Proiect 1. Analiza univariata a seriilor de timp Problema 1.

Componente deterministe ale seriei de timp a) Se considera un indicator relativ la care dispunem de seria cronologica ce reda evolutia anuala (cel putin 17-20 de ani); se va considera o serie ca pare sa aiba tendinta determinista. Se cere: a1) Selectati o functie elementara ce pare a fi adecvata, si estimai parametrii tendinei. Determinai previziuni punctuale pentru urmtorii trei ani. a2) determinati previziuni utilizand o metoda de netezire exponentiala adecvata; a3) separati componenta ciclica utilizand filtrul Holdrick-Prescott. Exista ciclicitate in date (explicatii descriptive, vizibile din grafic)? a1) Datele sunt prezentate n prb1a.wf. Seria studiat este rata de cretere a Pib-ul Italiei, pe o perioad de 20 de ani, ntre 1991 i 2010.
8 7 6 5 4 3 2 1 0 92 94 96 98 00 02 04 06 08 10 12

RPIB

Studiind reprezentarea grafic, putem observa c seria are o tendin liniar i descresctoare. Testm ipoteza cu privire la tendina liniar a seriei.
Dependent Variable: RPIB Method: Least Squares Date: 12/11/11 Time: 18:07 Sample(adjusted): 1991 2011 Included observations: 21 after adjusting endpoints Variable Coefficient Std. Error t-Statistic C 4.901732 0.420325 11.66177 TIMP -0.194935 0.035955 -5.421709 R-squared 0.607397 Mean dependent var Adjusted R-squared 0.586734 S.D. dependent var S.E. of regression 0.997698 Akaike info criterion Sum squared resid 18.91263 Schwarz criterion Log likelihood -28.69844 F-statistic Durbin-Watson stat 1.223669 Prob(F-statistic)

Prob. 0.0000 0.0000 2.952381 1.551973 2.923661 3.023139 29.39493 0.000031

n urma testului, se poate concluziona c att constanta ct i coeficientul pentru timp sunt semnificative, deoarece ipoteza nul conform creia coeficienii sunt nesemnificativi se

respinge( prob=0,000) . Testul F, care verific reprezentativitatea global a modelului, confirm i el concluzia( prob=0,000031 adic ipoteza nul conform creia toi coeficienii sunt nesemnificativi se respinge). R-squared ne arat c variaia variabilei dependente, adic a ratei pib-ului, este explicat n proporie de 60,73% de variabilele cuprinse n model( adic timpul). Funcia gsit arat astfel:
Estimation Command: ===================== LS RPIB C TIMP Estimation Equation: ===================== RPIB = C(1) + C(2)*TIMP Substituted Coefficients: ===================== RPIB = 4.901731602 - 0.1949350649*TIMP

Pe baza acesteia se pot face previziuni pentru urmtoarele 3 perioade, adic pentru anul 2011, 2012 i 2013. Astfel, n anul 2011 rata de cretere a PIB-ului va fi de 1,003030 , n anul 2012 de 0,8080 iar n
anul 2013 de 0,61318. RPIB(20)= 4.901731602 - 0.1949350649*20=1,003030 RPIB(21)= 4.901731602 - 0.1949350649*21=0,8080 RPIB(22)= 4.901731602 - 0.1949350649*22=0,6131
8 7 6 5 4 3 2 1 0 92 94 96 98 00 02 04 06 RPIB 08 10 12

RPIBF

a2) Deoarece seria nu prezint sezonalitate, ca metod de netezire exponenial vom alege Holt-Winters no seasonal.
Date: 12/12/11 Time: 18:56 Sample: 1991 2010 Included observations: 20 Method: Holt-Winters No Seasonal Original Series: RPIB Forecast Series: RPIBSM

Parameters: Alpha Beta Sum of Squared Residuals Root Mean Squared Error End of Period Levels: Mean Trend

1.0000 0.0000 21.22910 1.030269 0.400000 -0.470000

n urma netezirii se obine RPIBSM, unde vedem valorile pentru anul 2011 : -0,07 , 2012:0,54 i 2013:-1,01.
8 7 6 5 4 3 2 1 0 92 94 96 98 00 02 04 06 08 10 12 0 2 6 4 8

-2 92 94 96 98 00 02 04 06 08 10 12

RPIB

RPIBSM

8 6 4

2 0

-2 92 94 96 98 00 RPIB 02 04 06 08 10 12

RPIBSM

a3)Folosind filtrul Hodrick-Prescott extrangem trend-ul seriei:

