Documente Academic
Documente Profesional
Documente Cultură
2. Definiţia econometriei
1
3. Noţiuni şi concepte fundamentale ale
econometriei
2
modelul econometric
Sursa de date
Teste statistice
4. Introducerea unui
model economic în
modelul
econometric
3
4
5. Locul şi rolul econometriei în sistemul
ştiinţelor economice
5
Fig.1 Schema de modelare a unui sistem
- modele deterministe,
- modele econometrice (aleatoare).
Y = f(X) + U
6
Spre deosebire de modelul determinist se introduce în
descrierea fenomenului economic studiat şi o variabilă aleatoare (U)
deoarece :
Exemplu :
y = f(x) + u
unde :
y = (y1, y2,…,yn) - variabilă endogenă sau rezultativă;
x = (x1, x2,…,xn) – variabilă exogenă sau
factorială sau
cauzală; 9
u = (u1, u2,…,un) – variabila reziduală, aleatoare sau eroare.
¨ Funcţia liniară
y = a+ bx+u
¨ Funcţia semilogaritmică
y = a+b log x + u
Funcţia putere
10
y =a xb + u
Funcţia inversă (hiperbolă)
b
y = a + x + u
¨ Funcţia parabolă
2
Y = a + bx + cx + u
11
Funcţia logistică
c
y 1 ea bx u
sau
c
y 1 ea b log x u
3. Modelul econometric
unifactorial
liniar yt = a
+bxt + ut
12
3.1 Determinarea parametrilor prin - Metoda Celor Mai
Mici Pătrate –
M.C.M.M.P.
13
Condiţia de minim a funcţiei rezultă din :
ì naˆ ˆ x = y
å
ï +b
í å t
ˆ
å
t2 t t
x +b x y
î å t å t
ï aˆ = x
Acest sistem se mai numeşte şi sistem de ecuaţii normale,
care are următoarele proprietăţi :
14
- verificarea similitudinii modelului econometric .
16
I3 Valorile variabilei reziduale u sunt
necorelate, respectiv nu există fenomenul de autocorelare
a erorilor.
Cov(ut, uk) = M(ut, uk) = 0
( )t, k 1, n,t k
17
Această valoare empirică „d”, se compară cu două valori teoretice,
d1 şi d2, preluate din tabelul distribuţiei Durbin-Watson, în funcţie de
pragul de
α, de numărul de variabile exogene k şi de
semnificaţie stabilit
numărul n al valorilor observate (n ³ 15 ).
corespunzătoare lui tα .
18
3.2.2 Verificarea semnificaţiei estimatorilor
parametrilo
r modelului
econometri
c
æ 2 ö
s = 2ç 1 x ÷
aˆ su ç + 2 ÷ = abaterea medie pătratică a estimatorului aˆ
(x
èn å t - x) ø
2
s
ˆ = su
b
(x
ˆ å t -x )2 = abaterea medie pătratică a estimatorului
b
1 å ( yt - y t )2
= n - 2 å (uˆt ) =
2
su2 n- 2 = dispersia variabilei reziduale
¨ ˆ
Verificarea estimatorilor aˆ şi b
19
ˆ
Estimatorii aˆ şi b fiind variabile normale, se va
aplica testul „t”. Prin centrarea şi
normarea estimatorilor aˆ şi bˆ se obţin valorile calculate :
ˆ
aˆ şi tcal2 b . Aceste valori calculate se compară cu
tcal1 s valoarea teoretică :
aˆ sˆ
b
Vu 2
unde :
)2 = variaţia totală variabile y factori
= ån ( yt y a
2
V0 i provocată de toţi i
t1
săi de
influenţă ;
Vx =
2
ån ( yˆt y)2 = variaţia fenomenului y provocată numai de
factorului variaţia
t1
x,
considerat factorul principal al variaţiei y, adică variaţia
explicată
lui y modelul econometric;
de
Vu
2
= ån ( yt yˆt )2 = variaţia reziduală, sau variaţia
fenomenului y
t1
22
¨ a3 Testarea semnificaţiei
modelului a3.1:
Coeficientul de
determinare
V2
Coeficientul de determinare se calculează astfel : Ry2 / x Vx2 , el are
0
următoarele semnificaţii :
23
Pe baza acestor informaţii se deduce uşor că un modele econometric este
R2
cu atât mai performant cu cât valoarea lui y / x se apropie mai mult de
unu, respectiv cu cât se apropie mai mult de 100%.
