LUCRARE INDIVIDUALĂ la econometrie,

Fie că se cunosc datele pentru 7 raioane pentru anul 2021 Tabelul 1.

Cheltuieli pentru cumpărarea produselor

Salariu mediu lunar al unui lucrător, mii
alimentare , % din volumul total al
lei, x
cheltuielilor, y
A B
89 27 +0.01*7
79 28+0.01*7
83 28+0.01*7
73 30+00.1*7
75 29+0.01*7
78 29+0.01*7
72 30+0.01*7

I) Să se caracterizeze dependența ponderilor cheltuielilor necesare pentru cumpărarea

produselor alimentare față de venituri cu ajutorul următoarelor funcții prin
reprezentări grafice și MCMMP:
1) liniare;
2) de putere;
3) logaritmice;
4) exponențiale;
5) hiperbole;
6) inverse.
II) Să se calculeze și să se interpreteze indicatorii de intensitate a legăturii pentru fiecare
model .
III) Să se estimeze fiecare model prin coeficientul de determinație, criteriul Fisher,
eroarea de aproximație cu ajutorul EXCEL, SPSS, Eviews.
IV) Să se prezente rezultatele într-un tabel și să se argumenteze alegerea modelului
optim.
Soluție:

1) Regresia pentru funcția liniară

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:

{202,127a+5845,46
a+202 , 12b=549
b=15810,42

∆= |2027, 12 202 , 12
5845,46 |=7 ∙5845,46−202 ,12 ∙ 202, 12=40918,22−40852,49=65,72

∆a =

|15810,42
549 202 ,12
5845,46 |
=549 ∙5845,46−15810,42 ∙202 , 12=3209157,2−3195602,1=13555,12

∆a 13555,12
a^ = = =206,26
∆ 65,72

∆b = |2027, 12 549
15810,42|=7 ∙ 15810,42−202 , 12∙ 549=110082−110349=−290,94

∆b −290,94
b^ = = =−4,427 x
∆ 65,72

ŷ=206,26−4,427 x
Acest rezultat poate fi obținut folosind

^ ( xy )−( x )( y ) ; σ 2 = ∑ x - 2 = x 2 - 2 ; a = y – b x
2
b= 2 x x x
σx n

Interpretare

b^ ¿−4,427

Din urmatoarele date rezultă că dacă salariul va crește cu 1000 lei, atunci ponderea cheltuielilor
pentru cumpărarea produselor se va micșora în mediu cu 4,427 p . 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 = √ 835,07−28,872 ¿ 1,26
σ^ y = √ 6181,86−78,43 2=5,551

4,42∗1,26
r yx ¿− =−1,003 o dependență liniară strânsă .
5,551

Coeficientul de determinație:
2
r yx = (−1,003¿¿ 2)=1,006 ¿

Ceea ce semnifică că 100,6 % de variația lui Y este determinată de X .

Criteriul Fisher:

r2
F= ( n – 2 )= 1,006 ∙ 5=−838,33
1−r 2
1−1,006
0,05
F tab(1,5 ) ¿ 6,61

! Ecuație statistică.

Eroarea de aproximație pentru fiecare observație se definește astfel

| |
y i−^y i
yi
× 100

A=
1
n
∑ | |
y i− ^yi
yi
× 100 =
17,089
7
=2,441%
Concluzii: Eroarea medie de aproximație A arată o corespundere bună a valorilor ^y la cele y cu
o abatere de ≈ 2,441 % .

Dependent Variable: Y
Method: Least Squares
Date: 01/19/21 Time: 18:44
Sample: 1 7
Included observations: 7

Variable Coefficient Std. Error t-Statistic Prob.  

C 225.8654 21.01300 10.74884 0.0001

X -5.134615 0.731326 -7.020969 0.0009

R-squared 0.907909    Mean dependent var 78.42857

Adjusted R-squared 0.889491    S.D. dependent var 5.996030
S.E. of regression 1.993258    Akaike info criterion 4.452374
Sum squared resid 19.86538    Schwarz criterion 4.436920
Log likelihood -13.58331    Hannan-Quinn criter. 4.261363
F-statistic 49.29401    Durbin-Watson stat 2.986056
Prob(F-statistic) 0.000904
2) Regresia pentru funcția de putere
b
y=a x

ln y=ln a+b∗ln x sau Y =A +b∗X

Scriem sistemul de ecuații normale

{∑
(
( n ) A+ ( ∑ x ) b=∑ y
x ) A + ( ∑ x ) b=∑ xy
2

{23,5350+79,1395
7 A +23,5350 b=30,5182
b=102,5887

∆= |23,5350
7
79,1395|
23,5350 =553,9765−553,8978=0,0788

∆ = |
102,5887 79,1395|
30,5182 23,5350 =2407,3820−2406,7101=0,7714
A

∆ =|
23,5350 102,5887|
7 30,5182 =716,9768−717,0943=−0,1273
b
 ∆ A 0,7714 ∆ −0,1273
A= = =9,79364 b= b = =−1,61620
∆ 0,0788 ∆ 0,0788

ln ⁡y =9,79364−1,61620lnx

Efectuăm potențierea și avem

9,79364 −1,61620 −1,61620
y=e x ¿ 17919,41 x

Interpretare:

