261
1114
916
1019
1099
1136
999
953
926
844
1028
1161
912
1015
1040
1102
1001
Var. independent (x2i)

16666
8605
16858
12490
9370
8929
17506
17742
8959
12777
19740
10780
17619
9837
21469
15928
18856
18563
11738
18631
17910
21292
7038
11438
19721
9630
17927
7861
24
Ialomia
Prahova
Teleorman
Ilfov
Municipiul Bucureti
Dolj
Gorj
Mehedini
Olt
Vlcea
Arad
Cara-Severin
Hunedoara
Timi
811
985
962
1140
1269
1055
1035
942
921
1107
961
1138
806
1266
10480
26873
18624
4409
24922
29167
14821
12219
14467
13921
11068
11280
16462
12367
2. Definirea modelului de regresie simpl liniar

2.1. Forma, variabilele i parametrii modelului de regresie
Modelul econometric se prezint sub urmtoarea form:
= + 2 +
Variabile i parametrii:
= salariul mediu nominal net lunar din agricultur (variabila dependent sau rezultativ)
2 = numrul mediu al salariailor din agricultur (variabila independent sau factorial)
i = parametrii modelului. Sunt cei care fac obiectul procesului de estimare i testare
statistic. Numii i coeficieni de regresie, sunt mrimi reale, fixe dar necunoscute care apar n
model n diferite expresii alturi de variabile.
= variabila rezidual sau eroare. Apar n model ca suma a tuturor influenelor necunoscute sau
care nu apar explicit n model. Respect anumite proprieti numite i ipoteze clasice.
25

Legtura dintre salariul mediu nominal net lunar din
agricultur i numrul omerilor y = 0.0022x + 989.72
R = 0.0108
1400
1300
1200
Salariul mediu
nominal net 1100
lunar din
agricultur 1000
(RON)
900
800
700
3000
8000
13000
18000
23000
28000
Numrul omerilor (persoane)
Din corelogram se observ c legatura dintre salariul mediu nominal net lunar i numrul mediu
al salariailor din agricultur este una liniar i direct.

3.1. Estimarea punctual a parametrilor
Intercept
Numrul omerilor
(persoane)

t Stat
989.7153272
52.8974058 18.71009197
0.002202623
0.003334093 0.660636181
P-value
2.18233E-21
0.512632632
- Intercept reprezint coeficientul termenului liber care nu are semnificaie din punct de vedere
economic, semnificnd valoarea lui y dac toi x sunt 0.
reprezint panta de regresie ( coeficientul de regresie pentru numrul mediu al salariailor din
agricultur)
26
|
2 2
=
= 0,0022
2
|
2|
2 2
|
La creterea numrului omerilor cu 1 persoan salariul mediu nominal net din agricultur va
crete cu 0,0022 RON.
2
1
+ 2 = | <> +
=
<> = 2
2
} => = 989,7

=
=
2 =
= 0,0022 => > 0 => o legtur direct (foarte slab)

= 989,7
Dispunnd de estimaiile parametrilor se pot calcula valorile estimate (Predicted) ale variabilei
dependente , cu ajutorul relaiei:
= + 2 = 989,7 + 0,00222
Valorile reziduale (Residuals) vor rezulta din urmtoarea relaie:

=
27
Observation
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
Predicted
Salariul
mediu
nominal net
lunar din
agricultur
(RON)
1026.424235
1008.668895
1026.847139
1017.226083
1010.353901
1009.382544
1028.274438
1028.794257
1009.448623
1017.858236
1033.195097
1013.459599
1028.523335
1011.382526
1037.003432
1024.7987
1031.247979
1030.60261
1015.569711
1030.752389
1029.164298
1036.613567
1005.217385
1014.908924
1033.153247
1010.926583
1029.201742
1007.030143
1012.798812
1048.906404
1030.73697
999.4266902
1044.609087
1053.95922
1022.360397
1016.629173
1021.580668
1020.378036
1014.093954
1014.56091
1025.9749
1016.955161
Residuals
15.57576476
59.33110542
-40.84713878
30.77391667
-34.35390086
-143.3825443
53.72556179
130.2057429
-131.448623
-128.858236
-2.19509707
247.5404013
85.47666543
-95.38252561
-18.00343152
74.20130023
104.7520213
-31.60261029
-62.56971114
-104.7523886
-185.1642977
-8.613567322
155.782615
-102.9089244
-18.15324724
29.07341727
72.79825768
-6.030143379
-201.7988119
-63.90640397
-68.73697026
140.5733098
224.3909127
1.040779819
12.63960343
-74.62917261
-100.5806682
86.62196375
-53.09395401
123.43909
-219.9749002
249.0448393
Pe baza acestor valori se pot calcula abaterea medie ptratic a variabilei reziduale i abaterile
medii ptratice ale celor doi estimatori, i .
28
( )2
=
= 13485,16
1
(ANOVA MS:Residual)
Unde: k = numrul estimatorilor
= 13485,16 = 116,1256
(SUMMARY OUTPUT Regression Statistics:Standard Error)
= (
2
1 )
= 52,89
(Intercept:Standard Error)
= (
1
2
1 )
= 0,0033
(Numrul mediu al salariailor din agricultur:Standard Error)

