Sunteți pe pagina 1din 18

Universitatea Transilvania din Braşov

Facultatea de Ştiinţe Economice

ANALIZA UNOR FACTORI DE INFLUENŢĂ


ASUPRA PREŢULUI DE ÎNCHIRIERE A
APARTAMENTELOR

Autor : Cheţa Raluca-Maria


Grupa 8371 - MN Anul II
Introducere

Pentru analiza economică, o mare importanţă o prezintă piaţa imobiliară din România care până
în anul 2003 a avut o creştere relativ lentă de maximum 5% pe an. Datorită lipsei de spaţiu
locativ şi apariţiei creditelor ipotecare/imobiliare, începând cu anul 2003 s-a înregistrat o
explozie a preţurilor, înregistrându-se creşteri de peste 50% anual. Diferenţa majoră dintre
cererea şi oferta de pe piaţa imobiliară, precum şi deschiderea tot mai mare a băncilor către
creditare au facut ca România să fie o destinaţie preferată pentru investitori. În momentul de faţă,
piaţa imobiliară din România a atins limite superioare prin activitatea desfăşurată de un număr
mare de agenţi economici, activitate călăuzită de conceptul de marketing.

Urmărind conceptele de baza definite de Ph. Kotler ce se caracterizează prin: nevoi, dorinţe şi
cereri, produse, valoare, cost şi satisfacţie, schimburi, tranzacţii şi relaţii, pieţe, putem să le
configurăm în domeniul imobiliar după cum urmează în graficul alăturat:

Nevoi : (o locuinţă, un adăpost)


Dorinţe: ( o casă, o vilă, un apartament,
un spaţiu comercial)

PIAŢA IMOBILIARĂ: Produse: construcţii imobiliare:


Locul de întâlnire şi confruntare terenuri, imobile, spaţii
al cererii cu oferta comerciale

Valoare şi satisfacţie:
Schimburi, tranzacţii: imobiliare Avantaje dobândite în
(schimb de locuinţă) raport cu preţul plătit

Filozofia de marketing se întemeiază pe nevoile şi dorinţele oamenilor. Nevoia din domeniul


imobiliar se referă la obţinerea unui adăpost pentru a putea supravieţui. Dorinţa însă, capătă un
aspect diferit în sensul că nu reprezintă o necesitate, ci o modelare a nevoilor privite prin prisma
individuală a fiecarei persoane în parte. Cererea reprezintă o concretizare a dorinţei, aceasta
depinzând însă de puterea de cumpărare. Produsul, în cazul de faţă construcţiile, terenurile, este
oferit pe piaţă pentru a satisface nevoia sau dorinţa cumpărătorului. Odată intrat în posesia unui
imobil, există posibilitatea de efectuare a unei tranzacţii, a unui schimb, pentru a obţine un alt
imobil, sau un venit suplimentar care să satisfacă nevoile şi dorinţele în urma acestui schimb.

Piaţa imobiliară se poate defini ca locul de întalnire dintre cererea şi oferta imobiliară, prin
tranzacţiile ce au avut loc, dar şi prin cele care nu s-au materializat lăsând loc astfel posibilităţii
de analiză asupra evoluţiei pieţei. Din punct de vedere al gradului de libertate, putem spune că
piaţa imobiliară este o piaţă liberă, caracterizată de desfaşurarea nestingherită a întocmirii actelor
de vânzare-cumpărare. Înainte de 1989 nici măcar nu se putea vorbi despre o piaţă imobiliară dat
fiind faptul că nu exista o concurenţă, nu existau agenţii imobiliare, serviciile de vânzare
-cumpărare fiind realizate doar prin intermediul notarilor.

Astfel putem spune că înainte de 1989 aveam o piaţă controlată, o piaţă impusă care nu oferea
posibilitatea libertăţii de acţiune. Un exemplu în acest caz este utilizarea unor preţuri standard
pentru bunul imobiliar vânzabil, emise în vederea întocmirii actelor de vânzare-cumpărare,
aceste preţuri fiind aşadar stabilite de către stat fără a putea fi influenţate de către vânzător într-
un mod favorabil acestuia. Bunurile imobiliare nu se puteau vinde la un preţ mai mare decât cel
stabilit prin lege şi calculat în funcţie de vechimea imobilului precum şi de zona în care se afla.

