Documente Academic
Documente Profesional
Documente Cultură
Modele Econometrice Cu o Singura Ecuatie Si Cu Ecuatii Multiple - Studii de Caz Rezolvate. (Conspecte - MD) PDF
Modele Econometrice Cu o Singura Ecuatie Si Cu Ecuatii Multiple - Studii de Caz Rezolvate. (Conspecte - MD) PDF
Tabelul 2.1.1
Numărul de înnoptări
Capacitatea de cazare în structurile de primire
Anul turistică în funcţiune turistică cu funcţiuni
(mii locuri-zile) de cazare turistică
(mii)
0 1 2
1989 79458 53377
1990 77022 44552
1991 64124 31927
1992 55870 26076
1993 57434 24769
1994 53255 23296
1995 53540 24111
1996 53639 21838
1997 52027 19611
1998 53164 19183
1999 51275 17670
2000 50197 17647
2001 51182 18122
2002 50752 17277
Sursa: Anuarul Statistic al României 1993, CNS, Bucureşti, 1994, p. 622-624, Anuarul
Statistic al României 2003, INS, Bucureşti, 2004, p. 507, 511.
Econometrie. Studii de caz
Se cere:
a) să se specifice modelul econometric ce descrie legătura dintre cele
două variabile;
b) să se estimeze parametrii modelului şi să se calculeze valorile
teoretice ale variabilei endogene;
c) să se verifice ipotezele de fundamentare a metodei celor mai mici
pătrate;
d) să se verifice semnificaţiile estimatorilor şi verosimilitatea
modelului;
e) presupunând că în anul 2003 numărul de înnoptări va atinge
valoarea de 17100 mii să se estimeze capacitatea de cazare turistică în
funcţiune a României în acest caz.
Rezolvare:
y = f (x ) + u
unde:
y = valorile reale ale variabilelor dependente;
x = valorile reale ale variabilelor independente;
u = variabila reziduală, reprezentând influenţele celorlalţi factori ai variabilei y,
nespecificaţi în model, consideraţi factori întâmplători, cu influenţe
nesemnificative asupra variabilei y.
Analiza datelor din tabel, în raport cu procesul economic descris
conduce la următoarea specificare a variabilelor:
y = capacitatea de cazare turistică în funcţiune, reprezentând
variabila rezultativă (endogenă);
x = numărul de înnoptări, reprezentînd variabila factorială (exogenă),
respectiv factorul considerat prin ipoteza de lucru cu influenţa cea mai
puternică asupra variabilei y.
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
ccf
79400
77300
75200
73100
71000
68900
66800
64700
62600
60500
58400
56300
54200
52100
50000 innoptari
1650 1910 2170 2430 2690 2950 3210 3470 3730 3990 4250 4510 4770 5030 5290
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
y t = a + bxt + u t ; t = 1, n
yˆ t = aˆ + bˆxt
unde:
ŷ t = valorile teoretice ale variabilei y obţinute numai în funcţie de valorile
factorului esenţial x şi de valorile estimatorilor parametrilor a şi b,
respectiv a$ şi b$ ;
( )
u t = y t − yˆ t = (a − aˆ ) + b − bˆ xt = estimaţiile valorilor variabilei reziduale.
În mod concret, M.C.M.M.P. constă în a minimiza funcţia:
( ) ( )
14 14
F aˆ , bˆ = min ∑ ( y t − yˆ t ) = min ∑ y t − aˆ − bˆxt
2 2
t =1 t =1
()
F ′ bˆ = 0 ⇒ aˆ ∑ xt + bˆ∑ xt2 = ∑ y t xt
Tabelul 2.1.2
yt
Nr. (mii xt xt2 xt y t
yˆ t = 35030 ,912 +
( x t − x )2 u t = y t − yˆ t u t2
crt. locuri- + 0 ,8694 x t
(mii)
zile)
0 1 2 3 4 5 6 7 8
1 79458 53377 2849104129 4241229666 81436,2 767377059,6 -1978,2 3913120,5
2 77022 44552 1984880704 3431484144 73763,8 356324948,9 3258,2 10615710,2
3 64124 31927 1019333329 2047286948 62787,8 39082145,3 1336,2 1785381,8
4 55870 26076 679957776 1456866120 57701,0 160457,5 -1831,0 3352697,0
5 57434 24769 613503361 1422582746 56564,7 821612,8 869,3 755597,6
6 53255 23296 542703616 1240628480 55284,1 5661680,3 -2029,1 4117418,8
7 53540 24111 581340321 1290902940 55992,7 2447436,8 -2452,7 6015700,3
8 53639 21838 476898244 1171368482 54016,6 14725858,0 -377,6 142564,2
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
yt
Nr. (mii xt xt2 xt y t
yˆ t = 35030 ,912 +
( x t − x )2 u t = y t − yˆ t u t2
crt. locuri- + 0 ,8694 x t
(mii)
zile)
0 1 2 3 4 5 6 7 8
9 52027 19611 384591321 1020301497 52080,5 36777293,9 -53,5 2857,2
10 53164 19183 367987489 1019845012 51708,4 42151628,8 1455,6 2118901,6
11 51275 17670 312228900 906029250 50393,0 64086886,6 882,0 777971,0
12 50197 17647 311416609 885826459 50373,0 64455665,3 -176,0 30968,1
13 51182 18122 328406884 927520204 50785,9 57054283,2 396,1 156866,6
14 50752 17277 298494729 876842304 50051,3 70533602,5 700,7 490974,3
Total 802939 359456 10750847412 21938714252 802939,0 1521660559,4 0,0 34276729,4
Tabelul 2.1.2
(continuare)
yt − y ( y t − y ) xt − x û t uˆ t (xt − x ) u t −1 (u t − u t −1 ) u t u t −1 (xt − x)( yt − y)
2 2
9 10 11 12 13 14 15 16 17
22105,2 488640498,6 27701,6 -1978,2 -54798165,4 - - - 612349172,5
19669,2 386877990,6 18876,6 3258,2 61503190,2 -1978,2 27419223,1 -6445196,2 371287328,4
6771,2 45849342,9 6251,6 1336,2 8353236,1 3258,2 3694061,3 4353515,4 42330729,8
-1482,8 2198653,5 400,6 -1831,0 -733461,2 1336,2 10031276,0 -2446598,5 -593961,6
81,2 6595,8 -906,4 869,3 -787914,1 -1831,0 7291556,9 -1591631,1 -73614,9
-4097,8 16791847,8 -2379,4 -2029,1 4828199,4 869,3 8400685,0 -1763834,3 9750388,4
-3812,8 14537334,9 -1564,4 -2452,7 3837062,2 -2029,1 179394,7 4976862,2 5964830,9
-3713,8 13792204,3 -3837,4 -377,6 1448923,7 -2452,7 4306105,4 926079,6 14251387,4
-5325,8 28363993,5 -6064,4 -53,5 324160,3 -377,6 105056,3 20182,5 32297847,1
-4188,8 17545925,8 -6492,4 1455,6 -9450669,4 -53,5 2277375,2 -77808,2 27195392,1
-6077,8 36939479,2 -8005,4 882,0 -7061001,5 1455,6 329037,7 1283917,5 48655279,4
-7155,8 51205269,2 -8028,4 -176,0 1412822,3 882,0 1119372,7 -155216,8 57449714,5
-6170,8 38078596,3 -7553,4 396,1 -2991640,5 -176,0 327231,3 -69698,3 46610589,1
-6600,8 43570372,0 -8398,4 700,7 -5884742,0 396,1 92800,5 277520,2 55436227,3
Estimarea parametrului b$ :
∑y
n t 14 802939
bˆ =
∑x ∑ y x t t t
=
359456 42689917,9
=
307141999528 − 288621241184
n ∑x t
14 359456 150511863768 −129208615936
∑x ∑x t
2
t
359456 10750847412
18520758344
bˆ = = 0,8694
2130347832
Estimarea parametrului a$ :
1 ∑x = ∑y
∑x =∑y
t t
naˆ + bˆ t t ⋅ ⇔ aˆ + bˆ ⇔ aˆ = y − bˆx
n n n
x=
∑x t 359456
=
⎫
= 25675,4⎪
n 14 ⎪
⎬ ⇒ aˆ = 57352,8 − 0,8694 ⋅ 25675,4 = 35030,912
y=
∑ yt 802939
=
⎪
= 57352,8⎪
n 14 ⎭
∑ (y − yˆ t )
2
34276729,3646
t
s 2
uˆ = = 2856394,1137 =
n−k 14 − 2
(vezi tabelul 2.1.2., coloana 8)
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
unde:
k = numărul parametrilor;
s uˆ = 2856394,1137 = 1690,087
⎡ ⎤ ⎡ ⎤
1 x2 ⎥ = 2856394,1137 ⋅ ⎢ 1 + 25675,4
2
s a2ˆ = s u2ˆ ⎢ + ⎥
⎢n
⎣ ∑ (x t − x ) ⎦
2 ⎥
⎢⎣14 1521660559,4 ⎥⎦
s a2ˆ = 1441501,1977
(vezi tabelul 2.1.2., coloana 6)
s aˆ = 1441501,1977 = 1200,6253
1 2856394,1137
s b2ˆ = s u2ˆ = = 0,0019
(
∑ tx − x ) 2
1521660559, 4
s bˆ = 0,0019 = 0,0433
xt ∈ ( x ± 3σ x )
y t ∈ ( y ± 3σ y )
∑ (x − x)
2
1521660559,4
σx = t
= = 108690039,9592 = 10425,4515
n 14
Econometrie. Studii de caz
σy =
∑ (y t − y )2
=
1184398104,4
= 84599864,5969 = 9197,8185
n 14
x t ∈ (x ± 3σ x ) ⇔ x − 3σ x < x t < x + 3σ x ⇔
⇔ 25675 , 4 − 3 ⋅ 10425 , 4515 < x t < 25675 , 4 + 3 ⋅ 10425 , 4515
⇒ xt ∈ (− 5600,9261; 56951,7832)
( )
y t ∈ y ± 3σ y ⇔ y − 3σ y < y t < y + 3σ y ⇔
⇔ 57352,8 − 3 ⋅ 9197,8185 < y t < 57352,8 + 3 ⋅ 9197,8185
⇒ y t ∈ (29759 ,3303; 84946 ,2411 )
u
4000
3000
2000
1000
x
0
16500 19100 21700 24300 26900 29500 32100 34700 37300 39900 42500 45100 47700 50300 52900
-1000
-2000
-3000
Figura 2.1.2
u
3000
2000
1000
y
0
50000 52100 54200 56300 58400 60500 62600 64700 66800 68900 71000 73100 75200 77300 79400
-1000
-2000
-3000
Figura 2.1.3
∑ (uˆ t − uˆ t −1 )
2
d= t =2
n
∑ uˆ
t =1
2
t
∑ (uˆ t − uˆ t −1 )
2
65573176,1
d= t =2
14
= = 1,91
34276729,3646
∑ uˆ
t =1
2
t
∑ uˆ uˆ
t =2
t t −1
r1 = n −1
∑ uˆ
t =1
2
t
Ştiind că:
⎧− 1⇒ autocorelare strict negativa ⎧4
⎪ ↑ ⇒ indecizie ⎪↑
⎪⎪ ⎪⎪
r1 = ⎨ 0 ⇒ independenta ⇒ d = ⎨2
⎪ ↓ ⇒ indecizie ⎪↓
⎪ ⎪
⎪⎩ 1 ⇒ autocorelare strict pozitiva ⎪⎩ 0
∑ uˆ uˆ
t =2
t t −1
− 711906,1
r1 = 13
= = −0,021
33785755,1
∑ uˆ
t =1
2
t
ut + t 0, 05 ⋅ s uˆ
3300
2300
1300
300 ŷt
50000 52500 55000 57500 60000 62500 65000 67500 70000 72500 75000 77500 80000
-700
-1700
-2700
− t 0, 05 ⋅ s uˆ
-3700
Figura 2.1.4
aˆ bˆ
taˆ = > tα ; v ; tbˆ = > tα ;v
saˆ sbˆ
Econometrie. Studii de caz
bˆ 0,8694;
tbˆ = = = 20,0661 > t0,05;12 = 2,179
sbˆ 0,0433
ry / x =
cov( y, x )
=
∑ (y t − y )( xt − x )
=
1322911310,3
= 0,9854
σx σy n σ xσ y 14 ⋅ 10425,4515 ⋅ 9197,8185
Tabelul 2.1.3
Sursa de Măsura Nr. gradelor Dispersii Valoarea testului “F”
variaţie variaţiei de libertate corectate Fc Fα ;v1 ;v2
14 Vx2 s Y2 / X
Varianţa
Vx2 = ∑ ( yˆ t − y ) sY2 / X = Fc =
2
dintre
k −1=1 k −1 s u2ˆ F0,05;1;12 = 4,76
t =1 = 1150121375
grupe = 402,648 F0, 01;1;12 = 9,33
= 1150121375
14
Vu2 = ∑ ( yt − yˆ t ) V u2
2
Varianţa s u2ˆ =
t =1 n − k = 12 n−k - -
reziduală
= 34276729,4 = 2856394 ,1
14
V02 = ∑ ( yt − y )
2
Varianţa n − 1 = 13 - - -
totală t =1
= 1184398104,4
V x2 Vu2 1150121374,9925
Ry / x = 2
= 1− 2 = = 0,9854 ≈ 0,985
V0 V0 1184398104,3571
0,9711
Fc = 12 ⋅ = 12 ⋅ 33,554 = 402,648 > F0,05;1;12 = 4,76
0,0289
Deoarece raportul de corelaţie este semnificativ diferit de zero, cu un
prag de semnificaţie α = 0,05 , rezultă modelul econometric:
⎛ 1 (xt′ − x )2 ⎞⎟
sY / x =17100 = s u2ˆ ⎜1 + +
⎜
⎝
n ∑ (xt − x )2 ⎟⎠
⎛ 1 (17100 − 25675,4) ⎞
2
sY / x =17100 = 2856394,1137 ⋅ ⎜1 + + ⎟ = 1788,4251
⎜ 14 1521660559,4 ⎟
⎝ ⎠
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
1
Datele problemei şi o parte din testele utilizate sunt reproduse din D. N. Gujarati, Basic
Econometrics, Third Edition, McGraw-Hill, Inc., 1995, p. 369-380.
Econometrie. Studii de caz
Se cere:
a) Specificarea, identificarea şi estimarea parametrilor modelului
econometric ce descrie legătura dintre cele două variabile;
b) Verificarea ipotezelor de fundamentare a metodei celor mai mici
pătrate (M.C.M.M.P.) şi a verosimilităţii modelului.
Rezolvare:
190
170
150
130
110
90
70
x
50
70 90 110 130 150 170 190 210 230 250 270
( ) ( )
30 30
F aˆ , bˆ = min ∑ ( yi − yˆ i ) = min ∑ yi − aˆ − bˆxi
2 2
i =1 i =1
Econometrie. Studii de caz
F ′( a$ ) = 0 ⇒ na$ + b$ ∑ xi = ∑ y i
()
F ′ b$ = 0 ⇒ a$ ∑ xi + b$ ∑ xi2 = ∑ y i xi
Tabelul 2.2.2
Nr.
crt.
yi xi ui u2
i xi − x ui ( xi − x ) yi ↑ xi ↑ ln u i2 ln xi
0 1 2 3 4 5 6 7 8 9 10
1 55 80 -5,3131 28,2287 -93,17 495,00 55 80 3,3403 4,3820
2 65 100 -8,0688 65,1049 -73,17 590,36 70 85 4,1760 4,6052
3 70 85 6,4980 42,2241 -88,17 -572,91 75 90 3,7430 4,4427
4 80 110 0,5534 0,3062 -63,17 -34,96 65 100 -1,1834 4,7005
5 79 120 -6,8245 46,5732 -53,17 362,83 74 105 3,8410 4,7875
6 84 115 1,3645 1,8618 -58,17 -79,37 80 110 0,6215 4,7449
7 98 130 5,7977 33,6133 -43,17 -250,27 84 115 3,5149 4,8675
8 95 140 -3,5801 12,8174 -33,17 118,74 79 120 2,5508 4,9416
9 90 125 0,9866 0,9734 -48,17 -47,52 90 125 -0,0269 4,8283
10 75 90 8,3091 69,0408 -83,17 -691,04 98 130 4,2347 4,4998
11 74 105 -2,2577 5,0971 -68,17 153,90 95 140 1,6287 4,6540
12 110 160 -1,3358 1,7845 -13,17 17,59 108 145 0,5791 5,0752
13 113 150 8,0420 64,6739 -23,17 -186,31 113 150 4,1694 5,0106
14 125 165 10,4752 109,7307 -8,17 -85,55 110 160 4,6980 5,1059
15 108 145 6,2309 38,8245 -28,17 -175,50 125 165 3,6591 4,9767
16 115 180 -9,0915 82,6559 6,83 -62,13 115 180 4,4147 5,1930
17 140 225 -12,7918 163,6310 51,83 -663,04 130 185 5,0976 5,4161
18 120 200 -16,8472 283,8288 26,83 -452,07 135 190 5,6484 5,2983
19 145 240 -17,3586 301,3210 66,83 -1160,13 120 200 5,7082 5,4806
20 130 185 2,7195 7,3959 11,83 32,18 140 205 2,0009 5,2204
21 152 220 2,3971 5,7460 46,83 112,26 144 210 1,7485 5,3936
22 144 210 0,7749 0,6005 36,83 28,54 152 220 -0,5100 5,3471
23 175 245 9,4525 89,3493 71,83 679,00 140 225 4,4926 5,5013
24 180 260 4,8857 23,8701 86,83 424,24 137 230 3,1726 5,5607
25 135 190 4,5306 20,5266 16,83 76,27 145 240 3,0217 5,2470
26 140 205 -0,0361 0,0013 31,83 -1,15 175 245 -6,6406 5,3230
27 178 265 -0,3032 0,0919 91,83 -27,85 189 250 -2,3866 5,5797
28 191 270 9,5079 90,3994 96,83 920,68 180 260 4,5042 5,5984
29 137 230 -18,9808 360,2691 56,83 -1078,74 178 265 5,8869 5,4381
30 189 250 20,2636 410,6116 76,83 1556,92 191 270 6,0176 5,5215
Total 3592 5195 0,0000 2361,1533 - 0,00 3592 5195 81,7230 152,7413
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
Tabelul 2.2.2
(continuare)
yi
θˆi (θˆi − θ )2 zi =
2
ui xi 1 xi 1 xi θi =
ui2 ˆi
y′ ui′ ui′2 ⎛⎜ x − x ⎞⎟
⎝ i ⎠
78,7051
xi
11 12 13 14 15 16 17 18 19 20 21 22
5,3131 8,9443 0,0125 0,1118 0,3587 0,0624 0,8790 0,6875 60,829 -5,829 33,973 8680,028
8,0688 10,0000 0,0100 0,1000 0,8272 0,2637 0,5421 0,6500 73,466 -8,466 71,674 5353,361
6,4980 9,2195 0,0118 0,1085 0,5365 0,1128 0,7872 0,8235 63,988 6,012 36,144 7773,361
0,5534 10,4881 0,0091 0,0953 0,0039 0,3643 0,4041 0,7273 79,785 0,215 0,046 3990,028
6,8245 10,9545 0,0083 0,0913 0,5917 0,4650 0,2863 0,6583 86,103 -7,103 50,459 2826,694
1,3645 10,7238 0,0087 0,0933 0,0237 0,4147 0,3426 0,7304 82,944 1,056 1,115 3383,361
5,7977 11,4018 0,0077 0,0877 0,4271 0,5656 0,1887 0,7538 92,422 5,578 31,113 1863,361
3,5801 11,8322 0,0071 0,0845 0,1629 0,6662 0,1114 0,6786 98,741 -3,741 13,994 1100,028
0,9866 11,1803 0,0080 0,0894 0,0124 0,5153 0,2349 0,7200 89,263 0,737 0,543 2320,028
8,3091 9,4868 0,0111 0,1054 0,8772 0,1631 0,7004 0,8333 67,147 7,853 61,664 6916,694
2,2577 10,2470 0,0095 0,0976 0,0648 0,3140 0,4706 0,7048 76,625 -2,625 6,893 4646,694
1,3358 12,6491 0,0063 0,0791 0,0227 0,8675 0,0176 0,6875 111,378 -1,378 1,900 173,361
8,0420 12,2474 0,0067 0,0816 0,8217 0,7669 0,0544 0,7533 105,060 7,940 63,051 536,694
10,4752 12,8452 0,0061 0,0778 1,3942 0,9178 0,0068 0,7576 114,538 10,462 109,462 66,694
6,2309 12,0416 0,0069 0,0830 0,4933 0,7166 0,0803 0,7448 101,900 6,100 37,208 793,361
9,0915 13,4164 0,0056 0,0745 1,0502 1,0688 0,0047 0,6389 124,016 -9,016 81,282 46,694
12,7918 15,0000 0,0044 0,0667 2,0790 1,5216 0,2721 0,6222 152,450 -12,450 154,997 2686,694
16,8472 14,1421 0,0050 0,0707 3,6062 1,2700 0,0729 0,6000 136,653 -16,653 277,323 720,028
17,3586 15,4919 0,0042 0,0645 3,8285 1,6726 0,4523 0,6042 161,928 -16,928 286,551 4466,694
2,7195 13,6015 0,0054 0,0735 0,0940 1,1191 0,0142 0,7027 127,175 2,825 7,981 140,028
2,3971 14,8324 0,0045 0,0674 0,0730 1,4713 0,2221 0,6909 149,290 2,710 7,342 2193,361
0,7749 14,4914 0,0048 0,0690 0,0076 1,3707 0,1374 0,6857 142,972 1,028 1,057 1356,694
9,4525 15,6525 0,0041 0,0639 1,1352 1,7229 0,5225 0,7143 165,087 9,913 98,264 5160,028
4,8857 16,1245 0,0038 0,0620 0,3033 1,8738 0,7636 0,6923 174,565 5,435 29,537 7540,028
4,5306 13,7840 0,0053 0,0725 0,2608 1,1694 0,0287 0,7105 130,334 4,666 21,768 283,361
0,0361 14,3178 0,0049 0,0698 0,0000 1,3203 0,1026 0,6829 139,812 0,188 0,035 1013,361
0,3032 16,2788 0,0038 0,0614 0,0012 1,9241 0,8540 0,6717 177,725 0,275 0,076 8433,361
9,5079 16,4317 0,0037 0,0609 1,1486 1,9745 0,9496 0,7074 180,884 10,116 102,335 9376,694
18,9808 15,1658 0,0043 0,0659 4,5775 1,5719 0,3271 0,5957 155,609 -18,609 346,300 3230,028
20,2636 15,8114 0,0040 0,0632 5,2171 1,7732 0,5978 0,7560 168,247 20,753 430,707 5903,361
205,5785 388,8038 0,1975 2,3926 30,0000 30,0000 10,4280 20,9862 3590,936 1,064 2364,793 102974,167
Econometrie. Studii de caz
Dependent Variable: yi
Method: Least Squares
Sample: 1 30
Included observations: 30
Semnif. Semnif. Semnif.
