Proiect

Econometrie
Academia de Studii Economice Bucuresti

Student: Berca Andreea-Gabriela

Grupa 943, Seria A
 Modelul multifactorial de regresie liniară

CUPRINS:

1. Prezentarea problemei și analiza preliminară a datelor:

 Prezentarea problemei
 Tabelul cu datele, sursa datelor
 Verificarea preliminară a datelor
 Factorii independenți (ipoteza de multicoliniaritate)

2. Definirea modelului de regresie:

 Forma, variabilele și parametrii modelului de regresie
 Aproximarea grafică a modelului legăturii dintre variabile

3. Estimarea parametrilor modelului:

 Estimarea punctuală a parametrilor (MCMMP)
 Estimarea parametrilor prin interval de încredere

4. Testarea semnificației corelației si a parametrilor modelului de regresie:

 Testarea parametrilor modelului de regresie
 Testarea semnificației corelației (validitatea modelului)

5. Testarea ipotezelor clasice asupra modelului de regresie:

 Testarea normalității erorilor
 Testarea ipotezei de homoscedascititate
 Testarea ipotezei de autocorelare a erorilor

6. Previziunea valorii variabilei Y în ipoteza modificării variabilelor factoriale

7. Concluzii

1
 1. Prezentarea problemei și analiza preliminară a datelor:
 Prezentarea problemei:

Datele culese pe 30 de țări din anul 2016 ilustrează o variabilă independentă notată cu x1,
respectiv FORTA DE MUNCA (exprimata in mii de locuitori), o variabila independenta x2,
respective POPULATIA TOTALA, și o variabilă dependentă notată cu y, respectiv PIB
(produsul intern brut exprimat in mii US), pentru a arăta legătura dintre acestea.

PIB(million Forta de munca(mii Populatie(mii

Nr. Crt
Tara US) loc.) loc.)
1 Albania 11926.89 1190.93 2876.10
2 Algeria 156079.31 12631.06 40606.05
3 Croatia 50425.33 1855.49 4170.60
4 Cipru 19801.66 623.40 1170.13
5 Cehia 192924.59 5319.13 10561.63
6 Danemarca 306142.94 2963.84 5731.12
7 Egipt 336296.92 31569.88 95688.68
8 Estonia 23136.74 683.22 1316.48
9 Finlanda 236785.05 2676.53 5495.10
10 Franta 2465453.98 30055.12 66896.11
11 Germania 3466756.88 43299.99 82667.68
12 Grecia 194558.65 4764.75 10746.74
13 Ungaria 124342.94 4540.32 9817.96
14 Islanda 20047.41 197.20 334.25
15 India 2263522.52 511281.91 1324171.35
16 Indonezia 932259.18 127198.98 261115.46
17 Irak 171489.00 9414.92 37202.57
18 Irlanda 294053.60 2231.46 4773.10
19 Israel 318743.69 3933.13 8547.10
20 Italia 1849970.46 25276.49 60600.59
21 Iordania 38654.73 2432.50 9455.80
22 Lituania 42738.88 1453.45 2872.30
23 Luxemburg 59947.78 287.24 582.97
24 Madagascar 9990.65 12629.04 24894.55
25 Malaezia 296359.12 14891.69 31187.26
26 Malta 10949.09 195.88 436.95
27 Moldova 6749.52 1267.36 3552.00
28 Muntenegru 4173.26 248.32 622.78
29 Olanda 770845.05 9025.92 17018.41
30 UK 2618885.69 33881.98 65637.24
SURSA: data.worldbank.org
2
  Verificarea preliminara a datelor:

Pentru a verifica validitatea modelului de regresie vom verifica mai intai validitatea datelor
preluate. Astfel, vom folosi functia de regresie din excel pe tabelul de mai sus.

SUMMARY OUTPUT

Regression Statistics
Multiple R 0.594373676
R Square 0.353280067
Adjusted R Square 0.305374887
Standard Error 784430.2298
Observations 30

ANOVA
df SS MS F Significance F
Regression 2 9.0756E+12 4.54E+12 7.374569 0.002784001
Residual 27 1.66139E+13 6.15E+11
Total 29 2.56895E+13

Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95.0% Upper 95.0%
Intercept 347520.795 155143.8804 2.23999 0.033523 29191.84687 665849.7432 29191.84687 665849.7432
Forta de munca(mii loc.) 70.12308166 26.01468198 2.695519 0.011947 16.74536329 123.5008 16.74536329 123.5008
Populatie(mii loc.) -25.60933262 10.12998924 -2.52807 0.017626 -46.39435368 -4.824311572 -46.39435368 -4.824311572

Observam faptul ca Significance F=0.002784001, deci, modelul este valid.

Mai departe, vom realiza o statistica descriptive a datelor si com calcula prin regula celor 3
Sigma.

PIB(million US) Forta de munca(mii loc.) Populatie(mii loc.)

Mean 576467.0503 Mean 29934.03767 Mean 73024.96867

Standard Error 171837.7012 Standard Error 17190.73554 Standard Error 44147.28462
Median 182206.795 Median 4236.725 Median 9636.88
Mode #N/A Mode #N/A Mode #N/A
Standard Deviation 941193.8517 Standard Deviation 94157.53636 Standard Deviation 241804.6364
Sample Variance 8.85846E+11 Sample Variance 8865641653 Sample Variance 58469482187
Kurtosis 2.715228028 Kurtosis 25.68937154 Kurtosis 27.08791712
Skewness 1.94199367 Skewness 4.958004746 Skewness 5.119023671
Range 3462583.62 Range 511086.03 Range 1323837.1
Minimum 4173.26 Minimum 195.88 Minimum 334.25
Maximum 3466756.88 Maximum 511281.91 Maximum 1324171.35
Sum 17294011.51 Sum 898021.13 Sum 2190749.06
Count 30 Count 30 Count 30
1517660.902 124091.574 314829.6051
1123400.647 98394.26136 251441.5164 3
  Ipoteza de multicoliniaritate:

Verificam multicoliniaritatea datelor cu functia din excel =corell(x1,x2) iar valoarea o vom
compara cu cea a lui R2 => corel= 0.998230226 iar R2= 0.353280067. Cum valoarea calculate
este mai mare decat valuarea lui R2, rezulta ca avem multicoliniaritate.

2. Definirea modelului de regresie:

a. Formă, variabile, parametrii: 𝒚= 𝒂+𝒃𝒙i+𝒖i sau 𝒚= 𝒃0+𝒃1𝒙1+𝒃2𝒙2 unde:

y = variabila dependentă (PIB);

xi = variabila independentă (POPULATIE/FORTA DE MUNCA);

a, b = parametrii modelului

ui = variabila reziduală.

b. Aproximarea grafică a legăturii dintre variabile:

Pe baza datelor preluate, vom face 2 grafice care sa ne arate legatura dintre variabile:

Forta de munca(mii loc.)

600000

500000

400000

300000

200000

100000

0
0 1000000 2000000 3000000 4000000

Graficul 1-PIB cu Forta de munca

4
 Populatie(mii loc.)
1400000.00

1200000.00

1000000.00

800000.00

600000.00

400000.00

200000.00

0.00
0.00 1000000.00 2000000.00 3000000.00 4000000.00

Graficul 2-PIB cu Populatia

3. Estimarea parametrilor modelului:

 Estimarea punctuala a parametrilor (MCMMP):

Estimarea parametrilor â si b̂ ce rezulta din tabelul ANOVA au urmatoarele valori:

Coefficients
Intercept 347520.795
Forta de munca(mii loc.) 70.12308166
Populatie(mii loc.) -25.60933262

â=70.12308166 si b̂=-25.60933262

 Estimarea prin interval de incredere:

