Sunteți pe pagina 1din 9

PROGNOZ ECONOMIC 2016/2017

Fie urmtoarele date referitoare la dinamica veniturilor (x1t), dinamica preurilor (y2t) i
evoluia cererii (yt) pe piaa unui produs (valorile sunt n procente).

T X1t X2t yt
1 -1,7 + 0,1*Z 0,1+ 0,1*L -0,9
2 1,1+ 0,1*L 0,2+ 0,1*Z 2,8
3 2,1+ 0,1*Z 3,2+ 0,1*L 1,5
4 1,3+ 0,1*L 2,4+ 0,1*Z 1,4
5 -1,9+ 0,1*Z 1+ 0,1*L -1,7
6 -2,8+ 0,1*L 0,3+ 0,1*Z -1,4
7 -2,6+ 0,1*Z 5,2+ 0,1*L -4,2
8 3,6+ 0,1*L 1,8+ 0,1*Z 3
9 -1,6+ 0,1*Z 0,6+ 0,1*L 2,5
10 1,2+ 0,1*L 1,5+ 0,1*Z 2,2
11 3,5+ 0,1*Z 0,4+ 0,1*L 5
12 -0,4+ 0,1*L 0,8+ 0,1*Z 2,2
13 4,5+ 0,1*Z 0,4+ 0,1*L 4,4
14 2,1+ 0,1*L 1,1+ 0,1*Z 2,4
15 -2,6+ 0,1*Z 2,1+ 0,1*L -1,8
16 1,1+ 0,1*L 0,4+ 0,1*Z 1,6
17 -2,4+ 0,1*Z 2,5+ 0,1*L -3
18 -0,9+ 0,1*L 1,9+ 0,1*Z -0,1
19 -1,7+ 0,1*Z 2,6+ 0,1*L -3,3
20 -2,6+ 0,1*L 0,5+ 0,1*Z -2
21 2,3+ 0,1*Z 3,7+ 0,1*L 1,4
22 0,4+ 0,1*L 0,9+ 0,1*Z 1,6
23 -0,9+ 0,1*Z 1,9+ 0,1*L -0,1
24 0,5+ 0,1*L 1,1+ 0,1*Z 0
25 -1,8+ 0,1*Z 2,5+ 0,1*L -1,3

a) Estimai parametrii modelului yt= a0+a1x1t +a2x2t +et i interpretai rezultatele obinute;
b) Testai acurateea ajustrii i interpretai rezultatele obinute;
c) Calculai matricea de covarian a estimatorilor;
d) Testai semnificaia estimatorilor i interpretai rezultatele obinute;
e) Testai multicolearitatea;
f) Testai autocorelarea erorilor i testai rezultatele obinute;
g) Testai heteroscedasticitatea erorilor i interpretai rezultatele obinute;
h) Pentru x1,26 =2,0 + 0,1 * L i x2,26 =0,5 + 0,1 *Z prognozai evoluia vnzrilor cu un grad de
ncredere de 90%.
Z = ziua de natere; L= luna naterii
T X1t X2t Yt t t 2t (Yt-)
1 0.2 1.3 -0.3 0.540988 -0.8409877 0.7072603 0.659344
1 2.3 2.1 2.8 1.818393 0.9816071 0.9635525 5.234944
1 4 4.4 1.5 1.7573 -0.2572996 0.0662031 0.976144
1 2.5 4.3 1.4 0.532409 0.8675913 0.7527147 0.788544
1 0 2.2 -1.7 -0.22768 -1.4723198 2.1677256 4.892944
1 -1.6 2.2 -1.4 -1.60493 0.2049282 0.0419956 3.655744
1 -0.7 6.4 -4.2 -3.61395 -0.5860516 0.3434565 22.20294
1 4.8 3.7 3 2.909877 0.0901227 0.0081221 6.190144
1 0.3 1.8 2.5 -0.36712 2.8671208 8.2203817 3.952144
1 2.4 3.4 2.2 1.042843 1.1571574 1.3390132 2.849344
1 5.4 1.6 5 5.401462 -0.4014625 0.1611721 20.14214
1 0.8 2.7 2.2 0.129548 2.0704517 4.2867702 2.849344
1 6.4 1.6 4.4 5.678986 -1.2789864 1.6358062 15.11654
1 3.3 3 2.4 2.082661 0.317339 0.100704 3.564544
1 -0.7 3.3 -1.8 -1.5593 -0.2407037 0.0579383 5.345344
1 2.3 2.3 1.6 1.685835 -0.0858347 0.0073676 1.183744
1 -0.5 3.7 -3 -1.65226 -1.3477433 1.816412 12.33414
1 0.3 3.8 -0.1 -1.02991 0.9299118 0.864736 0.374544
1 0.2 3.8 -3.3 -1.11599 -2.1840102 4.7699006 14.53134
1 -1.4 2.4 -2 -1.56533 -0.4346696 0.1889377 6.310144
1 4.2 4.9 1.4 1.59806 -0.1980601 0.0392278 0.788544
1 1.6 2.8 1.6 0.751893 0.8481068 0.7192851 1.183744
1 1 3.1 -0.1 0.036588 -0.1365879 0.0186563 0.374544
1 1.7 3 0 0.705413 -0.705413 0.4976075 0.262144
1 0.1 3.7 -1.3 -1.13579 -0.1642113 0.0269654 3.283344
38.9 77.62 12.8 -16.731 29.801912 139.0464
Z = 19; L = 12; = 0.512
a). Pentru a afla estimatorii modelului, ao, a1, a2, se construiete matricele necesare ai modelului de regresie:

