Studiu individual

La disciplina: „Econometrie”

Profesor: Pârțachi Ion

A realizat:

Chișinău, 2020
 LUCRARE INDIVIDUALĂ la econometrie
Fie că se cunosc datele pentru 7 regiuni pentru anul 2018 (tabelul 1)

Tabelul 1.

Cheltuieli pentru cumpărarea

Salariu mediu lunar al unui lucrător,
produselor alimentare , % din volumul
mii lei, x
total al cheltuielilor, y
A B
69.7 5.7
59.7 6.7
63.7 6.7
53.7 8.7
55.7 7.7
58.7 7.7
52.7 8.7

I) Să se caracterizeze dependența ponderilor cheltuielilor necesare pentru cumpărarea

produselor alimentare față de venituri cu ajutorul următoarelor funcții prin
reprezentări grafice și MCMMP:
1) liniare;
2) de putere;
3) logaritmice;
4) exponențiale;
5) hiperbole;
6) inverse.
II) Să se calculeze și să se interpreteze indicatorii de intensitate a legăturii pentru fiecare
model .
III) Să se estimeze fiecare model prin coeficientul de determinație, criteriul Fisher,
eroarea de aproximație cu ajutorul EXCEL, SPSS, Eviews.
IV) Să se prezente rezultatele într-un tabel și să se argumenteze alegerea modelului
optim.

Rezolvare:
Avînd numărul de ordine în registru = 3, atît x cît și y se vor aduna cu 0,1*3
Tabelul 2
 Cheltuieli pentru cumpărarea
Salariu mediu lunar al unui lucrător,
produselor alimentare , % din volumul
mii lei, x
total al cheltuielilor, y
A B
70 6
60 7
64 7
54 9
56 8
59 8
53 9

Soluție:

I.1. Dacă dependența este liniară, atunci regresia pentru funcția liniară este y= a+ bx.

Estimatorii a și b îi determinăm pe baza sistemului de ecuații normale:

( n ) a+ b ( ∑ x )=∑ y
{(∑ )x a+b ( ∑ x 2) =∑ xy

d/r x y yx x^2 y^2 yaj y-yaj A

1 2 3 4 5 6 7 9 10
1 6,00 70,00 420,00 36,00 4900,00 68,23 1,77 2,53
2 7,00 60,00 420,00 49,00 3600,00 63,10 -3,10 5,16
3 7,00 64,00 448,00 49,00 4096,00 63,10 0,90 1,41
4 9,00 54,00 486,00 81,00 2916,00 52,83 1,17 2,17
5 8,00 56,00 448,00 64,00 3136,00 57,96 -1,96 3,50
6 8,00 59,00 472,00 64,00 3481,00 57,96 1,04 1,76
7 9,00 53,00 477,00 81,00 2809,00 52,83 0,17 0,33
24938,0
Total
54,00 416,00 3171,00 424,00 0 416,00 0,00 16,86
Media 7,71 59,43 453,00 60,57 3562,57 59,43 0,00 2,41

a 99,0384
 6
b -5,13462

Sistemul de ecuații normale:

{547a+b
a+b 54=416
424=3171

7 54
∆ = |54 424| = 7*424-(54)^2=52

416 54
∆a = [ 3171 424 ]
= 416*424-3171*54=176384-171234=5150

∆a 5150
a^ = = =90,0385
∆ 52

∆b = [ 547 416 =¿
3171] 7*3171-54*416=22197-22464= -267

−267
b^ = =−5,1346
52

ŷ = 90,0385-5,1346x

^ ( xy )−( x )( y )
Acest rezultat poate fi obținut folosind b=
σ 2x

σ 2x = ∑ x2 - x2 = x2 - x2
n

a = y – bx
SUMMARY OUTPUT

Regression Statistics
Multiple R 0,95
R Square 0,91
Adjusted R Square 0,89
Standard Error 1,99
Observations 7,00