6 5 4 3 2 1 9 2 9 4 9 6 9 8 0 0 0 2 0 4 0 6 0 8 1 0 1 2 HPTREND01

Ulterior, definim seria ciclu=rpib-hptrend01 obinnd componenta ciclic:

20 . 16 . 12 . 08 . 04 . 00 . -. 04 -. 08 -. 12 9 2 9 4 9 6 9 8 0 0 0 2 0 4 0 6 0 8 1 0 1 2 CICLU

n urma studierii graficului se poate observa c exist ntr-adevr ciclicitate n date, perioada analizat ncepnd cu o faz de contracie, de scdere care-i atinge minimul n anul 1994, dup care se redreseaz, crescnd vertiginos pn n anul 1995 i atingnd un punct de maxim n 1996, pentru ca apoi s scad din nou. Un nou ciclu este cuprins ntre 1996-2002, ntre acest an i 2004 existnd o stabilizare, urmat apoi de un nou ciclu ce dureaz pn n 2008. Ciclul nceput n 2008 are un punct de minim sau de criz n 2010, apoi economia prnd s se redreseze. b) Se considera evolutia trimestriala sau lunara a unei variabile (cel putin 5 ani). Se cere: b1) studiati sezonalitatea, utilizand metoda raportarii la mediile mobile (calculati si interpretati indicii/coeficientii sezonalitatii), deduceti seria desezonalizata; b2) modelati tendinta seriei desezonalizate printr-o functie elementara si elaborati previziuni (valorile obtinute prin extrapolarea tendintei sunt ajustate cu indicii/coeficientii sezonalitatii); b3) elaborati previziuni utilizand o metoda de netezire exponentiala adecvata. b1) Pentru analiz am luat o serie lunar, i anume numrul turitilor cazai n Italia pe perioada 2005-2011( pn n luna iulie inclusiv). Datele se gsesc n fiierul prb1b.wf
90 00 80 00 70 00 60 00 50 00 40 00 30 00 20 00 0 5 0 6 0 7 0 8 0 9 NRTURIT 1 0 1 1 1 2

Se poate remarca i din grafic componenta sezonier. Dup cum era de ateptat, numrul turitilor este semnificativ mai mare n lunile de var, iunie, iulie, august, apogeul fiind n ultima dintre acestea. Pentru desezonalizarea seriei folosim metoda mediilor mobile, modelul aditiv, deoarece fluctuaiile seriei sunt aproximativ constante n timp. Seria desezonalizat are urmtoarea reprezentare grafic:
50 20 50 00 40 80 40 60 40 40 40 20 40 00 30 80 30 60 0 5 0 6 0 7 0 8 0 9 1 0 1 1 1 2

NRTURITSA

90 00 80 00 70 00 60 00 50 00 40 00 30 00 20 00 0 5 0 6 0 7 0 8 0 9 1 0 1 1 1 2

NRTURIT

NRTURITSA

Date: 12/12/11 Time: 20:55 Sample: 2005:01 2012:12 Included observations: 79 Difference from Moving Average Original Series: NRTURIT Adjusted Series: NRTURITSA Scaling Factors: 1 -1457.631 2 -1386.130 3 -938.0636 4 8.436234 5 128.0982

6 7 8 9 10 11 12

1381.287 2254.528 3598.259 134.0814 -1001.378 -1686.923 -1034.564

Din tabelul anterior se poate concluziona c n luna ianuarie numrul de turiti este cu aproximativ 1458 mai mic dect media, n luna februarie cu 1386 mai mic dect media, n luna martie cu 938 mai mic dect media, pentru ca ncepnd cu luna martie numrul acestora s o depeasc. Astfel, n luna martie numrul de turiti este cu 8 mai mare ca media, n mai cu 128 mai mare ca media, n iunie cu 1381 mai mare ca media, n luna iulie cu 2255 mai mare ca media iar n august numrul nregistreaz valori maxime, depind cu 3598 valoarea medie.ncepnd cu luna septembrie, numrul turitilor ce aleg ca destinaie Italia se diminueaz substanial, depind doar cu 134 media, iar n octombrie, noiembrie i decembrie fiind semnificativ mai mic numrul dect valoarea medie. Astfel, este evident existena componentei sezoniere, ce determin valori mari ale variabilei analizate n perioada de var, si mici n cea de toamn, dar mai ales de iarn. b2) Presupunem c tendina seriei desezonalizate este una liniar. Pentru a testa acest lucru construim o ecuaie i testm validitatea funciei alese.
Dependent Variable: NRTURITSA Method: Least Squares Date: 12/11/11 Time: 22:56 Sample(adjusted): 2005:01 2011:07 Included observations: 79 after adjusting endpoints Variable Coefficient Std. Error t-Statistic C 4204.585 52.70606 79.77422 TIMP 4.913953 1.166646 4.212035 R-squared 0.187260 Mean dependent var Adjusted R-squared 0.176705 S.D. dependent var S.E. of regression 236.4581 Akaike info criterion Sum squared resid 4305259. Schwarz criterion Log likelihood -542.8792 F-statistic Durbin-Watson stat 2.212778 Prob(F-statistic)

