ASE Bucuresti

Cibernetica, Statistica si Informatica Economica

PROIECT ECONOMETRIE

An III, Seria B, grupa 1046

Izina Cristian
Lita Mihai
 1. Introducere: obiective, scopul analizei econometrice; sursa datelor;
descrierea variabilelor; unitatile de observare; specificarea modelului
econometric

Datele folosite in cadrul proiectului au fost preluate de la departamentul contabil al unei

firme in activitate. Am ales aceste date deoarece cunoasterea influentei cheltuielilor cu materii
prime asupra numarului de produse finite poate fi utila si chiar necesara pentru previzionare si
planificare a viitoarelor planuri de cheltuieli.
Primul pas in elaborarea proiectului va fi verificarea legaturii intre cele doua variabile,
verificare realizata cu ajutorul utilitarului SPSS,utilitar in care vom realiza toate calculele
necesare pe parcursul aplicatiei.
Datele alese sunt prezentate in Anexa1 .
Ecuatia regresiei este prezentata in Anexa2.
Asa cum reiese din Anexa3 indicatorul R patrat are valoarea 0,8032, ceea ce arata ca
80,32% din variatia numarului de produse finite este explicata de cheltuielile cu materiile prime.
De asemenea se poate calcula si coeficientul de corelatie R. Extragand radical obtinem
R=0,8961, coeficient de corelatie care semnifica dependenta puternica si semnificativa dintre
cele doua variabile.

Reprezentarea grafica a datelor (Anexa4) scoate in evidenta legatura dintre cele doua
variabile alese si posibilitatea modelarii ei dupa un model econometric liniar unifactorial.
.

Estimarea parametrilor modelului de regresie a fost realizata cu ajutorul ecuatiei Least

Squares(Metoda celor mai mici patrate), valorile din Anexa3 avand urmatoarea semnificatie:
- valoarea parametrului â este 61,3579 si reprezinta valoarea numarului de produse
finite atunci cand cheltuielile cu materiile prime sunt 0(se va dovedi ca fiind un
parametru nesemnificativ);
- valoarea parametrului b^ este 0,0192 si reprezinta coeficientul de regresie sau
panta dreptei si arata ca la o crestere a cheluielilor cu materiilor prime cu o unitate
monetara numarul de produse finite va creste cu 0,0192 unitati

2. Estimarea si validarea modelului econometric

a) Testarea validitatii modelului – testul F

H0: s2y/x= s2u = > modelul nu este valid statistic

H1: s2y/x≠ s2u = > modelul este valid statistic
 - se aplica testul Fisher-Suedecar

Fc = s2y/x/ s2u = 53,074 preluat din utilitarul SPSS, Anexa3 -> F-statistic)
Fc > F0,05;1;13 = 4,67 => modelul este valid statistic, rezultatele fiind semnificative pentru
pragul de semnificatie α=0,05

b) Testarea semnificatiei parametrilor

- parametrul a^
Deoarece n este mai mic ca 30 pentru verificarea semnificatiei parametrilor modelului
vom folosi testul Student. Valorile testului Student si al abaterii medii patratice pentru fiecare
variabila in parte vor fi preluate din Anexa3.

Verificarea semnificatiei parametrului a^:

H0: a=0;
H1: a≠0;

ta^=0,901 <t0,05;15= 2,131 => se accepta H0, a=0 pentru un prag de semnificatie 0,05

- parametrul b^

Verificarea semnificatiei parametrului b^:

H0: b=0;
H1: b≠0;
tb^=7,285 <t0,05;15= 2,131 => se accepta H1, b≠0 pentru un prag de semnificatie 0,05
Calculul intervalului de incredere pentru parametrul b^:
b^ - t0,05;15*sb^ <= b <= b^ + t0,05;15*sb^
0,0192 – 2,131 * 0,0026 <= b <= 0,0192 – 2,131 * 0,0026
0,0192-0,0055 <= b <= 0,0192 +0,0055
0,0137 <= b <= 0,0247

c) Calitatea modelului

Avand in vedere ca R2 este 0.803(vezi Anexa 3), rezulta ca 80,3% din variatia cheltuielilor
cu materii prime este explicata prin modelul de regresie. De aici rezulta o calitate buna a
modelului.
 d. Testarea ipotezelor de fundamentare a MCMMP