Parametrul b=−1,61620 care reprezintă coeficientul de elasticitate, ce semnifică că cu creșterea

salariului cu 1% ponderea cheltuielilor pentru produsele alimentare se micșorează în mediu cu
1,62 p . p.( puncte procentuale).

Indicele de corelație arată indicatorul de intensitate:

R = 1−
√ ∑ ( y − ŷ x )2
∑ ( y− y)2
; ∑ ( y− ^y )2 ¿ 31,72097977; ∑ ( y− y )2 ¿ 215,7162

Așadar avem R=¿ 1−

√ 17,0622
215,7162
=√ 0,9204 =0,9594

( ln y ln x )−ln y × ln x 14,6322−4,3597 ∙3,3567

ŋ ln y ln x = = =−0,9594; R2=0,9204
σ ln y σ ln x 0,0025

Interpretare: Coeficientul de determinaţie are valoare R2 ¿ 92,04 % ceea ce exprimă faptul că

92 % din variaţia lui Y , se datorează variaţiei variabilei independente X .
2
R 0,9204
F= 2 ( n-2 ) = (7−2)=57,827
1−R 1−0,9204
0,05
F tab =6,61

16,2063
A= =2,3152%
7

Concluzie: Eroarea medie de aproximație arată o corespundere bună a valorilor ^y la cele y

culese avînd o abatere de 2,3152 % .

Dependent Variable: LY
Method: Least Squares
Date: 01/19/21 Time: 19:04
Sample: 1 7
Included observations: 7

Variable Coefficient Std. Error t-Statistic Prob.  

C 10.56057 0.815473 12.95023 0.0000

LX -1.847269 0.242922 -7.604388 0.0006

R-squared 0.920416    Mean dependent var 4.359750

Adjusted R-squared 0.904499    S.D. dependent var 0.074941
S.E. of regression 0.023159    Akaike info criterion -4.457897
Sum squared resid 0.002682    Schwarz criterion -4.473351
Log likelihood 17.60264    Hannan-Quinn criter. -4.648909
F-statistic 57.82671    Durbin-Watson stat 3.077886
Prob(F-statistic) 0.000625
3) Regresia pentru funcția exponent

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

{880,67=202,12lna+
30,5182=7 ln a+202,12 b
5845 b

Conform tabelului construim sistemul de ecuații normale:

∆= |202,12
7
5845 |
202,12
=40918−40852=66

=|
5845 |
30,5182 202,12
∆ lna ¿ 178393,1757−178001,0211=392,1546
880,67

∆lna
ln a ¿ =5,9669
∆

∆b = |202,12
7 30,5182
880,67|¿ 6164,69−6168,3482=−3,6581

∆b
b= =−0,0557
∆

Atunci ln y =5,9669−0,0557 x

Potențiem obținem:

ŷ=¿ e 5,9669−0,0557 x =17919,415,9669−0,0557 x

Pentru a calcula valorile ajustate a lui ŷ x înlocuim valorile lui x și potențiem.

Intensitatea de legătură o măsurăm prin indicele de corelație

√
R ¿ 1−
∑ ( y − ŷ x )2
∑ ( y− y )2
∑ ( y− ŷ )2 ¿ 17,9973
∑ ( y− y )2 ¿ 215,7165

Atunci R=√ 1−17,9973/215,7165=0,9573

Ceea ce demonstrează o intensitate stransa a criteriilor analizati .

2
R =0,9163

, ceea ce denotă că 91,63 % din variația lui Y este datorată de variația lui X .

r x ln y ¿−0,9573.

0,9163
F = (7−2) ¿ 54,772 ceea ce înseamnă că ecuația de regresie este statistic
1−0,9163
semnificativă.
tab
F 1,5 = 6,61

Eroarea medie de aproximație

16,7050
Ā= =2,3864 %
7

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

culese avînd o abatere de 2,3864 % .

Dependent Variable: LY
Method: Least Squares
Date: 01/19/21 Time: 20:23
Sample: 1 7
Included observations: 7

Variable Coefficient Std. Error t-Statistic Prob.  