X= 1 0.2 1.3
1 2.3 2.1
XX = 25 38.9 77.5
1 4 4.4 38.9 173.39 116.14
1 2.5 4.3 77.5 116.14 273.15
1 0 2.2
1 -1.6 2.2
1 -0.7 6.4
1 4.8 3.7
0.36685429 -0.01759581 -0.0966
1 0.3 2.8 (XX)-1 =
-0.0175958 0.008907916 0.001205
1 2.4 3.4
-0.0966049 0.00120487 0.030558
1 5.4 0.72
1 0.8 2.7
XY = 12.8
1 6.4 1.6
1 3.3 3 123.09
1 -0.7 3.3 10.81
1 2.3 2.3
1 -0.5 3.7 = (XX)-1 *XY = 1.48556708
1 0.3 3.8 0.88427362
1 0.2 3.8 -0.7579022
1 -1.4 2.4
1 4.2 4.9
1 1.6 2.8
1 1 3.1
1 1.7 3
1 0.1 3.7
X= 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
0.2 2.3 4 2.5 0 -1.6 -0.7 4.8 0.3 2.4 5.4 0.8 5.7 3.3 -0.7 2.3 -0.5 0.3 0.2 -1.4 4.2 1.6 1 1.7 0.1
1.3 2.1 4.4 4.3 2.2 2.2 6.4 3.7 1.7 3.4 1.6 2.7 1.6 3 3.3 2.3 3.7 3.8 3.8 2.4 4.9 2.8 3.1 3 3.7
Parametrii modelui au urmtorii estimatori: 0= 1.48556708
1= 0.88427362
2= -0.7579022
t=1.48556708+ 0.88427362X1t (-0.7579022)X2t

Anticipm c dac veniturile rmn neschimbate (X1t=0) i, la fel, preurile nu se modific


(X2t=0), atunci cererea crete cu 1,48 puncte procentuale (sub influena altor factori). Dac
veniturile cresc cu 1%, anticipm o cretere a cererii cu 0,88% iar creterea preurilor cu 1% va
determina o scdere a cererii cu -0,75 puncte procentuale.

b). Pentru a testa acurateea ajustrii se calculeaz R2 care evalueaz partea din variaia fa de
medie a exogenei y care este explicat de model, fiind un coeficient de determinare.

t=ao+a1X1t+a2X2t+ett=1.48556708+ 0.88427362X1t (-0.7579022)X2t


26.31247691
R = 1 - ( )
=1- = 0.810764774
139.0464

Interpretare : 81.07% din variaia cererii fa de medie poate fi explicat de model, restul de
18,93% este datorat influenei altor factori care nu sunt cuprini n model.

c). Covariaia evalueaz legtura linear dintre variabilele date, fiind folosit pentru identificarea
unei posibile legturi lineare i a sensului acestei legturi.