Piaţa liberă, oferă însă posibilitatea de a lansa pe piaţă o ofertă individuală, concretizarea
acesteia, respectiv întocmirea actelor de vânzare-cumpărare, depinzând de existenţa unei cereri
care să răspundă ofertei. Piaţa imobiliară este o piaţă internă concentrată cu precădere în zonele
urbane. In ultimii ani, în România nivelul de salarizare a crescut şi odată cu acesta şi cererea
consumatorilor. Pentru a ţine pas cu cererea, societăţile de construcţii au început lucrări de mare
amploare încercând să acopere pe cât posibil varietatea cererilor şi anume (construcţii pentru
domeniul industrial, pentru domeniul de afaceri, imobile pentru locuinţe, case, etc).

O creştere a pieţei imobiliare a atras după sine creşterea altor pieţe, având astfel un impact
pozitiv asupra economiei naţionale. Modificarea poziţiei unui produs în cadrul pieţei totale sau a
unei subdiviziuni de referinţă a acesteia, afectează în proporţii diferite piaţa tuturor
întreprinderilor care comercializează sau produc acel produs. O cerere mare din partea
consumatorilor, atrage după sine şi o ofertă mare sau o tendinţă accentuată de acoperire a cererii
aducând astfel modificări pe piaţa locurilor de muncă care se manifestă prin angajarea de
personal în vederea satisfacerii cererii. În ceea ce priveşte domeniul imobiliar, dorinţa de
satisfacere a cererii a obligat agenţiile imobiliare să studieze în aprofunzime piaţa pentru a putea
oferi servicii şi bunuri de calitate şi pentru a putea să beneficieze la rândul lor de cât mai multe
cereri pe care să le poată onora adresate acestora în urma unor tranzacţii reuşite. Pentru aceasta,
agenţiile imobiliare trebuie să se facă cunoscute şi în acest mod să atragă prin expunerea
calităţilor firmei, noi cumpărători, să îi păstreze pe cei vechi şi să facă faţă concurenţei.

Scopul unei agenţii imobiliare nu este atins integral dacă în urma actului de vânzare – cumpărare
(sau închiriere) cerinţa clientului nu este satisfacută integral motiv pentru care serviciile
agenţiilor imobiliare trebuie să fie cât mai competitive, oferind clientului toate informaţiile
necesare încheierii tranzacţiei fară a ascunde anumite elemente ce pot atrage după sine o
înşiruire de probleme ce pot aduce prejudicii agenţiei imobiliare reducându-i gradul de
credibilitate şi scăzând numărul potenţialilor clienţi ai acesteia. Nu întotdeauna drumul către
atingerea scopului este drumul cel mai scurt.

Acest proiect are ca obiectiv principal analiza, cu ajutorul unor teste, a influenţei unor factori
asupra preţului de închiriere a apartamentelor. Modelul a fost construit pentru perioada 1994 –
2008, datele necesare pentru acest studiu fiind culese de pe site-ul INSSE din Anuarul Statistic
al României (ANEXA 1). Acest model analizează influenţa unui factor şi anume: suprafaţa
apartamentelor asupra preţului de închiriere a apartamentelor, iar pentru exemplificare s-a folosit
modelul regresiei simple, modelul putând fi construit astfel:

CHt = a 0 + a
1 ⋅ SP + ε ,
t t t = 1, 2,….., 15

unde:
CHt – chiria apartamentelor în anul t;
SPt – suprafaţa apartamentului în anul t;
a 0 , a 1 – parametrii modelului;
εt – eroarea de specificare.

