Sunteți pe pagina 1din 24

Modelarea seriilor de timp

1. Au fost înregistrate valorile ratei infla iei din România în perioada ianuarie 2000 –
decembrie 2007, rezultând urm toarea cronogram :

-1
2000 2001 2002 2003 2004 2005 2006 2007

RI

a) se comenteze aspectul cronogramei. Dac seria nu este sta ionar , s se prezinte o


metod de sta ionarizare a acesteia.
b) se testeze sta ionaritatea seriei cu ajutorul testului ADF. Rezultatele furnizate de
softul Eviews în acest sens sunt:

Null Hypothesis: RI has a unit root


Exogenous: Constant
Lag Length: 2 (Automatic based on SIC, MAXLAG=11)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -1.85073330280719 0.35410304348556


Test critical values: 1% level -3.50223802559769
5% level -2.89287937034704
10% level -2.58355323500257

Valorile tabelare ADFtab sunt furnizate de soft pentru probabilit ile de 99%, 95% respectiv
90%, Test critical values.

Solu ie:

a) Privind graficul se observ c rata infla iei din România în perioada 2000 -2007 a avut o
tendin de sc dere, cu abateri (devia ii) mai mici sau mai mari, în plus sau în minus de la aceast
tendin . Acest fapt sugereaz c :
- speran a matematic a variabilei studiate nu este constant , i difer semnificativ de zero.
Dac se împarte graficul în dou prin trasarea unei drepte verticale prin mijlocul acestuia, partea din
stanga a graficului va avea o medie mai mare decât partea din dreapta, fapt ce confirm ipoteza
conform c reia speran a matematic a variabilei înregistreaz valori diferite în timp.
- varian a variabilei nu este constant . Acest fapt este sugerat de varia iile fa de medie ale
ratei infla iei, care au amplitudini diferite în timp. Se observ c în prima parte a perioadei (2000 –
2003) de observa ie rata infla iei a înregistrat fluctua ii mult mai mari în plus i în minus fa de
tendin , comparativ cu a doua perioad , cea mai recent – (2003 – 2007).
În concluzie, seria ratei infla iei nu este sta ionar , deci ea nu va putea fi prelucrat decât
dac se va sta ionariza. O serie este sta ionar în sens larg dac ea are speran a matematic egal cu
0 i varian a constant în timp, adic :
E(Y) = 0
V(Y) = constant.
Cea mai folosit metod de sta ionarizare este diferen ierea de ordinul 1 sau mai mare, ce
presupune realizarea de diferen e între valorile înregistrate în fiecare perioad i cea din perioada
anterioar , p când seria nou ob inut este sta ionar .
Exemplu:
- diferen a de ordinul 1 y =y y
t t t-1

- diferen a de ordinul 2 2
yt = yt y t-1 y t -y t-1 - y t-1 -y t-2
2
y t = y t -2y t-1 +y t-2

b) Testul ADF presupune estimarea prin metoda celor mai mici p trate a parametrilor
ecua iei:

p
y t = y t-1 + j y t-j + + t + vt
j=1

Se spune despre o serie c nu este sta ionar dac valoarea coeficientului este egal cu 1,
altfel spus, seria “are o r cin unitar “.

În acest sens se testeaz ipotezele

H0: = 1 (seria nu este sta ionar , ea are o r cin unitar ) cu alternativa


H1: < 1

Pentru alegerea ipotezei corecte se determin statistica:

-1
ADFcalc =

Valoarea calculat a statisticii, ADFcalc se compar cu cea tabelar . Regulile de decizie sunt:
- Dac valoarea calculat este mai mic decât cea tabelar , se accept ipoteza nul , deci seria
de timp nu este sta ionar . Ea va trebui supus opera iei de diferen iere.
- Dac valoarea calculat este mai mare decât cea tabelar , se respinge ipoteza nul , deci
seria de timp este sta ionar .

În cazul nostru valoarea ADFcalc este -1,85 iar valoarea tabelar , citit pentru probabilitatea
de 95% este -2,89 (Test critical value 5% - în tabelul din enun ). Se observ c DFcalc este mai
mic decât valoarea tabelar , deci seria ratei infla iei nu este sta ionar . La aceea i concluzie s-a
ajuns i la punctul a), analizând cronograma seriei.

2. Seria ratei infla iei din România folosit la problema 1 a fost diferen iat , determinându-
se diferen ele de ordinul unu, yt = yt – yt-1.
Reprezentarea grafic a seriei diferen iate de ordinul unu este:

se comenteze aspectul cronogramei.