 C 6.211023 0.250306 24.81375 0.0000
X -0.064472 0.008712 -7.400808 0.0007

R-squared 0.916349    Mean dependent var 4.359750

Adjusted R-squared 0.899618    S.D. dependent var 0.074941
S.E. of regression 0.023744    Akaike info criterion -4.408054
Sum squared resid 0.002819    Schwarz criterion -4.423508
Log likelihood 17.42819    Hannan-Quinn criter. -4.599065
F-statistic 54.77196    Durbin-Watson stat 3.056834
Prob(F-statistic) 0.000709
4) Regresia în formă de curbă exponențială y=a b x coincide după rezultate cu
cea de exponent după linearizare
x
y=a b

ln ⁡y =ln ⁡a+ lnb∙ x

Scriem sistemul de ecuații normale

{∑ ln y =n ln a+(ln b)∑ x
∑ x ln y =ln a ∑ x +(lnb) ∑ x 2

{ 30,5182=7 ln a+202,12(ln b)
880,67=202,12lna+ 5845(ln b)

∆= |202,12
7
5845 |
202, 12
=40915−40852=63

=|
5845 |
30,5182 202,12
∆ lna ¿ 178393,1757−178001,0211=392,1546
880,67

∆lna
ln a ¿ =6,2739
∆

∆b = |202,12
7 30,5182
880,67|¿ 6164,69−6168,3482=−3,6581

∆b
lnb= =−0,0585
∆
6,2739 −0,0585
a=e =530,54246 b=e =0,9431

Y^ x =530,54246∗0,9431
x

Atunci ln y =6,2739−0,0585 x
Potențiem obținem:

ŷ=¿ e 6,2739−0,0585 x

Intensitatea de legătură o măsurăm prin indicele de corelație

√
R ¿ 1−
∑ ( y − ŷ x )2
∑ ( y− y )2
∑ ( y− ŷ )2 ¿ 17,997
∑ ( y− y )2 ¿ 215,716

Atunci R=√ 1−17,997/215,716=0,9573

Ceea ce demonstrează o intensitate stransa a criteriilor analizati .

2
R =0,9163

, ceea ce denotă că 91,63 % din variația lui Y este datorată de variația lui X .

r x ln y ¿−0,9573.

0,9163
F = (7−2) ¿ 54,772 ceea ce înseamnă că ecuația de regresie este statistic
1−0,9163
semnificativă.

F tab
1,5 = 6,61

Eroarea medie de aproximație

176,9210
Ā= =25,2744 %
7

Concluzii: Eroarea medie de aproximație arată o corespundere bună a valorilor ^y la cele y culese
avînd o abatere de 25,2744 % .

Dependent Variable: LY
Method: Least Squares
Date: 01/19/21 Time: 20:23
Sample: 1 7
Included observations: 7

Variable Coefficient Std. Error t-Statistic Prob.  

C 6.211023 0.250306 24.81375 0.0000

X -0.064472 0.008712 -7.400808 0.0007

R-squared 0.916349    Mean dependent var 4.359750

Adjusted R-squared 0.899618    S.D. dependent var 0.074941
S.E. of regression 0.023744    Akaike info criterion -4.408054
Sum squared resid 0.002819    Schwarz criterion -4.423508
Log likelihood 17.42819    Hannan-Quinn criter. -4.599065
F-statistic 54.77196    Durbin-Watson stat 3.056834
Prob(F-statistic) 0.000709
 5) Regresia în formă de hiperbolă echilaterală
b
y=a+
x

1
Efectuăm liniarizația ¿ z , atunci y=a+bz .
x

Aplicăm MCMMP

{∑ y=na+b ∑ z
∑ yz=a ∑ z +b ∑ z2

{19,0945=0,2428
549=7 a+0,2428 b
a+ 0,0084 b

De unde ∆= |0,2428
7 0,2428
0,0084 |
=0,0591−0,0590=0,0001

|19,0945
∆ a= 549
0,0084|
0,2428 =4,631702−4,636525=−0,004823

∆ =|
0,2428 19,0945|
7 549
b =133,661357−133,308281=0,353076

∆a −0,004823 ∆b 0,353076
a^ = = ^
=−50,951 b= = =3729,746
a 0,0001 b 0,0001

Ecuația de regresie y=−50,951+3729,746∗z

√ ∑ 2
( y − ŷx )
Intensitatea legăturii R = 1−
∑ ( y− y)2
Calculăm:

3729,746
ŷ x ¿−50,951+
x

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

∑ ( y− ŷ x )2=17,79
∑ ( y− y )2=215,71
Prin urmare, indicele de corelație va fi R=¿ 1−
17,79
215,71 √
=√ 0,9175=0,9579

Coeficientul de determinație R2=0,9175ceea ce confirmă o calitate înaltă a modelului, reflectand

91,75 % din variatia lui Y care este datorata de variatia lui X .

