Tema NR 2 Econometrie PDF

TEMA NR.
1. În scopul evaluării impactului pe care variaţia preţului unui produs îl are asupra variaţiei cantităţilor
vândute din acel produs a fost selectat un eşantion reprezentativ de 10 de magazine, în care s-au urmărit
valorile următoarelor variabile:
- Q – cantitatea vândută din produsul respectiv (kg)
- P – preţul produsului (RON)
A fost folosit pentru estimarea parametrilor următorul model, ale cărui rezultate sunt prezentate mai jos:
Q =𝛼 + 𝛽 × P +𝜀 .
SUMMARY OUTPUT
Regression Statistics
Multiple R 0.913173052
R Square 0.833885023
Adjusted R Square 0.813120651
Standard Error 10.73509502
Observations 10
ANOVA
df SS MS F
Regression ……. 4628.0619 ……. …….
Residual ……. ……. …….
Total 9 5550
Coefficients Standard Error

Intercept -29.32363674 20.687667
Preţ vânzare (mii $) 0.068972606 0.0108839
a. Testaţi validitatea modelului de regresie, pentru un nivel de semnificaţie de 5%;

b. Testaţi, interpretaţi şi determinaţi intervalele de încredere pentru coeficienţii modelului.
Rezolvare:
a. Testaţi validitatea modelului de regresie, pentru un nivel de semnificaţie de 5%:

Pentru testarea validităţii modelului se formulează cele două ipoteze:
𝐻0 :model nevalid statistic (ipoteza nulă)
TEMA NR 2 – ECONOMETRIE – DRĂGAN DANIELA, ANUL II ID - MANAGEMENT Page 1

𝐻1 :model valid statistic (ipoteza alternativă)
Tabelul ANOVA va figura cu următoarele valori:
ANOVA
df SS MS F
Δ²x/y = S²x/y = Δ²x/y : k =
Regression k=1
4628.0619 4628.0619
Fcalc = S²x/y: S²e =
n-k-1 Δ²e = S²e = Δ²e : (n - k - 1) =
Residual 4628.0619/115.2422625 =
=8 921.9381 115.2422625
40.1594154748
Total n-1 = 9 Δ²y = 5550
Valoarea teoretică pentru un prag de semnificaţie 𝛼 = 0.05 şi 1, respectiv 8 grade de libertate este de 5.32
𝐹𝛼,𝑘,𝑛−𝑘 −1 = 𝐹0.05,1,8 = 5.32
Întrucât 𝐹𝑐𝑎𝑙𝑐 > 𝐹𝛼,𝑘,𝑛−𝑘 −1 rezultă că se respinge varianta nulă 𝐻0 , adică se concluzionează că modelul
este unul valid.
b. Testaţi, interpretaţi şi determinaţi intervalele de încredere pentru coeficienţii modelului.
Coefficients Standard Error t Stat

Intercept - 29.32363674 20.687667 -1.417445319
Preţ vânzare (mii
$) 0.068972606 0.0108839 6.337122355
- pentru coeficientul 𝛼, 𝑡𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑡 = -1.417 > −𝑡𝑐𝑟𝑖𝑡𝑖𝑐 = -5.32 = > 𝛼 nu este semnificativ;
- pentru coeficientul 𝛽, 𝑡𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑡 = 6.337 > 𝑡𝑐𝑟𝑖𝑡 𝑖𝑐 = 5.32 = > 𝛽 nu este semnificativ.
2. Pentru a decide în ce zonă să fie amplasat un magazin de casete video, managerul unei firme de
comercializare şi închiriere de casete video realizează un studiu. Astfel, el consideră că succesul afacerii
este cuantificat prin profitul anual brut obţinut (sute euro). Principalul factor de influenţă considerat pentru
succesul acestei afaceri este venitul mediu al locuitorilor de pe o rază de un kilometru (zeci euro). Sunt
selectate aleator 5 supermarketuri şi sunt înregistrate valorile celor 2 variabile.
Profit (mii euro) 2 6 8 11 15

Venit (sute euro) 4 12 21 25 20

a) Estimaţi parametrii ecuaţiei de regresie, în ipoteza unei dependenţe liniare.
b) Testaţi validitatea modelului de regresie, pentru un nivel de semnificaţie de 5%;
c) Măsuraţi intensitatea legăturii dintre cele două variabile, folosind un indicator adecvat şi testaţi
semnificaţia acestuia, pentru un nivel de încredere de 95% .
Rezolvare:
a) Estimaţi parametrii ecuaţiei de regresie, în ipoteza unei dependenţe liniare.
Analizând corelograma se remarcă că între cele două variabile există o legătură liniară directă care
poate fi descrisă prin intermediul următoarei ecuaţii:
𝑦𝑖 = 𝑎 + 𝑏𝑥𝑖 + 𝑢𝑖
Calculele necesare estimării parametrilor ecuaţiei de regresie sunt redate în tabelul de mai jos:
Distribuţia venitului în funcţie de profit

30
25 y = 1.380x + 4.802
20 R² = 0.658
15
10
5
0
0 2 4 6 8 10 12 14 16
Profit Venit
Nr (sute (sute
𝑥2 𝑦2 𝑥𝑦 𝑦 𝑦−𝑦 (𝑦 − 𝑦)2 𝑦−𝑦 (𝑦 − 𝑦)2
crt euro) euro)
(X) (Y)
1 2 4 4 16 8 7.562 -3.562 12.69 -12.40 153.76
2 6 12 36 144 72 13.082 -1.082 1.17 -4.40 19.36
3 8 21 64 441 168 15.842 5.158 26.60 4.60 21.16
4 11 25 121 625 275 19.982 5.018 25.18 8.60 73.96
5 15 20 225 400 300 25.502 -5.502 30.27 3.60 12.96
Total 42 82 450 1,626 823 81.97 0.03 95.92 0.00 281.20

Sistemul de ecuaţii pentru determinarea coeficienţilor a şi b este:
5𝑎 + 42𝑏 = 82 𝑎 = 4.802
=>
42𝑎 + 450𝑏 = 823 𝑏 = 1.381
82∗450 −42∗823 36,900 −34,566 2,334
𝑎= = = = 4.802
5∗450 −(42)2 2,250 −1,764 486
5∗823 −42∗82 4,115 −3,444 671
𝑏= = = 486 = 1.381
5∗450 −(42)2 486
Ecuaţia de regresie este:

𝑦 = 𝑎 + 𝑏𝑥
𝑦𝑖 = 4.802 + 1.381𝑥𝑖
b) Testaţi validitatea modelului de regresie, pentru un nivel de semnificaţie de 5%;
Suma Grade de Media Testul Fisher

Sursa variaţiei
pătratelor libertate pătratelor (testul F)
Datorată
regresiei 185.28 k=1 185.28
n-k-1=5-k-
5.795
Reziduală 95.92 1=3 31.97
Totală 281.20 n-1=4

𝐻0 : 𝑚𝑜𝑑𝑒𝑙𝑢𝑙 𝑛𝑒𝑣𝑎𝑙𝑖𝑑 𝑠𝑡𝑎𝑡𝑖𝑠𝑡𝑖𝑐;
𝐻1 : 𝑚𝑜𝑑𝑒𝑙𝑢𝑙 𝑣𝑎𝑙𝑖𝑑 𝑠𝑡𝑎𝑡𝑖𝑠𝑡𝑖𝑐.
Pentru 𝛼=0.05 şi gradele de libertate 1 şi 3, valoarea teoretică preluată din tabelul repartiţiei Fisher, este
𝐹0.05,1,3 = 10.13
Întrucât 𝐹𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑡 < 𝐹𝛼,𝑘 ,𝑛−𝑘 −1 se acceptă 𝐻0 şi se respinge 𝐻1 , concluzionându-se că modelul este
nevalid statistic.
c) Măsuraţi intensitatea legăturii dintre cele două variabile, folosind un indicator adecvat şi testaţi
semnificaţia acestuia, pentru un nivel de încredere de 95% .