Solu ie:

Privind graficul se observ c seria diferen iat a ratei infla iei din România în perioada
2000 -2007 oscileaz în jurul valorii zero, iar oscila iile sunt, cu mici excep ii, de aceea i anvergur .
Acest fapt sugereaz c :
- speran a matematic a variabilei studiate este constant , i este aproximativ zero. Dac se
împarte graficul în dou prin trasarea unei drepte verticale prin mijlocul acestuia, partea din stanga a
graficului are aceea i medie cu partea din dreapta, fapt ce confirm ipoteza conform c reia speran a
matematic este constant , i egal cu zero.
- varian a variabilei este constant . Acest fapt este sugerat de varia iile fa de medie ale
seriei diferen iate a ratei infla iei, care are amplitudini constante în timp.

3. S se testeze sta ionaritatea seriei diferen elor de ordinul 1 ale seriei de la punctul 1. Este
seria sta ionar ? Softul Eviews a furnizat urm toarele rezultate:

Null Hypothesis: D(RI) has a unit root


Exogenous: Constant
Lag Length: 1 (Automatic based on SIC, MAXLAG=11)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -15.3143840145433 0.0001


Test critical values: 1% level -3.50223802559769
5% level -2.89287937034704
10% level -2.58355323500257
Solu ie:

Se aplic testul ADF. Se testeaz ipotezele

H0: = 1 (seria diferen iat nu este sta ionar , ea are o r cin unitar ) cu alternativa
H1: < 1

Pentru alegerea ipotezei corecte se determin statistica:

-1
ADFcalc =

Valoarea calculat a statisticii, ADFcalc se compar cu cea tabelar . Regulile de decizie sunt:
- Dac valoarea calculat este mai mic decât cea tabelar , se accept ipoteza nul , deci seria
de timp nu este sta ionar . Ea va trebui supus opera iei de diferen iere.
- Dac valoarea calculat este mai mare decât cea tabelar , se respinge ipoteza nul , deci
seria de timp este sta ionar .

În cazul nostru valoarea ADFcalc este -15,3 iar valoarea tabelar , citit pentru probabilitatea
de 95% este -2,89 (Test critical value 5% - în tabelul din enun ). Se observ c DFcalc este mai
mare în modul decât valoarea tabelar , deci seria diferen iat a ratei infla iei este sta ionar . La
aceea i concluzie s-a ajuns i la punctul anterior, analizând cronograma seriei diferen iate.

4. Reprezentarea grafic a func iilor de autocorela iev FAC i autocorelatie par ial FACP pentru
seria diferen iat a ratei infla iei se prezint astfel:
Plecând de la aspectul celor dou grafice, s se propun un model potrivit pentru seria
reprezentat .

Solu ie:

Forma func iilor de corela ie i autocorela ie par ial permite identificarea modelelor
potrivite pentru a explica evolu ia în timp a unor variabile economice. Prezent m în continuare
aceste dou func ii.

Func ia de autocorela ie

- Func ia de autocorela ie a variabilei Yt, notat cu k reprezint acea func ie care indic
leg tura temporal existent între termenii seriei care se g sesc la un interval k de timp.
Astfel, intensitatea leg turii dintre valorile variabilei Y aflate la distan a de o perioad unele
de altele (intensitatea leg turii dintre valoarea ratei infla iei din luna t fa de luna t-1) se m soar
cu ajutorul func iei de autocorela ie 1. Analog, se determin 2, 3, etc.
- Cu cât k cre te este normal ca k s scad .
- func ia ia valori în intervalul [-1, +1], iar semnifica ia acesteia este similar cu cea a
raportului de corela ie: cu cât valoarea este mai aporpiat de 1 sau -1, cu atât leg tura este una mai
intens .

Func ia de autocorela ie par ial

- Func ia de autocorela ie par ial m soar rela ia între variabila explicat , dependent Yt+k
i variabila explicativ sau independent Yt tiind c sunt luate în calcul i efectele generate de
celelalte variabile adic Yt+1, Yt+2, ... Yt+k-1.
- ia valori în intervalul [-1, +1]

Aspectul reprezent rii grafice a acestor dou func ii permite identificarea tipului de model
potrivit pentru variabila studiat .
Astfel, modelele pot fi :
- de tip AR (p)
y t = a 0 +a1y t-1 + a 2 y t-2 +…+ a p y t-p + t

- de tip MA (q)
yt = t + b0 + b1 t-1 + ... + b q t-q

- de tip ARMA (p,q)


y t = a 0 + a1 y t-1 + a 2 y t-2 +…+ a p y t-p + t + b 0 + b1 t-1 +...+ b q t-q
AR(p) MA(q)

- unde p, i q sunt doi parametri, valori numerice pozitive, întregi, ce trebuie identificate.