.
su = = = 1.196021678

SA = 1.196021678* 0.36685429 -0.01759581 -0.0966


-0.0175958 0.008907916 0.001205
-0.0966049 0.00120487 0.030558

SA = 0.438765688 -0.021044976 -0.115541561


-0.021044976 0.010654061 0.001441051
-0.115541561 0.001441051 0.036548157

d). Estimatorii sunt semnifictiv diferiti de zero, cu un prag de semnificie alfa, dac se verific
urmtorele relaii:

SA = su* (XX)-1

Dispersiile estimatorilor se calculeaz astfel:


s0 = su*d00=1.196021678*0.36685429=0.438765688

s1 = su*d11=1.196021678*0.008907916=0.010654061
s2 = su*d22 =1.196021678*0.030558=0.036548157

Se calculeaz abaterile medii ale estimatorilor :

s0 = . = 0.662393907
s1 = . = 0.10321851
s2 = . = 0.191175722

Pentru a testa semnificaia estimatorilor se calculeaz ta0, ta1, ta2:


ta0 = = 2.242724547

ta1 = = 8.567006197

ta2 = = -3.964427037

Estimatorii Abateriile medii t


0 1.485567075 0.662393907 2.242724547
1 0.884273617 0.10321851 8.567006197
2 -0.757902201 0.191175722 -3.964427037

Interpretare : Datele nregistrate nu aduc argumente n favoarea ipotezei nule (H0), conform
creia estimatorii 1 i 2 sunt zero. Respingerea acestei ipoteze presupune un risc mai mic de 1%
deoarece |ta1|=|8.567006197| i |ta2|=|-3.964427037| sunt mai mari dect t*22;0,01=2,5083 (valoarea
critic din tabelul distribuiei t-Student unilaterale pentru 22 grade de libertate i =0,01).

e). Multicoliniaritatea presupune existena unor relii liniare ntre dou sau mai multe variabile
explicative.

Criteriul VIF: =

X1t= o+2X2t

o= 1.975300912

1= -0.068474812
113.4781373
R = 1 - ( )
= 112.8616 = -0.005462773


= = 1.005462773

Interpretare: VIF=1.005462773<4 variabila x1 nu este dependenta de x2.


f). Autocorelarea erorilor presupune prezena unei corelaii ntre valorile variabilei reziduale.
Var()=(xx)-1xVx(xx)-1
Calculam modelul folosind testul Durbin-Watson pentru a determina tipul
autocorelarii modelului analizat.
()
dw=
()

Lucrnd cu un prag de semnificaie =0,05, numrul variabilelor exogene fiind k=2, iar
numrul de observaii n=25, din tabela distribuiei Durbin-Watson se citesc valorile: dl=1,21 i
du=1,55.

dL du 4-du 4-dL
0 1,21 1,55 2 4

() 61.95388177
dw= = = 2.354543891
() 26.31247691

Deoarece du=1,55< d=2.35< 4-du=2.45 se accept ipoteza c erorile sunt independete.

Calculm modelul folosind Testul Lagrange pentru a determina dac modelul accept sau
respinge H0:erorile nu sunt autocorelate

lag 4
R 0.000609
n-p 21
(n-p)R 0.012788
2(0.05;4) 9.487729
2(nR;4) 12.70916
lag 3
R 0.005682
n-p 22
(n-p)R 0.125008
2(0.05;3) 7.814728
2(nR;3) 5.739272
lag 2
R 0.006664
n-p 23
(n-p)R 0.153283
2(0.05;2) 5.991465
2(nR;2) 3.750937
X1t X2t Yt Ut Ut-1 Ut-2 Ut-3 Ut-4
0.2 1.3 -0.3 -0.84099
2.3 2.1 2.8 0.981607 -0.84099
4 4.4 1.5 -0.2573 0.981607 -0.84099
2.5 4.3 1.4 0.867591 -0.2573 0.981607 -0.84099
0 2.2 -1.7 -1.47232 0.867591 -0.2573 0.981607 -0.84099
-1.6 2.2 -1.4 0.204928 -1.47232 0.867591 -0.2573 0.981607
-0.7 6.4 -4.2 -0.58605 0.204928 -1.47232 0.867591 -0.2573
4.8 3.7 3 0.090123 -0.58605 0.204928 -1.47232 0.867591
0.3 1.8 2.5 2.20433 0.090123 -0.58605 0.204928 -1.47232
2.4 3.4 2.2 1.157157 2.20433 0.090123 -0.58605 0.204928
5.4 1.6 5 0.181794 1.157157 2.20433 0.090123 -0.58605
0.8 2.7 2.2 2.070452 0.181794 1.157157 2.20433 0.090123
6.4 1.6 4.4 -1.27899 2.070452 0.181794 1.157157 2.20433
3.3 3 2.4 0.317339 -1.27899 2.070452 0.181794 1.157157
-0.7 3.3 -1.8 -0.2407 0.317339 -1.27899 2.070452 0.181794
2.3 2.3 1.6 -0.08583 -0.2407 0.317339 -1.27899 2.070452
-0.5 3.7 -3 -1.34774 -0.08583 -0.2407 0.317339 -1.27899
0.3 3.8 -0.1 0.929912 -1.34774 -0.08583 -0.2407 0.317339
0.2 3.8 -3.3 -2.18401 0.929912 -1.34774 -0.08583 -0.2407
-1.4 2.4 -2 -0.43467 -2.18401 0.929912 -1.34774 -0.08583
4.2 4.9 1.4 -0.19806 -0.43467 -2.18401 0.929912 -1.34774
1.6 2.8 1.6 0.848107 -0.19806 -0.43467 -2.18401 0.929912
1 3.1 -0.1 -0.13659 0.848107 -0.19806 -0.43467 -2.18401
1.7 3 0 -0.70541 -0.13659 0.848107 -0.19806 -0.43467
0.1 3.7 -1.3 -0.16421 -0.70541 -0.13659 0.848107 -0.19806
38.9 77.5 12.8 -0.07954 0.084672 0.790085 0.926673 0.078566