Specificarea unui model econometric presupune alegerea unei funcţii matematice cu ajutorul
cãreia poate fi descrisã legãtura dintre cele douã variabile. Pentru modelul unifactorial, procedeul
cel mai des folosit îl constituie reprezentarea graficã cu ajutorul corelogramei. Cu ajutorul
graficului s-au reprezentat legãturile dintre preţul chiriei şi suprafaţa apartamentelor. Din graficul
ataşat în ANEXA 1, se poate observa cã asupra variabilei de explicat, pe lângã suprafaţa
apartamentelor, au influenţat şi alţi factori întrucât existã puncte aşezate fãrã nici o regularitate.
Influenţa acestor factori întâmplãtori neidentificaţi se va elimina prin ajustare, adicã prin
stabilirea liniei de regresie teoreticã. De asemenea, se va observa cã distribuţia punctelor
empirice poate fi aproximatã cu o dreaptã. Drept urmare, modelul econometric care descrie
legãtura dintre cele douã variabile este un model liniar unifactorial. Panta dreptei fiind pozitivã,
rezultã cã legãtura dintre cele douã variabile este direct liniarã.

Aplicând Testul Student se pune în evidenţă influenţa semnificativă pe care o are suprafaţa
apartamentelor asupra preţului de închiriere. De aici, se deduce faptul că modelul este bine
construit. Rezultate obţinute în cadrul acestui test sunt prezentate în ANEXA 1, iar modelul
estimat este :

CHt = 0,56 + 9,29 ∙SPt + et


(0,61) (6,94)

R² = 0,96
n = 15
(•) = t Student

Pe baza datelor obţinute în ANEXA 1, se ia valoarea raportului de corelaţie . Acestă valoare fiind
apropriată de 1, rezultă un model bine construit şi valid. Se constată că suprafaţa apartamentelor
explică în proporţie de 93% variaţia chiriei apartamentelor, iar restul de 7% fiind influenţa altor
factori.

Efectuând Testul Fisher, se constată că variabila explicativă introdusă în model este


reprezentativă şi influenţează semnificativ variabila de explicat. Modelul este global semnificativ
şi bine construit.

În continuare, se va adăuga 5 variabile explicative modelului cu o singură variabilă pentru a se


analiza dacă acestea îmbunătăţesc semnificativ calitatea ajustării. Datele acestora sunt prezentate
în tabelul din ANEXA 2, iar modelul respectiv va deveni un model de regresie multiplă,
reprezentându-se astfel :
CHt = a 0 + a
1 ⋅ SP + a 2 ⋅ NL + a 3 ⋅ AP3 + a 4 ⋅ DS + a 5 ⋅ ZU + a 6 ⋅ ZR + ε ,
t t t t t t t t=

1,2,....15
unde :
CHt - chiria apartamentelor în anul t;
SPt - suprafaţa apartamentelor în anul t;
AP3t - apartament cu 3 camere în anul t;
NLt - număr de locuinţe în anul t;
DSt - dotări suplimentare în anul t;
ZUt - zonă urbană în anul t;
ZRt - zonă rurală în anul t;
a 0 ,a 1 ,a 2 ,a 3 ,a 4 ,a 5 ,a 6 - parametrii modelului;
εt - eroarea de specificare.

Deoarece parametrii modelului sunt necunoscuţi, valorile acestora se pot estima cu ajutorul
metodei celor mai mici pătrate ( M.C.M.M.P. ). Estimând parametrii modelului , obţinem :

CHt = 10,19 + 9,2 ∙SPt - 9,5∙ NLt - 0,014∙ AP3t + 0,001∙ DSt + 1,51∙ ZUt + 5,28∙ ZRt + et
(1,66) (1,81) (1,36) (6,16) (0,001) (5,39) (2,76)

