Proiect-Analiza Productiei de Ovaz

Proiect econometrie –Modelul liniar al regresiei simple
Tabelul nr.1. Productia de ovaz si suprafata cultivata cu ovaz în România, Olt, in perioada dintre
1990 şi 2016
Productia de ovaz Suprafata cultivata cu ovaz
An (tone) (hectare)
1990 1859 723
1991 1117 738
1992 3742 1482
1993 6428 4211
1994 5895 3426
1995 3632 1913
1996 1588 3441
1997 2337 1781
1998 4287 2833
1999 5968 3630
2000 2076 3880
2001 5888 3676
2002 1326 3818
2003 4869 4894
2004 10082 4434
2005 8899 5051
2006 9581 5101
2007 4245 5246
2008 12145 6834
2009 7565 6256
2010 10983 6177
2011 9156 4141
2012 9459 5249
2013 10683 5648
2014 10357 5503
2015 7972 5170
2016 9135 5236
Sursa: http://www.insse.ro/cms/, 2018
Selectarea perioadei prin atribuirea seriei referitoare la an date de tipul „date”.
Fereastra cu baza de date:
 Redenumirea variabilelor:
 Generati o noua serie:
Transformarea seriei suprafata prin logaritmare folosind ecuaţia: ln_suprafata =log(suprafata),

unde ln_suprafata este noua serie creata.
Productia de ovaz (tone)
14,000
12,000
10,000
8,000
6,000
4,000
2,000
0
90 92 94 96 98 00 02 04 06 08 10 12 14 16
Fig.4.1. Evoluţia productiei de ovaz în România, Olt între 1990 şi 2016

Sursa: reprezentare proprie în Eviews, 2018
Din figura 4.1 reiese ca, productia de ovaz a avut o evolutie puternic oscilanta in
Romania, Olt, in perioada 1990-2016, valoarea din anul final fiind cu 391.39% mai mare decat
cea din anul initial.
Suprafata cultivata cu ovaz (hectare)

7,000
6,000
5,000
4,000
3,000
2,000
1,000
0
90 92 94 96 98 00 02 04 06 08 10 12 14 16
Fig.4.2. Evoluţia suprafetei cultivate cu ovaz în România, Olt între 1990 şi 2016
Din figura 4.2 reiese ca, suprafata cultivata cu ovaz a avut o evolutie ascendenta, cu
anumite perioade de oscilatie in perioada 1990-2016, valoarea din anul final fiind cu 624.20%
mai mare decat cea din anul initial.
Conform figurii 4.3, media productie de ovaz a fost de 6343.48 tone pentru perioada
dintre 1990 şi 2016, înregistrându-se mediana de 5968 tone, abaterea standard de 3428.54 tone,
minimul de 1117 tone în anul 1991 şi maximul de 12145 tone în anul 2008.
5
Series: PRODUCTIE
Sample 1990 2016
4 Observations 27
Mean 6343.481
3 Median 5968.000
Maximum 12145.00
Minimum 1117.000
2
Std. Dev. 3428.544
Skewness -0.041820
1
Kurtosis 1.679975
Jarque-Bera 1.968145
0 Probability 0.373786
2000 4000 6000 8000 10000 12000
Fig.4.3. Histograma şi statistica descriptivă aferente productiei de ovaz în România, Olt între
1990 şi 2016
Datele au o distribuite normala, deoarece, probabilitatea aferenta testului Jarque-Bera de

0.37 este > 0.05; Skewness se afla in intervalul [-1 ; 1], in ciuda faptului ca valoarea lui Kurtosis
de 1.67 nu tinde catre valoarea de 3.
Conform figurii 4.4. media suprafetei cultivate cu ovaz în România, Dolj a fost de
4092.29 ha, cu mediana de 4211 ha, abaterea standard de 1655.7 ha, pentru perioada dintre
1990 şi 2016, înregistrându-se minimul de 723 ha în anul 1990 şi maximul de 6834 ha în anul
2008.
7
Series: SUPRAFATA
6 Sample 1990 2016
Observations 27
5
Mean 4092.296
4 Median 4211.000
Maximum 6834.000
3 Minimum 723.0000
Std. Dev. 1655.709
2 Skewness -0.557617
Kurtosis 2.508627
1
1000 2000 3000 4000 5000 6000 7000
Fig.4.4. Histograma şi statistica descriptivă aferente suprafetei cultivate cu ovaz în România, Olt
între 1990 şi 2016
Testele Skewness,Kurtosis şi Jarque-Bera indică normalitatea datelor. Valoarea lui

