LUCRARE INDIVIDUALĂ la econometrie,

Teaca Arina Fb191 zi-nr28

Fie că se cunosc datele pentru 7 raioane pentru anul 2019 Tabelul 1.
Cheltuieli pentru cumpărarea
Salariu mediu lunar al unui lucrător,
produselor alimentare , % din
mii lei, x
volumul total al cheltuielilor, y
A B
96 34
86 35
90 35
80 37
82 36
85 36
79 37

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.

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
 Nr.
d/o x y yx x^2 y^2 y-yaj Ai
428,798 4662,15 1,76923076 2,59114055
1
6,28 A 4 39,4384 8 9 2
-
7,28 68,28 424,278 3396,55 3,09615384 5,31254949
2 4 52,9984 8 6 6
453,398 3878,79 0,90384615 1,45126228
3
7,28 58,28 4 52,9984 8 4 9
485,158 2733,19 1,17307692 2,24383497
4
9,28 62,28 4 86,1184 8 3 1
-
8,28 52,28 449,438 2946,31 1,96153846 3,61374071
5 4 68,5584 8 2 8
474,278 3280,99 1,03846153 1,81295659
6
8,28 54,28 4 68,5584 8 8 6
475,878 2629,63 0,17307692 0,33751350
7
9,28 57,28 4 86,1184 8 3 1
3191,22 454,788 23527,6 17,3629981
total 55,96 403,96 9 8 7 0 2
7,99428571 57,7085714 455,889 64,9698 3361,09 2,48042830
media 4 3 8 3 6 0 3
98,75

b -5,13

Sistemul de ecuații normale:

{567a+a+56 b=403
455b=3191

∆= |567 455
56
|=¿7x455-(56) ^2=49

403 56
∆ =|
3191 455|
a =4669

∆a
a^ = = 98,28
∆

∆b = |567 403
3191|=-231

b^ = -5,13

ŷ = 98,28-5,13x

^ ( xy )−( x )( y )
Acest rezultat poate fi obținut folosind b=
σ 2x
 2 ∑ x2 2
σ x = - x = x2 - x2
n

a = y – bx

Interpretare

b^ =-5,13

Din urmatoarele date rezulta ca daca salariul va creste cu 1000 lei, atunci ponderea cheltuielilor
pentru cumpararea produselor se va micsora in mediu cu 5,13p.p(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 = √ 64,96−7,99 2=1,06
σ^ y = √ 3361,09−57,702=5,64

1,06
r yx =-5,13* = -0,964 o dependență liniara stransa .
5,64

Coeficientul de determinație:

r 2yx = (−0,964 ¿¿ 2)¿=0,9292

Ceea ce somnifica ca 92,92% de variatia lui Y este determinata de X.

Criteriul Fisher:

r2
F= ( 28 – 2 ) = 341,23
1−r 2

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

! Ecuație statistic

Eroarea de aproximație pentru fiecare observație se definește astfel

y i−^y i
| | yi
× 100

1 y i− ^yi 17,36
A=
n
∑ | |
yi
× 100 =
7
=2,48%

Concluzii: Eroarea medi de aproximație A arată o corespundere bună a valorilor y ̂ la cele y cu o

abatere de ≈ 2,5%.

Ib. Regresia pentru funcția de putere

y = axb
ln y = ln a+ b∗ln x sau Y = A + b*X
( n ) A+ ( ∑ x ) b=∑ y
Scriem sistemul de ecuații normale
{(∑ ) x A + ( ∑ x 2 ) b=∑ xy
 Nr.
x y Lnx Lny DE D^2 E^2 Lnyaj dif A rezid2
d/o
0,8
1 6,28 68,28 1,84 4,22 7,76 3,38 17,84
67,13 7
1,3225
4,21
2 7,28 58,28 1,99 4,07 8,07 3,94 16,53 60,60 -2,6 5,3824 4,11
3 7,28 62,28 1,99 4,13 8,20 3,94 17,07 60,60 1,4 2,8224 4,11
4 9,28 52,28 2,23 3,96 8,81 4,96 15,65 51,30 0,7 0,9604 3,94
-
5 8,28 54,28 2,11 3,99 8,44 4,47 15,95 1,4 1,4161
55,47 7 4,02
1,5
6 8,28 57,28 2,11 4,05 8,56 4,47 16,39
55,47 3
3,2761
4,02
7 9,28 51,28 2,23 3,94 8,77 4,96 15,50 51,30 -0,3 0,0004 3,94
14,4 28,3 58,6 30,1 114,9 401,8 0,1 15,180 28,3565
Total
55,96 403,96 9 6 2 2 3 6 4 3 4
Medi 7,99428 57,7085 0,0 4,05093
2,07 4,05 8,37 4,30 57,47 2,08
a 6 7 57,41 2 4

a 5,47

b -0,68
7 A+14,49 b=28,36
{14,49 A+ 30,12b=58,62

7 14,49
∆= |14,49 30,12|
=203,63-202,77=0,87

28,36 14,49
∆ = |
58,62 30,12|
A =823,83-819,08=4,79

7 28,36
∆ =|
14,49 58,62|
b =410,34-410,93= -0,59

∆ A 4,79 ∆b −0,59
a= = =5,50 b= = = -0,66
∆ 0,87 ∆ 0,87

ln y =5,47-0,68lnx

Efectuăm potențierea și avem

y =e 5,47 x−0,68 =167,36* x−0,68

Interpretare: Parametrul b= -0,68 care reprezintă coeficientul de elasticitate ce semnifică că cu

creșterea salariului cu 1% ponderea cheltuielilor pentru produsele alimentare se micșorează în
mediu cu 0,68p.p.( puncte procentuale).
Indicele de corelație arată indicatorul de intensitate:

∑ ( y − ŷ x )2
R = 1−
√ ∑ ( y− ý)2
∑ ( y− ^y )2 = 14,57
∑ ( y− ^y )2 = nσ 2y =7*5,394732 =203,7218
∑ ( y− ý )2 = ∑ y2 - y ∑ y = 215,7143
19,87
Așadar avemR = 1−
√ 237,73
=√ 0,932086=0,957297

( ln y ln x )−ln y × ln x
ŋ ln y ln x = = -0,957
σ ln y σ ln x

R2 =0,93093
Interpretare: Coeficientul de determinaţie are valoare R2 = 93,09% ceea ce exprimă faptul că
93% din variaţia lui Y, se datorează variaţiei variabilei independente X.

R2 0,93093
F= 2 ( n-2 ) = (7-2)=67,39
1−R 1−0,93093

F 0,05
tab = 6,61

14,57
A= =2,081%
7

Concluzie: Eroarea medie de aproximație arată o corespundere bună a valorilor ^y la cele y culese
avînd o abatere de 2,081%.

3) Exponent
y = ae bx
ln y =ln a + bx
Nr.
x y Lnx Lny DE D^2 E^2 Lnyaj dif A rezid2
d/o
0,8
1 6,28 68,28 1,84 4,22 7,76 3,38 17,84
67,13 7
1,3225
4,21
2 7,28 58,28 1,99 4,07 8,07 3,94 16,53 60,60 -2,6 5,3824 4,11
3 7,28 62,28 1,99 4,13 8,20 3,94 17,07 60,60 1,4 2,8224 4,11
4 9,28 52,28 2,23 3,96 8,81 4,96 15,65 51,30 0,7 0,9604 3,94
-
5 8,28 54,28 2,11 3,99 8,44 4,47 15,95 1,4 1,4161
55,47 7 4,02
1,5
6 8,28 57,28 2,11 4,05 8,56 4,47 16,39
55,47 3
3,2761
4,02
7 9,28 51,28 2,23 3,94 8,77 4,96 15,50 51,30 -0,3 0,0004 3,94
14,4 28,3 58,6 30,1 114,9 401,8 0,1 15,180 28,3565
Total
55,96 403,96 9 6 2 2 3 6 4 3 4
Medi 7,99428 57,7085 0,0 4,05093
2,07 4,05 8,37 4,30 57,47 2,08
a 6 7 57,41 2 4

a 5,47

b -0,68
Scriem sistemul de ecuații normale

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

28,36=7 ln a+56 b
{233,59=56 ln a+ 455 b

Conform tabelului construim sistemul de ecuații normale:

∆= |567 455
56
| =2968-2916=52
28,36 54
∆ ln a = |
233,59 455|
= 12903,8-11762,82=244,86 ln a =4,723

7 28,36
∆ =|
56 233,59|
b = -4,47 b = -0,088

Atunci ln y = 4,723-0,088x

Potențiem obținem:

ŷ = e 4,723−0,088 x

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

SUMMARY OUTPUT

Regression Statistics
Multiple R 0,959
R Square 0,919
Adjusted R Square 0,903
Standard Error 0,032
Observations 7,000

ANOVA
df SS MS F Significance F
Regression 1,000 0,057 0,057 56,702 0,001
Residual 5,000 0,005 0,001
Total 6,000 0,062

CoefficientsStandard Error t Stat P-value Lower 95% Upper 95% Lower 95,0%Upper 95,0%
Intercept 4,723 0,091 52,102 0,000 4,490 4,956 4,490 4,956
X Variable 1 -0,088 0,012 -7,530 0,001 -0,118 -0,058 -0,118 -0,058

RESIDUAL OUTPUT

Observation Predicted Y Residuals

1,000 4,196 0,023
2,000 4,109 -0,048
3,000 4,109 0,018
4,000 3,933 0,018
5,000 4,021 -0,032
6,000 4,021 0,022
7,000 3,933 -0,001

Intensitatea de legătură o măsurăm prin indicele de corelație

 ∑ ( y − ŷ x )2
R¿
√ 1−
∑ ( y− ý )2
∑ ( y− ŷ )2 = 21,62

∑ ( y− ´ý )2 =234,42

Atunci R = √ 1−21,62/234,42 =0,95277

Ceea ce demonstrează o intensitate stransa a criteriilor analizati .

R2 =X0.919

, ceea ce denotă că 91,89% din variația lui Y este datorată de variația lui X.

r x ln y = -0,952.

0,91897
F = (7−2) =56,7055 ceea ce înseamnă că ecuația de regresie este statistic
1−0,91897
semnificativă.

F tab
1,5 = 6,61

Eroarea medie de aproximație

15,37
Ā= =2,1957%
7

Concluzii: Eroarea medie de aproximație arată o corespundere bună a valorilor ^y la cele y culese
avînd o abatere de 2,1957 %.

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
 Nr. d/o x y x^2 Lnx Lny xlny
23,0773
1 6,28 68,28 39,4384
4,22 3,67
7
28,9035
2 7,28 58,28 52,9984
4,07 3,97
1
28,9035
3 7,28 62,28 52,9984
4,13 3,97
1
41,3491
4 9,28 52,28 86,1184
3,96 4,46
1
35,0052
5 8,28 54,28 68,5584
3,99 4,23
4
35,0052
6 8,28 57,28 68,5584
4,05 4,23
4
41,3491
7 9,28 51,28 86,1184
3,94 4,46
1
454,788 233,593
Total 28,36 28,98
55,96 403,96 8 1
7,99428 57,7085 64,9698 33,3704
Media 4,05 4,14
6 7 3 4

28,98=7 ln a+ ( ln b ) 56
{
233,59=ln a54 + ( ln b ) 455

∆= |567 455
56
| =3185-3136=49
28,36 56
∆ ln a = |
233,59 455|
= 12903,8-13081,04=177,24 ln a =4,723

7 28,36
∆ =|
56 233,59|
b = 1635,13-3136= -1500 b = -0,088

a=e−0,088=0,9157 b=e 4,723=112,5053 Y^ x=112,5053*0,9157 x

5) Regresia în formă de hiperbolă echilaterală

b
y=a+ x

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

Nr. d/o x y z=1/x y*z z^2 xlny Yaj dif dif^2 A

0,15923 10,8726 0,02535 0,15923
1 6,28 68,28 6 1 6 6
67,44 1,15 1,3225 1,29
0,13736
2 7,28 58,28 3
8,29 0,02 0,1456 60,55 -2,32 5,3824 4,49
0,13736
3 7,28 62,28 3
8,86 0,02 0,1456 60,55 1,68 2,8224 2,25
4 9,28 52,28 0,10775 5,78 0,01 0,0928 51,36 0,98 0,9604 1,35
 9
0,12077
5 8,28 54,28 3
6,75 0,02 0,1656 55,38 -1,19 1,4161 2,72
0,12077
6 8,28 57,28 3
7,13 0,02 0,1656 55,38 1,81 3,2761 2,69
0,10775
7 9,28 51,28 9
5,67 0,01 0,0928 51,36 -0,02 0,0004 0,59
0,89102 53,3526 0,12535 0,96723
Total 402 2,09 15,1803 15,37
55,96 403,96 4 1 6 6
7,99428 57,7085 0,12728 7,62180 0,01790 0,13817 0,29857 2,16861
Media 57,43 2,2
6 7 9 2 8 7 1 4

a 19,20

b 289,43

Aplicăm MCMMP

403=7 a+0,89 b
{53,35=0,89 a+ 0,1253b

De unde ∆ = |0,897 0,1253

0,89
|= 0,085
403 0,89
∆ = |
53,35 0,1253|
a = 3,01

7 403
∆ = |
0,89 53,35|
b ==14,78

∆a 3,01 ∆b 14,78
a^ = = =118,9 b^ = =584,18
a 0,0253 b 0,0253

Ecuația de regresie y = 118,9+584,18*z

ВЫВОД ИТОГОВ

Регрессионная статистика
Множественный R 0,993904
R-квадрат 0,987845
Нормированный R-
квадрат 0,985414
Стандартная ошибка 0,70034
Наблюдения 7

Дисперсионный анализ
Зн
  df SS MS F
Регрессия 1 199,3113 199,3113 406,3624
Остаток 5 2,452384 0,490477
Итого 6 201,7637      

t- P-
Коэффициент Стандартная статистик Значени Н
  ы ошибка а е
Y-пересечение 118,19 1,201308 28,14445 1,06E-06
Переменная X 1 584,18 0,153741 20,15843 5,55E-06

ВЫВОД ОСТАТКА

Предсказанное
Наблюдение Y Остатки
1 67,50625 -0,06625
2 59,50229 1,047709
3 61,26882 -0,71882
4 51,72337 -0,36337
5 54,72956 0,650436
6 55,90725 -0,52725
7 51,38246 -0,02246
 ∑ ( y − ŷ x )2
√
Intensitatea legăturii R = 1−
∑ ( y− ý)2
Calculăm:

548,18
ŷ x =118,9+
x

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

∑ ( y− ŷ x)2 = 15,37
∑ ( y− ý )2 = 548,18
15,37
Prin urmare, indicele de corelație va fi R = 1−
√ 548,18
=√ 0,9718=0,9858

Coeficientul de determinație R2=0,9858 ceea ce confirmă o calitate înaltă a modelului,

reflectand 98,58% din variatia lui Y care este datorata de variatia lui X.

0,9858
F= (7−2)=347,11 , F 0,05
1,5 = 6,61.
1−0,9858

548,18
Ecuația de tip hiperbolă este statistic semnificativa ŷ =118,19+
x

Eroarea medie de aproximație:

15,37
Ā= =2,02% ceea ce confirmă o corespundere buna a valorilor lui ŷ în raport cu y, avand o
7
abatere de 2,0%.

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

1
Notăm Y =
y

Atunci Y = a+ bx

r.
x y 1/y x*1/y x^2 (1/y)^2 yaj Yaj dif A rezid^2
o
0,01464
1 6,28 68,28 6
0,091974
39,4384
0,000214 0,0145 67,44 1,15 1,29 4,2
0,01715
2 7,28 58,28 9
0,124914
52,9984
0,000294 0,0169 60,55 -2,32 4,49 4,1
 0,01605
3 7,28 62,28 7
0,116891
52,9984
0,000258 0,0159 60,55 1,68 2,25 4,1
0,01912
4 9,28 52,28 8
0,177506
86,1184
0,000366 0,0189 51,36 0,98 1,35 3,9
0,01842
5 8,28 54,28 3
0,152542
68,5584
0,000339 0,0182 55,38 -1,19 2,72 4,0
0,01745
6 8,28 57,28 8
0,144553
68,5584
0,000305 0,0172 55,38 1,81 2,69 4,0
0,01950
7 9,28 51,28 1
0,180967
86,1184
0,00038 0,0192 51,36 -0,02 0,59 3,9
al 55,96 403,96 0,12237 0,989348 454,7888 0,0022 0,1208 402 2,09 15,37 28,3565
di 0,01748
0,141335 0,0003 0,0173 57,43 0,298571 2,2 4,05093
7,994286 57,70857 1 64,96983