1. Homoscedasticitate

Homoscedasticitatea se testeaza folosind Testul White, si pe baza acestei ipoteze putem

spune daca legatura din x si y este stabila.
Se va calcula modelul erorilor

ȇ 2i =−30776,951+3,220∗x i−(6,438 E+ 5)∗x 2i

Din Anexa 5 => R2 = 0,214

Ipotezele necesare pentru testarea homoscedasticitatii sunt:

H0 : a = b = c = 0
H1 : a 0 sau b 0 sau c 0
Pentru ca erorile sa fie homoscedastice trebuie indeplinita urmatoarea conditie pentru a
putea fi respinsa ipoteza H1:
LM < χ 2(0,05 ;2) , deoarece r =2, n=15, iar LM =n R2.
χ 2( 0,05; 2) =5,99
LM = 3,21

2
LM < χ (0 , 05; 2) => se accepta ipoteza H0, iar erorile sunt homoscedastice.

2. Non-autocorelarea erorilor

Variabilele aleatoare ε i sunt statistic independente una de alta, adica cov(ε i , ε j)=0 i≠j
(non-autocorelarea reziduurilor).
Daca exista i≠j astfel incat cov(ε i , ε j)≠0, spunem ca erorile sunt autocorelate.

Testul Durbin Watson

1. Se estimeaza parametrii modelului de regresie prin metoda celor mai mici patrate si
se obtine seria reziduurilor (ei)i=1,n.

Ipotezele ce trebuie testate sunt:

 H 0 : ρ=0
 H 1 : ρ≠ 0, unde ρ este coeficientul de autocorelare a erorilor de ordin 1.
 n

∑ et e t −1
^ρ = t =2 n
∑ e2t
t =1

2. Se calculeaza statistica Durbin Watson:

n

∑ ( ε^ t− ε^ t −1 )2
t =2
F=DW= n

∑ ε^ t 2
t=1
DW=3,097

3. din tabela distributiei Durbin-Watson, α = 0,05; k=1; n=15:

d 1=1,08
d 2=1,36

4. 4-d1<d<4 => autocorelatie negativa

d2<d<4-d2 => erori independente

3. Non-multicolinearitate

Se verifica prin Criteriul Klein, in cazul in care exista mai multe variabile exogene (caz
bifactorial).

4. Normalitatea erorilor

Testul Jarque-Bera

Vom verifica cu ajutorul acestui test ipoteza de normalitate a erorilor. Valoarea

testului Jarque-Bera este preluata din Anexa6 (Residual tests-Histogram-Normality Test).

JB=0,1058 < Ӽ20,05;2=5,99 => erori normal distribuite

sau
Pentru aceasta se folosesc:
 n
2
2 (∑ ε^ 3i )
μ 3 i=1
 Coeficientul de asimetrie: β 1= 3
= n => β 1=0,496476
μ 2 2 3
(∑ ε^ ) i
i=1
n

μ4 ∑ ε^ 4i
i=1
 Coeficientul de aplatizare: β 2= 2
= n => β 2=0,196062
μ 2 2 2
( ∑ ε^ )i
i=1

Test pentru asimetrie:

 H 0 : β1 =0
 H1: β1 ≠ 0
^β 1/1 2
S=
√ 6 /n
S=0,704610/0,632456=1,114

Test pentru aplatizare:

 H 0 : β2 =3
 H 1 : β 2 ≠3

^β 2−3
K=
√ 24 /n
K=( 2,803938)/1,2649111= 2,2137077

|S|<t α , n−2 => 0.31817 < 2,16 => erorile sunt normal repartizate.
2

|K|<t α , n−2 => 2,137077 < 2,16

2

3. Previziune si concluzii

- Estimatia punctuala

Ecuatia regresiei este prezentata in Anexa2.

Vom considera X16=35000 ca fiind suma stabilita de catre firma pentru cheltuielile cu
materiile prime pentru perioada imediat urmatoare. Prin estimatie punctuala va rezulta:
Y16= 61.3579478669 + 0.0191679198023*X 16 = >
 Y16= 732,24 => Conform modelului de regresie calculat in luna urmatoare se vor produce
732 produse finite(in cazul respectarii planului de cheltuieli).

- Estimatie - interval de incredere

Interval de incredere pentru media lui Y.

Yˆ  t / 2,n 2  SYˆ  E (Y )  Yˆ  t / 2, n 2  SYˆ

unde
n

1  x  xp
2
e 2
i
SYˆ  ˆ  şi ˆ 2  i 1

n n
n2
 x  x 
2
i
i 1

Anexe

Anexa 1
Anexa 2
Anexa 3

Anexa 4
Anexa 5

Anexa 6
Anexa 7 (excel)