Academia de Studii Economice

Facultatea de Finanţe, Asigurări, Bănci şi Burse de Valori

Model de regresie multifactorială

-proiect-

Studenţi:
Dobre Beatrice Alina
Dogaru Sînziana Georgiana
Grupa 1527, Seria B, An II
 I. Introducere

Acest proiect îşi propune să găsească corelaţia dintre nivelul produsului intern brut (PIB) în
funcţie de nivelul consumului final şi al investiţiilor brute. PIB-ul este suma cheltuielilor pentru
consum a gospodăriilor private si a organizatiilor private non-profit, a cheltuielilor brute pentru
investitii, a cheltuielilor statului, a investiţiilor în scopul depozitării ca si câstigurile din export din
care se scad cheltuielile pentru importuri. Într-un articol publicat de UK Weekly în august 2009, dar
şi într-un articol intitulat „UK:Economic Backround”, autorii subliniază faptul că, deşi Marea
Britanie a suferit o scădere a PIB-ului, la fel cum au făcut şi toate componentele sale în primul
trimestru, lucru datorat recesiunii, în trimestrul doi, principala diferenţa în legătură cu creşterea
PIB-ului a fost reprezentată de consumul personal şi de volumul investiţiilor, de unde putem
remarca importanţă acestor doi indicatori în evoluţia PIB. Este de remarcat importanţa consumului
prin faptul că acesta constituie 2 /3 din PIB-ul Marii Britanii.

În 2008 publicaţia „Financial Times” contrazice, într-un articol despre PIB-ul Statelor Unite,
faptul că PIB-ul Marii Britanii a fost în scădere şi afirmă că deşi acesta nu s-a ridicat la nivelul celui
din Statele Unite, într-o analizare a datelor pe perioada 1912-2003 PIB-ul Marii Britanii a
înregistrat o creştere 348%, făcând din aceasta o ţară un centru financiar şi comercial de frunte al
lumii, a doua cea mai mare economie a Europei după Germania şi a cincea din lume, aceasta
concurând cu Franţa pentru poziţia a IV-a.

Investiţiile sunt constituite într-un procent de 16-17% din PIB, un procent destul de scăzut
dacă comparăm cu cel al altor ţări europene, dar nu putem să nu îi observăm importanţa în PIB-ul
Marii Britanii aşa cum regăsim în articolul „UK:Economic backround”.

Pin afirmaţiile şi faptele prezentate mai sus putem concluziona că aceste variabile au o
consistenţă importantă în PIB deoarece pot evidenţia starea economică a unei ţări şi prosperitatea
acesteia, majoritatea articolelor de referinţă punând accent pe aceste două variabile datorită
importanţei lor.

2
II. Sursei datelor
Sursa datelor ce se vor analiza cu ajutorul modelului econometric multiplu este reprezentată de
site-ul Eurostat.Datele extrase releva PIB-ul Marii Britanii şi alte 2 componente ale sale(Consumul
final şi Investiţiile brute) în perioada 1963-2010.

III. Descrierea din punct de vedere statistic a datelelor

Considerăm modelul de regresie: PIB= unde:

Variabilă dependentă sau endogenă : PIB= produsul intern brut

Variabilele independente sau exogene: Cf= consum final

Ib= investiţii brute

Variabilă reziduală:

Indicatorii descriptivi pentru variabila PIB:

8
Series: PIB
7 Sample 1963 2010
Observations 48
6
Mean 1188656.
5 Median 1108249.
Maximum 1947281.
4 Minimum 631327.3
Std. Dev. 402057.2
3 Skewness 0.502571
Kurtosis 1.986161
2
Jarque-Bera 4.076362
1 Probability 0.130265

0
600001 800001 1000001 1200001 1400001 1600001 1800001 2000001

 Denumirea seriei: PIB

 Perioada:1963-2010

 Observaţii: n=48

 Media : 1188656

 Mediana : 1108249

 Valoarea maximă :1947281

 Valoarea minimă: 631327,3

 Abaterea medie pătratică :402057,2

 Coeficientul de asimetrie Skewness :0,502571>0 ce evidenţiază o asimetrie de dreapta,

adică mai multe valori mai mici decât media

3
  Coeficientul de aplatizare Kurtosis : 1,986161 <3 evidenţiind o distribuţie mai plată decât
distribuţia normală numită platykurtotica
Indicatorii descriptivi pentru variabila Cf:
6
Series: CF
Sample 1963 2010
5 Observations 48