Prob. 0.0000 0.0001 4396.229 260.6012 13.79441 13.85440 17.74124 0.000068

Formulm ipoteza nul: H0: coeficientul nu este semnificativ cu alternativa H1: coeficientul este semnificativ. Pentru variabila timp, probabilitatea de acceptare a ipotezei nule este 0,0001, adic putem spune cu o probabilitate de 99% c timpul influeneaz variabila dependent. Datorit valorii probabilitii pentru coeficient , putem spune c i constanta este semnificativ. Deoarece probabilitatea de acceptare a ipotezei nule pentru testul F este 0,000068 , respingem ipoteza nul conform creia toi coeficienii sunt nesemnificativi. Forma ecuaiei ne arat c legtura dintre timp i numrul de turiti este una direct, deoarece coeficientul este pozitiv.
Estimation Command: ===================== LS NRTURITSA C TIMP Estimation Equation: ===================== NRTURITSA = C(1) + C(2)*TIMP Substituted Coefficients:

===================== NRTURITSA = 4204.584701 + 4.913953252*TIMP Dac realizm previziuni pe baza funciei rezultate, vom obine urmtoarele valori pentru anul 2011 : luna august: 4593 , luna septembrie: 4598 , luna octombrie: 4603 , luna noiembrie: 4608 , luna decembrie:4612. Dac ajustm cu indicii sezonalitii obinem pentru luna august 8191 de turiti:, luna septembrie 4732 turiti, luna octombrie 3601, luna noiembrie 2921, luna decembrie 3578.

5200 5000 4800 4600 4400 4200 4000 3800 3600 05 06 07 08 09 10 11 12 NRTURITSAF NRTURITSA

b3) Deoarece seria are fluctuaii aproximativ constante( nu cresc sau scad semnificativ) , vom folosi metoda Holt-Winters Additive.
Date: 12/13/11 Time: 12:16 Sample: 2005:01 2011:07 Included observations: 79 Method: Holt-Winters Additive Seasonal Original Series: NRTURIT Forecast Series: NRTURISM Parameters: Alpha Beta Gamma Sum of Squared Residuals Root Mean Squared Error End of Period Levels: Mean Trend Seasonals: 2010:08 2010:09 2010:10 2010:11 2010:12 2011:01 2011:02 2011:03

0.0600 0.0900 0.0000 4473933. 237.9749 4524.909 -2.652456 3602.454 135.0847 -1005.080 -1693.698 -1046.510 -1449.841 -1394.716 -878.2037

2011:04 2011:05 2011:06 2011:07

-12.77680 83.50441 1399.814 2259.969

Valorile previzionate se pot gsi n seria nrturitsm . Astfel, vom avea urmtoarele valori: 2011:8 8124.71 2011:9 4654.689 2011:10 3511.872 2011:11 2820.602 2011:12 2465.136 2012:1 3059.153 2012:2 3111.626 2012:3 3625.486 2012:4 4488.26 2012:5 4581.889 2012:6 5895.546 2012:7 6753.049

Problema 2. Modele de tip ARIMA. Se considera evolutia in timp a unei variabile, cu/fara sezonalitate. a) Elaborati un model de tip ARIMA si deduceti previziuni pentru urmatoarele 5 perioade. Se vor parcurge toate etapele: specificare, estimare, validare, elaborare previziuni. b)* Daca este cazul, elaborati un model de tip ARCH. c) Dintr-un test de tip ADF detectati natura nestationalitatii seriei (tendintei/tendintelor prezente). Baza de date analizat reprezint importurile n zona euro msurate n miliarde de euro, ncepnd din anul 1999 i pn n anul 2011 , luna februarie. Datele sunt lunare, i se afl n importuri.wf1. Graficul asociat seriei arat n felul urmtor:
700 650 600 550 500 450 400 350 300 2000 2002 2004 2006 2008 2010 2012 IMPORTURI