Astfel :
24
, atunci Ry/x
= n-k-1 × R 2 £F
2
▪ dacă F =0
k ;
cal k 1- R ; 1 2 n k 1
ˆ
▪ estimărilor punctuale ale prognozei : yˆ aˆ b t
▪ dacă modelul econometric este : yˆ aˆ bˆt +ut ,
atunci prognoza se face pe baza unui interval de
încredere de forma :
ˆ ×s £y £y +t
ˆ × syˆt ) = p = 1-
P(yt - t yˆt t t
▪ dacă modelul ˆ şi dacă
econometric este : yˆt aˆ bxt ut pentru
prognoza fenomenului y se cunosc valorile variabilei x la
momentul (n+v)
prognoza se realizează tot pe baza unui interval de încredere :
P( yˆ -t ×s £ y £ yˆ + t × s ) = p = 1-
n v yˆn v n v n v yˆn v
unde :
y n v = valoarea reală a variabilei y în momentul de
prognoză (n+v);
26
4.3 Eroarea de previziune
y -y ×s
ea = n v n v = t
yˆn v
ˆ = eroarea absolută ;
×s
e a t yˆv v 100 = eroarea
er = 100 = relativă.
yˆ yˆ
n v n v
Dacă p → 1 rezultă că siguranţa prognozei creşte,
iar dacă pragul de semnificaţia α creşte atunci precizia
prognozei se diminuează.
Se poate preciza că prognozele sunt acceptate cu o
probabilitate dată de p = 0,95, aceasta α = 0,05 iar eroarea
de prognoză er = 5%.
yt y
t
b>0 t b<0 t
yt
unde:
n – reprezintă numărul termenilor seriei.
Prin rezolvarea sistemului aflăm parametri a şi b, cu ajutorul lor putem scrie
modelul matematic de evoluţie liniară a fenomenului studiat :Yt = a + b•t.
28
Fig.1 Funcţia liniară
Dacă între cele două serii de date există o legătură liniară de forma fig.1
atunci ecuaţia liniară va fi de forma : Yi = a + b × x
Parametrii a şi b se află tot prin M.C.M.M.P., şi anume minimizăm funcţia:
APLICAŢIA 1
La o fabrică care produce articole din masă plastică, în
perioada 2004 – 2008, s-a înregistrat următoarea serie de date
(tabelul 1), cu privire la valoarea producţiei acesteia. :
-mii.lei
Tabelul.1 -
Anii 2004 2005 2006 2007 2008
t 1 2 3 4 5
Valoarea
Producţiei
228 256 260 240 248
(Q)
29
Tabelul 1
Anul yt t2 t•yt Yt
t
1 2 3 4 5
1 228 1 228 242
2 256 4 512 244
3 260 9 780 246
4 240 16 960 249
5 248 25 1.240 251
15 1.232 55 3.720 1.232
270
260 260
256
251
250 246 249 248
242 244
240 240
230 228
220
210
1 2 3 4 5
APLICAŢIA 2
30
Avem două serii : X reprezentând cheltuieli cu publicitatea
şi Y reprezentând cifra de afaceri. Aceste serii de date în ultimii
şase trimestre au avut valorile : X={4, 6, 3, 5, 8, 7}şi Y={30, 45,
25, 30, 50, 45}
Se cere prognoza lui Y pentru trimestrul următor,
cunoscând că se vor face cheltuieli cu publicitatea de 11 um.
Rezolvare
y
60
50
40
Series1
30
20
10
0 x
0 5 10
Y= a+ bx
Pentru a calcula parametrii aşi b folosim sistemul de ecuaţii normale :
ì na + bå xt = å yt
í
î aå xt + bå xt = å xt yt
2
Construim tabelul :
xt yt x2 xtyt
4 30 16 120
6 45 36 270
3 25 9 75
5 30 25 150
8 50 64 400
7 45 49 315
33 225 199 1,330
Obţinem sistemul :
ì 6a + 33b = 225
í
Elaborarea prognozei
31
Dacă pentru variabila factorială x se prognozează valoarea x= 11atunci cifra
de afaceri va avea valoarea prognozată de 65 u.m.
Y = 8,43 + 5,29 ▪ 11= 67 u.m.
