PROIECT ECONOMETRIE

Influența Importului și Exportului asupra

PIB-ului

În tabelul de mai jos se află date legate PIB, Export și Import , pentru anul
2014 în 121 țări .Vrem să determinăm un model de regresie liniară multiplă pe
baza datelor din acest tabel. Pentru a determina modelul vom defini următoarele
variabile:
1. PIB (Y) – variabila dependentă exprimată în mil. USD , ce
reprezintă valoarea de piață a tuturor
bunurilor și serviciilor din cadrul granițelor unei țări dintr-o anumită p
erioada de timp, inclusiv producția companiilor străine 
care își desfășoară activitatea pe teritoriul țării, dar
exclusiv producția companiilor autohtone în afară țării.
2. Import (X1)- varibila independentă exprimată în mil. USD, ce
reprezintă totalitatea operațiilor prin care se introduc într-o țară bunuri
cumpărate din străinătate, în vederea comercializării
3. Export(X2) – variabila independentă exprimată în mil. USD, ce
reprezintă trimiterea de bunuri sau servicii produse într-
o țară către piața altei țari.

Country Name Import Export PIB

Angola 39156.2 51228.6 103542.6

1
 7 7
5944.69 3668.81 12749.94
Albania 2 1 9
273877. 350908. 355089.1
United Arab Emirates 5 9 8
72631.2 71890.9 443707.0
Argentina 5 3 7
3865.16 2794.90 11123.10
Armenia 4 6 1
596.787 349.309
American Samoa 4 4 542.1674
287239. 267264. 1284254.
Australia 5 5 5
207481. 223532. 408881.1
Austria 5 6 7
17365.9 30533.6 57902.58
Azerbaijan 5 8 8
795.213 211.591 2415.069
Burundi 8 3 3
413207. 420054. 500592.4
Belgium 4 5 4
3653.20 2800.60 8575.423
Benin 4 8 6
36696.5 28427.3 146997.3
Bangladesh 8 2 3
34162.0 32983.4 52802.76
Bulgaria 4 2 2
22577.1 26840.4 29922.84
Bahrain 3 3 1
5066.84 4034.74 10412.76
Bahamas, The 5 4 2
Bosnia and 9817.12 6001.49 17805.44
Herzegovina 4 4 6
47432.4 38065.5 64590.48
Belarus 6 4 2
1054.07 908.028 1536.069
Belize 4 1 7
10245.6 24475.23
Bolivia 1 11067.8 9
303314. 253923. 2423271.
Brazil 2 4 9
11373.2 12450.1
Botswana 7 1 16425.39
572343. 550323. 1782827.
Canada 8 2 6
Switzerland 346451. 428141. 625701.6

2
 1 8 8
79045.8 90439.6 258593.9
Chile 2 5 9
9416.35 31763.37
Cameroon 4 7073.27 9
79319.7 57549.6 349512.4
Colombia 4 6 6
361.255 106.079
Comoros 8 5 1039.739
1031.47 679.974 1773.904
Cabo Verde 4 6 6
16647.4 15150.0 43127.52
Costa Rica 9 1 1
13487.5 23173.19
Cyprus 1 14055.4 2
157524. 169760. 214124.3
Czech Republic 9 3 3
3654924.
Germany 1445409 1712270 3
163244. 184864. 335436.5
Denmark 4 2 7
18590.3 16251.7 64555.00
Dominican Republic 8 9 5
65454.9 182889.3
Algeria 2 54813.4 5
26397.9 23554.3 86333.44
Ecuador 6 1 7
70382.9 43027.5 239471.0
Egypt, Arab Rep. 7 7 8
Euro area 5228844 5774375 12885919
431300. 1371017.
Spain 378306 1 7
19691.8 20126.9 22942.75
Estonia 5 8 8
European Union 7100427 7665297 17583667
99065.6 97337.2 247075.3
Finland 2 5 6
845431. 816820. 2750675.
France 3 6 6
6141.74 8379.08
Gabon 9 3 17834.62
827311. 774022. 2657160.
United Kingdom 3 3 9
6489.59 14355.38
Georgia 9565.18 9 3
Guinea 4107.89 2107.11 8263.428