Variable Coefficient Std. Error t-Statistic Prob.
ind. ind. ind.
C 9,2903 â 5,2314 saˆ 1,7759 taˆ 0,0866 p(aˆ)
∑y i
y= i =1
n
s y = abaterea medie pătratică (standard) corespunzătoare variabilei
dependente, a cărei relaţie de calcul este următoarea:
∑ (y )
n
2
i −y
sy = i =1
n −1
Econometrie. Studii de caz
Tabelul 2.2.3
Actual Fitted Residual Residual Plot
yi ŷ i uˆi = yi − yˆ i (graficul reziduurilor)
55 60,3131 -5,3131 | .* | . |
65 73,0688 -8,0688 | * | . |
70 63,5020 6,4980 | . | *. |
80 79,4466 0,5534 | . * . |
79 85,8245 -6,8245 | .* | . |
84 82,6355 1,3645 | . |* . |
98 92,2023 5,7977 | . | *. |
95 98,5801 -3,5801 | . *| . |
90 89,0134 0,9866 | . |* . |
75 66,6909 8,3091 | . | * |
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
∑(y − yˆ i )
2
suˆ = i
= 84,3269 = 9,183
n − k −1
(vezi tabelul afişat de programul EViews)
Econometrie. Studii de caz
⎡1 x2 ⎤
saˆ = su2ˆ ⎢ + 2⎥
= 5,2314
⎢⎣ n ∑ ( xi − x ) ⎥⎦
su2ˆ
sbˆ = = 0,0286
∑ (xi − x )
2
- raportul de corelaţie:
30 30
∑( y − yˆ )
i =1
i i
2
∑( y − yˆ )
i =1
i i
2
2361,153
R = R2 = 1 − = 1− = 1− = 0,9466 = 0,973
(n − 1)
∑ (y − y )
30
2 s 2y ⋅ 39,06132 ⋅ 29
i
i =1
- variabila Durbin-Watson, d:
30
∑ (uˆ i − uˆ i −1 )
2
d= i =2
30
= 1,70
∑ uˆ
i =1
2
i
u
20
15
10
0 x
70 90 110 130 150 170 190 210 230 250 270
-5
-10
-15
-20
Figura 2.2.2
n n n n n
∑( yi − y)2 = ∑[( yˆi − y) + ( yi − yˆi )]2 = ∑( yˆi − y)2 + ∑( yi − yˆi )2 + 2∑( yˆi − y)( yi − yˆi )
i =1 i =1 i =1 i =1 i =1
⎛ 2 n
2⎞
⎜V0 = ∑ ( y i − y ) ⎟ este egală cu variaţia lui y generată de influenţa
⎝ i =1 ⎠
⎛ n
2⎞
variabilei x ⎜Vx2 = ∑ ( yˆ i − y ) ⎟ la care se adaugă variaţia lui y provocată de
⎝ i =1 ⎠
⎛ 2 n
2⎞
factori aleatori ⎜Vu = ∑ ( yi − yˆi ) ⎟ , rezultă că termenul
⎝ i =1 ⎠
n
2∑ ( yˆ i − y )( yi − yˆ i ) = 0 .
i =1
Ştiind că:
uˆi = yi − yˆ i
yˆ i = a + bxi
y = a + bx
relaţia de mai sus devine:
n n n
n
2∑ ( yˆi − y )( yi − yˆi ) = 2∑ (a + bxi − a − bx )ui = 2b∑ ( xi − x )ui =
i =1 i =1 i =1 n
= 2nb cov( x, u )
n
Deci termenul 2∑ ( yˆ i − y )( yi − yˆ i ) = 0 numai dacă cele două
i =1
n ⎛ n ⎞
VW (B ) = ( X ′X )−1 ⎜⎜ u i2 xi xi ′ ⎟⎟( X ′X )−1
∑
n−k ⎝ i =1 ⎠
2
Vezi Wiliam H. Greene, Econometric Analysis, 2nd ed., Macmillan, New York, 1993,
p. 384-392.
3
vezi demonstraţie op. cit., p. 182.
Econometrie. Studii de caz
unde:
n = numărul de observaţii;
k = numărul regresorilor;
ui= variabila reziduală.
Prin aplicarea acestei matrici, estimaţiile punctuale ale parametrilor
nu vor suferi modificări, ci doar abaterile standard corespunzătoare
parametrilor. Utilizarea acestei matrici va permite observarea mai rapidă a
prezenţei fenomenului de heteroscedasticitate a erorilor. Astfel, abaterile
standard vor putea fi mai mari sau mai mici comparativ cu cele obţinute în
cazul modelului iniţial, iar valorile mai mici înregistrate de testul Student, t,
vor semnaliza faptul că estimatorii parametrilor sunt nesemnificativi, deci
posibila prezenţă a erorilor heteroscedastice.
Utilizând pachetul de programe EViews, în vederea exemplificării
calculării abaterilor standard şi dispersiilor heteroscedastice corectate cu
ajutorul metodei lui White au fost obţinute următoarele rezultate:
Dependent Variable: yi
Method: Least Squares
Sample: 1 30
Included observations: 30
White Heteroskedasticity-Consistent Standard Errors & Covariance
Variable Coefficient Std, Error t-Statistic Prob.
C 9,2903 4,4378 2,0934 0,0455
xi 0,6378 0,0298 21,3818 0,0000
R-squared 0,9466 Mean dependent var 119,7333
Adjusted R-squared 0,9447 S.D. dependent var 39,0613
S.E. of regression 9,1830 Akaike info criterion 7,3369
Sum squared resid 2361,1530 Schwarz criterion 7,4303
Log likelihood -108,0538 F-statistic 496,7183
Durbin-Watson stat 1,7023 Prob(F-statistic) 0,0000
urmează o distribuţie F cu v1 = v2 =
(n − c ) − (k + 1) grade de libertate.
2
4
cf. Damodar N. Gujarati, Basic Econometrics, 3rd ed., Mc Graw-Hill, New York, 1995,
p. 374-375.
Econometrie. Studii de caz
este acceptată.
Pentru a aplica acest test au fost ordonate crescător valorile
variabilei exogene x şi, corespunzător acestora, şi cele ale variabilei
dependente y (vezi tabelul 2.2.2 coloanele 7, 8) şi au fost eliminate 4
observaţii situate în centrul eşantionului (vezi observaţiile din coloana 8,
corespunzătoare variabilei x, evidenţiate prin caractere aldine), rezultând
două subeşantioane a câte 13 observaţii fiecare.
În urma aplicării programului EViews, rezultatele estimării,
corespunzătoare celor două subeşantioane, au fost următoarele:
=∑
2
u v2 1536,8 11
F * 2i
= = 4,07
∑u 2
1i v1 377,17 11
ln σ u2i = ln σ 2 + b ln xi + ω i
unde:
ωi = variabila reziduală, ce verifică ipotezele corespunzătoare M.C.M.M.P.
Ca urmare a faptului că valoarea dispersiei erorilor heteroscedastice
este necunoscută, aceasta a fost înlocuită cu pătratul erorilor, uˆ i2 în cadrul
modelului liniarizat prin logaritmare:
ln uˆ i2 = ln σ 2 + b ln xi + ω i = β + b ln xi + ω i
În situaţia în care parametrul b corespunzător variabilei exogene este
nesemnificativ ipoteza de homoscedasticitate a erorilor este verificată, cazul
contrar indicând existenţa heteroscedasticităţii.
În vederea verificării existenţei heteroscedasticităţii erorilor vom
logaritma pătratul erorilor calculate în cazul modelului iniţial pe care le vom
regresa în funcţie de valorile logaritmate ale variabilei exogene xi (vezi
tabelul 2.2.2 coloanele 9 şi 10). În urma aplicării programului EViews au
fost obţinute următoarele rezultate:
ln uˆ i2 = 1,014 + 0,3359 ln xi ; R 2 = 0,002
(7,2749) (1,4252)
Pentru a verifica semnificaţia estimatorului parametrului
corespunzător variabilei exogene a fost utilizat testul Student, t, respectiv:
bˆ 0,3359
t bˆ = = = 0,2357 < t 0, 05; 28 = 2,048 , care indică faptul că
sbˆ 1,4252
estimatorul parametrului b este nesemnificativ, deci erorile sunt
homoscedastice.
5
cf. op. cit., p. 369-370.
Econometrie. Studii de caz
VI. uˆ i = a + bxi2 + ω i
6
cf. op. cit., p. 371-372.
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
7
cf. op. cit., p. 377-378.
Econometrie. Studii de caz
σˆ u2 = ∑ uˆ 2
2361,53
i
=
= 78,7051
i
n 30
In urma calculării variabilei θi (vezi tabelul 2.2.2, coloana 15) şi a
regresării acesteia în funcţie de variabila exogenă xi au fost obţinute
următoarele rezultate:
θˆ = −0,7426 + 0,0101 x ; R 2 = 0,18
i i
(0,7529) (0,0041)
Valoarea calculată a variabilei H este:
H=
SSR ∑ θˆi − θ
=
2
=
( )
10,428
= 5,214
2 2 2
Comparând valoarea calculată a variabilei H cu valoarea teoretică a
lui hi-pătrat în funcţie de un prag de semnificaţie de α = 0,05 şi respectiv
α = 0,01 şi de numărul gradelor de libertate v = m − 1 = 1 , se constată că
H = 5,214 > χ 02,05;1 = 3,8414 pentru α = 0,05 , deci erorile sunt
heteroscdastice, dar, pentru α = 0,01 , H = 5,214 < χ 02,01;1 = 6,6349 , ceea ce
înseamnă că ipoteza de homoscedasticitate a erorilor poate fi acceptată.
Se constată astfel că am ajuns la aceeaşi concluzie ca şi în cazul
testului Goldfeld-Quandt.
Trebuie să ţinem însă seama de faptul că testul BPG este un test
asimptotic, valabil în cazul unui eşantion de volum mare, iar în cazul de
faţă, respectiv 30 de observaţii, acesta nu poate reprezenta un eşantion de
volum mare.
Econometrie. Studii de caz
uˆi2 = α 0 + α1 xi + α 2 x 2i + ω i
şi calcularea coeficientului de determinare, R2, corespunzător acestei regresii
auxiliare;
- verificarea semnificaţiei parametrilor modelului nou construit, iar
dacă unul dintre aceştia este nesemnificativ, atunci ipoteza de
heteroscedasticitate a erorilor este acceptată.
Există două variante de aplicare a testului White:
- utilizarea testului Fisher –Snedecor clasic, bazat pe ipoteza nulităţii
parametrilor, respectiv:
H0: α 0 = α1 = α 2 = 0
Dacă ipoteza nulă, potrivit căreia rezultatele estimării sunt
nesemnificative ( Fc < Fα ;v1 ;v2 ), este acceptată, atunci ipoteza de
homoscedasticitate se verifică, cazul contrar semnificând prezenţa
heteroscedasticităţii erorilor.
- utilizarea testului LM, calculat ca produs între numărul de
observaţii corespunzătoare modelului, n, şi coeficientul de determinare, R2,
corespunzător acestei regresii auxiliare. În general, testul LM este
asimptotic distribuit sub forma unui χ α2 ;v , pentru care numărul gradelor de
libertate este egal cu: v = k , unde k = numărul variabilelor exogene,
respectiv:
LM = n ⋅ R 2 ~ χ α2 ;v
8
cf. op. cit., p. 379.
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
Test Equation:
Dependent Variable: u i2
Method: Least Squares
Sample: 1 30
Included observations: 30
Variable Coefficient Std. Error t-Statistic Prob.
C -12,2962 191.7731 -0,0641 0,9493
xi 0,1974 2.3688 0,0833 0,9342
xi2 0,0017 0.0067 0,2535 0,8018
R-squared 0,1777 Mean dependent var 78,7051
Adjusted R-squared 0,1168 S.D. dependent var 112,5823
S.E. of regression 105,8043 Akaike info criterion 12,2557
Sum squared resid 302252,70 Schwarz criterion 12,3958
Log likelihood -180,8355 F-statistic 2,9173
Durbin-Watson stat 0,7913 Prob(F-statistic) 0,0713
1 n
(
∑ yi − y
n i =1
)
3
S=
σ3
K = coeficientul de aplatizare calculat de Pearson (kurtosis), ce măsoară boltirea
distribuţiei (cât de „ascuţită” sau de aplatizată este distribuţia
comparativ cu distribuţia normală), având următoarea relaţie de calcul:
1 n
(
∑ yi − y
n i =1
)
4
K=
σ4
Testul Jarque-Berra se bazează pe ipoteza că distribuţia normală are
un coeficient de asimetrie egal cu zero, S = 0, şi un coeficient de aplatizare
egal cu trei, K = 3.
Dacă probabilitatea p(JB) corespunzătoare valorii calculate a testului
este suficient de scăzută, atunci ipoteza de normalitate a erorilor este
respinsă, în timp ce, în caz contrar, pentru un nivel suficient de ridicat al
probabilităţii ipoteza de normalitate a erorilor este acceptată, sau dacă
JB > χ α2 ; 2 , atunci ipoteza de normalitate a erorilor este respinsă.
9
EViews, User Guide,Version 2.0, QMS Quantitative Micro Software, Irvine, California,
1995, p. 140-141.
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
10
Series: Residuals
Sample 1 30
8 Observations 30
Mean -1.86E-14
6 Median 0.880779
Maximum 20.26355
Minimum -18.98076
4 Std. Dev. 9.023252
Skewness -0.359065
Kurtosis 2.977931
2
Jarque-Bera 0.645247
Probability 0.724246
0
-20 -15 -10 -5 0 5 10 15 20 25
Figura 2.2.3
1 y u
2) Notând cu = v i , i = zi , i = wi , se obţine modelul
xi xi xi
zi = a1 v i + b1 + wi , ai cărui parametrii se vor estima cu ajutorul
M.C.M.M.P.
( ) ( )
30 30
F aˆ1 , bˆ1 = min ∑ ( zi − zˆi ) = min ∑ zi − aˆ1vi − bˆ1
2 2
i =1 i =1
Dependent Variable: zi
Method: Least Squares
Sample: 1 30
Included observations: 30
Variable Coefficient Std. Error t-Statistic Prob.
vi 10,2790 3,7827 2,7174 0,0112
C 0,6319 0,0267 23,7034 0,0000
R-squared 0,2087 Mean dependent var 0,6995
Adjusted R-squared 0,1804 S.D. dependent var 0,0575
S.E. of regression 0,0521 Akaike info criterion -3,0074
Sum squared resid 0,0760 Schwarz criterion -2,9140
Log likelihood 47,1105 F-statistic 7,3840
Durbin-Watson stat 1,7064 Prob(F-statistic) 0,0112
Test Equation:
Dependent Variable: wi2
Method: Least Squares
Sample: 1 30
Included observations: 30
Variable Coefficient Std. Error t-Statistic Prob.
C 0,0084 0,0039 2,1919 0,0372
vi -2,0525 1,1178 -1,8361 0,0774
vi2 152,9709 72,8625 2,0994 0,0453
∑ (wˆ i − wˆ i −1 )
2
d= i =2
30
= 1,71
∑ wˆ
i =1
2
i
Econometrie. Studii de caz
12
Series: Residuals
Sample 1 30
10 Observations 30
8 Mean -1.30E-16
Median 0.005397
Maximum 0.087252
6
Minimum -0.084660
Std. Dev. 0.051183
4 Skewness -0.181266
Kurtosis 2.029036
2
Jarque-Bera 1.342749
Probability 0.511006
0
-0.10 -0.05 0.00 0.05 0.10
Figura 2.2.4
bˆ1
t bˆ = > tα ;n − k −1 ⇔ t bˆ = 23,7034 > t 0,05; 28 = 2,048
1
sbˆ 1
1
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
unde:
k = numărul variabilelor explicative.
În urma efectuării calculelor de mai sus se constată faptul că ambii
estimatori, a$ şi b$ , sunt semnificativ diferiţi de zero, cu un prag de
1 1
semnificaţie α = 0,05 .
⎡1 x2 ⎤ ⎡ 2 ⎤
s a2ˆ2 = su2ˆ′ ⋅ ⎢ + ⎥ = 84,4569 ⋅ ⎢ 1 + 173,17 ⎥ = 27,4096 ⇒ s aˆ2 = 5,2354
⎢n
⎣ ∑ ( xi − x ) ⎦
2⎥
⎢⎣10 102974,1667 ⎥⎦
2
s uˆ ′ 84,4569
s b2ˆ = = = 0,0008 ⇒ s bˆ = 0,0286
∑ (x − x)
2
2
i
102974,1667 2
aˆ2 10,279
taˆ 2 = = = 1,9634 < t0,05; 28 = 2,048
saˆ 2 5,2354
bˆ2 0,6319
t bˆ = = = 22,0635 > t 0, 05; 28 = 2,048
2
sbˆ 0,0286
2
∑ ( y − yˆ ′ )
2
i i 2364,7933
Ry / x = 1 − = 1− = 0,9466 = 0,9729
∑(y − y)
2
i
44247,8667
(vezi tabelul nr. 2.2.2, coloana 28)
0,9466
Fc = 28 ⋅ = 495,911 > F0,05;1; 28 = 4,20
1 − 0,9466
Tabelul 2.3.1
Consumul final real al
PIB
gospodăriilor populaţiei
Anul (mld.lei preţuri comparabile)
(mld.lei preţuri comparabile)
(1990=100)
(1990=100)
0 1 2
1990 557,7 857,9
1991 467,4 746,8
1992 432,1 681
1993 435,9 691,3
1994 447,3 718,2
1995 505,3 769,3
1996 545,7 799,5
1997 525,7 750,7
1998 586,2 714,8
1999 579,8 706,1
2000 582,3 720,7
2001 610,7 761,7
2002 629,1 799,1
2003 673,7 838,3
Notă: Ambii indicatori sunt calculaţi conform metodologiei de calcul a Sistemului European al Conturilor
Economiei Integrate - SEC 1979. Consumul final al populaţiei a fost deflaţionat cu ajutorul deflatorului
consumului final al populaţiei exprimat în preţuri constante (1990 = 100), datele provenind de la Ministerul
Prognozei şi Dezvoltării, iar PIB-ul a fost deflaţionat cu ajutorul deflatorului PIB exprimat în preţuri constante
(1990 = 100), obţinut în urma prelucrării datelor din Raportul Anual BNR.
Sursa: Date prelucrate pe baza Anuarului Statistic al României 2003, INS, Bucureşti, 2004, p. 284, Raportului
Anual 2000, BNR, Bucureşti, 2001, p. 6*-7*, Raportului Anual 2002 BNR, Bucureşti, 2003, p. 4*-5*, Comunicatului
de Presă al INS nr.11/26.02.2004.
Se cere:
a) Să se construiască modelul econometric ce descrie legătura dintre
cele două variabile şi să se interpreteze semnificaţia parametrilor modelului;
b) Să se estimeze parametrii modelului şi să se verifice semnificaţia
acestora;
Econometrie. Studii de caz
Rezolvare:
y
670
650
630
610
590
570
550
530
510
490
470
450 x
430
670 685 700 715 730 745 760 775 790 805 820 835 850
10
Valoare estimată pe baza informaţiilor furnizate în cadrul Comunicatului de Presă al INS
nr. 12/11.03.2005 privind principalii indicatori conjuncturali în anul 2004 şi luna
ianuarie 2005.
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
yt = a + bxt + ut ; t = 1,14
( ) ( )
14 14
F aˆ , bˆ = min ∑ ( y t − yˆ t ) = min ∑ yt − aˆ − bˆxt
2 2
t =1 t =1
F ′( a$ ) = 0 ⇒ na$ + b$∑ x t = ∑ y t
()
F ′ b$ = 0 ⇒ a$ ∑ x t + b$∑ x t2 = ∑ y t x t
⎧⎪14 aˆ + 10555 ,4bˆ = 7578 ,9
⇒⎨
⎪⎩10555 ,4 aˆ + 7996163 ,14bˆ = 5744734 ,07
(vezi tabelul 2.3.2, coloanele 2, 3, 4, 5).
Econometrie. Studii de caz
Tabelul 2.3.2
Nr.
Anul xt yt x t2 xt yt uˆ t −1 uˆ t2−1 uˆ t uˆ t −1
crt.
