FACULTATEA CONTABILITATE

Studiu Individual
La Econometrie

Autor:
studentul gr. CON202r-fr,
Slonovschi Octavian

Conducător:
dr. hab., prof. univ.,
Partachi Ion

CHIȘINĂU, 2020
 LUCRARE INDIVIDUALĂ la econometrie,
CON202,72 este nr dupa catalog
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
68 6+72*0.01
58 7+72*0.01
62 7+72*0.01
52 9+72*0.01
54 8+72*0.01
57 8+72*0.01
51 9+72*0.01

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

2
 Nr. d/o x y yx x^2 y^2 yx y-yaj Ai
1 6,72 68 456,96 45,16 4624 66,23 1,77 2,60
2 7,72 58 447,76 59,60 3364 61,10 -3,10 -5,34
3 7,72 62 478,64 59,60 3844 61,10 0,90 1,46
4 9,72 52 505,44 94,48 2704 50,83 1,17 2,26
5 8,72 54 470,88 76,04 2916 55,96 -1,96 -3,63
6 8,72 57 497,04 76,04 3249 55,96 1,04 1,82
7 9,72 51 495,72 94,48 2601 50,83 0,17 0,34
total 59,04 402 3352,44 505,39 23302 402 0,00 -0,49
media 8,43 57,43 478,92 72,20 3328,86 57,43 0,00 -0,07
a 100,74
b -5,13

delta delta a delta b

7a+59,04b=402 52 5238,24 -267
59,04a+505,39b=3352,44
(𝑥𝑦)−(𝑥)(𝑦)
̂=
Acest rezultat poate fi obținut folosind 𝑏
𝜎𝑥2

∑ 𝑥2 2 2
𝜎𝑥2 = - 𝑥 = 𝑥2 - 𝑥
𝑛

a = 𝒚 – b𝒙
Interpretare

𝑏̂ =-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 - 𝑦̂
Coeficientul de corelație:
𝜎̂𝑥 (𝑥𝑦)−(𝑥)(𝑦)
𝑟𝑦𝑥 = 𝑏̂ 𝜎̂ sau 𝑟𝑦𝑥 =
𝑦 𝜎𝑥 𝜎𝑦

𝜎̂𝑥 = √72.20 − 8.432 =1,065

𝜎̂𝑦 = √3328,86 − 57,432 =5,536

1,065
𝑟𝑦𝑥 =-5,13* = -0,983 o dependență liniara stransa .
5,536
3
Coeficientul de determinație:
2
𝑟𝑦𝑥 = (−0,9832 ) =0,9663

Ceea ce somnifica ca 96,63% de variatia lui Y este determinata de X.

Criteriul Fisher:
𝑟2
F = 1− 𝑟 2( n – 2 ) = 49,29
0,05
𝐹𝑡𝑎𝑏(1,5) = 6,61

! Ecuație statistic
Eroarea de aproximație pentru fiecare observație se definește astfel
𝑦𝑖 −𝑦̂𝑖
| | × 100
𝑦𝑖

1 𝑦𝑖 −𝑦̂𝑖 17,45
𝐴 = 𝑛∑| 𝑦𝑖
| × 100 = 7
=2,49%
Concluzii: Eroarea medi de aproximație A arată o corespundere bună a valorilor y ̂ la cele y cu o
abatere de ≈ 2,5%.

4
 Ib. Regresia pentru funcția de putere
y = a𝑥 𝑏
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

ex2
Nr. d/o x y Lnx Lny DE D^2 E^2 Lnyaj dif A rezid2
0,000
1 6,72 68
1,91 4,22 8,04 3,63 17,80 4,21 0,01 0,02 2
0,002
2 7,72 58
2,04 4,06 8,30 4,18 16,49 4,10 -0,04 -0,08 0
0,000
3 7,72 62
2,04 4,13 8,44 4,18 17,03 4,10 0,02 0,04 5
0,000
4 9,72 52
2,27 3,95 8,99 5,17 15,61 3,94 0,01 0,03 2
0,000
5 8,72 54
2,17 3,99 8,64 4,69 15,91 4,02 -0,03 -0,05 7
0,000
6 8,72 57
2,17 4,04 8,76 4,69 16,35 4,02 0,03 0,05 7
0,000
7 9,72 51
2,27 3,93 8,94 5,17 15,46 3,94 -0,01 -0,01 0
14,8 28,3 60,0 31,7 114,6 28,3 0,004
total 59,04 402 0,00 -0,01
7 2 9 1 5 2 3
57,4 0,000
media 8,43 2,12 4,05 8,58 4,53 16,38 4,05 0,00 0,00
3 6
a 5,59
- delta delta
b
0,73 delta a b
0,77 4,28 -0,56

Interpretare: Parametrul b= -0,73 care reprezintă coeficientul de elasticitate ce semnifică că cu

creșterea salariului cu 1% ponderea cheltuielilor pentru produsele alimentare se micșorează în
mediu cu 0,73p.p.( puncte procentuale).

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
5
 Significanc
df SS MS F eF
Regression 1,00 0,06 0,06 66,56 0,00
Residual 5,00 0,00 0,00
Total 6,00 0,06

Coefficient Standar P- Upper Lower Upper

s d Error t Stat value Lower 95% 95% 95,0% 95,0%
Intercept 5,59 0,19 29,47 0,00 5,10 6,08 5,10 6,08
Lnx -0,73 0,09 -8,16 0,00 -0,96 -0,50 -0,96 -0,50

RESIDUAL OUTPUT

Predicted Residual
Observation Lny s
1 4,21 0,01
2 4,10 -0,04
3 4,10 0,02
4 3,94 0,01
5 4,02 -0,03
6 4,02 0,03
7 3,94 -0,01
∑(𝑦−ŷ𝑥 )2
R = √1 − ∑(𝑦−𝑦̅)2

∑(𝑦 − 𝑦̂ )2 = 14,57
∑(𝑦 − 𝑦̂)2 = n𝜎𝑦2 =7*5,394732 =203,7218

∑(𝑦 − 𝑦̅)2 = ∑ 𝑦 2 -𝑦 ∑ 𝑦 = 215,7143

19,87
Așadar avemR = √1 − 237,73 =√0,932086=0,957297

(ln 𝑦 ln 𝑥)−ln 𝑦× ln 𝑥
ŋln 𝑦 ln 𝑥 = 𝜎ln 𝑦 𝜎ln 𝑥
= -0,957

𝑅 2 =0,93093
Interpretare: Coeficientul de determinaţie are valoare 𝑅 2 = 93,09% ceea ce exprimă faptul că 93%
din variaţia lui Y, se datorează variaţiei variabilei independente X.
𝑅2 0,93093
F = 1−𝑅2( n-2 ) = (7-2)=66.56
1−0,93093
0,05
𝐹𝑡𝑎𝑏 = 6,61
14,57
𝐴= =2,081%
7

6
Concluzie: Eroarea medie de aproximație arată o corespundere bună a valorilor 𝑦̂ la cele y culese
avînd o abatere de 2,081%.

3) Exponent
y = a𝒆𝒃𝒙
𝐥𝐧 𝒚=𝐥𝐧 𝒂 + bx
Lnya rezid
Nr. d/o x y Lnx Lny DE D^2 E^2 dif A xlny
j 2
6,7 0,0 0,0 28,3
1 68
2 1,91 4,22 8,04 3,63 17,80 4,21 1 2 0,00 6
- -
7,7
2 58 0,0 0,0 31,3
2
2,04 4,06 8,30 4,18 16,49 4,10 4 8 0,00 5
7,7 0,0 0,0 31,8
3 62
2 2,04 4,13 8,44 4,18 17,03 4,10 2 4 0,00 6
9,7 0,0 0,0 38,4
4 52
2 2,27 3,95 8,99 5,17 15,61 3,94 1 3 0,00 1
- -
8,7
5 54 0,0 0,0 34,7
2
2,17 3,99 8,64 4,69 15,91 4,02 3 5 0,00 8
8,7 0,0 0,0 35,2
6 57
2 2,17 4,04 8,76 4,69 16,35 4,02 3 5 0,00 6
- -
9,7
7 51 0,0 0,0 38,2
2
2,27 3,93 8,94 5,17 15,46 3,94 1 1 0,00 2
-
59,
total 402 14,8 28,3 60,0 31,7 114,6 28,3 0,0 0,0 238,
04
7 2 9 1 5 2 0 1 0,00 23
8,4 0,0 0,0 34,0
media 57,43
3 2,12 4,05 8,58 4,53 16,38 4,05 0 0 0,00 3
a 4,79
-
b
0,088
delt delt
a delta ln a ab ln a
-
52 248,86 4,56 4,79
SUMMARY OUTPUT

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

7
 ANOVA
Significan
df SS MS F ce F
Regression 1 0,057 0,057 56,702 0,001
Residual 5 0,005 0,001
Total 6 0,062

Coefficie Standar Lower Upper Lower Upper

nts d Error t Stat P-value 95% 95% 95,0% 95,0%
Intercept 4,786 0,099 48,361 0,000 4,531 5,040 4,531 5,040
x -0,088 0,012 -7,530 0,001 -0,118 -0,058 -0,118 -0,058

RESIDUAL OUTPUT

Predicte Residua
Observation d Lny ls
4,19636 0,02314
1 6 2
4,10866 -
2 8 0,04823
4,10866 0,01846
3 8 6
3,93327 0,01797
4 3 1
4,02097 -
5 1 0,03199
4,02097 0,02208
6 1 1
3,93327 -
7 3 0,00145

Intensitatea de legătură o măsurăm prin indicele de corelație

∑(𝑦−ŷ𝑥 )2
R = √1 − ∑(𝑦−𝑦̅)2

∑(𝑦 − ŷ)2 = 21,62

∑(𝑦 − 𝑦̅)2 =234,42

Atunci R = √1 − 21,62/234,42 =0,95277

Ceea ce demonstrează o intensitate stransa a criteriilor analizati .
𝑅2 =
0.919

, ceea ce denotă că 91,89% din variația lui Y este datorată de variația lui X.
8
𝑟𝑥 ln 𝑦 = -0,952.
0,91897
F = (7 − 2) =56,702 ceea ce înseamnă că ecuația de regresie este statistic
1−0,91897
semnificativă.
𝑡𝑎𝑏
𝐹1,5 = 6,61
Eroarea medie de aproximație
15,37
Ā= =2,1957%
7
Concluzii: Eroarea medie de aproximație arată o corespundere bună a valorilor 𝑦̂ la cele y culese
avînd o abatere de 2,1957 %.
4) Regresia în formă de curbă exponențială y = a𝒃𝒙 coincide după rezultate cu cea de
exponent după linearizare
y = a𝒃𝒙

∑ 𝐥𝐧 𝒚 = 𝒏 𝐥𝐧 𝒂 + (𝐥𝐧 𝒃) ∑ 𝒙
{
∑ 𝒙 𝐥𝐧 𝒚 = 𝐥𝐧 𝒂 ∑ 𝒙 + (𝐥𝐧 𝒃) ∑ 𝒙𝟐

Nr. d/o x y x^2 Lnx Lny xlny

1 6,72 68 45,16 1,91 4,22 28,36
2 7,72 58 59,60 2,04 4,06 31,35
3 7,72 62 59,60 2,04 4,13 31,86
4 9,72 52 94,48 2,27 3,95 38,41
5 8,72 54 76,04 2,17 3,99 34,78
6 8,72 57 76,04 2,17 4,04 35,26
7 9,72 51 94,48 2,27 3,93 38,22
total 59,04 402 505,39 14,87 28,32 238,23
media 8,43 57,43 72,20 2,12 4,05 34,03
a 4,79
b -0,088
delta ln
delta a delta b ln a
52 248,86 -4,56 4,79
5) Regresia în formă de hiperbolă echilaterală
𝑏
y=a+
𝑥
1
Efectuăm liniarizația 𝑥 = z, atunci y = a + bz.

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

9
 10,1 67,3356 0,66437 0,44138 0,64910
1 6,72 68
0,15 2 0,02 28,36 3 1 8 1
60,6070 - 6,79678
2 7,72 58
0,13 7,51 0,02 31,35 6 2,60706 8 11,7186
60,6070 1,39293 1,94026 3,12946
3 7,72 62
0,13 8,03 0,02 31,86 6 5 8 4
51,3033 0,69662 0,48529 0,93325
4 9,72 52
0,10 5,35 0,01 38,41 7 9 2 4
55,4217 - 2,02137
5 8,72 54
0,11 6,19 0,01 34,78 5 1,42175 1 3,74328
55,4217 1,57825 2,49087 4,36995
6 8,72 57
0,11 6,54 0,01 35,26 5 1 5 7
51,3033 - 0,09203 0,18045
7 9,72 51
0,10 5,25 0,01 38,22 7 0,30337 4 9
48,9 0,103 238,2 14,2680 24,7241
total 59,04 402 0,84
9 2 3 402 -2,5E-12 2 1
57,4
media 8,43 0,12 7,00 0,01 57,43 0,00 2,04 3,53
3 34,03

a 15,39
349,0
b 7
delt delt
delta a a ab
0,011 0,17
6 8 4,04

SUMMARY OUTPUT

Regression Statistics
Multiple R 0,966363
R Square 0,933857
Adjusted R
Square 0,920628
Standard Error 1,689261
Observations 7

ANOVA
Significan
df SS MS F ce F
201,44 201,44 70,593
Regression 1 63 63 65 0,000391
14,268 2,8536
Residual 5 02 03
215,71
Total 6 43

Coefficie Standar Lower Upper Lower Upper

nts d Error t Stat P-value 95% 95% 95,0% 95,0%

10
 5,0438 3,0514 0,0283 28,356 2,4255 28,356
Intercept 15,39111 41 66 77 2,425506 72 06 72
41,545 8,4020 0,0003 455,86 242,27 455,86
z=1/x 349,0672 71 03 91 242,2705 38 05 38

RESIDUAL OUTPUT

Predicted Residua
Observation y ls
0,6643
1 67,33563 71
-
2,6070
2 60,60706 6
1,3929
3 60,60706 35
0,6966
4 51,30337 29
-
1,4217
5 55,42175 5
1,5782
6 55,42175 51
-
0,3033
7 51,30337 7
0,1849
7 5,061975 39

∑(𝑦−ŷ𝑥 )2
Intensitatea legăturii R = √1 − ∑(𝑦−𝑦̅)2

Calculăm:
289,43
ŷ𝑥 =19,20+
𝑥

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

∑(𝑦 − ŷ𝑥 )2 = 24,23
∑(𝑦 − 𝑦̅)2 = 287,26

24,23
Prin urmare, indicele de corelație va fi R = √1 − 287,26 = √0,9352=0,9671

Coeficientul de determinație 𝑅 2 =0,9352 ceea ce confirmă o calitate înaltă a modelului,

reflectand 93,52% din variatia lui Y care este datorata de variatia lui X.
0,9352 0,05
F = 1−0,9352 (7 − 2) = 70,59 , 𝐹1,5 = 6,61.

11
 289,43
Ecuația de tip hiperbolă este statistic semnificativa ŷ =19,20+
𝑥

Eroarea medie de aproximație:

24,23
Ā= =3,46% ceea ce confirmă o corespundere buna a valorilor lui ŷ în raport cu y, avand o
7
abatere de 3,46%.
𝟏
6)Regresia în formă de funcție inversă 𝒚
̂=
𝒂+𝒃𝒙
1
Notăm Y = 𝑦