Aspectul graficelor celor dou func ii pentru un model AR


Compar m aspectul graficelor din enun cu cel prezentat mai sus, i observ m c :

- FAC are valori atat pozitive cât i negative, care descresc amortizat, cu tendin a de
egalizare cu zero;
- FACP are dou valori semnificative, mari, negative, restul valorilor fiind mici,
nesemnificative.

Aceste caracteristici sunt specifice modelelor AR de ordin p. Aceste modele au un ordin egal
cu num rul de valori semnificativ diferite de zero ale func iei FACP, În cazul nostru acest num r
este 2, deci modelul este unul de tip AR(2), adic :

y t = a 0 +a1y t-1 + a 2 y t-2 + t

5. Au fost estimate 4 forme posibile ale modelelor care exprim evolu ia în timp a ratei
infla iei. Rezultatele oferite de Eviews au fost:

Dependent Variable: RI_D


Method: Least Squares
Date: 01/12/09 Time: 09:39
Sample (adjusted): 2000M03 2007M12
Included observations: 94 after adjustments
Convergence achieved after 13 iterations
Backcast: 2000M02

Variable Coefficient Std. Error t-Statistic Prob.

C -0.025124 0.009937 -2.528303 0.0132


AR(1) -0.047937 0.122430 -0.391546 0.6963
MA(1) -0.849684 0.071405 -11.89943 0.0000

R-squared 0.445168 Mean dependent var -0.016596


Adjusted R-squared 0.432974 S.D. dependent var 0.823698
S.E. of regression 0.620254 Akaike info criterion 1.914019
Sum squared resid 35.00906 Schwarz criterion 1.995188
Log likelihood -86.95889 F-statistic 36.50684
Durbin-Watson stat 1.998093 Prob(F-statistic) 0.000000
Dependent Variable: RI_D
Method: Least Squares
Date: 01/12/09 Time: 09:40
Sample (adjusted): 2000M04 2007M12
Included observations: 93 after adjustments
Convergence achieved after 13 iterations
Backcast: 2000M03

Variable Coefficient Std. Error t-Statistic Prob.

C -0.017768 0.034215 -0.519295 0.6048


AR(1) -1.008041 0.112271 -8.978654 0.0000
AR(2) -0.577393 0.078429 -7.361952 0.0000
MA(1) 0.428870 0.146977 2.917943 0.0045

R-squared 0.494315 Mean dependent var -0.012473


Adjusted R-squared 0.477270 S.D. dependent var 0.827187
S.E. of regression 0.598057 Akaike info criterion 1.851797
Sum squared resid 31.83281 Schwarz criterion 1.960726
Log likelihood -82.10854 F-statistic 28.99968
Durbin-Watson stat 2.029097 Prob(F-statistic) 0.000000

Dependent Variable: RI_D


Method: Least Squares
Date: 01/12/09 Time: 09:41
Sample (adjusted): 2000M03 2007M12
Included observations: 94 after adjustments
Convergence achieved after 11 iterations
Backcast: 2000M01 2000M02

Variable Coefficient Std. Error t-Statistic Prob.

C -0.025341 0.010297 -2.461116 0.0158


AR(1) 0.123374 0.234383 0.526378 0.5999
MA(1) -1.025238 0.202113 -5.072606 0.0000
MA(2) 0.154147 0.169276 0.910623 0.3649

R-squared 0.446451 Mean dependent var -0.016596


Adjusted R-squared 0.428000 S.D. dependent var 0.823698
S.E. of regression 0.622969 Akaike info criterion 1.932981
Sum squared resid 34.92811 Schwarz criterion 2.041206
Log likelihood -86.85009 F-statistic 24.19576
Durbin-Watson stat 1.996417 Prob(F-statistic) 0.000000
Dependent Variable: RI_D
Method: Least Squares
Date: 01/12/09 Time: 09:42
Sample (adjusted): 2000M04 2007M12
Included observations: 93 after adjustments
Convergence achieved after 13 iterations
Backcast: 2000M03

Variable Coefficient Std. Error t-Statistic Prob.

AR(1) -1.007231 0.111744 -9.013729 0.0000


AR(2) -0.575743 0.078005 -7.380889 0.0000
MA(1) 0.430082 0.146264 2.940448 0.0042

R-squared 0.492785 Mean dependent var -0.012473


Adjusted R-squared 0.481514 S.D. dependent var 0.827187
S.E. of regression 0.595624 Akaike info criterion 1.833313
Sum squared resid 31.92914 Schwarz criterion 1.915010
Log likelihood -82.24905 Durbin-Watson stat 2.025114

se scrie forma celor 4 modele i s se aleag acel model sau acele modele care are/au
parametrii semnificativ diferi i de 0, valoarea tabelar aferent testului Student fiind, pentru
probabilitatea de 95% respectiv 95 de grade de libertate, 1,96.

Solu ie:

Vom centraliza o parte din rezultatele furnizate de softul Eviews, sub urm toarea form :

a0 a1 a2 b1 b2
C AR1 AR2 MA1 MA2
ARIMA (1,1,1) -0,02 -0,04 -0,84
(-2,52)* (-0,39) (-11,89)
ARIMA (2,1,1) -0,017 -1,008 -0,57 0,42
(-0,51) (-8,9) (-7,36) (2,91)
ARIMA (1,1,2) -0,02 0,12 -1,02 0,15
(-2,46) (0,52) (-5,07) (0,91)
ARIMA (2,1,1) -1,007 -0,57 0,43
(-9,01) (-7,38) (2,94)

* - valorile din paranteze reprezint valorile testului Student (t - Statistic) pentru fiecare coeficient.

Cele patru modele se scriu astfel:

ARIMA (1,1,1) yt a0 + a1 y t-1 + b1 t-1 + t


ARIMA (2,1,1) cu constant yt a0 + a1 y t-1 +a1 y t-2 + b1 t-1 + t

ARIMA (1,1,2) yt a0 + a1 y t + b1 t-1 + b 2 t-2 t


ARIMA (2,1,1) f constant yt a1 y t-1 +a1 y t-2 + b1 t-1 + t
Vom înlocui coeficien ii cu valorile lor numerice din tabelul de mai sus.

ARIMA (1,1,1) yt -0.02 - 0.04 y t-1 - 0.84 t-1


ARIMA (2,1,1) cu constant yt -0.017 -1.008 y t-1 - 0.57 y t-2 + 0.42 t-1

ARIMA (1,1,2) yt -0.02 + 0.12 y t -1.02 t-1 + 0.15 t-2


ARIMA (2,1,1) f constant yt -1.007 y t-1 - 0.57 y t-2 + 0.43 t-1

Semnifica ia coeficien ilor se verific cu ajutorul testului Student. Astfel:

În general, pentru un coeficient a se emit ipotezele:

H0: a = 0 cu alternativa
H1: a 0

a
t calc =
a

Regulile de decizie sunt:


- dac t calc t tab , nu se poate respinge ipoteza H0, ceea ce înseamn c valoarea
coeficientului a la nivelul popula iei totale nu difer semnificativ de zero, acest lucru garantându-se
cu o probabilitate de 95%.
- dac t calc t tab , ipoteza H0 se respinge, ceea ce înseamn c valoarea coeficientului a la
nivelul popula iei totale difer semnificativ de zero, acest lucru garantându-se cu o probabilitate de
95%.

În cazul nostru valorile tcalc sunt trecute în tabelul sintetic, între paranteze. Pentru ca un
coeficient s fie semnificativ diferit de zero, valoarea trecut între paranteze trebuie s fie mai mare
în valoare absolut decât valoarea tabelar , 1,96. Parametrii nesemnificativi din punct de vedere
statistic (cei cu t calc 1.96 ) sunt marca i.

a0 a1 a2 b1 b2
C AR1 AR2 MA1 MA2
ARIMA (1,1,1) -0,02 -0,04 -0,84
(-2,52)* (-0,39) (-11,89)
ARIMA (2,1,1) -0,017 -1,008 -0,57 0,42
(-0,51) (-8,9) (-7,36) (2,91)
ARIMA (1,1,2) -0,02 0,12 -1,02 0,15
(-2,46) (0,52) (-5,07) (0,91)
ARIMA (2,1,1) -1,007 -0,57 0,43
(-9,01) (-7,38) (2,94)

Observ m c singurul model pentru care to i coeficien ii sunt semnificativ diferi i de zero
este ARIMA (2,1,1) f constant . Restul modelelor nu sunt valide.

6. Pentru modelul re inut la punctul 5, s se testeze ipotezele referitoare la:


a) independen a erorilor – Testul Breusch-Godfrey Serial Correlation LM;
b) homoscedasticitatea erorilor – Testul ARCH LM;
c) normalitatea erorilor – Testul Jarque Bera.
Eviews a furnizat urm toarele rezultate:

2
Testul Breusch-Godfrey Serial Correlation LM: Valoarea tabelar este tab = 3,84 pentru
probabilitatea de 95%.

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 0.603534 Prob. F(2,88) 0.549124


Obs*R-squared 0.914967 Prob. Chi-Square(2) 0.632874

Test Equation:
Dependent Variable: RESID
Method: Least Squares

Variable Coefficient Std. Error t-Statistic Prob.

AR(1) 0.009407 0.174706 0.053844 0.9572


AR(2) 0.069300 0.150913 0.459205 0.6472
MA(1) 0.205856 0.585359 0.351675 0.7259
RESID(-1) -0.253834 0.709330 -0.357851 0.7213
RESID(-2) -0.056858 0.287534 -0.197742 0.8437

R-squared 0.009838 Mean dependent var -0.035783


Adjusted R-squared -0.035169 S.D. dependent var 0.588015
S.E. of regression 0.598266 Akaike info criterion 1.862700
Sum squared resid 31.49711 Schwarz criterion 1.998861
Log likelihood -81.61556 Durbin-Watson stat 2.007033

2
Testul ARCH LM. Valoarea tabelar este tab = 3,84 pentru probabilitatea de 95%.

ARCH Test:

F-statistic 1.859635 Prob. F(1,90) 0.176068


Obs*R-squared 1.862477 Prob. Chi-Square(1) 0.172339

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares

Variable Coefficient Std. Error t-Statistic Prob.

C 0.284859 0.059480 4.789193 0.0000


RESID^2(-1) 0.139199 0.102076 1.363684 0.1761

R-squared 0.020244 Mean dependent var 0.332978


Adjusted R-squared 0.009358 S.D. dependent var 0.461433
S.E. of regression 0.459269 Akaike info criterion 1.303139
Sum squared resid 18.98354 Schwarz criterion 1.357961
Log likelihood -57.94441 F-statistic 1.859635
Durbin-Watson stat 1.963888 Prob(F-statistic) 0.176068
2
Testul Jarque Bera. Valoarea tabelar este tab = 5,99 pentru probabilitatea de 95%.

14
Series: Residuals
12 Sample 2000M04 2007M12
Observations 93
10
Mean -0.035783
8 Median -0.138162
Maximum 1.435825
Minimum -1.378530
6
Std. Dev. 0.588015
Skewness 0.346999
4
Kurtosis 2.934907
2
Jarque-Bera 1.882744
Probability 0.390092
0
-1.0 -0.5 -0.0 0.5 1.0 1.5

Solu ie:

Analiza independen ei erorilor - Testul Breusch-Godfrey (Testul LM)

Un model econometric este valid dac are erorile independente. Testul Breusch-Godfrey (Testul
LM) este destinat identific rii dependen ei sau independen ei erorilor, i el implic verificarea
existen ei unei leg turi între valorile t , yt-1, yt-2, t 1 , t 2 de forma:

t = 0 + y +
1 t-1 2 yt-2 + 1 t-1 + 2 t-2 + t

- dac între variabilele men ionate mai sus exist leg tur , atunci erorile sunt dependente,
iar modelul nu este valid;
- dac între variabilele men ionate mai sus nu exist leg tur , atunci erorile sunt
independente, iar modelul este valid;

Existen a leg turii poate fi analizat , de exemplu, studiind semnifica ia coeficien ilor 1, 2,
1 , 2 ai modelului. Când coeficien ii nu sunt semnificativ diferi i de zero, între variabilele
men ionate mai sus nu exist leg tur , deci erorile sunt independente, iar modelul este valid. Se emit
ipotezele:

H0: 1 = 2 =… 1= 2=0 erorile sunt independente


H1: 1 2 … 1 2 0 erorile sunt dependente

Pentru identificarea ipotezei corecte se determin valoarea

LMcalc = T R2

Regulile de decizie sunt urm toarele:


2
- dac LMcalc < tab = 3,84, ipoteza H0 nu se poate respinge, iar erorile sunt independente,
modelul este valid;
2
- în caz contrar, LMcalc > tab = 3,84, ipoteza H0 se respinge, iar H1 se accept ca fiind
adev rat , cu probabilitatea de 95%, deci erorile sunt dependente, modelul fiind invalid.
În cazul nostru observ m c valoarea LMcalc = T R2 este Obs*R-squared 0,9149 < 3.84
deci ipoteza H0 nu se poate respinge, iar erorile sunt independente, modelul este valid.
Acest lucru putea fi stabilit urm rind i valoarea raportului de corela ie R-squared =
0.009838, valoare foarte apropiat de zero, respectiv valorile t - statistic, care sunt toate mai mici în
valoare absolut decât 1,96 (testul Student), to i coeficien ii fiind egali din punct de vedere statistic
cu zero.

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 0.603534 Prob. F(2,88) 0.549124


Obs*R-squared 0.914967 Prob. Chi-Square(2) 0.632874

Test Equation:
Dependent Variable: RESID

Variable Coefficient Std. Error t-Statistic Prob.

AR(1) 0.009407 0.174706 0.053844 0.9572


AR(2) 0.069300 0.150913 0.459205 0.6472
MA(1) 0.205856 0.585359 0.351675 0.7259
RESID(-1) -0.253834 0.709330 -0.357851 0.7213
RESID(-2) -0.056858 0.287534 -0.197742 0.8437

R-squared 0.009838 Mean dependent var -0.035783


Adjusted R-squared -0.035169 S.D. dependent var 0.588015
S.E. of regression 0.598266 Akaike info criterion 1.862700
Sum squared resid 31.49711 Schwarz criterion 1.998861
Log likelihood -81.61556 Durbin-Watson stat 2.007033

Analiza homoscedasticit ii erorilor modelului. Testul ARCH LM

Un model econometric este valid dac are erorile homoscedastice. Se spune despre erorile
unui model, t , c sunt homoscedastice, dac ele verific rela iile E( ) = 0 i V( ) = constant.

Testul ARCH LM este destinat identific rii homoscedasticit ii erorilor, i el implic


2 2
verificarea existen ei unei leg turi între valorile t , t-1 de forma:

2 2
t = 0 + 1 t-1 + t

2 2
- dac între variabilele men ionate mai sus, t , t-1 exist leg tur , atunci erorile sunt
heteroscedastice, iar modelul nu este valid;
2 2
- dac între variabilele men ionate mai sus, t , t-1 nu exist leg tur , atunci erorile sunt
homoscedastice, iar modelul este valid;

Existen a leg turii poate fi analizat , de exemplu, studiind coeficientul 1, al modelului.


Când coeficientul nu este semnificativ diferit de zero, între variabilele men ionate mai sus nu exist
leg tur , deci erorile sunt homoscedastice, iar modelul este valid. Se emit ipotezele:
H0: 1 = 0 erorile sunt homoscedastice, modelul este valid
H1: 1 0 erorile sunt heteroscedastice, modelul nu este valid
Pentru identificarea ipotezei corecte se determin valoarea

LMcalc = T R2

Regulile de decizie sunt urm toarele:


2
- dac LMcalc < tab = 3,84, ipoteza H0 nu se poate respinge, iar erorile sunt
homoscedastice, modelul este valid;
2
- în caz contrar, LMcalc > tab = 3,84, ipoteza H0 se respinge, iar H1 se accept ca fiind
adev rat , cu probabilitatea de 95%, deci erorile sunt heteroscedastice, modelul fiind
invalid.

În cazul nostru observ m c valoarea LMcalc = T R2 este Obs*R-squared 1,86 < 3.84 deci
ipoteza H0 nu se poate respinge, iar erorile sunt homoscedastice, modelul este valid.
Acest lucru putea fi stabilit urm rind i valoarea raportului de corela ie R-squared = 0.0202,
2
valoare foarte apropiat de zero, respectiv valoarea t – statistic aferent lui t-1 , RESID^2(-1) , care
este 1,36, i este mai mic în valoare absolut decât 1,96 (testul Student), deci coeficientul 1 nu
difer semnifictiv de zero.

ARCH Test:

F-statistic 1.859635 Prob. F(1,90) 0.176068


Obs*R-squared 1.862477 Prob. Chi-Square(1) 0.172339

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares

Variable Coefficient Std. Error t-Statistic Prob.

C 0.284859 0.059480 4.789193 0.0000


RESID^2(-1) 0.139199 0.102076 1.363684 0.1761

R-squared 0.020244 Mean dependent var 0.332978


Adjusted R-squared 0.009358 S.D. dependent var 0.461433
S.E. of regression 0.459269 Akaike info criterion 1.303139
Sum squared resid 18.98354 Schwarz criterion 1.357961
Log likelihood -57.94441 F-statistic 1.859635
Durbin-Watson stat 1.963888 Prob(F-statistic) 0.176068