SUMMARY OUTPUT
Multiple R
0.103890515
R Square
0.010793239
Adjusted R Square
-0.01393693
Standard Error
116.1256486
Observations
42
ANOVA
df
Regression
Residual
Total
Intercept
Numrul omerilor
(persoane)
1
40
41
SS
MS
5885.468172 5885.468172
539406.6509 13485.16627
545292.119

t Stat
989.7153272
52.8974058 18.71009197
0.002202623
0.003334093 0.660636181
29

Intercept
Numrul omerilor
(persoane)

t Stat
989.7153272
52.8974058 18.71009197
0.002202623
0.003334093 0.660636181
P-value
2.18233E-21
Lower 95%
882.8056822
Upper 95%
1096.624972
0.512632632
-0.004535831
0.008941076
= 0,0022
= 989,71
( )
(882,8056; 1096,624972)
P-Value = 2,1823 > 0,05 => nu este semnificativ statistic
nul.
( )
(0,0045; 0,0089)
P-Value =0,5126 > 0,05 => nu este semnificativ statistic
nul.
4. Testarea semnificaiei corelaiei i a parametrilor modelului de

regresie
4.1. Testarea seminificaiei corelaiei
SUMMARY OUTPUT
Multiple R
0.103890515
R Square
0.010793239
Adjusted R Square
-0.01393693
Standard Error
116.1256486
Observations
42
30

(; )
= 0,1038

Se calculeaz testul t:
/ =
/ =
/ 1
1 / 2
0,103840
1 0,10382
0,6564
= 0,6634
0,9893
( )2
/ =
= 0,1038
( )2
2
1
0,0107
/ =
=
40 = 0,4326
2
1
1 0,0107
2 =
( )2
= 0,0107
( )2
2 (0; 1)
31
numrului de omeri, restul de 98,93% reprezint influena altor factori.
2
1
0,0107
2 =
=
40 = 0,4326
1 2
1 0,0107
4.2. Testarea parametrilor unui model de regresie simplu
Intercept
Numrul omerilor
(persoane)

t Stat
989.7153272
52.8974058 18.71009197
0.002202623
0.003334093 0.660636181
P-value
2.18233E-21
Lower 95%
882.8056822
Upper 95%
1096.624972
0.512632632
-0.004535831
0.008941076
= 0,0022
= 989,7
0
= 18.71
= 18,71 > = 1,96 =: se respinge ipoteza nul i se accept ipoteza alternativ,

parametrul este semnificativ statistic, este semnificativ diferit de 0.
=

0
= 0,6606
= 0,6606 < = 1,96 =: se accept ipoteza nul i se respinge ipoteza alternativ,

parametrul nu este semnificativ statistic, nu este semnificativ diferit de 0.
=
32
5. Aplicarea analizei tip ANOVA pentru validitatea modelului de

regresie simplu i interpretarea rezultatelor
SUMMARY OUTPUT
Multiple R
0.103890515
R Square
0.010793239
Adjusted R Square
-0.01393693
Standard Error
116.1256486
Observations
42
ANOVA
df
Regression
Residual
Total
Intercept
Numrul omerilor
(persoane)
1
40
41
SS
MS
5885.468172 5885.468172
539406.6509 13485.16627
545292.119

t Stat
989.7153272
52.8974058 18.71009197
0.002202623
0.003334093 0.660636181
F
Significance F
0.436440163
0.512632632
P-value
2.18233E-21
Lower 95%
882.8056822
Upper 95%
1096.624972
0.512632632
-0.004535831
0.008941076
Verificarea verosimilitii modelului:

Pentru a accepta ipoteza de liniaritate se calculeaz coeficientul de corelaie liniar:
/ =
(; )
= 0,1038

Se poate observa ca n cazul unei legturi liniare, raportul de corelaie este egal cu coeficientul
de corelaie liniar. Raportul de corelaie multipl (Multiple R) este 0,1038 i arat o legtur
direct de funcionalitate ntre variabile.
Testarea validitii modelului:
Se stabilete ipoteza nul: 0 : modelul nu este valid
Se stabilete ipoteza alternativ: 1 : modelul este valid
= 0,4364 < = 4 => modelul nu este valid (se accept ipoteza nul i se respinge
ipoteza alternativ)
33
6. Testarea ipotezelor clasice asupra modelului de regresie simpl

6.1. Ipoteze statistice clasice asupra modelului de regresie simpl
6.2. Testarea liniaritii modelului propus
(; )
= 0,1038

