Documente Academic
Documente Profesional
Documente Cultură
82 - Econometrie ID Oct2015 (CIG) - 14ore - 8097
82 - Econometrie ID Oct2015 (CIG) - 14ore - 8097
1
MODELARE ECONOMIC. ECONOMETRIE
Introducere
Obiectivele cursului
Competene conferite
2
Structura cursului
Cerine preliminare
Evaluarea
Nota final este compus din:
- 70% examen
- 30% evalurilor pe parcurs (teme de control, verificri pe parcurs);
3
Cuprins
INTRODUCERE............................................................................................................................... 2
Rezumat .................................................................................................................................................... 16
Bibliografie ................................................................................................................................................ 17
Rezumat .................................................................................................................................................... 32
Bibliografie ................................................................................................................................................ 33
4
Ipotezele modelului linear unifactorial ............................................................................................................ 37
Proprieti ale estimatorilor ............................................................................................................................ 38
Exemple ..................................................................................................................................................... 41
Modelul linear unifactorial .............................................................................................................................. 41
Modelul linear multifactorial ........................................................................................................................... 44
Rezumat .................................................................................................................................................... 47
Exemple ..................................................................................................................................................... 52
Modelul linear unifactorial .............................................................................................................................. 52
Modelul linear multifactorial ........................................................................................................................... 55
Rezumat .................................................................................................................................................... 58
Bibliografie ................................................................................................................................................ 60
Exemple ..................................................................................................................................................... 64
Testul GoldfeldQuandt pentru modelul unifactorial ..................................................................................... 64
Testul GoldfeldQuandt pentru modelul multifactorial .................................................................................. 68
5
Rezumat .................................................................................................................................................... 73
Bibliografie ................................................................................................................................................ 74
Rezumat .................................................................................................................................................... 78
Bibliografie ................................................................................................................................................ 79
Exemple ..................................................................................................................................................... 83
Modelul linear unifactorial .............................................................................................................................. 83
Modelul linear multifactorial ........................................................................................................................... 84
Rezumat .................................................................................................................................................... 86
Bibliografie ................................................................................................................................................ 87
ANEXE STATISTICE....................................................................................................................... 90
6
A. Valorile critice ale distribuiei t Student, testul bilateral ...................................................................... 90
7
Unitatea de nvare 1. Modelul Economic Prezentare
General
Cuprins
Consideraii generale
Schema general a procesului de modelare economico-matematic
Modelul economic
o Elementele unui model econometric
o Datele utilizate
Cuprins
Dup parcurgerea unitii vei fi n msur s rspundei la ntrebrile:
Care este schema general a procesului de modelare economico-matematic?
Ce este un model econometric?
Care sunt elementele unui model econometric?
Obiectivele unitii de nvare
nsuirea noiunii de model economic
Schema general a procesului de modelare economico-matematic
Elementele unui model econometric
Tipurile de date utilizate ntr-un model economic
Consideraii generale
n accepiunea comun, modelul reprezint o norm, un ideal spre care se tinde datorit
calitilor, chiar perfeciunii sale. Un model tiinific este o construcie, de obicei
teoretic, n anumite privine simplificat, care i propune s faciliteze nelegerea
unei realiti complexe prin intermediul unei imagini apropiate, ct mai fidele. Dou
idei sunt eseniale n aceast abordare a conceptului de model: n primul rnd, ideea de
reprezentare simplificat a realitii i, n al doilea rnd, cea de asemnare structural,
8
funcional, comportamental ntre model i realitate1.
n interpretarea lui Malinvaud "un model const n reprezentarea formal a
ideilor i cunotinelor relative la un anumit fenomen. Aceste idei, numite deseori
teoria fenomenului, se exprim printr-un ansamblu de ipoteze asupra elementelor
eseniale ale fenomenului i a legilor care le guverneaz. Acestea sunt n general
traduse sub forma unui sistem matematic numit model. Logica modelului ne permite s
explorm consecinele naturale ale ipotezelor reinute, s le confruntm cu rezultatele
experimentale i s ajungem pe aceast cale la o cunoatere mai bun a realitii i s
acionm mai eficace asupra sa." (Malinvaud E., 1964)2.
Exist, n literatura de specialitate, mai multe tipologii ale modelelor
economice. Clasificarea unor elemente const n plasarea acestora, n funcie de
caracteristicile proprii, ntr-o anumit grup (clas). Aceste clase trebuie s respecte cel
puin dou condiii eseniale3:
a) s fie omogene, adic elementele care prezint caracteristici similare trebuie s
aparin aceleiai clase;
b) s fie relativ bine separate, adic elementele ne-similare trebuie s fac parte din
clase diferite.
Cu alte cuvinte, elementele dintr-o clas trebuie s fie asemntoare (similare)
ntre ele i s disting de elementele care aparin altor clase.
n literatura de specialitate din Romnia, una dintre cele mai interesante
clasificri este prezentat de Acad. Emilian Dobrescu4. n orice clasificare, esenial
este noiunea de criteriu. Aceasta deoarece un criteriu adecvat, aplicat asupra
elementelor unei mulimi induce n mulimea respectiv o relaie de ordine. n lucrarea
menionat, Acad. Emilian Dobrescu reine urmtoarele criterii de clasificare a
modelelor economice: natura elementelor componente, caracterul interdependenelor
dintre variabile, nivelul de agregare a entitilor, scopul elaborrii modelelor
economice, comportamentul temporal. Rezult clasificarea prezentat n tabel:
Tabel: Tipologia modelelor economice
2.2.a) deterministe
2.2.b) probabiliste
1
Jula D., 2003, Introducere n econometrie, Editura Professional Consulting, Bucureti, pag.7.
2
Citat n Dobrescu E., 2002, Tranziia n Romnia: abordri econometrice, Editura Economic, Bucureti, pag. 33.
3
Jula D., Jula N., 1999, Economie sectorial, Editura Didactic i Pedagogic, Bucureti, pag. 18-21.
4
Dobrescu E., 2002, Tranziia n Romnia: abordri econometrice, Editura Economic, Bucureti, pag. 24.
9
3. Nivelul de agregare a entitilor 3.a) cu dezagregare maxim
3.b) cu agregare intermediar
3.c) cu agregare naional maxim
3.d) cu agregare internaional
10
2.2.a Modelele deterministe.
2.2.b Modelele probabiliste. Astfel de modele sunt utilizate, de exemplu, pentru
studiul pieelor financiare.
3. Nivelul de agregare a entitilor
3.a Modelele cu dezagregare maxim. De exemplu, toi agenii economici sunt
analizai, prin funcii de comportament, ecuaii de echilibru, de stare i/sau de
dinamic specifice.
3.b Modelele cu agregare intermediar. Economia poate fi structurat, de
exemplu, instituional (pornind de la sectoarele instituionale din Sistemul
Contabilitii Naionale), pe ramuri (aa ca n tabelele input-output), sau
regional.
3.c Modelele cu agregare naional maxim. Un exemplu de astfel de model este
reprezentat de funcia de consum keynesian: Ct = C0 + cYd,t, unde:
Ct consumul agregat la momentul t;
Yd venitul disponibil al gospodriilor la momentul t;
C0 partea stabil a consumului, relativ autonom n raport cu venitul (ex.
autoconsumul);
c nclinaia marginal spre consum, 0 < c < 1.
3.d Modelele cu agregare internaional analizeaz diferite zone geografice (de
exemplu, zona Mrii Negre, zona Balcanilor), grupri de ri (ex. ri
dezvoltate, ri n dezvoltare,), uniuni interstatale (ex. Uniunea European),
grupri sectoriale (ex. ri exportatoare de petrol OPEC) sau abordeaz
economia mondial n ansamblu.
4. Scopul modelrii
4.a Modele descriptiv-explicative. Modelul explicativ ajut la nelegerea
legturilor eseniale dintre fenomenele studiate5. Un exemplu n acest sens este
modelul input-output.
4.b Modelele explorative sau de simulare faciliteaz studierea reaciilor economiei
fa de modificarea unei variabile.
4.c Modelele normative. De exemplu, prin astfel de modele pot fi urmrite
obiective de tipul: respectarea unor restricii ecologice, restricii privind
condiiile de munc, atingerea unor condiii de performan calitate, fiabilitate
etc.6
5. Comportamentul temporal:
5.a Modelele strict statice sunt folosite pentru reprezentarea unor fenomene sau
procese economice la un moment dat. Exemplu: modelul input-output.
5.b Modelele cvasistaionare.
5.c Modelele dinamice ilustreaz evoluia n timp a diferitelor procese economice.
5
Jula D., 2003, Introducere n econometrie, Editura Professional Consulting, Bucureti, pag.7.
6
Nicolae V., Constantin D.-L., Grdinaru I., 1998, Previziune i orientare economic, Editura Economic, Bucureti, pag. 174-
175.
11
Schema general a procesului de modelare economico-matematic
Modelarea matematic reprezint cea mai utilizat aplicaie n domeniul
elaborrii modelelor economice. Procesul de construcie a unui model economico-
matematic presupune parcurgerea mai multor etape7.
ntr-o prim etap, prin analiza unui obiect din realitatea economic (un
proces, un fenomen etc.) se identific o mulime finit de proprieti ale acestuia.
Proprietile reinute ca fiind semnificative reprezint teoria economic (modelul
economic) elaborat pentru obiectul respectiv din realitate.
n a doua etap, se caut o teorie matematic n care poate fi descris o
structur a sistemului.
n etapa a treia, se realizeaz rezolvarea modelului.
n a patra etap, aceste noi proprieti (informaii) sunt transferate asupra
obiectului original
Modelul econometric
Denumirea de econometrie provine din combinarea cuvintelor greceti
oikonomia economia (de la oicos cas, gospodrie i nomos lege) i metron
msur. Deci, etimologic, econometria presupune aplicarea unor tehnici de msurare n
economie.
n sens restrns, econometria este definit ca o aplicaie a statisticii matematice
n economie.
7
Etapele modelrii sunt prezentate n detaliu n lucrarea Jula D., 2003, Introducere n econometrie, Editura Professional
Consulting, Bucureti, pag.7-13.
12
n sens larg, econometria este neleas ca o tiin de grani ntre economie,
matematic i statistic. (Thomas R.L., 19978 i Ramanathan R., 19929).
Pornind de la relaiile definite de teoria economic, econometria clasic se
concentreaz asupra urmtoarelor tipuri de analiz10:
(a) testarea i validarea teoriei economice;
(b) estimarea relaiilor dintre variabilele economice;
(c) prognoza evoluiilor i a comportamentelor economice.
8
Thomas R.-L, 1997, Modern Econometrics: An Introduction, 2nd edition, Harlow, Longman, pag. 1-3.
9
Ramanathan R., 1992, Introductory Econometrics, Second Edition, The Dryden Press, Harcourt Brace College Publishers,
Orlando, USA, pag. 3-11.
10
Thomas R.-L, 1997, Modern Econometrics: An Introduction, 2nd edition, Harlow, Longman, pag. 1.
13
Teoria economic, experiena
Formularea modelului
Selectarea datelor
Estimarea modelului
11
Thomas R.L, 1997, Modern Econometrics: An introduction, 2nd edition, Harlow, Longman, pag.4.
14
endogene i cele explicative. ntr-un model econometric pot aprea ecuaii de
comportament, ecuaii de definiie i ecuaii contabile (de echilibru).
Ecuaiile de comportament sunt construite pe baza unei teorii economice i
descriu, n form funcional, comportamentul unui agent economic.
Ecuaiile sau relaiile de definiie sunt utilizate pentru precizarea unor noiuni
sau determinarea unor variabile. n ecuaiile de definiie nu intervin parametri
necunoscui.
Ecuaiile de echilibru sunt utilizate pentru asigurarea coerenei modelului.
Datele utilizate
Pentru estimarea parametrilor din ecuaiile modelului sunt utilizate anumite
date economice referitoare la evoluia fenomenelor analizate. Datele economice
reprezint reflectri cantitative sau calitative ale dimensiunii, strii i evoluiei
proceselor i fenomenelor economice. Aceste date pot fi descrise pornind de la mai
multe criterii. Astfel, ca prezentare, datele pot fi disponibile ca serii de timp
(cronologice), de distribuie sau de tip panel.
Seriile de timp corespund unor observaii efectuate asupra strii unui fenomen
economic la intervale regulate de timp (evoluia cursului de schimb, dinamica
preurilor, a consumului, a veniturilor etc.).
Seriile de distribuie (repartiie), numite i serii n tietur transversal sau serii
de date instantanee reflect starea, structura i relaiile care exist ntre diferitele
componente ale unui sistem economic, la un moment dat. De exemplu, aceste serii
reflect distribuia n spaiu a diferitelor caracteristici ale unui fenomen omajul
regional, localizarea activitilor etc., structura unor agregate (structura sectorial a
unei economii, structura ocuprii, structura pe elemente a costului de producie .a.),
sau starea unei variabile la un moment dat ntr-un anumit eantion (de exemplu, venitul
i consumul familiilor).
Datele de tip panel combin seriile de timp i datele n structur transversal.
Principalul avantaj al analizei de tip panel const n aceea c permite o mai mare
flexibilitate n modelarea diferenelor nregistrate n comportamentele individuale.
S ne reamintim...
Etapele procesului de modelare
15
Rezumat
n sens restrns, econometria este definit ca o aplicaie a statisticii matematice
n economie, astfel nct prin analiza i prelucrarea datelor economice s se ofere un
suport empiric modelelor construite de economia matematic .
n sens larg, econometria este neleas ca o tiin de grani ntre economie,
matematic i statistic.
Un studiu econometric presupune parcurgerea urmtoarelor etape:
(1) formularea modelului pornind de la teoria considerat adecvat pentru
explicarea evoluiei unui proces economic,
(2) realizarea unei cercetri selective pentru generarea unor serii de date
referitoare la procesul respectiv,
(3) estimarea modelului,
(4) testarea ipotezelor teoretice folosite n construirea modelului
(5) interpretarea rezultatelor.
Parametrii modelului pot fi definii ca fiind caracteristicile cantitative ale
sistemului studiat.
Prin ecuaiile unui model se ncearc surprinderea legturilor dintre variabilele
endogene i cele explicative. ntr un model econometric pot aprea ecuaii de
comportament, ecuaii de definiie i ecuaii contabile (de echilibru).
Datele economice reprezint reflectri cantitative sau calitative ale dimensiunii,
strii i evoluiei proceselor i fenomenelor economice.
Rspunsuri:
16
sunt n general traduse sub forma unui sistem matematic numit model. Logica
modelului ne permite s explorm consecinele naturale ale ipotezelor reinute,
s le confruntm cu rezultatele experimentale i s ajungem pe aceast cale la o
cunoatere mai bun a realitii i s acionm mai eficace asupra sa."
2. Vezi tablelul anterior.
3. Procesul de construcie a unui model economico-matematic presupune
parcurgerea mai multor etape.
ntr-o prim etap, prin analiza unui obiect din realitatea economic (un
proces, un fenomen etc.) se identific o mulime finit de proprieti ale
acestuia. Proprietile reinute ca fiind semnificative reprezint teoria
economic (modelul economic) elaborat pentru obiectul respectiv din realitate.
n a doua etap, se caut o teorie matematic n care poate fi descris o
structur a sistemului.
n etapa a treia, se realizeaz rezolvarea modelului.
n a patra etap, aceste noi proprieti (informaii) sunt transferate asupra
obiectului original
Bibliografie
1. Jula N., Jula D., 2013, Modele econometrice, Editura Mustang, Bucureti, pp.
13-31
2. Jula N., Jula D., 2010, Modelare economic. Modele econometrice i de
optimizare, Editura Mustang, Bucureti
3. Dobrescu E., 2000, Macromodelul economiei romneti de tranziie, Editura
Expert, Bucureti
4. Jula D., 2003, Introducere n econometrie, Editura Professional Consulting,
Bucureti
5. Jula N., 2004, Modelarea deciziilor financiar-monetare, Editura Bren, Bucureti
6. Jula N., 2006, Modelare economic elemente de econometrie aplicat,
Editura Mustang, Bucureti
7. Jula N., 2006, Modelare economic econometrie aplicat, Editura Cartea
17
Studeneasc, Bucureti
8. Pecican E.S., 1996, Macroeconometrie. Politici economice guvernamentale i
econometrie, Editura Economic, Bucureti
18
Unitatea de nvare 2. Modele de optimizare
Cuprins
Introducere
Dup parcurgerea unitii vei fi n msur s rspundei la ntrebrile:
Cnd se folosete un algoritm de optimizare?
Care sunt modelele de optimizare a stocului?
Problema de transport - enun i rezolvare.
Ce reprezint teoria firelor de ateptare?
19
Stocurile de materii prime
Prin stoc se nelege o cantitate oarecare de resurse, de orice fel, existent la un
moment dat i nefolosit ntr-un proces de transformare, indiferent de natura acestuia.
n general se spune c o resurs oarecare intr n stoc atunci cnd este nmagazinat
ntr-un mod oarecare. n mod asemntor, se spune c o resurs iese din stoc atunci
cnd este consumat efectiv.
Volumul stocurilor este determinat de caracterul procesului de producie, natura
materiilor prime, modul de aprovizionare i eventualele dificulti ale acestui proces
(frecvena i regularitatea sosirii lor n ntreprindere, starea mijloacelor i a cilor de
transport .a.).
Stocul curent reprezint cantitatea de materiale care trebuie s asigure
continuitatea produciei n intervalul dintre dou aprovizionri. Stocul de siguran
reprezint cantitatea de materiale necesar pentru a preveni ntreruperile din producie
determinate de unele dificulti n aprovizionare, dificulti cauzate de evenimente cu
caracter aleatoriu. Stocul sezonier cuprinde materialele care sunt utilizate n producie
i/sau sunt aduse n ntreprindere numai n anumite perioade ale anului. Aceast
situaie este determinat, n special, de ciclul produciei industriale.
Elementele principale analizate n cadrul unui proces de stocare sunt: cererea
de resurse, aprovizionarea, costurile implicate, parametrii legai de timp.
Satisfacerea cererii de materii prime (resurse) este scopul procesului de stocare.
Cererea apare ca urmare a procesului de producie i depinde de nivelul produciei i
consumurile specifice. Volumul i ritmul aprovizionrii sunt determinate de cererea de
resurse, durata de livrare a produselor (intervalul dintre lansarea comenzii i sosirea
materiilor prime) i costurile implicate n acest proces.
Costurile implicate n cazul unui proces de stocare se pot grupa n trei categorii:
cl - cheltuielile de lansare a comenzii sunt compuse din suma cheltuielilor efectuate
pn la intrarea produselor n stoc (cheltuielile legate de formularea comenzii,
cheltuieli administrative determinate de operaia de reaprovizionare);
cs - cheltuielile de stocare compuse din cheltuielile de depozitare, ntreinere, asigurare,
imobilizare a capitalului financiar etc. Costul stocrii este, de obicei, proporional
cu cantitatea de bunuri stocat i cu durata depozitrii;
cp - costul de penalizare (cheltuielile de rupere a stocului) reprezint pierderile
nregistrate n situaiile n care cererea de resurse este superioar stocului (amenzi,
ntreruperea produciei, plata despgubirilor pentru producia nelivrat etc.). De
obicei, aceste cheltuieli sunt proporionale cu cantitatea cerut din resursa respecti-
v i nesatisfcut i cu durata penuriei.
20
intervalul de timp dintre dou aprovizionri succesive este:
2 T cl
t opt =
V cs
mrimea comenzii de aprovizionare este:
2 V cl
vopt =
T cs
Atunci, nivelul minim al cheltuielilor totale este:
C opt = 2 V T cl cs
Simbolurile utilizate au urmtoarele semnificaii:
topt - intervalul optim ntre dou aprovizionri succesive;
vopt - mrimea lotului optim;
Copt - volumul minim al cheltuielilor totale (lansare a comenzii plus stocare a
produselor);
T - intervalul de timp pentru care se face gestiunea;
V - cererea total de produse pe intervalul T;
cl - cheltuielile de lansare;
cs - costul de stocaj pe unitatea de produs stocat.
n condiiile de ruptur a stocului, elementele prezentate mai sus se calculeaz
prin introducerea unui factor de indisponibilitate:
cp
= .
cs + c p
Atunci:
intervalul de timp dintre dou aprovizionri succesive este:
2 T cl cs + c p
t opt =
V cs cp
mrimea comenzii de aprovizionare este:
2 V cl cs + c p
vopt =
T cs cp
stocul optim este:
2 V cl cp
sopt =
T cs cs + c p
Nivelul minim al cheltuielilor totale este:
21
cp
C opt = 2 V T cl c s
cs + c p
Simbolurile utilizate au urmtoarele semnificaii:
topt - intervalul optim ntre dou aprovizionri succesive;
vopt - mrimea lotului optim;
Copt - volumul minim al cheltuielilor totale (lansare a comenzii plus stocare a
produselor);
sopt - mrimea stocului optim;
T - intervalul de timp pentru care se face gestiunea;
N - cererea total de produse pe intervalul T;
cl - cheltuielile de lansare;
cs - costul de stocaj, pe unitatea de produs stocat;
cp - costul de penalizare.
