Proiect econometrie

Brnescu-Banu Alexandra-Ioana
Grupa 1034, Cibernetic
 Influenta formarii brute de capital fix si a variatiei
stocurilor asupra PIB

1.Formularea problematicii si descrierea datelor

Proiectul consta in analiza Produsului Intern Brut (variabila dependenta) al tarii

noastre, cu ajutorul regresiei liniare, utilizand drept variabile explicative Formarea
Bruta de Capital Fix si Variatia Stocurilor.
In acest sens am utilizat date referitoare la evolutia acestor variabile, pe o perioada
de 15 ani (1997-2011). Variabila endogena considerata este PIB si variabilele
exogene sunt FBCF si VS.
Sursa datelor:
http://www.revistadestatistica.ro/suplimente/2013/1_2013/srrs1_2013a39.pdf
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 prin metoda cheltuielilor:
PIB = CF+FBC+E-I,
unde:
CF = consumul final efectiv;
FBC = formarea bruta de capital;
E = exportul de bunuri si servicii;
I = importul de bunuri si servicii.
FBC = FBCF+VS ,
unde
FBCF = formarea bruta de capital fix;
VS = variatia stocurilor;
Variaia stocurilor(VS) reprezint diferenta ntre stocul de la sfritul perioadei
considerate i cel iniial. Stocurile reprezint bunurile, altele dect cele de capital
fix, detinute la un moment dat de unitile de producie. Prin convenie gospodriile
populaiei (n calitate de consumatori) nu dein stocuri. De asemenea, ramurile cu
productie nedestinate pietei ale administraiei publice i cele ale instituiilor fr
scop lucrativ n serviciul gospodriilor populaiei nu dein stocuri, cu excepia
stocurilor strategice.
Formarea brut de capital fix(FBCF) reprezint valoarea bunurilor durabile
dobndite de unitile rezidente n scopul de a fi utilizate ulterior n procesul de
producie.

2
2. Modelul econometric unifactorial
Pe baza datelor problemei se poate construi un model econometric unifactorial
de forma:
y=f(x)+u,
unde:
y reprezinta valorile reale ale variabilelor dependente (PIB-ul);
x-reprezinta valorile reale ale variabilei independente (formarea bruta de
capital fix);
u-este variabila reziduala, reprezentand influentele celorlalti factori ai
variabile y, nespecificati n model, considerai factori ntmplatori, cu influene
nesemnificative asupra variabilei y.

a. Reprezentarea grafica a datelor

200.00

150.00

100.00

50.00

0.00
0.00 200.00 400.00 600.00

3
Din graficul de mai sus se observa ca intre variabilele x si y exista o legatura directa si liniara.

b) Estimarea parametrilor si interpretarea rezultatelor

Modelul liniar unifactorial este de forma:

Y i = + 1 * X i + i , unde este termenul liber al regresiei , 1 este

coeficientul de regresie al lui y in functie de x si este variabila aleatoare de
observatie

In urma prelucrarii datelor in Excel si Eviews s-au obtinut urmatoarele

rezultate:

Valorile estimate ale variabilei y vor fi de forma : yi=a+bxi .

Valorile parametrilor de regresie a si b se estimeaza cu ajutorul metodei celor mai
mici patrate :
Dreapta de regresie estimat este
y i 34.96317 3.424996 xi

Eroarea standard: (13.69349) (0.156796)

4
Statistica t: (2.553270) (21.84368)
Probabilitatea: (0.0240) (0.0000)
Multiple R(coeficientul multiplu de corelatie): R=0.9866 ne arat c ntre cele dou
variabile exist o legtur liniar puternic.
R-squared(coeficientul de determinare): R2= 0.973477, arata ca informatia
explicata de factor este in proportie de 97.34%, ceea ce inseamna ca factorul este
reprezentativ.
Interpretarea parametrilor obinui:
Valoarea coeficientului b=3.424996 , care msoar panta dreptei de regresie,
arat c, n cazul unor FBCF cuprinse ntre 5.36 si 14.45 mil lei, atunci cnd X crete
cu o unitate (1000 lei), PIB-ul va crete, n medie, cu 3.424996*1000 lei=3424.996
mil lei.
Valoarea a=34.96317 arat nivelul PIB-ului, atunci cnd FBCF este 0. Interpretm
pe a=34.96317 ca fiind efectul mediu asupra lui Y, al tuturor factorilor care nu
sunt luai n considerare n modelul de regresie.