/ =
/ =
/ 1
1 / 2
0,103840
1 0,10382
0,6564
= 0,6634
0,9893
( )2
/ =
= 0,1038
( )2
2
1
0,0107
=
40 = 0,4326
1 2
1 0,0107
/ =
34
( )2
=
= 0,0107
( )2
2
2 (0; 1)
2
1
0,0107
2 =
=
40 = 0,4326
2
1
1 0,0107
Coeficientul de corelaie este = cu raportul de corelaie => c modelul de regresie este liniar.
6.3. Testarea normalitii erorilor

6
Series: Residuals
Sample 1 42
Observations 42
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
1.48e-13
-7.321855
249.0448
-219.9749
114.7007
0.293785
2.690034
Jarque-Bera
Probability
0.772306
0.679667
0
-200
-150
-100
-50
50
100
150
200
250
= 2,690034
} => = ( + ) == 0,772306
= 0,293785
6
4
2
Se constat c = 0,772306 < 0,05
= 5,99 i c p(JB) = 0,679667. Deoarece valoarea
acceptat.
35
6.4. Testarea ipotezei de homoscedasticitate

F-statistic
Obs*R-squared
Scaled explained SS
0.435091
0.916667
0.702584
Prob. F(2,39)
Prob. Chi-Square(2)
Prob. Chi-Square(2)
0.6503
0.6323
0.7038
Test Equation:
Date: 05/05/14 Time: 10:54
Sample: 1 42
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
X2
X2^2
22804.74
-0.904592
1.41E-05
17977.10
2.311543
6.96E-05
1.268544
-0.391337
0.202137
0.2121
0.6977
0.8409
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.021825
-0.028337
17136.23
1.15E+10
-467.4951
0.435091
0.650308
Mean dependent var

S.D. dependent var
Schwarz criterion
Durbin-Watson stat
12843.02
16898.47
22.40453
22.52865
22.45002
1.563507
Fcalc = 0,43509 < Fcritic = 4 i LM = -0,904582 < 0,05; 2 5,99 iar estimatorii parametrilor
2
modelului nu sunt semnificativi pentru un prag de semnificaie =0,05 (z= 1,96), ipoteza de
homoscedasticitate se verific.
6.5. Testarea ipotezei de autocorelare a erorilor

Verificarea ipotezei de independen a erorilor n cazul acestui model va fi realizat cu ajutorul
testului Durbin-Watson i const n calcularea termenului empiric:
n

i 2
i 1
i 1
2
i
i compararea acestei mrimi d cu dou valori teoretice d 1 i d 2 , preluate din tabela DurbinWatson (vezi anexa nr. 1) n funcie de un prag de semnificaie , arbitrar ales, de numrul
variabilelor exogene k i de valorile observate.
Acceptarea sau respingerea ipotezei de independen a erorilor se bazeaz pe o anumit
regul, care const n:
36
0 d d 1 autocorelare pozitiv;
d 1 d d 2 indecizie, recomandndu-se acceptarea autocorelrii pozitive;
d 2 d 4 d 2 erorile sunt independente;
4 d 2 d 4 d 1 indecizie, recomandndu-se acceptarea autocorelrii
negative;
- dac 4 d 1 d 4 autocorelare negativ.
- dac
- dac
- dac
- dac
Nr. Crt
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
Residuals
15.57576
59.33111
-40.8471
30.77392
-34.3539
-143.383
53.72556
130.2057
-131.449
-128.858
-2.1951
247.5404
85.47667
-95.3825
-18.0034
74.2013
104.752
-31.6026
-62.5697
-104.752
-185.164
-8.61357
155.7826
-102.909
-18.1532
29.07342
72.79826
-6.03014
-201.799
-63.9064
-68.737
140.5733
224.3909
u^2
242.604448
3520.18007
1668.48875
947.033947
1180.1905
20558.554
2886.43599
16953.5355
17278.7405
16604.445
4.81845115
61276.2503
7306.26033
9097.82619
324.123546
5505.83296
10972.986
998.724977
3914.96875
10973.0629
34285.8172
74.193542
24268.2231
10590.2467
329.540385
845.263592
5299.58632
36.3626292
40722.7605
4084.02847
4724.77108
19760.8554
50351.2817
u-1
14.57576
58.33111
-41.8471
29.77392
-35.3539
-144.383
52.72556
129.2057
-132.449
-129.858
-3.1951
246.5404
84.47667
-96.3825
-19.0034
73.2013
103.752
-32.6026
-63.5697
-105.752
-186.164
-9.61357
154.7826
-103.909
-19.1532
28.07342
71.79826
-7.03014
-202.799
-64.9064
-69.737
139.5733
(u-u-1)*2
242.604448
2003.04052
9836.32412
5273.8177
4112.37698
11670.1878
39246.8217
6003.17846
67940.6984
12.8908786
16297.877
62868.2901
25941.527
32349.3286
6143.28239
8687.12202
995.448
18320.8763
898.027134
1696.01292
6306.25131
31524.2619
27355.8971
66404.9295
7354.03616
2325.81117
2000.31135
6057.26001
37934.8342
19291.101
14.6732381
44230.4139
7194.02576
37
34
35
36
37
38
39
40
41
42
Total
1.04078
12.6396
-74.6292
-100.581
86.62196
-53.094
123.4391
-219.975
249.0448
1.08322263
159.759575
5569.5134
10116.4708
7503.3646
2818.96795
15237.2089
48388.9567
62023.332
539406.651
223.3909
0.04078
11.6396
-75.6292
-101.581
85.62196
-54.094
122.4391
-220.975
-290.045
49439.5816
158.730356
7442.30172
622.577131
35420.2307
19242.1058
31517.9817
117247.341
220918.556
1060542.94
Pe baza datelor problemei, valoarea empiric a variabilei Durbin-Watson este:

n

i 2
i 1
i 1
2
i
1060542.94
=539406.651 = 1.9661

fa de ultima valoare nregistrat (inclusiv interval de ncredere)
pentru toate variantele cunoscute.
+ = 10%
+
0 = 42 + 10%42 = 12367 + 1236,7 = 13603,7

= + 0 = 989,72 + 0,0022 13603,7 =1019.648
Pentru estimarea pe baza unui interval de ncredere vom avea:

+ 2;1 + + + 2;1
1019,648-1,96*107,4458 + 1019,648+1,96*107,4458
+ = 2 [1 +
1 (+ )2
+
]=
( )2
Intervalul de ncredere pentru salariul mediu nominal net din agricultur:

825.5884 + 1246.776
38
Rezolvare n EVIEWS:
Date: 05/05/14 Time: 09:27
Sample: 1 42
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
X
989.7153
0.002203
52.89741
0.003334
18.71009
0.660636
0.0000
0.5126
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Actual
1042.00
1068.00
986.000
1048.00
976.000
866.000
1082.00
1159.00
878.000
889.000
1031.00
1261.00
1114.00
916.000
1019.00
1099.00
1136.00
999.000
953.000
926.000
844.000
1028.00
1161.00
912.000
1015.00
1040.00
1102.00
1001.00
811.000
985.000
962.000
1140.00
Fitted
1026.42
1008.67
1026.85
1017.23
1010.35
1009.38
1028.27
1028.79
1009.45
1017.86
1033.20
1013.46
1028.52
1011.38
1037.00
1024.80
1031.25
1030.60
1015.57
1030.75
1029.16
1036.61
1005.22
1014.91
1033.15
1010.93
1029.20
1007.03
1012.80
1048.91
1030.74
999.427
0.010793
-0.013937
116.1256
539406.7
-258.2671
0.436440
0.512633
Mean dependent var

S.D. dependent var
Schwarz criterion
Durbin-Watson stat
Residual
15.5758
59.3311
-40.8471
30.7739
-34.3539
-143.383
53.7256
130.206
-131.449
-128.858
-2.19510
247.540
85.4767
-95.3825
-18.0034
74.2013
104.752
-31.6026
-62.5697
-104.752
-185.164
-8.61357
155.783
-102.909
-18.1532
29.0734
72.7983
-6.03014
-201.799
-63.9064
-68.7370
140.573
Residual Plot
|
. |* .
|
|
. | * .
|
|
. *| .
|
|
. |* .
|
|
. *| .
|
| *. | .
|
|
. | * .
|
|
. | *
|
|
* | .
|
|
* | .
|
|
. * .
|
|
. | . *|
|
. | *.
|
|
.* | .
|
|
. *| .
|
|
. | *.
|
|
. | *.
|
|
. *| .
|
|
. * | .
|
|
.* | .
|
| * . | .
|
|
. * .
|
|
. | .* |
|
.* | .
|
|
. *| .
|
|
. |* .
|
|
. | * .
|
|
. * .
|
| * . | .
|
|
. * | .
|
|
. * | .
|
|
. | .* |
39
1022.595
115.3248
12.39367
12.47642
12.42400
1.964737
1269.00
1055.00
1035.00
942.000
921.000
1107.00
961.000
1138.00
806.000
1266.00
1044.61
1053.96
1022.36
1016.63
1021.58
1020.38
1014.09
1014.56
1025.97
1016.96
224.391
1.04078
12.6396
-74.6292
-100.581
86.6220
-53.0940
123.439
-219.975
249.045
|
|
|
|
|
|
|
|
|*
|
.
.
.
.*
.*
.
. *
.
.
.
|
*
|*
|
|
|
|
|
|
|
. *|
.
|
.
|
.
|
.
|
*.
|
.
|
*
|
.
|
. *|
Coefficient Confidence Intervals

Date: 05/05/14 Time: 16:18
Sample: 1 42
95% CI
95% CI
Variable
Coefficient
Low
High
Low
High
C
X
989.7153
0.002203
882.8057
-0.004536
1096.625
0.008941
882.8057
-0.004536
1096.625
0.008941
Breusch-Godfrey Serial Correlation LM Test:

F-statistic
Obs*R-squared
1.096650
2.291890
Prob. F(2,38)
Prob. Chi-Square(2)
0.3443
0.3179
Test Equation:
Dependent Variable: RESID
Date: 05/05/14 Time: 16:19
Sample: 1 42
Presample missing value lagged residuals set to zero.
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
X
RESID(-1)
RESID(-2)
0.070920
-2.77E-05
-0.027559
-0.258228
52.77027
0.003327
0.168401
0.177349
0.001344
-0.008318
-0.163650
-1.456048
0.9989
0.9934
0.8709
0.1536
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.054569
-0.020070
115.8461
509971.9
-257.0887
0.731100
0.539878
Mean dependent var

S.D. dependent var
Schwarz criterion
Durbin-Watson stat
40
1.48E-13
114.7007
12.43279
12.59829
12.49345
1.995313
II. PROBLEMA B
1. Definirea modelului de regresie multipl liniar
1.1.Forma, variabilele, parametrii modelului de regresie multipl
Forma:
= (1 , 2 )
Variabile:
= salariul mediu nominal net lunar din agricultur
1 = numrul mediu al salariailor din agricultur
2 = numrul omerilor
Modelul de regresie are n vedere stabilirea funciei de regresie:
1,2 , = 0 + 1 1 + 2 2
Parametrii modelului de regresie multipl:
0= termenul liber (intercept)
1= coeficient de regresie (primul factor) = numrul mediu al salariailor din agricultur
2= coeficient de regresie (al doilea factor) = numrul de omeri
Coefficients
987.54839
0.00137176
0.00213952
Intercept
Numarul mediu al salariatilor agricultura
Numarul somerilor
41

2.1. Estimare punctual a parametrilor
Intercept
Numarul somerilor
Coefficients
987.54839
0.00137176
0.00213952
1 ,2, = 0 + 1 1 + 2 2
1 ,2, = 987,54839 + 0,001371761 + 0,002139522
0- termenul liber nu are interpretare economic i ne arat c funcia de regresie
intersecteaz axa Oy n punctul 987,54839;
1= +0,00137176, ceea ce nseamn c creterea numrului mediu al salariailor din agricultur
cu 1, salariul mediu nominal net lunar din agricultur va crete cu +0,00137176 RON.
2= +0,00213952 ne arat c la o cretere cu 1 persoan a numrului omerilor, salariul mediu
nominal net lunar va nregistra o cretere cu 0,00213952 RON.
42

Intercept
Numarul somerilor

t Stat
P-value
Lower 95%
987.54839 61.81064693 15.97699488 1.04296E-18 862.5245555
0.00137176 0.019522311 0.070266404 0.944340698 -0.038115838
0.00213952 0.003493728 0.612390213 0.543833951 -0.004927207
Lower Upper
Interval de ncredere pentru 0:
0 -2;1 0 0 0 + 2;1 0
0 -;3 0 0 0 + ;3 0
0 -0,5;39 0 0 0 + 0,5;39 0
987,54839 -1,96 61,8106 0 987,54839 + 1,96 61,8106
862,5245555 0 1112,572224
1 -2;1 1 1 1 + 2;1 1
1 -;3 1 1 1 + ;3 1
1 -0,5;39 1 1 1 + 0,5;39 1
0,00137176 -1,96 0,019522311 1 0,00137176 + 1,96 0,019522311
0,038115838 1 0,040859363
2 -2;1 2 2 2 + 2;1 2
2 -;3 2 2 2 + ;3 2
2 -0,5;39 2 2 2 + 0,5;39 2
0,00213952 -1,96 0,003493728 2 0,00213952 + 1,96 0,003493728
0,004927207 1 0,009206256
43
Upper 95%
1112.572224
0.040859363
0.009206256
3. Testarea semnificaiei corelaiei i a parametrilor regresiei

modelului de regresie multipl
3.1. Testarea semnificaiei corelaiei multipl
SUMMARY OUTPUT
Multiple R
R Square
Adjusted R Square
Standard Error
Observations
0.10449142
0.01091846
-0.03980367
117.597572
42
Din tabel avem Multiple R (Raportul de corelaie): R= 0,10449142 0 ceea ce nseamn c

legtura dintre salariul mediu nominal net lunar din agricultur, numrul mediu al salariailor din
agricultur i numrul de omeri este slab.
Testarea semnificaiei raportului de corelaie:
Ipoteza nul H0: R=0 (raportul de corelaie al colectivitii din care s-a extras eantionul de 42 de
uniti, nu difer semnificativ de 0, deci nu este semnificativ statistic);
Ipoteza alternative H1: R0 (raportul de corelaie al colectivitii din care s-a extras eantionul de
42 de uniti, difer semnificativ de 0, deci este semnificativ statistic);
tiind c pragul de semnificaie este =0,05 i k=2 se stabilete:
Valoarea critic: = 4
Regiunea de respingere dac > = 4 atunci se respinge H0
Determinarea statisticii testului ( > ) are la baza relaia:
2
1
0,104491422
42 2 1
=
= 0,215260199
2
2
1
1 0,10449142
2
Deoarece (0,2152) < = 4, atunci se accept H0 i se respinge H1, ceea ce nseamn
ca raportul de corelaie al colectivitii din care s-a extras eantionul de 42 de uniti, nu difer
semnificativ de 0, deci nu este semnificativ statistic.
Coeficientul de determinaie (R Square) ne indic ponderea de influen a factorului (x) n variaia
rezultatului (y).
= 0,01091846 ne arat c, 1,09% reprezin influena ambilor factori asupra variaiei
salariul mediu nominal net lunar din agricultur.
44
3.2. Testarea parametrilor modelului de regresie multipl

t Stat
P-value
Lower 95%
987.54839 61.81064693 15.97699488 1.04296E-18 862.5245555
0.00137176 0.019522311 0.070266404 0.944340698 -0.038115838
0.00213952 0.003493728 0.612390213 0.543833951 -0.004927207
Intercept
Numarul somerilor
Upper 95%
1112.572224
0.040859363
0.009206256
Testarea semnificaiei parametrului 0:
0 : 0 = 0 (panta 0 este 0, adic 0, nu este semnificativ diferit de 0, deci 0 nu este

semnificativ statistic)
1 : 0 0 (panta 0 nu este diferit de 0, adic 0, este semnificativ diferit de 0, deci 0 este

Deoarece n = 42 > 30 avem eantion de volum mare i pentru testare vom utiliza testul z.
tiind pragul de semnificaie =0,05 i k=2 (2 factori de influen) se stabilete:
Valoarea critic = 1,96
Regiunea Critic: dac | | > 2;3 sau |0 | > 2;3 atunci 0 se respinge
987,54839
Statistica testului este: = 0 = 0 = 61,81064693 = 15,9769948876

0
Decizia:
Se observ c parametrul 0 este semnificativ statistic deoarece:
Din compararea statisticii testului cu valoarea testului critic rezult c:
| | = 15,9769 > = 1,96; se respinge H0 i se accept H1
Pragul critic P-Value 0= 1,04296 > =0,05 pragul de semnificaie
Limita inferioar a intervalului de ncredere (lower 95% = 862,524555) i limita superioar
a intervalului (upper 95% = 1112,572224); intervalul de ncredere este
862,5245555 987,54839 1112,572224


Statistica testului este: =1 = 0,070266404
Decizia:
Se observ c parametrul 1 nu este semnificativ statistic deoarece:
= 1,96 < 1 = 0,070266404 < = 1,96
45
Limita inferioar a intervalului de ncredere (lower 95% = -0,038115838) este cu semn

contrar fa de limita superioar a intervalului (upper 95% = 0,040859363); intervalul de
ncredere este 0,038115838 0,00137176 0,040859363


Statistica testului este: =2 = 0,612390213
Decizia:
Se observ c parametrul 2 nu este semnificativ statistic deoarece:
= 1,96 < 2 = 0,612390213 < = 1,96
Limita inferioar a intervalului de ncredere (lower 95% = -0,00492721) este cu semn
contrar fa de limita superioar a intervalului (upper 95% = 0,009206256); intervalul de
ncredere este 0,00492721 0,00213952 0,040859363
4. Aplicarea analizei de tip ANOVA pentru validitatea modelului de

regresie multipl i interpretarea rezultatelor
ANOVA
df
Regression
Residual
Total
SS
MS
F
Significance F
2 5953.747962 2976.873981 0.215260199 0.807283199
39 539338.3711
13829.189
41 545292.119
H0: modelul nu este valid statistic (mprtierea valorilor datorate factorului timp nu difer nu
difer semnificativ de mprtierea acelorai valori datorate ntmplrii)
H1: modelul este valid statistic
tiind c pragul de semnificaie este =0,05 i k=2 se stabilete:
Valoarea critic: = 4
Regiunea de respingere dac > = 4 atunci se respinge H0
Determinarea statisticii testului ( > ) are la baza relaia:
2
2976,873981
= 0,215260199
13829,189
Deoarece = 0,215260199 < = 4 H0 se accept H0 i se respinge H1, prin urmare
modelul nu este valid.
=
46
6. Testarea ipotezelor clasice asupra modelului de regresie multipl

6.1 Ipoteze statistice clasice asupra modelului de regresie multipl
6.2 Testarea liniaritii modelului propus
(; )
= 0,1038

/ =
/ =
/ 1
1 / 2
0,103840
1 0,10382
0,6564
= 0,6634
0,9893
( )2
/ =
= 0,1038
( )2
2
1
0,0107
/ =
=
40 = 0,4326
1 2
1 0,0107
47
( )2
=
= 0,0107
( )2
2
2 (0; 1)
2
1
0,0107
2 =
=
40 = 0,4326
2
1
1 0,0107
Reiese ca Ry/x=ry/x=>modelul de regresie simplu este liniar.
6.3 Testarea normalitii erorilor