Exemplu
22
lotul optim pentru evitarea ruperii stocului:
1
vopt = 372.7 441 (tone)
0.71
stocul optim:
sopt = 4410.71 = 313 (tone)
perioada ntre dou aprovizionri succesive:
1
t opt = 27 32 (zile)
0.71
costul total minim al gestiunii stocului:
Problema de transport
23
Exemplu
n 3 depozite Ai, 1 i 3 se afl un produs solicitat de 5 consumatori Bj, 1 j 5.
Cantitile disponibile n fiecare depozit, cantitile solicitate de fiecare consumator i
costurile unitare de transport de la fiecare depozit la fiecare consumator sunt prezentate
n tabelul urmtor. Se cere s se determine un program de transport, astfel nct
cheltuielile totale de transport s fie minime.
B1 B2 B3 B4 B5 Disponibil
A1 15 8 12 6 12 2500
A2 5 20 15 10 4 1500
A3 12 10 8 12 8 2000
Soluia iniial, obinut prin metoda costului minim din tabel este:
B1 B2 B3 B4 B5 Disponibil
v1 v2 v3 v4 v5
u1 8 6
u2 5 4
u3 12 10 8
24
Sistemul obinut este:
u1 v2 8 u1 v4 6
u v 5 u v 4
2 1 2 5
u
3 1 v 12 u 3 v 2 10
u 3 v3 8
ui v j cij v1 = 12 v2 = 10 v3 = 8 v4 = 8 v5 = 11
u1 = -2 -5 0 -6 0 -3
u2 = -7 0 -17 -14 -9 0
u3 = 0 0 0 0 -4 3*
Dac toate aceste diferene sunt negative sau zero soluia este optim. Dac
exist diferene pozitive, algoritmul continu. Se alege valoarea maxim dintre
diferenele pozitive. Poziia acestei diferene pozitive maxime este marcat cu (*). Se
construiete, potrivit algoritmului prezentat, ciclul corespunztor diferenei respective.
Acest ciclu este, de asemenea, marcat n tablou.
B1 B2 B3 B4 B5 Disponibil
A3 700 500
2000
800(-) (+) *
B1 B2 B3 B4 B5 Disponibil
A2 1500 0 1500
25
A3 700 500 800 2000
v v2 v3 v4 v5
1
u1 8 6
u2 5 4
u3 10 8 8
ui v j cij v1 = 9 v2 = 10 v3 = 8 v4 = 8 v5 = 8
u1 = -2 -8 0 -6 0 -6
u2 = -4 0 -14 -11 -6 0
u3 = 0 -3 0 0 -4 0
Toate diferenele ui v j cij sunt negative sau zero, deci soluia este optim.
Aceast soluie propune ca programul optim de transport s fie urmtorul:
A1 B2 1300
A1 B4 1200
A2 B1 1500
A3 B2 700
26
A3 B3 500
A3 B5 800
Formularea problemei
Timpul de ateptare n vederea servirii i durata servirii propriu-zise sunt n
funcie de ritmul sosirii solicitanilor i operativitatea rspunsului oferit de sistemul de
servire.
Studiul problemelor legate de procesele de ateptare a generat metode specifice
de analiz, grupate n teoria matematic a sistemelor de ateptare12
Modelul matematic
Dac exist o singur staie de servire, venirile n sistem sunt ntmpltoare,
independente unele de altele i nelimitate, numrul de sosiri pe unitatea de timp este o
variabil aleatoare repartizat Poisson cu media , serviciile sunt independente ntre ele
i nu depind de sosiri, durata serviciului fiind o variabil aleatoare cu o repartiie
exponenial negativ de parametru , iar ordinea de servire este primul venit - primul
servit (FIFO), clienii fiind servii n ordinea sosirii13, atunci se demonstreaz ca14:
(a) numrul mediu de solicitani n irul de ateptare (nf);
(b) numrul mediu de solicitani n sistem (n ir sau n curs de servire) (ns);
(c) timpul mediu de ateptare n ir (ts);
(d) timpul mediu de ateptare n sistem (ts)
se calculeaz astfel:
12
Primele lucrri n domeniul teoriei ateptrii sunt cele ale lui Karl Erlang (1908) efectuate pentru compania de telefoane din
Copenhaga. Terminologia utilizat n modelele din teoria sistemelor de ateptare s-a impus dup prezentarea de ctre D.G.
Kendall la Societatea Regal de Statistic din Londra a crii Some Problems in the Theory of Quenes, J.Ray Statist. Soc., Ser.
B, 13, No.2, 1951 (vezi A.M.Lee, Teoria ateptrii cu aplicaii, Bucureti, Editura Tehnic, 1976, p.15-16). n limba romn, pot fi
consultate, pe lng lucrarea menionat, i altele. Citm doar: Gh.Mihoc, G. Ciucu, Introducere n teoria ateptrii, Bucureti,
Editura Tehnic, 1967; Gh. Mihoc, G. Ciucu, A. Muja, Modele matematice ale ateptrii , Bucureti, Editura Academiei, 1973.
13
Aceast regul este numit FIFO (first in first out). Exist i alte reguli de servire: LIFO (last in first out), adic ultimul venit,
primul servit (de exemplu produsele sunt ambalate n cutii i aezate n stiv lng vnztor; servirea se va face prima dat din
cutia aezat deasupra, adic ultima adus etc.); servire aleatoare - cnd fiecare cerere poate fi servit cu aceeai probabilitate;
servire cu aplicarea unor reguli de prioritate; disciplin de servire de tipul urmtor: prima cerere din irul de ateptare este servit
numai o perioad de timp (cuant), dup care, dac cererea a fost satisfcut integral, solicitantul prsete sistemul, dac nu,
intr din nou n irul de ateptare pentru continuarea serviciului (metod utilizat, de exemplu, pentru servirea solicitanilor unui
sistem de calcul) .
14
Pentru demonstrarea acestor formule vezi, de exemplu, acad. O. Onicescu, Probabiliti i procese aleatoare, Bucureti,
Editura tiinific i Enciclopedic, 1977, p.486-502; A. M. Lee, Teoria ateptrii cu aplicaii, Bucureti, Editura Tehnic, 1976,
p.31-38; G. Boldur Lescu, I. Scuiu, E. ignescu, Cercetare operaional cu aplicaii n economie, Bucureti, Editura Didactic
i Pedagogic, 1979, p.232-240 .a.
27
2
nf =
1-
ns =
1-
tf =
(1 - )
1
ts =
(1 - )
unde:
=
este denumit factorul de serviciu, iar:
- parametrul ce caracterizeaz sosirile n sistem (media sosirilor);
- parametrul ce caracterizeaz durata servirii (numrul mediu al solicitanilor servii
n unitatea de timp).
Mai mult, probabilitatea ca un solicitant s atepte n ir un timp mai mare
dect un timp dat t0 este:
P( t f > t0 ) = e-t0 (1- )
probabilitatea ca un solicitant s atepte:
P(tf > 0) =
i, de aici, probabilitatea ca unitatea de servire s nu fie ocupat este:
P(ns = 0) = 1
Timpul mediu de inactivitate al unitii de servire ntr-un anumit interval T
este:
Tn = (1 )T
Exemplu
28
ns = 5 persoane;
- timpul mediu de ateptare al unei persoane n irul de ateptare:
tf = 1.67 minute;
- timpul mediu de ateptare al unei persoane n sistem:
ts = 2 minute;
- probabilitatea ca un solicitant s atepte un timp mai mare de 5 minute:
P(tf > 5) = 6.84%;
- probabilitatea ca unitatea s nu fie ocupat, s nu existe nici un solicitant:
P(ns = 0) = 16.7%;
- timpul mediu de inactivitate al unitii de servire ntr-o or:
Tn(1 or) = 10 minute.
n cazul n care exist mai multe uniti de servire, relaiile de determinare a
numrului de solicitani ce ateapt s fie servii i a timpului de ateptare sunt mai
complicate.
Notnd ca mai nainte = / i * = /s, unde s = numrul de uniti care sunt
la dispoziia solicitanilor, atunci:
s *
n f = p0
s! (1 - * )2
s *
n s = p0 +
s! (1 - * )2
s 1
t f = p0
s s! (1 - * )2
1
ts = t f +
unde p0 este probabilitatea ca n sistemul de ateptare s nu fie nici o persoan i:
-1
s -1 n n
p0 = + *
n=0 n! s! (1 - )
Probabilitatea ca toate punctele de servire s fie ocupate la un moment dat (Ps0)
se calculeaz:
s
Pso = p0
s! s-
Probabilitatea ca timpul de ateptare a unui solicitant n firul de ateptare s nu
depeasc un timp dat t0 este:
s
P( t f < t 0 ) = e-(s - )t 0 p0
s! s -
29
Dac s = 2 (numrul de uniti sau puncte de servire), timpul de ateptare n ir
este dat de relaia
2
2 1
t f = / 1 - ,
2 2
iar numrul de solicitani n firul de ateptare
2
2
n f = / 1 - .
2 2
De asemenea, timpul de ateptare n sistem
1
ts = t f + ,
iar numrul de solicitani
ns = nf + .
S presupunem c pentru un produs se nregistreaz n medie 90 solicitani pe
or, iar timpul necesar pentru satisfacerea unei cereri urmeaz o lege de repartiie
exponenial negativ i este n medie 1.2 minute. n acest caz, dac unitatea de timp
considerat este ora,
= 90 persoane pe or;
= 60/1.2 = 50 persoane pe or,
deci
= 90/50 = 1.8
Deoarece > 1, dac solicitanii ar fi servii de un singur vnztor, n sistem s-
ar produce o aglomerare nelimitat. Dac servirea este asigurat de doi vnztori,
pentru irul de ateptare format, factorul de servire va fi
* = /2 = 0.9 < 1
Atunci, potrivit relaiilor prezentate mai sus:
- timpul mediu de ateptare al unui solicitant la coad:
tf = 5.1 minute;
- timpul mediu de ateptare al unui solicitant n sistem:
ts = 6.3 minute;
- numrul mediu de persoane n irul de ateptare:
nf = 7.67 persoane;
- numrul mediu de persoane n sistem:
ns = 9.47 persoane.
