Academia de Studii Economice Bucureşti

ECONOMETRIE

Carp Raluca-Teodora

SERIA A
1. Formularea problematicii analizate și descrierea variabilelor economice

Proiectul consta in analiza influentei exporturilor si importurilor de bunuri si servicii

asupra Produsului Intern Brut (variabila dependenta) al țării noastre. Pentru aceasta am colectat
date referitoare la evolutia acestor variabile, pe o perioada de 7 ani, mai exact intre 2010 si 2016,
datele fiind inregistrate semestrial. Valorile acestor variabile sunt exprimate in milioane lei.

Variabilele sunt urmatoarele :

Y-Produsul intern brut

X1-Exportul de bunuri si servicii

X2-Importul de bunuri si servicii

Descrierea datelor :
PIB-ul este suma cheltuielilor pentru consum a gospodăriilor private și a organizațiilor
private non-profit, a cheltuielilor brute pentru investiții, a cheltuielilor statului, a
investițiilor în scopul depozitării, ca și câștigurile din export, din care se scad cheltuielile
pentru importuri.

PIB=C+I+G+NX

unde:

C= cheltuielile consumatorilor pentru bunuri şi servicii

G=cheltuielile autorităţilor publice pentru bunuri şi servicii
I= investiţiile firmelor
NX=exportul net

Sursa datelor:
 http://statistici.insse.ro/shop/?page=tempo2&lang=ro&context=62
 http://statistici.insse.ro/shop/index.jsp?page=tempo2&lang=ro&context=35
Am introdus datele analizate in Excel:

Fig 1: Esantion de date colectate

2. Modelul econometric unifactorial

Pe baza datelor de mai sus se poate construi un model econometric unifactorial de forma:

𝑦̂ ̂ ̂ ̂
0 = 𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖 + 𝜀𝑖 unde:
- 𝑦𝑖 reprezintă valorile reale ale variabilei dependente (produsul intern brut);
- 𝑥𝑖 reprezintă valorile reale ale variabilor explicative (exportul+importul);
- 𝜀𝑖 este variabila reziduală, cu influenţe nesemnificative asupra variabilei 𝑦𝑖 .
a) Estimând modelul prin metoda celor mai mici pătrate cu ajutorul Excel, se obţin următoarele:

Fig 2: Output-ul analizei modelului unifactorial in Excel

Dreapta de regresie estimata este de forma :

𝑦̂ ̂ ̂ ̂
𝑖 = 𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖 + 𝜀𝑖
̂ 𝑖 = -77462.4 -1.11161𝑋𝑖1 +4.550158𝑋𝑖2
𝑦

Interpretarea parametrilor:

̂1=-1.11161 este coeficient de regresie partial si arata ca ,in perioada analizata,mentinand

𝛽
celelalte variabile constante atunci cand exportul de bunuri si servicii(x1) creste cu un million de
lei (o unitate),produsul intern brut scade in medie cu 1.11161 milioane lei.

̂2=4.5501 este coeficient de regresie partial si arata ca in perioada analizata,mentinand celelalte

𝛽
variabile constante, atunci cand importul de bunuri si servicii creste cu un million de lei(o
unitate),produsul intern brut creste in medie cu 4.5501 milioane de lei.

𝑅 2 =0.578451

Regresia arata ca importul si exportul de bunuri si servicii explica57.84% din variatia produsului
intern brut.

b)Testarea semnificației statistice a parametrului pantă

1. H0:β1=0 (parametrul pantă β1 nu este semnificativ statistic)

H1:β1≠0(parametrul pantă β1 este semnificativ statistic)

 ̂
𝛽
Statistica 𝑡 = 𝑆 1 urmează o distributie Student cu (n-2) grade de libertate dacă H0 este
̂
𝛽1

adevărată.

Regiunea critică este 𝑅𝐶 : |tcalc| > 𝑡𝛼⁄2⋅,𝑛−2 .

Dacă |tcalc|>𝑡𝛼⁄ atunci respingem H0 la un nivel de semnificație de α%.

2⋅,𝑛−2

−1.11161
𝑡𝑐𝑎𝑙𝑐 = = −0.6450035.
1.723417

𝑡𝑐𝑟𝑖𝑡𝑖𝑐 = 𝑡0.025;26= 2.056

Deoarece -0.6450035<2.056, spunem că nu există suficiente dovezi pentru a respinge H0 şi a

accepta H1, ceea ce inseamna ca parametrul β1nu este semnificativ statistic la pragul de
semnificatie de 5%.

Un interval de încredere 100(1-α)% pentru parametrul β1 este de forma:

̂
𝛽1 − 𝑡𝛼⁄2;𝑛−2 ∗ 𝑠𝛽
̂1 + 𝑡𝛼⁄ ;𝑛−2 ∗ 𝑠𝛽̂
̂1 ≤ 𝛽1 ≤ 𝛽
2 1

Un interval de incredere 95% pentru parametrul panta este :

(-1.11161-2.056*1.723417 ; -1.11161+2.056*1.723417 ) = > (-4.66105 ; 2.437837)

Marimea intervalului de incredere este proportionala cu eroarea standard a estimatorului.Cu cat

eroarea standard a estimatorului este mai mare cu atat precizia cu care este estimata valoarea
reala a parametrului necunoscut este mai mica.

Intervalul construit conține valoarea 0, deci β1=0. Putem spune ca β1 nu este semnificativ statistic sau că
factorul X nu are putere explicativă asupra lui Y.

2. H0:β2=0 (parametrul pantă β1 nu este semnificativ statistic)

H1:β2≠0(parametrul pantă β1 este semnificativ statistic)

̂
𝛽
Statistica 𝑡 = 𝑆 2 urmează o distributie Student cu (n-2) grade de libertate dacă H0 este
̂
𝛽2

adevărată.

