Documente Academic
Documente Profesional
Documente Cultură
AUTORI:
Victor Hrușcă
Alexandru Florea
Nicolae Bordea
Ovidiu George Constantin
-2014-
1
Cuprins
Introducere ..................................................................................................................................3
APLICAŢIA 1: ...........................................................................................................................4
Model de regresie simplă ........................................................................................................4
1.1. Literature review ..........................................................................................................4
1.2. Metodologia cercetării .................................................................................................5
2.1. Date utilizate ................................................................................................................7
2.2. Rezultatele empirice ale cercetării ...............................................................................9
3. Concluzii .......................................................................................................................19
APLICAŢIA 2: .........................................................................................................................20
Model de regresie multiplă ...................................................................................................20
1.1. Literature review ........................................................................................................20
1.2. Metodologia cercetării ...............................................................................................21
2.1. Date utilizate ..............................................................................................................22
2.2. Rezultatele empirice ale cercetării .............................................................................25
3. Concluzii .......................................................................................................................37
APLICAŢIA 3: .........................................................................................................................38
Model cu ecuații simultane ...................................................................................................38
1.1. Literature review ........................................................................................................38
1.2. Metodologia cercetării ...............................................................................................39
2.1. Date utilizate ..............................................................................................................40
2.2. Rezultatele empirice ale cercetării .............................................................................44
3. Concluzii .......................................................................................................................51
Concluzii finale .........................................................................................................................52
Bibliografie ...............................................................................................................................54
2
Introducere
Regresia liniară, prin metoda celor mai mici pătrate, este metoda de modelare cea mai des
utilizată. Este metoda denumită “regresie”, “regresie liniară“, “regresie multiplă” sau “cele mai
mici pătrate” atunci când se construieşte un model. Scopul regresiei multiple (termen utilizat de
Pearson, 1908) este de a evidenţia relaţia dintre o variabilă dependent (explicată, endogenă ,
rezultativă) şi o mulţime de variabile independente (explicative, factoriale , exogene, predictori).
Prin utilizarea regresiei multiple se încearcă, adesea, obţinerea răspunsului la una dintre
întrebările: “care este cea mai bună predicţie pentru ...?”, “cine este cel mai bun predictor pentru
...?” . De reţinut că metoda regresiei multiple este generalizată prin teoria “modelului liniar
general”, în care se permit mai multe variabile dependente simultan şi , de asemenea, variabile
factoriale care nu sunt independente linear.
Prima aplicaţie analizează prin intermediul unui model unifactorial de regresie influenţa
ponderii populației urbane din total populația Franței asupra PIB-ului din perioada 1991 – 2012.
A doua aplicaţie își propune să studieze prin intermediul unui model multifactorial de
regresie factorii care influențează variația Produsului Intern Brut al Franței in perioada 1991-
2012. Această aplicație reprezintă o continuare a celei dinainte deoarece s-a dorit un studiu mai
amplu urmărindu-se și influența altor factori asupra PIB-ului, în afara celui analizat la prima
aplicație.
Ultima aplicaţie se referă la modelul echilibrului dublu sau simultan. Pentru elaborarea
acestui model s-au studiat datele pentru următoarele variabile: produsul intern brut, rata dobânzii,
masa monetară şi cheltuielile guvernamentale pe o perioadă de 14 ani.
În continuare, sunt descrise şi analizate tehnicile de regresie puse la dispoziţie de către
programul econometric Eviews: specificarea şi estimarea unui model de regresie, efectuarea de
analize simple de diagnostic şi utilizarea rezultatelor estimării în analize suplimentare, cum ar fi
efectuarea de prognoze.
3
APLICAȚIA 1:
Model de regresie simplă
Prima aplicație a proiectului urmărește influența pe care ponderea populației urbane din
totalul populației Franței, în perioada 1991 – 2012, o deține asupra PIB-ului din aceeași perioadă.
Acest lucru se realizează cu ajutorul unui model de regresie unifactorial.