Seria prezint component sezonier , necesitnd desezonalizare, pe care o realizm prin metoda mediilor mobile rezultnd urmtorul grafic:
700 650 600 550 500 450 400 350 300 2000 2002 2004 2006 2008 2010 2012 IMPORTUSA

Comparativ, cele dou serii arat n felul urmtor:

700 650 600 550 500 450 400 350 300 2000 2002 2004 2006 2008 2010 2012 IMPORTURI IMPORTUSA

Din grafic pare c seria rezultat nu este staionar, dar pentru a confirma acest lucru aplicm testul ADF de rdcin unitate.
Null Hypothesis: IMPORTUSA has a unit root Exogenous: Constant, Linear Trend Lag Length: 1 (Automatic based on SIC, MAXLAG=10) t-Statistic Augmented Dickey-Fuller test statistic -3.016186 Test critical values: 1% level -4.161144 5% level -3.506374 10% level -3.183002 *MacKinnon (1996) one-sided p-values. Augmented Dickey-Fuller Test Equation

Prob.* 0.1386

Dependent Variable: D(IMPORTUSA) Method: Least Squares Date: 12/13/11 Time: 16:14 Sample(adjusted): 1999:3 2011:2 Included observations: 48 after adjusting endpoints

n urma acestui test, i a probabilitii de acceptare a ipotezei nule(conform creia seria are rdcin unitate) care este de 13,86%, nu putem respinge ipoteza nul, i astfel seria nu este staionar. Verificm dac diferena de ordin 1, dimporturisa, este sau nu staionar.
Null Hypothesis: DIMPORTURISA has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=10) t-Statistic Augmented Dickey-Fuller test statistic -4.110674 Test critical values: 1% level -3.574446 5% level -2.923780 10% level -2.599925 *MacKinnon (1996) one-sided p-values.

Prob.* 0.0022

n acest caz, i fixndu-ne un prag de semnificaie de 5%, respingem ipoteza nul i concluzionm c seria este staionar, dup cum se vede si din grafic:
6 0 4 0 2 0 0 -0 2 -0 4 -0 6 -0 8 -0 10 20 00 20 02 20 04 20 06 20 08 21 00 21 02 DIMPORTURISA

Pentru elaborarea modelului ARIMA, vizualizm corelograma seriei dimporturisa:

Date: 12/13/11 Time: 16:23 Sample: 1999:1 2013:4 Included observations: 49 Autocorrelation Partial Correlation . |**** | . |**** | .|. | **| . | .|. | .|. | .*| . | .*| . | **| . | **| . | .*| . | . |*. | .*| . | **| . | **| . | .|. | .*| . | . |*. | .|. | .*| . | .*| . | **| . | .*| . | .*| . | .*| . | .|. |

1 2 3 4 5 6 7 8 9 10 11 12 13

AC 0.460 0.055 -0.043 -0.078 -0.229 -0.103 -0.166 -0.200 -0.061 0.036 -0.150 -0.164 -0.067

PAC 0.460 -0.200 0.025 -0.072 -0.220 0.145 -0.291 -0.020 0.067 -0.108 -0.191 -0.082 -0.049

Q-Stat 11.038 11.196 11.295 11.637 14.613 15.225 16.863 19.297 19.529 19.614 21.085 22.896 23.204

Prob 0.001 0.004 0.010 0.020 0.012 0.019 0.018 0.013 0.021 0.033 0.033 0.029 0.039

.|. .|. .|. .|. .*| . .|. .|.

| | | | | | |

.|. .*| . .|. .|. **| . .*| . .*| .

| | | | | | |

14 15 16 17 18 19 20

-0.023 -0.025 0.052 0.029 -0.064 -0.044 0.002

-0.043 -0.084 -0.045 -0.048 -0.196 -0.076 -0.088

23.242 23.287 23.493 23.561 23.896 24.059 24.059

0.056 0.078 0.101 0.132 0.158 0.194 0.240

Modelele posibile pentru seria difereniat sunt AR(1) sau MA(1) deoarece doar pentru acestea coeficienii sunt semnificativ diferii de 0, ncepnd cu al doilea acesia fiind nesemnificativi n ambele variante deoarece sunt situai ntre limitele intervalului (-0,28; 0,28). Astfel , alegem pentru seria difereniata dimporturisa, un model AR(1), adica p=1 si q=0 sau ARMA(1,0). Pentru datele observate importuri modelul este ARIMA(1,1,0), d=1(deoarece seria a trebuit difereniat o dat), p=1, q=0. n continuare, estimm ecuaia de regresie care are urmtoarea form: dimporturisa c AR(1)

