I.

MODELUL DE REGRESIE LINIAR SIMPL

Se consider preul aciunilor SANDP (euro) i preul aciunilor Microsoft (euro) nregistrate
lunar n perioada mai 1986 - aprilie 2007. n urma prelucrrii datelor n R, s-au obinut
urmtoarele rezultate:
Call:
lm(formula = SANDP ~ Microsoft)
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -6.510 3.117 -2.088 0.0378 **
Microsoft 6.273 2.159 29.057 < 2e-16 ***
---
Signif. codes: 0 *** 0,001 ** 0,01 * 0,05 . 0,1 1
Residual standard error: 195.7 on 250 degrees of freedom
Multiple R-squared: 0.7715 , Adjusted R-squared: 0,7706
F-statistic: 844.3 on 1 and 250 DF, p-value: < 2.2e-16
Response: SANDP
DF Sum Sq Mean Sq F value Pr(>F)
Microsoft 1 1323982 1323982 8.1512 0.004665 **
Residuals 250 40607154 162429

Pe baza rezultatelor modelrii econometrice, se cere:

1) Scriei ecuaia general a modelului de regresie regresie (pentru variabile sau pentru valori
ale variabilelor), estimat a modelului de regresie (pentru variabile sau pentru valori ale
variabilelor) i interpretai estimaiile coeficienilor de regresie.
2) Considernd un risc de 1%, estimai prin interval de ncredere ordonata la origine a
modelului i interpretai rezultatul.
3) Considernd o probabilitate de 95%, estimai prin interval de ncredere panta dreptei de
regresie i interpretai rezultatul.
4) Testai legtura liniar dintre cele dou variabile.
5) Interpretai probabilitatea asociat statisticii test pentru parametrul 0.
6) S se estimeze preul aciunilor SANDP pentru un pre al aciunilor Microsoft de 5 euro.
7) S se precizeze ct ar trebui s fie preul aciunilor Microsoft pentru a obine un pre al
aciunilor SANDP de 8 euro.
8) S se estimeze cu ct crete preul aciunilor SANDP, dac preul aciunilor Microsoft crete
cu 2 euro.
9) S se determine valoarea cu care ar trebui s creasc preul aciunilor Microsoft pentru a avea
o cretere a preului aciunilor SANDP cu 3 euro.
10) Interpretai valoarea estimat a coeficientului de corelaie.
11) Testai dac cele dou variabile sunt corelate semnificativ.
12) Estimai raportul de determinaie i interpretai rezultatul.
13) Calculai i interpretai estimaia raportului de corelaie.
14) Interpretai probabilitatea asociat statisticii test n vederea testrii modelului de regresie.
II. MODELUL DE REGRESIE LINIAR MULTIPL

Se consider un portofoliu de aciuni Sandp, observat lunar n perioada mai 1986 aprilie 2007.
n urma estimrii modelului de regresie multipl construit pe baza variabilei dependente,
SANDP, i a variabilelor independente, Microsoft, Credit, Production, s-au obinut urmtoarele
rezultate:

Call:
lm(formula = SANDP ~ Microsoft + Credit + Production)
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -1.806 6.933 -26.050 < 2e-16 ***
Microsoft 6.012 2.599 2.313 0.0215 *
Credit -2.924 5.041 -5.800 1.99e-08 ***
Production 3.415 1.631 20.935 < 2e-16 ***
Signif. codes: 0 *** 0,001 ** 0,01 * 0,05 . 0,1 1
Residual standard error: 97.23 on 250 degrees of freedom
Multiple R-squared: 0.9449 , Adjusted R-squared: 0.9442
F-statistic: 1428 on 3 and 250 DF, p-value: < 2.2e-16

Pe baza rezultatelor obinute n urma prelucrrii datelor n R:

1) Scriei ecuaia general a modelului de regresie regresie (pentru variabile sau pentru valori ale
variabilelor), estimat a modelului de regresie (pentru variabile sau pentru valori ale
variabilelor) i interpretai estimaiile coeficienilor de regresie.
2) Testai dac Credit are influen parial semnificativ asupra variaiei variabilei SANDP.
3) Folosindu-v de probabilitatea asociat statisticii test Student, testai semnificaia parametrului
care arat legtura dintre SANDP i Production, n condiiile n care variaia variabilelor
Microsoft i Credit este zero (adic cele dou variabile rmn constante).
4) Interpretai raportul de determinaie multipl i raportul de corelaie multipl.
5) Calculai i interpretai valoarea estimat a raportului de determinaie multipl ajustat.
6) Pe baza legturii dintre statistica test Fisher i raportul de derminaie multipl, testai modelul
de regresie, considernd un risc de 1%.
7) Considernd modelul iniial, s se testeze ipoteza cu privire la restricia 2 = 0.5 i 1 +
3 = 2 . Scriei ecuaia modelului cu restricii i aplicai tot demersul testrii, tiind c
estimaiile variaiilor reziduale pentru cele dou modele sunt: 19.21 i 12.39.
8) Considernd rezultatele din tabelul de mai jos, s se testeze ipoteza 2 = 1.
Linear hypothesis test
Hypothesis: Credit = - 1
Model 1: restricted model
Model 2: SANDP ~ Microsoft + Credit + Production
Res.Df RSS Df Sum of Sq F Pr(>F)
1 38 24,098
2 37 23,117 1 0,98097 1,5701 0,2181
III. IPOTEZELE PRIVIND MODELUL DE REGRESIE

Considernd rezultatele estimrii de la aplicaia 2 (privind modelul de regresie liniar multipl),

se cere s se verifice ipotezele modelului de regresie.