Interpretare: R= 0.000609 < 2(0.05;4)=9.487729Acceptam imoteza Ho: erorile nu sunt


autocorelate.

g) Heterostadicitatea erorilor reprezint proprietatea erorolor de a nu avea mprtiere constant.


Aplicarea Testului White presupune parcurgerea a urmtoarelor etape:
estimarea parametrilor modelului iniial i calculul valorilor estimate ale variabilei
reziduale,u;
construirea unei regresii auxiliare, bazat pe prespunerea existenei unei relaii de
dependenntre ptratul valorilor erorii, variabila exogen inclus n modelul iniial i
ptratul valorilor acesteia i calcularea coeficientului de determinare, R2, corespunztor
acestei regresii auxiliare;
verificarea semnificaiei parametrilor modelului nou construit, iar dac unul dintre acetia
este nesemnificativ, atunci ipoteza de heteroscedasticitate a erorilor este acceptat.
Exist dou variante de aplicare a testului White:- utilizarea testului Fisher Snedecor
clasic, bazat pe ipoteza nulitii parametrilor, respectiv:

H0: 0= 2= 1=0

Dac ipoteza nul, potrivit creia rezultatele estimrii suntnesemnificative (Fc <F
,v1,v2), este acceptat, atunci ipoteza de homoscedasticitate se verific, cazul contrar semnificnd
prezena heteroscedasticitii erorilor.

- utilizarea testului LM, calculat ca produs ntre numrul de observaii corespunztoare


modelului, n, i coeficientul de determinare,R2,corespunztor acestei regresii auxiliare. n general,
testul LM este asimptotic distribuit sub forma unui 2v; , pentru care numrul gradelor delibertate
este egal cu: v=k, unde k = numrul variabilelor exogene,respectiv:

LM =n*R2~ 2 ;v

Analiznd rezultatele afiate de programul EViews se constat c nR= 6,122924< 2(0,05;4)


=11,070, parametrii modelului sunt nesemnificativi, deci ipoteza de homoscedasticitate
se verific n cazul aplicrii acestor teste. Trebuie s inem ns seama de faptul c testul LM este
un test asimptotic, valabil ncazul unui eantion de volum mare, iar n cazul de fa, respectiv 25 de
observaii, acesta nu poate reprezenta un ention de volum mare.
Folosind metoda Lagrange pentru Testul White, obinem pentru modelul nostru:
df 5
R 0.117586796
n 25
nR 2.939669901
2(5,0.05) 11.07049769

Interpretare: nR=2.9396 < 2(5,0.05) =11.0704 H0: erorile nu sunt heteroscedastice.

h). Prognoza economic presupune doi pai:


1. prognoza valorii medii;
2. estimarea intervalului de prognoz
Y=XA+e
1. f=Xf*= 2.496277366
2. s2f=[1-xf(xx)-1*xf] = 0.923723912
Xf= 1 3.2 2.4

f-t**df;*sf xf f + t**df;*sf ;t**22;0,1=1,717


2.496277366- 1,838 1,717 * 0.923723912 2.496277366 + 1,838
0.658277366 0.961105567 4.334277366

Valoarea probabil a ritmului de cretere a cererii este f=2,5%. Cu un grad de ncredere de


90% estimam ca ritmul de cretere a vnzrilor se va situa ntre 0,65% i 4,3%.