4 Mean 1021079.
Median 951430.9
Maximum 1645855.
3 Minimum 566497.1
Std. Dev. 341115.7
Skewness 0.504797
2
Kurtosis 1.988631

1 Jarque-Bera 4.084292
Probability 0.129750

0
600001 800001 1000001 1200001 1400001 1600001

 Denumirea seriei: CF

 Perioada: 1963-2010

 Observaţii: n=48

 Media:1021079

 Mediana:951430,9

 Valoarea maximă:1645855

 Valoarea minimă:566497,1

 Abaterea medie pătratică: 341115,7

 Coeficientul de asimetrie Skewness:0,504797>0 relevând o asimetrie de dreapta, adică mai

multe valori mai mici decât media

 Coeficientul de aplatizare Kurtosis:1,988631<3 relevând o distribuţie mai plată decât

distribuţia normală numită platykurtotica

4
Indicatorii descriptivi pentru variabila Ib:
14
Series: IB
12 Sample 1963 2010
Observations 48
10
Mean 187545.1
Median 160771.8
8 Maximum 365012.0
Minimum 77513.20
6 Std. Dev. 77112.12
Skewness 0.696377
4 Kurtosis 2.245654

Jarque-Bera 5.017607
2
Probability 0.081366
0
100000 150000 200000 250000 300000 350000

 Denumirea seriei:IB

 Perioada: 1963-2010

 Observaţii: n=48

 Media:187545,1

 Mediana:160771,8

 Valoarea maximă:365012,0

 Valoarea minimă:77513,20

 Abaterea medie pătratică: 77112,12

 Coeficientul de asimetrie Skewness:0,696377>0 arătând o asimetrie de dreapta, adică mai

multe valori mai mici decât media

 Coeficientul de aplatizare Kurtosis:2,245654<3, distribuţia fiind mai plată decât distributa

normală numită platykurtotica

IV.

1. Estimarea parametrilor

Pentru a determina estimatorii modelului vom aplica metoda celor mai mici pătrate, însă
utilizând Eviews, doar prin simpla introducere a modelului multifactorial, acesta returnează modelul
5
estimat, împreună cu mai multe valori necesare.Prin urmare, preluând datele din tabelul de mai jos
putem uşor să aflăm forma ajustată a modelului, precum să şi testăm validitatea parametrilor.

Dependent Variable: PIB

Method: Least Squares
Date: 01/15/12 Time: 10:10
Sample: 1963 2010
Included observations: 48

Variable Coefficient Std. Error t-Statistic Prob.

CF 1.027913 0.028745 35.75982 0.0000

IB 0.677485 0.127157 5.327948 0.0000
C 12017.00 8225.830 1.460886 0.1510

R-squared 0.998753 Mean dependent var 1188656.

Adjusted R-squared 0.998698 S.D. dependent var 402057.2
S.E. of regression 14508.50 Akaike info criterion 22.06332
Sum squared resid 9.47E+09 Schwarz criterion 22.18027
Log likelihood -526.5197 Hannan-Quinn criter. 22.10751
F-statistic 18024.22 Durbin-Watson stat 0.471831
Prob(F-statistic) 0.000000

 Forma ajustată a modelului este :

2. Testarea semnificaţiei parametrilor ecuaţiei de regresie:

Pentru testarea parametrului

Stabilirea ipotezelor testului =0(parametrul nu este semnificativ statistic)

0(parametrul este semnifictiv statistic)

Calcularea testului :

Deoarece modelul are un eşantion de volum mare (n=48>30) utilizăm pentru a testa, testul z:

= = =1,460886

Decizia testului : vom compara cu valoarea tabelară a lui care este egală cu
0,150994436354147

6
Aşadar respingem ipoteză şi acceptăm ipoteza adică parametrul este
semnificativ statistic.

Pentru testarea parametrului

Stabilirea ipotezelor testului (parametrul nu este semnificativ statistic)

0(parametrul este semnificativ statistic)

Calcularea testului :

Deoarece modelul are un eşantion de volum mare (n=48>30) utilizăm pentru a testa, testul z:

= = =35,75982

Decizia testului : vom compara cu valoarea tabelară a lui care este egală cu
1,08804433586601E-34

Aşadar respingem ipoteză şi acceptăm ipoteza adică parametrul este

semnificativ statistic.

Pentru testarea parametrului :

Stabilirea ipotezelor testului (parametrul nu este semnificativ statistic)

0(parametrul este semnificativ statistic)

Calcularea testului :

Deoarece modelul are un eşantion de volum mare (n=48>30) utilizăm pentru a testa, testul z:

= = =5,327941

Decizia testului : vom compara cu valoarea tabelară a lui care este egală cu
3,06476368219573E-06

Aşadar respingem ipoteză şi acceptăm ipoteza adică parametrul este

semnificativ statistic.

