Sunteți pe pagina 1din 8

Universitatea Politehnica din Bucuresti

Facultatea de Antreprenoriat, Ingineria si Managementul Afacerilor

PROIECT ECONOMETRIE

PEE, ANUL I
Fie urmatoarele date referitoare la dinamica veniturilor (X1t), dinamica preturilor (X2t)
si evolutia cererii (Yt) pe piata unui produs (valorile sunt in procente ).

t X₁ᵼ X₂ᵼ Yᵼ Z L
1 3.90 1.6 2 9 3
2 2.3 3.7 0.5
3 1.7 1.8 1.5
4 2.8 1.1 3
5 2.9 2.1 1
6 1.7 4.9 0
7 3.4 2.1 2.1
8 2.8 2.9 1.8
9 3.9 0.8 3
10 1.7 3.7 0.7
11 1.9 3.5 0.5
12 1.5 3.4 1
13 2.5 1.6 1.4
14 2.1 3.1 1.2
15 1.9 3.8 0.8
16 3.1 2 2.3
17 4.4 0.3 3.5
18 2.9 1.1 3.8
19 3.3 2.3 1.8
20 3.7 2.1 2.6
21 2.5 3.3 0.8
22 2.2 3.9 1.2
23 4.4 0.9 4.2
24 1.9 4.1 0.8
25 3.9 0.6 2.5
∑t ∑X1t ∑X2t ∑YT
25 69.30 60.7 44

a. Estimati parametrii modelului:


Yt =a0 + a1 X1t +a2 X2t + et , si interpretati rezultatele obtinute .

In acest model, X reprezinta matricea valorilor explicative, e este vectorul erorilor aleatoare.
Calculam X'*X: (=MMULT(I3:AG5,S10:U34))

25.00 69.30 60.70


69.30 211.39 146.45
60.70 146.45 185.77

Calculam (X'*X)˄‐1 , si vom obtine o matrice formata din 3 linii si 3 coloane. Acesta se calculeaza :

=MINVERSE(C31:E33).

2.6915 -0.6017 -0.4051


-0.6017 0.1449 0.0823
-0.4051 0.0823 0.0728

Calculand X'*Y vom obtine o matrice formata dintr-o coloana si 3 linii : =MMULT(I3:AG5,D2:D26)

44.00
141.36
77.23
Ecuatiile lui Gauss : (X'X)Â=X'Y => Â= (X'*X)˄‐1 cu X'*Y .

Pentru a calcula Â, vom inmulti (X'*X)˄‐1 cu X'*Y, (=MMULT(J31:L33,C37:C39))iar rezultatul obtinut este

2.0831
0.3731
-0.5591
In acest tabel se regasesc parametrii modelului, acestia sunt â0 , â1, si â2. Â 0 reprezinta
parametrul de interceptare, iar â1, si â2 coeficientii de regresie partiali.

 0 = 2.0831, ne arata valoarea medie a evolutiei cererii care este estimata la 5.29426038 u.m,
tinand cont de cele doua variabile X1t si X2t .

Â1 = 0.3731 , ne arata ca inclinatia marginala spre cerere este de 0.37 procente, daca cele doua
variabile sunt constante, iar dinamica preturilor creste cu 1 u.m.

Â2 = -0.5591, ne arata ca evolutia cererii scade in medie cu aproximativ 0.5591 pentru fiecare
perioada de timp analizata.

Yt = 2.0831 + 0.3731*X1t -0.5591 *X2t


b. Testati acuratetea ajustarii si interpretati rezultatele obtinute;

Acuraterea ajustarii este data de coeficientul de determinare R2, si coeficientul de


determinare corectat ̅𝑅̅̅2̅ . Conform tabelului de mai sus R2 are valoarea de 0.7907, iar ̅̅
𝑅̅2̅
avand o valoare de 0.7714 .

R2 ne indica proportia din variatia variabilei dependente Y explicate de variabilele


indepedente,iar in tabelul de mai sus, 79.07% din variabila Y. Pentru perioada exemplului
dat, de 25 unitati de timp,variatia evolutiei cererii, in proportie de 79.07% este data de cele
doua variabile endogene.

c. Calculati matricea de varianta a estimatorilor;

𝛴𝑢2
Var(Â) = su2* ((X'*X)-1) su2 = 𝑛−𝑘−1

Pentru a calcula matricea de covarianta , trebuie sa calculam Y, Ŷ, U si U2.


