ACADEMIA DE STUDII ECONOMICE A MOLDOVEI

FACULTATEA FINANŢE
DEPARTAMENTUL ECONOMETRIE ȘI STATISTICA ECONOMICĂ

Veaceslav GROSU

Analiza modelului de regresie simplă

LUCRARE INDIVIDUALĂ
la unitatea de curs
„Econometrie”

Autor:
student gr. FB 182,
învăţământ cu frecvenţă redusă
GROSU Veaceslav
____________________
(semnătura)
Conducător ştiinţific:
prof. univ., dr. PÂRȚACHI Ion
____________________
(semnătura)

Chişinău - 2019
 Analiza modelului de regresie simplă
Datele variabilelei dependente şi independente în cazul celor 5 observaţii sunt reprezentate în
tabelul nr.1 .
Nr de registru = 20.
Tabelul nr.1
Nr.ord X Y XtYt Xt2 Yt2 ¿¿ ´ )2 ¿¿
( Y^ ¿ ¿ t ¿ ¿ 2−2Ýt
Xt- Yt- xt*yt xt2 yt2 Y^ t =et2 Y^ t
X Y
= =
xt yt
1 19 8 152 361 64 2 -3 -6 4 9 12, 20,25 2,25 156,25
5
2 15 11 165 225 121 -2 0 0 4 0 9,5 2,25 2,25 90,25
3 13 7 91 169 49 -4 -4 16 16 16 8 1 9 64
4 17 13 221 289 169 0 2 0 0 4 11 4 0 121
5 21 16 336 441 256 4 5 20 16 25 14 4 9 196
Total 85 55 965 1485 659 0 0 30 40 54 55 31,5 22,5 627,5
Media 17 11 193 297 131,8 11 125,5

1.De verificat fundamentele și specificul modelului.

Reieşind din forma

norului de puncte
(fig.1) rezultă că
legătura dintre Xşi Y
poate fi descrisă
printr-o legătură
liniară, deasemenea,
din grafic se observă o legătură directă, valoare lui b fiind mai mare ca 0, prin urmare vom
respecta condiţiile funcţiei liniare de regresie avînd în faţă un model liniar de regresie simplă y 
a  bx  u .

2. De determinat prin metoda Cramer estimatorii a^ şi b^

Astfel:
55∗1485−85∗965 −350
a^ = = 200 = -1,75
5∗1485−85∗85
5∗965−85∗55 150
b^ = = = 0,75
5∗1485−85∗85 200
^y 1,75  0,75x, ceea ce presupune că la modificarea cu o unitateaa variabilei
independente, variabila dependentă se va modifica cu 0.75 unitati.
3. De verificat estimatorii a^ şi b^ prin metoda centrării datelor.
Pe baza datelor din tabeş vom calcula valorile medii ale observaţiilor celor 2 variabile.
n
1 1
Y^ = ∑ Y t = ∗55=11
n t=1 5

x t= X t - X́ , y t =¿ Y t -Ý , ^ ∑ x t y t = 30 =0,75
unde b=
∑ x 2t 40

a^ =Ý − b^ X́
a^ =11−0,75∗17=11−12,75=−1,75

a^ = 11- 0,75*15,8= -1,75

^y =1,75  0,75x
Concluzie: prin ambele metode obţinem aceleaşi valori a estimatorilor, explicaţia
modelului obţinut fiind reprezentată mai sus.
Cu ajutorul pachetului de programare eviews, obţinem aceleaşi date ale indicatorilor
calculaţi (tabelul 2).
4. Să se afle SPT, SPR, SPE.
SPT = Yt - Ý )2 = 54

SPR = Yt -Yt

^ )2 = 31,5

SPE = Yt
^ - Ý )2 = 22,5

Conform calculelor observăm că SPT( Suma totală a pătratelor

abaterilor)=SPE (Suma pătratelor abaterilor explicative de regresie)
+SPR(Suma pătratelor abaterilor reziduale sau neexplicative de regresie).
 ^e
5. Să se calculeze R 2 şi să se explice .❑ s

var(Y)= Ý 2 – (Ý )2 = 131,8-121= 10,8

var (Y^ ) = Y^´ 2 – (Y^´ )2 = 125,5-121=4,5
Prin urmare:
var ( Y^ ) 4,5
R2 = var (Y ) = 10,8 = 0,41

Estimaţia dispersiei erorilor se determină cu ajutorul observaţiilor reziduale et :

 1 1
^2 = e2
s2 = ❑ n−2 ∑ t = 3 * 22,5= 7,5, şi repezintă o estimaţie nedeplasată a
dispersiei erorilor 2, cu ajutorul cărora se calculează dispersiile estimaţiilor a^ , b^ .
6. Să se verifice ipoteza nulă pentru estimatorul a^
1. Formulăm ipotezele nule şi alternative conform cărora se presupune
că estimatorul aˆ este nesemnificativ egal cu 0 sau se diferenţiază în
proporţie mare faţă de 0 (este semnificativ).
I 0 : aˆ  0

I1 : aˆ  0

2. Calculăm valoarea calculată a testului t-student.

Pentru valoarea calculate a testului t-student este nevoie de calcularea dispersiilor estimației b^ :

^
b−b 0,75
0
t calc= = =3,87
√ v^ ^
ar (b) 0,194
2
^ ( b^ ) = s = 7,5 =0,0375
Var
∑x 2t 5∗40
3. Calculăm valoarea teoretică a testului t-student, în dependență de nivelul de
semnificație α și n-2 grade de libertate, cu o probabilitate de 95%, α=0,05
t α / 2: n−2=t α / 2 :20−2=¿ 2,845

^
Concluzie : După cum observăm t bcalc >¿ t α / 2: n−2, 3,87 > 2,845 , astfel putem menționa că
estimatorul b^ este semnificativ diferit de 0, adică ipoteza nulă se respinge și se acceptă
ipoteza egal cu 1.