Analiza normalit ii erorilor modelului. Testul Jarque Bera

Un model econometric este valid dac între distribu ia erorilor aferente acestuia i distribu ia
normal centrat i redus N(0,1) nu exist diferen e semnifictive din punct de vedere statistic.
Verificarea ipotezei de normalitate a erorilor presupune compararea histogramei erorilor cu
Clopotul lui Gauss (care caracterizeaz distribu ia normal centrat i redus N(0,1) ). Se tie c
acesta este caracterizat prin doi parametri – coeficientul de asimetrie, = 0 respectiv coeficientul de
boltire, = 3. Se spune despre erorile unui model econometric c sunt distribuite normal dac între
valorile i ce caracterizeaz histograma erorilor i valorile standard ale Clopotului lui Gauss,
=0 i respectiv =3, nu exist diferen e semnificative din punct de vedere statistic.
Coeficientul de asimetrie al erorilor modelului, Skewness, este = 0,34 respectiv
coeficientul de boltire, Kurtosis, este = 2,93. Dup cum se observ :
- histograma erorilor nu este simetric , deoarece valoarea coeficientului de asimetrie este
diferit de zero, dar aceast asimetrie este relativ redus , întrucât valoarea 0,34 este
destul de apropiat de 0 ( =0 este valoarea coeficientului de asimetrie pentru o serie
perfect simetric )
- legat de boltire, histograma erorilor u or este mai plat decât Clopotul lui Gauss, întrucât
< 3 ( =3 este valoarea coeficientului de boltire pentru o serie normal distribuit ),
histograma erorilor este platicurtic .
Problema care se pune în acest moment este aceea de a verifica dac diferen ele între =
0,34 i valoarea standard =0 respectiv =2,93 respectiv valoarea standard =3, sunt semnificative
din punct de vedere statistic sau nu.
Testul Jarque Bera se folose te pentru a stabili dac diferen ele între parametrii i ai
celor dou distribu ii sunt semnificative din punct de vedere statistic sau nu . Se emit ipotezele:

H0: t N(0, 1) adic erorile modelului sunt distribuite normal


H1: t N(0, 1) adic erorile modelului sunt nu distribuite normal
2
2
-3
Pentru alegerea ipotezei corecte, se determin valoarea JB calc = T + , care în cazul
6 24
nostru este deja calculat : JB calc = 1,88.
14
Series: Residuals
12 Sample 2000M04 2007M12
Observations 93
10
Mean -0.035783
8 Median -0.138162
Maximum 1.435825
Minimum -1.378530
6
Std. Dev. 0.588015
Skewness 0.346999
4
Kurtosis 2.934907
2 Jarque-Bera 1.882744
Probability 0.390092
0
-1.0 -0.5 -0.0 0.5 1.0 1.5

Regulile de decizie sunt:


2
- dac JBcalc < tab , atunci ipoteza de normalitate a erorilor este acceptat .
2
- dac JBcalc > tab , atunci ipoteza de normalitate a erorilor este respins .

2
În cazul nostru JBcalc = 1,88 < tab = 5,99, deci erorile sunt distribuite normal. În consecin ,
modelul este valid, deci el poate fi folosit la realizarea de previziuni.
Probleme propuse

1. Au fost înregistrate valorile omajului din România în perioada ianuarie 2000 – decembrie
2007, rezultând urm toarea cronogram :

14

12

10

2
2000 2001 2002 2003 2004 2005 2006 2007

RS

a. se comenteze aspectul cronogramei. Dac seria nu este sta ionar , s se prezinte o


metod de sta ionarizare a acesteia.
b. se testeze sta ionaritatea seriei cu ajutorul testului ADF. Rezultatele furnizate de
softul Eviews în acest sens sunt:

Null Hypothesis: RS has a unit root


Exogenous: Constant
Lag Length: 3 (Automatic based on SIC, MAXLAG=11)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -1.510187 0.5241


Test critical values: 1% level -3.503049
5% level -2.893230
10% level -2.583740

Valorile tabelare ADFtab sunt furnizate de soft pentru probabilit ile de 99%, 95% respectiv
90%, Test critical values.

2. Seria ratei omajului din România folosit la problema 1 a fost diferen iat ,
determinându-se diferen ele de ordinul unu, yt = yt – yt-1.
Reprezentarea grafic a seriei diferen iate de ordinul unu este:
1.0

0.5

0.0

-0.5

-1.0
2000 2001 2002 2003 2004 2005 2006 2007

DRS

se comenteze aspectul cronogramei.

3. S se testeze sta ionaritatea seriei diferen elor de ordinul 1 ale seriei de la punctul 1. Este
seria sta ionar ? Softul Eviews a furnizat urm toarele rezultate:

Null Hypothesis: D(RS) has a unit root


Exogenous: Constant
Lag Length: 3 (Automatic based on SIC, MAXLAG=11)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -6.798106 0.0000


Test critical values: 1% level -3.503879
5% level -2.893589
10% level -2.583931

*MacKinnon (1996) one-sided p-values.

4. Reprezentarea grafic a func iilor de autocorela ie FAC i autocorelatie par ial FACP pentru
seria diferen iat a ratei omajului se prezint astfel:
Plecând de la aspectul celor dou grafice, s se propun un model potrivit pentru seria
reprezentat .
5. Au fost estimate 2 forme posibile ale modelelor care exprim evolu ia în timp a ratei
omajului. Rezultatele oferite de Eviews au fost:

Dependent Variable: RS_D


Method: Least Squares
Date: 01/12/09 Time: 09:39
Sample (adjusted): 2000M03 2007M12
Included observations: 94 after adjustments
Convergence achieved after 13 iterations
Backcast: 2000M02

Variable Coefficient Std. Error t-Statistic Prob.

