Academia de Studii Economice.

Facultatea de
Cibernetic, Statistic i Informatic
Economic

PROIECT ECONOMETRIE

Ivacu Claudia
Grupa 1046
An III, C.S.I.E.

Bucuresti 2011
Cuprins

1. Introducere: obiective, scopul analizei econometrice; sursa datelor; descrierea

variabilelor; unitile de observare; specificarea modelului econometric
2. Estimarea i validarea modelului econometric
a. Testarea validitii modelului testul Fisher
b. Testarea semnificaiei parametrilor
c. Calitatea modelului
d. Testarea ipotezelor de fundamentare a MCMMP: homoscedasticitatea, non-
autocorelarea erorilor, non-multicolinearitatea, normalitatea erorilor
3. Previziune si concluzii
 1.Introducere: obiective, scopul analizei
econometrice; sursa datelor; descrierea
variabilelor; unitile de observare;
specificarea modelului econometric

Pentru acest proiect am folosit date referitoare la emisiile de CO2, productia

de energie din surse de carbuni si productia de energie din gaz natural.
Datele au fost preluate de pe http://www.worldbank.org/ si au fost prelucrate in
Excel, apoi introduse in PASW STATISTICS 18.
Obiectivele acestui proiect sunt sa determinam functia care descrie cel mai
bine relatia dintre emisiile de dioxid de carbon si productiile de energie din
diferite surse (gaze naturale si carbuni), sa observam legaturile care se
stabilesc intre acestea trei si sa estimam un model econometric valid si
semnificativ statistic.
Unitatea de observare este Romania intre anii 1971-2007.
Descrierea variabilelor:
x1=productia de energie din surse de carbuni este una din variablilele
exogene ale modelului, (variabila explicative)
x2= productia de energie din surse de gaz natural cealalta variabila exogena
a modelului.
y= emisia de dioxid de carbon este variabila endogena a modelului nostru.
Variabila endogena depinde si de alti factori dar acestia sunt considerati
factori cu actiune intamplatoare si sunt specificati cu ajutorul variabilei
aleatoare .
Pe baza acestor premise , datele problemei pot fi analizate cu ajutorul
urmatorului model:
y=f(x1,x2)+
Identificarea modelului presupune alegerea unei functii matematice care sa
descrie corelatia dintre cele trei variabile.
Modelul econometric este unul bifactorial de forma :
=+1*x1+ 2*x2+i
 2.Estimarea i validarea modelului econometric

a. Testarea validitatii modelului testul Fisher

In urma introducerii datelor in program, din analiza de regresie am obtinut un model
de forma:
=1200.767+2.442*10-6*x1+4,934*10-6 *x2
Avand rezultatele afisate de programul PASW Statistics 18 se constata ca F c=98.078
> F0,05;2;34=3,275 de unde rezulta ca modelul este semnificativ statistic, deci modelul
este valid.

b. Testarea semnificatiei parametrilor

=1200.767+2.442*10-6*x1+4,934*10-6 *x2
Testam semnificatia parametrilor prin intermediul lui t /2;35=2,030 (calculate in Excel
prin functia TINV(0.05,35))
->| ta|=0.77< t/2;35 => nesemnificativ
1 -> |tb1|=4.014 < t/2;35 => 1 semnificativ
2 ->| tb2|=13.972 < t/2;35 => 2 semnificativ

c. Calitatea modelului

R2=0.852=>85,2% din variatia lui Y este explicata de model.

d. Testarea ipotezelor de fundamentare a MCMMP: homoscedasticitatea,

non-autocorelarea erorilor, non-multicolinearitatea, normalitatea
erorilor

Homoscedasticitatea.

Daca erorile au o dispersie constanta atunci erorile sunt homoscedastice.

Pentru a determina homoscedasticitatea erorilor folosim Testul White.

Din analiza regresiei gasim ei = yi-i pentru care estimam urmatorul model:
ei2=a1*x1+b1*x12+a2*x2+b2*x22+i

si obtinem:
2=0.05*x1+3.626*10-15*x12+0.024*x2-6.286*10-13*x22 cu R2=0,237
In continuare calculam statistica testului White: LM=n*R 2 pe care o comparam cu r
unde r=nr parametrilor estimati in modelul erorilor (calculate in Excel cu functia
CHIINV).