“Lucrarea analizează dacă există o relație semnificativă între creșterea economică și gradul
de concentrare urbană, măsurată prin metoda primară sau ponderea cea mai mare în zona
metropolitană în populația urbană la nivel național. Există motive să credem că multe țări au
prioritate excesivă și cât de costisitoare este această prioritate excesivă (sau insuficientă)?
Folosind metoda generalizată a momentelor, lucrarea estimează efecte de creștere, cu ajutorul
unui grup de 80-100 de țări din anul 1960 până în anul 1995. De asemenea, se uită la factorii
determinanți ai întâietății și politici care ar putea fi eficace în reducerea priorității excesive.
Lucrarea constată existența unui grad de prioritate urban național, care crește veniturile brusc
până la aproximativ 5000 dolari pe cap de locuitor (pe veniturile din 1987), înainte de a scădea
modest. Gradul de prioritate maxim scade odată cu mărimea țării. Erorile estimate ale gradelor
maxime de prioritate sunt în general restrânse.
Încetinirea creșterii economice este excesivă și se datorează concentrărilor non-optimale și
se accentuează odată cu venitul. Rezultatele sunt foarte robuste. Într-un grup de 72 de țări, în
1990, se pare că cel puțin 24 au o prioritate satisfăcătoare; cel puțin 24 au prioritate în mod
semnificativ excesivă și cel puțin 5 țări au o prioritate insuficientă.
Ce determină concentrarea urbană? Modele econometrice arată că, concentrarea urbană
crește inițial cu veniturile și apoi atinge un vârf în jurul valorii unui venit de $ 2400, înainte de a
scădea. În mod similar, efectele unui grad mai mare de descentralizare politică în reducerea în
mod semnificativ a concentrației urbane sunt destul de modeste. Politica cheie de tip variabilă ce
poate reduce concentrația este de investiție în infrastructura de transport inter-regional. În
special, creșterea densității rețelei de drumuri reduce semnificativ gradul de prioritate și efectul
crește odată cu veniturile.
4
Urbanizarea și creșterea economică în țările în curs de dezvoltare merg mână în mână.
Coeficientul de corelație simplă, pentru mai multe țări, între procentul de urbanizare al unei țări
și PIB pe cap de locuitor este de aproximativ 0.85. Motivul este evident. Dezvoltarea economică
implică transformarea unei țări a cărei economii este bazată pe agricultură într-o economie
bazată pe industrie și servicii.” (Vernon Henderson, 2000, 2-3 și 27-28)
Concluziile acestei cercetări susțin faptul că pentru toate țările dezvoltate există o limită a
procentului de urbanizare corelat cu un PIB pe cap de locuitor în jurul valorii de 5000 dolari.
În ceea ce privește metodologia cercetării, metoda folosită în cadrul acestei aplicații a fost
regresia simplă. A fost urmărită studierea influența pe care ponderea populației urbane în
totalul populației o are asupra variației Produsului Intern Brut.
PIB = β0 + β1 * POU ,
unde
În analiza corelațiilor dintre cele două variabile (PIB și POU), am folosit serii de date
preluate de pe site-ul oficial al Băncii Mondiale, datele având o frecvență anuală. Pentru a utiliza
valorile reale ale PIB-ului în toți cei 22 ani analizați, am deflaționat valorile nominale ale
acestuia, luând ca an de bază anul 2005, prin împărțtirea acestora la Indicele Prețurilor
corespunzător.
5
Prin intermediul softului Eviews, am estimat modelul de regresie și am testat validitatea
modelului, gradul de bonitate al acestuia, semnificația statistică a parametrilor incluși în model și
am verificat ipotezele modelului unifactorial de regresie:
Intensitatea legăturii dintre cele două variabile a fost determinată prin calculul
coeficientului de corelație (extragerea radicalului de ordinul 2 din indicatorul R-squared).
Testarea semnificației coeficientului de corelație liniară s-a realizat pe baza testului t.