Skewness de -0,55 se află în intervalul [-1 ; 1], care indică o distribuţie normală a datelor şi, prin
urmare, acestea nu trebuie transformate pentru seria suprafata. Valoarea negativă arată totuşi o
înclinaţie spre dreapta a distribuţiei datelor. De asemenea, valoarea lui Kurtosis de 2,508 tinde
către valoarea 3 care indică o distribuţie normală şi, prin urmare, acestea nu trebuie transformate.
Totuşi, se manifestă o aplatizare a distribuţiei datelor din cauza valorii Kurtosis sub 3. În plus,
probabilitatea aferentă testului Jarque-Bera de 0,43 este mai mare decât 0,05, ceea ce indică
acceptarea ipotezei nule H0 de existenţă a unei distribuţii normale.
Conform figurii 5.1, evoluţia celor doi indicatori nu pare a prezenta o oscilaţie
asemănătoare sau in contradictoriu în perioada 1990-2016.
7,000 14,000
6,000 12,000
5,000 10,000
4,000 8,000
3,000 6,000
2,000 4,000
1,000 2,000
0 0
90 92 94 96 98 00 02 04 06 08 10 12 14 16

Fig.5.1. Evoluţia suprafetei cultivate cu ovaz si productia de ovaz in România, Olt între 1990 şi
2016
Tabelul nr.2. Statistica descriptivă productiei de ovaz si a suprafetei cultivate cu ovaz în

România, Olt între 1990 şi 2016
PRODUCTIE SUPRAFATA
Mean 6343.481 4092.296
Median 5968.000 4211.000
Maximum 12145.00 6834.000
Minimum 1117.000 723.0000
Std. Dev. 3428.544 1655.709
Skewness -0.041820 -0.557617
Kurtosis 1.679975 2.508627
Jarque-Bera 1.968145 1.670844

Probability 0.373786 0.433691
Sum 171274.0 110492.0

Sum Sq. Dev. 3.06E+08 71275714
Observations 27 27
Statistica descriptivă a fost analizată la pasul 4.

7,000
6,000
5,000
4,000
3,000
2,000
1,000
0
0 2,000 4,000 6,000 8,000 10,000 14,000
Fig.5.2. Corelograma aferentă productie de ovaz si suprafetei cultivate cu ovaz în România, Olt
între 1990 şi 2016
Corelograma prezentată în figura 5.2 nu indică o corelaţie liniară între seriile de timp
analizate, dar pentru exercitiu se va continua aplicaţia aplicând MLRS.
Tabelul nr.3. Autocorelaţia privind datele din anul n-(n-1) referitoare la

Productia de ovaz în România, Olt între 1990 şi 2016
Date: 05/22/18 Time: 01:04

Sample: 1990 2016
Included observations: 26
Autocorrelation Partial Correlation AC PAC Q-Stat Prob
1 -0.541 -0.541 8.5336 0.003

2 0.225 -0.097 10.065 0.007
3 -0.307 -0.322 13.041 0.005
4 0.048 -0.404 13.116 0.011
5 0.190 0.024 14.365 0.013
6 -0.116 -0.055 14.851 0.021
7 0.182 0.098 16.116 0.024
8 -0.301 -0.068 19.769 0.011
9 0.123 -0.127 20.421 0.015
10 -0.083 -0.144 20.735 0.023
11 0.099 -0.161 21.210 0.031
12 0.011 -0.155 21.216 0.047
Din tabelul nr. 3 putem observa ca exista autocrelatie in cazul productiei de ovaz la prima
diferenta.
Tabelul nr.4. Autocorelaţia privind datele din anul n-(n-1) referitoare la
Suprafata cultivata cu ovaz în România, Olt între 1990 şi 2016
Date: 05/22/18 Time: 01:06

Sample: 1990 2016
Autocorrelation Partial Correlation AC PAC Q-Stat Prob
1 -0.302 -0.302 2.6519 0.103

