Documente Academic
Documente Profesional
Documente Cultură
I. Introducere
II. Descrierea datelor ce vor fi utilizate în modelul econometric
III. Specificarea modelului econometric unifactorial
a) Estimațiile parametrilor modelului
b) Validitatea modelului de regresie
c) Semnificaţia statistică a parametrului pantă (𝛽𝛽1 ).
d) Verificaţi îndeplinirea ipotezelor modelului clasic de regresie liniară
d.1) Homoscedasticitatea erorilor aleatoare
d.2) Non-autocorelarea erorilor aleatoare
d.3) Normalitatea erorilor aleatoare și reprezentarea diagramei qq-plot
e) Corectați modelul de regresie
f) Previzionaţi, atât punctual cât și printr-un interval de încredere 95%, valoarea variabilei
dependente Y dacă variabila explicativă creşte cu 10% faţă de ultima valoare înregistrată,
utilizând modelul econometric corectat.
Excel :
E Views:
File -> Import -> Import from File -> Serie de date proiect Econ..xlsx
În workfile apar 3 serii de date : an_luna , pretul_sp500, rata_somajului
R Studio:
PRETUL__SP500 = 5257,08216693 – 635,879642615*RATA_SOMAJULUI
Excel:
Eviews:
R Studio:
𝐻𝐻0 : 𝛽𝛽1 = 0 (parametrul este nesemnificativ statistic sau parametrul nu este semnificativ diferit
de 0)
𝐻𝐻1 : 𝛽𝛽1 ≠0 (parametrul este semnificativ statistic sau parametrul este semnificativ diferit de
0)
Excel:
Eviews:
R Studio:
𝑡𝑡0.05;28 = 2.048
2
𝑡𝑡𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 = -6.393103
Rc : t < -𝑡𝑡𝛼𝛼;𝑛𝑛−2 sau t > 𝑡𝑡𝛼𝛼;𝑛𝑛−2
2 2
Cum 𝑡𝑡𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 < - 𝑡𝑡𝛼𝛼;𝑛𝑛−2 acceptăm 𝐻𝐻1 la nivelul de semnificație de 5% , iar parametrul 𝛽𝛽1
2
este semnificativ statistic
Excel:
Eviews:
View → Coefficient Diagnostics → Confidence intervals , iar la Confidence levels se păstrează
doar 0.95.
R Studio:
Cum intervalul de încredere 95% al parametrului 𝛽𝛽1 nu conține valoarea 0 , atunci acest
parametru este semnificativ diferit de 0.
• Intervalul [-839,6211; -432,1382] acoperă valoarea adevarată a lui 𝛽𝛽1 , adică dacă rata
inflației crește cu un procent, prețul S&P500 scade, in medie , cu o valoare acoperită de
intervalul [432,1382; 839,6211].
d) Verificaţi îndeplinirea ipotezelor modelului clasic de regresie liniară
d.1) homoscedasticitatea erorilor aleatoare
𝐻𝐻0 : 𝛼𝛼1 = 𝛼𝛼2 =0 (nu există heteroscedasticitate sau erorile aleatoare sunt homoscedastice)
𝐻𝐻1 : (∃)𝛼𝛼𝑖𝑖 ≠0 (există heteroscedasticitate sau erorile aleatoare sunt heteroscedastice)
Definim :
• SERIES REZIDUURI = RESID
• SERIES PRETUL__SP500_FITTED = PRETUL__SP500 – REZIDUURI
• SERIES SQUARED_REZIDUURI = REZIDUURI^2
Testul White
Excel:
EViews:
Creăm seria pătratelor reziduurilor 𝜀𝜀̂𝑖𝑖2 prin comanda:
series squared_ reziduuri = reziduuri^2, iar în workfile va apărea noua variabilă
squared_ reziduuri.
View / Residual diagnostics / Heteroskedasticity Tests și la Test Type se alege White, iar apoi se
specifică regresorii din noul model de regresie, în cazul acesta c rata_somajului.
R Studio:
Testul Glejser
R Studio:
------
t-Statistic = -0.700318
|𝜀𝜀̂𝑖𝑖 | = 259.5244 − 44.57853 ⋅ 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑖𝑖
se = (132,1962) ( 34,51822)
Coeficientul pantă 𝜆𝜆1 nu este semnificativ statistic (t-Statistic =-0, 700318 şi Prob= p value =
0,4895),deci erorile aleatoare ale modelului original de regresie sunt homoscedastice.
R Studio:
Interpretarea testului:
H0 : Reziduurile nu sunt autocorelate (order = 1)
H1 : rho ≠ 0 (exista autocorelarea erorilor)
d1 = 1.352 d2 = 1.489
DW = 1,091425
0<DW<d1
DW se încadrează în Regiunea 1, rezultă că Respingem H0 și acceptăm H1, există o autocorelare
de ordinul întâi a erorilor aleatoare.
Testul Breusch-Godfrey
Ipoteze
H0 : erorile nu sunt autocorelate
H1 : există autocorelare a erorilor aleatoare
Eviews:
p-value=0.0462
Deoarece valoarea LM calculat este mai mare decât valoarea critica, respingem ipoteza
nulă H0 și acceptăm ipoteza alternativă H1 , deci există autocorelare a erorilor modelului
de regresie.
H0: Reziduurile provin dintr-o distribuţie normală (S=0 şi K=3 ), unde S=Skewness, K=Kurtosis
H1: Reziduurile nu provin dintr-o distribuţie normală
Excel:
Interpretarea testului:
Deoarece p-value calculat este mai mare decât nivelul de semnificație α = 0,05, nu
se poate respinge ipoteza nulă H0 .