Pe baza calcului estimatorilor parametrilor s-au calculat valorile estimate ale variabilei
PIB: ŷi = -4700.216 + 0.083776 * xi și ale variabilei reziduale uˆ i y i yˆ i
Pornind de la ipotezele H0: modelul nu e valid și H1: modelul e valid, am testat
validitatea modelului de regresie, folosind testul Fischer.
Verificarea semnificației modelului s-a realizat cu:
- testul Wald pentru testarea coeficientului dreptei de regresie (β)
- o distributie Student cu n-2 grade de libertate pentru testarea semnificației
parametrului de interceptare
- statistica F pentru testarea semnificației raportului de corelație
- metoda grafică, testul Durbin-Watson si testul Breusch-Godfrey pentru
verificarea ipotezei de independeță a erorilor aleatoare
- testul White pentru analizarea reziduurilor și implicit verificarea ipotezei de
homoscedasticitate a erorilor aleatoare
- metoda celor mai mici pătrate pentru eliminarea autocorelării
- testul Jarque-Bera pentru verificarea ipotezei de normalitate
6
2.1. Date utilizate
Conform lui Ryan Barnes, ”Produsul Intern Brut (PIB) este predecesorul tuturor
indicatorilor macroeconomici. Ca o măsură agregată a producției economice totale dintr-o țară,
PIB reprezintă valoarea pe piață a tuturor bunurilor și serviciilor produse de economie, în
perioada măsurată, inclusiv consumul personal, cheltuielile guvernamentale, investițiile private și
exporturile nete (exporturile se adaugă, importurile se scad).”
Datele analizate au fost exprimate în prețuri comparabile, deflaționate prin indicii
prețurilor, raportate la prețurile anului 2005.
Periodicitatea: anuală
Sursa de colectare a datelor: World Bank
Alte transformări asupra datelor: Datele sunt exprimate în miliarde US$
PIB(1) = PIB(0) / 1,000,000,000
7
Evoluția economică a variabilelor incluse în model
PIB
3000
2500
2000
1500
PIB
1000
500
0
1997
2010
1991
1992
1993
1994
1995
1996
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2011
2012
Figura 1. Evoluția Produsului Intern Brut în perioada 1991 - 2012
În figura de mai sus, se poate remarca o evoluție clară a variabilei dependente analizate, PIB,
între cei 22 ani analizați. Pe parcursul anilor 1991 – 2002 se pot observa fluctuații, nu foarte
mari, ale valorilor indicatorului (per total, în creștere), în timp ce, începând cu anul 2003, asistăm
la o expansiune semnificativă a PIB-ului Franței până la sfârșitul anului 2008: întâlnim aici o
diferență, în sens pozitiv, de aproximativ 58,89% față de primul an de observație. După acest an,
avem din nou o scădere, datorată influenței crizei economice mondiale din acea perioadă,
urmând în perioada 2010 – 2012 o altă serie de variații a valorilor Produsului Intern Brut.
8
POU
90
85
80
75 POU
70
65
1994
1998
2002
1991
1992
1993
1995
1996
1997
1999
2000
2001
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
Figura 2. Evoluția ponderilor populației urbane în totalul populației în perioada 1991-2012
rxy = √𝑅 2 = R = 0,88106
Acest rezultat ne indică o legătură directă (R>0) foarte puternică (apropiată de 1) între
cele două variabile ale modelului.
9
Estimarea parametrilor prin MCMMP
10
Ecuația modelului de regresie:
PIB = β0 + β1 * POU
PIB = -4700,216 + 0,083776 * POU
Testul ”t”
|tcalc| > ttab (=1.72) pentru fiecare dintre cei doi parametri => respingem H0 => acceptăm
H1 => toți parametrii βi sunt semnificativi din punct de vedere statistic, pentru un nivel de
semnificație de 5%. În plus, probabilitățile celor doi parametri, așa cum reies din output-ul
Eviews, sunt 0, adică susțin afirmația anterioară.
11
Testarea validității modelului
Conform output-ului, modelul este semnificativ din punct de vedere statistic: F-statistic
(=69,39204) > Fcritic => se respinge ipoteza nulă. În plus, Prob(F-statistic) = 0,0000 < 0,05.