n=15;
R2=0.99;
(•)= t Student

După ce s-au estimat parametrii modelului, se va recurge la analiza autocorelaţiei erorilor pentru
modelul obţinut. Reprezentarea vizuală a rezidurilor poate pune în evidenţă existenţa
autocorelaţiei, dar nu întotdeauna şi nu cu suficientă precizie. Astfel, se va aplica testul Durbin-
Watson, cu ajutorul căruia am calculat valoarea DW şi s-au extras valorile d 1 şi d 2 din tabelul
Durbin-Watson pentru n=15 observări şi k=6 variabile explicative. Întrucât această valoare DW
aparţine intervalului [d 2 ,4-d 2 ], rezultă faptul că nu există o autocorelaţie a erorilor. (ANEXA
2)
Aplicând Testul Student pentru aceste valori ale variabilelor explicative, se constată următoarele:
suprafaţa apartamentelor, numărul de locuinţe, apartamentele cu 3 camere şi zona urbană
influenţează în mod semnificativ preţul de închiriere. Putem, de asemenea observa că la
variabile explicative (dotări suplimentare şi zona rurală), raţia Student este mai mică decât
valoarea pe care o extragem din tabela legii de distribuţie Student. Astfel, ele nu influenţează în
mod semnificativ variabila de explicat, iar prin urmare vor fi scoase din model. (ANEXA 3).
Noul model estimat este:

CHt = 11,69 + 9,29∙SPt - 1,1∙ NLt- 8,8∙ AP3t+ 1,18∙ ZUt+ et , t = 1,2,....15
(0,90) (1,48) (8,01) (2,24) (3,63)

n=15
R2=0.99
(•)= t Student

Aplicând Testul Fisher, se constată că modelul este global semnificativ, adică variabilele
explicative influenţează în mod semnificativ preţul de închiriere, modelul fiind bine construit.
(ANEXA 4)

În continuare se va face o analiză asupra stabilităţii coeficienţilor în timp, cu ajutorul testului de


stabilitate Chow şi se va împarte perioada de 15 ani (1994-2008) în 2 subeşantioane şi anume :
n 1 =7 (1994-2000) şi n 2 =8 (2001-2008). Calculându-se tabelul de analiză a varianțelor, se va
constata că valoarea varianţei reziduale pe întreaga perioadă nu este egală cu suma varianţelor
reziduale pe cele 2 subeşantioane. Astfel, se recurge la Testul Fisher, obţinându-se o valoare
calculată care este mai mare decât valoare teoretică. Analizând stabilitatea modelului, se constată
faptul că modelul este stabil pe întreaga perioadă şi că nu au intervenit schimbări semnificative
în relaţiile dintre variabilele explicative introduse în model.(ANEXA 5)

Variabilele Dummy se utilizează atunci când se doreşte introducerea în model a unor factori
binari, adică se iau doar valorile 0 (când fenomenul nu există) şi 1 (când fenomenul există).
Astfel am pus 0 pentru anii din primul eşantion, atunci când nu existau dotări suplimentare şi 1
pentru restul anilor din al doi-lea eşantion (ANEXA 6). Pentru construirea unui model adecvat se
va introduce variabila auxiliară Dummy, obţinându-se modelul:

CHt = a 0 + a 1 ∙SPt + a 2 ∙NLt + a 3 ∙AP3t + a 4 ∙ZUt + a 5 ∙Dt + εt

Efectuând regresia asupra modelului de mai sus, am obţinut următorul model:

CHt = 9,93 + 9,2 ∙ SPt - 9 ∙ NLt - 7,3 ∙ AP3t + 9,34 ∙ ZUt + 0,22 ∙ Dt + et
(1,28) (1,41) (1,17) (2,2) (3,56) (0,12)

n=15
R2=0.99
(•)= t Student

Se constată, prin aplicarea Testului Student, că la variabile explicative raţia Student este mai
mare decât valoarea pe care o extragem din tabela legii de distribuţie Student. Astfel, ele
influenţează în mod semnificativ preţul de închiriere, în timp ce variabila auxiliară Dummy nu
are nici o influenţă asupra chiriei. Cu alte cuvinte, dotările suplimentare nu au afectat preţul de
închiriere al apartamentelor, prin urmare se renunţă la variabila auxiliară Dummy şi se va
continua fără aceasta.