A. Ipoteze cu privire la componenta aleatoare

1. Media erorilor este zero

Observaie: trebuie s tii s definii ipoteza; s precizai care sunt efectele nclcrii acestei
ipoteze; s aplicai tot demersul testrii (cei apte pai, inclusiv statistica folosit i relaia de
calcul a statisticii test la nivelul eantionului).

a. Varianta 1
Min. 1st Qu. Median Mean 3rd Qu. Max.
-328.30 -58.76 -0.539 0,00 66.32 225.40
Std. Deviation (res)
96.65139

b. Varianta 2
One Sample t-test
data: res
t = -4.093e-16, df = 253, p-value = 1
alternative hypothesis: true mean is not equal to 0
95 percent confidence interval:
-11.94323 11.94323
sample estimates:
mean of x
-2.482157e-15

2. Ipoteza de homoscedasticitate a erorilor

Observaie: trebuie s tii s definii ipoteza; s precizai care sunt efectele nclcrii acestei
ipoteze; s scriei ecuaia auxiliar pentru fiecare test n parte i s recunoatei testul pe baza
datelor din tabele; s aplicai tot demersul testrii pentru statistica Glejser (innd cont i de
ipotezele intermediare); s formulai ipotezele pentru testul Goldfeld-Quandt (innd cont i de
ipotezele intermediare) i pentru testele Breusch-Pagan-Godfrey i White i s luai decizia pe
baza rezultatelor din tabelele corespunztoare.

2.1. Testul Glejser

Call:
lm(formula = absres ~ Credit)
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 3.401e+01 2.011e+01 1.691 0.0921 .
FORD 8.112e-05 1.393e-05 5.824 1.76e-08 ***
---
Signif. codes: 0 *** 0,001 ** 0,01 * 0,05 . 0,1 1
Residual standard error: 126.3 on 250 degrees of freedom
Multiple R-squared: 0.1195, Adjusted R-squared: 0.116
F-statistic: 33.92 on 1 and 250 DF, p-value: 1.756e-0

2.2. Testul Goldfeld-Quandt

Goldfeld-Quandt test
data: lm(SANDP ~ Credit)
GQ = 25.56, df1 = 124, df2 = 124, p-value < 2.2e-16
alternative hypothesis: variance increases from segment 1 to 2

2.3. Testul Breusch-Pagan-Godfrey

studentized Breusch-Pagan test
data: lm(res*res ~ Microsoft + Credit +
Production)
BP = 7.461, df = 3, p-value = 0.05857

2.4. Testul White

studentized Breusch-Pagan test
data: lm(res*res ~ Microsoft + Credit + Production + Microsoft * Credit + Microsoft *
Production + Credit * Production + I(Microsoft^2) + I(Credit^2) + I(Production^2))
BP = 29.248, df = 9, p-value = 0.0005885

3. Ipoteza de normalitate a erorilor

Observaie: trebuie s tii s definii ipoteza; s precizai care sunt efectele nclcrii acestei
ipoteze; s interpretai graficul; s interpretai cei doi indicatori ai formei unei distribuii
(Skewness i Kurtosis); s formulai ipotezele pentru testul Kolmogorov Smirnov i s luai
decizia pe baza rezultatului din tabel; s aplicai tot demersul testrii pentru statistica Jarque-Bera
(cei apte pai, inclusiv statistica folosit i relaia de calcul a statisticii test la nivelul
eantionului).

3.1. Testul Kolmogorov-Smirnov

One-sample Kolmogorov-Smirnov test
data: res
D = 0.49647, p-value < 2.2e-16
alternative hypothesis: two-sided

3.2. Testul Jarque-Bera

a. Varianta 1
skewness kurtosis
-0.2488803 3.034475

b. Varianta 2
Jarque-Bera test
data: res
JB = 2.614, p-value = 0.2706
4. Ipoteza de necorelare a erorilor
Observaie: trebuie s tii s definii ipoteza; s precizai care sunt efectele nclcrii acestei
ipoteze; s interpretai graficele din curs; s aplicai tot demersul testrii pentru statistica Durbin-
Watson (innd cont i de ipotezele intermediare); s formulai ipotezele pentru testul Runs
(innd cont i de ipotezele intermediare) i s luai decizia pe baza rezultatelor din tabelele
corespunztoare.

4.1. Testul Durbin-Watson

dwt(res)
[1] 0.5793618

4.2. Testul Runs

data: res
statistic = -9.3418, runs = 53, n1 = 126, n2 = 126, n = 252, p-value < 2.2e-16
alternative hypothesis: nonrandomness

B. Ipoteze cu privire la componenta determinist

1. Variabilele independente sunt non-aleatoare sau deterministe

Observaie: trebuie s tii s definii ipoteza.

2. Variabilele independente i variabila eroare sunt necorelate

Observaie: trebuie s tii s definii ipoteza.

3. Ipoteza de multicoliniaritate
Observaie: trebuie s tii s definii ipoteza; s precizai care sunt efectele nclcrii acestei
ipoteze; s depistai problema multicoliniaritii pe baza rezultatelor estimrii model de regresie
iniial; s interpretai rezultatele pentru indicatorii , i 2 .

Microsoft Credit Production

1.965881 22.324788 19.136912