Pe baza datelor din tabelul de la punctul a) se poate determina coeficientul de corelaţie:
5∗823 −42∗82 4,115 −3,444 671

𝑟= = = 826 .63 = 0.811 , ceea ce înseamnă că există o
5∗450 −(42)2 (5∗1,626 −82 2 ) 486 ∗1,406
legătură directă şi de intensitate destul de puternică între cele două variabile.
Calculul verifica valoarea lui 𝑅2 din graficul aferent, astfel 0.658=0.811.
3. O firmă ce organizează licitaţii pentru vânzarea unor antichităţi doreşte să determine relaţia dintre preţul
(mii euro) obţinut pentru articolele licitate şi vechimea (ani) a obiectelor. În urma prelucrării cu EXCEL a
datelor culese de la un eşantion aleatoriu de 10 licitaţii, s-au obţinut rezultatele:
SUMMARY OUTPUT
Regression
Statistics Vechime
Multiple R 0.913173
R Square 0.833885 Mean 100
Standard
Adjusted R Square 0.813121 Deviation 24.83277
Standard Error 1,421,289 Sample Variance 616.6667
Observations 10
ANOVA
df SS MS F
Regression 1 …….. 811245 …….
Residual ……. 161605 …….
Total ……. 972850
Standard
Coefficients
Error
Intercept 665,991 ……. 3.397844
Preţ vânzare (mii $) 12.09009 1.907813 ……..
În ipoteza unui model de regresie liniar, se cere:

a) să se testeze semnificaţia modelului, pentru un nivel de semnificaţie de 5%;

b) să se determine intervalele de încredere pentru parametrii modelului şi să se comenteze rezultatele
obţinute.
Rezolvare:
a) să se testeze semnificaţia modelului, pentru un nivel de semnificaţie de 5%:

ANOVA
df SS MS F
Δ²x/y = S²x/y *
k = 811245 *1 = S²x/y = Δ²x/y : k =
Regression k=1 811245 811245 Fcalc = S²x/y: S²e
n - k - 1 = 10- =
Δ²e =161605 S²e = Δ²e : (n - k - 1) =
1-1 = 8 811245/20200.625
Residual 161605 : 8 = 20200.625
= 40.1594010086
n-1 = 10 - 1 =
Δ²y = 972850
Total 9
𝐹𝛼,𝑘,𝑛−𝑘 −1 = 𝐹0.05,1,8 = 5.32
este unul valid.
b) să se determine intervalele de încredere pentru parametrii modelului şi să se comenteze rezultatele

obţinute.
Coefficients Standard Error t - stat

Intercept 665.991 196.0039955 3.397844
Preţ vânzare (mii $) 12.09009 1.907813 6.337146251

- pentru coeficientul 𝛼, 𝑡𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑡 = 3.398 < 𝑡𝑐𝑟𝑖𝑡𝑖 𝑐 = 5.32 = > 𝛼 este semnificativ;
- pentru coeficientul 𝛽, 𝑡𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑡 = 6.337 > 𝑡𝑐𝑟𝑖𝑡𝑖𝑐 = 5.32 = > 𝛽 nu este semnificativ.
4. Managerul unei companii de asigurări doreşte să afle daca contactarea potenţialilor clienţi prin telefon
are influenţa asupra vânzarilor. Pentru aceasta, au fost selectaţi aleator 5 agenţi de asigurări, de la care s-
au înregistrat numărul săptămânal al convorbirilor telefonice (X) şi numărul poliţelor de asigurare încheiate
într-o saptamâna (Y):
Nr. de convorbiri telefonice 66 43 57 32 18
Nr. poliţelor de asigurare 20 15 18 12 2
a) Reprezentaţi grafic datele şi determinaţi modelul liniar de regresie dintre cele două variabile;
b) Masurati intensitatea legăturii dintre cele două variabile folosind coeficientul de corelaţie şi testaţi
semnificaţia acestuia, pentru un nivel de semnificaţie de 5%;
c) Efectuaţi o previzionare punctuală şi pe interval de încredere a numărului de poliţe de asigurare
încheiate, dacă într-o saptamâna s-au efectuat 50 de convorbiri telefonice.
Rezolvare:
a) Reprezentaţi grafic datele şi determinaţi modelul liniar de regresie dintre cele două variabile:
Distribuţia nr. de poliţe de asigurare în funcţie de nr. de convorbiri

25
telefonice
20
y = 0.351x - 1.773
15 R² = 0.910
10
5
0
0 10 20 30 40 50 60 70

Nr.
Nr. de
Poliţelor
Nr convorbiri
de 𝑥2 𝑦2 𝑥𝑦 𝑦 𝑦−𝑦 (𝑦 − 𝑦)2 𝑦−𝑦 (𝑦 − 𝑦)2
crt telefonice
asigurare
1 66 20 4,356 400 1,320 21.393 -1.393 1.94 6.60 43.56
2 43 15 1,849 225 645 13.32 1.68 2.82 1.60 2.56
3 57 18 3,249 324 1,026 18.234 -0.234 0.05 4.60 21.16
4 32 12 1,024 144 384 9.459 2.541 6.46 -1.40 1.96
5 18 2 324 4 36 4.545 -2.545 6.48 -11.40 129.96
Total 216 67 10,802 1,097 3,411 66.951 0.05 17.75 0.00 199.20
5𝑎 + 216𝑏 = 67 𝑎 = −1.773
=>
216𝑎 + 10,802𝑏 = 3,411 𝑏 = 0.351
67∗10,802 −216 ∗3,411 723 ,734 −736 ,776 −13,042
𝑎= = = = −1.773
5∗10,802 −(216 )2 54,010 −46,656 7,354
5∗3,411 −216 ∗67 17,055 −14,472 2,583
𝑏 = 5∗10,802 −(216 )2 = = 7,354 = 0.351
7,354

𝑦𝑖 = −1.773 + 0.351𝑥𝑖
b) Masurati intensitatea legăturii dintre cele două variabile folosind coeficientul de corelaţie şi testaţi
semnificaţia acestuia, pentru un nivel de semnificaţie de 5%:

Sursa variaţiei
Datorată
regresiei 181.45 k=1 181.45
n-k-1=5-k-
30.665
Reziduală 17.75 1=3 5.92
Totală 199.20 n-1=4

𝐹0.05,1,3 = 10.13
Întrucât 𝐹𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑡 > 𝐹𝛼,𝑘 ,𝑛−𝑘 −1 se acceptă 𝐻1 şi se respinge 𝐻0 , concluzionându-se că modelul este valid
statistic.
c) Efectuaţi o previzionare punctuală şi pe interval de încredere a numărului de poliţe de asigurare

încheiate, dacă într-o saptamâna s-au efectuat 50 de convorbiri telefonice:
Dacă numărul convorbirilor telefonice dintr-o săptămână este de 50, atunci numărul previzionat al
numărului de poliţe de asigurare este:
𝑦𝑖 = −1.773 + 0.351𝑥𝑖 = −1.773 + 0.351 ∗ 50 = −1.773 + 17.55 = 15.78 ≅
16 𝑝𝑜𝑙𝑖ţ𝑒 𝑑𝑒 𝑎𝑠𝑖𝑔𝑢𝑟𝑎𝑟𝑒
5. O firmă ce organizează licitaţii pentru vânzarea unor antichităţi doreşte să determine relaţia dintre preţul
obţinut pentru articolele licitate (u.m.) şi numărul de persoane ce participă la licitaţie. În ipoteza unui model
de regresie liniară, rezultatele prelucrării în EXCEL sunt:
Multiple R 0.860271
R Square 0.740066