Rezultatele obtinute sunt prezente mai jos, dupa cum urmeaza:

Ŷ u u^2 Ŷ =MMULT(S10:U34,C41:C43)
2.6438 -0.6438 0.4145
0.8727 -0.3727 0.1389 U =D2-I37
1.7111 -0.2111 0.0446
U^2=POWER(L37,2)
2.5129 0.4871 0.2372
1.9911 -0.9911 0.9824
-0.0221 0.0221 0.0005
2.1777 -0.0777 0.0060
1.5066 0.2934 0.0861
3.0911 -0.0911 0.0083
0.6488 0.0512 0.0026
0.8353 -0.3353 0.1124
0.7419 0.2581 0.0666
2.1214 -0.7214 0.5205
1.1335 0.0665 0.0044
0.6676 0.1324 0.0175
2.1217 0.1783 0.0318
3.5572 -0.0572 0.0033
2.5502 1.2498 1.5619
2.0286 -0.2286 0.0522
2.2897 0.3103 0.0963
1.1710 -0.3710 0.1376
0.7236 0.4764 0.2270
3.2218 0.9782 0.9569
0.4998 0.3002 0.0901
3.2029 -0.7029 0.4941
∑ 𝑢2 =6.2939
SU^2
0.2861

VAR(Â)
0.7700 -0.1721 -0.1159
-0.1721 0.0415 0.0236
-0.1159 0.0236 0.0208

Dispersiile estimatorilor care ii gasim in Â, in tabelul de mai sus, ii regasim pe diagonala.


d. Testati semnificatia estimatorilor si interpretati rezultatele obtinute;
Pentru a calcula estimatorii, folosim formula : su(â) = √𝜎

Estimator Valoare Std t-static p-value


ậ0 2.0831 0.8775 2.3739 0.0267
ậ1 0.3731 0.2036 1.8324 0.0804
ậ2 -0.5591 0.1443 -3.8732 0.0008

e. Testati autocorelarea erorilor si interpretati rezultatele obtinute;

Autocorelarea erorilor o putem realiza prin Testul Durbin Watson.

Ut-Ut-1 u^2
0.4145
0.2711 0.1389
0.1616 0.0446
0.6982 0.2372
-1.4782 0.9824
1.0132 0.0005
-0.0998 0.0060
0.3712 0.0861
-0.3845 0.0083
0.1423 0.0026
-0.3864 0.1124
0.5933 0.0666
-0.9795 0.5205
0.7879 0.0044
0.0660 0.0175 (1) Ut−Ut−1
DW = (2) = 2.1199
0.0459 0.0318 u^2
-0.2355 0.0033
1.3070 1.5619 In cazul de fata, testul Durbin Watson = 2.1199.
-1.4784 0.0522
0.5389 0.0963
-0.6813 0.1376
0.8474 0.2270
0.5018 0.9569
-0.6781 0.0901
-1.0031 0.4941
∑ (Ut-Ut-1)2= ∑ U2 =
13.3424 6.2939
f. Testati heteroscedascititatea erorilor si interpretati rezultatele obtinute;

. Heteroscedasticitatea este proprietatea erorilor de a nu avea o dispersie constanta.

𝑆𝑆𝑅
𝐹= 𝐾
𝑆𝑆𝐸
𝑛−𝑘−1
Fcalc > F crit, unde Fcrit este Fα,k,n-k-1

0.4145 0.0044
0.1389 0.0175
0.0446 0.0318
0.2372 0.0033
0.9824 1.5619
0.0005 0.0522
0.0060 0.0963
0.0861 0.1376
0.0083 0.2270
0.0026 0.9569
0.1124 0.0901
0.0666 0.4941
suma suma
2.1002 3.6733

Su^2 Su^2
0.2334 0.4081

F 1.7490

g. Pentru X1,26 = 1.0 + 0.1*L si X2,26 = 1.0 + 0.1*Z prognozatii evolutia vanzarilor cu un grad
de incredere de 90%.

X1,26 =1.0+0.1*3 = 1.3

X2,26 = 1.0+0.1*9=1.9
f. Testati heteroscedascititatea erorilor si interpretati rezultatele obtinute;

Pentru datele care le avem, am aplicat testul White.

W= n*R2
W= 25*0.7907

W= 19,7675

Din tabelul cu datele tabelate pentru testul White, gasim χ cu 2 grade de libertate la valoarea de
37,65 de unde rezulta ca W=19,7675.

Din datele de mai sus reiese ca modelul este heteroscedastic.

g. Pentru X1,26 = 1.0 + 0.1*L si X2,26 = 1.0 + 0.1*Z prognozatii evolutia vanzarilor cu un grad
de incredere de 90%.

X1,26 =1.0+0.1*3 = 1.3

X2,26 = 1.0+0.1*9=1.9

S-ar putea să vă placă și