3
 5 2 4
79576.4 73238.9 245794.7
Greece 7 4 1
549864. 552826. 258220.8
Hong Kong SAR, China 6 8 7
11890.1 8742.07 18016.70
Honduras 5 4 9
24062.3 25139.8 57952.30
Croatia 7 6 3
4288.81 1370.02 7705.005
Haiti 1 7 2
127398. 139309.4
Hungary 117118 9 2
226102. 276052. 245809.9
Ireland 7 3 1
52707.1 91183.7 483098.8
Iran, Islamic Rep. 7 8 6
7073.96 8389.25 15011.60
Iceland 7 1 2
93473.1 271091.3
Israel 90355.6 7 7
537682.
Italy 8 595916 2043486
6656.72 4171.99 13505.05
Jamaica 9 5 3
19615.1 12188.2 29641.61
Jordan 4 3 8
965013. 940713. 5916317.
Japan 2 7 3
58760.2 69012.3 184051.6
Kazakhstan 5 5 8
9977.82 49506.41
Kenya 17578.2 3 7
11534.7 10494.5 14858.16
Cambodia 2 5 2
611506. 696154. 1234340.
Korea, Rep. 1 5 1
45293.0 92184.2 137150.3
Kuwait 9 3 8
6270.56 4209.45 9670.589
Lao PDR 7 5 9
24117.4 12366.2 41640.10
Lebanon 4 8 3
2165.43 371.432 2555.669
Liberia 4 6 8
Libya 37521.0 15890.3 41549.55

4
 8 7 2
2462.77 875.873
Lesotho 6 5 2810.441
34426.5 35691.0
Lithuania 3 9 43796.47
104424. 121632. 58779.84
Luxembourg 1 4 2
17106.8 16796.7 27432.35
Latvia 3 7 7
46897.6 35502.0
Morocco 8 8 108463.2
5736.98 2862.25 8400.830
Moldova 2 7 1
4343.73 3378.43 9640.232
Madagascar 4 7 4
395699. 390904. 1184180.
Mexico 3 2 1
7448.83 5476.93 10221.69
North Macedonia 6 9 7
6992.44 2795.05 11972.18
Mali 6 3 1
14152.8 15295.8 10319.84
Malta 4 4 2
2580.49 1715.83 4380.723
Montenegro 4 3 6
8079.04 7427.45 11408.65
Mongolia 3 1 2
Northern Mariana 483.630 390.484 788.0955
Islands 3 4 3
14130.6 5020.00 13422.59
Mozambique 5 8 7
3208.91 2476.00 5382.118
Mauritania 3 8 3
6905.20 5587.16 11554.73
Mauritius 9 3 7
209588. 238984. 314317.7
Malaysia 3 8 8
North America 3306575 2763101 18030634
3074.09 1621.62 7405.549
Niger 5 7 1
47197.1 109815. 452284.5
Nigeria 1 8 2
585477. 687462. 861816.0
Netherlands 7 4 7
140621. 174099. 458626.1
Norway 4 8 6

5
 7928.65 2004.47 19139.01
Nepal 3 3 3
51415.8 48983.6 163137.9
New Zealand 1 4 7
36376.3 46600.2 67997.39
Oman 7 5 9
33918.0 23348.1 206178.2
Pakistan 1 5 5
28302.6 24360.3 40407.88
Panama 5 4 6
44771.4 42709.3 180436.3
Peru 2 1 6
88075.2 81989.9
Philippines 5 3 250838.1
245089. 535792.1
Poland 237916 4 3
88776.9 87953.1 223971.1
Portugal 2 9 7
10677.2 11557.0 32082.19
Paraguay 9 7 1
105693. 161225.9
Qatar 58828.8 7 4
82554.1
Romania 3 79254.8 185277.8
408172. 476319. 1690779.
Russian Federation 9 2 6
3015.96 1180.27 7644.392
Rwanda 3 4 4
582585. 2594913.
South Asia 646073 5 1
218628. 293211. 651957.6
Saudi Arabia 1 7 1
6033.69 9504.96 69329.76
Sudan 5 1 8
6749.52 3533.65
Senegal 2 3 18957.38
488605. 570235. 289862.7
Singapore 2 3 6
18046.3
Serbia 22165 8 42912.99
3402.93 2341.32
South Sudan 4 9 9456.787
480831. 486953. 1635582.
Sub-Saharan Africa 9 7 8
250709. 304008. 457211.8
Small states 7 9 3

6
 86608.2 92689.8 97554.86
Slovak Republic 8 9 6
32427.9 36148.1 47874.93
Slovenia 6 5 6
227689. 252408. 519891.6
Sweden 9 8 1
United States 2732228 2209555 16242526

Sursa datelor: 1. https://data.worldbank.org/indicator/NY.GDP.MKTP.KD

2. https://data.worldbank.org/indicator/NE.EXP.GNFS.KD
3. https://data.worldbank.org/indicator/NE.IMP.GNFS.CD

Output obținut în EXCEL

Output obținut în EViews

7
Modelul de regresie obținut este:

Yt estimat= 15458.08 + 14.81975*X1t -11.28969*X2t + e

Testarea semnificației parametrilor pantă
1.Testarea semnificației parametrului pantă β1
a) Ipotezele de testare
H0: β1=0 (parametrul β1 nu este semnificativ statistic)
H1: β1≠0 (parametrul β1 este semnificativ statistic)
Probabilitate =95%; α=0,05; n=121
b) Statistica testului
β 1 estimat
t= Sβ 1estimat ~ Sn-3

c)Regiunea critică
tα/2;n-3=t0,025;118=1,984
Rc: tcalc<-tα/2,n-3 sau : tcalc>tα/2,n-3
tcalculat = β1 estimat /Sβ1 estimat =14,8197/0,4101= 36,1336>1.984