Lower 95% Upper 95% Lower 95.0% Upper 95.0%

29191.84687 665849.7432 29191.84687 665849.7432
16.74536329 123.5008 16.74536329 123.5008
-46.39435368 -4.824311572 -46.39435368 -4.824311572

â−𝑡 𝑡𝑎𝑏∙𝑆𝑎<𝑎<â+𝑡 𝑡𝑎𝑏∙𝑆𝑎 => â ϵ [16.7453;123.5008 ]

b̂−𝑡 𝑡𝑎𝑏∙𝑆𝑏<𝑏<b̂+𝑡 𝑡𝑎𝑏 ∙𝑆𝑏 => b̂ ϵ [-46.39435368;-4.824311572]

5
 Astfel, putem calcula abaterea medie patratică sau abaterea standard (Standard Error din
ANOVA) a variabilei reziduale û și a estimatorilor â și b̂.

Standard Error
Intercept 155143.8804
Forta de munca(mii loc.) 26.01468198
Populatie(mii loc.) 10.12998924

Abaterea medie pătratică a variabilei reziduale (Stb0)S𝐮̂ = 155143.8804

Abaterea medie pătratică a estimatorului (Stb1)S𝐚̂ = 26.01468198

Abaterea medie pătratică a estimatorului (Stb2)S𝐛̂ = 10.12998924

In urma acestor calcule, rezultă că funcția modelului de regresie liniară este:

𝐲̂i= b0 + b1∙ x1 + b2 ∙ x2

Interpretare:

Cum 26.01468198>0 => x1 crește, deci, dacă x1 crește cu o unitate, Y se modifică cu

26.01468198 unități.

Cum 10.12998924>0 => x2 crește, deci, dacă x2 crește cu o unitate, Y se modifică cu

10.12998924 unități.

4. Testarea semnificației corelației si a parametrilor modelului de regresie:

 Testarea parametrilor modelului de regresie

Vom compara P-value pentru â si b̂ cu pragul de semnificatie ∝ = 0.05:

P-value
0.033523
0.011947
0.017626

P-value â = 0.011947< ∝ = 0.05 rezultă că estimatorul â este semnificativ din punct de vedere
statistic;

P-value b̂ = 0.017626 < ∝ = 0.05 rezultă că estimatorul b̂ este semnificativ din punct de vedere
statistic.

 Testarea semnificației corelației (validitatea modelului)

Prin compararea lui Significance F și a pragului de semnificație ∝ = 0.05 rezultă că:

6
Significance F= 0.002784001< ∝ = 0.05 => modelul este de încredere(este valid).

Coeficientul de corelație Multiple R = 0.594373676 ∈ intervalului de incredere => o legătură

puternică.

Coeficientul de determinare R Square = 0.353280067 ne arată faptul că variabilele independente

x1 (forta de munca) si x2 (populatia) influențează variabila dependentă y (PIB) în proporție de
35,32%, restul fiind alți factori.

5. Testarea ipotezelor clasice asupra modelului de regresie

 Testarea normalității erorilor

Pentru a putea testa normalitatea erorilor vom aduce in discutie cele doua ipoteze:

1) H0: Erorile sunt normal distribuite

2) H1: Erorile nu sunt normal distribuite

Tabelul erorilor:
RESIDUAL OUTPUT

Observation Predicted PIB(million US) Residuals

1 357377.4751 -345450.5851
2 193355.8059 -37276.49587
3 370827.1892 -320401.8592
4 361269.2757 -341467.6157
5 450038.2867 -257113.6967
6 408584.231 -102441.291
7 110774.8338 225522.0862
8 361716.1127 -338579.3727
9 394481.4831 -157696.4331
10 741913.6969 1723540.283
11 1266785.415 2199971.465
12 406422.9091 -211864.2591
13 414470.6218 -290127.6818
14 352789.1473 -332741.7373
15 2289039.369 -25516.84857
16 2580112.588 -1647853.408
17 54991.00941 116497.9906
18 381761.7413 -87708.14128
19 404438.4643 -85694.77433
20 568045.5009 1281924.959
21 275938.4637 -237283.7337
22 375883.502 -333144.622
23 352733.4764 -292785.6964
24 595575.1868 -585584.5368
25 593087.074 -296727.954
26 350066.5064 -339117.4164
27 345427.6343 -338678.1143
28 348984.7785 -344811.5185 7
29 544615.9978 226229.0522
30 1042503.734 1576381.956
 Residuals

Mean -6.51926E-10
Standard Error 138189.9875
Median -247198.7152
Mode #N/A
Standard Deviation 756897.7339
Sample Variance 5.72894E+11
Kurtosis 2.966004176
Skewness 1.420615492
Range 3847824.873
Minimum -1647853.408
Maximum 2199971.465
Sum -1.95578E-08
Count 30

Pe baza datelor din statistica descriptiva de mai sus, vom folosi formula JB => JB=
n(Skew^2/6+Kurt^2/24)= 21.08721784>5.99.

Cum JB>val critica(5.99) => acceptam ipoteza H0 => Erorile sunt normal distribuite.

 Testarea ipotezei de homoscedascititate

Pentru a putea determina homoscedascititatea vom efectua urmatorul tabel preluat din excel:

8
 ei ei^2 x1 x2 x1^2 x2^2 x1x2
-345451 1.19336E+11 1190.93 2876.10 1418314.2649 8271951.21 3425233.773
-37276.5 1389537144 12631.06 40606.05 159543676.7236 1648851296.60 512897453.9
-320402 1.02657E+11 1855.49 4170.60 3442843.1401 17393904.36 7738506.594
-341468 1.166E+11 623.40 1170.13 388627.5600 1369204.22 729459.042
-257114 66107453009 5319.13 10561.63 28293143.9569 111548028.26 56178682.98
-102441 10494218099 2963.84 5731.12 8784347.5456 32845736.45 16986122.7
225522.1 50860211355 31569.88 95688.68 996657323.2144 9156323480.14 3020880145
-338579 1.14636E+11 683.22 1316.48 466789.5684 1733119.59 899445.4656
-157696 24868165006 2676.53 5495.10 7163812.8409 30196124.01 14707800
1723540 2.97059E+12 30055.12 66896.11 903310238.2144 4475089533.13 2010570614
2199971 4.83987E+12 43299.99 82667.68 1874889134.0001 6833945316.58 3579509717
-211864 44886464277 4764.75 10746.74 22702842.5625 115492420.63 51205529.42
-290128 84174071759 4540.32 9817.96 20614505.7024 96392338.56 44576680.15
-332742 1.10717E+11 197.20 334.25 38887.8400 111723.06 65914.1
-25516.8 651109561.1 511281.91 1324171.35 261409191493.2480 1753429764160.82 6.77025E+11
-1647853 2.71542E+12 127198.98 261115.46 16179580513.0404 68181283451.01 33213620174
116498 13571781811 9414.92 37202.57 88640718.6064 1384031214.60 350259220.3
-87708.1 7692718046 2231.46 4773.10 4979413.7316 22782483.61 10650981.73
-85694.8 7343594347 3933.13 8547.10 15469511.5969 73052918.41 33616855.42
1281925 1.64333E+12 25276.49 60600.59 638900946.7201 3672431508.35 1531770207
-237284 56303570295 2432.50 9455.80 5917056.2500 89412153.64 23001233.5
-333145 1.10985E+11 1453.45 2872.30 2112516.9025 8250107.29 4174744.435
-292786 85723463992 287.24 582.97 82506.8176 339854.02 167452.3028
-585585 3.42909E+11 12629.04 24894.55 159492651.3216 619738619.70 314394267.7
-296728 88047478684 14891.69 31187.26 221762431.0561 972645186.31 464431007.9
-339117 1.15001E+11 195.88 436.95 38368.9744 190925.30 85589.766
-338678 1.14703E+11 1267.36 3552.00 1606201.3696 12616704.00 4501662.72
-344812 1.18895E+11 248.32 622.78 61662.8224 387854.93 154648.7296
226229.1 51179584045 9025.92 17018.41 81467231.8464 289626278.93 153606807.2
1576382 2.48498E+12 33881.98 65637.24 1147988568.7204 4308247274.82 2223919653

