Sunteți pe pagina 1din 5

PROIECT

ECONOMETRIE

PROIECT REALIZAT DE: TRIFU ANDREEA


LEONARD MIHAI
GRUPA 644 ,
SERIA B

DATELE ANALIZATE

Variabilele modelului de regresie


Variabila dependenta: Rata Neta de ocupare a unitatilor
de cazare ( exprimata procentual)
Variabile independente: Numarul locurilor de cazare,
Numarul turistilor
In urma regresiei multiple obtinem ecuatia de regresie:
Rata= 39,22+ 1.29985E-06*NumarulLocurilorDeCazare+2.50404E08*NumarulTuristilor

De asemenea, obtinem:
Multiple R=66%. Arata daca exista o dependenta liniara
intre variabile si cat de puternica este aceasta. In acest
caz avem o legatura directa intre variabile.
R Square=SSR/SST= 43,66% din variatia variabilelor
independente.Influenteaza in proportie de 43,66% rata
de ocupare a unitatilor de cazare.

Significance F: arata validitatea din punct de vedere statistic


a modelului de regresie liniara . valoarea de 0.018001704 este
mai mica decat =0.05, deci datele sunt valide.
P-value: valori<0.05 parametri ecuatiei de regresie sunt valizi.
Pentru a vedea daca avem de-a face cu homoscedasticitate sau
heteroscedasticitate am realizat testul White si am obtinut:
LM= 0.527494895
2,k(0,05;k=5)= 12.59
Concluzie: LM < 2,k => exista homoscedasticitate, deci
acceptam ipoteza H0 (ipoteza nula)
Multicoliniaritate- criteriul lui Klein
Intercorelatia in cazul maimultor variabile explicative se
masoara cu ajutorul coeficientilor decorelatie partiala sau prin
coeficientul de corelatie multipla R intre variabila
ysivariabilele x
Comparam valoarea obtinuta cu valoarea lui R Square.:
0.931460501> 0.43667419 => variabilele independente sunt
corelate intre ele

Autocorelarea erorilor (Durbin Watson)


DW=1361.012/911.4142522=1.493297166 erorile nu
sunt autocorelate
Testarea normalitii erorilor (Testul Jarque
Berra)
Pentru acest test vom utiliza erorile modelului de
regresie liniara estimat.
20.05,2=5.99
JB=5,57
In acest caz JB< 20.05,2 . De aici putem deduce ca erorile
sunt distribuite normal si acceptam H0(ipoteza nula)