3. Testarea validităţii modelului multiplu de regresie

ANOVA

7
 df SS MS F Significance F
7,58808E+1 3,79E+ 18024,2
Regression 2 2 12 2 4,52009E-66
2,1E+0
Residual 45 9472351607 8
7,59755E+1
Total 47 2

Pentru a testa validitatea modelului ne vom folosi de tabelul ANOVA prezentat mai sus.

Stabilirea ipotezelor testului modelul este nevalid statistic

modelul este valid statistic

Calcularea testului :

F= =18024,22

Decizia testului : vom compara cu valoarea tabelară a lui care este egală cu 3,204.

Aşadar respingem ipoteză şi acceptăm ipoteza adică modelul este valid.

4. Verificarea ipotezelor modelului

În definirea regresiei liniare sunt considerate o serie de ipoteze.Acestea sunt importante în

estimare şi stabilirea proprietăţilor parametrilor modelului.Pentru testarea acestor ipoteze vom
folosi o serie de ipoteze statistice.

Ipoteza 1. Media variabilei reziduale este egală cu 0

RESIDUAL
OUTPUT

Predicted
Observation GDP Residuals Average
1 646840,7384 -15513,4384 -5,6995E-10
2 679505,0282 -13569,8282
3 691768,1556 -10951,85555
4 704015,9611 -10094,16109
5 726712,1882 -15673,08824
6 750106,6906 -9189,890615
7 756409,5788 -137,5788253
8 773189,6119 57,28808877
9 790219,128 -762,8279939
10 829417,7938 -11126,09375
8
 11 881455,4632 -4271,963218
12 866733,5348 -1080,234762
13 864358,5768 -4084,176823
14 878452,3092 4498,290785
15 886215,8465 17695,8535
16 918290,0043 14819,69573
17 949937,6044 8173,195633
18 919401,3215 18762,37845
19 914973,2013 10781,99867
20 932205,72 12918,97998
21 971782,2541 7595,845927
22 996859,513 8675,987031
23 1024835,448 16898,15205
24 1074320,871 9211,329147
25 1123530,419 9435,780683
26 1202545,757 -12569,45716
27 1238119,569 -20991,96939
28 1243359,292 -16745,69227
29 1224684,33 -15153,12975
30 1232707,72 -21402,31967
31 1256693,229 -18467,52879
32 1295295,389 -4069,989487
33 1320106,314 10529,78617
34 1361592,276 7436,524173
35 1371565,568 44305,03246
36 1440849,406 29456,69412
37 1507859,422 16166,27848
38 1577313,953 14700,04662
39 1635319,799 6837,300822
40 1697039,385 -11234,18509
41 1755589,883 -10363,78345
42 1813654,572 -16822,87205
43 1852167,71 -17874,00959
44 1893372,619 -11255,31929
45 1951103,306 -3822,206254
46 1922931,065 2832,934566
47 1834240,724 7310,775828
48 1875853,549 -1872,549185

Această ipoteză se verifică(E =0) după cum se observă din output-ul reziduurilor prezentat
mai sus .Verificarea acestei ipoteze relevă faptul că ceilalţi factori neînregistraţi, cu excepţia
caracteristicii exogene, nu au o influenţă sistematică asupra mediei caracteristicii endogene.

Ipoteza 2. Varianta reziduului este constantă(ipoteza de homoscedasticitate)

Ipoteza de homoscedaticitate se verifică dacă vâr σ2 ε i .

Această ipoteză poate fi verificată aplicând testul WHITE şi parcurgând următoarele etape:
9
Heteroskedasticity Test: White

F-statistic 1.473904 Prob. F(5,42) 0.2187

Obs*R-squared 7.165090 Prob. Chi-Square(5) 0.2086
Scaled explained SS 7.406770 Prob. Chi-Square(5) 0.1921

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 01/15/12 Time: 10:13
Sample: 1963 2010
Included observations: 48

Variable Coefficient Std. Error t-Statistic Prob.

