Documente Academic
Documente Profesional
Documente Cultură
Proiect-Analiza Productiei de Ovaz
Proiect-Analiza Productiei de Ovaz
Proiect-Analiza Productiei de Ovaz
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”.
Redenumirea variabilelor:
Generati o noua serie:
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
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
Sursa: reprezentare proprie în Eviews, 2018
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
Sursa: reprezentare proprie în Eviews, 2018
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
Jarque-Bera 1.670844
0 Probability 0.433691
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
Sursa: reprezentare proprie în Eviews, 2018
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
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
Observations 27 27
6,000
Suprafata cultivata cu ovaz (hectare)
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
Sursa: reprezentare proprie în Eviews, 2018
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.
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
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
t-Statistic Prob.*
Tabelul nr.6. Rezultatele testării staţionarităţii pentru suprafata cultivata cu ovaz în România,
Olt, la nivel cu trend si constanta
t-Statistic Prob.*
t-Statistic Prob.*
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).
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
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
Jarque-Bera 0.150572
0 Probability 0.927478
-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
Sursa: reprezentare proprie în Eviews, 2018
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
Correlation
Probability PRODUCTIE D_SUPRAF...
PRODUCTIE 1.000000
-----
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
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.
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.
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
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/22/18 Time: 01:30
Sample: 1991 2016
Included observations: 26
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 05/22/18 Time: 01:31
Sample: 1991 2016
Included observations: 26
Presample missing value lagged residuals set to zero.
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
Jarque-Bera 1.808397
0 Probability 0.404866
-6000 -4000 -2000 0 2000 4000 6000
Fig. 13.1. Histograma şi statistica descriptive a reziduurilor
Sursa: reprezentare proprie în Eviews, 2018
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
Din figurile 13.2 şi 13.3 putem deduce că modelul nu este valid, deoarece evoluţiile nu
sunt similare.
Previziunea pentru 2017: