Documente Academic
Documente Profesional
Documente Cultură
Selectăm fișierul
Excel din care
importăm
variabilele.
Includem toate
variabilele din
fiș. Excel
Selectăm cheia de
identificare (denumire județ)
după care vor fuziona tabelele.
Denumirea ei în fișierul
destinație .shp (JUDET) trebuie
să fie diferită de denumirea din
fișierul-sursă .xls (jud).
Mesajul de confirmare:
Se deschide o fereastră de
dialog: selectăm salariul ca
variabila dependentă și
restul ca variabile
explicative (covariates).
I. Rulăm întâi modelul
clasic de regresie.
Bifăm totuși Weights
file (activează matricea
ponderilor spațiale
Judete.gal) pentru a
obține statisticile
spațiale (necesare
pentru a alege modelul
potrivit: regresia clasică
sau cea spațială).
Alegem tipul de model
(Classic) și statisticile
dorite, Run.
OUTPUT
Variabilele
rata_somaj și ISD nu
sunt semnificative
statistic => le vom
elimina.
• Modelul cu erori
spațiale este indicat de
testul LM ca fiind cel
mai potrivit.
Statistici tradiționale:
• R2 și R2 ajustat
• suma pătratelor reziduurilor (sum of squared residuals)
• varianța reziduurilor și estimarea erorii standard, în două
variante:
- cu ajustarea pentru pierderea de grade de libertate
(Sigma-square and S.E. of regression)
- fără ajustare (Sigma-square ML și S.E. of regression
ML)
Statistici pentru comparabilitatea cu modelele de
regresie spațială:
• log likelihood (cu cât mai mare, cu atât modelul este mai
bun)
• criteriul Akaike și criteriul Schwarz (cu cât sunt mai mici, cu
atât se potrivește mai bine modelul).
Valorile estimate (OLS_PREDIC) și reziduurile (OLS_RESIDU)
modelului clasic de regresie pot fi salvate în tabelul de date,
Și R2 (pseudo-R2) este
mai mare, dar nu este
direct comparabil cu cel
pentru OLS.
Salvam valorile teoretice si reziduurile modelului (cu butonul Save to
Table)
ERR_PREDIC = estimarea
pentru variabila dependentă y
ERR_RESIDU = reziduurile
modelului (estimările pentru
termenul eroare) folosite
pentru testele standard
ERR_PRDERR = eroarea de
predicție (diferența dintre
valoarea reală și cea estimată);
reziduurile estimate spațial
Yi Y j
FCij G
Dij
unde FCij - valoarea fluxurilor comerciale din țara (i) către țările de
destinație (j);
Yi și Yj sunt dimensiunile economiilor celor două țări (de obicei,
măsurate ca produsul intern brut - PIB, sau PIB-ul pe cap de locuitor),
Dij - distanța geografică dintre țări,
G - o constantă gravitațională.
Pentru a facilita estimările econometrice, se logaritmează ecuația
gravitațională, rezultând o relație liniară:
-Comerțul crește atunci când partenerii sunt mai aproape din punct
de vedere geografic.
Variabila dependentă:
exporturile României în
țările UE.
Varianta 1: variabile
explicative: PIB-ul
țării importatoare și
distanța geografică
față de aceasta.
Regresorii sunt
semnificativi și
au semnul
așteptat
(conform teoriei
modelului
gravitațional).
Nu există
dependență
spațială. Modelul
clasic (OLS) este
preferabil.
Varianta 2: rulăm un
nou model în care
înlocuim PIB prin
populație (nu
includem ambele
variabile simultan în
model deoarece sunt
puternic corelate); și
variabila populație
este semnificativă și
are semnul așteptat.
Nici în acest model nu
există dependență
spațială. Modelul
clasic (OLS) este
preferabil.
Aplicația 2. Modelul gravitațional pentru numărul de
turiști din UE veniți în România
Variabilă dependentă:
lnTUR16 – numărul de
turiști în 2016.
Varianta 1: variabile
explicative: distanța
și PIB. Ambele sunt
semnificative și au
semnul așteptat.
Diagnosticele de
dependență spațială
recomandă modelul
cu lag spațial.
Output-ul modelului
cu lag spațial.
Likelihood Ratio
Test confirmă faptul
că modelul cu lag
spațial este mai bun
decât cel clasic:
prob. < 0.05.
Varianta 2: variabile
explicative: distanța și
populația. Toți regresorii
sunt semnificativi și au
semnul așteptat:
numărul turiștilor care
vin în România crește
odată cu mărimea
populației țării de origine
și scade odată cu distanța
față de aceasta.
Modelul cu erori
spațiale ar putea fi
adecvat pentru aceste
date, dar forma
robustă a testului nu
confirmă alegerea.
Output-ul modelului
cu erori spațiale
arată că este mai
bun decât cel clasic:
Log likelihood mai
mare, Akaike și
Schwartz mai mici,
iar Likelihood Ratio
Test are prob. < 0.05.