ANOVA
df SS MS F Significance F
Regression 1,00 195,85 195,85 49,29 0,00
Residual 5,00 19,87 3,97
Total 6,00 215,71

Coefficients
Standard Error t Stat P-value Lower 95%Upper 95%Lower 95,0%
Upper 95,0%
Intercept 97,20 5,47 17,76 0,00 83,13 111,27 83,13 111,27
X Variable 1 -5,13 0,73 -7,02 0,00 -7,01 -3,25 -7,01 -3,25

RESIDUAL OUTPUT

Observation Predicted Y Residuals

1,00 67,93 1,77
2,00 62,80 -3,10
3,00 62,80 0,90
4,00 52,53 1,17
5,00 57,66 -1,96
6,00 57,66 1,04
7,00 52,53 0,17

Operînd cu medii putem să ne confruntăm cu erori de rotunjire.

Interpretare:

b^ =-5,134 înseamnă că cu majorarea salariului cu o mie de lei, ponderea cheltuielilor pentru

cumpărarea produselor alimentare se micșorează în medie cu 5,134 pp (puncte procentuale)

Calculăm rezidiurile e = y - ^y

Coeficientul de corelație:

σ
^ ( xy )−( x )( y )
r yx = b^ x sau r yx =
σ^y σxσ y

σ^ x = √ 424 /7−(7,71)2 = 1,061757

σ^ y = √ 24938/7−(59,43)2=5,535931

453−7.71∗59.43
r yx = ≈ -0.85 o dependență legată .
1,061757∗5.535931

Coeficientul de determinație:

r 2yx = (−0.85)2 ≈ 0.72

Criteriul Fisher:

r2 0,72
F= 2( n – 2 ) =
∗5=¿12,85
1−r 1−0,72

F 0,05
tab(1,5 ) = 6,61

! Ecuație statistic justă

Eroarea de aproximație pentru fiecare observație se definește astfel

y i−^y i
| | yi
× 100

1 y i− ^yi 16,86
A=
n
∑ | |
yi
× 100 =
7
≈ 2,40

Concluzii: Eroarea medie de aproximatie ¿ arata o corespundere buna a valorilor ^y la cele

y culese la o abatere de ≈ 2,40 %.

Ib. Regresia pentru funcția de putere

d/r x y lnx lny lnx*lny lnx^2 lny^2 Lnyaj dif A rezid^2
1 2 3 4 5 6 7 8 9 10 11 12
1 6,00 70,00 1,79 4,25 7,61 3,21 18,05 69,12 0,88 1,26 0,78
2 7,00 60,00 1,95 4,09 7,97 3,79 16,76 62,61 -2,61 4,35 6,82
3 7,00 64,00 1,95 4,16 8,09 3,79 17,30 62,61 1,39 2,17 1,93
4 9,00 54,00 2,20 3,99 8,76 4,83 15,91 53,29 0,71 1,31 0,50
5 8,00 56,00 2,08 4,03 8,37 4,32 16,20 57,47 -1,47 2,63 2,17
6 8,00 59,00 2,08 4,08 8,48 4,32 16,63 57,47 1,53 2,59 2,33
7 9,00 53,00 2,20 3,97 8,72 4,83 15,76 53,29 -0,29 0,55 0,09
Total 54,000 416,000 14,237 28,564 58,010 29,087 116,615 415,869 0,131 14,867 14,616
Media 7,71 59,43 2,03 4,08 8,29 4,16 16,66 59,41 0,02 2,12 2,09

a 5,384585
b -0,64116
y-yaj y-yaj2 y2
0,88 0,783214 4900
-2,61 6,815654 3600
1,39 1,930208 4096
0,71 0,500081 2916
-1,47 2,170573 3136
1,53 2,330855 3481
-0,29 0,085753 2809
14,61634 24938
y = axb
ln y = ln a+ b∗ln x sau Y = A + b*X
Scriem sistemul de ecuații normale