0 1 2 3 4 5 6 7 8
1 1990 857,9 557,7 735992,41 478450,83 - - -
2 1991 746,8 467,4 557710,24 349054,32 -67,6095 4571.0382 4608,8583
3 1992 681 432,1 463761,00 294260,10 -68,1688 4646.9914 3430,1977
4 1993 691,3 435,9 477895,69 301337,67 -50,3191 2532.0160 2759,4477
5 1994 718,2 447,3 515811,24 321250,86 -54,8389 3007.3080 3573,7049
6 1995 769,3 505,3 591822,49 388727,29 -65,1673 4246.7772 3156,9084
7 1996 799,5 545,7 639200,25 436287,15 -48,4431 2346.7374 1571,3535
8 1997 750,7 525,7 563550,49 394642,99 -32,4371 1052.1637 422,3000
9 1998 714,8 586,2 510939,04 419015,76 -13,0191 169.4958 -995,6848
10 1999 706,1 579,8 498577,21 409396,78 76,4790 5849.0429 5897,0252
11 2000 720,7 582,3 519408,49 419663,61 77,1064 5945.4012 5228,8438
12 2001 761,7 610,7 580186,89 465170,19 67,8133 4598.6481 4278,7321
13 2002 799,1 629,1 638560,81 502713,81 63,0957 3981.0719 3235,9296
14 2003 838,3 673,7 702746,89 564762,71 51,2860 2630.2565 3293,7103
Total 10555,4 7578,9 7996163,14 5744734,07 - 45576,9481 40461,3270
Tabelul 2.3.2
(continuare)
yt* = yt − xt* = xt − yt* = yt − xt* = xt −
− 0,8878 yt −1 − 0,8878xt −1 − 0,9016 yt −1 − 0,9016 xt −1
9 10 11 12
- - - -
-27,7030 -14,8081 -35,4029 -26,6527
17,1616 18,0219 10,7085 7,7112
52,2995 86,7364 46,3337 77,3342
60,3260 104,4925 54,3078 94,9481
108,2056 131,7118 102,0299 121,7959
97,1156 116,5473 90,1392 105,9260
41,2501 40,9370 33,7159 29,8987
119,5053 48,3596 112,2472 37,9951
59,3959 71,5302 51,3025 61,6613
67,5776 93,8537 59,5726 84,1049
93,7582 121,8924 85,7186 111,9420
86,9458 122,8943 78,5142 112,3779
115,2111 128,8921 106,5254 117,8593
891,0494 1071,0611 795,7127 936,9018
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
Dependent Variable: yt
Method: Least Squares
Sample: 1990 2003
Included observations: 14
Semnif. Semnif. Semnif.
Variable Coefficient Std. Error t-Statistic Prob.
ind. ind. ind.
C -67,6561 â 250,0188 saˆ -0,2706 t aˆ 0,7913 p(aˆ)
Log
-77,0883 L F-statistic 5,9615 Fc
likelihood
Durbin-
0,1969 d Prob(F-statistic) 0,0311 p(F)
Watson stat
Tabelul 2.3.3
Actual Fitted Residual Residual Plot
yt ŷ t ut = yt − yˆt
ˆ (graficul reziduurilor)
∑ (y − yˆ t )
2
suˆ = t
= 4141,7884 = 64,3567
n − k −1
(vezi tabelul afişat de programul EViews)
- raportul de corelaţie:
14 14
∑(y − yˆ t ) ∑(y − yˆ t )
2 2
t t
t =1 t =1
R = R2 = 1− = 1−
14
s y2 ⋅ (n − 1)
∑ ( yt − y )
2
t =1
49701,4613
R = 1− = 0,3319 = 0,5761
74392,875
(vezi tabelul afişat de programul EViews)
- variabila Durbin-Watson, d:
14
∑ (uˆ t − uˆ t −1 )
2
9784,7173
d= t =2
14
= = 0,20
49701,4613
∑ uˆ
t =1
2
t
u t = r1u t −1 + r2 u t − 2 + K + rp u t − p + z t
unde: zt = variabilă reziduală de medie zero şi dispersie constantă.
Ipoteza nulă care stă la baza testului este aceea potrivit căreia toţi
coeficienţii corespunzători valorilor decalate ale variabilei reziduale sunt
simultan egali cu zero, fapt ce implică inexistenţa fenomenului de
autocorelaţie a erorilor.
În vederea aplicării testului sunt estimate valorile variabilei reziduale
ut în urma aplicării M.C.M.M.P. asupra modelului iniţial. Variabila
reziduală ut este apoi regresată în funcţie de variabilele exogene iniţiale ale
modelului şi de valorile sale decalate, respectiv ut-1, ut-2,…, ut-p. În cazul
acestei regresii este calculată valoarea coeficientului de determinare R2 şi a
unei variabile de forma: BG = (n-p) R2. Presupunând că ne aflăm în situaţia
unui eşantion de volum mare, variabila BG este asimptotic distribuită sub
11
cf. Damodar N. Gujarati, Basic Econometrics, 3rd ed., Mc Graw-Hill, New York, 1995,
p. 425
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
forma unui χ α2 ;v , pentru care numărul gradelor de libertate este egal cu:
v = p , unde p = mărimea decalajului , respectiv: BG~ χ α2 ;v .
Dacă BG > χ α2 ;v , ipoteza nulă este respinsă, ceea ce presupune că
există cel puţin un coeficient de autocorelaţie nenul.
Aplicarea testului Breusch-Godfrey s-a realizat utilizând pachetul de
programe EViews (presupunând ca mărimea decalajului este p = 2):
Test Equation:
Dependent Variable: ut
Method: Least Squares
Variable Coefficient Std. Error t-Statistic Prob.
C 166,6378 146,9445 1,1340 0,2832
xt -0,2158 0,1935 -1,1154 0,2908
ut-1 1,0098 0,2999 3,3669 0,0072
ut-2 -0,0880 0,3298 -0,2667 0,7951
R-squared 0,7691 Mean dependent var -3,45E-14
Adjusted R-squared 0,6998 S.D. dependent var 61,8319
S.E. of regression 33,8769 Akaike info criterion 10,1183
Sum squared resid 11476,43 Schwarz criterion 10,3009
Log likelihood -66,8281 F-statistic 11,1025
Durbin-Watson stat 1,4994 Prob(F-statistic) 0,0016
unde:
p = numărul de variabile noi adăugate în model, respectiv ut-1, ut-2,…, ut-p;
m = numărul total de parametri corespunzători noului model.
Dacă Fc < Fα ;v1 ;v2 , unde v1 = p şi v2 = n-m, ipoteza conform căreia
estimatorii corespunzători noilor parametri adăugaţi în model sunt nuli este
verificată, respectiv, în cazul nostru, fenomenul de autocorelare a erorilor nu
este prezent, cazul contrar implicând existenţa cel puţin a unei autocorelaţii
de ordinul întâi. Cum Fc = 16,6537 > F0,05; 2;10 = 4,10 , rezultă că noul model
este incorect specificat, indicând astfel prezenţa unei autocorelaţii de ordinul
întâi.
- utilizarea testului LM, calculat ca produs între numărul de
observaţii corespunzătoare modelului, n, şi coeficientul de determinare, R2,
corespunzător acestei regresii auxiliare. În general, testul LM este
asimptotic distribuit sub forma unui χ α2 ;v , pentru care numărul gradelor de
libertate este egal cu: v = p , unde p = mărimea decalajului, respectiv:
LM = n ⋅ R 2 ~ χ α2 ;v
Dacă LM > χ α2 ;v , erorile sunt autocorelate, în caz contrar, sunt
independente, respectiv ipoteza nulităţii parametrilor, r1 = r2 = 0 , este
acceptată. Se constată astfel că pachetul de programe nu utilizează relaţia
clasică de calcul a testului Breusch-Godfrey, respectiv: BG = (n-p)·R2.
Deoarece LM = 10,7673 > χ 02,05; 2 = 5,99147 , aceasta implică existenţa
a cel puţin unei autocorelaţii de ordinul întâi, ce poate fi remarcată şi pe
baza semnificaţiei parametrului corespunzător valorii decalate cu o perioadă
a variabilei reziduale.
În cazul calculării în varianta clasică a testului Breusch-Godfrey,
respectiv: BG = 12 ⋅ 0,7691 = 9,2291 > χ 02,05; 2 = 5,99147 , se ajunge la aceleaşi
concluzii menţionate anterior.
Eliminarea fenomenului de autocorelare a erorilor presupune
efectuarea următoarelor operaţii:
- erorile fiind corelate, adică:
u t = r(1) u t −1 + z t (1)
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
∑ uˆ uˆ t t −1
40461,327
r(1) = t =2
14
= = 0,89
45576,9481
∑ uˆ
t =2
2
t −1
( ) (
y t − r(1) y t −1 = a 1 − r(1) + b x t − r(1) x t −1 + z t )
Notând cu: y t* = y t − r(1) y t −1
x t* = x t − r(1) x t −1
(
a 1 = a 1 − r(1) )
b1 = b
se obţine:
( ) ( )
14
F aˆ1 , bˆ1 = min ∑ yt* − aˆ1 − bˆ1 xt*
2
t =2
F ′( a 1 ) = 0 ⇒ ( n − 1) a$ 1 + b$1 ∑ x t* = ∑ y t*
Test Equation:
Dependent Variable: z t∗2
Method: Least Squares
Sample: 1991 2003
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C 927,8680 1016,2720 0,9130 0,3827
*
x t 18,3437 32,0687 0,5720 0,5799
2
xt* -0,2090 0,2342 -0,8925 0,3931
0,7156
t bˆ = = 4,3505
1 0,1645
Lucrând cu un prag de semnificaţie α (α = 0,05) , din tabela
distribuţiei Student se preia valoarea t 0,05;11 = 2,201 . Comparând această
valoare cu valorile calculate pentru cei doi estimatori, se constată că:
- t aˆ1 = 0,6211 < t0, 05;11 = 2,201 ⇒ parametrul a$ 1 nu este semnificativ
diferit de zero;
- t bˆ = 4,3505 > t 0,05;11 = 2,201 ⇒ parametrul b$1 este semnificativ
1
diferit de zero.
Raportul de corelaţie este semnificativ diferit de zero dacă se
verifică inegalitatea: Fc ≥ Fα ;v1 ;v2 , unde valoarea empirică a variabilei
Fisher-Snedecor este:
R2 0,3319
Fc = ((n − 1) − 2) = 11 ⋅ = 5,9615
1− R 2
1 − 0,3319
Din tabela distribuţiei Fisher-Snedecor, cu un prag de semnificaţie
de 5% şi în funcţie de numărul gradelor de libertate v1 = k = 1 şi
v 2 = (n − 1) − k − 1 = 11 se preia valoarea teoretică F0,05;1;11 = 4,84 . Se
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
Dependent Variable: y t∗
Method: Least Squares
Sample(adjusted): 1991 2003
Included observations: 13 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 10,1602 13,8505 0,7336 0,4786
x t∗ 0,7083 0,1628 4,3506 0,0012
12
Pentru a elimina autocorelaţia erorilor cu ajutorul pachetului de programe EViews a fost
utilizat următorul program (conform http://www.cip.dauphine.fr/bourbonnais/eco.html)
denumit autocorelatie.prg:
'Estimarea directa a coeficientului de autocorelatie notat cu rau plecand de la statistica
DW'
Equation eq1.ls y c x
genr res = resid
scalar rau1=1-@dw/2
genr dy=y-rau1*y(-1) 'Se genereaza qvasi-diferentele.'
genr dx=x-rau1*x(-1)
equation eqm1.ls dy c dx 'Régresie denumita eqm1'
scalar am1=c(1)/(1-rau1) 'Coef de reg.'
Econometrie. Studii de caz
Tabelul 2.3.5
Actual Fitted Residual Residual Plot
y *
yˆ * zˆ t = y t* − yˆ t* (graficul reziduurilor)
t t
Test Equation:
Dependent Variable: z t2
Method: Least Squares
Sample: 1991 2003
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C 1108,2070 824,2150 1,3446 0,2085
xt* 13,6436 26,6751 0,5115 0,6201
*2
xt -0,2067 0,2293 -0,9013 0,3886
R-squared 0,1424 Mean dependent var 595,7620
Adjusted R-squared -0,0291 S.D. dependent var 1535,4140
S.E. of regression 1557,6090 Akaike info criterion 17,7389
Sum squared resid 24261469,0 Schwarz criterion 17,8692
Log likelihood -112,3026 F-statistic 0,8302
Durbin-Watson stat 2,7474 Prob(F-statistic) 0,4639
diferit de zero.
Pentru a verifica semnificaţia raportului de corelaţie, din tabela
distribuţiei Fisher-Snedecor, cu un prag de semnificaţie de 5% şi în funcţie
de numărul gradelor de libertate v1 = k = 1 şi v 2 = (n − 1) − k − 1 = 11 se
preia valoarea teoretică F0,05;1;11 = 4,84 . Se constată că
Fc = 18,9279 > F0,05;1;11 = 4,84 , deci pentru un prag de semnificaţie de 5%,
valoarea raportului de corelaţie este semnificativ diferită de zero.
În concluzie, şi acest model, yˆ t* = 10,1602 + 0,7083 xt* , poate fi
apreciat ca reprezentativ pentru descrierea dependenţei dintre consumul
final real al gospodăriilor populaţiei şi PIB-ul real.
c) Analiza capacităţii de prognoză a modelului privind dependenţa
dintre dintre consumul final real al gospodăriilor populaţiei şi PIB-ul real în
România în perioada 1981-2003 poate fi realizată pe baza indicatorilor
statistici propuşi de H. Theil13.
Aceşti indicatori, adaptaţi modelui supus analizei, au fost calculaţi
pe baza următoarelor relaţii:
• coeficientul Theil
1 n *
∑
n t =1
(yˆ t − y t* )
2
T=
1 n *2 1 n *2
∑ t
n t =1
ˆ
y + ∑ yt
n t =1
ale cărui valori sunt cuprinse în intervalul [0, 1].
13
cf. R. S. Pindyck, D. S. Rubinfeld, Econometric Models and Economic Forecasts, 5th ed.,
Mc Graw-Hill, New York, 1981, p. 364-366.
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
• ponderea abaterii
T = A (yˆ *
− y* ) 2
=
(yˆ *
− y* ) 2
σ z2
1 n *
∑
n t =1
(
yˆ t − y t* )
2
unde:
*
ŷ = media valorilor teoretice ale variabilei endogene;
*
y = media valorilor reale ale variabilei endogene;
σz2 = dispersia variabilei reziduale necorectată cu numărul gradelor de
libertate.
Interpretarea acestui indicator, care evidenţiază existenţa unor erori
sistematice, este aceea că, în cazul ideal14, valoarea sa este egală cu zero,
aceasta tinzând către unu în cazul unor erori de estimare de-a lungul întregii
serii de timp.
• ponderea dispersiei
( ) ( )
2
⎡ 1 n * 2 1 n * 2 ⎤
⎢ ∑ yˆ t − yˆ ∑ yt − y *
(σ ) −
*
⎥
− σ y*
2
⎢ n n t =1 ⎥⎦
=⎣
yˆ t* t =1
TD = t
σ z2
1 n *
(
∑ yˆ t − yt*
n t =1
)
2
care este definită tot în intervalul [0, 1], aceasta măsurând evoluţia oscilantă
a celor două serii, respectiv seria ajustată şi seria empirică a variabilei
endogene. Acest indicator are aceeaşi semnificaţie ca şi cei precedenţi,
14
Demn de menţionat este faptul că, în cazul estimării parametrilor unui model statistic cu
ajutorul metodei celor mai mici pătrate, valoarea acestui indicator este egală cu zero,
acesta fiind discriminant numai în cazul utilizării altor procedee de estimare, cum ar fi,
de exemplu, metoda grafică, metoda punctelor empirice sau metoda punctelor medii.
Econometrie. Studii de caz
• ponderea covarianţei
2(1 − r )σ yˆ * σ y *
TC = n t t
1
∑
n t =1
(
yˆ t* − yt*
2
)
unde:
r = coeficientul de corelaţie liniară dintre valoarea estimată a variabilei
ˆ*
endogene, yt , şi cea reală, yt* :
∑ (yˆ )( )
n
*
t − yˆ * yt* − y *
r= t =1
nσ yˆ * σ y *
t t
( ) ( )
2
1 n * 2
⎛⎜ σ * − σ ⎞⎟ + 2(1 − r )σ * σ *
∑ t t
n t =1
ˆ
y − y * 2
= ˆ
y *
− y *
+
⎝ yˆ t y
t ⎠
*
yˆ t yt
Astfel, dacă valoarea PIB-ului real în anul 2004 a fost egală cu 907,8
mld. lei preţuri comparabile (1990=100), atunci:
*
x 2004 = 907,8 − 838,3 ⋅ 0,89 = 163,6272 mld. lei preţuri comparabile
Valoarea estimată a consumului final real al gospodăriilor populaţiei
în anul 2004, utilizând rezultatele estimării obţinute în cazul modelului (3)
este egală cu:
yˆ * = aˆ + bˆ x * = 9,5845 + 0,7156 ⋅ 163,6272 = 126,676 mld.lei
2004 1 1 2004
preţuri comparabile
Pe baza ipotezei formulate la punctele precedente, consumul final
real al gospodăriilor populaţiei, y*, urmează o distribuţie normală (sau
distribuţia Student, dacă n ≤ 30 ), de medie ŷ 2004
*
şi de abatere medie
2004
( )
pătratică s ŷ* , L y * = N yˆ 2004
*
(
, s yˆ *
2004
).
*
Pentru x 2004 = 163,6272 ⇒ yˆ 2004
*
= 126,676
Econometrie. Studii de caz
s yˆ*
⎛ 1
⎜
= s 1+ +
2
*
(
x2004 − x * ⎞⎟
2
)
= 708,4988⋅
⎛ 1 (163,6272 − 82,3893)2 ⎞
⎜1 + + ⎟
2004
z
⎜ n′
⎝ ∑ tx*
− (
x * 2 ⎟
⎠ ) ⎜ 13
⎝ 26186 ,7452 ⎟
⎠
s yˆ* = 30,6848
2004
Tabelul 2.4.1
Consumul final real al Venitul disponibil net real al
gospodăriilor populaţiei populaţiei
Anul
(1990=100) (1990=100)
mld.lei mld.lei
0 1 2
1985 442,0 492,5
1986 448,1 500,1
1987 472,1 518,1
1988 513,2 527,1
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
Se cere:
a) Să se construiască modelul econometric ce descrie legătura dintre
cele două variabile şi să se interpreteze semnificaţia parametrilor modelului;
b) Să se estimeze parametrii modelului şi să se verifice semnificaţia
acestora.
Econometrie. Studii de caz
Rezolvare:
y
620
610
600
590
580
570
560
550
540
530
520
510
500
490
480
470
460
450
440 x
430
430 440 450 460 470 480 490 500 510 520 530 540 550 560 570 580 590 600
Figura 2.4.1.
( ) ( )
17 17
F ln aˆ , bˆ = min ∑ ( zt − zˆt ) = min ∑ zt − ln aˆ − bˆvt
2 2
t =1 t =1
17 17
F ′(ln aˆ ) = 0 ⇒ n ln aˆ + bˆ∑ vt = ∑ zt
t =1 t =1
()
17 17 17
F ′ bˆ = 0 ⇒ ln aˆ ∑ vt + bˆ∑ vt2 = ∑ zt vt
t =1 t =1 t =1
Tabelul 2.4.2
Nr.
Anul xt yt vt zt vt* z *t
crt.
0 1 2 3 4 5 6 7
1 1985 442,0 492,5 6,0913 6,1995 - -
2 1986 448,1 500,1 6,1050 6,2148 1,4239 1,3977
3 1987 472,1 518,1 6,1572 6,2502 1,4474 1,4393
4 1988 513,2 527,1 6,2407 6,2674 1,4373 1,4824
5 1989 516,6 558,1 6,2473 6,3245 1,4811 1,4245
6 1990 557,7 588,1 6,3238 6,3769 1,4893 1,4960
7 1991 467,4 455,9 6,1472 6,1223 1,1942 1,2602
8 1992 432,1 438,7 6,0687 6,0838 1,3526 1,3181
9 1993 435,9 455,3 6,0774 6,1210 1,4194 1,3876
10 1994 447,3 489,3 6,1032 6,1930 1,4627 1,4066
11 1995 505,3 560,4 6,2252 6,3287 1,5427 1,5086
Econometrie. Studii de caz
Nr.
Anul xt yt vt zt vt* z *t
crt.
0 1 2 3 4 5 6 7
12 1996 545,7 584,6 6,3021 6,3709 1,4802 1,4913
13 1997 525,7 559,4 6,2647 6,3269 1,4034 1,3945
14 1998 586,2 493,3 6,3737 6,2011 1,3117 1,5323
15 1999 579,8 513,7 6,3627 6,2416 1,4494 1,4371
16 2000 582,3 525,7 6,3670 6,2647 1,4412 1,4499
17 2001 610,7 526,2 6,4146 6,2657 1,4243 1,4942
Total 8668,2 8786,4 105,8716 106,1529 22,7610 22,9204
Dependent Variable: zt
Method: Least Squares
Sample: 1985 2001
Included observations: 17
Semnif. Semnif. Semnif.
Variable Coefficient Std. Error t-Statistic Prob.
ind. ind. ind.
C 1,1425 ln â 1,7534 s ln aˆ 0,6516 t ln aˆ 0,5245 p(lnaˆ)
vt 0,8144 b̂ 0,2808 sbˆ 2,9005 tbˆ 0,0110 p bˆ ()
Mean dependent
R-squared 0,3593 R2 var
6,2277 z
Adjusted S.D. dependent
0,3166 Rc2 0,1170 sz
R-squared var
S.E. of Akaike info
0,0967 swˆ -1,7238 AIC
regression criterion
Sum
∑ (z − zˆ ) t t
2
=
squared 0,1403 = wˆ Schwarz criterion -1,6258 SC
∑ 2
t
resid
Log
16,6521 L F-statistic 8,4126 Fc
likelihood
Durbin-
0,4544 d Prob(F-statistic) 0,0110 p(F)
Watson stat
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
∑z t
z= t =1
n
s z = abaterea medie pătratică (standard) corespunzătoare variabilei
dependente, a cărei relaţie de calcul este următoarea:
∑ (z )
17 2
t −z
sz = t =1
n −1
Este ales acel model econometric pentru care s-a obţinut valoarea
cea mai mică corespunzătoare acestui indicator.
SC = criteriul Schwartz este, de asemenea, utilizat pentru a compara
două sau mai multe modele econometrice. Relaţia de calcul a acestuia,
utilizată de către pachetul de programe EViews, este următoarea:
2 L k ln n
SC = − +
n n
Şi în acest caz, este ales acel model econometric pentru care s-a
obţinut valoarea cea mai mică corespunzătoare acestui indicator.
p(F) = probabilitatea asociată statisticii F. O valoare cât mai
apropiată de zero a acestei probabilităţi va indica o semnificaţie ridicată a
rezultatelor estimării, respectiv a modelului.