C -1.14E+09 5.57E+08 -2.053669 0.0463

CF 2860.704 3119.113 0.917153 0.3643
CF^2 -0.003761 0.006751 -0.557063 0.5804
CF*IB 0.023234 0.060167 0.386162 0.7013
IB -607.7627 14104.16 -0.043091 0.9658
IB^2 -0.052459 0.133876 -0.391852 0.6971

R-squared 0.149273 Mean dependent var 1.97E+08

Adjusted R-squared 0.047996 S.D. dependent var 3.06E+08
S.E. of regression 2.98E+08 Akaike info criterion 41.98250
Sum squared resid 3.74E+18 Schwarz criterion 42.21640
Log likelihood -1001.580 Hannan-Quinn criter. 42.07089
F-statistic 1.473904 Durbin-Watson stat 1.611386
Prob(F-statistic) 0.218725

Estimarea modelului prin metoda celor mai mici pătrate

Se estimează paramterii modelului eroare prin metoda celor mai mici pătrate:

Forma ajustată 2860.704* -607.7627* -0.003761* -0.052459* +0.023234* *

Se stabilesc ipotezele modelului : (modelul este homoscedastic)

(modelul este heteroscedastic)

Se calculează statistica testului prin multiplicatorul Lagrange:

LM= n* =48*0.149273=7.165090

10
Decizia testului: vom compara cu valoarea tabelară a lui χr2care este egală cu χ52 =11,07.( r
reprezintă numărul de coeficienți ai modelului (ei,xij)).
Aşadar <χr2 => respingem ipoteză şi acceptăm ipoteza modelul fiind homoscedastic.

Ipoteza 3. Necorelarea reziduurilor(între termenii reziduali nu se manifestă fenomenul de

covarianţa)

Aceasta este definită de relaţia : cov( )=0,

Putem verifica dacă acest fenomen are loc cu ajutorul testului Durbin-Watson care
detectează autocorelearea de ordinul I la nivelul seriei reziduurilor.

Dependent Variable: PIB

Method: Least Squares
Date: 01/15/12 Time: 10:10
Sample: 1963 2010
Included observations: 48

Variable Coefficient Std. Error t-Statistic Prob.

CF 1.027913 0.028745 35.75982 0.0000

IB 0.677485 0.127157 5.327948 0.0000
C 12017.00 8225.830 1.460886 0.1510

R-squared 0.998753 Mean dependent var 1188656.

Adjusted R-squared 0.998698 S.D. dependent var 402057.2
S.E. of regression 14508.50 Akaike info criterion 22.06332
Sum squared resid 9.47E+09 Schwarz criterion 22.18027
Log likelihood -526.5197 Hannan-Quinn criter. 22.10751
F-statistic 18024.22 Durbin-Watson stat 0.471831
Prob(F-statistic) 0.000000

Parcurgem următorii paşi:

1.Se determină coeficienţii modelului de regresie prin metode celor mai mici pătrate

2.Stabilirea ipotezelor: (nu există autocorelare la nivelul seriei rezidurilor)

(există o autocorelare de ordinul I la nivelul seriei reziduurilor)

3.Calcularea testului: DW=2(1- )=0,471831

4.Se ia decizia testului astfel :

11
 Se stabilesc valorile critice ale statisticii Durbin Watson, dU și dL în funcție de numărul de
variabile exogene incluse în modelul de regresie (k=4), de numărul de observații (n=62) și de pragul
de semnificație ales (α=5%), unde dL=1,285 şi dU=1,445

Se compară statistica Durbin Watson cu valorile critice ale statisticii și rezultă următoarele
intervale decizionale:

 0 < DW < dL: erorile sunt autocorelate pozitiv;

 dL < DW < dU: testul DW este neconcludent;

 d2U< DW < 4 - dU: erorile nu sunt autocorelate;

 4 – d2U< DW < 4 – dL: testul DW este neconcludent;

 4 – d1 < DW < 4: erorile sunt autocorelate negativ

=>DW<d1 => erorile se autocoreleaza pozitiv

Corectarea autocorelarii:

εi=ρ*εi-1 + ui =>ui=εi-ρ*εi-1(zgomotul alb)

PIBi = bo + b1* +εi

PIBi – ρ* PIBi-1 =bo(1-ρ) + b1( i – ρ* i-1)+b2( i –ρ* i-1)+ εi - ρ*εi-1

Notăm: PIB*i = PIBi – ρ* PIBi-1

i= i – ρ* i-1 bo(1-ρ)

*i = i –ρ* i-1

Modelul de regresie devine astfel: PIB*i= +b1* i + b1* + ui

Vom parcurge din nou etapele de estimării parametrilor noului model de regresie:
Dependent Variable: PIBI_
Method: Least Squares
Date: 01/15/12 Time: 10:18
Sample (adjusted): 1963 2009
Included observations: 47 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