Regiunea critică este 𝑅𝐶 : |tcalc| > 𝑡𝛼⁄2⋅,𝑛−2 .

Dacă |tcalc|>𝑡𝛼⁄2⋅,𝑛−2 atunci respingem H0 la un nivel de semnificație de α%.

4.550158
𝑡𝑐𝑎𝑙𝑐 = 2.128277 = 2.13800408.
𝑡𝑐𝑟𝑖𝑡𝑖𝑐 = 𝑡0.025;26= 2.056

Deoarece 2.13800408<2.056, spunem că există suficiente dovezi pentru a respinge H0 şi a

accepta H1, ceea ce inseamna ca parametrul β2 este semnificativ statistic la pragul de
semnificatie de 5%.

Un interval de încredere 100(1-α)% pentru parametrul β1 este de forma:

̂
𝛽1 − 𝑡𝛼⁄2;𝑛−2 ∗ 𝑠𝛽
̂1 + 𝑡𝛼⁄ ;𝑛−2 ∗ 𝑠𝛽̂
̂1 ≤ 𝛽1 ≤ 𝛽
2 1

Un interval de incredere 95% pentru parametrul panta este :

(4.550158-2.056*2.128277 ; 4.550158+2.056*2.128277 ) = > (0.166992; 8.933325)

Intervalul construit nu conține valoarea 0, deci β2=0. Putem spune ca β2 este semnificativ statistic sau că
factorul X are putere explicativă asupra lui Y.

c) Testarea validitatii modelului de regresie

H0: modelul nu este valid statistic (MSR=MSE)

H1: modelul este valid statistic (MSR>MSE)

SST=∑[𝑦𝑖 − 𝑦̅]2 =4.85E+10 este suma pătratelor abaterilor valorilor reale ale variabilei Y de la media lor
de selecție, 𝑦̅ . Suma SST reprezintă variația totală a valorilor variabilei Y.

SSR=𝛴(𝑦̂𝑖 − 𝑦̅)2 =2.8E+10 reprezintă variația explicată prin factorul de regresie.

SSE=𝛴(𝑦𝑖 − 𝑦̂𝑖)2 =2.047E+10 este variația datorată erorilor.

MSE =SSE/(n-2)=8.17E+08 este varianța erorilor estimate.

𝑀𝑆𝑅 𝑆𝑆𝑅⁄
1
Statistica F=𝐹 = 𝑀𝑆𝐸 = 𝑆𝑆𝐸 are o distributie de forma 𝐹𝛼;1;𝑛−2 .
⁄(𝑛−2)

Regula de decizie:

Daca Fcalculat > Fcritic => respingem H0 si acceptam H1 =>Modelul este valid statistic.
 48475446114.4896
𝐹𝐶𝐴𝐿𝐶𝑈𝐿𝐴𝑇 = = 59.3051305
817390429.756385
𝐹𝐶𝑅𝐼𝑇𝐼𝐶 = 𝐹𝛼;1;28 = 4.20

Deoarece 59.3051305 > 4.20 => respingem H0 si acceptam H1,adica modelul este valid statistic
pentru un prag de semnificatie de 5%.

d)Verificarea îndeplinirii ipotezelor modelului clasic de regresie liniară

Verificarea homoscedasticității:

Testul WHITE:

H0: a1=a2=0 (erorile aleatoare sunt homoscedastice)

H1: (ꓱ) ai≠0,i=1,2 (erorile aleatoare sunt heteroscedastice)

Figura3: Output Testul White

LM= R Square *n= 0.098012*28= 27.44336

Dacă probabilitatile asociate statisticilor calculate sunt mai mici decât nivelul de semnificatie
ales, respingem H0 şi acceptăm H1 ⇒ erorile aleatoare sunt heteroscedastice.

27.44336>5,991 => respingem H0, erorile aleatoare sunt heteroscedastice.

Non-autocorelarea

Testul Durbin-Watson verifică dacă există autocorelare de ordinul întâi în seria reziduurilor.
Statistica DW nu urmează o distributie clasică. Valorile sale critice sunt tabelate. Pentru un nivel
de semnificatie dat, tabelul contine două valori critice: limita inferioară d1 şi limita superioară d2
(notate şi d L şi dU ).

DW= 𝛴(erori-erori-1)^2/ 𝛴𝑒𝑟𝑜𝑟𝑖^2= 44342281655/20434760744=2.16994376

Se testează ipotezele:

H0 :ρ = 0 (nu există Autocorelarea erorilor aleatoare)

H1 :ρ ≠ 0 (există Autocorelare de ordin 1 a erorilor aleatoare).

Pentru un prag de semnificatie 𝛼 = 5% n=28,k=1 => d1=1.328 si d2=1.476

 d2 < DW stat < 4-d2

 1.476 < 2.1699 <2.524 adica reziduurile sunt independente.

Normalitatea erorilor aleatoare - testul Jarque-Bera

Ipotezele :

H0: Rezidurile au distribuție normală ( S = 0 si K = 3 )

H1: Rezidurile nu au distribuție normală

Aflam coeficientul de asimetrie Skewness = -2.6840048 si coeficientul de boltire Kurtosis= 10.15979.

Statistica testului JB se calculeaza astfel:

JB=n*[sw^2/6+k^2/24]=28*[ 7.20388188/6+ 4.300891]=28*[ 1.20064698+4.300891]= 154.0431

Atunci JB> 5.991 => se respinge H0 , rezidurile nu au distributie normala.