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
Tabelul 2.4.3
Actual Fitted Residual Residual Plot
zt ẑt wˆ t = zt − zˆt (graficul reziduurilor)
6,0913 6,1913 -0,1000 | *. | . |
6,1050 6,2037 -0,0987 | *. | . |
6,1572 6,2325 -0,0753 | .* | . |
6,2407 6,2466 -0,0059 | . * . |
6,2473 6,2931 -0,0458 | . * | . |
6,3238 6,3357 -0,0119 | . *| . |
6,1472 6,1284 0,0188 | . |* . |
6,0687 6,0971 -0,0284 | . *| . |
6,0774 6,1273 -0,0499 | . * | . |
6,1032 6,1860 -0,0827 | .* | . |
6,2252 6,2964 -0,0713 | .* | . |
6,3021 6,3309 -0,0288 | . *| . |
6,2647 6,2950 -0,0303 | . *| . |
6,3737 6,1926 0,1811 | . | . *|
6,3627 6,2256 0,1371 | . | . * |
6,3670 6,2444 0,1226 | . | .* |
6,4146 6,2452 0,1694 | . | . *|
swˆ =
∑ (z t − zˆt )
2
= 0,0994 = 0,0967
n − k −1
(vezi tabelul afişat de programul EViews)
- raportul de corelaţie
17 17
49701,4613
R = 1− = 0,3593 = 0,5994
0,11702 ⋅ 16
(vezi tabelul afişat de programul EViews)
- variabila Durbin-Watson, d
17
∑ (wˆ − wˆ )
t t −1
2
d= t =2
17
= 0,45
∑ wˆ t2
t =1
Dependent Variable: z t∗
Method: Least Squares
Sample(adjusted): 1986 2001
Included observations: 16 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 0,6578 0,2674 2,4595 0,0275
vt∗ 0,5446 0,1877 2,9014 0,0116
tabelului 2.4.4:
Tabelul 2.4.4
Actual Fitted Residual Residual Plot
z *
t zˆ *
t ω̂ t (graficul reziduurilor)
1,3977 1,4332 -0,0356 | .* | . |
1,4393 1,4460 -0,0068 | . *| . |
1,4824 1,4405 0,0419 | . | *. |
1,4245 1,4644 -0,0399 | .* | . |
1,4960 1,4689 0,0271 | . |*. |
1,2602 1,3082 -0,0480 | * | . |
1,3181 1,3944 -0,0763 | *. | . |
1,3876 1,4308 -0,0432 | .* | . |
1,4066 1,4544 -0,0478 | * | . |
1,5086 1,4980 0,0106 | . |* . |
1,4913 1,4639 0,0274 | . |*. |
1,3945 1,4221 -0,0276 | .*| . |
1,5323 1,3722 0,1601 | . | . *|
1,4371 1,4472 -0,0100 | . *| . |
1,4499 1,4427 0,0072 | . |* . |
1,4942 1,4335 0,0607 | . | .* |
Test Equation:
Dependent Variable: wt2
Method: Least Squares
Sample: 1985 2001
Included observations: 17
Variable Coefficient Std. Error t-Statistic Prob.
C -29,4768 10,8355 -2,7204 0,0166
vt 9,4696 3,4758 2,7245 0,0164
vt2 -0,7602 0,2787 -2,7276 0,0163
8
Series: Residuals
Sample 1985 2001
Observations 17
6
Mean 1.10E-15
Median -0.028806
Maximum 0.181076
4
Minimum -0.099953
Std. Dev. 0.093653
Skewness 0.910913
2 Kurtosis 2.409370
Jarque-Bera 2.598089
Probability 0.272792
0
-0.10 -0.05 0.00 0.05 0.10 0.15 0.20
Figura 2.4.2
0,5446
t bˆ = = 2,9014
1 0,1877
Econometrie. Studii de caz
diferit de zero.
Raportul de corelaţie este semnificativ diferit de zero dacă se
verifică inegalitatea: Fc ≥ Fα ;v1 ;v2 , unde valoarea empirică a variabilei
Fisher-Snedecor este:
R2 0,3755
Fc = ((n − 1) − 2 ) 2
= 14 ⋅ = 8,418
1− R 0,6245
Din tabela distribuţiei Fisher-Snedecor, cu un prag de semnificaţie
de 5% şi în funcţie de numărul gradelor de libertate v1 = k = 1 şi
v 2 = (n − 1) − k − 1 = 14 se preia valoarea teoretică F0,05;1;14 = 4,60 . Se
constată că Fc = 8,418 > F0,05;1;14 = 4,60 , deci pentru un prag de semnificaţie
de 5%, valoarea raportului de corelaţie este semnificativ diferită de zero.
În concluzie, modelul z t* = 0,6578 + 0,5446 xt* poate fi apreciat ca
reprezentativ pentru descrierea dependenţei dintre consumul final real al
gospodăriilor populaţiei şi venitul disponibil net real al populaţiei.
Deşi modelul este semnificativ în raport cu testele statistice adecvate
acestui scop (ipotezele corespunzătoare M.C.M.M.P. sunt verificate,
estimatorii parametrilor şi raportul de corelaţie sunt semnificativi), faptul că
mărimea coeficientului de determinare este mică (în jur de 0,38), se poate
considera că modelul poate fi folosit în scopuri explicative, statistice şi
economice (a1>0, 0<b1<1), dar nu şi în scopuri de simulare şi prognoză
deoarece prezintă o capacitate slabă de previziune.
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
Tabelul 2.5.1
Nr. de familii
70 35 55 25 28 43 15 33 23 4 45 20 56
(sute)
Suprafaţa
comercială 21 26 14 10 12 20 5 28 9 6 10 8 36
(zeci m2)
Cifra de
afaceri 198 209 197 156 85 187 43 211 120 62 176 117 273
(mil. lei)
Se cere:
a) Pe baza datelor problemei, ţinând cont de semnificaţia economică
a fenomenelor observate, să se construiască modelele econometrice cu
ajutorul cărora poate fi studiată dependenţa dintre fenomenele respective;
b) Să se estimeze parametrii modelelor construite la punctul a);
c) Din cele trei modele utilizate pentru descrierea dependenţei cifrei
de afaceri de cei doi factori, să se aleagă cel mai bun model;
d) Să se estimeze cifra de afaceri pe care o poate obţine
întreprinzătorul dacă va cumpăra magazinul respectiv;
e) Ştiind că, pentru funcţionarea magazinului, cheltuielile lunare sunt
în jur de 200 milioane lei, estimaţi care este riscul ca întreprinzătorul să
obţină un profit mai mic sau egal cu 10%;
f) Să se arate şi alte modalităţi de rezolvare a modelului
multifactorial - pe baza matricei coeficienţilor de corelaţie şi a matricei
varianţelor şi covarianţelor.
Econometrie. Studii de caz
Rezolvare:
300
250
200
150
Y
100
50
0
10 20 30 40 50 60 70
X1
Figura 2.5.1
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
300
250
200
150
Y
100
50
0
5 10 15 20 25 30 35
X2
Figura 2.5.2
1. y t = a1 + b1 x1t + u1t
2. y t = a 2 + b2 x 2 t + u 2 t
3. y t = a3 + b3 x1t + c3 x 2t + u 3t
Dependent Variable: yt
Method: Least Squares
Sample: 1 13
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C 56,9101 26,0181 2,1873 0.0512
x1t 2,8632 0,6662 4,2978 0.0013
R-squared 0,6268 Mean dependent var 156,4615
Adjusted R-squared 0,5928 S.D. dependent var 66,9510
S.E. of regression 42,7219 Akaike info criterion 10,4879
Sum squared resid 20076,74 Schwarz criterion 10,5749
Log likelihood -66,1716 F-statistic 18,4710
Durbin-Watson stat 2,6655 Prob(F-statistic) 0,0013
aˆ1 bˆ1
taˆ1 = ≥ tα ; n − k −1 şi tbˆ = ≥ tα ; n − k −1
saˆ1 1
sbˆ
1
Deoarece:
aˆ 56,9101
taˆ1 = 1 = = 2,1873 < t0, 05;11 = 2,2010 → parametrul â1 nu
saˆ1 26,0181
este semnificativ diferit de zero.
bˆ1 2,8632
tbˆ = = = 4,2978 > t0,05;11 = 2,2010 → parametrul b̂1 este
1
sbˆ 0,6662
1
0,6268
Fc = 11 ⋅ = 18,471
1 − 0,6268
Dependent Variable: yt
Method: Least Squares
Sample: 1 13
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C 61,3840 19,1642 3,2031 0,0084
x2t 6,0293 1,0485 5,7504 0,0001
R-squared 0,7504 Mean dependent var 156,4615
Adjusted R-squared 0,7277 S.D. dependent var 66,9510
S.E. of regression 34,9373 Akaike info criterion 10,0856
Sum squared resid 13426,74 Schwarz criterion 10,1725
Log likelihood -63,5566 F-statistic 33,0674
Durbin-Watson stat 2,2646 Prob(F-statistic) 0,0001
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
Tabelul 2.5.3
Actual Fitted Residual Residual Plot
yt Yˆt 2 uˆ 2t (graficul reziduurilor)
198 187,999 10,0006 | . |* . |
209 218,146 -9,1460 | . *| . |
197 145,794 51,2057 | . | . *|
156 121,677 34,3229 | . | * |
85 133,736 -48,7357 |* . | . |
187 181,970 5,0299 | . |* . |
43 91,5306 -48,5306 |* . | . |
211 230,205 -19,2046 | . * | . |
120 115,648 4,3522 | . |* . |
62 97,5599 -35,5599 | * | . |
176 121,677 54,3229 | . | . *|
117 109,618 7,3815 | . |* . |
273 278,439 -5,4390 | . *| . |
Deoarece:
aˆ2 61,384
taˆ 2 = = = 3,2031 > t0, 05;11 = 2,2010
saˆ 2 19,1642
Econometrie. Studii de caz
bˆ2 6,0293
t bˆ = = = 5,7504 > t0,05;11 = 2,2010
2
sbˆ 1,0485
2
R2 0,7504
Fc = (n − 2 ) = 11 ⋅ = 33,0674
1− R 2
1 − 0,7504
( ) 13
(
F aˆ3 , bˆ3 , cˆ3 = min ∑ y t − aˆ3 − bˆ3 x 1t − cˆ3 x 2t
t =1
)
2
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
(
F ′(aˆ3 ) = 0 ⇒ 2∑ yt − aˆ3 − bˆ3 x1t − cˆ3 x2t (− 1) = 0 )
t
( ) (
F ′ bˆ3 = 0 ⇒ 2∑ y t − aˆ3 − bˆ3 x 1t − cˆ3 x 2t (− x 1t ) = 0
t
)
(
F ′(cˆ3 ) = 0 ⇒ 2∑ y t − aˆ3 − bˆ3 x 1t − cˆ3 x 2t (− x 2t ) = 0
t
)
După efectuarea calculelor rezultă următorul sistem de ecuaţii:
⎪
⎪⎩aˆ3 ∑ x 2t + bˆ3 ∑ x 1t x 2t + cˆ3 ∑ x 2t = ∑ x 2t y t
2
aˆ3 =
∑x y ∑x x ∑x
2t t 1t 2 t
2
2t
=
38769 8452 4343
n ∑x ∑x 1t 2t
13 452 205
∑x ∑x ∑x x
1t
2
1t 1t 2 t
452 19828 8452
∑x ∑x x ∑x
2t 1t 2 t
2
2t
205 8452 4343
aˆ3 = 37,5023
Dependent Variable: Yt
Method: Least Squares
Sample: 1 13
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C 37,5023 17,6461 2,1252
X1t 1,4963 0,5534 2,7039
X2t 4,2446 1,0650 3,9856
R-squared 0,8558 Mean dependent var 156,4615
Adjusted R-squared 0,8270 S.D. dependent var 66,9510
S.E. of regression 27,8500 Akaike info criterion 9,6907
Sum squared resid 7756,2140 Schwarz criterion 9,8211
Log likelihood -59,9897 F-statistic 29,6749
Durbin-Watson stat 2,1682 Prob(F-statistic) 0,0001
Tabelul 2.5.4
Actual Fitted Residual Residual Plot
yt Yˆt 3 uˆ3t (graficul reziduurilor)
198 231,3800 -33,3796 | *. | . |
209 200,2330 8,7674 | . |* . |
197 179,2230 17,7771 | . | *. |
156 117,3560 38,6443 | . | . * |
85 130,3340 -45,3339 |* . | . |
187 186,7350 0,2648 | . * . |
43 81,1697 -38,1697 | * . | . |
211 205,7290 5,2707 | . |* . |
120 110,1190 9,8815 | . | * . |
62 68,9552 -6,9552 | . *| . |
176 147,2810 28,7185 | . | .* |
117 101,3850 15,6149 | . | * . |
273 274,1010 -1,1009 | . * . |
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
( X ′X )B$ = ( X ′Y )
Rezultă că:
⎛ a$ 3 ⎞
⎜ ⎟
B$ = ⎜ b$3 ⎟ = ( X ′X ) ( X ′Y )
−1
⎜$ ⎟
⎝ c3 ⎠
Se calculează matricile:
⎛ 13 452 205 ⎞
⎜ ⎟
( X ′X ) = ⎜ 452 19828 8452 ⎟
⎜ 205 8452 4343 ⎟
⎝ ⎠
⎛ 2034 ⎞
⎜ ⎟
( X ′Y ) = ⎜ 82495 ⎟
⎜ 38769 ⎟
⎝ ⎠
X ′X = 36557768
Calculând produsul:
⎛ aˆ3 ⎞ ⎛ 37,5023 ⎞
⎜ ⎟ ⎜ ⎟
Bˆ = ( X ′X ) ( X ′Y ) = ⎜ bˆ3 ⎟ = ⎜ 1,4963 ⎟
−1
⎜ cˆ ⎟ ⎜ 4,2446 ⎟
⎝ 3⎠ ⎝ ⎠
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
( ∑ )
2
1 n uˆ3t
su2ˆ 3 = ∑
n − k − 1 t =1
yt − Yˆ
t
3 2
=
n − k −1
- estimaţia dispersiei ( σ u23 ) a
variabilei reziduale u3
s (2aˆ ˆ
2
) = s uˆ 3 c ij - estimaţiile dispersiilor parametrilor a 3 , b3 , c3 ,
3 ,b3 ,cˆ3
unde:
cij = elementul situat pe diagonala principală a matricei inverse
( X ′X ) −1 ;
⎞ ⎛⎜ saˆ 3 ⎞⎟
2
⎛ 0,4015
⎜ ⎟
s(2aˆ ) = su ⋅⎜ ⎟ = ⎜ sbˆ3 ⎟
2 2
ˆ 0,0004
3 , b3 , cˆ 3
⎜ ⎜ ⎟
0,0015 ⎟⎠ ⎜⎝ sc2ˆ3 ⎟⎠
3
∑ (Yˆ ) 1− ∑
(y − Yˆ )
2 3 2
3
−y
R= t
= t t
- raportul de corelaţie
∑(y t − y)
2
∑(y − y) t
2
∑ (uˆ3t − uˆ3t −1 )
n
2
d = t =2 n
- valoarea variabilei Durbin-Watson calculată
2
∑ uˆ3t
t =1
∑(y t ( ) (
− y ) = ∑ yt − Yˆt 3 + ∑ Yˆt 3 − y
2 2
)
2
cele două variabile x1t şi x 2 t nu sunt corelate liniar. Dacă acestea ar fi fost
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
Tabelul 2.5.5
Simbolul Coeficienţii de Coeficienţii de
modelului Variaţia performanţă performanţă
Ml Structura modelului neexplicată de parţială
Vu2
R 2j / 0 = 1 −
(l = 0,3) model
V02 R 2j +1/ j = 1 −
Vu2j + 1
Vu2j
y t = a 2 + b2 x 2 t + u 2 t R 22/ 0 =
M2 ∑( )
2
Vu22 = yt − Yˆt 2 13426,7387
Yˆ 2 = 61,384 + 6,0293x =1− R22/1 = 0,3312
(l = 2) t 2t
= 13426,7387 53789,2308
(19,1642) (1,0485) = 0,7504
Econometrie. Studii de caz
Vu2
R32/ 1 = 1 − =
Vw2
yt = a3 + b3 x1t + c3 x2t + u3t R32/ 0 = = 0,6137
M3 ∑ (y )
2
Vu23 = − Yˆt3 775,2142
Yˆ 3 = 37,5023 + 1,4963 x + 4,2446 x t
=1 − Vu2
(l = 3)
t
(17,6461) (0,5534)
1t
(1,065)
2t
= 7756,2142 53789,2308
= 0,8858
R32/ 2 = 1 − =
V z2
= 0,4223
Notă: j = 0,1, ... , q , ..., k ; k = numărul variabilelor exogene;
t = 1, n; n = numărul observaţiilor;
l = 0, m; m = numărul modelelor construite ( m = 3 ).
că: R22/ 0 = 0,7504 > R12/ 0 = 0,6268 , respectiv modelul M 2 explică mai bine
variaţia cifrei de afaceri (y) în funcţie de suprafaţa comercială ( x 2 ), în
comparaţie cu modelul M 1 , care utilizează ca variabilă exogenă numărul de
familii ( x1 ).
În cazul în care se compară două modele al căror număr de variabile
exogene este diferit (de exemplu, modelul M 2 cu M 3 ) alegerea celui mai
bun model se face cu ajutorul testului Fisher-Snedecor.
Utilizarea acestui test în acest caz constă în:
- calcularea valorii empirice a variabilei Fc
Yn∗+ v = X v′ ⋅ Bˆ = X v′ ⋅ ( X ′X ) ⋅ ( X ′Y )
−1
unde:
⎛ 1 ⎞
⎜ ⎟
X v = ⎜ xn + v ,1 ⎟ - reprezintă matricea coloană a valorilor de prognoză ale
⎜x ⎟
⎝ n + v,2 ⎠
variabilelor x j ( j = 0,2 ) pentru momentul ( n + v ).
[
sY2∗ = su2 1 + X v′ ( X ′X ) X v
n+ v
−1
]
⎡ ⎛ 0,0401 − 0,0063 − 0,0067 ⎞ ⎛ 1 ⎞ ⎤
⎢ ⎜ ⎟ ⎜ ⎟⎥
s 2
Y n∗+ v
= 775 ,6214 ⋅ ⎢1 + (1 64 23 ) ⋅ ⎜ − 0,0063 0,0004 − 0,0005 ⎟ ⋅ ⎜ 64 ⎟ ⎥ = 1001 ,84
⎢⎣ ⎜ − 0,0067 − 0,0005 0,0015 ⎟⎠ ⎜⎝ 23 ⎟⎠ ⎥⎦
⎝
sY ∗ = 31,65
n+v
[ ]
P Yn∗+ v − tα sY ∗ ≤ yn + v ≤ Yn∗+ v + tα sY ∗ = 1 − α
n+v n+v
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
( )
e) Ştiind că rata profitului rp este egală cu:
CA − CT
rp( 0 0 ) =
CT
(
* 100 ⇒ CA = rp CT + CT ⇒ CA = CT 1 + rp )
unde:
CA = cifra de afaceri (y);
CT = cheltuieli totale.
Pe baza datelor problemei rezultă că antreprenorul, pentru a obţine
un profit mai mic sau egal cu 10 %, trebuie să realizeze o cifră de afaceri de
cel mult 220 mil. lei ( CA = 200 ⋅ (1 + 0,1) = 220 ).
Utilizând modelul econometric M 3 rezultă că cifra de afaceri a
acestor magazine urmează o distribuţie normală, de medie Y = 231 mil. lei
şi de abatere medie pătratică sY = 31,43 mil. lei şi, ca atare:
⎛ 220 − Y (64;23) ⎞
P(Y ≤ 220) = P⎜ t ≤ ⎟ = P(t ≤ −0,35) = P(t ≥ 0,35) = 0,3632
⎝ 31,43 ⎠
Fie modelul:
y t = b0 + b1 x1t + b2 x 2t + u t (1)
y = b0 + b1 x1 + b2 x 2 (2)
y t − y = b1 ( x1t − x1 ) + b2 ( x 2 t − x 2 ) + u t (3)
Notăm cu:
y t∗ = y t − y
x1∗t = x1t − x1
x 2∗t = x 2 t − x 2
y t* = b1 x1*t + b2 x 2*t + u t
unde:
13
∑ (y ) ∗ 2
t
σ 2y = t =1
- dispersia variabilei y;
n
∑ (x )
13
∗ 2
tj
σ x2 = t =1
- dispersia variabilei x tj ( j = 1,2 );
j
n
∑(y (
− y ) x tj − x )= ∑y x ∗ ∗
(
cov y , x j = ) t
n
t
n
tj
x1 = 34,7692 ≈ 34,77
x2 = 15,7692 ≈ 15,77
Tabelul 2.5.6
Nr.
x = x 1 t − x1 x = x 2 t − x 2 y = y t − y
*
1t
*
2t
*
t x y *
1t
*
t
*
x y
2t
*
2t x1*t x 2*t
crt.
0 1 2 3 4 5 6
1 35,23 5,23 41,54 1463,4542 217,2542 184,2529
2 0,23 10,23 52,54 12,0842 537,4842 2,3529
3 20,23 -1,77 40,54 820,1242 -71,7558 -35,8071
4 -9,77 -5,77 -0,46 4,4942 2,6542 56,3729
5 -6,77 -3,77 -71,46 483,7842 269,4042 25,5229
6 8,23 4,23 30,54 251,3442 129,1842 34,8129
7 -19,77 -10,77 -113,46 2243,1042 1221,9642 212,9229
8 -1,77 12,23 54,54 -96,5358 667,0242 -21,6471
9 -11,77 -6,77 -36,46 429,1342 246,8342 79,6829
10 -30,77 -9,77 -94,46 2906,5342 922,8742 300,6229
11 10,23 -5,77 19,54 199,8942 -112,7458 -59,0271
12 -14,77 -7,77 -39,46 582,8242 306,6042 114,7629
13 21,23 20,23 116,54 2474,1442 2357,6042 429,4829
Total -0,01 -0,01 0,02 11774,3846 6694,3846 1324,3077
Econometrie. Studii de caz
σ yy2 = (σ y )2 = 4137,63
6694,3846
cov( yx2 ) = = 514,95
13
σ x2 x = (σ x
1 1 1
)
2
= 316,33
1324,3077
cov( x1 x2 ) = = 101,87
13
σ x2 x = (σ x
2 2 2
) 2
= 85,41
117743846
cov( yx1 ) = = 905,72
13
Vyx j
bˆy / x j = bˆ j = (− 1)
j +1
, j = 1, k
Vyy
unde:
V yx j = determinantul matricei varianţelor şi covarianţelor din care
se elimină linia y şi coloana x j ;
V yy = determinantul matricei varianţelor şi covarianţelor din care se
elimină linia y şi coloana y.