12
2. Erorile aleatoare au media 0: E(εi) = 0
13
Valoarea testului Jarque-Bera este de 0,401155, cu o probabilitate asociată acestui test de
0,818258, ce se apropie foarte mult de 1 => se acceptă ipoteza nulă, conform căreia erorile au o
distribuție normală.
Testul Glejser
Din output => probabilitățile parametrilor sunt mai mari de 5% (0,8887 și 0,8982) =>
acceptăm H0 => erorile aleatoare sunt homoscedastice.
14
Testul White
15
5. Erorile aleatoare nu sunt corelate
Testul Durbin-Watson
16
Valoarea indicatorului obținută cu ajutorul softului Eviews este DW = 0,6589
pentru modelul analizat. Valorile critice pentru DW sunt: d1 = 0,997 și d2 = 1,174.
Deoarece 0 < DW < d1 => avem autocorelare de ordinul I.
Aplicăm, în continuare, testul Breusch-Godfrey.
Testul Breusch-Godfrey
Conform acestui output, probabilitatea pentru RESID(-2) = 0,1818 și este mai mare de
0,05, ceea ce înseamnă că nu avem și autocorelare de ordinul II.
17
În consecință, vom aplica metoda celor mai mici pătrate generalizată pentru corectarea
autocorelării de ordin I.
După corectarea autocorelării, au rămas 21 de observații din totalul de 22, iar noua
valoare a indicatorului Durbin-Watson este DW = 1,475740 și este cuprinsă în intervalul
valorilor critice (d2, 4-d2), deci nu mai avem autocorelare a erorilor aleatoare.
18
Figura 11. Scatter Plot – după corectarea autocorelării
În această secțiune vom previziona PIB-ul pentru Franța în anul 2013, în condițiile unei ponderi
a populației urbane în populația totală de 87,332%.
19
Utilizând programul Eviews, s-a previzionat că, în anul 2013, Produsul Intern Brut va
atinge pragul de 2616,102 miliarde US$.
3. Concluzii
În urma prelucrărilor efectuate asupra datelor, s-a obținut următorul model econometric:
20
APLICAȚIA 2:
Model de regresie multiplă
Corelaţia dintre Produsul Intern Brut şi şomajul în România,începând din anul 1995.
”Este cunoscut faptul că, până la sfârșitul anilor ’80, în România termenul de “șomer” era
practic neutilizat, economia centralizată având ca obiectiv major ocuparea deplină. Începând cu
anul 1990 acest fenomen s-a manifestat și în țara noastra, ca urmare a dezechilibrului pe piața
muncii. Pentru o cât mai bună cunoaștere și reprezentare a fenomenelor macroeconomice,
articolul prezintă analiza relației dintre Produsul intern brut și șomaj, precum și infl uențele
existente. Concluziile arată faptul că începând cu anul 1995, a existat o legătură în dinamica lor,
întreruptă de efectele crizei economice mondiale manifestate și în țara noastră.
Prin articolul elaborat s-a avut ca bază de pornire Legea lui Okun, în sensul în care se
vrea a fi o analiză a legăturii dintre Produsul intern brut (PIB) și șomaj, utilizând surse de date
din România. În știința economică, Legea lui Okun se bazează pe o observație empirică a
legăturii dintre rata șomajului și ritmul de creștere al Produsului intern brut.
Rezultatele analizei datelor statistice au demonstrat că între șomaj și Produsul intern brut
din România, în anii 1995-2007 a fost o relație destul de puternică, atât într-un, sens cât și în
altul. Declanșarea crizei fi nanciare la nivel mondial a modifi cat și evoluția celor doi indicatori,
Determinarea funcției Revista Română de Statistică nr. 7 / 2013 89 de regresie a permis
estimarea valorilor ajustate în condiţiile în care ceilalţi factori de influenţă au rămas neschimbaţi.
Relația arată ce s-ar fi întâmplat în situaţia în care economia nu ar fi intrat în criză și cum aceasta
a perturbat dinamica șomajului și a Produsului Intern Brut.”