30
S ne reamintim...
31
iar timpul de ateptare n sistem:
ts = 17.2 minute,
adic o economie de 42.8 minute.
n ambele cazuri se realizeaz o important economie de timp (ca valoare
medie).
Rezumat
Procesul de stocare reprezint acumularea unor bunuri n vederea satisfacerii
unei cereri viitoare.
Prin stoc se nelege o cantitate oarecare de resurse, de orice fel, existent la
un moment dat i nefolosit ntr un proces de transformare, indiferent de natura
acestuia.
Algoritmul pentru rezolvarea problemei de transport se bazeaz pe teorema
ecarturilor complementare: dac ui i vj sunt variabile ataate n problema dual
restriciilor din problema de transport, atunci ansamblul de valori ale variabilelor xij, ui
i vj (i = 1, ..., m; j = 1, ..., n) constituie programe optimale ale cuplului de probleme de
transport dac i numai dac:
n m
ij x a i , i 1, m; xij b j , j 1, n
j 1 i 1
x 0 i 1, m , j 1, n, c u v 0; x c u v 0
ij ij i j ij ij i j
Din ultima relaie se deduce faptul c, dac xij 0 (adic, dac xij este n baz)
atunci cij ui vj = 0, echivalent cu ui + vj = cij..
Studiul problemelor legate de procesele de ateptare a generat metode specifice
de analiz, grupate n teoria matematic a sistemelor de ateptare.
Rspunsuri:
32
1. Procesul de stocare reprezint acumularea unor bunuri n vederea satisfacerii
unei cereri viitoare.
2. Stocul curent reprezint cantitatea de materiale care trebuie s asigure
continuitatea produciei n intervalul dintre dou aprovizionri.
3. Costurile implicate n cazul unui proces de stocare se pot grupa n trei
categorii:
cl - cheltuielile de lansare a comenzii sunt compuse din suma cheltuielilor
efectuate pn la intrarea produselor n stoc (cheltuielile legate de
formularea comenzii, cheltuieli administrative determinate de operaia
de reaprovizionare);
cs - cheltuielile de stocare compuse din cheltuielile de depozitare, ntreine-
re, asigurare, imobilizare a capitalului financiar etc. Costul stocrii este,
de obicei, proporional cu cantitatea de bunuri stocat i cu durata
depozitrii;
cp - costul de penalizare (cheltuielile de rupere a stocului) reprezint pierde-
rile nregistrate n situaiile n care cererea de resurse este superioar
stocului (amenzi, ntreruperea produciei, plata despgubirilor pentru
producia nelivrat etc.). De obicei, aceste cheltuieli sunt proporionale
cu cantitatea cerut din resursa respectiv i nesatisfcut i cu durata
penuriei.
4. Problema de transport este echilibrat dac suma cantitilor din depozite este
egal cu suma solicitrilor.
Tem de control
Construii i rezolvai o problem de transport echilibrat, cu 6 clieni i 4
depozite, suma de echilibru fiind 10000.
Bibliografie
1. Jula N., Jula D., 2009, Modelare economic. Econometrie financiar, Editura
33
Mustang, Bucureti
2. Jula N., Jula D., 2010, Modelare economic. Modele econometrice i de
optimizare, Editura Mustang, Bucureti
3. Dobrescu E., 2000, Macromodelul economiei romneti de tranziie, Editura
Expert, Bucureti
4. Jula D., 2003, Introducere n econometrie, Editura Professional Consulting,
Bucureti
5. Jula N., 2004, Modelarea deciziilor financiar-monetare, Editura Bren, Bucureti
6. Jula N., 2006, Modelare economic elemente de econometrie aplicat,
Editura Mustang, Bucureti
7. Jula N., 2006, Modelare economic econometrie aplicat, Editura Cartea
Studeneasc, Bucureti
34
Unitatea de nvare 3. Modele Econometrice Modelul Linear
de Regresie
Cuprins
Introducere
Dup parcurgerea unitii vei fi n msur s rspundei la ntrebrile:
Ce este modelul linear unifactorial de regresie?
Ce este modelul linear multifactorial de regresie?
Care sunt proprietile estimatorilor calculai prin aceste modele?
Modele econometrice
ncepem acest modul prin analiza unui exemplu ipotetic privind dinamica masei
monetare i a inflaiei ntr-o perioad dat de timp. Din teoria economic se cunoate
35
faptul c masa monetar i rata inflaiei sunt dou variabile care nu evolueaz
independent una de alta. Admitem faptul c masa monetar depinde n mare msur
de nivelul preurilor.
Reinem ideea c masa monetar depinde linear de nivelul preurilor, adic
M = f(P, e),
unde prin e am simbolizat ceilali factori care contribuie la dinamica masei monetare.
n cazul general, se noteaz cu Y variabila explicat (n exemplul prezentat
M Y) i X variabila explicativ (n exemplul prezentat P X). Scriem atunci relaia
precedent astfel:
Y = f(X, e),
unde Y este variabila endogen, X variabila exogen, iar e reprezint un factor
perturbator, de natur aleatoare.
Ecuaia de regresie
Ecuaia de regresie poate fi scris astfel:
Y = a0 + a1X + e,
unde Y este variabila endogen (variabila explicat prin model), X este variabila
exogen (variabila explicativ), a0 i a1 sunt parametrii modelului, iar e reprezint
eroarea sau abaterea dintre valoarea anticipat a endogenei i valoarea efectiv
nregistrat.
Forma exact a ecuaiei de regresie nu este cunoscut. Se admite, n acest
punct, doar ipoteza c relaia dintre Y i X este linear. n aceste condiii, problema
modelrii legturii dintre masa monetar i preuri este aceea de a determina, folosind
datele disponibile, o form ct mai adecvat a relaiei dintre cele dou variabile.
36
Y
Y a0 a1X
Yt
ut
Yt a0 a 1X t
Xt X
Grafic, criteriul aplicat n cazul metodei celor mai mici ptrate este
urmtorul: dreapta care asigur cea mai bun ajustare a punctelor
empirice (dreapta de regresie) este aceea pentru care se minimizeaz
suma ptratelor abaterilor dintre punctele de pe grafic i punctele care
au aceiai abscis pe dreapta de regresie, abaterile fiind msurate
vertical.
t Y n
a 0 a 1 Xt
t 1 t 1
n n n
X t Yt a 0 X t a1 X t2
t 1 t 1 t 1
37
Ipoteza I-7: erorile sunt normal distribuite.
S ne reamintim...
Dac n modelul de regresie linear, variabila exogen are dispersia nenul, dar
finit i este independent fa de erori, iar erorile sunt variabile aleatoare
independente ntre ele, normal distribuite, cu medie zero i dispersia constant, atunci
estimatorii obinui prin metoda celor mai mici ptrate sunt lineari, nedeplasai
(consisteni), eficieni, normal distribuii i de maxim verosimilitate.
15
Pentru demonstraia proprietilor vezi Jula D., 2003, Introducere n econometrie, Editura Professional Consulting, Bucureti,
cap.2, anexele 2.A.6 2.A.10, pag.56-70.
38
evoluia salariilor n economie, de dinamica productivitii muncii, de cursul de schimb
al monedei naionale, de ratele dobnzii, de preurile la energie pe plan internaional
etc.
Estimarea parametrilor din modelul linear multifactorial metoda celor mai mici
ptrate
Presupunem c printr-o cercetare selectiv sunt obinute n nregistrri. Fiecare
nregistrare conine o singur valoare pentru variabila Y i cte o valoare pentru fiecare
dintre variabilele explicative.
Scriem Xit valoarea variabilei i, n nregistrarea t, unde i 1, k , iar t 1, n .
39
e este un vector coloan, de dimensiuni n 1, care include cele n valori ale
variabilei de abatere (erorile din ecuaie de regresie)
Cu aceste notaii, sistemul poate fi scris matriceal astfel:
Y = XA + e.
Dac se selecteaz valorile obinute n nregistrarea t pentru variabilele din ecuaia
precedent, atunci
t = 0 + 1X1t + 2X2t + ... + kXkt.
Valoarea nregistrat Yt nu coincide cu valoarea calculat t pe baza
modelului, diferena dintre cele dou mrimi fiind un estimator al erorilor din ecuaia
de regresie. Notm estimatorul respectiv cu ut i l denumim variabila rezidual.
Atunci:
Yt = + ut, oricare ar fi t = 1, 2, ..., n,
Ecuaiile pot fi scrise sub form matriceal astfel:
Y = X + u,
unde i u sunt vectorii ataai estimatorilor, respectiv variabilei reziduale.
a 0 u1
a1 u2
A a 2 , u u 3
a u
k n
Valorile i u depind de eantionul selectat i de metoda de estimare aleas.
Ipotezele modelului
Estimarea parametrilor din ecuaia de regresie multifactorial se bazeaz, la fel
ca n cazul unifactorial, pe o serie de ipoteze referitoare la forma dependenei dintre
variabile, la variabila explicativ i la variabila de abatere.
40
a. Variabilele explicative nu sunt aleatoare, au valorile fixate atunci cnd se
repet selecia
d. Nu exist nici o relaie linear ntre dou sau mai multe variabile
explicative (absena colinearitii)
Proprieti ale estimatorilor calculai prin metoda celor mai mici ptrate
Exemple
Modelul linear unifactorial
Pentru exemplificarea modului de calcul a estimatorilor din modelul linear
unifactorial analizm legtura dintre veniturile populaiei i volumul economiilor.
Datele nregistrate pentru 20 momente diferite de timp sunt prezentate n tabelul
41
urmtor:
Veniturile
Nr. Volumul
populaiei
crt. economiilor (Y)
(X)
1 100 20
2 110 25
3 120 28
4 125 30
5 130 33
6 140 35
7 150 36
8 155 42
9 170 44
10 170 42
11 180 45
12 185 50
13 190 47
14 200 48
15 205 52
16 210 58
17 215 54
18 220 55
19 220 58
20 225 60
42
unde Yt este variabila endogen (explicat) volumul economiilor populaiei, Xt este
variabila exogen (explicativ) veniturile populaiei, et variabila de abatere
(discrepana dintre valorile nregistrate i cele anticipate pe baza modelului), a0 i a1
sunt parametrii modelului.