Pentru a detecta multicoliniaritatea dintre variabilele explicative se va aplica Testul Farrar –


Glauber, care presupune examinarea corelaţiilor parţiale în urma cărora se va obţine valoarea
determinantului matricei D. Deoarece determinatul matricei D este apropriat de valoarea 1, se
poate afirma faptul că nu există multicoliniaritate între variabile. Pentru a avea un rezultat mai
sigur şi pentru a testa această ipoteză se calculează χ2*(hi pătrat) care se compară cu valoarea
extrasă din tabela legii de distibuţie. Rezultă faptul că este mai mare decât aceasta şi se poate
garanta cu o probabilitatea de 95% că nu există multicolinearitate între seriile explicative.
(ANEXA7)
Concluzii

Pe baza testelor efectuate asupra datelor aflate la dispoziţie am ajuns la următoarele concluzii:
după analizarea testului Durbin-Watson se poate observa faptul că nu există autocorelaţie a
erorilor. Testul Student ne arată că doar variabile explicative: suprafaţa apartamentelor, numărul
de locuinţe, apartamentele cu 3 camere şi zona urbană au influenţat variabila de explicat, restul
variabilelor explicative fiind eliminate din model. Ulterior s-a recurs la testul Fisher, rezultând
faptul că modelul este global semnificativ şi bine construit.

Dupa aplicarea testului Chow se constată că modelul este stabil pe întreaga perioadă de timp
(1994-2008). După analizarea Testul Dummy se observă că dotările suplimentare nu au
influenţat preţul de închiriere al apartamentelor. Pentru modelul reconstruit s-a demonstrate, cu
ajutorul Testului Farrar-Glauber, faptul că între variabilele rămase nu există multicoliniaritate.
ANEXA 1

Regresia simpla:

Ani Chiria (mil. lei) Suprafaţa (m²)


y x1
1994 1,8 204210
1995 3 337440
1996 8,2 929019
1997 10,4 1164705
1998 10,9 1223925
1999 9,5 998432
2000 6,6 657564
2001 8,9 881435
2002 10,4 1025056
2003 11,8 1130296
2004 10,5 1007131
2005 8,8 826932
2006 8,4 760623
2007 8,1 710800
2008 7,6 680923

Graficul ce reprezintă legătura dintre cele 2 variabile :

Legătura dintre preţul de închiriere şi suprafaţa apartamentelor

1400000

1200000

1000000

800000 Valorile observate


600000 Valorile teoretice

400000

200000

0
0 2 4 6 8 10 12 14
Funcţia de regresie:

SUMMARY OUTPUT

Regression Statistics
Multiple R 0,965561
R Square 0,932309
Adjusted R
Square 0,927102
Standard Error 0,751602
Observations 15

ANOVA
Significance
df SS MS F F
Regression 1 101,1456 101,1456 179,0484 5,6E-09
Residual 13 7,34378 0,564906
Total 14 108,4893

Coefficient
s Standard Error t Stat P-value Lower 95% Upper 95%
Intercept 0,56233 0,611847 0,919069 0,374798 -0,75949 1,884144
X Variable 1 9,29E-06 6,94E-07 13,3809 5,6E-09 7,79E-06 1,08E-05

ANEXA 2

Regresia multiplă:

Anii Chiria (mil. Suprafaţa Număr Ap. cu 3 Dotări Zona urbană Zona
Lei) (m²) locuinţe camere suplimentare rurală
y x1 X2 x3 X4 x5 x6
1994 1,8 204210 11345000 5894,2 208 691803 2630,2
1995 3 337440 11248000 2366,4 222 185459 3496,3
1996 8,2 929019 11329500 2314,2 263 186172 322,7
1997 10,4 1164705 11199086 2771,9 307 144994 4997,4
1998 10,9 1223925 11228669 4678,3 374 149712 6966,1
1999 9,5 998432 10509810 5636,4 433 148333 9183,4
2000 6,6 657564 9963090 5885,4 469 152585 10025,8
2001 8,9 881435 9903764 5810,6 493 144034 10761,4
2002 10,4 1025056 9856307 6104,6 527 132472 10660,1
2003 11,8 1130296 9578779 4998,7 567 131138 9765,8
2004 10,5 1007131 9591723 5686,8 609 105614 13070,6
2005 8,8 826932 9396954 8167,8 660 148066 18071
2006 8,4 760623 9055940 9704,8 706 154801 21112,1
2007 8,1 710800 8775308 11803,2 810 162362 22307,3
2008 7,6 680923 8959513 12450,9 903 165450 24180,4