2 -0.124 -0.237 3.1218 0.210
3 0.019 -0.115 3.1336 0.371
4 -0.122 -0.217 3.6229 0.459
5 0.113 -0.028 4.0654 0.540
6 -0.027 -0.066 4.0916 0.664
7 0.144 0.154 4.8859 0.674
8 -0.237 -0.184 7.1604 0.519
9 0.084 0.022 7.4656 0.589
10 0.140 0.117 8.3630 0.593
11 -0.194 -0.079 10.187 0.514
12 0.077 -0.041 10.492 0.573
Tabelul numarul 4 ne arata ca nu este prezenta autocorelatia in cazul suprafetei cultivate.
Daca probabilitatea aferenta testului t-statistics (Prob.) are o valoare sub 0.05 si valoarea
in modul a testului Dickey-Fuller este mai mare decat cele 3 valori critice in modul ale testului
(Test critical values) de pe coloana t-statistics, atunci ipoteza nula de existenta a unei radacini
unitate poate fi respinsa si, deci, datele sunt stationare.
In caz contrat, daca probabilitatea aferenta testului t-statistics (Prob.) are o valoare mai
mare de 0.05 si/sau valoarea in modul a testului Dickey-Fuller este mai mica decat cele 3 valori
critice in modul ale testului (Test critical values) de pe coloana t-statistics, atunci ipoteza nula
este confirmata si, deci, datele NU sunt stationare. Astfel, in acest caz, trebuie testat nivelul
diferentelor pana cand stationaritatea este identificata.
Tabelul nr.5. Rezultatele testării staţionarităţii pentru productia de ovaz în România, Olt, la nivel
cu trend si constanta
Null Hypothesis: PRODUCTIE has a unit root

Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=6)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -4.711444 0.0045

Test critical values: 1% level -4.356068
5% level -3.595026
10% level -3.233456
*MacKinnon (1996) one-sided p-values.

Conform tabelului nr.5, prin aplicarea testului Augmented Dickey-Fuller test,se observă
că datele privind productia de ovaz sunt staţionare, deoarece probabilitatea aferentă t-statistic,
care are valoarea 0,0045, este mai mică decât 0,05 şi valorile critice ale lui t-statistic de 1%, 5%
şi 10% au valorile în modul mai mici decât valoarea în modul a testului Augmented Dickey-
Fuller de -4,71, la nivel şi având în vederea existenţa trendului şi a constantei (trend and
intercept).
Tabelul nr.6. Rezultatele testării staţionarităţii pentru suprafata cultivata cu ovaz în România,
Olt, la nivel cu trend si constanta
Null Hypothesis: SUPRAFATA has a unit root

t-Statistic Prob.*

5% level -3.595026
10% level -3.233456

Prin aplicarea testului Augmented Dickey-Fuller test,se observă că datele nu sunt

stationare, deoarece valorile critice ale lui t-statistic de 1%, 5% sunt mai mari in modul decat
valoarea în modul a testului Augmented Dickey-Fuller de -3.33 si probabilitatea aferentă t-
statistic, care are valoarea 0,08, este mai mare decât 0,05. la nivel şi având în vederea existenţa
trendului şi a constantei (trend and intercept).
Prin urmare, se va trece la prima diferenta pentru testarea stationaritatii.

Tabelul nr.7. Rezultatele testării staţionarităţii pentru suprafata cultivata cu ovaz în România,
Olt, la prima diferenta cu trend si constanta
Null Hypothesis: D(SUPRAFATA) has a unit root

t-Statistic Prob.*

5% level -3.603202
10% level -3.238054

Conform tabelului nr.7, prin aplicarea testului Augmented Dickey-Fuller test,se observă
că datele privind suprafata cultivata sunt staţionare, deoarece probabilitatea aferentă t-statistic,
care are valoarea 0,0001, este mai mică decât 0,05 şi valorile critice ale lui t-statistic de 1%, 5%
şi 10% au valorile în modul mai mici decât valoarea în modul a testului Augmented Dickey-
Fuller de -6.67, la prima diferenţă şi având în vederea existenţa trendului şi a constantei (trend
and intercept).
Astfel, pentru a realiza regresia se va considera noua serie a suprafetei cultivate cu ovaz
prin aplicarea primei diferenţe: d_suprafata =d(suprafata).
Se vor considera seriile: productie si d_suprafata.

