Documente Academic
Documente Profesional
Documente Cultură
formularea concluziilor care se pot determina pe baza outputului din Excel. Pentru analiza
modelului de regresie liniara simpl si multipla, am folosit date referitoare la totalul locuitorilor
bulgariei, totalul locuitorilor din zona urbana, totalul locuitorilor din zona urbana, pib,pib pe cap
de locuitor si gni precum si date specifice din ultimii ani si anume din 1987 pana in 2013.
Am sintetizat informatiile pentru cele 6 variabile in decursul acestor ani, in tabelul
urmator:
Krt. Nr.
Jahr
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
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
Bevlkerun
g insgesamt
8765875
8891117
8917457
8939738
8960679
8960547
8958171
8971359
8981446
8876972
8718289
8632367
8540164
8472313
8443591
8406067
8362826
8312068
8256786
8210624
8170172
8020282
7868468
7823557
7781161
7739900
7699020
Lndliche
Bevlkerung
3358522
3325011
3290185
3253796
3216973
3172930
3135449
3108935
3081354
3015064
2931350
2873111
2813472
2767905
2739354
2708267
2675519
2640661
2604686
2571814
2541005
2472974
2397994
2356534
2316218
2276769
2237951
Stdtische
Bevlkerung
5503013
5566106
5627272
5685942
5743706
5787617
5822722
5862424
5900092
5861908
5786939
5759256
5726692
5704408
5704237
5697800
5687307
5671407
5652100
5638810
5629167
5547308
5470474
5467023
5464943
5463131
5461069
BIP ( US $)
20039627960
20056236992
19804095112
16959385509
17411159923
17562123350
20261212467
28429027976
23002458745
21746812560
20726301370
10943548724
10371900499
10831999517
9704877673
13069094969
10110256626
11195830237
14631307233
13659823835
13353530517
14303810795
16343311507
21101364345
25919754936
29300588273
33649638299
GNI (current
US$)
19722533929
19856669575
19645938119
16878327489
17372952117
17497791452
20129664497
28111206956
22573124626
21117032358
19082648402
9832580948
10201807530
10639277625
9512277581
12637094969
9714156337
10838930179
14347807210
13475123816
13030130533
14328710793
16686811507
21445164368
26225260999
29384093006
32798571154
Teil I.
Bevlkerung insgesamt
9500000
9000000
Bevlkerung
insgesamt
8500000
8000000
7500000
7000000
BIP (aktuelle US $)
40000000000
35000000000
30000000000
25000000000
20000000000
15000000000
10000000000
5000000000
0
BIP (aktuelle US $)
Dupa cum am mentionat si mai sus am folosit functia descriptive statistic pentru a afla
toate datele necesare.
Zentral Tendenz Indikatoren
a) Medienwert
Medienwer
t
Bevlkerun
g insgesamt
Lndliche
Bevlkerun
g
Stdtische
Bevlkerun
g
BIP
(aktuelle
US $)
8472313
2767905
5685942
1.74E+10
11934
Lndliche
Bevlkerun
g
Stdtische
Bevlkerun
g
BIP
(aktuelle
US $)
#N/A
#N/A
#N/A
#N/A
Bevlkerun
g insgesamt
Lndliche
Bevlkerun
g
Stdtische
Bevlkerun
g
BIP
(aktuelle
US $)
8469667.259
2810511.222
5662699
1.79E+10
11949
b) Modalwert
Bevlkerun
g insgesamt
Modalwert
#N/A
1.74E+10
#N/A
1 n
x i xki
n k 1
c) Mittelwert
Mittelwert
1.77E+10
Streuindikatoren
a) Varianz
Varianz
Bevlkerun
g insgesamt
Lndliche
Bevlkerun
g
Stdtische
Bevlkerun
g
BIP
(aktuelle
US $)
Das
BIP GNI
pro Kopf (current
US $)
US$)
1.9249E+11
1.23083E+11
17865878751
4.03E+19
12470147.8
5
4.04E+19
si si2
b)
Standardabweichun
g
Standardabweichung
Bevlkerun
g insgesamt
Lndliche
Bevlkerun
g
Stdtische
Bevlkerun
g
BIP
(aktuelle
US $)
438736.9836
350831.3531
133663.3037
6.35E+09
3531.30965
6.36E+09
c) Variationskoeffizient: Er ist der relative Ausdruck der Streuung und wird als
Verhltnis zwischen die Standardabweichung und Mittelwert berechnet:
Varianzcoeff
Bevlkerun
g insgesamt
Lndliche
Bevlkerun
g
Stdtische
Bevlkerun
g
BIP
(aktuelle
US $)
Das
BIP GNI
pro Kopf (current
US $)
US$)
0.05180097
0.124828305
0.023604169
0.353766
0.29553181
4
0.359805
Teil II
Im zweiten Teil des Projektes haben wir vier Regressionmodelle analysiert und zwar: 2 Liniare
Einfachregression Model , eine liniare Mehrfachregression mit 2 exogene Variablen und eine
liniare Mehrfachregression mit 3 exogene Variablen
1. Liniare Einfachregression 1-Model
In acest prim caz modelul econometric este unui unifactorial dat fiind faptul ca avem o
influenta a variabilei rezultative y BIP - de catre un factor determinant x Bevolkerung.