RESIDUAL OUTPUT (et- et-1)2 (et)2

Observation Predicted Y Residuals 0,01708


1 1,798098 0,001902 0,041509 0,005336
2 2,869308 0,130692 0,001615 0,012822
3 8,273045 -0,07304 0,024764 0,001948
4 10,51324 -0,11324 0,002682 0,009201
5 10,85587 0,044132 0,089149 0,04107
6 9,404078 0,095922 0,024131 0,002239
7 6,802656 -0,20266 0,023802 0,011441
8 8,947315 -0,04732 0,00065 0,006638
9 10,29304 0,106963 0,007196 1,12E-05
10 11,71852 0,081475 0,000684 0,000871
11 10,50335 -0,00335 0,000612 2,28E-05
12 8,829505 -0,0295 0,002644 0,002176
13 8,404772 -0,00477 0,006481 0,001146
14 8,05335 0,04665 0,001146 0
15 7,633855 -0,03386 0,227065 0,112002

Metoda Durbin-Watson (DW)


DW=(∑(et- et-1)2)/(∑(et)2)

DW 2,027339
ρ -0,01367
d1 0,447
d2 2,472

Reprezentarea vizuală a erorilor

0,2
0,15
0,1
0,05
0
-0,05 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 erori
-0,1
-0,15
-0,2
-0,25
-0,3
TESTUL STUDENT ( ANEXA 3)

SUMMARY OUTPUT

Regression Statistics
Multiple R 0,999483663
R Square 0,998967592
Adjusted R
Square 0,998193286
Standard Error 0,118324383
Observations 15

Coefficients Standard Error t Stat P-value Lower 95% Upper 95%


Intercept 10,19272781 1,660401951 6,138711056 0,000277409 6,3638341 14,02162
X Variable 1 9,1997E-06 1,81064E-07 50,80919294 2,49369E-11 8,782E-06 9,62E-06
X Variable 2 -9,46532E-07 1,36843E-07 -6,916910858 0,000122424 -1,262E-06 -6,3E-07
X Variable 3 -0,000140726 6,16441E-05 -2,362873379 0,051838309 -0,0002829 1,43E-06
X Variable 4 0,001143216 0,001120267 1,020484591 0,337363968 -0,0014401 0,003727
X Variable 5 1,5075E-06 5,39893E-07 2,792217629 0,023477877 2,625E-07 2,75E-06
X Variable 6 5,28234E-06 2,76757E-05 0,190865919 0,853385448 -5,854E-05 6,91E-05

TESTUL FISHER (ANEXA 4)

SUMMARY OUTPUT

Regression Statistics
Multiple R 0,999483663
R Square 0,998967592
Adjusted R
Square 0,998193286
Standard Error 0,118324383
Observations 15

ANOVA
df SS MS F Significance F
Regression 6 108,3773281 18,06288801 1290,145507 1,701E-11
Residual 8 0,112005276 0,01400066
Total 14 108,4893333
Noul model:

Chiria Numar Ap. cu 3 Zona


Anii (mil. Lei) Suprafata (m²) locuinte vamere urbana
y x1 X2 x3 X4
1994 1,8 204210 11345000 5894,2 691803
1995 3 337440 11248000 2366,4 185459
1996 8,2 929019 11329500 2314,2 186172
1997 10,4 1164705 11199086 2771,9 144994
1998 10,9 1223925 11228669 4678,3 149712
1999 9,5 998432 10509810 5636,4 148333
2000 6,6 657564 9963090 5885,4 152585
2001 8,9 881435 9903764 5810,6 144034
2002 10,4 1025056 9856307 6104,6 132472
2003 11,8 1130296 9578779 4998,7 131138
2004 10,5 1007131 9591723 5686,8 105614
2005 8,8 826932 9396954 8167,8 148066
2006 8,4 760623 9055940 9704,8 154801
2007 8,1 710800 8775308 11803,2 162362
2008 7,6 680923 8959513 12450,9 165450