a 0,000233

b 0,9738

Aplicăm MCMMP și obținem sistemul de ecuații normale:

∑ Y =na+ b ∑ x
{
∑ Yx=a ∑ x +b ∑ x 2
0,122=7 a+56 b
{0,98=56 a+455 b

∆= |567 455
56
| =3073
ВЫВОД ИТОГОВ

Регрессионная статистика
Множественный
R 0,9998
R-квадрат 0,999601
Нормированны
й R-квадрат 0,999521
Стандартная
ошибка 3,68E-05
Наблюдения 7

Дисперсионный анализ
Значимост
  df SS MS F ьF
Регрессия 1 1,69E-05 1,69E-05 12526,28 1,08E-09
Остаток 5 6,76E-09 1,35E-09
Итого 6 1,69E-05      
 t- P-
Коэффициент Стандартна статистик Значени Нижние Верхние Нижние Вер
  ы я ошибка а е 95% 95% 95,0% 95
0,00062
Y-пересечение 0,000233 0,000153 1,524733 0,187838 -0,00016 6 -0,00016 0,00
0,99621
Переменная X 1 0,973846 0,008701 111,9209 1,08E-09 0,951478 3 0,951478 0,99

ВЫВОД ОСТАТКА

Предсказанное
Наблюдение Y Остатки
1 0,014495 4,58E-06
2 0,016943 -4,3E-05
3 0,015869 3,05E-05
4 0,01886 3,96E-05
5 0,018174 2,6E-05
6 0,017234 -3,4E-05
7 0,019224 -2,4E-05

|0,122
∆a =
56
0,98 455|
=52,152-51,84=0,63

7 0,122
∆ =|
56 0,98 |
b =6,72-6,64=0,028

a=0,00023 b=0,9738

Scriem ecuația de regresie:

1
ŷ=
a+bx

Înlocuim valorile lui x și obținem valorile lui ŷ x

SPR = ∑ ( y− ŷ x )2 = 15,37

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:

15,37
R = 1−
√ 548,18
=¿ ¿ √ 0,9718=0,9858, demonstrează o legătură intensa a criteriilor analizate.
Coeficientul de determinație R2 = 0.9858, ceea ce denota ca 98,58% din variatia lui Y este
datorata de variatia lui X.
0,05
F =63.1913 , F tab(6,1 ) = 6,61.

Ecuația funcției inverse este statistic semnificativă.

1
ŷ = 0,00023+0,978∗x

Modelul statistic este .

15,37
Ā= =2,02
7

Concluzii: Eroarea medie de aproximație arată o corespundere bună a valorilor ^y la cele y culese
avînd o abatere de 2,02 %.

Alegerea celui mai bun model

Ec. de regresie R2 F Ā%

1)ŷ = 97,04-5,13X R2=0,91 F=49,29 Ā% =2,49%

2) ŷ =167,36* x−0,66 R2=0,93 F=67,39 Ā% =2,081%

3) ŷ =e 4,723−0,088 x R2=0,919 F=57,702 Ā% =2,0,2%

4) ŷ =112,5053*0,9858 x R2=0,919 F=57,702 Ā% =2,02 %

548,18
5) ŷ = 118,18+ R2=0,94 F=72,13 Ā% =3,46%
x

1
6) ŷ = R2=0,9267 F=63,1913 Ā% =2,02%
0,00023+0,97∗x

Concluzii: Toate aproximativ bine .

Functia de putere-optimala R2=max Ā%=min