6
Series: Residuals
Sample 1 42
Observations 42
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
1.52e-13
-7.077160
247.9123
-219.9433
114.7000
0.289512
2.688328
Jarque-Bera
Probability
0.756714
0.684986
0
-200
-150
-100
-50
50
100
150
200
250
= 2,688328
} => = ( + ) == 0,756714
= 0,289512
6
4
2
Se constat c = 0,756714 < 0,05 = 5,99 i c p(JB) = 0,684986. Deoarece valoarea
acceptat.
48
6.4 Testarea ipotezei de homoscedasticitate

F-statistic
Obs*R-squared
Scaled explained SS
2.105069
9.501586
6.915978
Prob. F(5,36)
Prob. Chi-Square(5)
Prob. Chi-Square(5)
0.0873
0.0907
0.2270
Test Equation:
Date: 05/05/14 Time: 14:44
Sample: 1 42
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
X1
X1^2
X1*X2
X2
X2^2
46921.03
-25.27318
0.005245
0.000195
-1.388496
2.01E-05
26461.12
15.92620
0.002312
0.000726
2.244792
7.39E-05
1.773206
-1.586893
2.268568
0.268006
-0.618541
0.272550
0.0847
0.1213
0.0294
0.7902
0.5401
0.7868
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.226228
0.118760
15855.12
9.05E+09
-462.5507
2.105069
0.087274
Mean dependent var

S.D. dependent var
Schwarz criterion
Durbin-Watson stat
12842.85
16889.72
22.31194
22.56018
22.40293
1.764109
6.5 Testarea ipotezei de autocorelare a erorilor

fa de ultima valoare nregistrat (inclusiv interval de ncredere)
pentru toate variantele cunoscute.
49
Rezolvarea problemei B de exemplificat att n Excel ct i n Eviews.

Rezolvarea n EVIEWS 7.
Date: 05/05/14 Time: 09:38
Sample: 1 42
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
X1
X2
987.5484
0.001372
0.002140
61.81065
0.019522
0.003494
15.97699
0.070266
0.612390
0.0000
0.9443
0.5438
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.010918
-0.039804
117.5976
539338.4
-258.2644
0.215260
0.807283
Mean dependent var

S.D. dependent var
Schwarz criterion
Durbin-Watson stat
C variabila depedent ( salariul mediu nominal net lunar)

X1 variabila independenta 1 numrul mediu al salariailor
X2 variabila independenta 2 numrul omerilor
987.5484 termenul liber care nu este semnificativ 0
0,001372 coeficientul parametrului 1
0,002140 coeficientul parametrului 2
50
1022.595
115.3248
12.44116
12.56528
12.48666
1.964868
III. Problema C
Folosind datele Problemei A, s se testeze dac dispersiile (variaiile) celor dou
populaii (variabila exogen i variabila endogen) sunt egale; testai dac
mediile celor dou populaii sunt egale. Rezolvarea problemei C de exemplificat
n Excel, cu interpretarea rezultatelor i parcurgerea etapelor testrii ipotezelor
statistice.
1. Testarea ipotezei privind diferena dintre 2 medii pentru

eantioane de volum mare
z-Test: Two Sample for Means
Mean
Known Variance
Observations
Hypothesized Mean Difference
z
P(Z<=z) one-tail
z Critical one-tail
P(Z<=z) two-tail
z Critical two-tail
Salariul mediu nominal net lunar Numrul mediu al salariailor din

din agricultur (RON)
agricultur (persoane)
1022.595238
2266.309524
13299.80778
947616.6092
42
42
0
-8.222473101
1.11022E-16
1.644853627
2.22045E-16
1.959963985
Testul bilateral:
0 : 1 = 2 (1 2 = )
1 : 1 2 (1 2 )
=
1 2 (12 )
2 2
1 + 2
Valoarea testului z este -8.2224731005958. Fiind un test bilateral, valoarea critic este
-1.95996398454 => c < => se respinge H0 i se accept H1, mediile nu sunt
diferite.
51
1.1 Testarea ipotezei privind raportul dintre 2 dispersii

Test bilateral:
0 : 12 = 22 = 1
1 : 12 22 1
=
12
22
F-Test Two-Sample for Variances
Mean
Variance
Observations
df
F
P(F<=f) one-tail
F Critical one-tail
Salariul mediu nominal net lunar Numrul mediu al salariailor din

agricultur (persoane)
1022.595238
2266.309524
13299.80778
947616.6092
42
42
41
41
0.014035009
0
0.594656101
Valoarea testului F este 0,014035009. Fiind un test bilateral, valoarea critic este 0,594656101
=> c Fcalc < Fcritic atunci cu o probabilitate de 95% se accept H0 i se respinge H1 deci
dispersiile sunt egale.
52
2. Testarea ipotezei privind diferena dintre 2 medii pentru eantioane

de volum mare
z-Test: Two Sample for Means
Mean
Known Variance
Observations
Hypothesized Mean Difference
z
P(Z<=z) one-tail
z Critical one-tail
P(Z<=z) two-tail
z Critical two-tail
Salariul mediu nominal net lunar