12
 CF_ 0.994337 0.027104 36.68631 0.0000
IB_ 0.744775 0.096948 7.682174 0.0000
C 8602.291 4461.524 1.928106 0.0603

R-squared 0.991939 Mean dependent var 303421.9

Adjusted R-squared 0.991572 S.D. dependent var 100268.5
S.E. of regression 9204.960 Akaike info criterion 21.15457
Sum squared resid 3.73E+09 Schwarz criterion 21.27267
Log likelihood -494.1325 Hannan-Quinn criter. 21.19901
F-statistic 2707.059 Durbin-Watson stat 1.837319
Prob(F-statistic) 0.000000

=>Forma ajustată a modelului nou obţinut : *=8602.291+0.994337* i+0.744775*

Noul model este semnificativ statistic( F-statistic>Ftab), urmând să verificăm dacă noul model
mai prezintă autocorelare la nivelul seriei reziduurilor.

DW=1,837

dL=1,285

dU=1,445 => DW>dU

Verificând intervalele decizionale prezentate mai sus putem concluziona că erorile nu se

autocoreleaza

Ipoteza 4. Între variabilele explicative există o relaţie liniară perfectă(se corelează)

Acest fenomen poate fi studiat cu ajutorul criteriului Klein parcurcand următoarele etape:

 Se estimează parametrii modelului de regresie: = , = , =

 Se calculează matricea de corelaţie a variabilelor explicative

PIB CF IB
0.99898285701 0.98149067824
PIB 1 8665 18064
0.99898285701 0.97643104057
CF 8665 1 03859
0.98149067824 0.97643104057
IB 18064 03859 1

13
 
Se depistează variabilele explicative coliniare, cele pentru care există o dependenţă liniară
semnificiative având în vedere verificarea relaţiei <

Dependenţa între şi : =0,9534175< =0.998753 => nu există multicoliniaritate ,

între variabile nu există o dependenţă liniară

Ipoteza 5. Variabilele reziduale nu sunt corelată cu variabila independentă

Dacă această ipoteză este îndeplinită atunci cov(X, )=0, .Putem verifica această ipoteză cu
ajutorul matricei de covarianţă

PIB CF IB
158282267527. 134154157599. 29795678140.2
PIB 2227 2962 4242
134154157599. 113935729819. 25149103593.2
CF 2962 1206 9162
29795678140.2 25149103593.2 5822398506.48
IB 4242 9162 9475

Îndeplinirea ipotezei 5 se poate observa foarte uşor din matrice => o creştere a variabilelor
exogene nu duce implicit la un spor al variabilei reziduale.

Ipoteza 6. Variabilă reziduală este repartizată normal

Pentru indepliniea ipotezei trebuie verificat dacă variabilele reziduale sunt distribuite după o
repartiţie normală, de medie 0 şi variantă .

Testul cu ajutorul căruia vom putea verifica această ipoteză este testul Jarcque-Bera
9
Series: RESID
8 Sample 1963 2010
Observations 48
7

6 Mean -1.92e-10
Median -921.5314
5 Maximum 44305.03
Minimum -21402.32
4 Std. Dev. 14196.46
Skewness 0.634495
3
Kurtosis 3.352311
2
Jarque-Bera 3.468920
1 Probability 0.176495

0
-20000 -10000 0 10000 20000 30000 40000

14
Stabilirea ipotezelor testului : : εi → N(0,1)

: εi nu urmează N(0,1)
Decizia testului : JB=3,468920 şi se compară cu valoarea tabelară χ22;1-α=5,99>JB => se respinge
şi se acceptă seria reziduurilor fiind distribuită normal.

15
 BIBLIOGRAFIE

 Anonymous;”GDP în the UK”; “Personnel Today”;Nov 8, 2005, pg.55

 Authort:Anonymous,Publisher:Oxford Economics Ltd., „UK Weekly”, Aug 2009, pg.1-9

 Erber, Jeff, Wien, Byron, „The UŞ îs ceartinly not în decline form the standpoint of
GDP”,”Financial Times” Aug 13, 2008, pg.8

 „UK:Economic Backround”, The Economist Intelligence Unit, 13 Iun 2007

 Keogh-brown Mărcuş Richard;Smith Richard D;John W Edmunds;Phillippe Beutels„The

macroeconomic impact of pandemic influenza:estimates from models of the United
Kingdom,France, Belgium and the Netherlands”; The European Journal of Health
Economics;vol(11), pg.543-544, dec 2010

16