Tabelul nr.8. Rezultatele testării staţionarităţii de grup la nivel şi cu trend şi constantă
Group unit root test: Summary
Series: PRODUCTIE, D_SUPRAFATA
Date: 05/22/18 Time: 01:14
Sample: 1990 2016
Exogenous variables: Individual effects, individual linear trends
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0
Newey-West automatic bandwidth selection and Bartlett kernel
Cross-
Method Statistic Prob.** sections Obs
Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* -5.42964 0.0000 2 51
Breitung t-stat -6.21396 0.0000 2 49
Null: Unit root (assumes individual unit root process)

Im, Pesaran and Shin W-stat -5.91398 0.0000 2 51
ADF - Fisher Chi-square 30.3524 0.0000 2 51
PP - Fisher Chi-square 53.7578 0.0000 2 51
** Probabilities for Fisher tests are computed using an asymptotic Chi

-square distribution. All other tests assume asymptotic normality.
În tabelul 8 se arată că datele sunt staţionare întrucât testul Levin, Liu şi Chu prezintă o
probabilitate de 0.0000, mai mica decât 0,05.
8
Series: D_SUPRAFATA
7 Sample 1990 2016
Observations 26
6
5
Mean 173.5769
Median 104.0000
4 Maximum 2729.000
Minimum -2036.000
3 Std. Dev. 1046.593
Skewness 0.043002
2 Kurtosis 3.362757
1
-2000 -1000 0 1000 2000 3000
Fig.7.1. Histograma şi statistica descriptivă aferente suprafetei cultivate cu ovaz în România, Olt
între 1990 şi 2016, la prima diferenta
Datele au o distribuite normala, deoarece, probabilitatea aferenta testului Jarque-Bera de
0.92 este > 0.05; Skewness se afla in intervalul [-1 ; 1], iar, valoarea lui Kurtosis de 3.36 tinde
catre valoarea de 3.
Ecuatia modelului liniar al regresiei simple:
yt= a*xt+b+εt, t=1...T
yt= variabila dependentă este productia de ovaz
xt=variabila independentă este modificarea suprafetei cultivate cu ovaz
Deci, ecuaţia modelului va deveni: productiet =a*d_suprafatat +b+εt, unde a şi b reprezintă
parametrii modelului şi εt reprezintă erorile modelului, iar t=1...27
Tabelul nr.9. Matricea de corelaţie
Covariance Analysis: Ordinary

Date: 05/22/18 Time: 01:19
Sample: 1991 2016
Balanced sample (listwise missing value deletion)
Correlation
Probability PRODUCTIE D_SUPRAF...
PRODUCTIE 1.000000
-----
D_SUPRAFATA 0.021671 1.000000

0.9163 -----
Din tabelul nr.9. observăm că cele două variabile nu sunt corelate deoarece probabilitatea
de 0,91 este mai mare decât probabilitatea de 0,05 care ar arăta corelaţie între cele două
variabile. Astfel, cele două pot fi introduse într-un model de regresie simplă.
Pentru testarea cauzalităţii dintre variabile, adică a direcţiei de influenţă regăsită între
cele două variabile se aplică testul Granger.
Tabelul nr.10. Rezultatele testului Granger privind cauzalitatea între variabile
Pairwise Granger Causality Tests

Date: 05/22/18 Time: 01:20
Sample: 1990 2016
Lags: 2
Null Hypothesis: Obs F-Statistic Prob.
D_SUPRAFATA does not Granger Cause PRODUCTIE 24 0.57734 0.5709

PRODUCTIE does not Granger Cause D_SUPRAFATA 1.02027 0.3794
Se observă că probabilitatea aferentă testului F este în ambele cazuri mai mare decât 0,05,
ceea ce demonstrează că de fapt modificarea suprafetei cultivate cu ovaz nu cauzează/
influenţează productia de ovaz şi viceversa.
Normal, nu ar trebui să continuăm cu modelul regresiei, însă pentru exerciţiu o vom face.
Ecuatia modelului: PRODUCTIE = C(1)*D_SUPRAFATA + C(2); productie d_suprafata c

-prin utiliarea metodei celor mai mici pătrate.
Tabelul nr.11. Rezultatul regresiei simple

Dependent Variable: PRODUCTIE
Method: Least Squares
Date: 05/22/18 Time: 01:21
Sample (adjusted): 1991 2016
Included observations: 26 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
D_SUPRAFATA 0.069882 0.658069 0.106193 0.9163

C 6503.832 684.9477 9.495370 0.0000
R-squared 0.000470 Mean dependent var 6515.962