Regresia asupra variabilelor rămase în model:

SUMMARY OUTPUT

Regression Statistics
Multiple R 0,999405
R Square 0,998811
Adjusted R
Square 0,998335
Standard Error 0,113597
Observations 15

ANOVA
df SS MS F Significance F
Regression 4 108,3603 27,09007 2099,318 1,43E-14
Residual 10 0,129042 0,012904
Total 14 108,4893

Coefficient
s Standard Error t Stat P-value Lower 95% Upper 95%
Intercept 11,69657 0,908944 12,86831 1,51E-07 9,671317 13,72182
X Variable 1 9,29E-06 1,48E-07 62,92851 2,5E-14 8,96E-06 9,62E-06
X Variable 2 -1,1E-06 8,01E-08 -13,3035 1,1E-07 -1,2E-06 -8,9E-07
X Variable 3 -8,8E-05 2,24E-05 -3,95143 0,002724 -0,00014 -3,9E-05
X Variable 4 1,18E-06 3,63E-07 3,256712 0,008622 3,74E-07 1,99E-06
TESTUL CHOW ( ANEXA 5)

Împărţirea numărului de observări în 2 eşantioane de mărimi aproximativ egale şi anume: n 1


=7 (1990-1996) şi n 2 = 8 (1997-2004) :

Chiria (mil. Numar Zona


Anii Lei) Suprafata (m²) locuinte Ap. cu 3 vamere urbana
y x1 X2 x3 X4
1994 1,8 204210 11345000 5894,2 691803
1995 3 337440 11248000 2366,4 185459
1996 8,2 929019 11329500 2314,2 186172
1997 10,4 1164705 11199086 2771,9 144994
1998 10,9 1223925 11228669 4678,3 149712
1999 9,5 998432 10509810 5636,4 148333
2000 6,6 657564 9963090 5885,4 152585
2001 8,9 881435 9903764 5810,6 144034
2002 10,4 1025056 9856307 6104,6 132472
2003 11,8 1130296 9578779 4998,7 131138
2004 10,5 1007131 9591723 5686,8 105614
2005 8,8 826932 9396954 8167,8 148066
2006 8,4 760623 9055940 9704,8 154801
2007 8,1 710800 8775308 11803,2 162362
2008 7,6 680923 8959513 12450,9 165450

Rezultatele tabelului de varianţă pentru n=15, n 1 =7 şi n 2 =8:


SCE=108,3603 SCE¹=77,35874 SCE²=14,44833
SCR=0,129042 SCR¹=0,021623 SCR²=0,000422
SCT=108,4893 SCT¹=77,38 SCT²=14,44875

0 , 05
SCR ≠ SCR¹+ SCR² F*= 0,55 F 9,1 = 240,54

Regresia pentru n 1 :

SUMMARY OUTPUT

Regression Statistics
Multiple R 0,999863
R Square 0,999725
Adjusted R Square 0,999176
Standard Error 0,103108
Observations 7

ANOVA
Significance
df SS MS F F
Regression 4 77,35874 19,33968 1819,12 0,000549
Residual 2 0,021263 0,010631
Total 6 77,38
Regresia pentru n 2 :
SUMMARY OUTPUT

Regression Statistics
Multiple R 0,999985
R Square 0,999971
Adjusted R
Square 0,999932
Standard Error 0,011855
Observations 8

ANOVA
df SS MS F Significance F
Regression 4 14,44833 3,612082 25702,74 3,94E-07
Residual 3 0,000422 0,000141
Total 7 14,44875

VARIABILA AUXILIARĂ DUMMY (ANEXA 6)

