Academia de Studii Economice Bucureşti

Facultatea de Cibernetică, Statistică şi Informatică Economică

Proiect
Econometrie

Sandu Mihai

Grupa 1068

Seria B

1
 2015

Cuprins

Introducere ................................................................................................................................................... 3
Modelul unifactorial...................................................................................................................................... 4
Grafic si legatura dintre variabile .............................................................................................................. 4
Estimarea parametrilor și interpretarea rezultatelor ............................................................................... 5
Testarea semnificației statistice și determinarea intervalelor de încredere 95% pentru parametrul
pantă ......................................................................................................................................................... 5
Testarea validitatii modelului de regresie ................................................................................................ 6
Testarea ipotezelor clasice ale modelului de regresie .............................................................................. 6
Testarea heteroscedasticitatii folosind testul White .............................................................................. 7
Testul Durbin-Watson ........................................................................................................................... 8
Previziunea valorii variabilei dependente Y dacă variabila X crește cu 10% față de ultima valoare
înregistrată ................................................................................................................................................ 8
Modelul multifactorial .................................................................................................................................. 8
Concluzii ...................................................................................................................................................... 10

2
Introducere

Datele prezentate analizează influenţa asupra produsului intern brut(variabila explicită) a

câştigului net mediu lunar a unui român şi de asemeanea, care este influenţa ratei inflaţiei în
cazul modelului multifactorial(variabile explicative). Datele sunt preluate de pe site-ul
Institutului Naţional de Statisitcă (www.insse.ro).

PIB/loc, calculat în PPS

SM = Câştigul salarial mediu net lunar pe luna Octombrie, calculat în lei(preţuri comparabile)

Rata-rata inflaţiei

3
Modelul unifactorial

Pentru a observa care este influenţa X(câştigul salarial mediu net lunar) asupra variabilei
Y(PIB/loc) vom utiliza modelul econometric unifactorial:
𝑦𝑖 = 𝛼 + 𝛽𝑥𝑖 + 𝜀𝑖 , 𝑖 = 1,2, … ,15
Unde:
Y – PIB/loc
X - Câştigul salarial mediu net lunar pe luna Octombrie

Grafic si legatura dintre variabile

Pentru PIB-ul real per locuitor am deflaţionat datele, luând ca an de bază 1997 prin împărţirea la
Indicele Preţului de Consum din anul respectiv a valorilor nominale ale PIB-ului.

Graficul arată o legatură directă și destul de puternică între cele 2 variabile. Salariul mediu net lunar
influențează în același sens PIB-ul pe cap de locuitor. Astfel, salariul mediu net lunar si PIB-ul pe cap de
locuitor variază în același sens atât pentru creștere cât și pentru descreștere.

4
 a) Estimarea parametrilor și interpretarea rezultatelor

PIB = a + b * SM

PIB = 22 436.19 + 16 590.63 * SM

Valoarea b =16.59063 măsoară panta dreptei de regresie şi arată că atunci când câştigul
salarial mediu pe luna octombrie (SM) creşte cu o unitate (1000 u.m.), PIB-ul/loc. creşte cu
16 590.63 u.m.

b) Testarea semnificației statistice și determinarea intervalelor de

încredere 95% pentru parametrul pantă

Testul Student:
Formulăm ipoteza nulă: H0: b = 0
cu ipoteza alternativă: H1: b  0.

Dacă t calculat > t critic => atunci respingem ipoteza nulă H0

Cum 14.07 >2.045=> parametrul b este semnificativ statistic.

R2 reprezintă raportul de determinatie și ne indică influența factorilor semnificativi. În cazul datelor

privind datele alese, valoarea acestuia este de 0,938, acest lucru însemnand ca 93,8% din variația
productivității este explicată prin intermediul variației celor două variabile exogene din modelul ales.
Restul până la 100% se datorează unor factori aleatori.

5
Conform outputului din Excel

Putem afirma cu o probalitate de 95% că parametrii se situeaza în următoarele intervale:

a ϵ [20057,42; 24814,95402]

b ϵ [14,04486; 19,13640671]

Ele se mai pot calcula și cu ajutorul formulei pentru intervalul de încredere:

a’- tα/2 * SE(a’) <= a <= a’+ tα/2 * SE(a’)

b’- tα/2 * SE(b’) <= b <= b’+ tα/2 * SE(b’)

c) Testarea validitatii modelului de regresie

H0 : Modelul nu este valid statistic

H1 : Modelul este valid statistic

Testarea validității modelului se poate realiza comparând valoarea lui Significance F din tabelul ANOVA
din Excel cu 0.05.