Daca LM> r atunci erorile sunt heteroscedastice si trebuie sa aplicam masuri de

corectare a heteroscedasticitatii.
Daca LM< r atunci erorile sunt homescedastice.

LM=37*0,237=8.796 si r=9,487. Se observa ca LM< r => erorile sunt

homoscedastice.

Non-autocorelarea eorilor.

Pentru non-autocorelarea erorilor folosim testul Durbin-Watson.

Statistica testului DW=0.583 , iar pentru k=2 si n=37 avem d1=1,39 si d2=1,60.
Putem observa ca statistica DW se afla in intervalul (0,d1) (0<0.583<1.39) =>
erorile sunt autocorelate pozitiv => aplicam masuri corective ale autocorelarii
erorilor .
Metoda celor mai mici patrate :
Transformam modelul de regresie astfel : y*=*+1x1* +2x2* +u , unde :

y*= yt-*yt-1
x*i=xit- *xit-1
=COR(t,t-1)=0.712

Dupa ce am transformat variabilele cu TRANSFORM->COMPUTE VARIABLE am

aplicat regresia pentru noul model si am obtinut urmatoarele :

y*=9067.906+3.569*10-6x1*+2.22*10-6x2* (NOUL MODEL)

cu DW= 1.262 => 0<DW<d1 => nu am reusit sa corectam autocorelarea pozitiva a
erorilor.

Nota : Continuam sa folosim vechiul model datorita faptului ca R 2i > R2f si Fi>Ff

Normalitatea erorilor :

Pentru a determina daca erorile urmeaza o repartitie normal trebuie sa facem 2

teste si anume :

TESTUL PENTRU ASIMETRIE : TESTUL PENTRU APLATIZARE :

H0: 1=0 H0: 2=3

H1: 10 H1: 23

In urma efectuarii calculelor am obtinut urmatoarele valori :

1=0.0357
2=0.1261
S=0.4695
K=-3.5682

Verificam daca |S|< t/2;35 si |K|< t/2;35 .

0.4695 < 2.0301 si 3.5682>2.0301 => erorile nu sunt normal distribuite.

Non-multicolinearitatea :

Pentru determinarea multicolinearitatii folosim criteriu factorului de inflatie

FIj= 1/1-Rj2 unde Rj2 este coeficientul de determinare obtinut in urma regresarii
fiecarei variabile exogena in functie de toate celelalte variabile exogene.
In urma regresarii variabilelor am obtinut acelasi R j2 = 0.124 => FIj=FI=1.1415 ,
considerat o valoare mica => variabilele sunt non-multicoliniare.
3. Previziune si concluzii

Avem un model de forma =1200.767+2.442*10-6*x1+4,934*10-6 *x2

Ipotetic asta ar insemna ca la un nivel zero al productiei de energie (sursa : carbuni
si gaze) am avea o emisie de CO2 de 1200.767 kT.

Acest lucru poate fi explicat de faptul ca emisiile de dioxid de carbon sunt

influentate si de alti factori. (acest lucru fiind observabil si din R 2)

Din cauza ca estimatorul nu este semnificativ interpretarea lui R 2 trebuie facuta

cu grija.

Desi modelul este valid si explica in mare parte variatia emisiunii de CO2 , in
momentul testrii autocorelarii si normalitatii , am observat ca erorile sunt
autocorelate pozitiv si ca nu sunt normal distribuite, de unde rezulta ca modelul
trebuie imbunatatit. Pentru imbunatatirea lui am folosit metoda celor mai mici
patrate, insa fara rezultat.
In urmatorii 37 de ani previzionam valori ale emisiei de CO2 cuprinse in intervalul
79295.35631 kT si 215196.73362 kT , cu media de 146899 kT.

Pentru urmatorii 5 ani se previzioneaza urmatoarele valori :

200 134221.12623
8
200 134171.12708
9
201 142391.12713
0
201 144623.26817
1
201 167881.93345
2