Lucru individual la econometrie

Studenta: Caldare Andreea FB-191

Cheltuieli pentru cumpărarea
produselor alimentare, % din volumul Salariu mediu lunar al unui lucrător, mii lei, x
total al cheltuielilor, y
A B
68.02 6.02
58.02 7.02
62.02 7.02
52.02 9.02
54.02 8.02
57.02 8.02
51.02 9.02

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

Sistemul de ecuații normale:

{54.147 a+54.14 b=402.14

a+ 426.16 b=3072.12

7 54.12
∆ = |54.14 426.16|=¿ 7x426.16-(54.14) 51.98 ^2=

402.14 54.12
∆ =|
3072.12 426.16|
a =171 375.98-166 324.58=5051.40

∆a
a^ = = 97,16
∆
7 402.14
∆b = |54.14 3072.12 |
=21 504.84-21 771.86= -267.02
b^ = -5,13
ŷ = 97,16-5,13x

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

σ 2x = ∑ x2 - x2 = x2 - x2
n
a = y – bx

SUMMARY OUTPUT

Regression Statistics
Multiple R 0.952842491
R Square 0.907908813
Adjusted R Square 0.889490576
Standard Error 1.993257867
Observations 7

ANOVA
Significance
  df SS MS F F
195.848901
Regression 1 195.8489011 1 49.29401189 0.000904212
3.97307692
Residual 5 19.86538462 3
Total 6 215.7142857      

Standard
  Coefficients Error t Stat P-value Lower 95% Upper 9
17.0271938
Intercept 97.16115385 5.706234084 4 1.27841E-05 82.49281216 111.829

X Variable 1 -5.134615385 0.731325699 -7.02096944 0.000904212 -7.01454794 -3.25468

RESIDUAL OUTPUT

Observation Predicted Y Residuals

1 66.25076923 1.769230769
2 61.11615385 -3.09615385
3 61.11615385 0.903846154
4 50.84692308 1.173076923
5 55.98153846 -1.96153846
6 55.98153846 1.038461538
7 50.84692308 0.173076923
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:
σx
^ ( xy )−( x )( y )
r yx = b^ sau r yx =
σ^y σxσ y

σ^ x = √ 64.17−7,942=1.0088
σ^ y = √ 3331.15−57,482 =5.1813

1,0088
r yx =-5,13* = --0.9997 o dependență liniară strânsă .
5,1813
Coeficientul de determinație:

r 2yx = (−0,9997 ¿¿ 2) ¿=0,9994

Ceea ce semnifică că 99,94% de variația lui Y este determinată de X.

Eroarea de aproximație pentru fiecare observație se definește astfel
y i−^y i
| | yi
× 100

1 y i− ^yi 17,25
A=
n
∑ yi| | × 100 =
7
=2,46%

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

o abatere de ≈ 2,5%.

I.2 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
 7 14,26
∆= |14,26 29,16|
= 0,9163

28,32 14,26
∆ = |
57,60 29,16|
A =4,9483

7 28,32
∆ =|
14,26 57,60|
b =-0,60908
∆ A 4,9483 ∆b −0,60908
a= = =5,3999 b= = = -0,66
∆ 0,9163 ∆ 0,9163
ln y =5,39-0,66lnx
Efectuăm potențierea și avem
y =e 5,39 x−0,66 =167,36* x−0,66
Interpretare: Parametrul b= -0,66 care reprezintă coeficientul de elasticitate ce semnifică că cu
creșterea salariului cu 1% ponderea cheltuielilor pentru produsele alimentare se micșorează în
mediu cu 0,66p.p.( puncte procentuale).

SUMMARY
OUTPUT

Regression Statistics
Multiple R 0.964835
R Square 0.930906
Adjusted R
Square 0.917087
Standard Error 0.029301
Observations 7

ANOVA
 Significan
  df SS MS F ce F
0.05783 67.3654
Regression 1 0.057835 5 4 0.000437
0.00085
Residual 5 0.004293 9
Total 6 0.062128      

Coefficien Standard Lower Upper Lower Upper

  ts Error t Stat P-value 95% 95% 95.0% 95.0%
32.6692 5.05E- 5.82489 4.97509 5.82489
Intercept 5.399997 0.165293 3 07 4.975097 6 7 6
- 0.00043 - - -
X Variable 1 -0.66468 0.080984 8.20765 7 -0.87286 0.45651 0.87286 0.45651

RESIDUAL
OUTPUT

Predicted
Observation Y Residuals
1 4.20683 0.012972
2 4.104684 -0.0439
3 4.104684 0.022773
4 3.93806 0.013568
5 4.016165 -0.02681
6 4.016165 0.027237
7 3.93806 -0.00584

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 =204,1197
∑ ( y− ý )2 = ∑ y2 - y ∑ y = 215,7143
Așadar avem R = 0.96483

R2 =0,930906
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 0,930906
F= 2 ( n-2 ) = (7-2)=67,37
1−R 1−0,930906

F 0,05
tab = 6,61
 14,58
A= =2,08%
7
Concluzie: Eroarea medie de aproximație arată o corespundere bună a valorilor ^y la cele y culese
avînd o abatere de 2,08%.

I.3 Logaritmice
y = ae bx

ln y =ln a + bx

Scriem sistemul de ecuații normale

∑ ln y =n ln a+b ∑ x
{∑ x ln y =ln a ∑ x+ b ∑ x 2
28,32=7 ln a+ 54.14 b
{218,42=54,14 ln a+ 426,16 b
Conform tabelului construim sistemul de ecuații normale:
7 54,14
∆= |54,14 426,16|
=52

28,32 54.14
∆ ln a = |
218,42 426,16|
= 245,67

7 28,32
∆ =|
54,14 218,42|
b = -4,56

a = 4,7244
b = -0,08767
ln y = 4,7244 - 0,08767x
Obținem:
ŷ = e 4,72 44−0,08767 x
 SUMMARY OUTPUT

Regression Statistics
Multiple R 0.958625
R Square 0.918962
Adjusted R
Square 0.902755
Standard
Error 0.031732
Observations 7

ANOVA
Significanc
  df SS MS F eF
Regression 1 0.057093 0.057093 56.69952 0.000654
Residual 5 0.005035 0.001007
Total 6 0.062128      

Coefficient Standard Upper Lower Upper

  s Error t StatP-value Lower 95% 95% 95.0% 95.0%
Intercept 4.724425 0.090842 52.00685 4.97E-08 4.490907 4.957943 4.490907 4.957943
X Variable 1 -0.08767 0.011643 -7.52991 0.000654 -0.1176 -0.05774 -0.1176 -0.05774

RESIDUAL OUTPUT

Predicte
Observation dY Residuals
1 4.196666 0.023136
2 4.108998 -0.04821
3 4.108998 0.018459
4 3.933663 0.017965
5 4.021331 -0.03198
6 4.021331 0.022072
7 3.933663 -0.00145
Intensitatea de legătură o măsurăm prin indicele de corelație

∑ ( y − ŷ x )2
√
R ¿ 1−
∑ ( y− ý )2
∑ ( y− ŷ )2 = 17,41
∑ ( y− ´ý )2 =215,71
Atunci R = √ 1−17,41/ 215,71 =0,9588
Ceea ce demonstrează o intensitate stransa a criteriilor analizati .
R2 = 0,91928

, ceea ce denotă că 91,93% din variația lui Y este datorată de variația lui X.
0,91928
F = 1−0,91928 (7−2) =56,94236 ceea ce înseamnă că ecuația de regresie este
statistic semnificativă.
1,5 = 6,61
F tab

Eroarea medie de aproximație

16,41
Ā= 7
=2,3446%

Concluzii: Eroarea medie de aproximație arată o corespundere bună a valorilor ^y

la cele y culese avînd o abatere de 2,3446 %.

I.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
 28,32=7 ln a+ ( ln b ) 54,14
{
218,42=ln a 54,14+ ( ln b ) 426,16

7 54,14
∆= |54,14 426,16|
=52

28,32 54
∆ ln a = |
218,42 426,16|
=245,6701

ln a =4,724425

7 28,32
∆b = |54,14 218,42 |
= -4,55872

b = -0,08767

a=e−0,08767=0,916065 b=e 4,724425=112,6657 Y^ x=112,6657*0,916065 x

I.5 Regresia în formă de hiperbolă echilaterală

b
y=a+ x
1
Efectuăm liniarizația = z, atunci y = a + bz.
x
Aplicăm MCMMP
402,14=7 a+0,92 b
{53,67=0,92 a+ 0,1239 b

|0,927 0,1239
De unde ∆ =
0,92
| =0,0167

402,14 0,92
∆ |
53,67 0,1239|
a = = 0,318678

7 402,14
∆ |
0,92 53,67 |
b = = 4,8522

∆a 0,318678 ∆b 4,8522
a= = =19,11 b= =¿ =291,0141
∆ 0,0167 ∆ 0,0167
Ecuația de regresie y = 19,11+291,01*z
SUMMARY OUTPUT

Regression Statistics
Multiple R 0.967026
R Square 0.935139
Adjusted R
Square 0.922167
Standard
Error 1.672802
Observations 7

ANOVA
Significan
  df SS MS F ce F
201.722 72.0885
Regression 1 201.7229 9 2 0.000373
2.79826
Residual 5 13.99134 7
Total 6 215.7143      
 Coefficien Standard Lower Upper Lower Upper
  ts Error t Stat P-value 95% 95% 95.0% 95.0%
4.19217 0.00855 30.8326 7.39314 30.8326
Intercept 19.11289 4.559181 7 4 7.393146 4 6 4
8.49049 0.00037 379.121 202.906 379.121
X Variable 1 291.0141 34.27528 6 3 202.9067 5 7 5