C -0.123424 0.009937 -12.42065 0.0000


AR(1) -0.047937 0.082430 -0.58154 0.5663

R-squared 0.445168 Mean dependent var -0.016596


Adjusted R-squared 0.432974 S.D. dependent var 0.823698
S.E. of regression 0.620254 Akaike info criterion 1.914019
Sum squared resid 35.00906 Schwarz criterion 1.995188
Log likelihood -86.95889 F-statistic 36.50684
Durbin-Watson stat 1.998093 Prob(F-statistic) 0.000000

Dependent Variable: RS_D


Method: Least Squares
Date: 01/12/09 Time: 09:40
Sample (adjusted): 2000M04 2007M12
Included observations: 93 after adjustments
Convergence achieved after 13 iterations
Backcast: 2000M03

Variable Coefficient Std. Error t-Statistic Prob.

AR(1) -0.078041 0.012271 -6,35979 0.0000

R-squared 0.494315 Mean dependent var -0.012473


Adjusted R-squared 0.477270 S.D. dependent var 0.827187
S.E. of regression 0.598057 Akaike info criterion 1.851797
Sum squared resid 31.83281 Schwarz criterion 1.960726
Log likelihood -82.10854 F-statistic 28.99968
Durbin-Watson stat 2.029097 Prob(F-statistic) 0.000000

se scrie forma celor 2 modele i s se aleag acel model sau acele modele care are/au
parametrii semnificativ diferi i de 0, valoarea tabelar aferent testului Student fiind, pentru
probabilitatea de 95% respectiv 95 de grade de libertate, 1,96.

6. Pentru modelul re inut la punctul 5, s se testeze:


a) independen a erorilor – Testul Breusch-Godfrey Serial Correlation LM;
b) homoscedasticitatea erorilor – Testul ARCH LM;
c) normalitatea erorilor – Testul Jarque Bera.
Eviews a furnizat urm toarele rezultate:

2
Testul Breusch-Godfrey Serial Correlation LM: Valoarea tabelar este tab = 3,84 pentru
probabilitatea de 95%.

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 0.1603534 Prob. F(2,88) 0.549124


Obs*R-squared 0.186048 Prob. Chi-Square(2) 0.632874

Test Equation:
Dependent Variable: RESID
Method: Least Squares

Variable Coefficient Std. Error t-Statistic Prob.

AR(1) 0,005407 0,174706 0,030949 0.9572


AR(2) 0,120693 0,112913 1,068903 0.6472
MA(1) 0,133856 0,128535 1,041397 0.7259
RESID(-1) 1,253834 1,270933 0,986546 0.6513
RESID(-2) 1,156858 2,125534 0,544267 0.8437

R-squared 0.01938 Mean dependent var -0.035783


Adjusted R-squared -0.035169 S.D. dependent var 0.588015
S.E. of regression 0.598266 Akaike info criterion 1.862700
Sum squared resid 31.49711 Schwarz criterion 1.998861
Log likelihood -81.61556 Durbin-Watson stat 1.667033

2
Testul ARCH LM. Valoarea tabelar este tab = 3,84 pentru probabilitatea de 95%.

ARCH Test:

F-statistic 0.98635 Prob. F(1,90) 0.063068


Obs*R-squared 1.25477 Prob. Chi-Square(1) 0.172339

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares

Variable Coefficient Std. Error t-Statistic Prob.

C 0,1428486 0,25948 0,550519 0.0000


RESID^2(-1) 0,159199 0,1632076 0,975439 0.0000

R-squared 0.0130244 Mean dependent var 0.332978


Adjusted R-squared 0.009358 S.D. dependent var 0.461433
S.E. of regression 0.459269 Akaike info criterion 1.303139
Sum squared resid 18.98354 Schwarz criterion 1.357961
Log likelihood -57.94441 F-statistic 1.859635
Durbin-Watson stat 1.963888 Prob(F-statistic) 0.176068
2
Testul Jarque Bera. Valoarea tabelar este tab = 5,99 pentru probabilitatea de 95%.

20
Series: Residuals
Sample 2000M01 2007M12
16 Observations 96

Mean -8.88e-16
12 Median -0.270795
Maximum 7.253815
Minimum -3.365568
8 Std. Dev. 1.815221
Skewness 1.096698
Kurtosis 5.439567
4
Jarque-Bera 43.04989
Probability 0.000000
0
-2 0 2 4 6