0,9175
F= (7−2)=55,6197 , F 0,05
1,5 ¿ 6,61.
1−0,9175

4214,256
Ecuația de tip hiperbolă este statistic semnificativa ŷ x ¿−68,527+
x

Eroarea medie de aproximație:

12,075
Ā= ¿ 1,725 % ceea ce confirmă o corespundere buna a valorilor lui ŷ în raport cu y ,
7
avand o abatere de 1,725 % .

Dependent Variable: Y
Method: Least Squares
Date: 01/19/21 Time: 21:56
Sample: 1 7
Included observations: 7

Variable Coefficient Std. Error t-Statistic Prob.  

C -68.52722 19.71772 -3.475413 0.0177

1/X 4214.256 565.0758 7.457859 0.0007

R-squared 0.917519    Mean dependent var 78.42857

Adjusted R-squared 0.901022    S.D. dependent var 5.996030
S.E. of regression 1.886395    Akaike info criterion 4.342169
Sum squared resid 17.79244    Schwarz criterion 4.326715
Log likelihood -13.19759    Hannan-Quinn criter. 4.151157
F-statistic 55.61966    Durbin-Watson stat 3.035647
Prob(F-statistic) 0.000684
 1
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

{2,5961=202,12
0,0897=7 a+202 ,12 b
a+5845 b

∆= |202,12
7 202,12
5845 |
=40918−40852=66

∆ =|
5845 |
0,0897 202,12
a =518,2823−518,8288=−0,4903
2,5961

∆ =|
2,5961|
7 0,0897
b =18,0687−18,0264=0,0461
202,12

−0,4903 0,0461
a= =−0,00746 b= =0,00070
66 66

Scriem ecuația de regresie:

1 1
ŷ= ;ŷ=
a+bx −0,00746+0,00070∗x

Înlocuim valorile lui x și obținem valorile lui ŷ x

SPR = ∑ ( y− ŷ x )2=0,000000409

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:
 √
R = 1−
0,000000409

analizate.
0,00000531
=¿ ¿ √ 0,92299=0,9607, demonstrează o legătură intensă a criteriilor

Coeficientul de determinație R2=0,92299, ceea ce denotă ca 92,3% din variatia lui Y este
datorata de variatia lui X .
0,05
F=59,924 , F tab(6,1 ) = 6,61.

Ecuația funcției inverse este statistic semnificativă.

1
ŷ = −0,00746+0,00070∗x

Modelul statistic este .

11,90
Ā= =1,7
7

Concluzii: Eroarea medie de aproximație arată o corespundere bună a valorilor ^y la cele y culese
avînd o abatere de 1,7 % .
 Dependent Variable: 1/Y
Method: Least Squares
Date: 01/19/21 Time: 22:19
Sample: 1 7
Included observations: 7

Variable Coefficient Std. Error t-Statistic Prob.  

C -0.010508 0.003014 -3.485946 0.0175

X 0.000812 0.000105 7.741051 0.0006

R-squared 0.922987    Mean dependent var 0.012812

Adjusted R-squared 0.907584    S.D. dependent var 0.000941
S.E. of regression 0.000286    Akaike info criterion -13.24656
Sum squared resid 4.09E-07    Schwarz criterion -13.26201
Log likelihood 48.36296    Hannan-Quinn criter. -13.43757
F-statistic 59.92387    Durbin-Watson stat 3.114681
Prob(F-statistic) 0.000575

Alegerea celui mai bun model

Nr. d/o Ec. de regresie 2

R F A%
1 ^y =225,865−5,135 x 0,908 49,29 1,827
2 ^y =38582 , 99 x−1,84727 0,920 57,827 1,703
3 ^y =e6,21102 −0,06447x 0,916 54,772 1,732
4 ^y =e6,21102−0,06447x 0,916 54,772 1,732
5 4214,256 0,918 55,62 1,725
^y =−68,527+
x
6 1 0,923 55,924 1,7
^y =
−0,01051+0,00081 x

Concluzii: Toate aproximativ bine .

2
Functia inversă-optimală, deoarece R =max și criteriul Fisher este maxim.
Functia inversă-optimală și prin estimarea erorii medii de aproximație, deoarece îi corespunde cea
mai mică valoare. (Ā%=min)