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
905,72 101,87
514,95 85,41 24898,0164
bˆ1 = (− 1)
2
= = 1,4963
316,33 101,87 16639,858
101,87 85,41
905,72 316,33
514,95 101,87 − 70629,9481
bˆ2 = (− 1)
3
=− = 4,2446
16639,858 16639,858
Estimatorul b$0 se calculează din relaţia (2):
⎛ 1 ryx1 ryx2 ⎞
⎜ ⎟
R = ⎜ rx1y 1 rx1x2 ⎟
⎜r rx2 x1 1 ⎟⎠
⎝ x2 y
unde:
ry ∗ x ∗ =
∑y ∗ ∗
x
t tj
=
∑y ∗ ∗
x
t tj
nσ y ∗ σ x∗
∑ (y ) ∑ (x )
∗ 2 ∗ 2
tj
j t tj
⎛ 1 0,7917 0,8662 ⎞
⎜ ⎟
R = ⎜ 0,7917 1 0,6198 ⎟ , calculată cu ajutorul programului EViews.
⎜ 0,8662 0,6198 1 ⎟⎠
⎝
Cu ajutorul acestei matrici, estimatorii b$y / x j = b$ j se pot calcula
astfel:
R yx j σ y
b$y / x j = b$ j = ( −1)
j +1
R yy σ x j
Econometrie. Studii de caz
unde:
R yx j = determinantul matricei R din care s-a eliminat linia y şi
coloana x j ;
R yy = determinantul matricei R din care s-a eliminat linia y şi
coloana y.
0,7917 0,6198
0,8662 1 66,951
bˆ1 = (− 1)
2
⋅ = 1,4963
1 0,6198 18,512
0,6198 1
0,7917 1
0,8662 0,6198 66,951
bˆ2 = (− 1)
3
⋅ = 4,2446
0,6158 9,619
bˆ0 = 37,5024
Imobilizări
Valoarea adăugată brută
corporale Numărul mediu de salariaţi
Anul (mld. lei)
(mld. lei ) (mii pers.)
(1990=100)
(1990=100)
0 1 2 3
1982 762,3 2544,3 7553,2
1983 795,6 2764,7 7600,1
1984 838,6 3011,5 7585
1985 849,0 3216,1 7700
1986 865,5 3432,0 7751,9
1987 882,8 3650,3 7790
1988 886,0 3781,4 7842,6
1989 819,2 4005,5 7997,1
1990 788,1 3498,0 8156
1991 700,1 1526,6 7574
1992 668,2 2622,5 6888
1993 641,0 917,1 6672
1994 663,1 487,9 6438
1995 710,3 1811,6 6160
1996 747,6 1386,7 5939
1997 691,0 720,4 5597
1998 634,0 820,5 5369
1999 621,7 908,2 4761
2000 637,8 1300,0 4623
2001 680,6 1417,1 4619
2002 715,1 1510,2 4568
Notă: Valoarea adăugată brută este calculată conform metodologiei de calcul a Sistemului European
al Conturilor Economiei Integrate - SEC 1979. Valoarea adăugată brută şi imobilizările corporale au
fost deflaţionate cu ajutorul deflatorului PIB exprimat în preţuri constante (1990 = 100), obţinut în
urma prelucrării datelor din Raportul Anual BNR.
Sursa: Date prelucrate pe baza Anuarului Statistic al României 1995, CNS, Bucureşti, 1996, p. 152-
153, 366-367, 386, Anuarului Statistic al României 2001, INS, Bucureşti, 2002, p. 276, 303, 104,
Anuarului Statistic al României 2003, INS, Bucureşti, 2004, p. 106, 282, 312, Raportului Anual 1999,
BNR, Bucureşti, 2000, p. 6*-9*, Raportului Anual 2000, BNR, Bucureşti, 2001, p. 6*-7*, Raportului
Anual 2002 BNR, Bucureşti, 2003, p. 4*-5*, Dobrescu, E., Macromodels of the Romanian Transition
Economy, Second Edition, Editura Expert, Bucharest, 1998, p. 174, 175-176, 184.
Se cere:
a) Să se descrie corelaţia dintre cele trei fenomene economice cu
ajutorul modelului Cobb-Douglas;
b) Să se estimeze parametrii modelului şi să se facă discuţia
econometrică a modelului obţinut;
Econometrie. Studii de caz
Rezolvare:
Q = AK α Lβ u (1)
unde:
A = parametru de scară;
α , β = coeficienţii de elasticitate ai valorii adăugate brute reale în raport cu
fiecare din factorii de influenţă utilizaţi;
Q = valoarea adăugată brută reală;
K = capitalul fix real (mijloace fixe sau imobilizări corporale la sfârşitul
anului);
L = numărul mediu de salariaţi.
ln Q = ln A + α ln K + β ln L + ln u (2)
ln Q = y t ;
ln A = a ;
ln K = x1t ;
ln L = x 2 t ;
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
ln u = u t′ .
Modelul devine:
y t = a + αx1t + βx 2t + u t′ (3)
( ) ( )
23 23
F aˆ ,αˆ , βˆ = min ∑ ( yt − yˆ t ) = min ∑ yt − aˆ − αˆx1t − βˆx2t
2 2
t =1 t =1
F ′(aˆ ) = 0 ⇒ 2 ∑ (y − aˆ − αˆx
t 1t )
− βˆx2 t (− 1) = 0
t
(
F ′(αˆ ) = 0 ⇒ 2∑ yt − aˆ − αˆx1t − βˆx 2t (− x1t ) = 0 )
t
() (
F ′ βˆ = 0 ⇒ 2∑ y t − aˆ − αˆx1t − βˆx 2t (− x 2t ) = 0 )
t
⎧na$ + α$ ∑ x1t + β$ ∑ x 2 t = ∑ y t
⎪⎪
⎨a$ ∑ x1t + α$ ∑ x1t + β ∑ x1t x 2 t = ∑ x1t y t
2 $
⎪
⎪⎩a$ ∑ x 2 t + α$ ∑ x1t x 2 t + β ∑ x 2 t = ∑ x 2 t y t
$ 2
Econometrie. Studii de caz
Tabelul 2.6.2
Valoarea Numărul
Imobilizări
adăugată mediu de
Nr. corporale
brută salariaţi yt x1t x2t ŷt uˆt′
crt. (mld. lei )
(mld. lei) (mii
(1990=100)
(1990=100) pers.)
0 1 2 3 4 5 6 7 8
1 767,0 2451,1 7378 6,6425 7,8043 8,9063 6,6572 -0,0147
2 756,6 2630,5 7435 6,6288 7,8749 8,9140 6,6668 -0,0380
3 762,3 2544,3 7553,2 6,6363 7,8416 8,9297 6,6655 -0,0292
4 795,6 2764,7 7600,1 6,6791 7,9247 8,9359 6,6764 0,0027
5 838,6 3011,5 7585 6,7317 8,0102 8,9339 6,6862 0,0456
6 849,0 3216,1 7700 6,7441 8,0759 8,9490 6,6964 0,0476
7 865,5 3432,0 7751,9 6,7633 8,1409 8,9557 6,7053 0,0581
8 882,8 3650,3 7790 6,7831 8,2026 8,9606 6,7134 0,0697
9 886,0 3781,4 7842,6 6,7867 8,2378 8,9673 6,7187 0,0681
10 819,2 4005,5 7997,1 6,7083 8,2954 8,9868 6,7287 -0,0204
11 788,1 3498,0 8156 6,6696 8,1599 9,0065 6,7160 -0,0464
12 700,1 1526,6 7574 6,5512 7,3308 8,9325 6,6056 -0,0544
13 668,2 2622,5 6888 6,5046 7,8719 8,8375 6,6537 -0,1491
14 641,0 917,1 6672 6,4630 6,8213 8,8057 6,5241 -0,0611
15 663,1 487,9 6438 6,4969 6,1901 8,7700 6,4435 0,0534
16 710,3 1811,6 6160 6,5657 7,5020 8,7258 6,5913 -0,0256
17 747,6 1386,7 5939 6,6169 7,2347 8,6893 6,5536 0,0633
18 691,0 720,4 5597 6,5381 6,5798 8,6300 6,4662 0,0719
19 634,0 820,5 5369 6,4520 6,7099 8,5884 6,4747 -0,0226
20 621,7 908,2 4761 6,4325 6,8115 8,4682 6,4666 -0,0342
21 637,8 1300,0 4623 6,4580 7,1701 8,4388 6,5041 -0,0461
22 680,6 1417,1 4619 6,5230 7,2564 8,4379 6,5142 0,0088
23 715,1 1510,2 4568 6,5724 7,3200 8,4268 6,5198 0,0526
Total 17120,9 50414,2 153996,9 151,9480 166,0466 193,7698 151,9480 0,0000
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
Dependent Variable: yt
Method: Least Squares
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 4,2465 0,6405 6,6300 0,0000
x1t 0,1183 0,0287 4,1234 0,0005
x2t 0,1670 0,0876 1,9075 0,0709
R-squared 0,7498 Mean dependent var 6,6064
Adjusted R-squared 0,7248 S.D. dependent var 0,1132
S.E. of regression 0,0594 Akaike info criterion -2,6883
Sum squared resid 0,0705 Schwarz criterion -2,5402
Log likelihood 33,9153 F-statistic 29,9722
Durbin-Watson stat 0,9991 Prob(F-statistic) 0,0000
∑(y − y ) = ∑ ( yt − yˆ t ) + ∑ ( yˆ t − y )
2 2 2
t
⎛ ∑ ( yˆ t − y )2 ⎞
rezultă că modelul econometric explică aproximativ 75% ⎜ ⎟ din
⎜ ∑ ( y − y )2 ⎟
⎝ t ⎠
variaţia valorii adăugate brute reale.
În final, modelul este de forma:
d (ln y )
E y /x =
d (ln x )
15
Cf. op. cit., p. 256-258.
Econometrie. Studii de caz
⎛ ⎞
⎜ ∑ vt2 − ∑ ut′2 ⎟ m
Fc = ⎝ t t ⎠ < Fα ; v1 ; v 2 (7)
∑ ut (n − k )
′
t
2
unde:
∑ ut′2 = suma pătratelor erorilor corespunzătoare modelului de regresie fără
t
restricţii (2);
∑v
t
2
t = suma pătratelor erorilor corespunzătoare modelului de regresie cu
restricţii (5);
m = numărul de restricţii liniare;
k = numărul de parametrii ai modelului de regresie fără restricţii (2);
n = numărul de observaţii.
Fc =
(R 2
)
− R r2 m
(1 − R ) (n − k ) < F
2 α ; v1 ; v 2 (8)
unde:
R 2 = coeficientul de determinaţie corespunzător modelului de regresie fără
restricţii (2);
R = coeficientul de determinaţie corespunzător modelului de regresie cu
2
r
restricţii (5).
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
Wald Test:
Equation: EQ01
Null Hypothesis: α + β =1
F-statistic 101,5390 Probability 0,0000
Chi-square 101,5390 Probability 0,0000
⎛ 3 2⎞ ⎛ 3⎞
( X ′X ) = ⎜ ⎟ ; ( X ′Y ) = ⎜ ⎟ şi ( y ′y) = 12 .
⎝ 2 3⎠ ⎝ 5⎠
Rezolvare :
y = b0 + b1 x1 + b2 x 2 (2)
Econometrie. Studii de caz
y t − y = b1 ( x1t − x1 ) + b2 ( x 2t − x 2 ) + ut
Notând cu:
~
yt = yt − y
x~1t = x1t − x1
x~ = x − x
2t 2t 2
~
y t = b1 x~1t + b2 x~2t + u t (3)
Y = XB + U
unde:
⎛~y1 ⎞
⎜~ ⎟
y2
Y = ⎜ ⎟ - vectorul valorilor centrate ale variabilei endogene;
⎜ M ⎟
⎜~ ⎟
⎝ y 20 ⎠
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
⎛ x~11 x~21 ⎞
⎜~ ⎟
x12 x~22 ⎟
X =⎜ - matricea valorilor centrate ale variabilelor exogene x~1t
⎜ M M ⎟
⎜~ ⎟
⎝ x120 x~ ⎠
220
şi x~2t ;
⎛ u1 ⎞
⎜ ⎟
u2
U = ⎜ ⎟ - vectorul valorilor variabilei reziduale.
⎜ M ⎟
⎜ ⎟
⎝ u 20 ⎠
() ( ) ( ′
) ( )( )
n
F Bˆ = min ∑ ut2 = min U ′U = min Y − Yˆ = min Y − XBˆ = min Y − XBˆ Y − XBˆ =
2 2
t =1
(
= min Y ′Y − 2 Bˆ ′( X ′Y ) + Bˆ ′( X ′X )Bˆ )
∂F ( B$ )
= 0 ⇒ −2( X ′Y ) + 2( X ′X ) B$ = 0
∂B$
( X ′X ) ⋅ Bˆ = ( X ′Y )
( X ′X )−1 ⋅ ( X ′X ) ⋅ Bˆ = ( X ′X )−1 ⋅ ( X ′Y )
⎛ bˆ ⎞
Bˆ = ( X ′X ) ⋅ ( X ′Y ) = ⎜⎜ 1 ⎟⎟
−1
ˆ
⎝ b2 ⎠
⎛ 3 2⎞
( X ′X ) = ⎜ ⎟
⎝ 2 3⎠
Econometrie. Studii de caz
3 2
X ′X = =9−4=5
2 3
3 − 2 ⎞ ⎛ 0,6 − 0,4 ⎞
( X ′X )−1 = 1 ⎛⎜⎜ ⎟=⎜ ⎟
5 ⎝ − 2 3 ⎟⎠ ⎜⎝ − 0,4 0,6 ⎟⎠
s u2ˆ =
1
n − k −1 t
(
y − Yˆt ) 2
=
1
n − k −1
2
∑ uˆt =
1
n − k −1
′
UU
unde:
k = numărul variabilelor exogene.
În vederea determinării valorii produsului U ′U se porneşte de la
ecuaţia analizei variaţiei:
∑ (y − y) = ∑ (Yˆ ) + ∑ (y )
2 2
− Yˆt
2
t t −y t
u t = y t − Yˆt şi y = 0
( y ′y ) = (Yˆ ′Yˆ ) + (U ′U )
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
( )
⇒ (U ′U ) = ( y ′y ) − Yˆ ′Yˆ
( )′
Dar Y = XBˆ ; Yˆ ′ = XBˆ , de unde:
( )( )
′
Yˆ ′Yˆ = XBˆ XBˆ = Bˆ ′( X ′X )Bˆ
⎛ 3 2 ⎞⎛ − 0,2 ⎞
Yˆ ′Yˆ = (− 0,2 1,8)⎜⎜ ⎟⎟⎜⎜ ⎟⎟ = 8,4
⎝ 2 3 ⎠⎝ 1,8 ⎠
1
su2ˆ = ⋅ 3,6 = 0,2118
20 − 3
unde:
cij = termenul situat pe diagonala principală a matricei inverse ( X ′X ) .
−1
⎞ ⎛⎜ sbˆ1 ⎞⎟ ⎛ 0,1271⎞
2
⎛ 0,6
s = 0,2118 ⋅ ⎜⎜
2
⎟= =⎜ ⎟
bˆ j
⎝ 0,6 ⎟⎠ ⎜⎝ sb2ˆ2 ⎟⎠ ⎜⎝ 0,1271⎟⎠
Abaterile medii pătratice ale celor doi estimatori sunt egale cu:
⎛ 0,3565⎞
sb$ j = sb2$ j = ⎜ ⎟
⎝ 0,3565⎠
Econometrie. Studii de caz
bˆ j
> tα ;n − k −1 ; j = 1,2
sbˆ
j
bˆ1 0,2
= = 0,561
sbˆ 0,3565
1
bˆ2 1,8
= = 5,0491
sbˆ 0,3565
2
Tabelul 2.7.1
Sursa de Măsura Nr. grade Dispersia Valoarea testului F
variaţie variaţiei de libertate corectată Fc Fα ;v1 ;v2
Vx2
Varianţa
( ) sY2 / X
20
Vx2 = ∑ Yˆt − y =
2
sY2 / X = Fc = F0,05; 2;17 = 3,59
explicată t =1 k =2 k su2ˆ
F0,01; 2;17 = 6,11
de model = (Y ′Y ) = 8,4 = 4,2 = 19,83
( )
20
Vu2 = ∑ yt − Yˆt
2
= Vu2
Varianţa su2 =
t =1 n − k −1=17 n − k −1 - -
reziduală
= (U ′U ) = 3,6 = 0,2118
20
V02 = ∑ ( y t − y ) =
2
Varianţa
t =1 n −1=19 - - -
totală
= ( y ′y) = 12
Vx2 8,4
R= 2
= = 0,7 = 0,8367
V0 12
Fc ≥ Fα ;v1 ;v2
n − k −1 R2 20 − 3 0,7
Fc = ⋅ = ⋅ = 19,8334
k 1− R 2 1 − 0,7
Econometrie. Studii de caz
⎛V 2 ⎞
rezultă că modelul econometric explică 70% ⎜⎜ x2 ⋅ 100 ⎟⎟ din variaţia totală a
⎝ Vo ⎠
variabilei endogene y , restul de 30% reprezentând variaţia variabilei y
neexplicată de model şi atribuită factorilor aleatori.
Rezolvare:
α β
Qt = A ⋅ Kt ⋅ Lt ⋅ ec t ⋅ ut (1)
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
unde:
A = parametru de scară;
α , β = coeficienţii de elasticitate ai valorii adăugate brute reale în raport cu
fiecare din factorii de producţie utilizaţi;
c = expresia econometrică a influenţei progresului tehnic asupra creşterii
valorii adăugate brute reale;
Q = valoarea adăugată brută reală;
K = capitalul fix real (mijloace fixe sau imobilizări corporale la sfârşitul
anului);
L = numărul mediu de salariaţi;
t = variabila timp, t =1, n = 1,23 ;
u = variabila aleatoare.
ln Qt = ln A + α ln Kt + β ln Lt + c t + ln ut
ln Q = y t ;
ln A = a ;
ln K = x1t ;
ln L = x 2 t ;
ln u = u t′ .
Modelul devine:
y t = a + α x 1 t + β x 2 t + ct + u t′
Econometrie. Studii de caz
( ) ∑ (y )
23 23
∑ (y t − yˆ t ) = min
2
F aˆ , αˆ , βˆ , cˆ = min − aˆ − αˆ x 1t − βˆx 2 t − cˆ t
2
t
t =1 t =1
F ′ (aˆ ) = 0 ⇒ 2 ∑ (y t − aˆ − αˆ x 1 t − βˆ x 2 t − cˆ t )(− 1 ) = 0
t
F ′ (αˆ )= 0 ⇒ 2∑ (y t − aˆ − αˆ x 1 t − βˆ x 2 t − cˆ t )(− x1 t )= 0
t
( )
F ′ βˆ = 0 ⇒ 2 ∑ (y t − aˆ − αˆ x 1 t − βˆ x 2 t − cˆ t )(− x2t )= 0
t
F ′ (cˆ ) = 0 ⇒ 2 ∑ (y t − aˆ − αˆ x 1 t − βˆ x 2 t − cˆ t )(− t )= 0
t
⎧naˆ + αˆ ∑ x 1t + βˆ ∑ x 2t + cˆ ∑ t = ∑ y t
⎪
⎪⎪aˆ ∑ x 1t + αˆ ∑ x 1t + βˆ ∑ x 1t x 2t + cˆ ∑ x 1t t = ∑ x 1t y t
2
⎨
⎪aˆ ∑ x 2t + αˆ ∑ x 1t x 2t + βˆ ∑ x 2t + cˆ ∑ x 2t t = ∑ x 2t y t
2
⎪
⎪⎩aˆ ∑ t + αˆ ∑ x 1t t + βˆ ∑ x 2t t + cˆ ∑ t = ∑ y t t
2
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
Tabelul. 2.8.1.1
Valoarea
Imobilizări Numărul
adăugată
Nr. corporale mediu de
brută yt t x1t x2t ŷt uˆt′
crt. (mld. lei ) salariaţi
(mld. lei)
(1990=100) (mii pers.)
(1990=100)
0 1 2 3 4 5 6 7 8
1 767,0 2451,1 7378 6,6425 1 7,8043 8,9063 6,6622 -0,0197
2 756,6 2630,5 7435 6,6288 2 7,8749 8,9140 6,6709 -0,0421
3 762,3 2544,3 7553,2 6,6363 3 7,8416 8,9297 6,6687 -0,0324
4 795,6 2764,7 7600,1 6,6791 4 7,9247 8,9359 6,6787 0,0004
5 838,6 3011,5 7585 6,7317 5 8,0102 8,9339 6,6878 0,0439
6 849,0 3216,1 7700 6,7441 6 8,0759 8,9490 6,6971 0,0470
7 865,5 3432,0 7751,9 6,7633 7 8,1409 8,9557 6,7051 0,0582
8 882,8 3650,3 7790 6,7831 8 8,2026 8,9606 6,7124 0,0707
9 886,0 3781,4 7842,6 6,7867 9 8,2378 8,9673 6,7169 0,0698
10 819,2 4005,5 7997,1 6,7083 10 8,2954 8,9868 6,7259 -0,0176
11 788,1 3498,0 8156 6,6696 11 8,1599 9,0065 6,7123 -0,0427
12 700,1 1526,6 7574 6,5512 12 7,3308 8,9325 6,6033 -0,0521
13 668,2 2622,5 6888 6,5046 13 7,8719 8,8375 6,6519 -0,1473
14 641,0 917,1 6672 6,4630 14 6,8213 8,8057 6,5233 -0,0603
15 663,1 487,9 6438 6,4969 15 6,1901 8,7700 6,4433 0,0536
16 710,3 1811,6 6160 6,5657 16 7,5020 8,7258 6,5898 -0,0241
17 747,6 1386,7 5939 6,6169 17 7,2347 8,6893 6,5524 0,0645
18 691,0 720,4 5597 6,5381 18 6,5798 8,6300 6,4661 0,0721
19 634,0 820,5 5369 6,4520 19 6,7099 8,5884 6,4744 -0,0224
20 621,7 908,2 4761 6,4325 20 6,8115 8,4682 6,4677 -0,0352
21 637,8 1300,0 4623 6,4580 21 7,1701 8,4388 6,5047 -0,0466
22 680,6 1417,1 4619 6,5230 22 7,2564 8,4379 6,5140 0,0090
23 715,1 1510,2 4568 6,5724 23 7,3200 8,4268 6,5191 0,0533
Total 17120,9 50414,2 153996,9 151,9480 276 166,0466 193,7698 151,9480 0,0000
Econometrie. Studii de caz
Dependent Variable: yt
Method: Least Squares
Sample: 1980 2002
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 4,4141 1,2087 3,6521 0,0017
x1t 0,1172 0,0301 3,9005 0,0010
x2t 0,1498 0,1379 1,0861 0,2910
t -0,0007 0,0040 -0,1652 0,8706
R-squared 0,7502 Mean dependent var 6,6064
Adjusted R-squared 0,7107 S.D. dependent var 0,1132
S.E. of regression 0,0609 Akaike info criterion -2,6028
Sum squared resid 0,0704 Schwarz criterion -2,4053
Log likelihood 33,9318 F-statistic 19,0188
Durbin-Watson stat 0,9946 Prob(F-statistic) 0,0000
∑(y − y ) = ∑ ( yt − yˆ t ) + ∑ ( yˆ t − y )
2 2 2
t
⎛ ∑ ( yˆ t − y )2 ⎞
rezultă că modelul econometric explică aproximativ 75% ⎜ ⎟ din
⎜ ∑ ( y − y )2 ⎟
⎝ t ⎠
variaţia valorii adăugate brute reale.