Adjusted R Square 0.707575
Observations 10
ANOVA
Significance
df SS MS F
F
Regression 1 719973.5 719973.5 22.77708 0.001404
Residual 8 252876.5 31609.56
Total 9 972850
Standard
Coefficients t Stat P-value
Error
Intercept 1086.691 174.4825 6.228079 0.000252
Mărimea audienţei 9.329102 1.954748 4.772534 0.001404
a) Să se interpreteze rezultatele din tabele;

b) Determinaţi si interpretaţi intervalele de încredere pentru parametrii modelului.
Rezolvare:
a) Să se interpreteze rezultatele din tabele:
Modelul estimat pentru cele variabile este următorul Y=9,32 X +1086. Valoarea pozitivă a estimaţiei
parametrului beta indică o legătura directă între preţul obţinut pentru articolele licitate şi numărul de
persoane care participă la licitaţie.
De asemenea, valoarea apropiată de 1 a raportului de corelaţie exprimă o relaţie puternică între cele două
variabile
b) Determinaţi si interpretaţi intervalele de încredere pentru parametrii modelului:
- pentru coeficientul 𝛼, 𝑡𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑡 = 6.228 < 𝑡𝑐𝑟𝑖𝑡 𝑖𝑐 = 22.777= > 𝛼 este semnificativ;
- pentru coeficientul 𝛽, 𝑡𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑡 = 4.773 < 𝑡𝑐𝑟𝑖𝑡𝑖𝑐 = 22.777 = > 𝛽 este semnificativ.

6. O companie de construcţii susţine că în timpul perioadelor în care se percep rate ridicate ale dobânzii,
numărul autorizaţiilor de construcţie s-a redus considerabil. Pentru 5 luni s-au înregistrat: rata dobânzii (%)
(X) şi numărul autorizaţiilor de construcţie (Y):
Rata dobânzii (%) 18 11 15 12 16

Nr. autorizaţiilor de construcţie 43 119 82 90 80
a) Reprezentaţi grafic datele şi determinaţi modelul de regresie adecvat analizei legăturii dintre cele două
variabile;
b) Testaţi validitatea modelului de regresie găsit, pentru un nivel de semnificaţie de 5%;
c) Să se determine în ce proporţie rata dobânzii influenţează variaţia numărului de autorizaţii.
Rezolvare:
a) Reprezentaţi grafic datele şi determinaţi modelul de regresie adecvat analizei legăturii dintre cele
două variabile:
Distribuţia nr. autorizaţii de construcţie în funcţie de

rata dobânzii
150 y = -8.692x + 207.9
R² = 0.849
100
50
0
0 5 10 15 20
Conform valorilor afişate de grafic, ecuaţia de regresie este:

𝑦𝑖 = 207.9 − 8.692𝑥𝑖
Panta fiind negativă, rezultă că între nivelul ratei dobânzii şi numărul de autorizaţii de construcţie se află
o relaţie inversă (cu cât rata dobânzii are un nivel ridicat cu atât numărul de autorizaţii de construcţii emise
va scădea).

b) Testaţi validitatea modelului de regresie găsit, pentru un nivel de semnificaţie de 5%:
Nr.
Rata
autorizaţiilor
Nr crt dobânzii 𝑥2 𝑦2 𝑥𝑦 𝑦 𝑦−𝑦 (𝑦 − 𝑦 )2 𝑦−𝑦 (𝑦 − 𝑦 )2
de
(%)
construcţie
1 18 43 324 1849 774 51.444 -8.444 71.30 -39.80 1,584.04

2 11 119 121 14161 1,309 112.288 6.712 45.05 36.20 1,310.44
3 15 82 225 6724 1,230 77.52 4.48 20.07 -0.80 0.64
4 12 90 144 8100 1,080 103.596 -13.596 184.85 7.20 51.84
5 16 80 256 6400 1,280 68.828 11.172 124.81 -2.80 7.84
Total 72 414 1,070 37,234 5,673 413.676 0.32 446.09 0.00 2,954.80

Sursa variaţiei
Datorată
regresiei 2,508.71 k=1 2,508.71
n-k-1=5-k-
16.871
Reziduală 446.09 1=3 148.70
Totală 2,954.80 n-1=4

𝐹0.05,1,3 = 10.13
statistic.
c) Să se determine în ce proporţie rata dobânzii influenţează variaţia numărului de autorizaţii:
5∗5,673 −72∗414 28,365 −29,808 −1,443

𝑟= = = 1,566 .04 = −0.921
5∗1,070 − 72 2 (5∗37,234 −414 2 ) 166 ∗14,774

𝑅2 = (−0.921)2 = 0.8482
Dată fiind valoarea lui 𝑅2 înseamnă că 84,82% din variaţia numărului de autorizaţii de construcţie se
explică prin variaţia ratei dobânzii.
7. Pentru a analiza dacă între valoarea vânzărilor lunare şi vârsta agenţilor de vânzari, ai unei mari
companii ce comercializează produse cosmetice, există o legătură, un analist selectează aleator un
eşantion de 15 persoane. În urma prelucrării în EXCEL a datelor culese pentru cele două variabile, s-au
obţinut rezultatele:
SUMMARY
OUTPUT
Multiple R 0.100488802
R Square 0.010097999
Adjusted R Square -0.066048309
Observations 15
ANOVA
df SS MS F
Regression 1 ........ 3.712025 ........
Residual 13 ........ ........
Total 14 367.6
Standard
Coefficients t Stat Lower 95% Upper 95%
Error
Intercept 11.67340114 ...... ...... -0.130924113 23.47773
Vârsta 0.062282291 ...... ...... -0.307204742 0.431769
a) Să se testeze validitatea modelului de regresie liniară pe baza căruia s-au obţinut prelucrările din
tabelele de mai sus.
b) Să se testeze semnificaţia parametrilor modelului pentru o probabilitate de 95%.
Rezolvare:

a) Să se testeze validitatea modelului de regresie liniară pe baza căruia s-au obţinut prelucrările din
tabelele de mai sus:

ANOVA
df SS MS F
Δ²x/y = S²x/y * k S²x/y = Δ²x/y:k
k=1 =3.712025 *1 = = 3.712025:1 =
Regression 3.712025 3.712025
n-k- Δ²e = Δ²y - Δ²x/y S²e = Δ²e : (n -
1= = 367.6 - k - 1) = Fcalc = S²x/y: S²e =
15-1-1 3.712025 = 363.887975 : 3.712025/27.9913826923
= 13 363.887975 13 = = 0.13261313457
Residual 27.9913826923
n-1 =
15 - 1 Δ²y = 367.6
Total = 14
Upper
Coefficients Standard Error t Stat Lower 95%
95%
-
Intercept 11.67340114 2.528 4.617 0.130924113 23.47773
-
Vârsta 0.062282291 0.079 0.785 0.307204742 0.431769
Valoarea teoretică pentru un prag de semnificaţie 𝛼 = 0.05 şi 1, respectiv 13 grade de libertate este de
4.67
𝐹𝛼,𝑘,𝑛−𝑘 −1 = 𝐹0.05,1,13 = 4.67
- valorile din coloana Stabdard Error se determină pe baza următoarelor relaţii:
𝑎 + 𝑡𝑐𝑟𝑖𝑡𝑖𝑐 ∗ 𝑆𝑎 = 23.478

23.478 −11.673 11.805
𝑆𝑎 = = = 2.528
4.67 4.67
𝑏 + 𝑡𝑐𝑟𝑖𝑡𝑖𝑐 ∗ 𝑆𝑏 = 0.432
0.432 −0.062 0.37
𝑆𝑏 = = 4.67 = 0.079
4.67
- valorile din coloana t Stat se determină pe baza următoarelor relaţii:

𝐶𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝛼 11.673
pentru 𝛼, 𝑆𝑡𝑎𝑛𝑑𝑎𝑟𝑑 = = 4.617
𝑒𝑟𝑟𝑜𝑟 𝛼 2.528
𝐶𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝛽 0.062
pentru 𝛽, 𝑆𝑡𝑎𝑛𝑑𝑎𝑟𝑑 = 0.079 = 0.785
𝑒𝑟𝑟𝑜𝑟 𝛽
Întrucât 𝐹𝑐𝑎𝑙𝑐 < 𝐹𝛼,𝑘,𝑛 −𝑘−1 rezultă că se respinge varianta alternativă 𝐻1 , adică se concluzionează că
modelul nu este valid statistic.
b) Să se testeze semnificaţia parametrilor modelului pentru o probabilitate de 95%:
Intervalele de încredere pentru cei doi parametri au următoarea intepretare, cu un nivel de incredere de
95%. Parametrul B0 este acoperit de interbalul (-0.13; 23.48) şi parametrul B1 este acoperit de intervalul (-
0.31; 0.43).
8. Pentru a analiza în ce mod influenţează vechimea utilajelor variaţia costurilor de întreţinere a acestora,
s-au înregistrat pentru 5 utilaje: vechimea utilajelor (ani) şi costurile lunare de întreţinere (sute euro):
Vechimea (ani) 2 6 8 11 15
Cost mediu lunar de întreţinere (sute euro) 4 12 31 25 34
a) Reprezentaţi grafic datele şi determinaţi modelul liniar de regresie dintre cele două variabile;
b) Măsuraţi intensitatea legăturii dintre cele două variabile, folosind un indicator adecvat şi testaţi
semnificaţia acestuia pentru un nivel de încredere de 95%;
c) Determinaţi intervalele de încredere pentru parametrii modelului şi interpretaţi rezultatele obţinute.
Rezolvare:

a) Reprezentaţi grafic datele şi determinaţi modelul liniar de regresie dintre cele două variabile:
Distribuţia costului mediu lunar de întreţinere în funcţie de vechime

40
30 y = 2.290x + 1.963
R² = 0.778
20
10
0
0 2 4 6 8 10 12 14 16
Cost
mediu
Vechimea lunar de
Nr crt 𝑥2 𝑦2 𝑥𝑦 𝑦 𝑦−𝑦 (𝑦 − 𝑦)2 𝑦−𝑦 (𝑦 − 𝑦)2
(ani) întreţinere
(sute
euro)
1 2 4 4 16 8 6.543 -2.543 6.47 -17.20 295.84

2 6 12 36 144 72 15.703 -3.703 13.71 -9.20 84.64
3 8 31 64 961 248 20.283 10.717 114.85 9.80 96.04
4 11 25 121 625 275 27.153 -2.153 4.64 3.80 14.44
5 15 34 225 1156 510 36.313 -2.313 5.35 12.80 163.84
Total 42 106 450 2,902 1,113 105.995 0.00 145.02 0.00 654.80
5𝑎 + 42𝑏 = 106 𝑎 = 1.963

=>
42𝑎 + 450𝑏 = 1,113 𝑏 = 2.290

106 ∗450 −42∗1,113 47,700 −46,746 954
𝑎= = = 486 = 1.963
5∗450 −(42)2 486
5∗1,113 −42∗106 5,565 −4,452 1,113

𝑏= = 2,250 −1,764 = = 2.290
5∗450 −(42)2 486

𝑦𝑖 = 1.963 + 2.290𝑥𝑖
b) Măsuraţi intensitatea legăturii dintre cele două variabile, folosind un indicator adecvat şi testaţi
semnificaţia acestuia pentru un nivel de încredere de 95%:

Sursa variaţiei
Datorată
regresiei 509.78 k=1 509.78
n-k-1=5-k-
10.546
Reziduală 145.02 1=3 48.34
Totală 654.80 n-1=4

𝐹0.05,1,3 = 10.13
Întrucât 𝐹𝑐𝑎 𝑙𝑐𝑢𝑙𝑎𝑡 > 𝐹𝛼,𝑘 ,𝑛−𝑘 −1 se acceptă 𝐻1 şi se respinge 𝐻0 , concluzionându-se că modelul este valid
statistic.
c) Determinaţi intervalele de încredere pentru parametrii modelului şi interpretaţi rezultatele obţinute:
Pentru testarea semnificaţiei parametrului modelului de regresie liniară şi estimarea lor pe intervale de
încredere se procedează astfel:
1) Pentru parametrul 𝛽, ipotezele testate sunt:

𝐻0 : 𝛽 = 0 (𝜇𝑏 = 𝛽 = 0)
𝐻1 : 𝛽 ≠ 0
Întrucât volumul eşantionului este mic (n< 30), se va utiliza testul n:
𝑏−𝜇 0 𝑏 −0
𝑡𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑡 = = , statistică care urmează o distribuţie t cu (n-2) grade de libertate.
𝑠𝑏 𝑠𝑏
𝑠𝑒
unde, 𝑠𝑏 =
𝑛 (𝑥 −𝑥 )2
𝑖=1 𝑖
9. O agenţie imobiliară doreşte să previzioneze preţul de vânzare al unor case, pe baza unui model de
regresie liniar unifactorial, în funcţie de suprafaţa locuibilă a acestora. Rezultatele obţinute în urma
prelucrării în EXCEL a datelor înregistrate pentru un eşantion de 15 locuinţe sunt:
Rezolvare:
SUMMARY
OUTPUT
Regression Statistics Suprafaţa (mp)
Multiple R 0.903563
R Square 0.816426 Mean 58
Adjusted R Square 0.802305 Smple Variance 160.4286
Observations 15
ANOVA
df SS MS F
Regression ........ ........ 2363.497774 ........
Residual ........ 531.4355595 ........
Total 14 2894.933333
Standard
Coefficients
Error
Intercept 21.23556 ......
X Variable 1 1.025824 ......
a) Să se valideze modelul de regresie pentru un nivel de semnificaţie de 5%;

b) Să se testeze semnificaţia parametrilor şi să se interpreteze valorile acestora.

Rezolvare:
a) Să se valideze modelul de regresie pentru un nivel de semnificaţie de 5%:

ANOVA
df SS MS F
Δ²x/y = S²x/y * k = S²x/y = Δ²x/y:k

k=1
2363.497774 *1 = = 2363.497774
Regression 2363.497774
S²e = Δ²e : (n -
n-k-1 k - 1) = Fcalc = S²x/y: S²e =
= 15-1-1 Δ²e = 531.4355595 531.4355595 : 2363.497774/40.879658423
= 13 13 = = 57.8159863652
Residual 40.879658423
Δ²y =
2894.933333
Total n-1 = 14
Valoarea teoretică pentru un prag de semnificaţie 𝛼 = 0.05 şi 1, respectiv 13 grade de libertate este de
4.67
𝐹𝛼,𝑘,𝑛−𝑘 −1 = 𝐹0.05,1,13 = 4.67
este valid statistic.
b) Să se testeze semnificaţia parametrilor şi să se interpreteze valorile acestora:

-
10. Pentru un magazin de confecţii s-au cules date referitoare la vânzările de cămăşi bărbăteşti şi profitul
obţinut pentru 5 zile consecutive. Modelul de regresie obţinut în urma prelucrării datelor este:

𝑦𝑖 =9.1+5.64 𝑥𝑖 . Se cunosc: varianţa datorată regresiei (sistematică) ∆2𝑦/𝑥 = 𝑛
𝑖=1(𝑦𝑖 − 𝑦)2 =737.40;
varianţa reziduală ∆2𝑒 = 𝑛
𝑖=1 (𝑦𝑖 − 𝑦𝑖 )2 =90. Să se testeze semnificaţia modelului de regresie folosind
testul F, pentru un nivel de semnificaţie 𝛼=0.05.
Rezolvare:
Sursa variaţiei
Datorată
regresiei 737.40 k=1 737.40
n-k-1=5-k-
24.58
Reziduală 90.00 1=3 30.00
Totală 827.40 n-1=4

𝐹0.05,1,3 = 10.13
Întrucât 𝐹𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑡 < 𝐹𝛼,𝑘 ,𝑛−𝑘 −1 se acceptă 𝐻0 şi se respinge 𝐻1 , concluzionându-se că modelul nu este
valid statistic.
11. Pentru un magazin de mobilă s-au cules date privind numărul de spoturi publicitare difuzate şi numărul
vizitatorilor (mii pers.) timp de 5 zile. Modelul de regresie obţinut în urma prelucrării datelor
este: 𝑦𝑖 =9.13+3.98𝑥𝑖 . Se cunosc: varianţa datorată regresiei (sistematică) ∆2𝑦/𝑥 = 𝑛
𝑖=1 (𝑦𝑖 − 𝑦)2 =740.8;
varianţa reziduală ∆2𝑒 = 𝑛
𝑖=1 (𝑦𝑖 − 𝑦𝑖 )2 =60. Să se testeze semnificaţia modelului de regresie folosind
testul F, pentru un nivel de semnificaţie 𝛼=0.05.
Rezolvare:

Sursa variaţiei
Datorată
regresiei 740.80 k=1 740.80
n-k-1=5-k-
37.04
Reziduală 60 1=3 20.00
Totală 827.40 n-1=4

𝐹0.05,1,3 = 10.13
valid statistic.
12. Pentru un mare magazin alimentar s-au cules date privind vânzarile (mil. RON) şi profitul (mil. RON)
realizate în 9 luni ale anului 2003:
Luna Ian. Feb. Mar. Apr. Mai Iun. Iul. Aug. Sept.
Val. vânzări (mil. RON) 70 20 60 40 140 150 160 120 140
Profit (mil. RON) 15 2 13 15 25 27 24 20 27
a) Să se reprezinte grafic datele;

b) Să se determine modelul de regresie în eşantion, calculând valorile ajustate ale profitului în funcţie de
vânzari;
c) Să se verifice semnificaţia modelului de regresie găsit la punctul b) folosind testul F, pentru un nivel de
semnificaţie 𝛼=0.05.
d) Să se testeze semnificaţia parametrilor modelului de regresie, pentru un nivel de semnificatie 𝛼=0.05.
e) Dacă modelul s-a dovedit semnificativ, să se previzioneze valoarea profitului dacă s-ar fi obţinut vânzări
în valoare de 200 mil. RON.
f) Să se măsoare intensitatea legăturii dintre variabile folosind coeficientul de corelaţie, testând semnificaţia
acestuia pentru un nivel de semnificaţie 𝛼=0.05.

g) Ce pondere din variaţia totală a profitului este explicată de influenţa vânzarilor?
Rezolvare:
a) Să se reprezinte grafic datele:
Distribuţia profitului (mil. RON) în funcţie de val. vânzărilor (mil. RON)
30
20 y = 0.145x + 4.072
R² = 0.866
10
0
0 50 100 150 200
b) Să se determine modelul de regresie în eşantion, calculând valorile ajustate ale profitului în funcţie
de vânzari:
Val.
Profit
Nr vânzări
Luna (mil. 𝑥2 𝑦2 𝑥𝑦 𝑦 𝑦−𝑦 (𝑦 − 𝑦)2 𝑦−𝑦 (𝑦 − 𝑦)2
crt (mil.
RON)
RON)
-
1 Ian. 70 15 4,900 225 1,050 165.953 150.95 22,786.81 -4 13
2 Feb. 20 2 400 4 40 52.653 -50.65 2,565.73 -17 278
-
3 Mar. 60 13 3,600 169 780 143.293 130.29 16,976.27 -6 32
4 Apr. 40 15 1,600 225 600 97.973 -82.97 6,884.52 -4 13
-
5 Mai 140 25 19,600 625 3,500 324.573 299.57 89,743.98 6 40
-
6 Iun. 150 27 22,500 729 4,050 347.233 320.23 102,549.17 8 69

-
7 Iul. 160 24 25,600 576 3,840 369.893 345.89 119,641.97 5 28
-
8 Aug. 120 20 14,400 400 2,400 279.253 259.25 67,212.12 1 2
-
9 Sept. 140 27 19,600 729 3,780 324.573 297.57 88,549.69 8 69
Total 900 168 112,200 3,682 20,040 2,105 -1,937 516,910 0 546
9𝑎 + 900𝑏 = 168 𝑎 = 4.072

=>
900𝑎 + 112,200𝑏 = 20,040 𝑏 = 0.145
168 ∗112 ,200 −900∗20,040 18,849 ,600 −18,036 ,000 813 ,600
𝑎= = = 199,800 = 4.072
9∗112 ,200 −(900)2 1,009 ,800 −810 ,000
9∗20,040 −900 ∗168 180 ,360 −151 ,200 29,160

𝑏= = = 199,800 = 0.145
9∗112 ,200 −(900)2 199,800

𝑦𝑖 = 4.072 + 0.145𝑥𝑖
c) Să se verifice semnificaţia modelului de regresie găsit la punctul b) folosind testul F, pentru un

nivel de semnificaţie 𝛼=0.05:
Testul
Suma Grade de Media
Sursa variaţiei Fisher
pătratelor libertate pătratelor
(testul F)
Datorată
regresiei -516,364.25 k=1 -516,364.25
Reziduală 516,910.25 n-k-1=9-k-1=7 73,844.32 -6.993
Totală 546.00 n-1=8


𝐹0.05,1,7 = 5.59
valid statistic.
d) Să se testeze semnificaţia parametrilor modelului de regresie, pentru un nivel de semnificatie

𝛼=0.05:
dacă 𝐹𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑡 > 𝐹𝑐𝑟𝑖𝑡𝑖𝑐 => se poate afirma că modelul este valid statistic
e) Dacă modelul s-a dovedit semnificativ, să se previzioneze valoarea profitului dacă s-ar fi obţinut
vânzări în valoare de 200 mil. RON.:
𝑦𝑛 +𝑖 = 4.072 + 0.145𝑥𝑖 = 4.072 + 0.145 ∗ 200 = 4.072 + 29 = 33.072 𝑚𝑖𝑙 𝑅𝑂𝑁
13. Pentru un magazin se cunosc vânzările de cămăşi bărbăteşti şi profitul obţinut pentru 8 zile
consecutive:
Profit (unităţi monetare) 30 42 10 62 12 30 21 58

Număr de cămăşi
3 4 1 6 1 2 2 5
vândute (zeci bucăţi)
a) Să se reprezinte grafic datele;

b) Să se determine modelul de regresie în eşantion, calculând valorile ajustate ale profitului în funcţie de
vânzări;
c) Să se verifice semnificaţia modelului de regresie găsit la punctul b) folosind testul F, pentru un nivel de
semnificaţie 𝛼=0.05.
d) Să se testeze semnificaţia parametrilor modelului de regresie, pentru un nivel de semnificatie 𝛼=0.05.
e) Dacă modelul s-a dovedit semnificativ, să se previzioneze valoarea profitului dacă s-ar fi vândut 8 zeci
buc. de cămăşi.