Folosim metoda estimarii modelului de regresie auxiliara:

Testul White:

Ipoteze:

H0: a1=a2=…=a3=0

H1: ai+0

9
W=n*R2auxiliar

Wer=valoarea critica, unde: α=0.05

Vom prelucra noile date din excel si vom realiza o noua regresie, de data asta cu y=ei2 si x1 si
x2. => urmatoarele date:

SUMMARY OUTPUT

Regression Statistics
Multiple R 0.713367249
R Square 0.508892831
Adjusted R Square 0.472514523
Standard Error 8.48371E+11
Observations 30

ANOVA
df SS MS F Significance F
Regression 2 2.01366E+25 1.01E+25 13.98891 6.77454E-05
Residual 27 1.94328E+25 7.2E+23
Total 29 3.95694E+25

Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95.0% Upper 95.0%
Intercept 3.07406E+11 1.6779E+11 1.832087 0.077992 -36870766733 6.51683E+11 -36870766733 6.51683E+11
X Variable 1 148502519.6 28135207.09 5.278174 1.44E-05 90773843.14 206231196.1 90773843.14 206231196.1
X Variable 2 -57499351.2 10955711.29 -5.24834 1.56E-05 -79978613.95 -35020088.45 -79978613.95 -35020088.45

Analizam valoarea lui P-value.

P-value (x1)= 1.44345E-05<0.05 => valorile sunt semnificative

P-value(x2)= 1.5636E-05<0.05 => valorile sunt semnificative

Din aceste doua relatii => erorile sunt homoscedastice.

CORECTAREA ERORILOR:

Vom efectua corectarea erorilor prin logaritmarea y, x1, x2.

10
 ln(y) ln(x1) ln(x2)
9.386551 7.08249 7.96419
11.95812 9.443914 10.61167
10.82825 7.525904 8.335815
9.893521 6.435188 7.06487
12.17005 8.579065 9.264983
12.63181 7.994241 8.653666
12.72575 10.35996 11.46886
10.04918 6.526817 7.182717
12.37491 7.892276 8.611612
14.71789 10.31079 11.1109
15.05873 10.67591 11.32258
12.17849 8.469 9.282358
11.7308 8.420753 9.191969
9.905855 5.284218 5.811889
14.63243 13.14468 14.0963
13.74537 11.75351 12.47272
12.05227 9.150051 10.52413
12.59152 7.710411 8.470751
12.67214 8.277191 9.053347
14.43068 10.13763 11.01206
10.56242 7.796675 9.154384
10.66286 7.281695 7.962868
11.00123 5.660318 6.368136
9.209405 9.443754 10.1224
12.59933 9.608559 10.34776
9.301012 5.277502 6.079819
8.817227 7.144691 8.175266
8.336453 5.514718 6.434193
13.55524 9.107856 9.742051
14.77826 10.43064 11.0919

11
Mai departe, vom reface regresia pe noile date obtinute:

SUMMARY OUTPUT

Regression Statistics
Multiple R 0.831561408
R Square 0.691494374
Adjusted R Square 0.668642106
Standard Error 1.113174651
Observations 30

ANOVA
df SS MS F Significance F
Regression 2 74.99217401 37.496087 30.2593317 1.27365E-07
Residual 27 33.45726069 1.239157803
Total 29 108.4494347

Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95.0% Upper 95.0%
Intercept 6.395669896 1.146670384 5.577601015 6.48302E-06 4.042896611 8.748443182 4.042896611 8.748443182
ln(x1) 2.877009354 1.033301636 2.784288009 0.009681149 0.756849525 4.997169183 0.756849525 4.997169183
ln(x2) -2.034707107 1.009927878 -2.014705358 0.053994146 -4.106907946 0.037493732 -4.106907946 0.037493732

 Testarea ipotezei de autocorelare a erorilor

ei^2 lnx1 lnx2 lnx1^2 lnx2^2 lnx1lnx2

1.19E+11 7.08249 7.96419 50.16166 63.42833 3181.67
1.39E+09 9.443914 10.61167 89.18751 112.6076 10043.19
1.03E+11 7.525904 8.335815 56.63923 69.48581 3935.623
1.17E+11 6.435188 7.06487 41.41165 49.91239 2066.954
6.61E+10 8.579065 9.264983 73.60036 85.83991 6317.848
1.05E+10 7.994241 8.653666 63.90789 74.88594 4785.802
5.09E+10 10.35996 11.46886 107.3287 131.5346 14117.45
1.15E+11 6.526817 7.182717 42.59934 51.59142 2197.76
2.49E+10 7.892276 8.611612 62.28803 74.15986 4619.272
2.97E+12 10.31079 11.1109 106.3124 123.452 13124.47
4.84E+12 10.67591 11.32258 113.975 128.2009 14611.7
4.49E+10 8.469 9.282358 71.72397 86.16217 6179.892
8.42E+10 8.420753 9.191969 70.90908 84.49229 5991.27
1.11E+11 5.284218 5.811889 27.92296 33.77806 943.1835
6.51E+08 13.14468 14.0963 172.7825 198.7056 34332.85
2.72E+12 11.75351 12.47272 138.1449 155.5687 21491.03
1.36E+10 9.150051 10.52413 83.72343 110.7574 9272.988
7.69E+09 7.710411 8.470751 59.45044 71.75363 4265.785
7.34E+09 8.277191 9.053347 68.51189 81.9631 5615.447
1.64E+12 10.13763 11.01206 102.7715 121.2655 12462.64
5.63E+10 7.796675 9.154384 60.78814 83.80274 5094.212
1.11E+11 7.281695 7.962868 53.02309 63.40727 3362.049

12
8.57E+10 5.660318 6.368136 32.0392 40.55315 1299.291
3.43E+11 9.443754 10.1224 89.18449 102.4631 9138.117
8.8E+10 9.608559 10.34776 92.3244 107.0762 9885.749
1.15E+11 5.277502 6.079819 27.85203 36.9642 1029.528
1.15E+11 7.144691 8.175266 51.04661 66.83498 3411.699
1.19E+11 5.514718 6.434193 30.41212 41.39884 1259.026
5.12E+10 9.107856 9.742051 82.95304 94.90756 7872.87
2.48E+12 10.43064 11.0919 108.7982 123.0302 13385.47

Testam autocorelarea:

DW=∑(𝑒𝑡 − 𝑒𝑡−1 )^2/ ∑ 𝑒𝑡2

Residuals et-e(t-1) (et-e(t-1))^2 et^2

1.19E+11 1.42411E+22
-
1.39E+09 1.17947E+11 1.39114E+22 1.93081E+18
1.03E+11 1.01268E+11 1.02552E+22 1.05385E+22
1.17E+11 13942781242 1.94401E+20 1.35956E+22
-
6.61E+10 50492679594 2.54951E+21 4.3702E+21
-
1.05E+10 55613234911 3.09283E+21 1.10129E+20
5.09E+10 40365993256 1.62941E+21 2.58676E+21
1.15E+11 63775780237 4.06735E+21 1.31414E+22
-
2.49E+10 89767826586 8.05826E+21 6.18426E+20
2.97E+12 2.94572E+12 8.67728E+24 8.82441E+24
4.84E+12 1.86928E+12 3.49422E+24 2.34244E+25
-
4.49E+10 4.79499E+12 2.29919E+25 2.01479E+21
8.42E+10 39287607482 1.54352E+21 7.08527E+21
1.11E+11 26542991979 7.0453E+20 1.22583E+22
-
6.51E+08 1.10066E+11 1.21145E+22 4.23944E+17
2.72E+12 2.71477E+12 7.36997E+24 7.37351E+24
-
1.36E+10 2.70185E+12 7.29999E+24 1.84193E+20
7.69E+09 -5879063765 3.45634E+19 5.91779E+19
-
7.34E+09 349123699.7 1.21887E+17 5.39284E+19
1.64E+12 1.63599E+12 2.67646E+24 2.70054E+24
-
5.63E+10 1.58703E+12 2.51866E+24 3.17009E+21

13
 1.11E+11 54681768850
-
8.57E+10 25261875153
3.43E+11 2.57186E+11
-
8.8E+10 2.54862E+11
1.15E+11 26953143400
-
1.15E+11 297756967.5
1.19E+11 4192118166
-
5.12E+10 67715399236
2.48E+12 2.4338E+12
TOTAL= 2.36564E+12 6.11501E+25
2.9901E+21 1.23177E+22
6.38162E+20 7.34851E+21
6.61445E+22 1.17587E+23
6.49545E+22 7.75236E+21
7.26472E+20 1.32251E+22
8.86592E+16 1.31567E+22
1.75739E+19 1.4136E+22
4.58538E+21 2.61935E+21
5.92338E+24 6.17513E+24

DW= Sum1/Sum2 = 3.86859E-14

Decizia:

Se citesc valorile d1, d2 din tabel (alfa = 0,05; n = 30; k = 2):

i. d1 = 1.284
ii. d2 = 1.57

Regiunile de decizie pentru DW sunt urmatoarele:

i. 0 - d1 – autocorelare pozitiva a erorilor

ii. d1 - d2 – indecizie
iii. d2 - (4 - d2) - neautocorelare a erorilor (ipoteza modelului de regresie)
iv. (4 - d2) - (4 - d1) – indecizie
v. (4 - d1) – 4 – autocorelare negativa a erorilor

Deci: 0 - d1 = -1.284

d1 - d2 = -0.286

d2 - (4 - d2) = -0.86

(4 - d2) - (4 - d1) = -0.286

(4 - d1) – 4 = -1.284\

DW = 3.86859E-14< d1 si d2 si se incadreaza in intervalele de decizie; se poate lua o decizie cu

privire la corelarea erorilor. Se poate trage concluzia ca erorile sunt autocorelate, adica ei
depinde de ei-1.

14
 6. Previziunea valorii variabilei Y în ipoteza modificării variabilelor factoriale

𝐲̂i= b0 + b1∙ x1 + b2 ∙ x2

Comentarii:

 10%>0 => x1 crește

Dacă x1 crește cu o unitate, Y se modifică cu 0.10 unități.

 50%>0 => x2 crește

Dacă x2 crește cu o unitate, Y se modifică cu 0.50 unități.

7. Concluzii:

Modelul de regresie multiplă estimat s-a dovedit a fi unul precis – are un coeficient de
determinare 𝑅2= 0.353280067ce se interpreteaza ca PIB se explică în măsură de aproape 35% de
către variabilele independente incluse în model.

În plus, sunt perfect verificabile ipotezele metodei celor mai mici pătrate (MCMMP) –
erorile sunt homoscedastice, sunt autocorelate, iar variabilele nu sunt coliniare.

Valoarea testului F este suficient de mare pentru a determina validitatea globală a

modelului pentru un prag de semnificaţie de cel puţin Significance F = 0.002784001, cu mult
mai mic decât α ales.

BIBLIOGRAFIE:

http://data.worldbank.org – accesat in data de 19.12.2017 la ora 10.00.

15