21
1.2. Metodologia cercetării
Unde:
PIB – produsul intern brut
CH – cheltuieli publice pentru educație
EMPL – ocuparea fortei de muncă
POU – ponderea populației urbane
Cu ajutorul softului Eviews, am estimat modelul, folosind metoda celor mai mici pătrate
și am testat validitatea modelului, gradul său de bonitate, precum și semnificația statistică a
parametrilor incluși în model. După validarea modelului, acesta a fost corectat astfel încât să
îndeplinească ipotezele modelului de regresie liniară multiplă.
22
2.1. Date analizate
Definiție: ”Ponderea cheltuielilor publice pentru educaţie în Produsul Intern Brut dintr-
un anumit an financiar.”
Periodicitate: Anuală.
Sursa de colectare: World Bank.
Transformări aduse datelor: CHGUV(1)=CHGUV(0)*1000
Conform lui Ryan Barnes, ”Produsul Intern Brut (PIB) este predecesorul tuturor
indicatorilor macroeconomici. Ca o măsură agregată a producției economice totale dintr-o țară,
PIB reprezintă valoarea pe piață a tuturor bunurilor și serviciilor produse de economie, în
perioada măsurată, inclusiv consumul personal, cheltuielile guvernamentale, investițiile private și
exporturile nete (exporturile se adaugă, importurile se scad).”
Datele analizate au fost exprimate în prețuri comparabile, deflaționate prin indicii
prețurilor, raportate la prețurile anului 2005.
23
Periodicitatea: anuală
Sursa de colectare a datelor: World Bank
Alte transformări asupra datelor: Datele sunt exprimate în miliarde US$
PIB(1) = PIB(0) / 1,000,000,000
PIB
3000
2500
2000
1500
PIB
1000
500
0
24
Conform graficului putem observa din anul 1991 până în anul 2002 o stagnare a valorii
PIB-ului. Din anul 2002 acesta întâmpină o creștere lentă până în jumătatea anului 2008 când are
loc o scădere ușoară a valorii sale.
Populația Urbană
88000
86000
84000
82000
80000
78000
76000 POU
74000
72000
70000
68000
Figura 14. Evoluția ponderii populației urbane în totalul populației în perioada 1991-2012
Conform graficului putem observa o creștere continuă pe întreaga perioadă studiată populației
urbane.
25
Conform graficului gradul de ocupare al forței de muncă scade constant din anul 1991 până în
anul 1993. Din anul 1999 până în anul 2001 acesta întâmpină o creștere continuă. Din 2009 până
în anul 2012 gradul de ocupare se diminuează.
Cheltuieli Guvernamentale
7000
6000
5000
4000
3000 ch
2000
1000
0
Conform graficului cheltuielile guvernamentale sunt relativ costante pe toată perioada studiată.
Mai întâi vom analiza intensitatea și sensul legăturii dintre variabila dependentă și fiecare
dintre cele trei variabile exogene. Pentru aceasta vom calcula coeficientul de corelație liniară
Pearson.
Pe baza rezultatelor obținute, pe care le putem consulta în secțiunea ANEXE, putem
formula următoarele concluzii:
Între valoarea Produsului Intern Brut și ponderea populației urbane în totalul populației
Franței înregistrate în anii 1991 – 2012, există o relație directă și semnificativă. Se poate afirma
26
că o creștere cu un punct procentual a populației urbane conduce la o majorare cu 83,77 miliarde
US$ a valorii Produsului Intern Brut.
Legătura dintre PIB și cheltuielile cu educația este, de asemenea, în sens direct, cu
intensitate medie, coeficientul de corelație având valoarea 0.298531405.
Nu în ultimul rând, între Produsul Intern Brut și gradul de ocupare al forței de muncă
există o legătură directă și puternică, coeficientul de corelație având valoarea 0.545483272.
Se poate afirmă că putem include în model toate cele trei variabile, întrucât fiecare
impactează într-o anumită măsură variația Produsului Intern Brut.
