Sunteți pe pagina 1din 9

ACADEMIA DE STUDII ECONOMICE A MOLDOVEI

FACULTATEA BUSINESS ȘI ADMINISTRAREA AFACERILOR

MODELUL MULTIFACTORIAL

PROIECT
la disciplina
“Econometrie”

Autor: studenta gr. MERC-161, Raiu Elena


Pentru analiza modelului multifactorial, estimarea acestuia și testarea ipotezelor v-om utiliza datele privind
suma totală cheltuită pentru remunerarea muncii din buget (y), PIBul (x1), valoarea exporturilor (x2) și în cele
din urmă taxele pentru import și producere (x3) al Irlandei pentru anii 1995-2014. Toate datele sunt in milioane
euro.

1.
Anul Y x1 x2 x3 Yest Ut
1995 2872.4 3738.6 2503.2 800.3 2781.62 113.78
1996 1993.8 4475.8 3803.5 852.1 3045.80 -51.90
1997 2153.6 5016.7 3503.3 875.2 3235.55 -133.55
1998 1456.3 5378.7 4002.5 852.4 3320.34 183.26
1999 3582.3 6170.8 4600.3 902.4 3605.25 -204.95
2000 4301.3 6976.4 5213.4 1112.2 4046.76 56.34
2001 4403.5 7773.8 6010.1 956.9 4135.65 367.65
2002 5861.2 8708.9 5992.2 1002.3 4464.85 186.15
2003 4736.9 9707.7 6522.5 996.1 4759.80 43.50
2004 5036.8 11262.3 7422.5 1295.7 5513.58 -520.58
2005 6932.6 13521.7 8584.7 1610.3 6494.89 -577.49
2006 7896.3 16246.4 10267 1984.5 7671.07 -315.07
2007 7989.9 16517.3 11033.2 1773.3 7545.97 692.03
2008 7852.3 14145.9 8601.4 1827.2 6892.58 249.12
2009 6999.3 14716.5 11048.9 1734.6 6958.69 0.31
2010 8569.3 16667.6 14424.1 1945.9 7729.26 -171.36
2011 8556.8 17934.9 15422.1 2150.5 8303.75 -160.15
2012 8679.5 18932.3 15960.5 2239.2 8688.83 -75.73
2013 9863.9 19766.3 16321.3 2511.4 9200.65 49.15
2014 9898.9 20347.7 15994.6 2691.1 9552.52 269.48

2.
Rezultatele regresiei grade de lib. variația dispersia F

r 0.991575566 SSR k = 3 96389797.23 32129932.41 308.8539


𝑹𝟐 0.983024983 SSE n-k-1 = 16 1664472.912 104029.557
𝑹𝟐 𝐀𝐣𝐮𝐬𝐭𝐚𝐭 0.979842167 SST n-1 = 19 98054270.14
Su 322.5361329
Observații 20
Coeficienții Standard Error t Stat P-value Lower 95% Upper 95%
b0 895.4248499 230.0961586 3.89152455 0.001296721 407.642784 1383.206916
b1 0.305529281 0.067370692 4.535047415 0.000338145 0.162709795 0.448348767
b2 -0.008092653 0.066606147 -0.121500094 0.90480779 -0.149291377 0.133106071
b3 0.954893495 0.539184043 1.770997318 0.095606099 -0.188125616 2.097912606

__________________________________________________________________________________________

2.1 Interpretarea parametrilor b (toate valorile sunt în milioane euro) este următoarea -

b1: Dacă PIB-ul crește cu 10%, atunci valoarea totală de remunerare a muncii anuale va oscila cu 0.3055 mln.
euro.
b2: La schimbarea valorii exporturilor cu 10%, remunerarea se va oscila cu 0.0081 mln euro anual.
b3: În cazul în care valoarea impozitelor pe producere și importuri va crește cu 10% atunci salarizarea se va
mări cu 0.9549 mln. euro.

__________________________________________________________________________________________

2.2 Pentru testarea semnificaţiei parametrilor modelului vom utiliza un prag de semnificaţie =0,5.

Valoarea parametrului Fcalc este de 308.8539 iar valoarea Ftab (5%) este 3.24.

↓↓↓↓↓↓↓↓↓
Testul Fisher-Snedecor indică faptul că rezultatele obţinute sunt semnificative, cu un prag de semnificaţie de
5%, deoarece Fcalc > Ftab.

_________________________________________________________________________________________

2.3 Testarea semnificațiilor parametrilor b se face cu tcalc (1,2,3).

tcalc0 > 2.120 (ttab pentru n=16, 5%)


tcalc1 > 2.120
tcalc2 < 2.120 ( datele calculate mai mici ca cele tabelare sunt excluse)
tcalc3 < 2.120
Astfel unicii parametri care sunt semnificativi și diferiți de zero sunt b0 și b1.