Pornind de la datele aplicaiei se poate construi un model econometric unifactorial de
forma:
y f ( x) u
(1)
unde:
y = valorile reale ale variabilelor dependente;
x = valorile reale ale variabilelor independente;
Procedeul cel mai des folosit, n cazul unui model unifactorial, l constituie reprezentarea
grafic a celor dou iruri de valori cu ajutorul corelogramei. Corelograma care reprezinta
legtura BIP si Bevolkerung este prezentat n graficul de mai jos in baza datelor din primul
tabel.
BIP (aktuelle US $)
40000000000
35000000000
BIP (aktuelle US $)
30000000000
25000000000
20000000000
15000000000
10000000000
5000000000
0
6000000
8000000
10000000
y=327470734521747.770366X
y=aX+ b
2.06
tcalc<t teoretic => H0, a nicht
1.344237727 signifikant
Weil n = 15 30 haben wir eine kleine Stichprobengroe und wir verwenden den t-Test.
Weil t berechnet < t theoretisch ist , akzeptiert man die H0 und das bedeutet, dass a nicht
signifikant ist ,von Null verschieden, also a ist nicht signifikant.
d) Testen Sie die Gltigkeit des Modells
Um die Gltigkeit des Regressionsmodells zu testen, formuliert man folgende Hypothesen:
s y2 / x se2
H0:
s y2 / x se2
H1:
Fcalc
2
y/x
2
e
benutzen.
0.37019399
4.24169905
Von Anova Tabel haben wir die F berechnet, und zwar 0.37019399 und fr F teoretic haben wir
den nchsten Formel benutzt. =FINV(0.05,1,25), 4.24169905.
F berechnet < F teoretic => Modell ist nicht gltig
e) Testen der Voraussetzungen der Anwendung der :
n
DW
i2
i 1
i 1
0<DW<D1
Autokorellation
D1<=DW<= D2<DW<4D2
D2
4D2<=DW<=
4D1<DW
0<DW<1.35
3.17E-01
Sum of Square residuals
Sum of Square difference of
residual
DW
1.35<=DW<
=1.49
1.49<DW<
2.51
4-D1
2.51<=DW<
=2.65
<4
2.65<D
W<4
1.03E+21
3.27E+20
3.17E-01
Erstmal haben wir die Sum of Square residuals und Sum of Square difference of residual
berechnet und dann haben wir die DW berechnet.
DW betrg 3.17E-01 und befindet sich in 0 < DW <d1 , 0 < DW < 1.28 , das heit , wir haben
eine Positive Autokorellation
2) White Test- Homoskedastizitt
;2
24
6
JB n
Wir haben JB=5,99 von Projekt und wir mssen den Formel berechnen.
Mit der Hilfe der Excel haben wir die JB berechnet.
Jarque Berra :
1 n
yi y
n i 1
S
3
Skew
Skew * Skew
(S *S) / 6
Kurt
K-3
(k -3)(k -3)
[(k -3)(k -3)] / 24
JB
0.526652705
0.277363072
0.046227179
-0.459277276
-3.459277276
-1.42859E+20
-5.95244E+18
-1.60716E+20
1 n
yi y
n i 1
K
4
20000000000
40000000000
Werte der
Parameter
a=340167616.8
b=0.996266638
y=aX+ b
y=340167616.8
+0.996266638X
2.06
1.3685574 tcalc<t teoretic => H0, a
56 nicht signifikant
Weil n = 15 30 haben wir eine kleine Stichprobengroe und wir verwenden den t-Test.
Weil t berechnet < t teoretic ist , akzeptiert man die H0 und das bedeutet, dass a nicht
signifikant ist ,von Null verschieden, also a ist nicht signifikant.
d) Testen Sie die Gltigkeit des Modells
Um die Gltigkeit des Regressionsmodells zu testen, formuliert man folgende Hypothesen:
s y2 / x se2
H0:
s y2 / x se2
H1:
Fcalc
s y2 / x
se2
Wir werden den Formel
benutzen.
Von Anova Tabel haben wir die F berechnet, und zwar 5641.306915 und fr F teoretic haben
wir den nchsten Formel benutzt. =FINV(0.05,1,25), 4.24169905.
F berechnet > F teoretic => Modell ist gltig
DW
i2
i 1
i 1
D1<=DW<=
D2
1.35<=DW<
=1.49
D2<DW<4D2
1.49<DW<
2.51
4D2<=DW<=
4-D1
2.51<=DW<
=2.65
4D1<DW
<4
2.65<D
W<4
4.62E+18
3.61E+18
7.81E-01
Erstmal haben wir die Sum of Square residuals und Sum of Square difference of residual
berechnet und dann haben wir die DW berechnet.