Vom continua cu estimarea parametrilor modelului, pentru aceasta realizând ecuația
modelului multifactorial folosind pachetul de programe EViews, prin aplicarea M.C.M.M.P.,
care a condus la obţinerea următoarelor rezultate:
27
̂ ==-0,4256, arată că, menţinând celelalte variabile constante, atunci când gradul de
β2
ocupare al forței de muncă creşte cu un procent, PIB-ul crește, în medie, cu 0,4256 procente.
̂ ilustrează că la o creștere cu un procent a cheltuielilor
Coeficientul de regresie parţial, β3
publice pentru educație, PIB-ul crește în medie cu 0,2189 procente.
Există, așadar, o dependență directă între variabilele exogene și variabila endogenă.
Coeficientul de determinație (R-squared = 0,781298) arată că 78,12% din variația
variabilei dependente este explicată de variația simultană a populației urbane, a gradului de
ocupare al forței de muncă și a cheltuielilor publice pentru educație, adică o legătură puternică
între variabila endogenă și cele trei variabile exogene, lucru confirmat și de coeficientul de
determinație ajustat (Adjusted R-squared = 0,754088), care ia în considerare și numărul de
observații și numărul de variabile exogene.
H0: β0=0
β1=0 (parametrii nu sunt semnificativi statistic, modelul nu este valid)
β2=0
β3=0
H1: βi≠0 , i=0,1,2,3 (parametrii sunt semnificativi statistic, modelul este valid)
Deoarece |tcalc |> ttab (1.72) doar pentru parametrul indicatorului POU => parametrii nu
sunt semnificativi. În primă fază s-a încercat modelarea prin eliminarea outlier-ilor, însă s-a
dovedit că pentru a ajunge la parametri semnificativi este necesară indicatorului cheltuieli
publice privind educația. În plus, s-au eliminat și 5 outlieri.
28
Figura 18. Regresie multifactorială între PIB, POU și EMPL
Ipoteza nulă este respinsă ca urmare a testului F (F-statistic = 84,86588 >> Fcritic),
modelul fiind valid pentru un prag de semnificație mai mic de 5% (Prob(F-statistic)=0,0000).
29
Verificarea îndeplinirii ipotezelor modelului de regresie liniară multiplă
Probabilitatea acestui test este de 0,963011 și tinde spre 1 => acceptăm ipoteza nulă =>
erorile aleatoare au o distribuție normală.
30
Conform acestui output, media erorilor aleatoare este -3,62e-14, valoarea fiind foarte
apropiată de 0.
Testul Park
Testul Glejser
31
Aplicând testul Glejser cu următoarele ipoteze:
H0: β1= β2= β3=0 (există homoscedasticitate)
H1: β1≠ β2≠ β3≠0 (există heteroscedasticitate).
Din rezultatele testului reiese că avem coeficienții parametrilor-pantă nesemnificativi
statistic, probabilitatea acestora fiind mai mare de 5% (0,2217, respectiv 0,1982), deci acceptăm
H0, erorile aleatoare fiind homoscedastice.
Testul White
32
Testul se aplică pentru următoarele ipoteze:
H0: există homoscedasticitate
H1: există heteroscedasticitate.
Obținem că Prob. F pentru statisticile calculate este mai mare de 5%, respectiv 0,733614,
astfel există o probabilitate foarte mare de a greși în respingerea lui H0, deci acceptăm H0,
conform căreia erorile aleatoare sunt homoscedasticitate.
Din matricea coeficienților de corelație reiese că |rempl, pou|= 0,002380 < 0,85, adică există o
legătură inversă nesemnificativă între cele două variabile exogene.
Conform matricei de corelații liniare a variabilelor explicative, putem concluziona că ipoteza de
necoliniaritate a variabilelor explicative este îndeplinită.
33
Coeficienții de determinație
Comparăm coeficientul de determinație al modelului complet cu coeficienții de
determinație din modelul din care a fost eliminată, pe rând, una din variabilele independente.
