UNIVERSITATEA ALEXANDRU IOAN CUZA

FACULTATEA DE ECONOMIE I ADMINISTRAREA

AFACERILOR

PROIECT
la disciplina
ANALIZA SERIILOR DE TIMP
cu titlul
LAPTELE PRODUS N ROMNIA

Coordonator:
Prof. univ. Turtureanu Ciprian

Hreniuc Marius
Postolache Narcis-Florin
2
 1. Introducere

Aceast proiect propune analiza nregistrrilor laptelui colectat n Romnia n decursul perioadei
2008-2015, utiliznd date cu frecven lunar preluate de pe Eurostat, organismul care se ocup cu
statistica Comisiei Europene.

Procesul de analiz const n folosirea metodelor statistice de analiz a seriilor de timp, metode
facilizate de incorporarea n noile programe informatice, care ncearc s optimizeze ct mai mult
explicaiile fenomenelor economice.

Programul utilizat pentru acest tip de analiz este EViews, iar datele au fost importate dintr-un
fiier Excel, preluat de pe site-ul http://ec.europa.eu/eurostat.

1.1. Importana temei

Laptele este un produs alimentar ce ofer caliti nutriionale excepionale, devenit de-a lungul
timpului un produs indispensabil pentru viaa de zi cu zi. Odat cu revoluia agrar i cea industrial,
acest produs a depit limitele produciei proprii, iar prelucrarea lui a devenit etapizat o parte a economiei
de stat. Prin dezvoltarea sistemelor de colectare a laptelui i prelucrarea sa ulterioar, producia de lapte
s-a transformat ntr-un important component a economiei i un factor important al produciei interne.
Deoarece laptele este prezent n majoritatea alimentelor consumate n Romnia, devenit un
aliment tradiional, s-a decis efectuarea unei analize pe serii de timp a produciei de lapte pe o perioad
de 8 ani, cu date nregistrate n anii 2008-2015.

3
 1.2. Descriera bazei de date
Baza de date utilizat este reprezentat de date cu frecven lunar, nregistrate n perioada
2008-2015 i se exprim n mii tone:

http://ec.europa.eu/eurostat

4
 1.3. Variabile i date

Ne-am propus efectuarea unei analize pe serii de timp a produciei de lapte pe o perioad de 8 ani,
cu date nregistrate n anii 2008-2015. Menionez faptul c datele lunare cu privire la seria analizat au
fost preluate de pe Eurostat. n urma analizei efectuate am identificat tipul seriei de date (multiplicative).

2. Analiza seriei de timp in EViews

Analiznd n Excel seria de timp am observat c aceasta urmeaz un model multiplicativ. Modelul
multiplicativ se aplic dac amploarea oscilaiilor sezoniere este valabil la aceleasi momente de timp.
Acest model de compunere pornete de la ipoteza c ntre grupurile de factori exist o interaciune.

Grafic.1. Distribuia statistic lunar a cantiii de lapte produs n perioada 2008-2015.(E-views

8.0)

5
 Fcnd o analiz a graficului 3 putem observa oscilaiile periodice ale seriei. Acest lucru
nseamn c seria prezint componenta sezonier, urmnd ca aceasta s fie nlturat n cele ce urmeaz.
Acelai grafic ne comunic i regula de compoziie a seriei, care este una multiplicativ.

3. Descompunerea seriei de timp originale

Grafic 2. Distribuia statistic ajustat a cantitii de lapte din Romnia n perioada 2008-
2015.

6
 Grafic 3. Reprezentarea grafica a coeficientilor de sezonalitate

Grafic 4. Distribuia statistic a ajustrii sezoniere a seriei iniiale cu ajutorul metodei Census X12
(seria original i seria fr component sezonier).
7
 4. Modelarea componentei sezoniere

Tabel 2. Obinerea primei ecuaii n EViews.

Acum trebuie sa alegem cel mai bun model. Asta o facem prin observarea valorilor R-squared i
Akaike. Valoarea R-squared trebuie s fie ct mai mare i valoarea Akaike trebuie s fie ct mai mic.
n cazul nostru cel mai bun model este lapte_sa c t t^2 t^3 t^4.

Raportul de determinaie R2=0,786792, adic 78.6% din variaia modelului este explicat prin
procesul de regresie.Valoarea sig=0 < =0.05 asociat testului t este mai mic dect riscul, motiv pentru
care putem concluziona faptul c trendul polinomial este semnificativ pentru reprezentareae voluiei
cantitii de lapte produs n Romnia n perioada 2008-2015.

8
 Grafic 5. Distribuia statistic lunar ajustat a cantitii de lapte produs din Romnia n
perioada 2008-2015.

5. Analiza punctelor de ruptur

In urma realizarii acestor pasi, am determinat ca exista 3 puncte de ruptura, dupa cum se poate
vedea in output-ul de mai jos:

9
Formarea variabilelor dummy:
D1

D2

10
 D3

In continuare vom crea o noua ecuatie care va include si variabilele dummy. Am ales
modelul cu 2 variabile dummy care arata astfel:
lapte_sa c t d1 d2 t^2 t^2*d1 t^2*d2 t^3 t^3*d1 t^3*d2 t^4 t^4*d1 t^4*d2

Pentru ca am avut coeficienti nesimnificativi i-am eliminat din model astfel avem:
lapte_sa c t d1 t^2 t^2*d1 t^2*d2 t^3 t^3*d1 t^3*d2

Tabel 4. Obinerea celei de a doua ecuaii n EViews

11
 Raportul de determinaie R2=0,88 , adic 88% din variaia modelului este explicat prin procesul
de regresie. Valoarea sig=0 < =0.05 asociat testului t este mai mic dect riscul, motiv pentru care
putem concluziona faptul c trendul polinomial este semnificativ pentru reprezentarea evoluiei cantitii
de lapte produs n Romnia.