DW betrg 7.81E-01 und befindet sich in 0 < DW <d1 , 0 < DW < 1.28 , das heit , wir haben
eine Positive Autokorellation
2) White Test- Homoskedastizitt
Wir haben LM= n* R2 berechnet. LM betrg 26.88087479 und Chi-quadrat=5,99
H0-Homoskedastisch-> LM < Chi quadrat
H1-Heteroskedastisch-> LM> Chi quadrat
LM> Chi quadrat , Modell ist gltig,wir haben Homoskedastizitt.
3) Jarque Berra- Normalverteilung
S2
K 3 2 ~ 2
;2
24
6
JB n
Wir haben JB=5,99 von Projekt und wir mssen den Formel berechnen.
Mit der Hilfe der Excel haben wir die folgende JB berechnet:
Jarque Berra :
Skew
Skew *
Skew
(S *S) / 6
Kurt
K-3
(k -3)(k -3)
[(k -3)(k
-3)] / 24
JB
1.5028742
64
2.2586310
53
0.3764385
09
3.6364843
97
0.6364843
97
0.4051123
87
0.0168796
83
10.619591
17
4000000
Lndliche Bevlkerung
Linear (Lndliche
Bevlkerung)
Stdtische Bevlkerung
3000000
2000000
1000000
0
7500000 8000000 8500000 9000000 9500000
Linear (Stdtische
Bevlkerung)
Linear (Stdtische
Bevlkerung)
Werte der
Parameter
a= -393252.7855
b1= 0.964652263
b2= 1.0863643
y=a
+b1x1+b2x2
y=-393252.7855 +
0.964652263X1+ 1.0863643X2
Parameter a - zeigt den Punkt, an dem die Regressionsgerade die OY-Achse schneidet
Es ist die durchschnittliche Anzahl der Bevlkerung wenn die Anzahl der Lndliche Bevlkerung
oder Stdliche nicht mehr steigt.
Parameter b1,b2 - zeigt die proportionale nderung der exogene variable (X), wenn sich die
endogene variable (Y) um eine Einheit ndert.
wenn b positiv ist ( >0 ) , gibt es einen positiven Zusammenhang. In diesem Fall b>0 und hat
eine positive Richtung .
c)Testen Sie die Signifikanz der Parameter
Signifikanz der
Parameter
t teoretic
2.06
t berechnet
Signifikanz F
H0: a=0(a ist nicht
signifikant)
H1: a/=0(a ist
signifikant)
Weil n = 15 30 haben wir eine kleine Stichprobengroe und wir verwenden den t-Test.
Weil t berechnet < t teoretic ist , akzeptiert man die H0 und das bedeutet, dass a nicht
signifikant ist ,von Null verschieden, also a ist nicht signifikant.
d) Testen Sie die Gltigkeit des Modells
Um die Gltigkeit des Regressionsmodells zu testen, formuliert man folgende Hypothesen:
s y2 / x se2
H0:
s y2 / x se2
H1:
Fcalc
2
y/x
2
e
benutzen.
F teoretic
4.24169905
Von Anova Tabel haben wir die F berechnet, und zwar 10637.09267und fr F teoretic haben
wir den nchsten Formel benutzt. =FINV(0.05,1,25), 4.24169905.
F berechnet > F teoretic => Modell ist gltig
e) Testen der Voraussetzungen der Anwendung der :
n
DW
i2
i 1
i 1
Autokorellation
0<DW<D1
0<DW<1.28
1.45E+00
Sum of Square residuals
Sum of Square difference of
residual
D1<=DW<=
D2
1.28<=DW<
=1.57
D2<DW<4D2
1.57<DW<
2.43
4D2<=DW<=
4-D1
2.43<=DW<
=2.72
4D1<DW
<4
2.72<D
W<4
5.64E+09
8.19E+09
d1=1.28
d2=1.5
7
Erstmal haben wir die Sum of Square residuals und Sum of Square difference of residual
berechnet und dann haben wir die DW berechnet.
DW betrg 1.45E+00 und befindet sich in 0 < DW <d1 , 0 < DW < 1.28 , das heit , wir
haben eine Positive Autokorellation.
2) White Test- Homoskedastizitt
Wir haben LM= n* R2 berechnet. LM betrg 26.96957487 und Chi-quadrat=5,99
H0-Homoskedastisch-> LM < Chi quadrat
H1-Heteroskedastisch-> LM> Chi quadrat
LM> Chi quadrat , Modell ist gltig,wir haben Homoskedastizitt
;2
24
6
JB n
Wir haben JB=5,99 von Projekt und wir mssen den Formel berechnen.
Mit der Hilfe der Excel haben wir die folgende JB berechnet:
Jarque Berra :
Skew
Skew * Skew
(S *S) / 6
Kurt
K-3
(k -3)(k -3)
[(k -3)(k -3)] /
24
JB
2.0637836
01
4.2592027
52
0.7098671
25
10.335512
38
7.3355123
83
53.809741
92
2.2420725
8
79.702372
04