În final, modelul devine:
Tabelul 2.8.2.1
mld.lei (1990=100)
Consumul final real al Venitul disponibil net real al
Anul
gospodăriilor populaţiei populaţiei
0 1 2
1980 433,3 431,4
1981 442,1 460,1
1982 436,3 465,9
1984 433,1 465,6
1985 450,1 489,7
1986 442,0 492,5
1987 448,1 500,1
1988 472,1 518,1
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
Se cere:
a) Să se construiască modelul econometric autoregresiv ce descrie
legătura dintre cele două variabile;
b) Să se estimeze parametrii modelului şi să se verifice semnificaţia
acestora şi a modelului.
c) Să se verifice ipoteza de stabilitate relativă în timp a legăturii
dintre consumul populaţiei şi factorii săi prin intermediul testului Chow şi
Econometrie. Studii de caz
Rezolvare:
C t = α 0 + α 1Vt + α 2 C t −1 + u t , t = 1, 21
unde:
Ct = consumul final real al populaţiei;
Vt = venitul disponibil real al populaţiei;
ut = variabila reziduală.
Dependent Variable: Ct
Method: Least Squares
Sample(adjusted): 1981 2001
Included observations: 21 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C -136,0368 73,9782 -1,8389 0,0825
Vt 0,5293 0,1456 3,6356 0,0019
Ct-1 0,7452 0,1146 6,5023 0,0000
R-squared 0,8271 Mean dependent var 496,6524
Adjusted R-squared 0,8079 S.D. dependent var 60,3813
S.E. of regression 26,4646 Akaike info criterion 9,5211
Sum squared resid 12606,71 Schwarz criterion 9,6703
Log likelihood -96,9711 F-statistic 43,0566
Durbin-Watson stat 2,1437 Prob(F-statistic) 0,0000
Tabelul 2.8.2.2
Actual Fitted Residual Residual Plot
Ct Ĉt ût (graficul reziduurilor)
u t = r1u t −1 + r2 u t − 2 + K + rp u t − p + z t
16
cf. Damodar N. Gujarati, Basic Econometrics, 3rd ed., Mc Graw-Hill, New York, 1995,
p. 425
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
Test Equation:
Dependent Variable: ut
Method: Least Squares
R2 p
Fc =
( )
1 − R 2 (n − m )
Econometrie. Studii de caz
unde:
p = numărul de variabile noi adăugate în model, respectiv ut-1, ut-2,…, ut-p;
m = numărul total de parametri corespunzători noului model.
Dacă Fc < Fα ;v1 ;v2 , unde v1 = p şi v2 = n-m, ipoteza conform căreia
estimatorii corespunzători noilor parametri adăugaţi în model sunt nuli este
verificată, respectiv, în cazul nostru, fenomenul de autocorelare a erorilor nu
este prezent, cazul contrar implicând existenţa cel puţin a unei autocorelaţii
de ordinul întâi. Cum Fc = 0,1565 < F0,05; 2;16 = 3,63 , rezultă că noul model
este corect specificat, indicând astfel faptul că erorile sunt independente:
- utilizarea testului LM, calculat ca produs între numărul de
observaţii corespunzătoare modelului, n, şi coeficientul de determinare, R2,
corespunzător acestei regresii auxiliare. În general, testul LM este
asimptotic distribuit sub forma unui χ α2 ; v , pentru care numărul gradelor de
libertate este egal cu: v = p , unde p = mărimea decalajului, respectiv:
LM = n ⋅ R 2 ~ χ α2 ; v
n
h = r1
1 − n ⋅ sα2ˆ2
unde:
r1 = coeficientul de autocorelaţie de ordinul întâi;
sα2ˆ2 = dispersia corespunzătoare valorii decalate a consumului final real al
populaţiei;
n = numărul de observaţii.
d
r1 = 1 − = 1 − 2,1437 = −0,0718
2
17
cf. op. cit., p. 605-607.
Econometrie. Studii de caz
21
h = −0,0718 ⋅ = −0,39
1 − 21 ⋅ 0,1146 2
αˆ 0
tαˆ 0 = ≥ tα ;n −k −1
sαˆ 0
− 136,0368
tαˆ 0 = = 1,8389
73,9782
αˆ 1
tαˆ1 = ≥ tα ;n − k −1
sαˆ1
0,5293
tαˆ1 = = 3,6356
0,1456
αˆ 2
tαˆ 2 = ≥ tα ;n − k −1
sαˆ 2
0,7452
tαˆ 2 = = 6,5023
0,1146
R2 n − k −1 0,8271 18
Fc = ⋅ = ⋅ = 43,0566
1− R 2
k 1 − 0,8271 2
V x2 Vu2
V02 = V x2 + Vu2 ⇒ 100 = ⋅ 100 + ⋅ 100 ⇒ 100 = 77,9 + 22,1
V02 V02
V02u − Vau2 T − 2 ⋅ (k + 1)
Fc = ⋅ (5)
Vau2 k +1
unde:
n
V02u = ∑ u 02t reprezintă suma pătratelor valorilor variabilei reziduale
t =1
n1
Va21u = ∑ u12t reprezintă suma pătratelor valorilor variabilei reziduale
t =1
Tabelul 2.8.2.3
Denumirea indicatorului Simbolul indicatorului Valoarea indicatorului
0 1 2
Coeficientul Theil T 0,0246
Ponderea abaterii TA 0,0083
Ponderea dispersiei TD 0,0436
Ponderea covarianţei TC 0,9482
Tabelul 2.8.3.1
Imobilizări Imobilizări
Investiţii Investiţii
corporale corporale
Anul (mld. lei ) Anul (mld. lei )
(mld. lei ) (mld. lei )
(1990=100) (1990=100)
(1990=100) (1990=100)
0 1 2 0 1 2
1980 2451,1 274,4 1992 2622,5 100,4
1981 2630,5 270,4 1993 917,1 97,4
1982 2544,3 249,0 1994 487,9 115,5
1983 2764,7 266,1 1995 1811,6 138,6
1984 3011,5 281,9 1996 1386,7 153,7
1985 3216,1 283,1 1997 720,4 131,0
1986 3432,0 285,6 1998 820,5 115,7
1987 3650,3 281,6 1999 908,2 108,6
1988 3781,4 270,4 2000 1300,0 112,1
1989 4005,5 268,6 2001 1417,1 133,3
1990 3498,0 168,4 2002 1510,2 143,6
1991 1526,6 106,4
Se cere :
a) Să se facă analiza economică a dependenţei imobilizărilor
corporale de volumul investiţiilor şi să se construiască modelul econometric
adecvat;
b) Să se facă discuţia econometrică a modelului formulat la punctul
a), să se estimeze parametrii modelului şi să se verifice semnificaţia
acestuia;
c) Să se facă interpretarea economică a rezultatelor obţinute cu
ajutorul modelului econometric.
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
Rezolvare:
yt = a+b0xt+b1xt-1+…+bjxt-j+…+bkxt-k+ut (1)
k
y t = a + ∑ b j x t − j + ut (2)
j =0
unde:
yt = imobilizări corporale;
xt = investiţii;
ut = variabilă aleatoare;
(
t = numărul de observaţii t = 1, n, n = 23 ; )
a,b = parametrii modelului ( j = 0, k ) ;
j
yt=a+b0xt+b1xt-1+b2xt-2+b3xt-3+ut (3)
iar datele pe baza cărora vor fi estimaţi parametrii sunt cele prezentate în
tabelul 2.8.3.2 :
Tabelul 2.8.3.2
t yt xt xt-1 xt-2 xt-3 yt-1
0 1 2 3 4 5 6
1 2451,1 274,4 - - - -
2 2630,5 270,4 274,4 - - 2451,1
3 2544,3 249,0 270,4 274,4 - 2630,5
4 2764,7 266,1 249,0 270,4 274,4 2544,3
5 3011,5 281,9 266,1 249,0 270,4 2764,7
6 3216,1 283,1 281,9 266,1 249,0 3011,5
7 3432,0 285,6 283,1 281,9 266,1 3216,1
8 3650,3 281,6 285,6 283,1 281,9 3432,0
9 3781,4 270,4 281,6 285,6 283,1 3650,3
10 4005,5 268,6 270,4 281,6 285,6 3781,4
11 3498,0 168,4 268,6 270,4 281,6 4005,5
12 1526,6 106,4 168,4 268,6 270,4 3498,0
13 2622,5 100,4 106,4 168,4 268,6 1526,6
14 917,1 97,4 100,4 106,4 168,4 2622,5
15 487,9 115,5 97,4 100,4 106,4 917,1
16 1811,6 138,6 115,5 97,4 100,4 487,9
17 1386,7 153,7 138,6 115,5 97,4 1811,6
18 720,4 131,0 153,7 138,6 115,5 1386,7
19 820,5 115,7 131,0 153,7 138,6 720,4
20 908,2 108,6 115,7 131,0 153,7 820,5
21 1300,0 112,1 108,6 115,7 131,0 908,2
22 1417,1 133,3 112,1 108,6 115,7 1300,0
23 1510,2 143,6 133,3 112,1 1417,1
Total 50412,9 4355,7 - - - -
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
Dependent Variable: yt
Method: Least Squares
Sample(adjusted): 1983 2002
Included observations: 20 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C -807,5057 297,4596 -2,7147 0,0160
xt 2,7017 4,1251 0,6550 0,5224
xt-1 13,2195 7,1347 1,8528 0,0837
xt-2 -13,9151 7,1566 -1,9444 0,0708
xt-3 13,5556 4,1795 3,2434 0,0055
R-squared 0,8865 Mean dependent var 2139,3500
Adjusted R-squared 0,8563 S.D. dependent var 1185,1250
S.E. of regression 449,3048 Akaike info criterion 15,2656
Sum squared resid 3028122 Schwarz criterion 15,5145
Log likelihood -147,6560 F-statistic 29,2976
Durbin-Watson stat 1,5863 Prob(F-statistic) 0,0000
bj = b0 λj (4)
unde:
λ = raţia progresiei geometrice, 0<λ<1.
yt = a+b0xt+b0λxt-1+b0λ2xt-2+…+b0λjxt-j+…+ut (5)
unde:
ao = a(1-λ) (7)
zt = ut – λut-1 (8)
Dependent Variable: yt
Method: Least Squares
Sample(adjusted): 1981 2002
Included observations: 22 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C -290,7640 314,6985 -0,9239 0,3671
xt 8,0897 2,0359 3,9734 0,0008
yt-1 0,4364 0,1385 3,1516 0,0053
R-squared 0,7940 Mean dependent var 2180,0820
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
aˆ 0 − 290,764
aˆ 0 = aˆ (1 − λ ) ⇒ aˆ = = = −515,8957
1 − λ 1 − 0,4364
bˆ j = bˆ0 ⋅ λ̂ j
k k
yt = a + ∑b j xt − j + ut = a + ∑ (B0 + B1 ⋅ j + B2 ⋅ j 2 + ... + Bk ⋅ j k ) xt − j + ut
j =0 j =0
Notând cu:
vt 0 = ∑ xt − j
j
v t1 = ∑ j ⋅ x t − j
j
vt 2 = ∑ j 2 ⋅ xt − j
j
vtk = ∑ j k ⋅ xt − j
j
bj = B0 + B1 j + B2 j2 + B3 j3
unde:
4
vt 0 = ∑ xt − j = xt + xt −1 + xt − 2 + xt −3 + xt − 4
j =0
4
vt1 = ∑ jxt − j =xt −1 + 2 xt − 2 + 3 xt −3 + 4 xt − 4
j =0
4
vt 2 = ∑ j 2 xt − j =xt −1 + 4 xt − 2 + 9 xt −3 + 16 xt − 4
j =0
4
vt 3 = ∑ j 3 xt − j =xt −1 + 8 xt − 2 + 27 xt −3 + 64 xt − 4
j =0
Tabelul 2.8.3.3
t yt xt vt0 vt1 vt2 vt3
0 1 2 3 4 5 6
1 2451,1 274,4 - - - -
2 2630,5 270,4 - - - -
3 2544,3 249,0 - - - -
4 2764,7 266,1 - - - -
5 3011,5 281,9 1341,8 2672,9 8086,1 27120,5
6 3216,1 283,1 1350,5 2642,7 7913,7 26439,3
7 3432,0 285,6 1365,7 2641,2 7789,6 25659,0
8 3650,3 281,6 1398,3 2761,9 8212,7 27192,1
9 3781,4 270,4 1402,6 2829,7 8482,3 28251,7
10 4005,5 268,6 1389,3 2822,8 8496,8 28352,8
Econometrie. Studii de caz
Dependent Variable: yt
Method: Least Squares
Sample(adjusted): 1984 2002
Included observations: 19 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C -824,3487 359,1423 -2,2953 0,0377
vt0 9,5948 4,2084 2,2799 0,0388
vt1 -25,6459 19,6488 -1,3052 0,2129
vt2 16,0458 13,1499 1,2202 0,2425
vt3 -2,5686 2,1798 -1,1783 0,2583
R-squared 0,8636 Mean dependent var 2106,4370
Adjusted R-squared 0,8247 S.D. dependent var 1208,1730
S.E. of regression 505,8996 Akaike info criterion 15,5115
Sum squared resid 3583081 Schwarz criterion 15,7600
Log likelihood -142,3591 F-statistic 22,1650
Durbin-Watson stat 2,0355 Prob(F-statistic) 0,0000
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
bj = B0 + B1 j + B2 j2
unde:
3
vt 0 = ∑ xt − j = xt + xt −1 + xt − 2 + xt −3
j =0
3
vt1 = ∑ jxt − j =xt −1 + 2 xt − 2 + 3 xt −3
j =0
3
vt 2 = ∑ j 2 xt − j =xt −1 + 4 xt − 2 + 9 xt −3
j =0
Econometrie. Studii de caz
Tabelul 2.8.3.4
t yt xt vt0 vt1 vt2
0 1 2 3 4 5
1 2451,1 274,4 - - -
2 2630,5 270,4 - - -
3 2544,3 249,0 - - -
4 2764,7 266,1 1059,9 1613,0 3800,2
5 3011,5 281,9 1067,4 1575,3 3695,7
6 3216,1 283,1 1080,1 1561,1 3587,3
7 3432,0 285,6 1116,7 1645,2 3805,6
8 3650,3 281,6 1132,2 1697,5 3955,1
9 3781,4 270,4 1120,7 1702,1 3971,9
10 4005,5 268,6 1106,2 1690,4 3967,2
11 3498,0 168,4 989,0 1654,2 3884,6
12 1526,6 106,4 813,8 1516,8 3676,4
13 2622,5 100,4 643,8 1249,0 3197,4
14 917,1 97,4 472,6 818,4 2041,6
15 487,9 115,5 419,7 617,4 1456,6
16 1811,6 138,6 451,9 611,5 1408,7
17 1386,7 153,7 505,2 661,8 1477,2
18 720,4 131,0 538,8 777,4 1747,6
19 820,5 115,7 539,0 854,2 1993,2
20 908,2 108,6 509,0 838,8 2023,0
21 1300,0 112,1 467,4 733,0 1750,4
22 1417,1 133,3 469,7 676,4 1587,8
23 1510,2 143,6 497,6 683,3 1559,1
Total 50412,9 4355,7 15000,7 23176,8 54586,6
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
Dependent Variable: yt
Method: Least Squares
Sample(adjusted): 1983 2002
Included observations: 20 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C -777,4384 324,7637 -2,3939 0,0293
vt0 8,2249 3,3889 2,4270 0,0274
vt1 -12,6836 8,6746 -1,4622 0,1631
vt2 4,1938 2,8756 1,4584 0,1641
R-squared 0,8554 Mean dependent var 2139,3500
Adjusted R-squared 0,8282 S.D. dependent var 1185,1250
S.E. of regression 491,1564 Akaike info criterion 15,4083
Sum squared resid 3859754 Schwarz criterion 15,6074
Log likelihood -150,0826 F-statistic 31,5407
Durbin-Watson stat 1,7492 Prob(F-statistic) 0,0000
semnificaţie α = 0,20 .
Utilizând relaţia (9), parametrii modelului (1) vor fi estimaţi astfel:
bˆ0 = Bˆ 0 = 8,2249
bj = b0 + jλ (12)
unde:
j = 0, k ;
λ = raţia progresiei aritmetice, λ<0.
yt=a+b0xt+(b0+λ)xt-1+(b0+2λ)xt-2+…+(b0+kλ)xt-k+ut (13)
yt-1 = a+b0xt-1+(b0+λ)xt-2+(b0+2λ)xt-3+…+(b0+kλ)xt-k-1+ut-1(14)
yt -yt-1=b0xt+λ(xt-1+xt-2+…+xt-k-1)+(ut-ut-1) (15)
yt*=b0xt+λvt+zt (16)
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
unde:
t = k + 2, n ;
yt* = yt - yt-1 – diferenţele de ordinul întâi ale variabilei explicate;
vt=xt-1+xt-2+…+xt-(k+1);
zt=ut - ut-1 - variabila aleatoare.
Stabilirea mărimii decalajului k se poate face prin încercări
succesive. Astfel, dacă se construieşte un model dinamic cu decalaj de
ordinul întâi între x şi y, utilizând datele din tabelul 2.8.3.5., coloanele 1 şi 2,
parametrii modelului (16) se vor estima pe baza valorilor celor trei variabile
yt*, xt şi vt prezentate în coloanele 3, 4 şi 5 acestuia.
Tabelul 2.8.3.5
t yt xt y *
t
( )
xt t = 3, 23 ( )
vt t = 3, 23
0 1 2 3 4 5
1 2451,1 274,4 - - -
2 2630,5 270,4 - - -
3 2544,3 249,0 -86,2 249,0 544,8
4 2764,7 266,1 220,4 266,1 519,4
5 3011,5 281,9 246,8 281,9 515,1
6 3216,1 283,1 204,6 283,1 548,0
7 3432,0 285,6 215,9 285,6 565,0
8 3650,3 281,6 218,3 281,6 568,7
9 3781,4 270,4 131,1 270,4 567,2
10 4005,5 268,6 224,1 268,6 552,0
11 3498,0 168,4 -507,5 168,4 539,0
12 1526,6 106,4 -1971,4 106,4 437,0
13 2622,5 100,4 1095,9 100,4 274,8
14 917,1 97,4 -1705,4 97,4 206,8
15 487,9 115,5 -429,2 115,5 197,7
16 1811,6 138,6 1323,7 138,6 212,9
17 1386,7 153,7 -424,9 153,7 254,1
18 720,4 131,0 -666,3 131,0 292,3
19 820,5 115,7 100,1 115,7 284,7
20 908,2 108,6 87,7 108,6 246,7
21 1300,0 112,1 391,8 112,1 224,3
22 1417,1 133,3 117,1 133,3 220,7
23 1510,2 143,6 91,8 143,6 245,3
Total 50412,9 4355,7 -1121,6 3811,0 8016,7
Econometrie. Studii de caz
Dependent Variable: y t*
Method: Least Squares
Sample(adjusted): 1982 2002
Included observations: 21 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
xt 10,2953 4,0923 2,5158 0,0210
vt -4,9373 1,9551 -2,5253 0,0206
R-squared 0,2483 Mean dependent var -53,4095
Adjusted R-squared 0,2087 S.D. dependent var 750,6050
S.E. of regression 667,7025 Akaike info criterion 15,9360
Sum squared resid 8470706 Schwarz criterion 16,0354
Log likelihood -165,3275 Durbin-Watson stat 2,9006
Dependent Variable: y t*
Method: Least Squares
Sample(adjusted): 1983 2002
Included observations: 20 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
xt 7,8769 3,7289 2,1124 0,0489
vt -2,4871 1,1742 -2,1180 0,0483
R-squared 0,1973 Mean dependent var -51,7700
Adjusted R-squared 0,1527 S.D. dependent var 770,0659
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
Dependent Variable: y t*
Method: Least Squares
Date: 04/03/05 Time: 16:33
Sample(adjusted): 1984 2002
Included observations: 19 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
xt 7,4635 3,4404 2,1694 0,0445
vt -1,7583 0,7950 -2,2116 0,0410
R-squared 0,2182 Mean dependent var -66,0947
Adjusted R-squared 0,1722 S.D. dependent var 788,4251
S.E. of regression 717,3399 Akaike info criterion 16,0883
Sum squared resid 8747802 Schwarz criterion 16,1877
Log likelihood -150,8386 Durbin-Watson stat 2,9938
În cazul celor trei modele estimate mai sus, cum estimatorii λ̂ j sunt
semnificativ diferiţi de zero, vom testa şi dacă aceştia diferă semnificativ
unul de celălalt, prin verificarea următoarei inegalităţi:
λˆ1 − λˆ2
tc = >2
s λ21 + s λ22
j = max( R y / x t − j )
j
unde:
R y / x t − j = raportul de corelaţie al modelului j.
aˆ = − 828 ,192
unde:
1
y = ∑yt
n t =1
1
xt = ∑ xt
n t =1
1
xt −1 = ∑ xt −1
n − 1 t =2
1
xt − 2 = ∑ xt − 2
n − 2 t =3
Econometrie. Studii de caz
b0
∑b
j =0
j =
1− λ
= 14,3534 miliarde lei.