RESIDUAL OUTPUT

Predicted
Observation Y Residuals
1 67.45411 0.565889
2 60.5679 -2.5479
3 60.5679 1.452102
4 51.3761 0.643899
5 55.39895 -1.37895
6 55.39895 1.621055
7 51.3761 -0.3561

∑ ( y − ŷ x )2
Intensitatea legăturii R =
√ 1−
∑ ( y− ý)2
Calculăm:
291,01
ŷ x =19,11+
x

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

∑ ( y− ŷ x )2 = 13,99
∑ ( y− ý )2 = 215,71
13,99
Prin urmare, indicele de corelație va fi R = 1−
√ 215,71
=¿0,9670

Coeficientul de determinație R2=0,9351 ceea ce confirmă o calitate înaltă a modelului,

reflectând 93,51% din variația lui Y care este datorată de variația lui X.
0,9351
F= ( 7−2 )=72,0885 , F 0,05
1,5 = 6,61.
1−0,9351
291,01
Ecuația de tip hiperbolă este statistic semnificativa ŷ =19,11+
x
Eroarea medie de aproximație:
14,89
Ā= =2,128% ceea ce confirmă o corespundere bună a valorilor lui ŷ în raport cu y, având
7
o abatere de 2,13%.
 1
I.6 Regresia în formă de funcție inversă ^y = a+bx

1
Notăm Y =
y
Atunci Y = a+ bx

Aplicăm MCMMP și obținem sistemul de ecuații normale:

∑ Y =na+ b ∑ x
{
∑ Yx=a ∑ x +b ∑ x 2
0,123=7 a+54,14 b
{0,96=54,14 a+426,16 b

7 54,14
∆= |54,14 426,16 |
=52

0,123 54,14
∆ =|
426,16|
a =0,308
0,96

7 0,123
∆ =|
0,96 |
b =0,078
54,14

a=0,0059 b=0,0015

SUMMARY OUTPUT

Regression Statistics
Multiple R 0.962638
R Square 0.926673
 Adjusted R
Square 0.912007
Standard
Error 0.000516
Observations 7

ANOVA
Significan
  df SS MS F ce F
1.68E- 63.1874
Regression 1 1.68E-05 05 3 0.000508
2.67E-
Residual 5 1.33E-06 07
Total 6 1.82E-05      

Coefficien Standard Lower Upper Lower Upper

  ts Error t Stat P-value 95% 95% 95.0% 95.0%
4.00326 0.00971 0.00211 0.00971
Intercept 0.005917 0.001478 2 0.01029 0.002117 6 7 6
7.94905 0.00050 0.00199 0.00101 0.00199
X Variable 1 0.001506 0.000189 2 8 0.001019 3 9 3

RESIDUAL OUTPUT

Predicted
Observation Y Residuals
1 0.014981 -0.00028
2 0.016486 0.000749
3 0.016486 -0.00036
4 0.019498 -0.00027
5 0.017992 0.00052
6 0.017992 -0.00045
7 0.019498 0.000102

Scriem ecuația de regresie:

1
ŷ=
a+bx
Înlocuim valorile lui x și obținem valorile lui ŷ x

SPR = ∑ ( y− ŷ x )2 = 215,71
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:

15,95
√
R = 1−
215,71
=¿ ¿ 0,962, demonstrează o legătură intensa a criteriilor analizate.

Coeficientul de determinație R2 = 0.9267 , ceea ce denota ca 92,67% din variatia lui Y este
datorata de variatia lui X.
0,05
F =63.19 , F tab(6,1 ) = 6,61.

Ecuația funcției inverse este statistic semnificativă.

1
ŷ = 0,0059+0,0015∗x

Modelul statistic este .

15,95
Ā= =2,28
7
Concluzii: Eroarea medie de aproximație arată o corespundere bună a valorilor ^y la cele y culese
având o abatere de 2,28 %.

Ec. de regresie R2 F Ā%

1)ŷ = 97,16-5,13X R2=0,91 F=49,29 Ā% =2,49%

2) ŷ =167,36* x−0,66 R2=0,93 F=67,37 Ā% =2,20%

3) ŷ =e 4,724−0,088 x R2=0,919 F=56,70 Ā% =2,34%

4) ŷ =112,67*0,916 x R2=0,919 F=56,70 Ā% =2,34%

291,01
5) ŷ = 19,11+ R2=0,94 F=72,09 Ā% =2,13%
x
1
6) ŷ = R2=0,926 F=63,19 Ā% =2,279%
0,0059+0,0015∗x

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

II Eviews
1) Liniar

2) De putere
3) logaritmici

4) exponențial
 )

5) hiperbola
6) funcția inversă