1022.595238
13299.80778
42
0
-16.56304971
0
1.644853627
0
1.959963985
Numrul omerilor
(persoane)
14927.61905
29588093.51
42
Testul bilateral:
0 : 1 = 2 (1 2 = )
1 : 1 2 (1 2 )
1 2 (12 )
2 2
1 + 2
Valoarea testului z este -16,56304971. Fiind un test bilateral, valoarea critic este
-1.95996398454005 => c < => se respinge H0 i se accept H1, mediile nu sunt
diferite.
2.1 Testarea ipotezei privind raportul dintre 2 dispersii

Test bilateral:
0 : 12 = 22 = 1
1 : 12 22 1
=
12
22
53
F-Test Two-Sample for Variances
Mean
Variance
Observations
df
F
P(F<=f) one-tail
F Critical one-tail
Salariul mediu nominal net lunar

1022.595238
13299.80778
42
41
0.000449499
0
0.594656101
Numrul omerilor
(persoane)
14927.61905
29588093.51
42
41
Valoarea testului F este 0,000449499. Fiind un test bilateral, valoarea critic este 0,594656101
=> c Fcalc < Fcritic atunci cu o probabilitate de 95% se accept H0 i se respinge H1 deci
dispersiile sunt egale.
54

Econometrie Probleme Uni-Multifactoriala

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Econometrie Probleme Uni-Multifactoriala

Încărcat de

Drepturi de autor:

Formate disponibile

ACADEMIA DE STUDII ECONOMICE

Profesor coordonator: oan Lavinia-tefania

7. PREVIZIUNEA VALORII VARIABILEI Y DAC VARIABILA X CRETE CU 10% FA DE ULTIMA

Tabel 1. Date statistice pentru anul 2010

Salariul mediu nominal net

Var. independent (xi1)

1. Prezentarea problemei A.1.

Salariul mediu nominal net

Var. dependent (yi)

Numrul mediu al salariailor

2. Definirea modelului de regresie simpl liniar

2.2. Reprezentarea grafic a modelului legturii dintre variabile

Salariul mediu 1100

Numrul mediu al salariailor din agricultur (persoane)

3. Estimarea parametrilor modelului i interpretarea acestora

Coefficients Standard Error

= 0,0044 => > 0 => o legtur direct (foarte slab)

Unde: k = numrul estimatorilor

(Numrul mediu al salariailor din agricultur:Standard Error)

Coefficients Standard Error

3.2. Estimarea parametrilor prin interval de ncredere

4. Testarea semnificaiei corelaiei i a parametrilor modelului de

Coeficientul de corelaie liniar ( Multiple R):

Se stabilete ipoteza alternativ: 1 : / 0

4.2. Testarea parametrilor unui model de regresie simplu

Coefficients Standard Error t Stat

0.018718477 0.237444 0.81352456 -0.033386868 0.042276038

= 21,9712 > = 1,96 =: se respinge ipoteza nul i se accept ipoteza alternativ,

Testarea semnificaiei lui :

= 0,2374 < = 1,96 =: se accept ipoteza nul i se respinge ipoteza alternativ,

5. Aplicarea analizei tip ANOVA pentru validitatea modelului de

Coefficients Standard Error t Stat

0.018718477 0.237444 0.81352456 -0.033386868 0.042276038

Mean dependent var

Verificarea verosimilitii modelului:

6. Testarea ipotezelor clasice asupra modelului de regresie simpl

Deoarece coeficientul de corelaie = raportul de corelaie, apreciem c exist o legtur liniar de

Testarea semnificaiei coeficientului de determinaie:

6.3. Testarea normalitii erorilor

6.4. Testarea ipotezei de homoscedasticitate

Dac LM ;k , erorile sunt heteroscedastice, n caz contrar, sunt homoscedastice, respectiv

ipoteza nulitii parametrilor, 0 1 2 0 , este acceptat.

Mean dependent var

Corelograma privind valorile factoriale x1 i ale variabilei reziduale (u)

Numrul mediu al salariailor din agricultur (persoane)

6.5. Testarea ipotezei de autocorelare a erorilor

Pe baza datelor problemei, valoarea empiric a variabilei Durbin-Watson este:

7. Previziunea valorii variabilei Y dac variabila X crete cu 10%

0 = 42 + 10%42 = 4893 + 489,3 = 5382,3

Pentru estimarea pe baza unui interval de ncredere vom avea:

1. Prezentarea problemei A.2.

Salariul mediu nominal net

Var. dependent (yi)

Var. independent (x2i)

2. Definirea modelului de regresie simpl liniar

2.2. Reprezentarea grafic a modelului legturii dintre variabile

Numrul omerilor (persoane)

3. Estimarea parametrilor modelului i interpretarea acestora

Coefficients Standard Error

= 0,0022 => > 0 => o legtur direct (foarte slab)

Valorile reziduale (Residuals) vor rezulta din urmtoarea relaie:

(Numrul mediu al salariailor din agricultur:Standard Error)

Coefficients Standard Error

3.2. Estimarea parametrilor prin interval de ncredere