43
Valorile calculate sunt prezentate n col.5 a tabelul anterior. De asemenea, se
pot calcula reziduurile din ecuaia de regresie, adic abaterile dintre valorile
nregistrate ale variabilei endogene (Yt) i valorile estimate pe baza modelului (t):
ut = Yt t
Valorile variabilei reziduale ut sunt date n coloana 6 a tabelului 2-1.
70
60 Y = - 6.4079 +0.2895X
2
50 R = 0.9719
40
30
20
10
75 100 125 150 175 200 225 250
44
16 1.1 3.8 0.4
17 0.8 3.9 0.6
18 -0.5 4.1 -0.9
19 -1.4 3.9 -1.4
20 0.2 4.1 -0.2
21 1.8 4.2 1.5
22 2.2 3.8 0.9
23 2.1 4.1 1.0
24 1.5 4.2 0.7
25 1.8 3.8 1.2
Datele sunt reprezentate grafic n figura urmtoare. Modelul linear bi-factorial
se scrie:
Yt = a0 + a1X1t + a2X2t + et.
Vectorul estimatorilor se calculeaz dup relaia:
= (X'X)-1X'Y.
Matricea X3,3 se construiete astfel: n prima coloan apare valoarea 1; n coloana
urmtoare sunt trecute valorile variabilei X1t (dinamica veniturilor populaiei), iar n
ultima coloan, valorile variabilei X2t (evoluia ratei reale a dobnzii pasive). Vectorul
Y25,1 conine elementele nregistrate pentru variabila dinamica depozitelor bancare.
5.0 X1 X2 Y
4.0
3.0
2.0
1.0
0.0
1 3 5 7 9 11 13 15 17 19 21 23 25
-1.0
-2.0
45
24.378 0.046 6.121
1
( X ' X ) 0.046 0.039 0.022
6.121 0.022 1.542
De asemenea,
11.3
X 'Y 31.75 .
45.86
Rezult:
3.78693
A 0.75722
0.860999
t X1t X2t Yt t ut = Yt t
1 0.5 4.1 0.3 0.1218 0.1782
2 1.0 4.2 0.8 0.5865 0.2135
3 1.2 4.0 0.3 0.5657 -0.2657
4 -0.3 4.1 -0.5 -0.4840 -0.0160
5 2.1 3.8 0.8 1.0750 -0.2750
6 2.3 4.2 1.4 1.5709 -0.1709
7 1.2 3.8 0.2 0.3935 -0.1935
8 1.0 3.9 0.7 0.3282 0.3718
9 0.8 3.9 0.0 0.1767 -0.1767
10 0.0 3.8 -0.7 -0.5151 -0.1849
11 -0.6 3.8 -1.0 -0.9695 -0.0305
12 2.2 3.8 1.3 1.1507 0.1493
13 1.4 4.2 1.0 0.8894 0.1106
14 2.0 3.9 1.2 1.0854 0.1146
15 2.3 4.2 1.7 1.5709 0.1291
16 1.1 3.8 0.4 0.3178 0.0822
17 0.8 3.9 0.6 0.1767 0.4233
18 -0.5 4.1 -0.9 -0.6354 -0.2646
19 -1.4 3.9 -1.4 -1.4891 0.0891
20 0.2 4.1 -0.2 -0.1054 -0.0946
46
21 1.8 4.2 1.5 1.1923 0.3077
22 2.2 3.8 0.9 1.1507 -0.2507
23 2.1 4.1 1.0 1.3333 -0.3333
24 1.5 4.2 0.7 0.9651 -0.2651
25 1.8 3.8 1.2 0.8479 0.3521
Rezumat
n modelul unifactoria, ecuaia de regresie poate fi scris ntr o form echivalent
astfel:
Y = a0 + a1X + e,
unde Y este variabila endogen (variabila explicat prin model), X este variabila
exogen (variabila explicativ), a0 i a1 sunt parametrii modelului, iar e reprezint
eroarea sau abaterea dintre valoarea anticipat a endogenei i valoarea efectiv
nregistrat
Dac n modelul de regresie linear, variabila exogen are dispersia nenul, dar finit
i este independent fa de erori, iar erorile sunt variabile aleatoare independente ntre
ele, normal distribuite, cu medie zero i dispersia constant, atunci estimatorii obinui
prin metoda celor mai mici ptrate sunt lineari, nedeplasai (consisteni), eficieni,
normal distribuii i de maxim verosimilitate.
Modelul factorial este de forma
Y = a0 + a1X1 + a2X2 + ... + akXk + e
unde Y este variabila endogen, X1, X2, , Xk sunt k variabile explicative,
a0, a1, a2, , ak sunt k+1 parametri necunoscui, iar e este variabila de abatere (eroarea)
din ecuaia de regresie.
Se demonstreaz c valorile 0, 1, , k, care minimizeaz suma ptratelor
reziduurilor se calculeaz astfel:
= (X'X)-1X'Y
Rspunsuri:
47
1. Ecuaia de regresie poate fi scris ntr-o form echivalent astfel:
Y = a0 + a1X + e,
unde Y este variabila endogen (variabila explicat prin model), X este
variabila exogen (variabila explicativ), a0 i a1 sunt parametrii modelului, iar
e reprezint eroarea sau abaterea dintre valoarea anticipat a endogenei i
valoarea efectiv nregistrat
2. Procedura cunoscut sub denumirea de metoda celor mai mici ptrate const n
nsumarea ptratelor abaterilor i determinarea acelor valori ale parametrilor
care s duc la minimizarea sumei respective.
Grafic, criteriul aplicat n cazul metodei celor mai mici ptrate este urmtorul:
dreapta care asigur cea mai bun ajustare a punctelor empirice (dreapta de
regresie) este aceea pentru care se minimizeaz suma ptratelor abaterilor
dintre punctele de pe grafic i punctele care au aceeai abscis pe dreapta de
regresie, abaterile fiind msurate vertical.
Analitic, se demonstreaz c valorile (0, 1) care minimizeaz suma ptratelor
abaterilor u dintre datele nregistrate ale variabilei Y i valorile calculate sunt
soluiile sistemului de ecuaii normale:
n n
t Y na 0
a 1 X t
t 1 t 1
n n n
X tYt a0 X t a1 X t2
t 1 t 1 t 1
48
Test de evaluare a cunotinelor
1. n ce condiii estimatorii obinui prin metoda celor mai mici ptrate sunt
lineari, nedeplasai (consisteni), eficieni, normal distribuii i de maxim
verosimilitate?
Bibliografie
1. Jula N., Jula D., 2013, Modele econometrice, Editura Mustang, Bucureti, pp.
31-63
2. Jula N., Jula D., 2010, Modelare economic. Modele econometrice i de
optimizare, Editura Mustang, Bucureti
3. Dobrescu E., 2000, Macromodelul economiei romneti de tranziie, Editura
Expert, Bucureti
4. Jula D., 2003, Introducere n econometrie, Editura Professional Consulting,
Bucureti
5. Jula N., 2004, Modelarea deciziilor financiar-monetare, Editura Bren, Bucureti
6. Jula N., 2006, Modelare economic elemente de econometrie aplicat,
Editura Mustang, Bucureti
7. Jula N., 2006, Modelare economic econometrie aplicat, Editura Cartea
Studeneasc, Bucureti
8. Pecican E.S., 1996, Macroeconometrie. Politici economice guvernamentale i
econometrie, Editura Economic, Bucureti
49
Unitatea de nvare 4. Teste de Semnificaie
Cuprins
Dispersia estimatorilor
1. Dispersia estimatorilor n modelul unifactorial de regresie linear
2. Dispersia estimatorilor n modelul linear multifactorial
Teste privind semnificaia estimatorilor
1. Testul de semnificaie n cazul modelului unifactorial
2. Teste de semnificaie a estimatorilor n modelul linear multifactorial
Exemple de calcul
1. Modelul linear unifactorial
2. Modelul linear multifactorial
Introducere
Dup parcurgerea unitii vei fi n msur s rspundei la ntrebrile:
Ce este dispersia i cum se calculeaz n cazul celor 2 tipuri de modele?
Care sunt testele de semnificaie n cazul modelului unifactorial, respectiv
multifactorial?
Dispersia estimatorilor
50
n
u
t 1
2
t
s 2
n2
u
S A2 su2 X ' X ,
1
unde
1
su2 u'u
n k 1
este un estimator nedeplasat al dispersiei erorilor.
Pornind de la relaia precedent se calculeaz dispersia de selecie pentru
2
estimatorii parametrilor din ecuaia de regresie, notat s a , astfel: i
51
care respect ipotezele de la I-1 la I-7 sunt necesare cteva noiuni elementare privind
intervalele de ncredere i testarea ipotezelor statistice. Aceste noiuni sunt prezentate,
sintetic, n paragrafele urmtoare.
Exemple
Modelul linear unifactorial
tabelul urmtor:
52
6 140 35 34.1249 0.8751 0.7658 961
7 150 36 37.0201 -1.0201 1.0406 441
8 155 42 38.4677 3.5323 12.4773 256
9 170 44 42.8105 1.1895 1.4150 1
10 170 42 42.8105 -0.8105 0.6569 1
11 180 45 45.7057 -0.7057 0.4980 81
12 185 50 47.1533 2.8467 8.1038 196
13 190 47 48.6009 -1.6009 2.5628 361
14 200 48 51.4961 -3.4961 12.2226 841
15 205 52 52.9437 -0.9437 0.8905 1156
16 210 58 54.3913 3.6087 13.0228 1521
17 215 54 55.8389 -1.8389 3.3815 1936
18 220 55 57.2865 -2.2865 5.2280 2401
19 220 58 57.2865 0.7135 0.5091 2401
20 225 60 58.7341 1.2659 1.6025 2916
3420 862 862.0000 0.0000 74.3359 30630
s a2 4.148988
0
s a2 0.000135
1
sa = 0.0116
1
a1 0.28952
t a 24 .958
1
sa
0
0.0116
17
Vezi tabelul distribuiei t-Student din anexele prezentate la sfritul manualului.
53
Numrul gradelor de libertate - testul unilateral
Rezult:
deci estimatorul 0 poate fi garantat statistic cu un grad de ncredere mai mare dect
99.5%, dar nu poate fi garantat 99.95%. Gradul de ncredere exprim ansele de
respingere a ipotezei nule (potrivit creia estimatorul 0 nu difer semnificativ de zero)
i este calculat dup relaia (1 )100%, iar
t a 24 .958 t18
1
*
;0.0005 3.922 .