34
R2pib = 0,9238 > R2empl,pou =0,6492
Rezultatele obținute reflectă faptul că regresorii nu indică multicoliniaritate.
Metoda grafică
Testul Durbin-Watson
Se obține DW = 1,053803
35
Valorile critice ale statisticii DW sunt d1=1,015 și d2=1,506. 1
Având în vedere că DW calculat se află în intervalul (d1, d2), rezultă indecizie și se
recomandă autocorelarea pozitivă a erorilor.
Pentru a analiza autocorelarea de grad superior apelăm la testul Breusch-Godfrey.
Probabilitatea pentru RESID(-2) > 0.05 și probabilitatea pentru RESID(-1) < 0.05 =>
autocorelare de ordinul I.
Corectarea autocorelării se realizează prin MCMMP.
36
Figura 28. Regresie multifactorială după corectarea autocorelării
37
Previziuni pe baza modelului de regresie liniară multiplă estimat
Folosind softul Eviews, obținem că în condițiile specificate, PIB-ul va avea în anul imediat
următor o valoare de 2504,314 miliarde US$.
3. Concluzii
38
APLICAȚIA 3:
Model cu ecuații simultane
39
1.2. Metodologia cercetării
Forma structurală a unui model cu ecuaţii simultane este forma iniţială a modelului
rezultată în urma etapei de specificare şi reprezintă structura (elemente şi conexiuni) procesului
descris. Specificarea unui model econometric reprezintă alegerea variabilelor endogene,
stabilirea numărului de ecuaţii în forma structurală, alegerea numărului de variabile factoriale
considerate determinante pentru evoluţia fiecăreia dintre variabilele endogene, stabilirea fiecărei
ecuaţii de regresie, definirea relaţiilor de identitate dacă acestea există.
Pentru definirea modelului IS-LM se consideră variabilele R = rata dobânzii, M = masa
monetară, Y = Produsul Intern Brut şi G = Cheltuielile Guvernamentale. Ecuaţiile modelului:
Rt = a + bMt-1 + cYt + dMt-2 + εt
Yt = e + fRt + gGt + ut
40
2.1. Date utilizate
Conform lui Ryan Barnes, ”Produsul Intern Brut (PIB) este predecesorul tuturor
indicatorilor macroeconomici. Ca o măsură agregată a producției economice totale dintr-o țară,
PIB reprezintă valoarea pe piață a tuturor bunurilor și serviciilor produse de economie, în
perioada măsurată, inclusiv consumul personal, cheltuielile guvernamentale, investițiile private și
exporturile nete (exporturile se adaugă, importurile se scad).”
Datele analizate au fost exprimate în prețuri comparabile, deflaționate prin indicii
prețurilor, raportate la prețurile anului 2005.
Periodicitatea: anuală
Sursa de colectare a datelor: World Bank
Alte transformări asupra datelor: Datele sunt exprimate în miliarde RON
PIB(1) = PIB(0) / 1,000,000,000
Rata dobânzii Cota procentuală ce se aplică de către bănci la creditele acordate și se încasează de
către acestea la datele convenite prin contractele de credit sau la disponibilitățile care sunt
păstrate în conturi bancare.
Periodicitate: anuală.
Sursa de colectare: Comunicate de presă
Transformări asupra datelor: RD(1) = RD(0) * 1000
41
Masa monetară (MM)
Masa monetară reprezintă un indicator care desemnează totalitatea mijloacelor bănești existente în
economia unei țări la un moment dat, sau ca medie pe o anumită perioadă;
Periodicitate: anuală.
Sursa de colectare: Econometrie – Gheorghe Săvoiu, Editura Universitară 2011
Transformări asupra datelor: MM(1) = MM(0) / 1,000,000,000
Periodicitate: anuală.