Dependent Variable: D(IMPORTUSA) Method: Least Squares Date: 12/13/11 Time: 16:33 Sample(adjusted): 1999:3 2011:2 Included observations: 48 after adjusting endpoints Convergence achieved after 3 iterations Variable Coefficient Std. Error t-Statistic C 6.443121 5.412693 1.190373 AR(1) 0.461861 0.130913 3.528005 R-squared 0.212960 Mean dependent var Adjusted R-squared 0.195850 S.D. dependent var S.E. of regression 20.17447 Akaike info criterion Sum squared resid 18722.43 Schwarz criterion Log likelihood -211.2997 F-statistic Durbin-Watson stat 1.781236 Prob(F-statistic)

Prob. 0.2400 0.0010 6.691162 22.49747 8.887487 8.965454 12.44682 0.000962

Formulm ipoteza nul H0: coeficientul lui AR(1) nu este semnificativ cu alternativa H1: coeficientul este semnificativ. Pentru un prag de semnificaie de 5%, prob< 5% , prin urmare respingem H0 si acceptm alternativa, coeficientul este semnificativ diferit de 0. n schimb, pentru constanta lucrurile stau invers, ea nefiind semnificativ i prin urmare fiind eliminat din model:
Dependent Variable: D(IMPORTUSA) Method: Least Squares Date: 12/13/11 Time: 16:38 Sample(adjusted): 1999:3 2011:2 Included observations: 48 after adjusting endpoints Convergence achieved after 2 iterations Variable Coefficient Std. Error t-Statistic AR(1) 0.506392 0.125293 4.041676 R-squared 0.190876 Mean dependent var Adjusted R-squared 0.190876 S.D. dependent var S.E. of regression 20.23677 Akaike info criterion Sum squared resid 19247.76 Schwarz criterion Log likelihood -211.9638 Durbin-Watson stat

Prob. 0.0002 6.691162 22.49747 8.873493 8.912476 1.799801

Inverted AR Roots

.51

Regresia are urmtoarea form: dimporturisa=0,506392* ar(1) Pentru validarea modelului, se efectueaz teste asupra reziduurilor. Primul dintre acestea, corelograma Q Statistic, vizeaz existena corelaiei dintre reziduuri. Ipoteza nul : H0: nu exist corelaie ntre reziduuri cu alternativa H1: exist corelaie ntre reziduuri.
Date: 12/13/11 Time: 16:47 Sample: 1999:3 2011:2 Included observations: 48 Q-statistic probabilities adjusted for 1 ARMA term(s) Autocorrelation Partial Correlation .|. | .|. | **| . | **| . | .|. | .|. | .|. | .|. | **| . | **| . | . |*. | . |*. | .*| . | **| . | .*| . | .*| . | .|. | .|. | . |** | .|. | .*| . | .*| . | .*| . | .*| . | .|. | .*| . | .|. | .|. | .|. | .*| . | . |*. | .*| . | .|. | .|. | .*| . | .*| . | .|. | .*| . | .|. | .*| . |

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

AC 0.063 -0.193 -0.055 0.052 -0.255 0.079 -0.060 -0.181 0.006 0.201 -0.138 -0.121 0.018 0.018 -0.055 0.085 0.055 -0.100 -0.032 0.017

PAC 0.063 -0.198 -0.030 0.021 -0.289 0.148 -0.212 -0.172 0.047 0.000 -0.137 -0.120 -0.102 -0.052 -0.080 -0.059 0.013 -0.152 -0.105 -0.142

Q-Stat 0.1998 2.1408 2.3036 2.4494 6.0808 6.4389 6.6527 8.6132 8.6152 11.176 12.416 13.386 13.408 13.432 13.656 14.197 14.435 15.236 15.319 15.344

Prob 0.143 0.316 0.485 0.193 0.266 0.354 0.282 0.376 0.264 0.258 0.269 0.340 0.415 0.476 0.511 0.566 0.578 0.640 0.701