f) Să se măsoare intensitatea legăturii dintre variabile folosind coeficientul de corelaţie, testând semnificaţia
acestuia pentru un nivel de semnificaţie 𝛼=0.05.
g) Ce pondere din variaţia totală a profitului este explicată de influenţa vânzarilor de cămăşi?
Rezolvare:
a) Să se reprezinte grafic datele:
Distribuţia profitului (unităţi monetare) în funcţie de nr. de

cămăşi vândute (zeci bucăţi)
8
6 y = 0.092x - 0.079
4 R² = 0.964
2
0
0 20 40 60 80
b) Să se determine modelul de regresie în eşantion, calculând valorile ajustate ale profitului în funcţie
de vânzări:
Număr
de
Profit
cămăşi
Nr crt (unităţi X² Y² XY Y^ Y-Y^ (Y-Y^)² Y-Y¯ (Y-Y¯)²
vândute
monetare)
(zeci
bucăţi)
1 30 3 900 9 90 -2.278 5.28 27.86 0 0

2 42 4 1,764 16 168 -3.226 7.23 52.22 1 1
3 10 1 100 1 10 -0.698 1.70 2.88 -2 4
4 62 6 3,844 36 372 -4.806 10.81 116.77 3 9
5 12 1 144 1 12 -0.856 1.86 3.44 -2 4
6 30 2 900 4 60 -2.278 4.28 18.30 -1 1
7 21 2 441 4 42 -1.567 3.57 12.72 -1 1
8 58 5 3,364 25 290 -4.49 9.49 90.06 2 4
Total 265 24 11,457 96 1,044 -20 44 324 0 24

8𝑎 + 265𝑏 = 24 𝑎 = −0.789
=>
265𝑎 + 11,457𝑏 = 1,044 𝑏 = 0.145
24∗11,457 −265 ∗1,044 274 ,968 −276 ,660 −1,692

𝑎= = = = −0.07895 ≅ −0.789
8∗11,457 −(265 )2 91,656 −70,225 21,431
8∗1,044 −265 ∗24 8,352 −6,360 1,992

𝑏 = 8∗11,457 −(265 )2 = = 21,431 = 0.092
21,431

𝑦𝑖 = −0.789 + 0.092𝑥𝑖
c) Să se verifice semnificaţia modelului de regresie găsit la punctul b) folosind testul F, pentru un

nivel de semnificaţie 𝛼=0.05:
Testul
Suma Grade de Media
Sursa variaţiei Fisher
pătratelor libertate pătratelor
(testul F)
Datorată
regresiei -300 k=1 -300
Reziduală 324 n-k-1=8-k-1=6 54 -5.556
Totală 24 n-1=7

𝐹0.05,1,6 = 5.99
statistic.

d) Să se testeze semnificaţia parametrilor modelului de regresie, pentru un nivel de semnificatie
𝛼=0.05:
dacă 𝐹𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑡 > 𝐹𝑐𝑟𝑖𝑡𝑖𝑐 => se poate afirma că modelul este valid statistic
e) Dacă modelul s-a dovedit semnificativ, să se previzioneze valoarea profitului dacă s-ar fi vândut 8
zeci buc. de cămăşi:
𝑦𝑖 = −0.789 + 0.092 ∗ 80 = −0.789 + 7.36 = 6.571 unităţi monetare
14. Managerul unui magazin alimentar doreşte să cunoască dependenţa dintre valoarea vânzarilor şi profit.
Pentru această înregistrează timp de 9 luni date privind vânzarile şi profitul (mil. RON). În urma prelucrării
datelor (utilizând EXCEL) si a specificării ecuaţiei de regresie (în ipoteza legăturii liniare) care modelează
dependenţa dintre cele 2 variabile se obtine :
Val. vânz (mil. RON) Profit (mil. RON)
Mean 10 Mean 0.195555556
Median 12 Median 0.2
Mode 14 Mode 0.15
Standard Standard
Deviation 5.267826876 Deviation 0.064828834
Sample Variance 27.75 Sample Variance 0.004202778
Sum 90 Sum 1.76
Count 9 Count 9
𝑦𝑖 = 0.07844 + 0.0117𝑥𝑖 , iar dispersia erorilor este 𝑠𝑒2 =0.00045311

Se cere:
a) Validaţi modelul de regresie obţinut.
b) Testaţi semnificaţia parametrilor ecuaţiei de regresie.
c) Calculaţi şi testaţi semnificaţia coeficientului liniar de corelaţie.
Rezolvare:
-

15. Pentru a analiza dependenţa dintre suprafaţa cultivată (ha) şi producţia la hectar (q/ha) s-au înregistrat
date referitoare la aceste variabile pentru 10 parcele. În urma prelucrării datelor (utilizând EXCEL) şi a
specificării ecuaţiei de regresie (în ipoteza legăturii liniare) care modelează dependenţa dintre cele 2
variabile se obţine:
Supr. cultivată (ha) Producţia la hectar (q/ha)

Mean 82.4 Mean 24.6
Standard
Standard Deviation 11.296017 Deviation 7.501111029
Sample Variance 127.6 Sample Variance 56.26666667
Sum 824 Sum 246
Count 10 Count 10
𝑦𝑖 = −22.8711 + 0.576𝑥𝑖 , iar dispersia erorilor este 𝑠𝑒2 =15.656
Se cere:
a) Validaţi modelul de regresie obţinut.
b) Determinaţi intervalul de încredere pentru parametrii ecuaţiei de regresie.
c) Analizaţi intensitatea legăturii dintre cele două variabile cu ajutorul unui indicator adecvat şi testaţi
semnificaţia acestuia.
Rezolvare:
-
16. Pentru un mare magazin alimentar s-au cules date privind vânzările (mii RON) şi profitul (mii RON)
realizate în 9 luni ale anului 2007. În urma studierii legăturii liniare dintre cele două variabile, s-au obţinut
următoarele rezultate:
ANOVA
df SS MS F Signifance F
Regression 1 0.03045 ........ ........ 0.0000779643

Residual ........ ........ 0.000453
Total 8 ........
Standard
Error

Intercept 0.078438 ...... ........ 0.001719
Val. Vânz 0.011712 0.001429 ........ 0.000078
Ştiind că valoarea medie a vânzarilor este de 10 mii RON/luna, se cere:

a) Să se completeze informaţiile lipsă din tabelele de mai sus;
b) Să se testeze semnificaţia modelului liniar de regresie, pentru un nivel de semnificaţie de 5%
c) Să se testeze semnificaţia parametrilor modelului, pentru acelaşi nivel de semnificaţie.
Rezolvare:
a) Să se completeze informaţiile lipsă din tabelele de mai sus:
ANOVA
S²x/y =
Δ²x/y = S²x/y * k Δ²x/y:k =
k=1 0.0000779643
=0.03045 0.03045/1 =
Regression 0.03045
Fcalc = S²x/y:
n-k-1 = Δ²e = S²e * (n - k - S²e = Δ²e : S²e =
9-1-1 = 1) = 7 *0.00453 = (n - k - 1) = 0.03045/0.000453
Residual 7 0.003171 0.000453 = 67.2185430463
Δ²y = Δ²x/y + Δ²e =
8 0.03045+0.003171 =
Total 0.033621
b) Să se testeze semnificaţia modelului liniar de regresie, pentru un nivel de semnificaţie de 5%:

𝐹𝛼,𝑘,𝑛−𝑘 −1 = 𝐹0.05,1,7 = 5.59
este valid statistic.
c) Să se testeze semnificaţia parametrilor modelului, pentru acelaşi nivel de semnificaţie:

Aplicând regula de decizie prin compararea pragului de semnificaţie cu valoarea P-value, se ia
decizia de a respinge ipoteza nulă cu o probabilitate de 95% pentru fiecare parametru în parte. Prin
urmare, se consideră că parametrii estimaţi sunt semnificativ diferiţi de zero, ceea ce echivalează cu
afirmaţia că între cele 2 variabile există o legătură de tip liniar.
17. Pentru 8 agenţii de turism s-au înregistrat datele privind numărul biletelor vândute şi profitul obţinut (mii
RON). În urma analizei legăturii liniare dintre cele două variabile, s-au obţinut următoarele rezultate:
ANOVA
Regression ........ ........ 0.438258 ........ 0.05221
Residual 6 0.450829 ........
Total ........ ........
Standard
Error
Intercept -0.435 0.856914 ........ 0.629823
Nr. bilete vândute 0.001382 ........ ........ 0.05221
Stiind ca dispersia numarului de bilete vândute este de 32796,79 se cere:

a) Să se completeze informaţiile lipsă din tabelele de mai sus;
b) Să se determine intervalele de încredere pentru parametrii modelului, pentru un nivel de semnificaţie de
5%.
c) Ce procent din variaţia profitului a fost determinat de influenţa numărului de bilete vândute?
Rezolvare:
a) Să se completeze informaţiile lipsă din tabelele de mai sus:

ANOVA
Signifance
df SS MS F
F
Δ²x/y = S²x/y * k Fcalc = S²x/y: S²e =
S²x/y = Δ²x/y:k
= 0.0438258 * 1 0.0438258:0.00751381666
= 0.438258
Regression k=1 = 0.0438258 =5.83269488505 0.05221

S²e = Δ²e : (n -
k - 1) =
n-k-1=
Δ²e = 0.450829 0.0450829 : 6
8-1-1= 6
=
Residual 0.00751381666
Δ²y = Δ²x/y +
n-1 = 8-1 Δ²e =0.0438258
=7 + 0.450829 =
Total 0.4946548
b) Să se determine intervalele de încredere pentru parametrii modelului, pentru un nivel de

semnificaţie de 5%:
𝐹𝛼,𝑘,𝑛−𝑘 −1 = 𝐹0.05,1,6 = 5.99
Întrucât 𝐹𝑐𝑎𝑙𝑐 < 𝐹𝛼,𝑘,𝑛−𝑘 −1 rezultă că se respinge varianta alternativă 𝐻1 , adică se concluzionează că
modelul nu este valid statistic.
c) Ce procent din variaţia profitului a fost determinat de influenţa numărului de bilete vândute?
-
18.Pentru a decide în ce zonă să fie amplasat un magazin de casete video, managerul unei firme de
comercializare şi închiriere de casete video realizează un studiu. Astfel, el consideră ca succesul afacerii
este cuantificat prin profitul anual brut obţinut (sute euro). Factorii, considerati determinanti pentru
succesului acestei afaceri, sunt:
• numărul de locuitori pe o rază de un kilometru (mii loc.)
• venitul mediu al locuitorilor de pe o rază de un kilometru (zeci euro)
• numărul competitorilor pe o rază de un kilometru
• preţul unei casete video la închiriere (euro)
Rezultatele obţinute în urma prelucrării în EXCEL a datelor înregistrate pentru un eşantion de 15
supermarket-uri selectate aleator sunt:

Standard
Coefficient t Stat P-value Lower 95% Upper 95%
Error
Intercept -136.286 138.8103572 -1.01094 0.335878 -436.6620065 164.0904
Nr. Loc. -9.73134 .................. -1.21229 0.253266 -27.61715833 ..................
Venit .................. 2.841745705 3.987095 0.002571 4.99850612 17.66211
Competitori -14.4479 8.08882227 .................. 0.104378 .................. 3.575129
Preţ 35.32166 15.26008696 2.314643 0.043165 1.320067288 69.32325
a) Să se stabilească funcţia de regresie şi să se interpreteze rezultatele.

b) Să se testeze semnificaţia parametrilor modelului de regresie.
c) Să se determine intervalele de încredere pentru parametrii modelului liniar de regresie pentru un nivel de
semnificaţie 𝛼= 0.05 ştiind că (tcritic= 2.228).
Rezolvare:
-
19. Dacă analizăm legătura dintre Export şi Import la nivelul unei ţări în perioada 2006-2011 s-au obţinut
următoarele rezultate privind eroarea de semnificaţie:
𝑒𝑖 -0.356 1.082 -0.787 -0.058 -0.352 0.472
Să se testeze ipoteza de autocorelare a erorilor prin testul Durbin Watson.

Rezolvare:
Pe baza datelor de mai sus se calculează valoarea empirică a variabilei Durbin-Watson:

𝑛 2
𝑖=2 (𝑒 𝑖 −𝑒 𝑖−1 )
𝐷𝑊 = 𝑛 𝑒2
𝑖=1 𝑖
n 𝒆𝒊 𝒆𝟐𝒊 𝒆𝒊 − 𝒆𝒊−𝟏 (𝒆𝒊 − 𝒆𝒊−𝟏) 𝟐
1 -0.356 0.126736 -0.356 0.126736

2 1.082 1.170724 1.438 2.067844
3 -0.787 0.619369 -1.869 3.493161
4 -0.058 0.003364 0.729 0.531441
5 -0.352 0.123904 -0.294 0.086436
6 0.472 0.222784 0.824 0.678976
Total 2.266881 0.472 6.984594

𝑛 2
𝑖=2 (𝑒 𝑖 −𝑒 𝑖−1 ) 6.984594
𝐷𝑊 = 𝑛 𝑒2 = 2.266881 = 3.081
𝑖=1 𝑖
Pentru pragul de semnificaţie 𝛼=0.05, numărul observaţiilor egal cu 6 şi numărul variabilelor exogene
𝑘 = 1, valorile din tabela distribuţiei Durbin Watson (valabile pentru n = 15) sunt: 𝑑1 =1.08 şi 𝑑2 =1.36
Acceptarea sau respingerea ipotezei de independenţă a erorilor se bazează pe o anumită regulă, care
constă în:
I. dacă 0< 𝑑 < 𝑑1 => autocorelare pozitivă: 0 < 3.081 > 1.08 => nu există o autocorelare
pozitivă;
II. dacă 𝑑1 ≤ 𝑑 ≤ 𝑑2 => indecizie, recomandându-se acceptarea autocorelării pozitive:
1.08≤ 3.081 ≥ 1.36 =>nu ne aflăm într-o astfel de situaţie de indecizie;
III. dacă 𝑑2 < 𝑑 < 4 − 𝑑2 =>erorile sunt independente: 1.36 < 3.081 >2.64 => erorile nu
sunt independente;
IV. dacă 4 − 𝑑2 ≤ 𝑑 ≤ 4 − 𝑑1 => indecizie, recomandându-se acceptarea autocorelării
negative: 2.64 ≤ 3.081≥2.92=>nu ne aflăm într-o astfel de situaţie de indecizie.
V. dacă 𝟒 − 𝒅𝟏 < 𝑑 < 4 => autocorelare negativă: 2.92< 3.081 < 4, adevărat => între
Import şi Export există o autocorelare negativă.
20. Pentru 15 agenţi de asigurări, angajaţi ai unei companii de asigurări de viaţă, se cunosc datele privind
timpul mediu (în minute) petrecut de un agent cu un potenţial client şi numărul de poliţe încheiate de fiecare
într-o saptamâna. În urma prelucrării datelor s-au obţinut următoarele rezultate privind eroarea de
semnificaţie:
𝑒𝑖 0.098 0.746 1.254 1.606 0.84 0.19 2.03
Să se testeze ipoteza de autocorelare a erorilor prin testul Durbin Watson.