Eviews:
Jarque_bera = 0,038011
Probability = 0,981171
R Studio:
Deoarece probabilitatea asociată statisticii J-B este > 0,05, adică Probability = 0,981171
> 0,05, nu putem respinge H0 că reziduurile provin dintr-o distribuţie normală. Nu avem
suficiente motive să respingem ipoteza nulă H0, prin urmare nu excludem posibilitatea ca
variabila eroare să urmeze o repartiție normală.
R Studio:
Din diagrama QQ-plot se poate deduce ca reziduurile provin dintr-o distributie normala.
𝐻𝐻1 : 𝛽𝛽1 ≠0 (parametrul este semnificativ statistic sau parametrul este semnificativ diferit de
0)
𝑡𝑡0.05;27 = 2.05
2
𝐻𝐻1 : 𝛽𝛽0 ≠0 (parametrul este semnificativ statistic sau parametrul este semnificativ diferit de
0)
f) Previzionaţi, atât punctual cât și printr-un interval de încredere 95%, valoarea variabilei
dependente Y dacă variabila explicativă creşte cu 10% faţă de ultima valoare înregistrată,
utilizând modelul econometric corectat.
Eviews:
new_val=3.04095
scalar t_critic = @qtdist(1-0.025,28)
series ci_lower = pretul_star_f - t_critic * se_prediction
series ci_upper = pretul_star_f+
t_critic * se_prediction
t_critic=2.048407
Astfel, de pe ultima linie a grupului, adică de pe linia 31, citim că previziunea punctuală a
profitului este 𝑦𝑦�31 = 1079.407 $ , la intervalul de încredere 95% al nivelului profitului Y ,dacă
variabila explicativă creşte cu 10% faţă de ultima valoare înregistrată ( adică 3.04095) este
𝐶𝐶𝐼𝐼95% ( Prețul_SP500 rata_somajului) = [770.6247;1388.189] $.
In selectii repetate, 95 din 100 intervale ca cel obtinut vor acoperi valoarea adevarata a
Pretului S&P, daca rata somajului este 3.04095.
R Studio:
IV. Specificarea modelului econometric multifactorial
Y – Prețul S%P500 masurat in dolar ( variabila dependentă)
S&P 500 este un indice bursier care conține 500 de companii publice mari, majoritatea
americane.
𝑿𝑿𝟏𝟏 – Rata șomajului masurat in procent ( variabila independentă )
Rata șomajului reprezintă raportul dintre numărul șomerilor si populația activă, exprimat
procentual.
𝑿𝑿𝟐𝟐 – Rata inflației masurat in procent ( variabila independentă )
Rata medie anuală a inflației reprezintă creșterea medie a prețurilor de consum într-un an față de
anul precedent. Aceasta rată se calculează ca un raport, exprimat procentual, între indicele mediu
al prețurilor dintr-un an și cel al anului precedent, din care se scade 100.
Excel:
Eviews:
R Studio:
Parametrul pantă 𝛽𝛽1 corespunzător variabilei 𝑿𝑿𝟏𝟏 (Rata somajului): estimația este
�
𝛽𝛽1 = -631.67.
Interpretare: dacă rata somajului creşte cu 1 procent, pretul S&P500 va scădea, în medie,
cu 631.67 dolari, menținând constant nivelul celorlalte variabile explicative din model.
Parametrul pantă 𝛽𝛽2 corespunzător variabilei 𝑿𝑿𝟐𝟐 (Rata inflatiei): estimația este
�2 = -20.64.
𝛽𝛽
Interpretare: dacă rata inflatiei creşte cu 1 procent, pretul S&P500 va scădea, în medie, cu
20.64 dolari, menținând constant nivelul celorlalte variabile explicative din model.
Eviews:
EQ1/ Proc / Make Regressor Group -> View / Covariance Analysis/ Method(Correlation)
𝑟𝑟𝑥𝑥1 ,𝑥𝑥2 =0,114198 rezultă că coeficientul de corelatie Pearson intre 𝑋𝑋1 și 𝑋𝑋2 este apropiat de
valoarea 0 , adică nu există corelație (asociere aleatoare).
R Studio:
Calculam factorul de inflaţie a varianţei (Variance Inflationary Factor)
Interpretarea testului:
H0 : Reziduurile nu sunt autocorelate (order = 1)
H1 : rho ≠ 0 (exista autocorelarea erorilor)
d1 = 1.284 d2 = 1.567
DW = 1.071291
0<DW<d1
DW se încadrează în Regiunea 1, rezultă că Respingem H0 și acceptăm H1, există o autocorelare
de ordinul întâi a erorilor aleatoare.
Testul Jarque-Bera
H0: Reziduurile provin dintr-o distribuţie normală (S=0 şi K=3 ), unde S=Skewness, K=Kurtosis
H1: Reziduurile nu provin dintr-o distribuţie normală
Deoarece probabilitatea asociată statisticii J-B este > 0,05, adică Probability = 0.9737
> 0,05, nu putem respinge H0 că reziduurile provin dintr-o distribuţie normală. Nu avem
suficiente motive să respingem ipoteza nulă H0, prin urmare nu excludem posibilitatea ca
variabila eroare să urmeze o repartiție normală.
V. Concluzii
Modelul studiat ne-a arătat dependenţa S&P de şomaj şi inflaţie. Însă acest model
pare a fi valabil doar într-o recesiune, deoarece de obicei S&P şi oricare indice
bursier cresc într-o situaţie inversă celei prezente. O inflaţie scăzută şi şomaj înalt
determină o stagnare în creştere economică şi eventual în indici. Dar după cîte constatam
din model perioadele de criză se caracterizează prin disproporţii economice.
VI. Bibliografie
http://www.miseryindex.us/rawdata.aspx
https://www.investing.com/indices/us-spx-500-historical-data
https://capital.com/ro/indice-s-p-500-definitie