Sursa de colectare: Văcărel, Finanţe publice, Ed. didactică şi pedagogică, Bucureşti,
2001, pag. 374
Transformări asupra datelor: CH(1) = CH(0) / 1,000,000,000
42
Evoluția economică a variabilelor incluse în model
PIB
450
400
350
300
250
200 PIB
150
100
50
0
RATA DOBÂNZII
14000
12000
10000
8000
6000 RD
4000
2000
0
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
43
Se poate observa că până la jumătatea anului 1999, rata dobânzii a avut o tendință
accentuată de creștere. Din 2005 și până în 2008 aceasta a suferit o scădere dramatică din cauza
crizei economice, iar în 2009 a crescut brusc atingându-și maximul.
MASA MONETARĂ
200
150
100
masa mon
50
Începând cu anul 1998 și până în anul 2012, masa monetară a României a avut un trend de
creștere.
CHELTUIELI GUVERNAMENTALE
40
30
Axis Title
20
ch guv
10
0
2001
1998
1999
2000
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
44
2.2. Rezultatele empirice ale cercetării
Aplicând MCMMP, obținem un model valid pentru rata dobânzii, probabilitatea asociată
lui F calculat fiind 0,022855, mai mică decât pragul de 5%. Se observă că doar doi din cei patru
parametri sunt semnificativi diferiți de 0 și anume coeficientul PIB-ului și coeficientul de
interceptare.
Valoarea coeficientului de determinație (R-squared = 0,636324) arată că aproximativ
63,63% din variația variabilei endogene este explicată de variația simultană a masei monetare și
a PIB-ului din perioada curentă și a masei monetare decalată cu o perioadă în urmă, adică o
legătură medie între variabilia dependent și variabilele independente, lucru confirmat și de
45
valoarea coeficientului de determinație ajustat (Adjusted R-squared = 0,515099), care ia în
considerare și numărul de observații și numărul de variabile exogene.
46
Figura 37. Estimarea sistemului cu ecuații simultane
47
Figura 39. Regresie multifactorială între RD, MM(-1), PIB și MM(-2)
48
Conform output-ului de mai sus, validitatea acestui model se verifică, având o
probabilitate Prob(F-statistic) = 0,002262, mai mică decât pragul de 5%. Singurul parametru
semnificativ din acest model este CHGUV, cu o probabilitate egală cu 0,0212, inferioară
pragului de 5%.
Valoarea coeficientului de determinație (R-squared = 0,741700) este foarte ridicată, ceea
ce înseamnă că 74,17% din variația PIB-ului este explicată de variația cheltuielilor
guvernamentale.
49
Figura 42. Estimarea sistemului cu ecuații simultane
50
Potrivit figurii 42, Prob(F-statistic) = 0,125916 > 0,05, ceea ce ne indică un model
nevalid din punct de vedere statistic. Parametrii utilizați în ecuație sunt nesemnificativi, având
probabilități ce depășesc pragul de 5%.
Din figura 43, deducem că modelul este valid, în urma estimării sistemului de parametri
prin ecuații simultane, probabilitatea care confirmă acestu lucru fiind Prob(F-Statistic) =
0,026419 < 0,05. Coeficientul de determinație R-squared = 0,676197 ne arată că aproximativ
67,61% din variația ratei dobânzii se datorează Produsului Intern Brut (parametru semnificativ
din punct de vedere statistic, cu o valoare de 0,0413 < 0,05).
3.Concluzii
51
Concluzii finale
52
Brut. Modelul obținut prin această metodă are o bonitate ridicată (R-squared = 0,6761) și
aproximează bine datele de observație.
În concluzie, tehnicile de regresie puse la dispoziție de către Eviews își dovedesc
utilitatea în cadrul analizelor economice, fapt ilustrat de fiecare dintre cele trei aplicații cuprinse
în cadrul acestui proiect.
53
BIBLIOGRAFIE
1. http://www.investopedia.com/university/releases/gdp.asp
2. http://data.worldbank.org/indicator/SP.URB.TOTL.IN.ZS
4. http://www.revcib.ase.ro/2007/Brasoveanu.pdf
6. http://www.comunicatedepresa.ro/rata-dobanzii/definitie/
7. Văcărel, Finanţe publice, Ed. didactică şi pedagogică, Bucureşti, 2001, pag. 374
54