2. FUNCŢIA PARABOLĂ
yt
t
ù2
é
minê å
n
Y
t
- a + bt + ct 2
ú
ë t1 û
În urma efectuării derivatelor parţiale în raport cu parametrii a, b şi c se
obţine următorul sistemul de ecuaţii normale:
na + bå t + cå t 2 = å yt
aå t + bå t 2 + cå t 3 = å tyt
aå t 2 + bå t 3 + cå t 4 = å t 2 yt
polinomiale: Yt ∑ai t i .
i1
Notă.
1. Modelul matematic este cu atât mai avantajos cu cât este mai simplu,
altfel spus, cu cât are mai puţini parametrii cu atât este mai eficient şi uşor de
aplicat.
2. Dintre funcţiile polinomiale se folosesc cel mai des funcţiile liniare,
polinomiale şi foarte rar cele cu gradul mai mari decât 3.
32
Parcurgând aceleaşi etape ca mai sus, se ajunge la
următorul sistem de ecuaţii normale :
ì na + bå x + cå x 2 = å y
ï ï
í aå x + å î x + å x = å xy
2 3 å
x3 + å x 4 = xy
aå x2 + bå
APLICAŢIE
Să se ajusteze şi prognozeze cu ajutorul funcţiei parabolă, seria de date
prezentată în tabelul.1.
Rezolvare
1. Pe baza sistemului de ecuaţii normale se construieşte tabelul 3
Tabelul 3
2 4 2•
t yt t t t•yt t y Yt
1 2 3 4 5 6 7
-2 228 4 16 -456 912 232
-1 256 1 1 -256 256 249
0 260 0 0 0 0 256
1 240 1 1 240 240 253
2 248 4 16 496 992 242
Total 1.232 10 34 24 2.400 1.232
5a + 10 c = 1.232
10 b = 29
10 a + 34 c = 2.400
Prin rezolvarea acestui sistem se determină parametrii a = 255,54 , b = 2,4
şi
c=-4,57
Prin reprezentarea grafică a celor două serii de timp vom obţine un graficul
din figura 2.4
33
270
260
260
256
250
248 Serie
240 240 primară
Trend
230 228
220
210
1 2 3 4 5
Fig. 4 Parabola
FUNCŢIA EXPONENŢIALĂ
yn
y
1
1 2 34 5 t
ån y t abt 2 min
34
Deoarece y abt este neliniară, pentru calcularea
funcţia t
parametrilor a şi b
se va face liniarizarea acestei ecuaţii prin logaritmare, astfel:
ln yt = ln Yt = ln a + t • ln b
g = G = A +t• B
t t
APLICAŢIE
Rezolvare
yt gt= ln yt t t2 t* ln yt Gt Yt
1 2 3 4 5 6 7
228 5,429 -24,0 -10,859 5,299 241
256 5,545 -11,0 -5,545 4,402 244
260 5,561 0 0,0 0,000 5,506 246
240 5,481 1 1,0 5,481 5,609 249
248 5,513 2 4,0 11,027 5,713 251
1232 27,529 0 10,0 0,104 27,529 1231
35
Primul termen al seriei ajustate se calculează astfel:
Prin reprezentarea grafică a celor două serii de timp vom obţine un graficul
din figura 2
330
325
320 320
314
310 308 311 310
305
300 302 300
Serie primară
290
285
280 Trend
270
260
1 2 3 4 5
Fig. 2.
FUNCŢIA LOGISTICĂ
Utilizarea ajustării unei serii de timp printr-o funcţie logistică este una
dintre cele mai realiste metode folosite pentru ajustarea unui fenomen economic.
Funcţia logistică reprezintă la începutul intervalului o creştere accentuată,
urmată de o perioadă de încetinire a creşterii până la atingerea unui prag de
saturaţie care nu poate fi depăşit.
y
t Prag de saturaţie
t
Funcţia logistică este descrisă de ecuaţia :
c c
f(t) = Yt sau f(t) = Yt ,
1 ea bt 1 ae bt
36
unde c reprezintă pragul de saturaţie.