( n ) A+ ( ∑ x ) b=∑ y
{(∑ ) x A + ( ∑ x 2 ) b=∑ xy

7 A+ 14,237 b=28,564
{14,237 A +29,087 b=58,010

7 14,237
[ ]
∆ = 14,237 29,087 = 7*29,087-14,237*14,237= 0,917

∆ A= [ 28,564
58,010
14,237
29,087 ]
= 4,951

7 28,564
∆ b= [ 14,237 58,010]= -0,595

∆ A 4,951 ∆b −0,595
a= = = 4,946 b= = = -0,594
∆ 1,001 ∆ 1,001

ln y = 4,946 – 0,594 ln x

Efectuăm potențierea și avem

y = e 4,946∗x −0,594 =140,61∗x−0,594

Interpretare: Parametrun b= - 0,594 inseamna coeficientul de elasticitate care arata ca cu

cresterea salariului cu 1 %, ponderea cheltuielilor pentru produsele alimentare se
micsoreaza in mediu cu 0,59 %
SUMMARY OUTPUT

Regression Statistics
Multiple R 0,96
R Square 0,93
Adjusted R Square 0,92
Standard Error 0,03
Observations 7,00

ANOVA
df SS MS F Significance F
Regression 1,00 0,05 0,05 67,65 0,00
Residual 5,00 0,00 0,00
Total 6,00 0,06

Coeffi cients
Standard Error t Stat P-value Lower 95%Upper 95%
Lower 95,0%
Upper 95,0%
Intercept 5,31 0,15 35,33 0,00 4,92 5,69 4,92 5,694366
X Variable 1 -0,62 0,08 -8,23 0,00 -0,81 -0,43 -0,81 -0,42512

RESIDUAL OUTPUT

Observation Predicted Y Residuals

1,00 4,23 0,01
2,00 4,13 -0,04
3,00 4,13 0,02
4,00 3,97 0,01
5,00 4,05 -0,03
6,00 4,05 0,03
7,00 3,97 -0,01

Indicele de corelație arată indicatorul de intensitate:

∑ ( y − ŷ x )2
R = 1−
√ ∑ ( y− ý)2
∑ ( y− ^y )2 = 14,6163

∑ ( y− ý )2 = ∑ y2 - y ∑ y = 24938-59,43*416=215,12

Așadar avem

14,6163
R = 1−
√ 215,12
= 1-0,0679 = 0,9321

( ln y ln x )−ln y × ln x
ŋ ln y ln x = =
σ ln y σ ln x

R2 = 0,93212 = 0,8688

Interpretare

R2 0,8688
F= 2 ( n-2 ) =
∗5 = 33,11
1−R 1−0,8688

F 0,05
tab = 6,61

14,867
A= = 2,12%
7

Concluzii:
Eroarea medie de aproximatie ¿ arata o corespundere buna a valorilor ^y la cele y culese la
o abatere de 2,12 %
 3) Exponent
d/r x y lny xlny x^2 Yaj dif A
1 2 3 4 5 6 7 8 9
1 6,00 70,00 4,25 25,49 36,00 68,44 1,56 2,23
2 7,00 60,00 4,09 28,66 49,00 62,87 -2,87 4,79
3 7,00 64,00 4,16 29,11 49,00 62,87 1,13 1,76
4 9,00 54,00 3,99 35,90 81,00 53,07 0,93 1,73
5 8,00 56,00 4,03 32,20 64,00 57,76 -1,76 3,15
6 8,00 59,00 4,08 32,62 64,00 57,76 1,24 2,10
7 9,00 53,00 3,97 35,73 81,00 53,07 -0,07 0,13
Total 54,000 416,000 28,564 219,720 424,000 415,839 0,161 15,882
Media 7,714 59,429 4,081 31,389 60,571 59,406 0,023 2,269

a 4,73
b -0,08 dif^2
2,445644
8,25388
1,270227
0,871391
3,104649
1,53264
0,004424
17,48286

y = ae bx
ln y =ln a + bx
Scriem sistemul de ecuații normale

ln y =n ln a+b ∑ x
{∑∑ x ln y =ln a ∑ x+ b ∑ x 2

Conform tabelului construim sistemul de ecuații normale:

28,564=7∗lna+b∗54
{219,72=lna∗54+ b∗424

[7 54
]
∆ = 54 424 = 2968-2916=52

[ 28,564 54
]
∆ ln a = 219,72 424 = 12111,14-11864,88=246,26

246,26
ln a = ≈ 4,74
52

∆b = [ 547 28,564
219,72 ]
= 1538,04-1542,46= - 4,42

−4,42
b= = -0,085≈-0,09
52

Atunci ln y = 4,74-0,09x

Potențiem obținem:

ŷ = e 4,74−0,09 x

Interpretare:
Parametrun b= - 0,9 inseamna coeficientul de elasticitate care arata ca cu cresterea
salariului cu 1 %, ponderea cheltuielilor pentru produsele alimentare se micsoreaza in
mediu cu 0,9 %
SUMMARY OUTPUT

Regression Statistics
Multiple R 0,96
R Square 0,92
Adjusted R Square 0,90
Standard Error 0,03
Observations 7,00

ANOVA
df SS MS F Significance F
Regression 1,00 0,05 0,05 56,50 0,00
Residual 5,00 0,00 0,00
Total 6,00 0,06

Coefficients
Standard Error t Stat P-value Lower 95%Upper 95%
Lower 95,0%
Upper 95,0%
Intercept 4,71 0,08 55,47 0,00 4,49 4,93 4,49 4,93
X Variable 1 -0,09 0,01 -7,52 0,00 -0,11 -0,06 -0,11 -0,06

RESIDUAL OUTPUT

Observation Predicted Y Residuals

1,00 4,22 0,02
2,00 4,14 -0,05
3,00 4,14 0,02
4,00 3,97 0,02
5,00 4,05 -0,03
6,00 4,05 0,02
7,00 3,97 0,00

Pentru a calcula valorile ajustate a lui ŷ x înlocuim valorile lui x și potențiem.

Intensitatea de legătură o măsurăm prin indicele de corelație

∑ ( y − ŷ x )2
R¿
√ 1−
∑ ( y− ý )2
∑ ( y− ŷ )2 = 17,48286

∑ ( y− ý )2 = ∑ y2 −¿ y ∑ y ¿=24938-59,429*416=215,54

17,48286
Atunci R =
√ 1−
215,54
=0,919≈0,92

ceea ce demonstrează o intensitate strinsa a criteriilor analizați .

2
R2=(0,92) ≈ 0,85; valoarea lui indica ca 85% din variatie a lui y este legata de variatia lui
x.

0,92
F = ∗5 = 57,5
1−0,92

ceea ce înseamnă că ecuația de regresie este statistic semnificativă

ŷ = e 4,74−0,09 x
F tab
1,5 = 6,61

Eroarea medie de aproximație

15,882
Ā= =2,27 , adica valorile absolute si cele elastice corespund- calitatea modelului
7
este buna.

4) Regresia în formă de curbă exponențială y = ab x coincide după rezultate cu cea de