0.00000003<0.05 => Se respinge H0 si se accepta H1, rezulta ca modelul este valid statistic.

d) Testarea ipotezelor clasice ale modelului de regresie

6
 Testarea heteroscedasticitatii folosind testul White

Ipoteza de homoscedasticitate, numită și variația egală a reziduurilor εt, presupune că variația

erorii εt este aceeași pentru toate observațiile, și anume:

VAR(εi/xji) = E[εi – E(εi/xji)]2 = E(εi2/xji) = σε2, pentru orice j = 1,n.

Dacă această ipoteză nu este verificată atunci vorbim despre heteroscedasticitate. Pentru a
verifica acest lucru vom folosi testul White, cu ipotezele:

- H0: σi2 = σ2, pentru i=1,t; erorile sunt homoscedastice, (Obs*R-squared trebuie sa tinda la zero ca
sa acceptam Ho;)

- H1: pentru cel putin un i:  i2   2 erorile sunt heteroscedastice

Obținem că Prob. F pentru statisticile calculate este mai mare de 5%, respectiv 0,481234, astfel există o
probabilitate foarte mare de a greși în respingerea lui H_0, deci acceptăm H_0, conform căreia erorile
aleatoare sunt homoscedastice.

7
 Testul Durbin-Watson

Folosim statistica Durbin-Watson cu ipotezele:

𝐻0 : ρ =0 (nu există autocorelarea erorilor aleatoare de ordinul I)
𝐻1 : ρ ≠0 (există autocorelarea erorilor aleatoare de ordinul I)
Se obține DW = 1.683575 pentru modelul analizat.
Valorile critice ale statisticii DW sunt d1=1,645 și d2=1,7219.
Având în vedere că DW calculat nu se află în intervalul (d2, 4- d2), rezultă că nu există
autocorelarea erorilor.

e) Previziunea valorii variabilei dependente Y dacă variabila X crește cu

10% față de ultima valoare înregistrată

Ultima valoare înregistrată pentru salariul mediu este 1552. O marim cu 10% => 1707.2 și înlocuim
în ecuația de regresie: PIB = = 22436.19 + 16.59063 *x1 +e.

Previzionăm astfel o valoare a PIB-ului pe locuitor de 50759,713 .

Modelul multifactorial

Modelul are ca variabilă endogenă PIB/locuitor, iar ca variabile exogene, salariul

mediu(X1) și rata inflatiei (X2)

8
 Y= a+ b*x1 +c*x2 + e

Ecuaţia modelului este următoarea :

PIB = 𝒂* SM + 𝒃* Rata+ 𝐜

PIB = 19,75559*SM + 57,97855*RATA + 18229,63

9
 Coeficientul de regresie parţial, a are valoarea 19,75559, ceea ce arată că la o creștere cu
un procent a salariului mediu, produsul intern brut pe locuitor crește, în medie, cu 19,75559
procente, ceilalţi factori incluși în model rămânând constanţi.

n= 57,97855, arată că, menţinând celelalte variabile constante, atunci când rata inflaţiei
creşte cu un procent, produsul intern brut pe locuitor scade , în medie, cu 57,97855 procente.

𝑐=18229,63 arată că, dacă cele trei variabile explicative au valoarea 0, valoarea medie a
produsului intern brut pe locuitor este estimată la 18229,63 lei.

Există așadar o dependență directă între produsul intern brut pe locuitor si salariul mediu
lunar, dar și una inversă între PIB și rata inflaţiei, în perioada analizată.

Matricea coeficienților de corelație

Din matricea coeficienților de corelație, reiese că rrata,sm =-0.703937 < 0,85, adică deși există
o legătură inversă semnificativă între cele 2 variabile exogene, nu putem afirma că aceasta este
suficient de puternică pentru a induce multicoliniaritatea în date a modelului.

ripm_sa,ipc_sa =-0,297, iar rica_sa,ippi_sa=-0,3067, ceea ce semnifică o legătură inversă slabă.

Așadar, conform matricei de corelații liniare a variabilelor explicative, putem concluziona că

ipoteza de necoliniaritate a variabilelor explicative este îndeplinită.

Concluzii

Modelul unifactorial are un coeficient de determinație R2=0.938 ceea ce înseamnă ca variația PIB
este explicată în masură de 93,8% prin variația salariului mediu.

Ca urmare a introducerii variabilei exogene reprezentată de Rata inflatiei, coeficientul de

determinație R2 a crescut până la 0.973 , fapt care se traduce prin explicarea mai bine cu 3,5% a variatiei
PIB, prin variația salariului mediu, dar și a ratei inflatiei.

10