Atunci Y = a+ bx

Nr. (1/y)^ rezid^

x y 1/y x*1/y x^2 yaj Yaj dif A
d/o 2 2
0,014 0,098 45,15 0,000 0,014 66,72 1,275 1,876 1,627
1 6,72 68
706 824 84 216 987 432 684 005 368
- -
2 7,72 58 0,017 0,133 59,59 0,000 0,016 60,62 2,627 4,530 6,906
241 103 84 297 494 796 96 97 175
0,016 0,124 59,59 0,000 0,016 60,62 1,372 2,212 1,882
3 7,72 62
129 516 84 26 494 796 04 967 493
0,019 0,186 94,47 0,000 0,019 51,26 0,739 1,421 0,546
4 9,72 52
231 923 84 37 508 092 084 315 245
- -
5 8,72 54 0,018 0,161 76,03 0,000 0,018 55,55 1,552 2,874 2,409
519 481 84 343 001 235 35 71 778
0,017 0,152 76,03 0,000 0,018 55,55 1,447 2,539 2,095
6 8,72 57
544 982 84 308 001 235 654 744 702
- -
7 9,72 51 0,019 0,190 94,47 0,000 0,019 51,26 0,260 0,511 0,068
608 588 84 384 508 092 92 6 077
tota 0,122 1,048 505,3 0,002 0,122 401,6 0,393 0,132 15,53
59,04 402
l 977 418 888 179 993 068 239 752 584
me 57,
8,43 0,02 0,15 72,20 0,00 0,02 57,37 0,06 0,02 2,22
dia 43
0,004
a
86
0,001
b
507

SUMMARY OUTPUT

Regression Statistics
Multiple R 0,962641
R Square 0,926677
Adjusted R
Square 0,912012

12
 Standard
Error 0,000517
Observations 7

ANOVA
Significan
df SS MS F ce F
1,69E- 1,69E- 63,1913
Regression 1 05 05 2 0,000508
1,33E- 2,67E-
Residual 5 06 07
1,82E-
Total 6 05

Coefficien
Standar Lower Upper Lower Upper
ts d Error t Stat P-value 95% 95% 95,0% 95,0%
0,00161 3,01767 0,02949
Intercept 0,00486 1 1 5 0,00072 0,009 0,00072 0,009
7,94929 0,00050 0,00199 0,00101 0,00199
x 0,001507 0,00019 7 8 0,001019 4 9 4

RESIDUAL OUTPUT

Predicted Residua
Observation 1/y ls
-
1 0,014985 0,00028
0,00074
2 0,016492 9
-
3 0,016492 0,00036
-
4 0,019505 0,00027
5 0,017999 0,00052
-
6 0,017999 0,00045
0,00010
7 0,019505 2
15,957
R =√1 − = √0,932827 = 0,9658 , demonstrează o legătură intensa a criteriilor
287,26
analizate.
Coeficientul de determinație 𝑅 2 = 0.9267 , ceea ce denota ca 92,67% din variatia lui Y este
datorata de variatia lui X.
0,05
F =63.1913 , 𝐹𝑡𝑎𝑏(6,1) = 6,61.

Ecuația funcției inverse este statistic semnificativă.

13
 1
ŷ=
0,0059+0,0015∗𝑥

Modelul statistic este .

15,957
Ā= =2,279
7

Concluzii: Eroarea medie de aproximație arată o corespundere bună a valorilor 𝑦̂ la cele y culese
avînd o abatere de 2,279 %.

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=66.56 Ā% =2,081%

3) ŷ = 𝒆𝟒,𝟕𝟐𝟑−𝟎,𝟎𝟖𝟖𝒙 𝑹𝟐 =0,919 F=56,702 Ā% =2,1957%

4) ŷ =112,5053*𝟎, 𝟗𝟏𝟓𝟕𝒙 𝑹𝟐 =0,919 F=56,702 Ā% =2,1957%

𝟐𝟖𝟗,𝟒𝟑
5) ŷ = 19,20+ 𝑹𝟐 =0,94 F=70.59 Ā% =3,46%
𝒙

𝟏
6) ŷ = 𝟎,𝟎𝟎𝟓𝟗+𝟎,𝟎𝟎𝟏𝟓∗𝒙 𝑹𝟐 =0,9267 F=63,1913 Ā% =2,279%

Concluzii: Toate aproximativ bine .

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

14