Variabila dependent: Y
Metoda de rezolvare: Metoda celor mai mici ptrate
Eantionul: 1 20
Observaii incluse: 20
54
Durbin-Watson stat 1.939666 Prob(F-statistic) 0.000000
55
10 0.0 3.8 -0.7 -0.5151 -0.1849 0.0342
11 -0.6 3.8 -1.0 -0.9695 -0.0305 0.0009
12 2.2 3.8 1.3 1.1507 0.1493 0.0223
13 1.4 4.2 1.0 0.8894 0.1106 0.0122
14 2.0 3.9 1.2 1.0854 0.1146 0.0131
15 2.3 4.2 1.7 1.5709 0.1291 0.0167
16 1.1 3.8 0.4 0.3178 0.0822 0.0068
17 0.8 3.9 0.6 0.1767 0.4233 0.1791
18 -0.5 4.1 -0.9 -0.6354 -0.2646 0.0700
19 -1.4 3.9 -1.4 -1.4891 0.0891 0.0079
20 0.2 4.1 -0.2 -0.1054 -0.0946 0.0090
21 1.8 4.2 1.5 1.1923 0.3077 0.0947
22 2.2 3.8 0.9 1.1507 -0.2507 0.0629
23 2.1 4.1 1.0 1.3333 -0.3333 0.1111
24 1.5 4.2 0.7 0.9651 -0.2651 0.0703
25 1.8 3.8 1.2 0.8479 0.3521 0.1240
26.7 99.6 11.3 11.3 0.0000 1.2952
su2 0.0589 .
t a1 15.72
t a1 2.86
56
testul unilateral
Numrul gradelor de libertate
0.10 0.05 0.025 0.01 0.005 0.0005
Rezult:
deci estimatorul 0 poate fi garantat statistic cu un grad de ncredere mai mare dect
99.5%, dar nu poate fi garantat 99.95%.
La fel ca n cazul modelului unifactorial, gradul de ncredere exprim ansele
de respingere a ipotezei nule (potrivit creia estimatorul 0 nu difer semnificativ de
zero) i este calculat dup relaia (1 )100%.
Estimatorul 1 este semnificativ diferit de zero cu un grad de ncredere mai
mare de 99.95%, deoarece
t a1 15.72 t 22
*
; 0.0005 3.792 .
De asemenea,
Variabila dependent: Y
Metoda de rezolvare: Metoda celor mai mici ptrate
Eantionul: 1 25
Observaii incluse: 25
57
Suma ptrate rezid. 1.295176 Schwarz criterion 0.263913
Rezumat
Se poate demonstra c o estimare nedeplasat a dispersiei erorilor, calculat
pornind de la dispersia de selecie a variabilei reziduale, este dat de expresia:
n
u 2
t
su2 t 1
n2
Prin calcul direct se pot deduce dispersiile estimatorilor 0 i 1 obinui prin
metoda celor mai mici ptrate. Se demonstreaz c dac se respect ipotezele I-5
(erorile nu sunt heteroscedastice) i I-6 (erorile nu sunt autocorelate), atunci se pot
calcula estimrile nedeplasate pentru dispersiile estimatorilor din modelul
unifactorial de regresie linear:
1 X2
s a20 su2
n
X t X
2
1
s a21 su2
X t X
2
58
Procedura uzual aplicat pentru testarea semnificaiei parametrilor din modelul
unifactorial de regresie linear urmrete testarea ipotezei nule H0: parametrii nu
difer semnificativ de zero, contra ipotezei alternative H1: parametrii din ecuaia de
regresie sunt, n valoare absolut, strict pozitivi. Atunci, sub ipoteza H0, statistica
a i
t ai
s ai
urmeaz o distribuie Student cu n 2 grade de libertate (i = 0 sau 1). Se respinge
ipoteza nul H0: i = 0 (X nu influeneaz Y) dac valoarea absolut a acestui test
este mai mare dect o valoare critic obinut din tabelele distribuiei t (Student).
Rspunsuri:
u 2
t
su2 t 1
n2
2. Pentru a calcula dispersia estimatorului i se nmulete dii elementul aflat pe
poziia i (i = 0, 1, 2, , k) n diagonala matricei (X'X)-1 cu dispersia constant
2
a valorilor variabilei reziduale su .
Tem de control
Construii un model de regresie i testai semnificaia estimatorilor parametrilor.
59
Bibliografie
1. Jula N., Jula D., 2013, Modele econometrice, Editura Mustang, Bucureti, pp.
63-91
2. Jula N., Jula D., 2010, Modelare economic. Modele econometrice i de
optimizare, Editura Mustang, Bucureti
3. Dobrescu E., 2000, Macromodelul economiei romneti de tranziie, Editura
Expert, Bucureti
4. Jula D., 2003, Introducere n econometrie, Editura Professional Consulting,
Bucureti
5. Jula N., 2004, Modelarea deciziilor financiar-monetare, Editura Bren, Bucureti
6. Jula N., 2006, Modelare economic elemente de econometrie aplicat,
Editura Mustang, Bucureti
7. Jula N., 2006, Modelare economic econometrie aplicat, Editura Cartea
Studeneasc, Bucureti
8. Pecican E.S., 1996, Macroeconometrie. Politici economice guvernamentale i
econometrie, Editura Economic, Bucureti
60
Unitatea de nvare 5. Heteroscedasticitatea Erorilor
Cuprins
Introducere
Dup parcurgerea unitii vei fi n msur s rspundei la ntrebrile:
Ce este heteroscedasticitatea?
Care sunt consecinele ignorrii acestui fenomen?
Care sunt principalele teste pentru depistarea ei?
Heteroscedasticitatea erorilor
Proprietatea erorile de a nu avea o dispersie constant se numete heteroscedasticitate.
n prezentul capitol sunt analizate problemele legate de testarea modului n care se
respect ipoteza privind distribuia erorilor cu o dispersie constant, consecinele
nerespectrii acestei ipoteze i procedurile de atenuare a fenomenului respectiv.
61
Consecine ale heteroscedasticitii
Dac fenomenul de heteroscedasticitate a erorilor din modelul de regresie
linear este ignorat, iar pentru estimarea parametrilor se folosete metoda celor mai
mici ptrate, atunci, sintetic, cele mai importante consecine ale ignorrii fenomenului
de heteroscedasticitate a erorilor sunt urmtoarele:
Testarea heteroscedasticitii
Deoarece fenomenul de heteroscedasticitate a erorilor invalideaz testele
statistice aplicate asupra semnificaiei parametrilor, este necesar ca prezena
fenomenului respectiv s fie testat i atunci cnd este semnalat, s fie aplicate
proceduri de eliminare.
Pentru modelul unifactorial de regresie, cea mai simpl metod de detectare a
fenomenului de heteroscedasticitate a erorilor const n reprezentarea grafic ntr-un
sistem de coordonate XOY a cuplurilor de puncte (Xt,Yt). Evident, procedura grafic
este imprecis, este ntr-o anumit msur subiectiv i, ca atare, are aplicabilitate
limitat. De aceea, au fost construite teste statistice care s identifice
heteroscedasticitatea erorilor. Cele mai cunoscute sunt: testul GoldfeldQuandt, testul
BreuschPagan i testul White.
Testul GoldfeldQuandt
Procedura GoldfeldQuandt este folosit pentru testarea ipotezei nule H0, care
presupune lipsa heteroscedasticitii erorilor, contra ipotezei alternative H1, care
admite faptul c dispersia erorilor este corelat cu valorile uneia dintre variabilele
explicative (de exemplu, dispersia erorilor crete pe msur ce cresc valorile acelei
variabile explicative care este considerat ca fiind relevant). Pentru aplicarea testului
se admite faptul c o astfel de variabil explicativ relevant poate fi identificat.
Testul Breusch-Pagan
Testul Breusch-Pagan se bazeaz pe multiplicatorii Lagrange. S presupunem
c dispersia erorilor 2t nu este constant ci este asociat cu un numr p de variabile Z1,
Z2, , Zp (cteva, sau toate dintre aceste variabile pot fi selectate dintre variabilele
62
explicative X ale modelului de regresie). Considerm modelul, n forma general
Yt = a0 + a1X1t + a2X2t + ... + akXkt + et, t = 1, 2, ..., n
i
t2 = 0 + 1Z1t + 2Z2t + + pZpt,
unde
t2 = Var(et).
Dac
1 = 2 = ... = p = 0,
atunci dispersia estimatorilor este constant t2 0 i erorile nu sunt
heteroscedastice. De aceea, prin procedura propus de Breusch i Pagan se testeaz
ipoteza nul H0: 1 = 2 = ... = p = 0, contra ipotezei alternative H1: exist cel puin o
valoare i nenul (i 0).
Testul White
Procedura White este urmtoarea:
1. Se estimeaz ecuaia de regresie prin metoda celor mai mici ptrate i se calculeaz
ut = Yt (0 + 1X1t + 2X2t + ... + kXkt), t = 1, 2, ..., n
2. Se calculeaz modelul
u2t = 0 + 1Z1t + 2Z2t + + pZpt + t,
pentru care se calculeaz coeficientul de determinare multipl R2. Dac oricare
dintre parametrii este semnificativ, valoarea coeficientului de determinare R2 va
fi semnificativ.
3. Dac nR 2 p2 0.05 atunci fenomenul de heteroscedasticitate a erorilor este
prezent cu o probabilitate de 95%.
Atenuarea heteroscedasticitii
S ne reamintim...
63
aceast situaie, printr-o specificare corect a modelului.
Exemple
64
Tabel: Selectarea seriilor pentru aplicarea procedurii GoldfeldQuandt,
modelul unifactorial
Seria 1 Seria 2
t Xt Yt t Xt Yt
1 100 20 11 180 45
2 110 25 12 185 50
3 120 28 13 190 47
4 125 30 14 200 48
5 130 33 15 205 52
6 140 35 16 210 58
7 150 36 17 215 54
8 155 42 18 220 55
9 170 44 19 220 58
10 170 42 20 225 60
65
Parametrii Estimatorii Ab.std. t-Statistic alfa
Modelul M2 este estimat prin metoda celor mai mici ptrate, pornind de la eantionul
prezentat n tabelul 4-2 sub denumirea de "seria 2". Au fost obinute urmtoarele
rezultate:
M 2: t = -6.97778 + 0.291111Xt.