__________________________________________________________________________________________

Concluzie: Ipoteza alternativă se acceptă pentru testul Fisher-Snedecor și coeficienții b0 și b1, iar pentru
coeficienții b2 și b3, ea este respinsă, deci excludem parametrii respectivi de testare.
3.
3.1 Metoda celor 3 sigma presupune că datele x și y nu sunt afectate de erori de măsură, iar poate fi testă prin
verificarea următoarelor relații care constă în verificarea următoarelor relaţii: x ∈ (x ± 3σ) y ∈ (y ± 3σ).
Valorile pentru sigma x și sigma y sunt următoarele:

σ(x1)= 5471.67; σ(x2)= 4561.98; σ(x3)= 598.29; σ(y)= 2214.21

Intervalele obținute pe baza sigmelor și valorilor medii ale ambelor variabele sunt: x1 (-4514.69 ; 28315.33);

x2 (-4824.37 ; 22547.51); x3 (-289.07 ; 3300.43); y (-745.26; 12540).

Deoarece toate valorile x și toate valorile y aparțin intervalelor calculate, putem afirma ca ipoteza de mai sus
poate fi acceptată fără rezerve.

3.2 Ipoteza de homoscedasciditate presupune că variabila aleatorare u este de medie nulă iar dispersia ei este
constantă și independentă de x.
Coeficientul de corelație liniară simplă este un alt indicator de corelație dintre dispersiile erorilor și
variabilele x.
𝒄𝒐𝒗(𝒖, 𝒙) ∑ 𝒖 ∗ (𝒙 − 𝒙
̅)
𝒓𝒖/𝒙 = =
𝝈𝒖 ∗ 𝝈𝒙 𝒏 ∗ 𝝈𝒖 ∗ 𝝈𝒙

u x1 x2 x3
u 83223.65 0.00 0.00 0.00
x1 0.00 29939215.31 24179697.01 3182594.65
x2 0.00 24179697.01 20811661.02 2616982.87
x3 0.00 3182594.65 2616982.87 357902.02

Conform calculelor efectuate în “Eviews” coeficientul de covariație între dispersia erorile și variabilele x este
0.00 cea ce înseamnă că impărțirea acesteia la oricare produs dintre dispersii va fi egală cu zero.
Astfel acceptăm ipoteza homoscedasticității.
Metoda analizei variației se efectuează prin calcularea a 3 coeficienți (A, B, C) și testarea egalității între suma
B+C și coeficientul A.

A = SST = 98054270.14 B = SSE =1664472.912 C = SSR = 96389797.23

Pentru modelul studiat egalitatea A=B+C coincide confirmând încă odată ipoteza de homoscedasticitate.

Metoda dispersiilor variabelelor reziduale constă în împărțirea variabelelor reziduale în două grupe egale și
compararea dispersiilor obținute pentru fiecare grupă. Apoi folosim testul Fisher-Snedecor care constă în
calcularea raportului dintre cele două dispersii.

În cazul nostru dispersia primului grup este 34684.43 iar al grupului secundar
69345.13. rezid. gr.1 rezid. gr.2
113.7796 -577.492
-51.8971 -315.075
-133.545 692.0316
𝑺𝟐𝒖𝟏 183.2644 249.1152
𝑭𝒄𝒂𝒍𝒄 = 𝟐 -204.952 0.310147
𝑺𝒖𝟐
56.33837 -171.363
367.6517 -160.155
186.1542 -75.7316
Rezultatul testului Fisher-Snedecor în cazul nostru este 1.999316 cea ce este mai 43.50347 49.15482
mic ca variabila tabelară (cu 𝜶 = 0.01) de 5.29. Deoarece Fcalc < Ftab se -520.575 269.4819
acceptă ipoteza de homoscedasciditate și se respinge cea de heterodasciditate.

Testul Glejser se bazează pe relaţia dintre erorile estimate în urma aplicării M.C.M.M.P. asupra modelului
iniţial şi variabila explicativă presupusă a fi cauza heteroscedasticităţii.

Variable Coefficient Std. Error t-Statistic

b0 156.1602 112.0434 1.393747


b1 0.106773 0.032806 3.254711
b2 -0.085723 0.032433 -2.643064
b3 -0.296257 0.262551 -1.128378
Coeficientul b2,3 cât și rezultatul raporturilor t sunt nesemnificative. Deoarece rapoartele au rezultatele
aproximat de -2.64 și -1.12 care este mai mic ca t tabelar (pentru 16 grade de libertate și 𝜶 = 0.01) care este
2,921 putem accepta ipoteza de homoscedasticitate. Unicul element exclus este tb1 = 3.26.

Testul Breusch-Pagan-Godfrey se face prin calculului sumei pătratelor explicate de model, notată cu SSR, şi
calculul unei variabile H. Presupunând că erorile sunt normal distribuite, şi că ne aflăm în situaţia unui eşantion
de volum mare, variabila H este asimptotic distribuită sub forma unui χ 2 α ;v.

Heteroskedasticity Test: Breusch-Pagan-Godfrey

F-statistic 4.378621 Prob. F(3,16) 0.0197


Obs*R-squared 9.016972 Prob. Chi-Square 0.0291
H 6.642627 Prob. Chi-Square 0.0842

χ 2 este 11.24 (pentru 1%) cea ce este mai mare ca H deci înseamnă că ipoteza de homoscedasticitate a erorilor
este acceptată.

