Modelul de regresie multipla

Proiectul urmareste realizarea unui model econometric (regresie multipla liniara) referitor la
datele despre cursul de schimb RON/EUR, rata inflatiei si rata dobanzii de referinta, mai precis
urmareste sa explice influenta cursului de schimb si a ratei de dobanda de referinta asupra ratei
inflatiei.

Pentru realizarea acestui model am utilizat urmatoarele date:

- Cursul RON/EUR mediu lunar, pe perioada mai 2011-aprilie 2012;

- Rata inflatiei, pe aceeasi perioada;
- Rata dobanzii de referinta pe aceeasi perioada;

Datele au fost preluate de pe site ul bancii nationale romane si sunt prezentate in fig.nr.1.

EUR rata rata

mediu inflatie dob
Data de ref
(RON/EUR)

2,38
apr. 2012 4,3760 5,25
2,40
mar. 2012 4,3652 5,50
2,59
feb. 2012 4,3506 5,75
2,72
ian. 2012 4,3428 5,75
3,14
dec. 2011 4,3267 6,00
3,44
nov. 2011 4,3536 6,00
3,55
oct. 2011 4,3238 6,25
3,45
sep. 2011 4,2820 6,25
4,25
aug. 2011 4,2501 6,25
4,85
iul. 2011 4,2405 6,25
7,93
iun. 2011 4,1929 6,25
8,41
mai 2011 4,1120 6,25

Fig.nr.1
1
 Forma ecuatiei de regresie multipla:

Yt=b0 + b1X1t + b2X2t + εt adica CURS= b0 + b1R_DOBt + b2R_INFt + εt unde:

- t = 1,2,...,36 reprezinta observatiile din esantion (N=36);
- Yt  observatia t a variabilei dependente ( a cursului ) ( variabila dependenta);
- X1t=R_DOB  variabila independenta rata dobanzii;
- X2t=R_INF variabila independenta rata inflatiei;
- b0= constanta( termenul liber, C din eviews);
- b1 si b2 coeficientii variabilelor independente;
- εt = termenul de eroare al ecuatiei ( intrucat variabila CURS mai depinde si de o serie de alti
factori);

Coeficientul variabilei independente arata cu cat se modifica variabila dependenta ( curs),

atunci cand variabila independenta R_DOB se modifica cu o unitate, in conditiile in care celelalte
variabile independente raman constante. Pentru ca inferenta bazata pe rezultatele regresiei liniare
multiple sa fie valida, trebuie indeplinite un set de ipoteze:

1. Legatura dintre variabila dependenta si variabilele independente este liniara.

2. Variabilele independente sunt aleatoare. De asemenea intre variabilele independente incluse intr-o
regresie nu exista nici o relatie liniara. Dacă variabilele independente sunt corelate atunci exista
multicoliniaritate.

3. Valoarea aşteptata a termenului de eroare, εt , este zero, E(εt)=0;

4. Varianţa termenului de eroare, , este aceeasi pentru toate observatiile, . Aceste erori se numesc
homoscedastice. Daca, in schimb, varianta termenului de eroare este variabile, erorile se numesc
heteroscedastice, si trebuie utilizate metode diferite de estimare a regresiei.

5. Termenul de eroare este necorelat intre observatii.

6. Termenul de eroare este normal distribuit.

 Impactul incalcarii uneia dintre ipotezele de mai sus asupra rezultatelor regresiei:
 Heteroscedasticitate- erorile standard ale regresiei sunt incorecte;
 Corelatie serial a erorilor- erorile standard ale ecuatiei de regresie sunt incorecte;
 Multicoliniaritate- valori mari ale lui R2 si valori mici ale testului statistic “t” ale coeficientilor
variabilelor independente.

2
 Definirea ecuatiei modelului in EVIEWS este reprezentata in fig.nr.2:

Fig.nr.2

In medie observam ca rata dobanzii este mai mare decat rata inflatiei in 10 din 12 de observatii. Acest
lucru poate indica faptul ca influenta lui r_dob asupra var dependente curs este mai mare decat
influenta var r_inf asupra var dependente curs.

Deasemenea se observa ca pentru fiecare variabila independenta si contanta ( in fig nr 2) , eviews a

raportat eroarea standard a coeficientilor, testul t-statistic, si probabilitatea acestuia. Presupunem ca se
lucreaza la un nivel de relevanta de 5%. Astfel observam ca probabilitatile atasate testului t-statistic
sunt inferioare acestui nivel, deci acesti coeficienti sunt considerati semnificativi statistic intrucat se
observa ca probabilitatea de a gresi ipoteza considerata este de 0% ( P> t in modul = 0,00) in cazul
r_inf, iar in cazul r_dob este de 0,1619, dar nesemnificativ diferit de 0.

Valoarea lui r_squared arata ca 91% din variatia ratei dobanzii respectiv a ratei inflatiei explica variatia
cursului de schimb. Daca observam valoarea lui ajusted r_squared, atunci observam ca aceasta este mai
mica decat valoarea lui r_squared, mai precis de 90%, acest lucru fiind explicat de faptul ca dupa
introducerea celor 2 variabile independente si anume a r_dob si r_infl, ajusted r_squared a penalizat
introducerea aceleia care are o relevanta mai mica asupra cursului de schimb, adica a variabilei
dependente.