Rezolvarea n detaliu este prezentat n tabelul EViews urmtor:
Variabila dependent: Y
Metoda de rezolvare: Metoda celor mai mici ptrate (vezi modulele anterioare)
Eantionul: 11 20
Observaii incluse: 10
66
Parametrii Estimatorii Ab.std t-Statistic alfa
VTR2 u 2
t
47.4222
Fc t 11
10
2.29
u
VTR1 2 20.7234
t
t 1
67
deci, erorile et din modelul iniial nu sunt heteroscedastice.
68
observaiilor n ordinea cresctoare a valorilor factorului care ar putea explica apariia
fenomenului de heteroscedasticitate a erorilor. Presupunem c acest factor ar putea fi:
dinamica veniturilor populaiei (X1t). n tabelul urmtor s-a realizat acest lucru.
69
3 -0.5 4.1 -0.9 16 1.5 4.2 0.7
4 -0.3 4.1 -0.5 17 1.8 4.2 1.5
5 0.0 3.8 -0.7 18 1.8 3.8 1.2
6 0.2 4.1 -0.2 19 2.0 3.9 1.2
7 0.5 4.1 0.3 20 2.1 3.8 0.8
8 0.8 3.9 0.0 21 2.1 4.1 1.0
9 0.8 3.9 0.6 22 2.2 3.8 1.3
10 1.0 4.2 0.8 23 2.2 3.8 0.9
11 1.0 3.9 0.7 24 2.3 4.2 1.4
12 1.1 3.8 0.4 25 2.3 4.2 1.7
70
Log likelihood 3.064694 F-statistic 59.42960
Modelul M2 este estimat prin metoda celor mai mici ptrate, pornind de la
eantionul prezentat anterior, sub denumirea de "seria 2". Au fost obinute urmtoarele
rezultate:
M 2: t = -3.967 + 0.77354X1t+ 0.9097X2t.
Rezolvarea n detaliu cu ajutorul programului EViews este prezentat n tabelul
urmtor.
Variabila dependent: Y
Metoda de rezolvare: Metoda celor mai mici ptrate
Data: 11/20/03 Ora: 12:47
Eantionul: 14 25
Observaii incluse: 12
71
R2 ajustat 0.548148 Ab.std.var.exog. 0.402549
VTR2 u 2
t
0.6590
Fc t 14
12
1.56
u
VTR1 2 0.4216
t
t 1
72
Rezumat
Proprietatea erorile de a nu avea o dispersie constant se numete
heteroscedasticitate.
Consecine ale ignorrii fenomenului de heteroscedasticitate a erorilor
a. Estimatorii parametrilor din model sunt nedeplasai i consisteni.
b. Estimatorii parametrilor din model nu sunt eficieni.
c. Estimatorii calculai pentru dispersia i covariana parametrilor sunt
deplasai, nu sunt consisteni i nu sunt eficieni.
d. Testul t Student aplicat pentru analiza semnificaiei estimatorilor nu este
valid.
e. Estimatorii parametrilor nu au proprietatea de maxim verosimilitate.
73
Bibliografie
1. Jula N., Jula D., 2013, Modele econometrice, Editura Mustang, Bucureti, pp.
120-161
2. Jula N., Jula D., 2010, Modelare economic. Modele econometrice i de
optimizare, Editura Mustang, Bucureti
3. Dobrescu E., 2000, Macromodelul economiei romneti de tranziie, Editura
Expert, Bucureti
4. Jula D., 2003, Introducere n econometrie, Editura Professional Consulting,
Bucureti
5. Jula N., 2004, Modelarea deciziilor financiar-monetare, Editura Bren, Bucureti
6. Jula N., 2006, Modelare economic elemente de econometrie aplicat,
Editura Mustang, Bucureti
7. Jula N., 2006, Modelare economic econometrie aplicat, Editura Cartea
Studeneasc, Bucureti
8. Pecican E.S., 1996, Macroeconometrie. Politici economice guvernamentale i
econometrie, Editura Economic, Bucureti
74
Unitatea de nvare 6. Autocorelarea Erorilor
Cuprins
Introducere
Dup parcurgerea unitii vei fi n msur s rspundei la ntrebrile:
Care sunt consecinele autocorelrii erorilor?
Care sunt principalele teste pentru depistarea autocorelrii?
Cum se realizeaz atenuarea acesti fenomen?
Autocorelarea erorilor
n prezena autocorelrii erorilor este afectat calitatea estimatorilor calculai prin
metoda celor mai mici ptrate pentru parametrii modelului de regresie. n modelele
economice de regresie linear se ntlnesc des situaii n care erorile sunt autocorelate.
n special, autocorelarea erorilor apare n modelele construite pentru seriile de timp.
Principalele cauze care determin fenomenul respectiv sunt:
(1) omiterea din model a unor variabile explicative cu influen semnificativ asupra
variabilei endogene;
75
(2) ignorarea prezenei unor relaii nelineare ntre variabile i
(3) imposibilitatea evitrii unor erori de msurare.
u t ut 1
2
dw t 2
n
u
t 1
2
t
unde ut sunt valorile variabilei reziduale din ecuaia de regresie linear, ecuaie
estimat pornind de la datele din eantionul selectat.
76
Testul Lagrange
Testul construit pe baza multiplicatorilor Lagrange pentru identificarea
fenomenului de autocorelare a erorilor (testul LM) a fost propus de Breusch18 i
Godfrey19. Acest test nu este restricionat la autocorelarea de ordinul I a erorilor i
rmne valid n prezena regresorilor construii pornind de la starea variabilei
dependente n perioadele trecute. n consecin, are o aplicabilitate mai mare dect
testul Durbin Watson.
S ne reamintim...
Procedura Hildreth Lu
De regul, numrul iteraiilor din procedura Hildreth Lu este mare, adic
aplicarea procedurii Hildreth Lu necesit rezolvarea unui numr mare de modele de
regresie. Din acest punct de vedere, procedura Hildreth Lu este mai laborioas dect
Cochrane Orcutt.
18
Breusch T., 1978, Testing foe autocorelation in dinamic linear models, n Australian Economic Papers, 17, pag. 334-355
19
Godfrey L.G., 1988, Specification Tests in Econometrics, Cambridge University Press
77
Rezumat
Autocorelarea erorilor presupune existena unei covariane nenule ntre erorile
din ecuaia de regresie.
Testul Durbin Watson este cea mai cunoscut procedur utilizat pentru
identificarea autocorelrii de ordinul nti a erorilor din modelele de regresie linear.
Statistica Durbin Watson se calculeaz astfel:
n
u t u t 1
2
dw t 2
n
u
t 1
2
t
unde ut sunt valorile variabilei reziduale din ecuaia de regresie linear, ecuaie
estimat pornind de la datele din eantionul selectat.
Nu exist nici o procedur care s garanteze eliminarea autocorelrii erorilor,
deoarece sursa fenomenului respectiv este dificil de identificat cu exactitate. De aceea,
procedurile aplicate atunci cnd prezena autocorelrii este semnalat prin testele
specifice, urmresc o ct mai bun atenuare a fenomenului respectiv.
Rspunsuri:
78
d. Testul t statistic (Student) aplicat pentru analiza semnificaiei
estimatorilor nu este valid.
u t u t 1
2
dw t 2
n
u
t 1
2
t
unde ut sunt valorile variabilei reziduale din ecuaia de regresie linear, ecuaie
estimat pornind de la datele din eantionul selectat.
Bibliografie
1. Jula N., Jula D., 2013, Modele econometrice, Editura Mustang, Bucureti, pp.
161-191
2. Jula N., Jula D., 2010, Modelare economic. Modele econometrice i de
optimizare, Editura Mustang, Bucureti
3. Dobrescu E., 2000, Macromodelul economiei romneti de tranziie, Editura
Expert, Bucureti
4. Jula D., 2003, Introducere n econometrie, Editura Professional Consulting,
Bucureti
5. Jula N., 2004, Modelarea deciziilor financiar-monetare, Editura Bren, Bucureti
6. Jula N., 2006, Modelare economic elemente de econometrie aplicat,
Editura Mustang, Bucureti
7. Jula N., 2006, Modelare economic econometrie aplicat, Editura Cartea
Studeneasc, Bucureti
8. Pecican E.S., 1996, Macroeconometrie. Politici economice guvernamentale i
econometrie, Editura Economic, Bucureti
79
80
Unitatea de nvare 7. Utilizarea Modelelor Econometrice n
Prognoz
Cuprins
Introducere
Dup parcurgerea unitii vei fi n msur s rspundei la ntrebrile:
Cum se realizeaz prognoza n cazul modelului unifactorial de regresie linear?
Cum se realizeaz prognoza n cazul modelului multifactorial de regresie
linear?
81
1 X X 2
s s 1
2 2 n 1
n
X t X
f u 2
Construirea unui indicator nedeplasat pentru dispersia erorilor de prognoz
permite calculul unui interval de prognoz pentru Yn+1, pornind de la relaia:
Yn1 t n2; s f Yn1 Yn1 t n2; s f
unde tn-2; este valoarea din distribuia teoretic t-Student, testul bilateral, pentru n-2
grade de libertate (n fiind dimensiunea eantionului), valoare corespunztoare unui
grad de ncredere de (1-).
u 2
t
su2 t 1
n k 1
Intervalul de ncredere pentru valorile de prognoz, calculat cu un grad de
ncredere de (1-), este dat de relaia urmtoare:
Yn1 t nk 1; s f Yn1 Yn1 t nk 1; s f ,
unde tn-k-1; este valoarea din distribuia teoretic t-Student, testul bilateral, pentru n-k-
1 grade de libertate (n fiind dimensiunea eantionului, iar k numrul variabilelor
exogene din model), valoare corespunztoare unui grad de ncredere de (1-).