exponent după linearizare

y = ab x

ln y =n ln a+(ln b) ∑ x
{∑∑ x ln y =ln a ∑ x+(lnb) ∑ x 2

ln y = ln a + xln b

ln a = 4,74 ; a = e 4,74

ln b = -0,09 ; b = e−0,09 = 0,9

ŷ x = 114,43*0,9 x

5) Regresia în formă de hiperbolă echilaterală

b
y=a+ x

1
Efectuăm liniarizația = z, atunci y = a + bz.
x

Aplicăm MCMMP

y=na+b ∑ z
{∑∑ yz=a ∑ z +b ∑ z 2
 d/r x y z=1/x y*z z^2 xlny Yaj dif A
1 2 3 4 5 7 8 9
1 6,00 70,00 0,17 11,67 0,03 25,49 69,44 0,56 0,80
2 7,00 60,00 0,14 8,57 0,02 28,66 62,55 -2,55 4,24
3 7,00 64,00 0,14 9,14 0,02 29,11 62,55 1,45 2,27
4 9,00 54,00 0,11 6,00 0,01 35,90 53,36 0,64 1,19
5 8,00 56,00 0,13 7,00 0,02 32,20 57,38 -1,38 2,46
6 8,00 59,00 0,13 7,38 0,02 32,62 57,38 1,62 2,75
7 9,00 53,00 0,11 5,89 0,01 35,73 53,36 -0,36 0,68
Total 54,00 416,00 0,92 55,64 0,12 219,72 416,00 0,00 14,39
Media 7,71 59,43 2,06

a 21,20
b 289,43 dif^2
0,316768
6,482149
2,114097
0,412451
1,897857
2,632093
0,128004
13,98342

Conform tabelului construim sistemul de ecuații normale:

416=7∗a+ b∗0,92
{55,64=0,92a+ b∗0,12

∆a ∆b
a^ = = b^ =
a b

De unde ∆ = [ 0,927 0,92

0,12 ]
= 0,84-0,8464= - 0,0064

416 0,92
∆ = [
55,64 0,12 ]
a = 49,92-51,1888= -1,2688

7 416
∆ = [
0,92 55,64 ]
b =389,48-382,72=6,76

−1,2688
a = = 198,25
−0,0064
6,76
a = = - 1056,25
−0,0064

−1056,25
Ecuația de regresie y = 198,25+
x
SUMMARY OUTPUT

Regression Statistics
Multiple R 0,97
R Square 0,94
Adjusted R Square 0,92
Standard Error 1,67
Observations 7,00

ANOVA
df SS MS F Significance F
Regression 1,00 201,85 201,85 72,79 0,00
Residual 5,00 13,87 2,77
Total 6,00 215,71

Coeffi cients
Standard Error t Stat P-value Lower 95%Upper 95%
Lower 95,0%
Upper 95,0%
Intercept 22,49 4,34 5,18 0,00 11,34 33,65 11,34 33,65
X Variable 1 266,15 31,20 8,53 0,00 185,96 346,34 185,96 346,34

RESIDUAL OUTPUT

Observation Predicted Y Residuals

1,00 69,19 0,51
2,00 62,22 -2,52
3,00 62,22 1,48
4,00 53,08 0,62
5,00 57,06 -1,36
6,00 57,06 1,64
7,00 53,08 -0,38

∑ ( y − ŷ x )2
Intensitatea legăturii R =
√ 1−
∑ ( y− ý)2
Calculăm:

−1056,25
ŷ x = 198,25+
x

înlocuind valorile individuale x, de asemenea calculăm ( y− ŷ x )2 , atunci

∑ ( y− ŷ x)2 = 13,98342

∑ ( y− ý )2 = 24938-59,43*416=24938-24722,88=215,12

13,98342
Prin urmare, indicele de corelație va fi R =
√ 1−
215,12
=0,935≈0,93

R2=0,86

Coeficientul de determinație 93,00 % ceea ce confirmă o calitate înaltă a modelului.

0,93 0,05
F= ∗5 =66,43 , F 1,5 = 6,61.
1−0,93

Ecuația de tip hiperbolă este statistic semnificativa deoarece F> F tab =6,61 .
13,98342
Ā= =2,0 % ceea ce confirmă o buna ajustare a lui ŷ în raport cu y.
7

1
6)Regresia în formă de funcție inversă ^y =
a+bx
 1
Notăm Y =
y

Atunci Y = a+ bx

Aplicăm MCMMP și obținem sistemul de ecuații normale:

∑ Y =na+ b ∑ x
{
∑ Yx=a ∑ x +b ∑ x 2
d/r x y 1/y x*1/y x^2 (1/y)^2 yaj Yaj dif A rezid^2
1 2 3 4 5 6 7 8 9 10 11 12
1 6,00 70,00 0,0143 0,0857 36,00 0,00020 0,014 68,71 1,29 1,84 1,66324
2 7,00 60,00 0,0167 0,1167 49,00 0,00028 0,016 62,65 -2,65 4,42 7,02410
3 7,00 64,00 0,0156 0,1094 49,00 0,00024 0,015 62,65 1,35 2,11 1,82168
4 9,00 54,00 0,0185 0,1667 81,00 0,00034 0,018 53,26 0,74 1,38 0,55317
5 8,00 56,00 0,0179 0,1429 64,00 0,00032 0,018 57,57 -1,57 2,81 2,47303
6 8,00 59,00 0,0169 0,1356 64,00 0,00029 0,017 57,57 1,43 2,42 2,03751
7 9,00 53,00 0,0189 0,1698 81,00 0,00036 0,019 53,26 -0,26 0,48 0,06566
Total 54,00 416,00 0,12 0,93 424,00 0,00 0,12 415,67 0,33 15,46 15,64
Media 7,71 59,43 0,02 0,13 60,57 0,00 0,02 59,38 0,05 2,21 2,23

a 0,006107
b 0,001408

0,12=7∗a+b∗54
{0,93=a∗54 +b∗424

[ 7 54 ]
∆ = 54 424 = 52

0,12 54
∆ =[
0,93 424 ]
a = 0,66
a = 0,0127

∆b = [ 547 0,12
0,93 ] = 0,03

b= 0,0006

Scriem ecuația de regresie:

1
ŷ=
0,0127∗0,0006 x

Înlocuim valorile lui x și obținem valorile lui ŷ x

SPR = ∑ ( y− ŷ x )2 = 15,64
SUMMARY OUTPUT

Regression Statistics
Multiple R 0,96
R Square 0,93
Adjusted R Square 0,91
Standard Error 0,00
Observations 7,00

ANOVA
df SS MS F Significance F
Regression 1,00 0,00 0,00 62,87 0,00
Residual 5,00 0,00 0,00
Total 6,00 0,00

Coeffi cientsStandard Error t Stat P-value Lower 95%Upper 95%

Lower 95,0%
Upper 95,0%
Intercept 0,006512 0,001342 4,850598 0,004671 0,003061 0,009963 0,003061 0,009963
X Variable 1 0,001422 0,000179 7,928828 0,000514 0,000961 0,001883 0,000961 0,001883

RESIDUAL OUTPUT

Observation Predicted Y Residuals

1 0,014617 -0,000270
2 0,016039 0,000711
3 0,016039 -0,000340
4 0,018883 -0,000261
5 0,017461 0,000492
6 0,017461 -0,000425
7 0,018883 0,000092

1
! Deoarece MCMMP s-a aplicat în acest caz nu la valorile inițiale y, dar la Y = , atunci
y

∑ y ≠ ∑ ŷx și ∑ ( y− ŷ x ) ≠ 0
Indicele de corelație:

15,64
√
R = 1−
215,12
=0,927 , demonstrează o legătură stransa .

Coeficientul de determinație R2 = ¿= 0,859≈0,86

0,86 0,05
F= ∗5=30,71 , F tab(6,1 ) = 6,61.
1−0,86

Modelul statistic este semnificativ .

15,64
Ā= =2,23 %, ajustare buna.
7

Ec. de regresie R2 F Ā%

1) ŷ = 90,0385-5,1346x R2=0,72 F=12,85 Ā% =2,40

2) ŷ = 140,61¿ x−0,594 R2=0,87 F=33,11 Ā% =2,12

3) ŷ =114,43 e−0,09 x R2= 0,85 F=57,5 Ā% =2,27

4) ŷ = 114,43*0,9 x R2=0,85 F=57,5 Ā% =2,27

1056,25
5) ŷ = 198,25 - R2=0,86 F= 66,43 Ā% =2,00
x

1
6) ŷ = R2= 0,86 F= 30,71 Ā% =2,23
0,0127∗0,0006 x

Concluzii: Toate aproximativ bine

Functia de funcția de putere – optimală
R2- max, Á – min.