Rezolvare:
Pe baza datelor de mai sus se calculează valoarea empirică a variabilei Durbin-Watson:

𝑛 2
𝑖=2 (𝑒 𝑖 −𝑒 𝑖−1 )
𝐷𝑊 = 𝑛 𝑒2
𝑖=1 𝑖

n 𝒆𝒊 𝒆𝟐𝒊 𝒆𝒊 − 𝒆𝒊−𝟏 (𝒆𝒊 − 𝒆𝒊−𝟏) 𝟐
1 0.098 0.009604 0.098 0.009604

2 0.746 0.556516 0.648 0.419904
3 1.254 1.572516 0.508 0.258064
4 1.606 2.579236 0.352 0.123904
5 0.84 0.7056 -0.766 0.586756
6 0.19 0.0361 -0.65 0.4225
7 2.03 4.1209 1.84 3.3856
Total 9.580472 2.03 5.206332
𝑛 2
𝑖=2 (𝑒 𝑖 −𝑒 𝑖−1 ) 5.206332
𝐷𝑊 = 𝑛 𝑒2 = 9.580472 = 0.543
𝑖=1 𝑖
Pentru pragul de semnificaţie 𝛼=0.05, numărul observaţiilor egal cu 7 şi numărul variabilelor exogene
𝑘 = 1, valorile din tabela distribuţiei Durbin Watson (valabile pentru n = 15) sunt: 𝑑1 =1.08 şi 𝑑2 =1.36
Acceptarea sau respingerea ipotezei de independenţă a erorilor se bazează pe o anumită regulă, care
constă în:
I. dacă 0< 𝑑 < 𝒅𝟏 => autocorelare pozitivă: 0 < 0.543 < 1.08 => adevărat=>între
timpul mediu (în minute) petrecut de un agent cu un potenţial client şi numărul de poliţe
încheiate de fiecare într-o saptamâna există o autocorelare pozitivă;
II. dacă 𝑑1 ≤ 𝑑 ≤ 𝑑2 => indecizie, recomandându-se acceptarea autocorelării pozitive:
1.08≥ 0.543 ≤ 1.36 =>nu ne aflăm într-o astfel de situaţie de indecizie;
III. dacă 𝑑2 < 𝑑 < 4 − 𝑑2 =>erorile sunt independente: 1.36 > 0.543 <2.64 => erorile nu
sunt independente;
IV. dacă 4 − 𝑑2 ≤ 𝑑 ≤ 4 − 𝑑1 => indecizie, recomandându-se acceptarea autocorelării
negative: 2.64 ≥ 0.543≤2.92=>nu ne aflăm într-o astfel de situaţie de indecizie.
V. dacă 4 − 𝑑1 < 𝑑 < 4 => autocorelare negativă: 2.92 > 0.543 < 4 , => nu există o
autocorelare negativă.

Tema NR 2 Econometrie PDF

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

Tema NR 2 Econometrie PDF

Titlu original:

Încărcat de

Drepturi de autor:

Formate disponibile

TEMA NR.

Coefficients Standard Error

a. Testaţi validitatea modelului de regresie, pentru un nivel de semnificaţie de 5%;

a. Testaţi validitatea modelului de regresie, pentru un nivel de semnificaţie de 5%:

TEMA NR 2 – ECONOMETRIE – DRĂGAN DANIELA, ANUL II ID - MANAGEMENT Page 1

Tabelul ANOVA va figura cu următoarele valori:

𝐹𝛼,𝑘,𝑛−𝑘 −1 = 𝐹0.05,1,8 = 5.32

b. Testaţi, interpretaţi şi determinaţi intervalele de încredere pentru coeficienţii modelului.

Coefficients Standard Error t Stat

Profit (mii euro) 2 6 8 11 15

TEMA NR 2 – ECONOMETRIE – DRĂGAN DANIELA, ANUL II ID - MANAGEMENT Page 2

a) Estimaţi parametrii ecuaţiei de regresie, în ipoteza unei dependenţe liniare.

Distribuţia venitului în funcţie de profit

TEMA NR 2 – ECONOMETRIE – DRĂGAN DANIELA, ANUL II ID - MANAGEMENT Page 3

Ecuaţia de regresie este:

b) Testaţi validitatea modelului de regresie, pentru un nivel de semnificaţie de 5%;

Suma Grade de Media Testul Fisher

Totală 281.20 n-1=4

Pentru testarea validităţii modelului se formulează cele două ipoteze:

TEMA NR 2 – ECONOMETRIE – DRĂGAN DANIELA, ANUL II ID - MANAGEMENT Page 4

5∗823 −42∗82 4,115 −3,444 671

legătură directă şi de intensitate destul de puternică între cele două variabile.

Calculul verifica valoarea lui 𝑅2 din graficul aferent, astfel 0.658=0.811.

În ipoteza unui model de regresie liniar, se cere:

TEMA NR 2 – ECONOMETRIE – DRĂGAN DANIELA, ANUL II ID - MANAGEMENT Page 5

a) să se testeze semnificaţia modelului, pentru un nivel de semnificaţie de 5%:

Tabelul ANOVA va figura cu următoarele valori:

𝐹𝛼,𝑘,𝑛−𝑘 −1 = 𝐹0.05,1,8 = 5.32

b) să se determine intervalele de încredere pentru parametrii modelului şi să se comenteze rezultatele

Coefficients Standard Error t - stat

TEMA NR 2 – ECONOMETRIE – DRĂGAN DANIELA, ANUL II ID - MANAGEMENT Page 6

Nr. de convorbiri telefonice 66 43 57 32 18

Nr. poliţelor de asigurare 20 15 18 12 2

Distribuţia nr. de poliţe de asigurare în funcţie de nr. de convorbiri

TEMA NR 2 – ECONOMETRIE – DRĂGAN DANIELA, ANUL II ID - MANAGEMENT Page 7

1 66 20 4,356 400 1,320 21.393 -1.393 1.94 6.60 43.56

2 43 15 1,849 225 645 13.32 1.68 2.82 1.60 2.56

3 57 18 3,249 324 1,026 18.234 -0.234 0.05 4.60 21.16

4 32 12 1,024 144 384 9.459 2.541 6.46 -1.40 1.96

5 18 2 324 4 36 4.545 -2.545 6.48 -11.40 129.96

Sistemul de ecuaţii pentru determinarea coeficienţilor a şi b este:

Ecuaţia de regresie este:

TEMA NR 2 – ECONOMETRIE – DRĂGAN DANIELA, ANUL II ID - MANAGEMENT Page 8

Totală 199.20 n-1=4

Pentru testarea validităţii modelului se formulează cele două ipoteze:

c) Efectuaţi o previzionare punctuală şi pe interval de încredere a numărului de poliţe de asigurare

TEMA NR 2 – ECONOMETRIE – DRĂGAN DANIELA, ANUL II ID - MANAGEMENT Page 9

a) Să se interpreteze rezultatele din tabele;

a) Să se interpreteze rezultatele din tabele:

b) Determinaţi si interpretaţi intervalele de încredere pentru parametrii modelului:

TEMA NR 2 – ECONOMETRIE – DRĂGAN DANIELA, ANUL II ID - MANAGEMENT Page 10

Rata dobânzii (%) 18 11 15 12 16

Distribuţia nr. autorizaţii de construcţie în funcţie de

Conform valorilor afişate de grafic, ecuaţia de regresie este:

TEMA NR 2 – ECONOMETRIE – DRĂGAN DANIELA, ANUL II ID - MANAGEMENT Page 11

1 18 43 324 1849 774 51.444 -8.444 71.30 -39.80 1,584.04

Suma Grade de Media Testul Fisher

Totală 2,954.80 n-1=4

Pentru testarea validităţii modelului se formulează cele două ipoteze:

c) Să se determine în ce proporţie rata dobânzii influenţează variaţia numărului de autorizaţii:

5∗5,673 −72∗414 28,365 −29,808 −1,443

TEMA NR 2 – ECONOMETRIE – DRĂGAN DANIELA, ANUL II ID - MANAGEMENT Page 12