Adjusted R-squared -0.041177 S.D. dependent var 3374.870
S.E. of regression 3443.654 Akaike info criterion 19.20026
Sum squared resid 2.85E+08 Schwarz criterion 19.29703
Log likelihood -247.6033 Hannan-Quinn criter. 19.22813
F-statistic 0.011277 Durbin-Watson stat 0.896621
Prob(F-statistic) 0.916312
PRODUCTIE = 0.0698822977702*D_SUPRAFATA + 6503.83158424
Intre productie si modificarea suprafetei exista o relatie directa, dar nesemnificativa, astfel,
cresterea cu o unitate (ha) a modificarii suprafetei duce la o crestere cu 0.069 tone a productiei.
 Testul t-statistics:
Probabilitatea aferenta acestui test de 0,91 este mai mare decat 0.05, atunci variabila exogenă
nu pare să producă efecte asupra variabilei endogene statistic semnificativ.
 R-squared∊[0,1] şi F-statistics:
Valoarea lui R-squared de 0,0000 şi probabilitatea aferentă lui F-statistic de 0,91 indică
faptul că modelul nu este reprezentativ şi valid,
-> 0 ⇒ variabila dependenta/endogena este explicata foarte putin de variabila independentă,
ceea ce înseamnă că există alţi factori care contribuie la evoluţia variabilei endogenesau modelul
nu este corect ales.
 Durbin-Watson:
Acest test indica corelatia intre erorile modelului, iar valoarea sa de 0.89 nu este apropiată de
valoarea 2 şi, deci, erorile sunt corelate.
PRODUCTIE = 0.0698822977702*D_SUPRAFATA + 6503.83158424
Tabelul nr. 12. Intervalele de încredere pentru parametrii a şi b
Coefficient Confidence Intervals

Date: 05/22/18 Time: 01:26
Sample: 1990 2016
90% CI 95% CI 99% CI

Variable Coefficient Low High Low High Low High
D_SUPRAFATA 0.069882 -1.055997 1.195762 -1.288306 1.428071 -1.770698 1.910463

C 6503.832 5331.967 7675.696 5090.169 7917.494 4588.074 8419.589
Valoarea parametrului real a se gaseste in intervalul a∊ [ -1.77 ; 1.91] cu o probabilitate

de 99%, iar valoarea parametrului real b se gaseste in intervalul b∊[4588.07 ; 8419.58] cu o prob.
de 99%.
Valoarea parametrului real a se gaseste in intervalul a∊ [ -1.28 ; 1.42] cu o probabilitate
de 95%.
Valoarea parametrului real a se gaseste in intervalul a∊ [ -1.05; 1.19] cu o probabilitate
de 90%.
Pentru ca modelul sa fie valid, reziduurile trebuie sa fie homoscedastice, neliniare si

distribuite normal.
Tabelul nr.13. Erorile modelului
obs Actual Fitted Residual Residual Plot

1991 1117 6504.87... -5387.8...
1992 3742 6555.82... -2813.8...
1993 6428 6694.54... -266.54...
1994 5895 6448.97... -553.97...
1995 3632 6398.09... -2766.0...
1996 1588 6610.61... -5022.6...
1997 2337 6387.82... -4050.8...
1998 4287 6577.34... -2290.3...
1999 5968 6559.52... -591.52...
2000 2076 6521.30... -4445.3...
2001 5888 6489.57... -601.57...
2002 1326 6513.75... -5187.7...
2003 4869 6579.02... -1710.0...
2004 10082 6471.68... 3610.31...
2005 8899 6546.94... 2352.05...
2006 9581 6507.32... 3073.67...
2007 4245 6513.96... -2268.9...
2008 12145 6614.80... 5530.19...
2009 7565 6463.43... 1101.56...
2010 10983 6498.31... 4484.68...
2011 9156 6361.55... 2794.44...
2012 9459 6581.26... 2877.73...
2013 10683 6531.71... 4151.28...
2014 10357 6493.69... 3863.30...
2015 7972 6480.56... 1491.43...
2016 9135 6508.44... 2626.55...
Coloana Residual se afla prin diferenta dintre Actual si Fitted. Residual plot arata valorile
valorilor reziduurilor in functie de linia de regresie.
14,000
12,000
10,000
8,000
6,000
6,000 4,000
4,000 2,000
2,000 0
-2,000
-4,000
-6,000
92 94 96 98 00 02 04 06 08 10 12 14 16
Residual Actual Fitted