Graficul n urma ecuaiei:

Grafic 6. Distribuia statistic lunar ajustat prin marcarea rupturii de trend n anul 2014 luna
iunie i anul 2009 luna martie.

5.1. Analiza ipotezelor de iiN0 de medie.

5.1.1. Testarea ipotezei cu privire la media erorilor nul

Pentru studiul erorilor sau rezidurilor trebuie testate ipotezele cu privire la media erorilor nul,
normalitatea erorilor, independena acestora i existena homoscedasticitii.
Am aplicat Hyposthesis Testing pentru a testa prima ipotez.

12
 Ipoteze: H0: M(ei)=0 media erorilor este egal cu 0
H1: M(ei)#0 media erorilor este diferit de 0

Tabel 5 Testarea ipotezei M(ei)=0 n EViews

Se poate afirma c M(ei)=0, adic se accept ipoteza nul. Avnd n vedere c sig=1 este mai
mare dect nivelul de semnificaie =0.05, ipoteza nul este acceptat i prin urmare media erorilor nu
difer semnificativ de 0.

5.1.2. Testarea IPOTEZEI DE HOMOSCEDASTICITATE

H0: erorile sunt homoscedastice

H1: erorile sunt heteroscedastice

13
 n urma testului, se poate observa c probabilitatea este de 0,7757 ceea ce indic faptul c
erorile sunt homoscedastice.

5.1.3. Testarea NORMALITII

H0: erorile sunt normal distribuite

H1: erorile nu sunt normal distribuite

14
 Se poate observ c probabilitatea este 0,0072 <0,05 =>putem afirma cu o probabilitate
de 95% c erorile urmeaz o lege normal de distribuie.

5.1.4. Testarea AUTOCORELRII

H0: erorile nu sunt autocorelate (sunt independente)

H1: erorile sunt corelate (sunt dependente)

Rezultatele testului Breusch-Godfrey arata ca sig =0,99 > 0,05 ,deci decidem c nu se accept
ipoteza nul, ceea ce inseamna ca erorile sunt independente.

15
 6. Testarea radacinii unitate

A testa existena unei rdcini unitate, nseamn a testa staionaritatea seriei. Dac o serie
este nestaionar, atunci influena shock-ului va persista, ceea ce ne poate duce la o regresie fals.
n continuare vom testa existena unei rdcini unitate pentru seria ecuaiei:
lapte_sa c t d1 t^2 t^2*d1 t^2*d2 t^3 t^3*d1 t^3*d2

Ipotezele testului: H0: prezena rdcinii unitate (Seria nu este staionar)

H1: lipsa rdcinii unitate (Seria este staionar)

Tabel 6. Testarea rdcinii unitate.

Respingem ipoteza nul, aadar erorile de modelare nu au rdcin unitate pentru un nivel de
semnificaie =0.05 Sig = 0 < = 0,05, rezult c se respinge ipoteza H0 cu un risc de 5%, adic nu
exist radcin unitate, seria este stationar.

16
 7. Modelul ARMA

Modelul ARMA se obine prin combinarea a dou procese MA (medie mobil) i AR

(autoregresiv). Modelul funcioneaz asemenea unei scheme explicative ce permite realizarea
prediciilor. Avem corelograma

Tabel 7. Corelograma pentru resid1.

Prin analiza corelogramei, se regsesc componenta autoregresiv i media mobil de ordin k,

astfel avem un model MA(8) AR(11).

17
Modelul cu ecuaia: resid1 AR(11) MA(8).

Graficul pentru modelul ARMA obinut:

18
 8. Testarea ipotezelor asupra modelului ARMA

8.1.1. Media erorilor =0

H0: M(e)=0
H1: M(e)0

Se poate observa c probabilitatea testului este egal cu 0,7538>0,05 prin urmare putem afirma
cu o probabilitate de 95% c media erorilor este egal cu 0.

8.1.2. Testarea normalitii erorilor

Pentru a testa normalitatea erorilor trebuie s utilizm metoda grafic oferit de histogram.

H0: erorile sunt normal distribuite

H1: erorile nu sunt normal distribuite

19
 Figura 8. Repartiia normal a erorilor modelului ARMA obinut (Eviews)
Observm c valoarea sig. asociat testului este 0,004394<0,05 , deci valorile nu urmeaz
o lege normal.

8.1.3. Testarea independenei erorilor

Ipoteze: H0: erorile de modelare sunt independente

H1: erorile de modelare nu sunt independente

20
 Valoarea sig = 0.83 > 0.05 , deci putem afirma cu o probabilitate de 95% c erorile de
modelare sunt independente.

8.1.4. Testarea ipotezei de homoscedasticitate

Ipoteze: H0: erorile sunt homoscedastice

H1: erorile sunt heteroscedastice

Testul ARCH arata, de asemenea, ca erorile sunt heteroscedastice (sig =0,535>=0,05).

21
Bibliografie

1. Turturean Ciprian-Ionel, Analiza seriilor de timp, Ed. Sedcom Libris, Iai, 2006
2. http://ec.europa.eu/eurostat/statistics
3. Software utilizat: EViews.

22