Testul White poate aplicat în două forme: utilizarea testului Fisher–Snedecor clasic, bazat pe ipoteza nulităţii
parametrilor. A doua metodă este utilizarea testului LM.
Heteroskedasticity Test: White

F-statistic 2.267764 Prob. F 0.1091


Obs*R-squared 13.42319 Prob. Chi-Square 0.1444

Deoarece Ftab = 5.29 pentru pragul de 1%, astfel doar testul Fisher-Snedecor acceptă homoscedasticitatea, pe
când testul LM o respinge.

Testul Park se bazează pe existenţa unei relaţii de dependenţă între dispersia corespunzătoare erorilor
heteroscedastice şi variabila exogenă x. Folosind programul „Eviews” putem specifica logaritmul variabilei x ca
̂𝟐.
regresor al funcției 𝒍𝒏 𝒖
Pentru a verifica semnificaţia estimatorului parametrului corespunzător variabilei exogene este utilizat testul
Student.

Variable Coefficient Std. Error t-Statistic Prob.

b0 4.820501 14.71954 0.327490 0.7475


LOG(X3) 0.119255 6.672780 0.017872 0.9860
LOG(X2) -8.420590 7.418122 -1.135138 0.2730
LOG(X1) 8.563179 7.788192 1.099508 0.2878
Toate valorile tcalc sunt mai mici ca 2.921 (pentru 16 grade de libertate și 𝜶 = 0.01). Cea ce permite să
confirmăm ipoteza de homoscedasticitate.

3.3 Ipoteza de autocorelare a erorilor.

Coeficientul de autocorelație de ordinul I constă din coeficientul calculat și intervalul de valori care ne
permite să determinăm prezența și direcția autocorelării.
∑ 𝒖𝒕 ∗ 𝒖𝒕 − 𝟏
𝒓𝟏 =
∑ 𝒖𝒕𝟐

Raportul dintre acestea este 0.0145651. În cazul în care rezultatul nu este nul, se confirmă prezența autocorelării
erorilor, în cazul când acesta este pozitiv se acceptă că autocorelarea este pozitivă.

__________________________________________________________________________________________

Testul Durbin-Watson are formula următoarea:

∑(𝒖 ̂ 𝒕 − 𝟏)𝟐
̂𝒕 ∗ 𝒖
𝑫𝑾 =
∑ 𝒖𝒕𝟐
DW = 1.3620 pentru k=3; n=20; d1=1,00 d2= 1,68. Deoarece coeficientul DW calculat este între d1 și d2
putem afirma că autocorelarea există și este pozitivă dar este extrem de slabă.

__________________________________________________________________________________________

3.4 Normalitatea erorilor care se testează cu ajutorul testului Jarque-Bera și comparearea rezultatelor cu
valorile tabelate a lui 𝝌𝟐 𝜶; 𝟐.

𝑺𝟐 (𝑲−𝟑)𝟐
𝑱𝑩 = + unde S reprezintă coeficientul de asimetrie iar K, coeficientul de boltire.
𝟔 𝟐𝟒

Y
Skewness 0.174965
Kurtosis 1.649418
Jarque-Bera 1.622104
Probability 0.444390
Rezultatul tabelat pentru 𝜶 = 0.01 este 9.21 iar coeficientul JB pentru modelul studiat este de aproximativ 1.62,
astfel ipoteza de normalitate a erorilor este acceptată.

3.5 Multicoliniaritatea se bazează pe existența sau lipsa corelației între variabilele exogene.

Testul Klein constă în compararea valorilor din matricea r x/x și coeficientul 𝑹𝟐 .

corelația x1 x2 x3
x1 1.0000 0.9687 0.9723
x2 0.9687 1.0000 0.9589
x3 0.9723 0.9589 1.0000

Deoarece 𝑹𝟐 = 0.9830, deci este mai mare ca orice r x/x, astfel se poate afirma că în cadrul testului Klein nu
există fenomenul de multicoliniaritate.

Testul Farrar-Glauber constă în calcularea unui coeficient cu ajutorul determinantului, care apoi se compară
cu 𝝌𝟐 𝜶; 𝒗. K=k+1; V=1/2*K*(K-1); k=3;

𝟏
𝑭𝑮 = − [𝒏 − 𝟏 − ∗ (𝟐𝑲 + 𝟓)] ∗ 𝒍𝒏𝑫
𝟔
K=k+1; V=1/2*K*(K-1); k=3;

Determinantul este 0.003076 iar rezultatul testului Farrar-Glauber este 97.35608218.

𝝌𝟐 𝟎. 𝟎𝟏; 𝟔 = 16,81 < 97.36

Putem afirma că în cadrul testului Farrar-Glauber multicoliniaritatea a fost depistată.


Concluzie: În cadrul testării a celor 5 ipoteze de bază, a fost acceptată ipoteza celor 3 sigma, a fost acceptată
homoscedasticitatea pentru toate testele efectuate, în afară de testu White-LM. În model este prezentă
normalitatea erorilor, multicoliniaritatea și o autocorelare a erorilor pozitivă dar slabă.

S-ar putea să vă placă și