Fig.13.1. Reprezentarea grafică a erorilor
Tabelul nr.14. Testarea heteroscedasticitatea erorilor
Heteroskedasticity Test: White

Null hypothesis: Homoskedasticity
F-statistic 0.232444 Prob. F(2,23) 0.7944

Obs*R-squared 0.515113 Prob. Chi-Square(2) 0.7729
Scaled explained SS 0.159526 Prob. Chi-Square(2) 0.9233
Test Equation:
Dependent Variable: RESID^2
Date: 05/22/18 Time: 01:30
Sample: 1991 2016
C 11562430 2297776. 5.032010 0.0000

D_SUPRAFATA^2 -0.711741 1.190548 -0.597827 0.5558
D_SUPRAFATA 894.0012 1934.293 0.462185 0.6483
R-squared 0.019812 Mean dependent var 10946539

Adjusted R-squared -0.065422 S.D. dependent var 9517754.
S.E. of regression 9824155. Akaike info criterion 35.14675

Probabilitatea Heteroskedasticity Test White a lui F-statistic de 0,79 este >=0,05. Astfel,
apare homoscedasticitatea reziduurilor, care este una dintre ipotezele de validitate a reziduurilor
si, implicit,a modelului.
Tabelul nr.15. Autocorelarea reziduurilor
Breusch-Godfrey Serial Correlation LM Test:

Null hypothesis: No serial correlation at up to 2 lags
F-statistic 6.226392 Prob. F(2,22) 0.0072

Obs*R-squared 9.397568 Prob. Chi-Square(2) 0.0091
Test Equation:
Dependent Variable: RESID
Date: 05/22/18 Time: 01:31
Sample: 1991 2016
Presample missing value lagged residuals set to zero.
D_SUPRAFATA 0.474523 0.579274 0.819169 0.4215

C 11.37569 572.5340 0.019869 0.9843
RESID(-1) 0.376751 0.207601 1.814783 0.0832
RESID(-2) 0.351563 0.199125 1.765535 0.0914
R-squared 0.361445 Mean dependent var 8.05E-13

Adjusted R-squared 0.274369 S.D. dependent var 3374.078
S.E. of regression 2874.173 Akaike info criterion 18.90556
H0. NU exista corelatie intre reziduuri in timp. H1. exista corelatie intre reziduuri in timp si
modelul este valid, dar nesemnificativ statistic.
Prob.Chi-sqare de 0,009 este mai mica decât 0,05 şi, deci, există corelaţie între reziduuri şi
modelul este valid, dar nesemnificativ statistic.
5
Series: Residuals
Sample 1991 2016
4 Observations 26
Mean 8.05e-13
3 Median -410.2572
Maximum 5530.195
Minimum -5387.880
2
Std. Dev. 3374.078
Skewness -0.110156
1
Kurtosis 1.726912
-6000 -4000 -2000 0 2000 4000 6000
Fig. 13.1. Histograma şi statistica descriptive a reziduurilor
Histograma indică o distribuţie normală a reziduurilor, deoarece, desi, Kurtosis are

valoarea de1.72, care nu tinde spre 3, Skewness se afla in intervalul [-0.5; 0.5], iar probabilitatea
aferenta lui Jarque-Bera este de 0.40, mai mare decat 0.05.
16,000
Forecast: PRODUCTIEF
Actual: PRODUCTIE
12,000
Forecast sample: 1990 2016
Adjusted sample: 1991 2016
8,000 Included observations: 26
Root Mean Squared Error 3308.555
Mean Absolute Error 2919.789
4,000
Mean Abs. Percent Error 87.85281
Theil Inequality Coef. 0.239325
0 Bias Proportion 0.000000
Variance Proportion 0.957576
Covariance Proportion 0.042424
-4,000
92 94 96 98 00 02 04 06 08 10 12 14 16 Theil U2 Coefficient 0.958011
Symmetric MAPE 50.27672
PRODUCTIEF ± 2 S.E.
Fig.13.2.Previziunea ex-post a variabilei endogene

6,700 14,000
6,650 12,000
6,600 10,000
6,550 8,000
6,500 6,000
6,450 4,000
6,400 2,000
6,350 0
90 92 94 96 98 00 02 04 06 08 10 12 14 16

PRODUCTIEF
Fig.13.3.Compararea variabilei endogene cu previziunea realizată în Eviews
Din figurile 13.2 şi 13.3 putem deduce că modelul nu este valid, deoarece evoluţiile nu
sunt similare.
Previziunea pentru 2017:
Daca suprafata se va modifica cu 150 ha, productia va fi de: 6514.31 tone.

Proiect-Analiza Productiei de Ovaz

Încărcat de

Drepturi de autor:

Formate disponibile

S-ar putea să vă placă și

Proiect-Analiza Productiei de Ovaz

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Proiect-Analiza Productiei de Ovaz

Încărcat de

Drepturi de autor:

Formate disponibile

Proiect econometrie –Modelul liniar al regresiei simple

Fereastra cu baza de date:

Transformarea seriei suprafata prin logaritmare folosind ecuaţia: ln_suprafata =log(suprafata),

Fig.4.1. Evoluţia productiei de ovaz în România, Olt între 1990 şi 2016

Suprafata cultivata cu ovaz (hectare)

Datele au o distribuite normala, deoarece, probabilitatea aferenta testului Jarque-Bera de

Testele Skewness,Kurtosis şi Jarque-Bera indică normalitatea datelor. Valoarea lui

Productia de ovaz (tone)

Tabelul nr.2. Statistica descriptivă productiei de ovaz si a suprafetei cultivate cu ovaz în

Jarque-Bera 1.968145 1.670844

Sum 171274.0 110492.0

Statistica descriptivă a fost analizată la pasul 4.

Productia de ovaz (tone)

Tabelul nr.3. Autocorelaţia privind datele din anul n-(n-1) referitoare la

Date: 05/22/18 Time: 01:04

Autocorrelation Partial Correlation AC PAC Q-Stat Prob

1 -0.541 -0.541 8.5336 0.003

Date: 05/22/18 Time: 01:06

Autocorrelation Partial Correlation AC PAC Q-Stat Prob

1 -0.302 -0.302 2.6519 0.103

Tabelul numarul 4 ne arata ca nu este prezenta autocorelatia in cazul suprafetei cultivate.

Null Hypothesis: PRODUCTIE has a unit root

Augmented Dickey-Fuller test statistic -4.711444 0.0045

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: SUPRAFATA has a unit root

Augmented Dickey-Fuller test statistic -3.335544 0.0827

*MacKinnon (1996) one-sided p-values.

Prin aplicarea testului Augmented Dickey-Fuller test,se observă că datele nu sunt

Prin urmare, se va trece la prima diferenta pentru testarea stationaritatii.

Null Hypothesis: D(SUPRAFATA) has a unit root

Augmented Dickey-Fuller test statistic -6.674345 0.0001

*MacKinnon (1996) one-sided p-values.

Se vor considera seriile: productie si d_suprafata.

Null: Unit root (assumes individual unit root process)

** Probabilities for Fisher tests are computed using an asymptotic Chi

Tabelul nr.9. Matricea de corelaţie

Covariance Analysis: Ordinary

D_SUPRAFATA 0.021671 1.000000

Sursa: reprezentare proprie în Eviews, 2018

Pairwise Granger Causality Tests

Null Hypothesis: Obs F-Statistic Prob.

D_SUPRAFATA does not Granger Cause PRODUCTIE 24 0.57734 0.5709

Sursa: reprezentare proprie în Eviews, 2018

Ecuatia modelului: PRODUCTIE = C(1)*D_SUPRAFATA + C(2); productie d_suprafata c

Tabelul nr.11. Rezultatul regresiei simple

Variable Coefficient Std. Error t-Statistic Prob.

D_SUPRAFATA 0.069882 0.658069 0.106193 0.9163

R-squared 0.000470 Mean dependent var 6515.962

Sursa: reprezentare proprie în Eviews, 2018

PRODUCTIE = 0.0698822977702*D_SUPRAFATA + 6503.83158424

PRODUCTIE = 0.0698822977702*D_SUPRAFATA + 6503.83158424

Tabelul nr. 12. Intervalele de încredere pentru parametrii a şi b

Coefficient Confidence Intervals

90% CI 95% CI 99% CI

D_SUPRAFATA 0.069882 -1.055997 1.195762 -1.288306 1.428071 -1.770698 1.910463

Sursa: reprezentare proprie în Eviews, 2018

Valoarea parametrului real a se gaseste in intervalul a∊ [ -1.77 ; 1.91] cu o probabilitate

Pentru ca modelul sa fie valid, reziduurile trebuie sa fie homoscedastice, neliniare si