Tabelul 2.8.4.1
Cheltuieli medii lunare pe familie pentru
Venitul mediu lunar pe familie
Luni procurarea de produse alimentare
(lei noi)
(lei noi)
0 1 2
1 160 200
2 72 240
3 48 300
4 44 80
5 22 178
6 24 194
7 26 104
8 20 62
9 12 250
10 28 270
Se cere:
a) Să se prezinte premisele teoretice pe care se fundamentează
elaborarea unui model de prognoză cu variabile anticipative privind
dependenţa dintre cheltuielile medii lunare pe familie pentru procurarea de
produse alimentare şi venitul mediu lunar pe familie;
b) Ştiind că pentru luna noiembrie s-a estimat (planificat) un venit
mediu pe familie de 300 lei, dar s-a realizat un venit mediu de numai
250 lei, să se estimeze:
b1) Cheltuielile medii pe familie efectuate pentru consumul
produselor alimentare în luna noiembrie;
b2) Prognoza venitului mediu pe familie şi a cheltuielilor medii pe
familie pentru procurarea de produse alimentare aferente lunii decembrie.
Rezolvare:
y t = a ⋅ xt + u t (1)
unde:
y = cheltuielile medii lunare pe familie pentru procurarea de produse
alimentare (variabilă endogenă);
x = venitul mediu lunar pe familie (variabilă exogenă);
y
a = = ponderea cheltuielilor medii lunare pentru procurarea de produse
x
alimentare în totalul veniturilor unei familii;
(
t = lunile anului, t = 1,10 ; )
u = variabila reziduală ce rezultă datorită faptului că parametrul „a” se
estimează pe baza unui eşantion prin metode statistice.
y t = a ⋅ x pt ⇒ y t −1 = a ⋅ x pt −1 (2)
x pt − x pt −1 = λ ⋅ ( x t −1 − x pt −1 ) 18 (3)
unde:
t = variabila timp, t = 1, n ;
λ = constanta de nivelare (lisaj), 0 < λ < 1 ;
xt-1 – xpt-1 = eroarea de prognoză.
18
Notă: Relaţia (3) este specifică metodei nivelării exponenţiale simple– vezi capitolul 4,
problema 4.1.4.2.
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
a ⋅ x pt = a ⋅ λ ⋅ xt −1 + (1 − λ ) ⋅ a ⋅ x pt −1 (5)
Corelând relaţia (2) cu relaţia (5) rezultă că:
y t = aλx t −1 + (1 − λ ) y t −1 (6)
yt = b1 xt −1 + b2 yt −1 + zt (7)
unde:
b1 = aλ
b2 = 1-λ
bˆ1
λˆ1 =
aˆ
λˆ2 = 1 − bˆ2
Econometrie. Studii de caz
yt = 0,2184 xt
(0,0703)
unde:
x11 = 250 şi xp11 = 300.
yt = b1xt-1 + b2yt-1 + zt
unde:
b1 = aλ1 şi b2 = 1 − λ2.
Dependent Variable: yt
Method: Least Squares
Sample(adjusted): 2 10
Included observations: 9 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
xt-1 0,0955 0,0020 46,8932 0,0000
yt-1 0,3325 0,0062 54,0535 0,0000
R-squared 0,9983 Mean dependent var 32,8889
Adjusted R-squared 0,9981 S.D. dependent var 18,5502
S.E. of regression 0,8071 Akaike info criterion 2,6023
Sum squared resid 4,5594 Schwarz criterion 2,6461
Log likelihood -9,7103 Durbin-Watson stat 2,9600
dar:
bˆ
bˆ1 = aˆ λˆ1 ⇒ λˆ1 = 1 = 0,4373
aˆ
bˆ = 1 − λˆ ⇒ λˆ = 1 − bˆ = 0,6675
2 2 2 2
1 ˆ ˆ
⇒λ = (λ1 + λ2 ) = 0,5524
2
Revenind la relaţiile precedente rezultă:
- prognoza venitului mediu pe familie în luna decembrie
xp12 = 0,5524 (250-300)+300 = 272,38 lei
Tabelul 2.9.1
mld. lei (1990=100)
Consum final PIB Investiţi Consum PIB Investiţi
Anul Anul
real real reale final real real reale
0 1 2 3=2-1 0 1 2 3=2-1
1980 531,6 804,3 272,7 1992 566,6 681,0 114,4
1981 545,0 805,8 260,8 1993 574,0 691,3 117,3
1982 535,1 837,1 302,0 1994 598,6 718,2 119,6
1983 523,7 886,6 362,9 1995 658,1 769,3 111,2
1984 551,3 940,2 388,9 1996 701,5 799,5 98,0
1985 551,9 939,5 387,6 1997 669,8 750,7 80,9
1986 553,4 961,9 408,5 1998 677,2 714,8 37,6
1987 570,2 969,6 399,4 1999 660,3 706,1 45,8
1988 614,6 964,8 350,2 2000 669,5 720,7 51,2
1989 624,2 908,8 284,6 2001 710,4 761,7 51,4
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
Se cere:
a) Să se analizeze evoluţia consumului final real în perioada 1980-
2003 utilizând modelul static al lui Keynes:
a1 ) estimaţia să se efectueze prin aplicarea M.C.M.M.P. ecuaţiei
modelului structural;
a 2 ) estimaţia să se efectueze prin metoda regresiei indirecte;
a3 ) estimaţia să se efectueze prin aplicarea M.C.M.M.P. în două
faze;
b) Să se comenteze rezultatele obţinute.
Rezolvare:
( ) (
F aˆ, bˆ = min ∑ C t − aˆ − bˆV t
t
)
2
F ′(aˆ ) = 0 ⇒ naˆ + bˆ ∑V t = ∑ C t
F ′(bˆ) = 0 ⇒ aˆ ∑V t + bˆ ∑V t 2 = ∑ C tV t
Utilizând programul EViews au fost obţinute următoarele rezultate:
Dependent Variable: C t
Method: Least Squares
Sample: 1980 2003
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C 808,3517 128,3789 6,2966 0,0000
Vt -0,2310 0,1564 -1,4766 0,1540
R-squared 0,0902 Mean dependent var 619,9917
Adjusted R-squared 0,0488 S.D. dependent var 72,3846
S.E. of regression 70,5960 Akaike info criterion 11,4315
Sum squared resid 109643,40 Schwarz criterion 11,5297
Log likelihood -135,1777 F-statistic 2,1802
Durbin-Watson stat 0,3417 Prob(F-statistic) 0,1540
Tabelul 2.9.2
Actual Fitted Residual Residual Plot
Ct Ĉ t uˆ1t (graficul reziduurilor)
531,6 622,5976 -90,9976 | *. | . |
545,0 622,2511 -77,2511 | *. | . |
535,1 615,0224 -79,9224 | *. | . |
523,7 603,5903 -79,8903 | *. | . |
551,3 591,2113 -39,9113 | .* | . |
551,9 591,3730 -39,4730 | .* | . |
553,4 586,1996 -32,7996 | . *| . |
570,2 584,4213 -14,2213 | . *| . |
614,6 585,5299 29,0701 | . |* . |
624,2 598,4632 25,7368 | . |* . |
679,5 610,2186 69,2814 | . | * |
599,4 635,8773 -36,4773 | .* | . |
566,6 651,0739 -84,4739 | *. | . |
574,0 648,6951 -74,6951 | * | . |
598,6 642,4825 -43,8825 | .* | . |
658,1 630,6809 27,4191 | . |* . |
701,5 623,7061 77,7939 | . | .* |
669,8 634,9766 34,8234 | . |* . |
677,2 643,2677 33,9323 | . |* . |
660,3 645,2770 15,0230 | . |* . |
669,5 641,9051 27,5949 | . |* . |
710,4 632,4361 77,9639 | . | .* |
731,7 623,7985 107,9015 | . | . * |
782,2 614,7452 167,4548 | . | . *|
∑ (uˆ 1t − uˆ1t −1 )
2
d= t =2
n
= 0,34
∑ uˆ
t =1
2
1t
suˆ 1 = 70,596
(vezi tabelul afişat de programul EViews)
⎛1 V2 ⎞
saˆ = s ⋅ + ⎜ 2 ⎟ = 128,3789
⎜n
∑ (Vt − V ) ⎠
uˆ1 2 ⎟
⎝
(vezi tabelul afişat de programul EViews)
su2ˆ1
s bˆ = = 0,1564
∑ (V −V )
2
t
aˆ 808,3517
t aˆ = = = 6,2966
s aˆ 128,3789
bˆ − 0,231
t bˆ = = = 1,4766
sbˆ 0,1564
(vezi tabelul afişat de programul EViews)
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
R1 = 1−
∑ uˆ 2
1t
= R12 = 0,300
∑ (C − C )
2
t
R12 0,0902
Fc = (n − k − 1) ⋅ = 22 ⋅ = 2,1802
1 − R12
1 − 0,0902
(vezi tabelul afişat de programul EViews)
C t = a + b ⋅ (C t + I t ) + u t ⇒ C t ⋅ (1 − b ) = a + b ⋅ I t + u t
a b 1
Ct = + ⋅ It + ⋅ ut
1− b 1− b 1− b
Vt = a + b ⋅ Vt + I t + u t ⇒ Vt ⋅ (1 − b ) = a + I t + u t
a 1 1
Vt = + ⋅ It + ⋅ ut
1− b 1− b 1− b
a
α=
1− b
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
b
β1 =
1− b
1
β2 =
1− b
ut
zt =
1− b
⎧C t = α + β `1 ⋅ I t + z t (3)
⎨
⎩Vt = α + β 2 ⋅ I t + z t (4 )
( ) (
F αˆ , βˆ1 = min ∑ C t − αˆ − βˆ1 I t
t
)
2
Dependent Variable: Ct
Method: Least Squares
Sample: 1980 2003
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C 698,34 17,976 38,849 0,0000
It -0,4006 0,0762 -5,2584 0,0000
R-squared 0,5569 Mean dependent var 619,9917
Adjusted R-squared 0,5368 S.D. dependent var 72,3846
Econometrie. Studii de caz
( ) (
F αˆ ; βˆ 2 = min ∑ V t − αˆ − βˆ 2 I t
t
)2
F ′(αˆ ) = 0 ⇒ nαˆ + βˆ 2 ∑ I t = ∑V t
( )
F ′ βˆ 2 = 0 ⇒ αˆ ∑ I t + βˆ 2 ∑ I t2 = ∑V t I t
Dependent Variable: Vt
Method: Least Squares
Sample: 1980 2003
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C 698,33 17,975 38,851 0,0000
It 0,5995 0,0762 7,8703 0,0000
R-squared 0,7379 Mean dependent var 815,5833
Adjusted R-squared 0,7260 S.D. dependent var 94,1118
S.E. of regression 49,2629 Akaike info criterion 10,7119
Sum squared resid 53390,30 Schwarz criterion 10,8101
Log likelihood -126,5425 F-statistic 61,9414
Durbin-Watson stat 0,4779 Prob(F-statistic) 0,0000
Tabelul 2.9.4
Actual Fitted Residual Residual Plot
Vt Vˆt ẑ t (graficul reziduurilor)
804,300 861,806 -57,5056 | * | . |
805,800 854,672 -48,8718 | * | . |
837,100 879,370 -42,2703 | .* | . |
886,600 915,878 -29,2785 | . * | . |
940,200 931,465 8,73508 | . |* . |
939,500 930,686 8,81440 | . |* . |
961,900 943,215 18,6853 | . |* . |
969,600 937,759 31,8406 | . | *. |
964,800 908,265 56,5349 | . | * |
908,800 868,939 39,8606 | . | *. |
857,900 805,275 52,6252 | . | * |
746,800 786,691 -39,8910 | .* | . |
681,000 766,908 -85,9082 | * . | . |
691,300 768,647 -77,3467 | * . | . |
718,200 770,026 -51,8255 | * | . |
769,300 764,990 4,3101 | . |* . |
799,500 757,077 42,4232 | . | *. |
750,700 746,826 3,8742 | . * . |
714,800 720,868 -6,0683 | . *| . |
706,100 725,784 -19,6840 | . *| . |
720,700 729,021 -8,32121 | . *| . |
761,700 729,141 32,5589 | . | *. |
799,100 738,733 60,3672 | . | .* |
838,300 731,959 106,341 | . | . *|
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
aˆ αˆ 698,33
αˆ = ⇒ aˆ = = = 1164,9
1 − bˆ βˆ 2 0,5995
bˆ βˆ − 0,4006
βˆ1 = ⇒ bˆ = 1 = = −0,6682
ˆ
1− b ˆ
β2 0,5995
1
βˆ 2 =
1 − b̂
Cˆ t = 1164,9 − 0,6682 ⋅ Vt
∑ (uˆ 2t − uˆ 2t −1 )
2
71024,5754
d= t =2
n
= = 0,4781 ≅ 0,48
148565,6113
∑ uˆ
t =1
2
2t
1 1
s u2ˆ2 =
n − k −1
∑ uˆ 22t =
22
⋅ 148565,6113 = 6752,9823 ⇒ suˆ 2 = 82,1765
⎛1 ⎞
V2 ⎟ = 6752,9823⋅ ⎛⎜ 1 + 815,5864 ⎞⎟ = 149,4463
2
saˆ = su2ˆ2 ⋅ ⎜ + ⎜ 24 203690,7942 ⎟
⎜n
∑ (Vt − V ) ⎟⎠
2
⎝ ⎝ ⎠
s u2ˆ2 6752,9823
s bˆ = = = 0,1821
∑ (V −V )
2
t
203690,7942
aˆ 1164,9
t aˆ = = = 7,7947 > t 0,05; 22 = 2,074
s aˆ 149,4463
bˆ − 0,6682
t bˆ = = = 3,6697 > t 0,05; 22 = 2,074
sbˆ 0,1821
∑ (C − Cˆ ) = 1 − 148565,6113 = −0,2329
2
t
R 2
= 1−
∑ (C − C )
4 2
120501,4088
t
∑ (Cˆ − C )
2
t
sC2 V k 90939,7482
Fc = = = = 13,4666 > F0,05;1; 22 = 4,30
∑ (C )
2 2
s u2 − Cˆ 6752,9823
t
n − k −1
F ′(cˆ ) = 0 ⇒ ncˆ + dˆ ∑ I t = ∑V t
()
F ′ dˆ = 0 ⇒ cˆ ∑ I t + dˆ ∑ I t2 = ∑V t I t
( ) (
F aˆ, bˆ = min ∑ C t − aˆ − bˆVˆt
t
)
2
Dependent Variable: Ct
Method: Least Squares
Date: 04/06/05 Time: 01:14
Sample: 1980 2003
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C 1164,9 104,1213 11,1883 0,0000
Vˆt -0,6682 0,1271 -5,2584 0,0000
R-squared 0,5569 Mean dependent var 619,9917
Adjusted R-squared 0,5368 S.D. dependent var 72,3846
S.E. of regression 49,2659 Akaike info criterion 10,7120
Sum squared resid 53396,83 Schwarz criterion 10,8102
Log likelihood -126,5440 F-statistic 27,6509
Durbin-Watson stat 0,4779 Prob(F-statistic) 0,0000
Tabelul 2.9.5
Actual Fitted Residual Residual Plot
Ct Ĉ t uˆ 3t (graficul reziduurilor)
531,6 589,107 -57,5071 | * | . |
545,0 593,874 -48,8737 | * | . |
535,1 577,371 -42,2708 | .* | . |
523,7 552,977 -29,2769 | . * | . |
551,3 542,562 8,7376 | . |* . |
551,9 543,083 8,8169 | . |* . |
553,4 534,712 18,6885 | . |* . |
570,2 538,357 31,8434 | . | *. |
614,6 558,064 56,5360 | . | * |
624,2 584,340 39,8596 | . | *. |
679,5 626,880 52,6204 | . | * |
599,4 639,297 -39,8968 | .* | . |
566,6 652,515 -85,9152 | * . | . |
574,0 651,354 -77,3536 | * . | . |
598,6 650,432 -51,8323 | * | . |
658,1 653,797 4,3030 | . |* . |
701,5 659,084 42,4157 | . | *. |
669,8 665,934 3,8662 | . * . |
677,2 683,278 -6,0779 | . *| . |
660,3 679,993 -19,6934 | . *| . |
669,5 677,830 -8,3304 | . *| . |
710,4 677,750 32,6497 | . | *. |
731,7 671,341 60,3587 | . | .* |
782,2 675,868 106,332 | . | . *|
Dependent Variable: C t
Method: Two-Stage Least Squares
Sample: 1980 2003
Included observations: 24
Instrument list: It
Variable Coefficient Std. Error t-Statistic Prob.
Tabelul 2.9.6
Actual Fitted Residual Residual Plot
Ct Ĉ t ût (graficul reziduurilor)
531,600 627,531 -95,9309 | * | . |
545,000 626,529 -81,5287 | * | . |
535,100 605,615 -70,5148 | .* | . |
523,700 572,540 -48,8401 | . * | . |
551,300 536,726 14,5741 | . |* . |
551,900 537,194 14,7064 | . |* . |
553,400 522,226 31,1736 | . |* . |
570,200 517,081 53,1185 | . | *. |
614,600 520,289 94,3113 | . | * |
624,200 557,707 66,4934 | . | *. |
679,500 591,717 87,7833 | . | * |
599,400 665,951 -66,5510 | .* | . |
566,600 709,917 -143,317 | * . | . |
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
System: SYSTEM01
Estimation Method: Two-Stage Least Squares
Sample: 1980 2003
Included observations: 24
Total system (balanced) observations 24
Instruments: It C
Coefficient Std. Error t-Statistic Prob.
C(1) 1164,9 173,6883 6,7071 0,0000
C(2) -0,6682 0,2120 -3,1523 0,0046
Determinant residual covariance 6191,080
Equation: C t =C(1)+C(2)* Vt
Observations: 24
R-squared -0,2330 Mean dependent var 619,9917
Adjusted R-squared -0,2890 S.D. dependent var 72,3846
S.E. of regression 82,1822 Sum squared resid 148585,90
19
Vezi E. Pecican, O. Tănăsoiu, A. I. Iacob, Modele econometrice, Bucureşti, Editura ASE,
2001, p. 205-206.
Econometrie. Studii de caz
⎛ 30167,6413 − 36,6440 ⎞
V = ⎜⎜ ⎟
⎝ − 36,6440 0,0449 ⎟⎠
System: SYSTEM02
Estimation Method: Three-Stage Least Squares
Sample: 1980 2003
Included observations: 24
Total system (balanced) observations 24
Instruments: : It C
Coefficient Std. Error t-Statistic Prob.
C(1) 1164,9 166,2939 7,0053 0,0000
C(2) -0,6682 0,2029 -3,2924 0,0033
Determinant residual covariance 6191,080
Equation: C t =C(1)+C(2)* Vt
Observations: 24
R-squared -0,2330 Mean dependent var 619,9917
Adjusted R-squared -0,2890 S.D. dependent var 72,3846
S.E. of regression 82,1822 Sum squared resid 148585,90
Durbin-Watson stat 0,4779
⎛ 27653,67 − 33,5903 ⎞
V = ⎜⎜ ⎟
⎝ − 33,5903 0,0412 ⎟⎠
fost deflaţionat cu ajutorul deflatorului PIB exprimat în preţuri constante (1990 = 100), obţinut în
urma prelucrării datelor din Raportul Anual BNR.
Sursa: Date prelucrate pe baza Anuarului Statistic al României 1995, CNS, Bucureşti, 1996, p.
370-371, Anuarului Statistic al României 1996, INS, Bucureşti, 1997, p. 364-365, Anuarului
Statistic al României 2003, INS, Bucureşti, 2004, p. 284, Raportului Anual 1999, BNR, Bucureşti,
2000, p. 8*-9, Raportului Anual 2002, BNR, Bucureşti, 2003, p. 4*-5*, Comunicatului de Presă al
INS nr.11/26.02.2004, Dobrescu, E., Macromodels of the Romanian Transition Economy, Second
Edition, Editura Expert, Bucharest, 1998, p. 184.