Deoarece probabilitile de acceptare a ipotezei nule sunt toate mai mari de 5%, putem concluziona c reziduurile nu sunt corelate. Al doilea test ce vizeaz testarea corelaiei dintre reziduuri este testul LM pentru autocorelaia reziduurilor:
Breusch-Godfrey Serial Correlation LM Test: F-statistic 1.013607 Probability Obs*R-squared 0.898860 Probability 0.371042 0.637992

LM calculat este egal cu 0,89886, iar probabilitatea este 0,637992>0,05, astfel reziduurile sunt necorelate serial. n continuare testm dac reziduurile au aceeai varian sau nu. Formulm ipoteza nul H0: reziduurile au aceeai varian cu alternativa c nu au aceeai varian.
ARCH Test: F-statistic 0.627318 y Probabilit 0.432496

Obs*R-squared

0.646190 y

Probabilit

0.421478

Probabilitatea Chi-Square=42,14%, rezult c ipoteza nul se accept i reziduurile au aceeai varian. Pentru a testa normalitatea reziduurilor realizum histograma:
14 12 10 8 6 4 2 0 -80 -60 -40 -20 0 20 40 Series: Residuals Sample 1999:3 2011:2 Observations 48 Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis Jarque-Bera Probability 3.156461 3.171711 44.15014 -78.90403 19.98379 -1.305924 7.408322 52.51012 0.000000

H0: reziduurile urmeaz legea normal cu alternativa H1: reziduurile nu urmeaz legea normal. Probalitatea de acceptare a ipotezei nule este 0, deci respingem ipoteza nul i acceptm alternativa. Astfel, putem spune c reziduurile nu urmeaz legea normal, lucru vizibil i din studierea coeficientului de asimetrie care este diferit n mod semnificativ de 0, seria prezentnd o asimetrie negativ, i a coeficientului de boltire care difer semnificativ de 3. Elaborare previziuni Realizm previziuni pentru urmtoarele 5 perioade, adic ncepnd cu trimestrul 3 din 2011 i pn n trimestrul 3 anul 2012. Previziunile punctuale se gsesc n importusaf:
2011Q3 2011Q4 2012Q1 2012Q2 2012Q3 677.4990 677.1068 676.9082 676.8077 676.7568

10 00 90 0 80 0 70 0 60 0 50 0 40 0 2 1 :3 01

2 1 :1 02

2 1 :3 02

2 1 :1 03

2 1 :3 03

IMPORTUSAF

c) Aplicm testul ADF pentru rdcin unitate asupra seriei desezonalizate importusa. I
Null Hypothesis: IMPORTUSA has a unit root Exogenous: Constant, Linear Trend Lag Length: 1 (Automatic based on SIC, MAXLAG=10) t-Statistic Augmented Dickey-Fuller test statistic -3.016186 Test critical values: 1% level -4.161144 5% level -3.506374 10% level -3.183002 *MacKinnon (1996) one-sided p-values. Augmented Dickey-Fuller Test Equation Dependent Variable: D(IMPORTUSA) Method: Least Squares Date: 12/13/11 Time: 22:12 Sample(adjusted): 1999:3 2011:2 Included observations: 48 after adjusting endpoints Variable Coefficient Std. Error t-Statistic IMPORTUSA(-1) -0.181782 0.060269 -3.016186 D(IMPORTUSA(-1)) 0.546886 0.125170 4.369126 C 72.87198 23.39927 3.114284 @TREND(1999:1) 1.012420 0.399837 2.532080 R-squared 0.348300 Mean dependent var Adjusted R-squared 0.303865 S.D. dependent var S.E. of regression 18.77069 Akaike info criterion Sum squared resid 15502.91 Schwarz criterion Log likelihood -206.7710 F-statistic Durbin-Watson stat 1.906353 Prob(F-statistic)

Prob.* 0.1386

Prob. 0.0042 0.0001 0.0032 0.0150 6.691162 22.49747 8.782126 8.938059 7.838562 0.000268

Ipoteza nul H0: importurisa are rdcin unitate se accept deoarece prob>0,05. Prin urmare seria nu este staionar, adic nu fluctueaz n jurul unui anumit nivel. Astfel , putem spune c seria are tendin. Pentru a determina natura nestaionaritii, ne uitm la coeficientul lui importusa(-1), notndul pe acesta cu a. Formulm ipoteza nul H0: a=1( serie nestaionar cu tendin stohastic), cu alternativa H1: a<1( este vorba despre o serie staionar cu tendin liniar). Cum prob<0,05 respingem ipoteza nul i acceptm alternativa.