82
Exemple
Modelul calculat prin metoda celor mai mici ptrate pentru ntreg eantionul
este:
t = -6.40793 + 0.28952Xt, pentru t = 1, 2 ,, 25,
iar rezultatele estimrii modelului sunt prezentate n tabelul urmtor.
t Xt Yt t ut u 2
t
X t X
2
83
9 170 44 42.8105 1.1895 1.4150 1
10 170 42 42.8105 -0.8105 0.6569 1
11 180 45 45.7057 -0.7057 0.4980 81
12 185 50 47.1533 2.8467 8.1038 196
13 190 47 48.6009 -1.6009 2.5628 361
14 200 48 51.4961 -3.4961 12.2226 841
15 205 52 52.9437 -0.9437 0.8905 1156
16 210 58 54.3913 3.6087 13.0228 1521
17 215 54 55.8389 -1.8389 3.3815 1936
18 220 55 57.2865 -2.2865 5.2280 2401
19 220 58 57.2865 0.7135 0.5091 2401
20 225 60 58.7341 1.2659 1.6025 2916
3420 862 862.0000 0.0000 74.3359 30630
s f s 2f 4.805538 2.192154
84
Pentru exemplificarea modului de elaborare a prognozei pe baza modelului
multifactorial de regresie linear se pornete de la cazul numeric analizat n modulele
anterioare, referitor la dinamica veniturilor populaiei (X1t), evoluia ratei reale a
dobnzii pasive (X2t) i dinamica depozitelor bancare (Yt) n 25 intervale succesive de
timp (tabelul 2-2). Rezultatele estimrii modelului linear prin metoda celor mai mici
ptrate pornind de la eantionul prezentat n tabelul (2-1) sunt urmtoarele:
t = -3.78693 + 0.75722X1t + 0.860999X2t.
Presupunem c la momentul t = 26, ritmul de cretere a veniturilor populaiei
este X1,26 = 3, iar dinamica ratei reale a dobnzii pasive este X2,26 = 2. Valoarea medie
a dinamicii depozitelor bancare la momentul t = 26, respectiv prognoza 26 se
determin astfel:
26 = -3.78693 + 0.757223.0 + 0.8609992.0 = 0.21
Pentru calculul dispersiei erorilor de prognoz se deduce, mai nti, blocul
Xn+1(X'X)-1X'n+1. Matricea (X'X)-1 i valoarea su2 sunt preluate:
s f s 2f 0.3786 0.615
85
-1.07 Y26 1.49
Rezumat
n sens econometric, prognoza reprezint o anticipare cantitativ a unor
evenimente sau condiii viitoare, pornind de la un set de informaii disponibile.
Rspunsuri:
86
Yn1 t n2; s f Yn1 Yn1 t n2; s f
unde tn-2; este valoarea din distribuia teoretic t-Student, testul bilateral,
pentru n-2 grade de libertate (n fiind dimensiunea eantionului), valoare
corespunztoare unui grad de ncredere de (1-).
Bibliografie
1. Jula N., Jula D., 2013, Modele econometrice, Editura Mustang, Bucureti, pp.
201-209
2. Jula N., Jula D., 2010, Modelare economic. Modele econometrice i de
optimizare, Editura Mustang, Bucureti
3. Dobrescu E., 2000, Macromodelul economiei romneti de tranziie, Editura
Expert, Bucureti
4. Jula D., 2003, Introducere n econometrie, Editura Professional Consulting,
Bucureti
5. Jula N., 2004, Modelarea deciziilor financiar-monetare, Editura Bren, Bucureti
6. Jula N., 2006, Modelare economic elemente de econometrie aplicat,
Editura Mustang, Bucureti
7. Jula N., 2006, Modelare economic econometrie aplicat, Editura Cartea
Studeneasc, Bucureti
8. Pecican E.S., 1996, Macroeconometrie. Politici economice guvernamentale i
econometrie, Editura Economic, Bucureti
87
BIBLIOGRAFIE OBLIGATORIE
1. Jula N., Jula D., 2013, Modele econometrice, Editura Mustang, Bucureti
2. Dobrescu E., 2002, Tranziia n Romnia: abordri econometrice, Editura Economic,
Bucureti
3. Jula D., 2003, Introducere n econometrie, Editura Professional Consulting, Bucureti
4. Jula N., 2004, Modelarea deciziilor financiar monetare. Elemente de econometrie
aplicat, Editura Bren, Bucureti
5. Jula N., 2006, Modelare economic econometrie aplicat, Editura Mustang, Bucureti
6. Jula N., Jula D., 2010, Modelare economic. Modele econometrice i de optimizare,
Editura Mustang, Bucureti
7. Pecican E.-S., 1994, Econometrie, Editura All, Bucureti
8. Tnsoiu O., Iacob A.-I., 1999, Econometrie aplicat, Editura Arteticart, Bucureti
9. Tanadi Al., 2001, Econometrie aplicat, Editura ASE, Bucureti
10. Zaman C., 1998, Econometrie, Pro Democraia, Bucureti
BIBLIOGRAFIE FACULTATIV
88
15. Thomas R.-L, 1997, Modern Econometrics: An Introduction, 2nd edition, Harlow,
Longman
16. Vangrevelinghe G., 1973, Economtrie, Hermann, Paris
89
ANEXE STATISTICE
- testul bilateral
df
0.10 0.05 0.02 0.01 0.001
90
19 1.729 2.093 2.539 2.861 3.883
91
B. Valorile critice ale distribuiei t Student, testul unilateral
- testul unilateral
df
0.10 0.05 0.01 0.005 0.0005
92
23 1.319 1.714 2.500 2.807 3.768
93
C. Valorile critice ale distribuiei 2
Numrul
gradelor
0.99 0.95 0.9 0.1 0.05 0.01 0.005 0.001
de
libertate
94
23 10.196 13.091 14.848 32.007 35.172 41.638 44.181 49.728
95
D. Statistica Durbin Watson
Valorile dL i dU pentru testul Durbin-Watson unilateral, la un nivel de semnificaie de
5%
6 0.61 1.40
10 0.88 1.32 0.70 1.64 0.53 2.02 0.38 2.41 0.24 2.82
11 0.93 1.32 0.76 1.60 0.60 1.93 0.44 2.28 0.32 2.65
12 0.97 1.33 0.81 1.58 0.66 1.86 0.51 2.18 0.38 2.51
13 1.01 1.34 0.86 1.56 0.72 1.82 0.57 2.09 0.45 2.39
14 1.05 1.35 0.91 1.55 0.77 1.78 0.63 2.03 0.51 2.30
15 1.08 1.36 0.95 1.54 0.82 1.75 0.69 1.97 0.56 2.21
16 1.10 1.37 0.98 1.54 0.86 1.73 0.74 1.93 0.62 2.15
17 1.13 1.38 1.02 1.54 0.90 1.71 0.78 1.90 0.67 2.10
18 1.16 1.39 1.05 1.53 0.93 1.69 0.82 1.87 0.71 2.06
19 1.18 1.40 1.08 1.53 0.97 1.68 0.86 1.85 0.75 2.02
20 1.20 1.41 1.10 1.54 1.00 1.68 0.90 1.83 0.79 1.99
21 1.22 1.42 1.13 1.54 1.03 1.67 0.93 1.81 0.83 1.96
22 1.24 1.43 1.15 1.54 1.05 1.66 0.96 1.80 0.86 1.94
23 1.26 1.44 1.17 1.54 1.08 1.66 0.99 1.79 0.90 1.92
24 1.27 1.45 1.19 1.55 1.10 1.66 1.01 1.78 0.93 1.90
25 1.29 1.45 1.21 1.55 1.12 1.66 1.04 1.77 0.95 1.89
26 1.30 1.46 1.22 1.55 1.14 1.65 1.06 1.76 0.98 1.88
27 1.32 1.47 1.24 1.56 1.16 1.65 1.08 1.76 1.01 1.86
96
k=1 k=2 k=3 k=4 k=5
n
dL dU dL dU dL dU dL dU dL dU
28 1.33 1.48 1.26 1.56 1.18 1.65 1.10 1.75 1.03 1.85
29 1.34 1.48 1.27 1.56 1.20 1.65 1.12 1.74 1.05 1.84
30 1,35 1.49 1.28 1.57 1.21 1.65 1.14 1.74 1.07 1.83
31 1.36 1.50 1.30 1.57 1.23 1.65 1.16 1.74 1.09 1.83
32 1.37 1.50 1.31 1.57 1.94 1.65 1.18 1.73 1.11 1.82
33 1.38 1.51 1.32 1.58 1.26 1.65 1.19 1.73 1.13 1.81
34 1.39 1.51 1.33 1.58 1.27 1.65 1.21 1.73 1.15 1.81
35 1.40 1.52 1.34 1.58 1.28 1.65 1.22 1.73 1.16 1.80
36 1.41 1.52 1.35 1.59 1.29 1.65 1.24 1.73 1.18 1.80
37 1.42 1.53 1.36 1.59 1.31 1.66 1.25 1.72 1.19 1.80
38 1.43 1.54 1.37 1.59 1.32 1.66 1.26 1.72 1.21 1.79
39 1.43 1.54 1.38 1.60 1.33 1.66 1.27 1.72 1.22 1.79
40 1.44 1.54 1.39 1.60 1.34 1.66 1.29 1.72 1.23 1.79
45 1.48 1.57 1.43 1.62 1.38 1.67 1.34 1.72 1.29 1.78
50 1.50 1.59 1.46 1.63 1.42 1.67 1.38 1.72 1.34 1.77
55 1.53 1.60 1.49 1.64 1.45 1.68 1.41 1.72 1.38 1.77
60 1.55 1.62 1.51 1.65 1.48 1.69 1.44 1.73 1.41 1.77
65 1.57 1.63 1.54 1.66 1.50 1.70 1.47 1.73 1.44 1.77
70 1.58 1.64 1.55 1.67 1.52 1.70 1.49 1.74 1.46 1.77
75 1.60 1.65 1.57 1.68 1.54 1.71 1.51 1.74 1.49 1.77
80 1.61 1.66 1.59 1.69 1.56 1.72 1.53 1.74 1.51 1.77
85 1.62 1.67 1.60 1.70 1.57 1.72 1.55 1.75 1.52 1.77
90 1.63 1.68 1.61 1.70 1.59 1.73 1.57 1.75 1.54 1.78
95 1.64 1.69 1.62 1.71 1.60 1.73 1.58 1.75 1.56 1.78
97
k=1 k=2 k=3 k=4 k=5
n
dL dU dL dU dL dU dL dU dL dU
100 1.65 1.69 1.63 1.72 1.61 1.74 1.59 1.76 1.57 1.78
n numrul de observaii;
k numrul variabilelor explicative
Sursa:
J.Durbin and G.S.Watson, Testing for Serial Correlation in Least Squares Regression, in
Biometrika, vol. 38 (1951), pp.159-177 (pentru n 15)
Mukherjee Ch., White H., Wuyts M., 1998, Econometrics and data analysis for developing
countries, Routledge, London and New York (pentru n < 15)
98