c)Testarea semnificatiei parametrului panta si determinarea intervalului

de incredere

Vom folosi testul Student

Avem 2 ipoteze:
H0: =0 (Parametrul nu e semnificativ statistic; modelul nu e valid)
H1: 0 (Parametrul e semnificativ statistic; modelul e valid)

Daca |tcalc|>tcritic atunci resping H0 si accespt H1

tcrt=t 2 ;n-2

Pentru un nivel de semnificatie de 5% tcritic= t0.025 ;13=2.160

Din tabel tcalc=21.84367 > 2.160 ,deci respingem ipoteza nula si acceptam H 1.
Parametrul panta este semnificativ statistic.

Interval de incredere pentru parametrul panta :

3.08625 3.76737

Interpretare: Dat fiind un coeficient de ncredere de 95%, pe termen lung, n 95

(3.08625 3.76737)
din 100 de cazuri, intervale precum intervalul , vor include

valoarea real a lui .

5
Intervalul construit nu conine valoarea 0, deci avem nc un argument n favoarea
0
ipotezei H1 c . Spunem c: X are putere explicativ semnificativ pentru Y

sau este semnificativ diferit de zero sau este semnificativ statistic.

d) Testarea validitatii modelului de regresie

Vom folosi testul Fisher

Formularea ipotezelor:
H0: modelul nu este valid statistic (MSR=MSE)
H1: modelul este valid statistic (MSR>MSE)
Daca Fcalc>Fcrt atunci respingem H0 si acceptam H1, de unde rezulta ca modelul
este valid statistic.
Conform tabelului ANOVA:
Fcalc=477.14618 > Fcritic=F;1;n-2= F0.05;1;13=4.67
Putem spune ca modelul de regresie este valid statistic.

e) Verificarea ipotezelor modelului clasic de regresie liniara

( heteroscedasticitatea, autocorelarea, normalitatea erorilor aleatoare )
Heteroscedasticitate
Pentru testarea heteoscedasticitatii vom folosi testul White:

6
 Formularea ipotezelor:
H0: 1 =2 = 0 (nu exist heteroscedasticitate, ci exist
homoscedasticitate)
H1: ( ) i0, i=1,2 (exist heteroscedasticitate)

Dac valoarea calculat a statisticii W, adic Wcalc = nRa2 > crt;2, sau dac
p-value este mai mic dect nivelul de semnificatie ales (=0.05), respingem
H0 si acceptm H1 erorile aleatoare sunt heteroscedastice.
p-value= (0.2287) (0.1444) (0.0212) < 0.05 respingem H0 si acceptam H1
=> erorile aleatoare sunt hetroscedastice

Autocorelarea
In outputul de mai sus gasim valoarea statisticii DW=1.628156
Din tabelul distributiei DW , pentru nivelul de semnificatie 5% , n=15 si k=1 gasim
d1=1.08 si d2=1.36 . Deoarece d1 < DW < 4 - d2 , vom trage concluzia ca nu
exista autocorelare si ca reziduurile sunt independente .