8
 => t calculat aparține Regiunii critice

=> se respinge ipoteza H0, se acceptă ipoteza H1

=> parametrul pantă β1 este semnificativ statistic la un prag de semnificație
de 5%.
Un interval de încredere 100*(1-α)% pentru β1 este:
β1 estimat – t α/2;n-3 * Sβ1 estimat < β1 estimat < β1 estimat + tα/2;n-3 * Sβ1 estimat
14,8197-1.984*0,4101< β1 estimat <14,8197+1.984*0,4101
14,0075 < β1 estimat < 15,6319
Observăm că intervalul determinat pentru β1 nu conține valoarea 0 => parametrul
pantă β1 este semnificativ statistic la un prag de semnificație de 5%.

2.Testarea semnificației parametrului panta β2

a) Ipotezele de testare
H0: β2=0 (parametrul β2 nu este semnificativ statistic)
H1: β2≠0 (parametrul β2 este semnificativ statistic)

Probabilitate =95%; α=0,05; n=121

b) Statistica testului
β 2 estimat
t= Sβ 2estimat ~ Sn-3

c)Regiunea critica
tα/2;n-3=t0,025;118=1,984
Rc: tcalc<-tα/2,n-3 sau : tcalc>tα/2,n-3
tcalculat = β1 estimat /Sβ1 estimat =-11.2896/0.3916= -28.8260>1.984
=> t calculat apartine Regiunii critice
=> se respinge ipoteza H0, se acceptă ipoteza H1
=> parametrul pantă β2 este semnificativ statistic la un prag de semnificație
de 5%.
9
 Un interval de încredere 100*(1-α)% pentru β2 este:
Β2 estimat – t α/2;n-3 * Sβ2 estimat < β2 estimat < β2 estimat + tα/2;n-3 * Sβ2 estimat
-11.2896-1.984*0.3916< β2 estimat <11.2896-1.984*0.3916
-12,065 < β2 estimat < -10,514
Observăm că intervalul determinat pentru β2 nu conține valoarea 0 => parametrul
pantă β2 este semnificativ statistic la un prag de semnificație de 5%.

Testarea validității modelului de regresie

1. Ipotezele de testare
H0: MSR=MSE (modelul nu este valid statistic)
H1: MSR≠MSE (modelul este valid statistic)

2. Statistica testului
Pentru testarea validității modelului, vom utiliza testul F (distribuția Fisher)
,k=2; n=121.
(∑(Y i estimat – Y mediu) 2/k )
Ftabelar = MSR/MSE =(SSR/2)/(SSE/(n-3))= (∑ (Y i – Y i estimat) 2/(n−3)) ≈ F2; n-3

= F2; 118
Ftabelar = F2; 118=3,07
3. Regiunea critică
Rcritică: Fcalculat > Fα, 2, n-3
Ftabelar= 3,07
Fcalculat = 2893,11798>3,07
=> Fcalculat apartine Regiunii critice

10
 => Respingem H0 și acceptăm H1
=> modelul este semnificativ statistic cu un prag de semnificație de
5%.

Interpretarea parametrilor pantă estimați

Parametrii pantă ai modelului de regresie sunt:
 β1 = 14,8197
 β2 = -11,2896
Primul parametru pantă, β1, reprezintă impactul pe care îl au importurile (X1)
asupra nivelului PIB. Altfel spus, parametrul arată că, dacă menținem celelalte
variabile constante, atunci când variabila X1 (importurile) crește cu 1 mil USD,
variabila Y (PIB) crește în medie cu 14,8197 mil USD.
Al doilea parametru pantă al modelului îl reprezintă β2, arătând impactul pe care
il au exporturile (X2) asupra PIB-ului. În condițiile în care păstrăm celelalte
variabile constante, parametrul β2 indică o scădere în medie cu 11,2896 mil USD a
PIB-ului atunci când variabila X2 (exporturile) crește cu 1 mil USD.

Verificarea normalitatii erorilor (Testul Jarque-Bera)

1. Ipotezele de testare
H0: Erorile urmează o distribuție normală(s=0; k=3)
H1: Erorile nu urmează o distribuție normală

2. Statistica testului
Folosim statistica testului Jarque Bera, care se calculează după relația:

( k−3)2 μ3
6 [
JB= n ∗ s 2+
4 ] , unde: s=coeficientul de asimetrie (Skewness) = 3
√μ
2
,

μ4
k=coeficientul de boltire (Kurtosis) =
μ22
11
 Statistica testului urmează o distribuție χ 2α , 2

3. Regiunea critică
Dacă JB calculat > χ 2α , 2 la pragul de semnificație 5%, atunci se respinge
ipoteza H0
JB calculat=439,5635> χ 2α , 2=5,991
=> se respinge ipoteza H0 și se acceptă ipoteza H1
=> erorile nu urmează o distribuție normală.
Mai mult, se mai poate observa din output că probabilitatea asociată testului
este 0,0002 care este mult mai mică decât pragul de semnificație de 0,05.

Prin urmare, avem încă un argument prin care putem susține că erorile nu
urmează o distribuție normală.

12
Tesatrea ipotezei de necorelare a erorilor(Durbin-Watson)
1. Ipotezele de testare
H0: ρ=0 (nu există autocorelare de ordinul I)
H1: ρ≠0 (există autocorelare de ordinul I), unde ρ este coeficientul de
corelație de ordinul I

13
 ∑ ( ut −ut −1 ) 2
2. Statistica testului Durbin - Watson este DW = 2
∑ ut
DW € [0,4] sau DW este aproximativ 2*(1-ρestimat )
Din output reiese că valoarea testului DW este 1,9970.
Pentru k=2 și n=121, avem că:
dL=1,6699 dU=1,7370, la un prag de semnificație de 5%.
Din intervalele cu dL și dU => DW se află în intervalul 1,7370 și 2,263,
regiunea a treia, ceea ce înseamnă că nu există autocorelare de ordinul I.

Tesatrea ipotezei de necorelare a erorilor(Breusch & Godfrey)

Regresia auxiliară a reziduurilor în raport cu variabilele explicative este:
ei=a0+a1*Xi1+ a2*Xi2+ρ1*ei-1+ ρ2*ei-2+wi

ei=-215,2921-0,0024*X1+0,0026*X2-0,0099*ei-1-0,0151*ei-2
14
 1. Ipotezele de testare
H0: nu există autocorelare de ordinul 2
H1: există autocorelare de ordinul 2
Obs*R-square=0,38625
Probabilitatea asociată testului este 0,9809, care este mai mare decât pragul
de semnificație de 5%, atunci se acceptă ipoteza H 0 și se respinge ipoteza H1, ceea
ce înseamnă că nu există autocorelare de ordinul 2.

Verificarea ipotezei de homoscedasticitate a erorilor (Testul White)

1. Se estimează ecuația Yi estimat= 15458,08 + 14,81975*X1i – 11,2896*X2i +
ei și se rețin reziduurile
2. Se calculează ei= Yi estimat– (15458,08 + 14,81975*X1i – 11,2896*X2i)

15
 3. Se construiește regresia auxiliară (ui)2=e 2i =a0+a1*X1+a2*X2+ηi pentru care
se calculează coeficientul de determinare R2.
H0: a1 = a2 = 0 (lipsa heteroscedasticităţii),
H1: a1 ≠ 0; a2 ≠ 0 pentru care erorile sunt heteroscedastice
Obs*R-squared=46,9960; probabilitatea asociată=0
Cum probabilitatea asociată testului χ2 este 0 < 0,05, respingem ipoteza
H0 conform căreia erorile sunt homoscedastice și acceptăm ipoteza H 1 =>erorile
sunt heteroscedastice.

Verificarea ipotezei privind lipsa multicoliniarității variabilelor explicative

(Klein)

16
 Acest criteriu se bazează pe compararea coeficineților de corelație liniară
(Pearson) între variabilele explicative și coeficientul de determinare R 2. Procedura
este următoarea:
1.Se calculează coeficienții de corelație liniară rij.
2.Se calculează R2
3.Se comapară rij, pt i≠j cu R2. Daca | rij|> R2, atunci acceptăm presupunerea
că există coliniaritate între variabilele explicative.
r3,2=0.9943>0.98 => că există coliniaritate între variabilele explicative.
Calculăm factorul de amplificare:
VIF=1/(1-R2)=1/(1-0,98)=50
VIF este mai mare decât 10, atunci avem multicoliniaritate mare.
Matricea corelațiilor

Previzionarea valorii variabilei dependente Y pentru anumite valori ale

variabilelor explicative

17
 Avem previziunea unei valori individuale Yp pentru anumite valori ale
variabilelor X1 și X2, importul respectiv exportul. Previziunea se va face pentru
anul 2015, iar țara va fi Romania. (prețuri curente, milioane USD)

Previziune punctuală

X1=398,547.0

X2=428,170.0

Ecuația de regresie pentru care vom calcula valoarea PIB-ului pentru anul
2015 este: Yt estimat= 15458.08 + 14.81975*X1t -11.28969*X2t + e
Yprevizionat=15458.08+14.81975*389547-11.28969*422170=1022278.80595
mil USD, prețuri curente

18