Constanta c este semnificativa din punct de vedere statistic, fapt explicat in urma aplicarii testului t . in
consecinta vom pastra aceasta constanta, iar ecuatia de regresie ajunge la urmatoarea forma ( a se vedea
fig nr 3 ) :

3
 Fig.nr.3

Gradul de semnificatie a modelului este aratat de testul F, in urma caruia probabilitatea de a gresi cand
consideram ca modelul este semnificativ este de 0% ( prob(Fstatistic)=0,00).

In concluzie, modelul este semnificativ statistic.

Testele pentru ecuatia de regresie sunt disponibile cu meniul VIEW din ferestra ecuatiei de
regresie. Cu optiunea VIEW/ACTUAL,FITTED,RESIDUALGRAPH se reprezinta grafic valoarea
efectiva a variabilei dependente, valoarea sa estimata si erorile de regresie (a se vedea fig.nr.4).

Fig.nr.4

4
 In Fig.nr.5 s-au testat erorile ecuatiei de regresie ( WiewResidual testsCorrelogramQ-
statistic) Autocorelarea erorilor ecuatiei de regresie. Dupa cum arata si imaginea de mai jos, pentru
lag-urile( am ales un numar de 10 laguri) erorilor exista o corelatie seriala a erorilor intrucat valoarea
coeficientului de autocorelatie depaseste intervalul punctat in grafic ( autocorrelation si partial
correlation). Existenta autocorelatiei este confirmata si de testul Q-statistic si de probabilitatea asociata
acestuia.

Fig.nr.5

In continuare am folosit si optiunea de autocorelarea a erorilor patratice, ca sa verific daca

exista vreo indicatie asupra existentei heteroscedasticitatii. Am folosit WiewResidual
testsCorrelogram Squared Residuals. Aceasta optiune se bazeaza pe aceleasi principii ca si
autocorelatia erorilor si conform acestora, in fig.nr.6 se observa (exact ca si in figura numarul 5) ca
exista autocorelatie a erorilor patratice ,deci poate exista heteroscedasticitate. Valoarea coeficientului
de autocorelatie atinge graficul punctat.

5
 Fig.nr.6

In ceea ce priveste distributia erorilor rezultate din regresie ( optiune pentru care am folosit
ViewResidual testsHistogram-Normality test), aceasta este reprezentata mai jos in fig.nr.7.

Fig.nr.7

6
 Valoarea testului Jarque-Bera are o valoare inferioara valorii sale critice de 5,99 pentru pragul
de relevanta de 5%, iar probabilitatea este mai mare de 5%. Ipoteza conform careia distribuita este
normala se va accepta.

Existenta corelatiei seriale, aratata de corelograma erorilor din fig.nr.8 se confirma cu ajutorul
testului Serial Correlation LM test ( ViewResidual testsSerial Correlation LM test). Am ales 2 lag-
uri, iar rezultatul este prezentat in fig.nr.8:

Fig.nr.8

Dupa cum se observa si in Fig.nr.8, testul prezinta alte doua teste statistice, F-statistic si R-
squared, precum si probabilitatile acestora. Ipoteza nula a celor doua teste spune ca nu exista corelatie
seriala a erorilor ecuatiei de regresie pana la lag-ul de n ( in cazul de fata pana la lag-ul de 2, pe care l-
am specificat mai sus) . Asa cum arata si probabilitatile celor doua teste se va accepta ipoteza nula, deci
se repinge existenta corelatiei.

Testul similar testului de mai sus, pentru testarea corelatiei seriale a erorilor patratice este
ARCH LM TEST sau testul Breusch-Godfrey ( VIEW/RESIDUAL TESTS->ARCH LM TEST).
Pentru acest test am ales tot 3 lag-uri. Rezultatul este reprezentat in fig.nr.9:
7
 Fig.nr.9

Conform celor doua probabilitati asociate, este respinsa ipoteza nula adica inexistenta corelatiei
seriale ale erorilor ale ecuatiei de regresie.

In continuare mi-am propus sa analizez varianta reziduurilor. Pentru aceasta, am aplicat testul
WHITE din EVIEWS astfel: VIEW/RESIDUAL TESTS->WHITE HETEROKEDASTICITY.
Rezultatul in urma aplicarii testului este prezentat in fig.nr.10:

8
 Fig,nr.10

In urma aplicarii acestui test, pentru ca varianta erorilor sa fi fost constanta (homoscedasticitate)
valoarea lui OBS*R_Squared ar fi trebuit sa fie 0 sau sa tinda la 0. In cazul de fata aceasta valoare este
de 7.270476 adica( 12 * 0.605873) si deci este semnificativa defierita de 0, ceea ce implica existenta
heteroscedasticitatii (erorile sunt heteroscedastice).

In concluzie, modelul specificat in acest proiect, de regresia mulipla, este valid, asa cum reiese
si din intepretarile rezultatelor de mai sus.