1 y 1 c - y 2
b = - n log y2 c - y1
Pentru ca ajustarea să fie de calitate este necesar ca seria de date analizată să
aibă un număr mare de termeni.
b. Metoda liniarizării
Această metodă se aplică atunci când se cunoaşte pragul
de saturaţie : c = c* ,
iar funcţia logistică forma: c*
este de Yt =1 bt + ae
În acest caz seria de timpe se reprezintă grafic sub
forma următoare:
y c*
t
nelin
Această funcţie est t . Pentru aflarea
evident e i parametrilor se
procedează la liniarizarea funcţiei prin
logaritmare:
c*
Yt = .
c*
1+ ae bt c*
Scriem ecuaţia sub forma: = 1+ ae bt , rezultă că: - 1 = ae bt ;
Yt Yt
æ c* ö
logaritmăm această lnç - 1÷= ln a - b × t , apoi facem
ecuaţie Þ ç Y ÷
notaţiile :
è t ø
37
Gt A
În urma acestor notaţii se obţine o ecuaţie de forma: Gt = A
– b•t adică un model liniar pe care ştim să îl rezolvăm.
APLICAŢIE
Vânzările unei firme specializată în desfacerea produselor
electronice, în primele 10 luni de funcţionare sunt prezentate în
tabelul 2.
Se cere să se ajusteze seria de timp pe baza funcţiei
logistice şi să se previzioneze vânzările pentru următoarele două
luni.
Tabelul 2. - mii.lei -
Vânzări
Luna Puncte alese
yt
1 120 X1
2 128
3 185
4 268
5 280 X2
6 285
7 291
8 294
9 296 X3
10 297
Rezolvare
În urma reprezentării grafice a seriei de timp obţinem graficul din figura 2.6
350
300
250 Date
200 prim are
150 Trend
100
50
0
1
Tabelul 8
Luna t yt EXP(-0,32*t) Yt
1 0 120 1 120,00
2 1 128 0,73 143,43
3 2 185 0,53 167,10
4 3 268 0,38 189,84
5 4 280 0,28 210,65
6 5 285 0,20 228,86
7 6 291 0,15 244,17
8 7 294 0,11 256,64
9 8 296 0,08 266,51
10 9 297 0,06 274,16
Prognoza 11 10 - 0,04 280,00
Prognoza 12 11 - 0,03 284,39
UTILIZAREA COEFICIENTUL DE
ELASTICITATE PENTRU PREVIZIUNE.
FUNCŢIA DE PRODUCŢIE.
1. Coeficientul de elasticitate
Forma cea mai utilizată a coeficientului de elasticitate cererii
este :
Rezolvare
10000 7000
CtrimIV 2,1 25 25 47,5
um. 7000
2. Funcţia de producţie
Pentru determinarea corelaţiei dintre rezultatul unei
activităţi economice, de exemplu PIB =(y) şi factorii si
principali de producţie : capitalul (K) şi forţa de muncă (L)
îl reprezintă funcţia de producţie de tip Cobb – Douglas, scrisă
sub forma:
y = A▪ Kα Lβ ,
în care: α şi β = coeficienţi de elasticitate;
A = factor de proporţionalitate, constant.
41
O formă mai extinsă a funcţiei Cobb-Douglas se poate
obţine atunci când, în loc de doi factori de influenţă, vom lua un
număr „n” de factori F1, , F2 ,... Fn . Astfel, vom avea:
y = AF1 x F2 x…x Fn
Din această relaţie, se pot deduce mărimile coeficientului
eficienţei integrale care, de ceastă dată, are un fundament mai
extins al integralităţii sale, fiind luai în considerare n factori de
influenţă.
42
MICROSOFT EXCEL
Funcţia TREND
Syntax
43
Se cunosc valorile celor două serii de date X= cheltuieli cu publicitatea
şi Y = Volumul desfacerilor pe lunile ian-sept. Se cerea să se prognozeze volumul
desfacerilor dacă se va face cheluiieli cu publicitatea în lunile următoare de 1,750 şi
respectiv1,900
B C D E F
Cheltuieli
Nr.crt Luna cu Volum
publicitatea desfacere
26 1 Ian. 1,250 23,750
27 2 Feb 1,310 25,480
28 3 Mar 1,110 21,210
29 4 Apr 1,375 26,940
30 5 Mai 1,411 27,920
31 6 Iun 1,400 27,200
32 7 Iul 1,530 29,872
33 8 Aug 1,610 30,100
34 9 Sept 1,690 31,540
35 10 Oct 1,750
36 11 Nov 1,900
Rezolvare
Rezolvare
44
3. Prognoza
Octombrie 33,203
Noiembrie 35,886
BIBLIOGRAFIE
45
3. Tudorel Andrei, Econometrie, Editura Economică, 2008
4. Ioan Deac, Introducere în econometrie- Note de curs, Biblioteca
FFB Blaj, 2009
46