Normalitatea
Vom folosi testul Jarque-Bera:

Formularea ipotezelor:
H0: distributie este normala
H1 : distributia nu este normala
Probabilitatea testului Jarque Bera este 1.475668> 0.05 acceptam H 0 , datele
provin dintr-o distributie normala.
Coeficientul de aplatizare: Kurtosis
k>3 distributie lepto-kurtica
k=3 distributie normal

7
 k<3 distributie plati-kurtica
In acest caz, k=3.008389, adica avem o distributie lepto-kurtica, apropiata de
distributia normala.

f) Previzionarea valorii variabilei Y daca variabila X creste cu 10% fata de

ultima valoare inregistrata
y i 34.96317 3.424996 xi

xi= 1.1*144.56=159.016
y i 34.96317 3.424996 159.016

y i
=579.5923339 mil lei

3. Modelul econometric multifactorial

Pe baza datelor de mai sus se poate construieste un model econometric
multifactorial de forma:
Y=f(x1,x2)+ ,
unde:
y- reprezinta valorile reale ale variabilei dependente (PIB)
x1-reprezinta valorile reale ale primei variabile explicative(salariul net)
x2-reprezinta valorile reale celei de-a doua variabile explicative(indicele preturilor
de consum)
-este variabila reziduala, cu influente nesemnificative asupra variabilei y.

8
 Yi = + 1 * X1 + 2*X2 + i
Yi=31.18573 + 3.275823*X1 + 8.953308*X2 + i

Coeficientul de determinare R2=0.986213 arata ca 98.62% din variatia PIB-ului, in

perioada studiata de 15 ani, este data prin cele 2 variabile exogene.
Interpretarea coeficientilor:
Valoarea coeficientului 1=3.275823>0 arata ca, mentinand celelalte variabile
constante, o crestere a FBCF cu o unitate(1000 lei) duce la cresterea PIB-ului cu
3275.823 mil lei.
Datorita faptului ca 1=3.275823>0 indica faptul ca intre FBCF si PIB exista o
legatura directa.
Valoarea coeficientului 2=8.953308>0 arata ca, mentinand celelalte variabile
constante, o crestere cu o unitate(1000 lei) a VS duce la o crestere a PIB-ului cu
8953.308 mil lei.

Criteriul lui Klein

9
Criteriul lui Klein presupune compararea valorii coeficientului de corelaie Pearson
r 2 dintre oricare dou variabile explicative, cu cea a coeficientul de determinaie
2
R .
Pentru determinarea multicoliniaritatii variabilelor explicative vom determina
matricea de corelatie a variabilelor, care poate fi observata in urmatoare figura din
Eviews:

Din matricea de corelatie se observa ca :

r(PIB,FBCF)=0.98665 ceea ce inseamna ca FBCF se coreleaza puternic cu PIB-ul
r(PIB,VS)=0.4565 ccea ce inseamna ca intre PIB si VS exista o corelatie nu foarte
puternica
r(VS,FBCF)=0.3555 => intre VS si FBCF exista o corelatie slaba

Regresam X1 in raport cu X2:

X2i=0.421905 + 0.016661*X1i
se= (1.05982) (0.012135)
t= (0.398091) (1.372950)
r2=0.126637<0.9862 ceea ce inseamna ca nu exista o dependenta liniara intre cele
2 variabile exogene

Regresam y in raport cu x1:

10
Yi = 34.96318 + 3.424996*X1i
Se= (13.6934) (0.156796)
t = (2.55327) (21.84368)
r2=0.973477 => Formarea bruta de capital fix este semnificativa statistic.

Regresam Y in raport cu x2:

Yi=217.3635 + 33.85187*X2i
Se=(54.32038) (18.29511)
T=(4.001510) (1.850323)
R2=0.208461 => VS nu este semnificativa statistic
Ipoteza de non-multicoliniaritate este indeplinita.

Concluzii:
In urma aplicarii testului Fisher am observat ca modelul este valid statistic.

11
 Se observa ca parametrul panta ( FBCF) este semnificativ statistic.
In urma aplicarii testului White => modelul este heteroscedastic.
Conform testului Durbin-Watson nu exista autocorelare, reziduurile sunt
independente.
In ceea ce priveste normalitatea erorilor aleatoare, am aplicat testul Jarque
Bera => avem o distributie lepto-kurtica, care se apropie foarte mult de o
distributie normala
Dintre cele doua variabile exogene FBCF are cea mai mare influenta asupra
PIB-ului, VS fiind corelata mai putin cu variabila dependenta, PIB.
Conform criteriului lui Klein nu exista multicoliniaritate intre variabile

12