Chiria Numar Ap. cu 3 Zona Dummy


Anii (mil. Lei) Suprafata (m²) locuinte vamere urbana
y x1 X2 x3 X4
1994 1,8 204210 11345000 5894,2 691803 0
1995 3 337440 11248000 2366,4 185459 0
1996 8,2 929019 11329500 2314,2 186172 0
1997 10,4 1164705 11199086 2771,9 144994 0
1998 10,9 1223925 11228669 4678,3 149712 0
1999 9,5 998432 10509810 5636,4 148333 0
2000 6,6 657564 9963090 5885,4 152585 0
2001 8,9 881435 9903764 5810,6 144034 1
2002 10,4 1025056 9856307 6104,6 132472 1
2003 11,8 1130296 9578779 4998,7 131138 1
2004 10,5 1007131 9591723 5686,8 105614 1
2005 8,8 826932 9396954 8167,8 148066 1
2006 8,4 760623 9055940 9704,8 154801 1
2007 8,1 710800 8775308 11803,2 162362 1
2008 7,6 680923 8959513 12450,9 165450 1

α
t df =2,26

Regresia :
SUMMARY OUTPUT

Regression Statistics
Multiple R 0,999562
R Square 0,999125
Adjusted R Square 0,998639
Standard Error 0,102708
Observations 15

ANOVA
df SS MS F Significance F
Regression 5 108,3944 21,67888 2055,079 1,79E-13
Residual 9 0,09494 0,010549
Total 14 108,4893

Coefficient Upper
s Standard Error t Stat P-value Lower 95% 95%
Intercept 9,931837 1,280133 7,758441 2,83E-05 7,035975 12,8277
X Variable 1 9,2E-06 1,41E-07 65,28772 2,34E-13 8,89E-06 9,52E-06
X Variable 2 -9E-07 1,17E-07 -7,73819 2,88E-05 -1,2E-06 -6,4E-07
X Variable 3 -7,3E-05 2,2E-05 -3,32046 0,008934 -0,00012 -2,3E-05
X Variable 4 9,34E-07 3,56E-07 2,621898 0,027725 1,28E-07 1,74E-06
X Variable 5 0,224993 0,125136 1,797982 0,105728 -0,05809 0,508071

MULTICOLINIARITATEA (ANEXA 7)

Rezultatele coeficienţilor de corelaţie între variabilele explicative:

r²x1x2 r²x1x3 r²x1x5 r²x2x3 r²x2x5 r²x3x5 χ²* χ²


0,05 0,19 0,66 0,83 0,39 0,03 -0,23 18,30

Matricea D :

 1 0,05 0,19 0,66 


 
0,05 1 0,83 0,39 
D= 
0,19 0,83 1 0,03 
 
0,66 0,39 0,03 1 
 

D=1,02

Regresia pentru r²x1x2, r²x1x3, r²x1x5 :


SUMMARY OUTPUT SUMMARY OUTPUT SUMMARY OUTPUT

Regression Statistics Regression Statistics Regression Statistics


Multiple R 0,058449966 Multiple R 0,195537437 Multiple R 0,664749
R Square 0,003416399 R Square 0,038234889 R Square 0,441891
Adjusted R - Adjusted R - Adjusted R
Square 0,073243878 Square 0,035747042 Square 0,39896
Standard Error 299783,8444 Standard Error 294500,3841 Standard Error 224342,1
Observations 15 Observations 15 Observations 15

Regresia pentru r²x2x3, r²x2x5, r²x3x5 :

SUMMARY OUTPUT SUMMARY OUTPUT SUMMARY OUTPUT

Regression Statistics Regression Statistics Regression Statistics


Multiple R 0,838257185 Multiple R 0,397779155 Multiple R 0,039959
R Square 0,702675107 R Square 0,158228256 R Square 0,001597
Adjusted R Adjusted R Adjusted R
Square 0,679803962 Square 0,093476583 Square -0,0752
Standard Error 530454,9697 Standard Error 892544,8719 Standard Error 3193,093
Observations 15 Observations 15 Observations 15