Rezolvare:
Vt = α + β ⋅ Vt −1 + ℘⋅ Gt + z t
( ) ( )
24
ˆ = min ∑ Vt − αˆ − βˆVt −1 − ℘
2
F αˆ , βˆ ,℘ ˆ Gt
t =2
( )
24
F ′(αˆ ) = 0 ⇒ 2 ⋅ ∑ Vt − αˆ − βˆVt −i − ℘
ˆ Gt ⋅ (− 1) = 0
t =2
24 24 24
⇒ (n − 1) ⋅ αˆ + βˆ ∑ Vt −1 + ℘
ˆ ∑ Gt = ∑ Vt
t =2 t =2 t =2
() ( )
24
ˆ Gt ⋅ (− Vt −1 ) = 0
F ′ βˆ = 0 ⇒ 2 ⋅ ∑ Vt − αˆ − βˆVt −1 − ℘
t =2
24 24 24 24
⇒ αˆ ∑ Vt −1 + βˆ ∑ Vt −21 + ℘
ˆ ∑ GtVt −1 = ∑ VtVt −1
t =2 t =2 t =2 t =2
( )
24
F ′(℘
ˆ ) = 0 ⇒ 2 ⋅ ∑ Vt − αˆ − βˆVt −1 − ℘
ˆ Gt ⋅ (− Gt ) = 0
t =2
24 24 24 24
⇒ αˆ ∑ Gt + βˆ ∑ GtVt −1 + ℘
ˆ ∑ Gt2 = ∑ Vt Gt
t =2 t =2 t =2 t =2
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
⎧ 24 24 24
⎪(n − 1) ⋅ α
ˆ + β ∑
ˆ V +℘
t −1
ˆ ∑ G t = ∑ Vt
⎪ t =2 t =2 t =2
⎪ 24 24 24 24
⎨ ∑ t −1
α + ˆ
β ∑ + ˆ
℘ ∑ = ∑
2
ˆ V Vt −1 G V
t t −1 VtVt −1
⎪ t = 2 t = 2 t = 2 t = 2
⎪ 24 24 24 24
⎪αˆ ∑ Gt + βˆ ∑ GtVt −1 + ℘ ˆ ∑ Gt2 = ∑ Vt Gt
⎩ t =2 t =2 t =2 t =2
Dependent Variable: Vt
Method: Least Squares
Sample(adjusted): 1981 2003
Included observations: 23 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 157,1714 104,9035 1,4982 0,1497
Vt − 1 0,8708 0,0999 8,7198 0,0000
Gt -0,4437 0,4239 -1,0469 0,3076
R-squared 0,8136 Mean dependent var 816,0739
Adjusted R-squared 0,7950 S.D. dependent var 96,1955
S.E. of regression 43,5558 Akaike info criterion 10,5071
Sum squared resid 37942,23 Schwarz criterion 10,6552
Log likelihood -117,8313 F-statistic 43,6549
Durbin-Watson stat 0,7013 Prob(F-statistic) 0,0000
( )
24
F (aˆ 0 , aˆ1 ) = min ∑ C t − aˆ 0 − aˆ1Vˆt
2
t =2
24 24
F ′(aˆ 0 ) = 0 ⇒ (n − 1) ⋅ aˆ 0 + aˆ1 ∑ Vˆt = ∑ C t
t =2 t =2
24 24 24
F ′(aˆ1 ) = 0 ⇒ aˆ 0 ∑ Vˆt + aˆ1 ∑ Vˆt 2 = ∑ C tVˆt
t =2 t =2 t =2
Dependent Variable: Ct
Method: Least Squares
Sample(adjusted): 1981 2003
Included observations: 23 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 658,7968 147,3206 4,4719 0,0002
Vˆ
t -0,1822 0,1796 -1,0147 0,3218
R-squared 0,0467 Mean dependent var 510,1087
Adjusted R-squared 0,0013 S,D, dependent var 73,1256
S.E. of regression 73,0763 Akaike info criterion 11,5038
Econometrie. Studii de caz
∑ (uˆ 2t − uˆ 2t −1 )
2
d= t =3
n
= 0,27
∑ uˆ
t =2
2
2t
aˆ 0 157,355
t aˆ0 = > tα ;n − k −1 ⇔ t aˆ0 = = 2,2779 > t 0, 05; 21 = 2,080
s aˆ0 69,08
aˆ1 − 0,1822
t aˆ1 = = = 1,0147 > t 0, 40; 21 = 0,859
s aˆ1 0,1796
0,0467
Fc = 21 ⋅ = 1,0297 < F0,05;1; 21 = 4,32
1 − 0,0467
Dependent Variable: It
Method: Least Squares
Sample(adjusted): 1981 2003
Included observations: 23 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C -827,5175 219,9338 -3,7626 0,0012
Vˆt 0,9928 1,8495 0,5368 0,5973
Vt −1 0,2573 1,6700 0,1540 0,8791
R-squared 0,6548 Mean dependent var 192,2435
Adjusted R-squared 0,6203 S.D. dependent var 136,8614
S.E. of regression 84,3385 Akaike info criterion 11,8287
Sum squared resid 142259,50 Schwarz criterion 11,9768
Log likelihood -133,0296 F-statistic 18,9670
Durbin-Watson stat 0,3265 Prob(F-statistic) 0,0000
(s ) (s ) (s )
b$0 b$1 b$2
(219,9338) (1,8495) (1,67 ) d = 0,33
s uˆ2 = 84,3385
Tabelul 2.10.4
Actual Fitted Residual Residual Plot
It Iˆt uˆ 2t (graficul reziduurilor)
260,8 185,463 75,3368 | . | *. |
302,0 188,952 113,0480 | . | .* |
362,9 227,677 135,2230 | . | . *|
388,9 278,537 110,3630 | . | .* |
387,6 334,833 52,7666 | . | * . |
408,5 336,075 72,4253 | . | *. |
399,4 364,375 35,0247 | . | * . |
350,2 371,559 -21,3594 | . *| . |
284,6 363,443 -78,8433 | .* | . |
178,4 294,366 -115,9660 | *. | . |
147,4 232,772 -85,3721 | * | . |
114,4 107,038 7,3625 | . |* . |
117,3 31,636 85,6637 | . | * |
119,6 37,376 82,2243 | . | *. |
111,2 66,892 44,3084 | . | * . |
98,0 122,894 -24,8945 | . *| . |
80,9 161,928 -81,0276 | .* | . |
37,6 130,577 -92,9767 | * | . |
45,8 94,930 -49,1295 | . * | . |
51,2 82,218 -31,0180 | . * | . |
51,4 93,090 -41,6895 | . * | . |
67,4 137,806 -70,4062 | .* | . |
56,1 177,163 -121,0630 |* . | . |
∑ (uˆ 2t − uˆ 2t −1 )
2
d= t =3
n
= 0,33
∑ uˆ
t =2
2
2t
bˆ0 − 827,5175
t bˆ = > tα ;n − k −1 ⇔ t bˆ = = 3,2626 > t 0,05; 20 = 2,086
0
sbˆ 0
2199,9338
0
bˆ1 0,9928
t bˆ = > tα ;n − k −1 ⇔ t bˆ = = 0,5368 < t 0,05; 20 = 2,086
1
sbˆ 1
1,8495
1
bˆ2 0,2573
t bˆ = > tα ;n − k −1 ⇔ t bˆ = = 0,154 < t 0,05; 20 = 2,086
2
sbˆ 2
1,67
2
n − k − 1 R22
Fc = ⋅ ≥ Fα ;k ;(n − k −1)
k 1 − R22
20 0,6548
Fc = ⋅ = 18,967 > F0.05; 2; 20 = 3,49
2 1 − 0,6548
Dependent Variable: Ct
Method: Two-Stage Least Squares
Sample(adjusted): 1981 2003
Included observations: 23 after adjusting endpoints
Instrument list: Vt-1 Gt
Variable Coefficient Std. Error t-Statistic Prob.
C 658,7968 147,5788 4,4640 0,0002
Vt -0,1822 0,1799 -1,0129 0,3226
R-squared 0,0434 Mean dependent var 510,1087
Adjusted R-squared -0,0022 S.D. dependent var 73,1256
S.E. of regression 73,2044 Sum squared resid 112536,50
F-statistic 1,0261 Durbin-Watson stat 0,3028
Prob(F-statistic) 0,3226
Tabelul 2.10.5
Actual Fitted Residual Residual Plot
Ct Ĉ t uˆ1t (graficul reziduurilor)
442,1 511,9806 -69,8806 | * | . |
436,3 506,2778 -69,9778 | * | . |
433,1 497,2589 -64,1589 | * | . |
450,1 487,4930 -37,3930 | .* | . |
442,0 487,6206 -45,6206 | .* | . |
448,1 483,5393 -35,4393 | .* | . |
472,1 482,1364 -10,0364 | . *| . |
513,2 483,0109 30,1891 | . |* . |
Econometrie. Studii de caz
Dependent Variable: It
Method: Two-Stage Least Squares
Sample(adjusted): 1981 2003
Included observations: 23 after adjusting endpoints
Instrument list: Vt-1 Gt
Variable Coefficient Std. Error t-Statistic Prob.
C -827,5175 219,9338 -3,7626 0,0012
Vt 0,9928 1,8495 0,5368 0,5973
Vt-1 0,2573 1,6700 0,1540 0,8791
R-squared 0,6548 Mean dependent var 192,2435
Adjusted R-squared 0,6203 S.D. dependent var 136,8614
S.E. of regression 84,3385 Sum squared resid 11,8287
F-statistic 142259,50 Durbin-Watson stat 11,9768
Prob(F-statistic) -133,0296
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
Tabelul 2.10.6
Actual Fitted Residual Residual Plot
It Iˆt uˆ 2t (graficul reziduurilor)
260,8 185,463 75,3368 | . | .* |
302,0 188,952 113,0480 | . | .* |
362,9 227,677 135,2230 | . | .* |
388,9 278,537 110,3630 | . | *. |
387,6 334,833 52,7666 | . | *. |
408,5 336,075 72,4253 | . | *. |
399,4 364,375 35,0247 | . |* . |
350,2 371,559 -21,3594 | . *| . |
284,6 363,443 -78,8433 | .* | . |
178,4 294,366 -115,9660 | *. | . |
147,4 232,772 -85,3721 | . |* . |
114,4 107,038 7,3625 | . | .* |
117,3 31,636 85,6637 | . | .* |
119,6 37,376 82,2243 | . | *. |
111,2 66,892 44,3084 | . *| . |
98,0 122,894 -24,8945 | * | . |
80,9 161,928 -81,0276 | .* | . |
37,6 130,577 -92,9767 | .* | . |
45,8 94,930 -49,1295 | . *| . |
51,2 82,218 -31,0180 | . *| . |
51,4 93,090 -41,6895 | * | . |
67,4 137,806 -70,4062 | *. | . |
56,1 177,163 -121,0630 |* . | . |
System: SYSTEM01
Estimation Method: Two-Stage Least Squares
Sample: 1981 2003
Included observations: 23
Total system (balanced) observations 46
Instruments: Vt −1 Gt C
Equation: C t =C(1)+C(2)* Vt
Observations: 23
R-squared 0,0434 Mean dependent var 510,1087
Adjusted R-squared -0,0022 S.D. dependent var 73,1256
S.E. of regression 73,2044 Sum squared resid 112536,50
Durbin-Watson stat 0,3028
⎛ 4892,8919 − 4308,6716 ⎞
V = ⎜⎜ ⎟⎟
⎝ − 4308,6716 4330,2358 ⎠
System: SYSTEM02
Estimation Method: Three-Stage Least Squares
Sample: 1981 2003
Included observations: 23
Total system (balanced) observations 46
Instruments: Vt −1 Gt C
Equation: C t =C(1)+C(2)* Vt
Observations: 23
R-squared 0,0434 Mean dependent var 510,1087
Adjusted R-squared -0,0022 S.D. dependent var 73,1256
S.E. of regression 73,2044 Sum squared resid 112536,50
Durbin-Watson stat 0,3028
⎛ 4892,892 − 5214,337 ⎞
V = ⎜⎜ ⎟⎟
⎝ − 5214,337 11894,91⎠
Tabelul 2.11.1
p
t Itp I t −1 Itw Its
1 2 3 4 5
1990 100,0 - 100,0 100,0
1991 270,2 100,0 87,5 81,7
1992 838,8 270,2 82,3 71,3
1993 2987,0 838,8 86,8 59,4
1994 7071,9 2987,0 90,6 59,4
1995 9353,4 7071,9 102,4 66,5
1996 12983,4 9353,4 107,7 72,7
1997 33076,9 12983,4 105,1 56,3
1998 52624,2 33076,9 102,5 58,2
1999 76728,0 52624,2 106,0 56,0
2000 111767,1 76728,0 105,5 58,6
2001 150290,7 111767,1 112,4 61,5
2002 184162,1 150290,7 121,2 62,8
Sursa: Date prelucrate pe baza Anuarului Statistic al României 2003, INS, Bucureşti, 2004, p. 135,
322, 105, Anuarului Statistic al României 2000, INS, Bucureşti, 2001, p. 135, 136, Anuarului Statistic
al României 2001, INS, Bucureşti, 2002, p. 132, 312, Raportului Anual 2002 BNR, Bucureşti, 2003, p.
4*-7*, Raportului Anual 2000 BNR, Bucureşti, 2001, p. 5*-9*.
Se cere:
a) Să se construiască modelul econometric cu ajutorul căruia pot fi
descrise dependenţele şi interdependenţele dintre preţuri şi câştigurile
salariale;
Econometrie. Studii de caz
Rezolvare:
⎧⎪I ts = a0 + a1 I t p + a2 I tw + u 1t (1)
M0 ⎨
⎪⎩I t p = b 0 + b1 I ts + u 2t ( 2)
Notând cu :
β 0 = b0 + a0b1
2t
β1 = a1b1 + b2
β 2 = a2b1
z t = b1u1t + u 2t
FR: I t p = β 0 + β 1 I t p−1 + β 2 I tw + z t
⎧⎪I ts = a0 + a1 I t p−1 + a 2 I tw + u 1t
M2 ⎨
⎪⎩I t p = β 0 + β 1 I t p−1 + β 2 I tw + z t
s
Dependent Variable: It
Method: Least Squares
Sample(adjusted): 1991 2002
Included observations: 12 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 0,8388 0,3289 2,5504 0,0312
p
I t −1 -0,000013 0,0001 -0,1629 0,8742
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
p
Dependent Variable: I t
Method: Least Squares
Sample(adjusted): 1991 2002
Included observations: 12 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C -179,4978 296,3394 -0,6057 0,5597
p
I t −1 1,2180 0,0731 16,6713 0,0000
Itw 247,5859 314,7246 0,7867 0,4517
R-squared 0,9892 Mean dependent var 535,1246
Adjusted R-squared 0,9868 S.D. dependent var 637,4540
S.E. of regression 73,3035 Akaike info criterion 11,6394
Econometrie. Studii de caz
bˆ1 = −1269,1246
bˆ2 = 1,2013
Tabelul 2.11.2
Actual Fitted Residual Residual Plot
Obs.
I t
s
Iˆts uˆ1t (graficul reziduurilor)
1991 0,817 0,6680 0,1490 | . | . *|
1992 0,713 0,6782 0,0348 | . | * . |
1993 0,594 0,6693 -0,0753 | .* | . |
1994 0,594 0,6616 -0,0676 | .* | . |
1995 0,665 0,6381 0,0269 | . |* . |
1996 0,727 0,6274 0,0996 | . | .* |
1997 0,563 0,6320 -0,0690 | .* | . |
1998 0,582 0,6344 -0,0524 | . * | . |
1999 0,560 0,6250 -0,0650 | .* | . |
2000 0,586 0,6228 -0,0368 | . * | . |
2001 0,615 0,6047 0,0103 | . |* . |
2002 0,628 0,5825 0,0455 | . | * . |
p
Dependent Variable: I t
Method: Two-Stage Least Squares
Sample(adjusted): 1991 2002
Included observations: 12 after adjusting endpoints
p w
Instrument list: I t −1 It
System: SYSTEM01
Estimation Method: Two-Stage Least Squares
Sample: 1991 2002
Included observations: 12
Total system (balanced) observations 24
p w
Instruments: I t −1 It C
System: SYSTEM02
Estimation Method: Three-Stage Least Squares
Sample: 1991 2002
Included observations: 12
Total system (balanced) observations 24
p
Instruments: I t −1 Itw C
⎛1 0 ⎞ ⎛ I ts ⎞ ⎛ − a 0 − a1 − a 2 ⎞⎛ I tp−1 ⎞ ⎛ u1t ⎞
⎜⎜ ⎟⎟ ⎜ p ⎟ + ⎜⎜ ⎟⎜ ⎟=⎜ ⎟
−
⎝ 1 b 1 ⎠ ⎜⎝ I t ⎟⎠ ⎝ − b0 − b2 0 ⎟⎠⎜⎝ I tw ⎟⎠ ⎜⎝ u 2t ⎟⎠
B • Y + C • X = U
modelelor recursive.
Estimatorii parametrilor modelului M1, considerat ca fiind un model
recursiv, pot fi calculaţi cu ajutorul M.C.M.M.P. aplicată fiecărei ecuaţii a
modelului structural.
Ecuaţia (1) a fost deja estimată la punctul b), ea fiind următoarea:
p
Dependent Variable: I t
Method: Least Squares
Sample(adjusted): 1991 2002
Included observations: 12 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 431,6229 156,8297 2,7522 0,0224
s
I t -577,8482 236,8351 -2,4399 0,0374
p
I t −1 1,2354 0,0372 33,1807 0,0000
R-squared 0,9930 Mean dependent var 535,1246
Adjusted R-squared 0,9915 S.D. dependent var 637,4540
S.E. of regression 58,7926 Akaike info criterion 11,1982
Sum squared resid 31109,12 Schwarz criterion 11,3195
Econometrie. Studii de caz
Tabelul 2.2.1
Unitatea Anul
Indicatori de
1980 1981 1982 1983 1984 1985 1986 1987
măsură
Produs Intern mld. lei 616,9 623,7 727,4 768,7 816,1 817,4 838,6 845,6
Brut1) p.c.
Consumul final mld. lei 315,9 335,1 391,8 387,6 413,6 408,4 416,7 441,9
al populaţiei 1) p.c.
Consumul final al mld. lei 72,5 76,6 76,6 76,0 80,2 83,5 80,5 75,0
administraţiei p.c.
publice1)
Formarea brută de mld. lei 212,8 209,3 216,4 230,7 244,7 246,3 249,0 245,5
capital fix1) p.c.
Variaţia stocurilor1) mld. lei 32,9 17,1 28,9 30,9 34,1 23,6 39,4 23,5
p.c.
Export net1) mld. lei -34,8 -22,7 4,0 32,4 29,3 33,2 35,5 52,8
p.c.
Imobilizări
mld. lei
corporale 1880 2036 2211 2397 2614 2798 2992 3182
p.c.
(mijloace fixe)
Investiţii mld. lei 210,5 209,3 216,4 230,7 244,7 246,3 249,0 245,5
p.c.
Populaţia ocupată mii pers 10350 10391 10433 10475 10500 10586 10670 10719
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
Tabelul 2.2.1
(continuare)
Unitatea Anul
Indicatori de
1988 1989 1990 1991 1992 1993 1994
măsură
Produs Intern Brut1) mld. lei 857,0 800,0 857,9 2203,9 6029,2 20035,7 49773,2
p.c.
Consumul final al mld. lei 454,7 463,4 557,7 1323,7 3750,8 12670,3 31442,0
populaţiei 1) p.c.
Consumul final al
mld. lei
administraţiei 77,6 100,5 121,8 348,8 891,7 2565,5 7010,4
p.c.
publice1)
Formarea brută de mld. lei 240,2 238,9 169,8 317,0 1156,9 3583,7 10095,7
capital fix1) p.c.
1)
Variaţia stocurilor mld. lei 3,1 -24,6 89,7 301,1 736,7 2212,2 2252,6
p.c.
1)
Export net mld. lei 80,2 21,8 -81,1 -86,7 -506,9 -996,0 -1027,5
p.c.
Imobilizări
mld. lei
corporale 3359 3526 3498 4505 23217 26583 33811
p.c.
(mijloace fixe)
mld. lei
Investiţii 240,2 236,4 168,4 314,0 888,6 2821,8 8004,6
p.c.
Populaţia ocupată mii pers 10805 10946 10840 10786 10458 10062 10011
Tabelul 2.2.1
(continuare)
Unitatea Anul
Indicatori de
1995 1996 1997 1998 1999 2000 2001 2002
măsură
Produs Intern mld. lei
72135,5108919,6252925,7373798,2545730,2803773,11167687,01512616,8
Brut1) p.c.
Consumul
mld. lei
final 48545,1 75288,8 186238,2310922,7453308,0634590,4 917185,7 1151355,9
p.c.
al populaţiei 1)
Consumul
final al mld. lei
10117,3 14650,6 32381,6 26545,9 31053,5 57942,5 77551,4 91751,0
administraţiei p.c.
publice1)
Variaţia mld. lei
20851,1 3161,4 -1368,7 -1586,4 -8889,9 4543,9 22294,8 33432,4
stocurilor1) p.c.
Econometrie. Studii de caz
Unitatea Anul
Indicatori de
1995 1996 1997 1998 1999 2000 2001 2002
măsură
mld. lei
Export net1) -4036,9 -9179,7 17865,5 -30003,9 -26371,8 -45250,9 -90498,5 -86305,4
p.c.
Imobilizări
mld. lei
corporale 169866 188934 242714 429038 701941 1449782 2171506 2855564
p.c.
(mijloace fixe)
mld. lei
Investiţii
p.c. 12995,5 20945,3 44134,7 60515,2 83948,1 124987,2 204195,2 271734,7
Populaţia
mii pers 9493 9379 9023 8813 8420 8629 8563 8329
ocupată
Notă: Începând din anul 1999, conturile naţionale s-au realizat numai conform metodologiei SEC 1995.
Sursa: Anuarul Statistic al României 1995, CNS, Bucureşti, 1996, p. 145, 370-371, 386, 398, Anuarul Statistic al
României 1996, INS, Bucureşti, 1997, p. 141, 364-365, 384, 394, Anuarul Statistic al României 2001, INS,
Bucureşti, 2002, p. 94, 278, 297, 303, Anuarul Statistic al României 2003, INS, Bucureşti, 2004, p. 105, 284, 307,
312.
1990=1 Tabelul.2.2.2
(continuare)
2003 2004
Luna
IPC ICV IVMN IPC ICV IVMN
0 37 38 39 40 41 42
1 2041,563 1700,458 1385,694 2325,921 1655,918 1690,407
2 2058,090 1722,623 1303,994 2340,629 1630,529 1604,444
3 2080,261 1684,520 1358,434 2352,277 1659,664 1715,724
4 2102,433 1713,406 1451,457 2365,909 1724,626 1748,552
5 2112,712 1652,349 1385,270 2372,672 1716,207 1699,212
6 2130,651 1658,180 1378,410 2386,768 1706,640 1707,375
7 2156,248 1661,240 1424,663 2417,116 1697,768 1723,255
Modele econometrice cu o singură ecuaţie şi cu ecuaţii multiple
2003 2004
Luna
IPC ICV IVMN IPC ICV IVMN
0 37 38 39 40 41 42
8 2161,892 1695,938 1408,314 2430,250 1708,851 1707,375
9 2208,250 1718,317 1429,894 2453,240 1709,268 1723,255
10 2241,910 1685,674 1451,994 2483,340 1671,657 1778,328
11 2274,159 1734,052 1475,648 2499,397 1559,598 1829,276
12 2300,562 1678,322 1657,313 2513,608 1469,741 2013,794
Sursa: Anuarul Statistic al României 2003, INS, Bucureşti, 2004, p. 322-323, Buletin statistic lunar
nr. 1-12, INS, Bucureşti, 1991-2004