2011

PETROMAN ELISABETA Grupa 1539

PROIECT ECONOMETRIE
Variatia produsului intern brut in functie de cheltuielile bugetare si nr populatiei

MODEL LINIAR MULTIFACTORIAL

An 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

PIB (mil) 109352 101246 84952 74488 84846 99974 101063 108499 115831 122222 132110 139198 143541 145416 152148 157307 165643 179536 184649 171315

Chelt Bugetare (mil)

Popolatie (mil)

52663 57789 52973 48225 53882 61396 60672 61318 61266 63161 63794 66581 70120 72926 76130 78934 81212 84901 91121 95300

4.98 5.01 5.04 5.06 5.08 5.1 5.12 5.12 5.15 5.16 5.17 5.18 5.2 5.21 5.22 5.24 5.26 5.28 5.3 5.35

a) Specificarea modelului Descrierea econometrica a legaturilor dintre cele trei variabile , y- profitul intern brut, x1- cheltuielile bugetare, x2 populatia, se poate face cu ajutorul a trei modele: y y y y i =f(x 1i ) +
1i

- explica variatia PIB-ului in functie de cheltuieli

y i =f(x 2 i ) + 2 i - explica variatia PIB-ului in functie de populatie y i =f(x 1i , x 2 i ) + 3 i - explica variatia profitului pe seama ambilor factori

Identificarea functiei de regresie a primelor doua modele se realizeaza cu ajutorul reprezentarii grafice a variabilelor y in functie de celelalte 2 variabile factoriale x1, respectiv x2.

200000 180000 160000 140000 PIB 120000 100000 80000 60000 40000

60000

80000

100000

CHELT

200000 180000 160000 140000 PIB 120000 100000 80000 60000 4.9

5.0

5.1

5.2

5.3

5.4

POPULATIE

Graficele de mai sus arata ca legatura y si x1, respective y si x2 poate fi aproximata cu o dreapta.Astfel modelul e unul multifactorial liniar pentru ca y, fiind corelat liniar cu x1, respective cu x2, se deduce usor ca va fi corelat liniar si in raport cu ambii factori.

yi = PIB=

+
1

x 1i +

x 2i +

i 2

0+

ChetBugetare +

Populatie+

b) Estimarea parametrilor Ca si in cazul modelului de regresie liniara simpla, si in cazul regresiei liniare multiple vom folosi pentru estimare MCMMP care necesita efectuarea urmatoarelor calcule: obtinerea sistemului de ecuatii normale prin calculu derivatelor partiale in raport cu parametrii modelului. F(a,b,c ) = min (y i 0

x 1i -

x 2i )

Dependent Variable: PIB Method: Least Squares Date: 01/08/11 Time: 21:02 Sample: 1 20 Included observations: 20 Variable CHELT POPULATIE C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient Std. Error t-Statistic 3.978792 0.184631 -0.275896 Prob. 0.0010 0.8557 0.7860 128666.8 33240.58 21.55833 21.70769 80.74413 0.000000 2.284639 0.574204 14156.68 76675.59 -99114.58 359245.9 0.904756 0.893550 10845.28 2.00E+09 -212.5833 0.670229

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

Estimation Command: ===================== LS PIB CHELT POPULATIE C Estimation Equation: ===================== PIB = (1)*CHELT + (2)*POPULATIE + (0) Substituted Coefficients: ===================== = . 39 9* +

5 . 7999* O U A

- 99

.57

Pe baza acestor valori de mai jos se pot calcula abaterea medie patratica a variabilei reziduale si abaterile medii patratice ale celor doi estimatori
0, 1

si

2.

Observation

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

Predicted Y 91701.65846 103837.4208 93259.29749 82694.96289 95902.30197 113352.2165 111981.2712 113457.1483 113763.0474 118234.006 119821.7496 126330.6066 134699.0793 141251.3444 148712.8961 155402.1587 160889.701 169600.8696 184094.4607 194349.8031

Residuals 17650.34154 -2591.420771 -8307.297491 -8206.962894 -11056.30197 -13378.21653 -10918.27116 -4958.148254 2067.952599 3987.994006 12288.25042 12867.39342 8841.920745 4164.655597 3435.10394 1904.84127 4753.298961 9935.130362 554.5392682 -23034.80307

=-99114,58

=359245,9

Prob=0,7860>0,05 accept H0 Prob=0,0010<0,05 accept H1 Prob=0,8557>0,05 accept H0

=2,28
=14156,68

1=

0,57

2=

76675,59

= 10845.27

Parametrul 1 semnificativ diferit de zero, ceea ce inseamna ca atunci cand populatia ramane constanta , iar valoarea cheltuielilor bugetare creste cu 1 milion, produsul intern brut creste cu 2,28 millioane euro.

c) Testarea parametrilor Estimatorii sunt semnificativ diferiti de zero, cu un prag de semnificatie     urmatoarele relatii: >t s i >t si > tc    stiind ca :
0

daca se verifica

=-99114,58

=359245,9

=2,28
=14156,68

1=

0,57 si lucrand la un prag de

2=

76675,59

semnificatie t0,025 ; 17=2,110 Pentru

0

= 0.05 din tabela distributiei student se preia valoarea t ,n-k-1 adica

- Ipoteze H0 :
H1: -

0 =0 0 0

calculam t calc :

 



=o,2758 (t stat din eviews)

t calc < ttabelar rezulta accept H0

Pentru

- Ipoteze H0 :
H1: -

1 =0 1 0

calculam t calc :




=3,97 (t stat din eviews)

t calc > ttabelar rezulta accept H1

Pentru

- Ipoteze H0 :
H1: -

2 =0 2 0

calculam t calc :




=0,1846 ( t stat din eviews)

t calc < ttabelar rezulta accept H0

6

Pe baza calculelor de mai sus se observa ca estimatorul 1 este semnificativ diferit de zero, cu un prag de semificatie = 0.05 iar 0 si 2 nu sunt semnificativ diferiti de zero. Aceste consideratii au rezultat din analiza efectuata doar asupra unui esantion de 20 de observati.Datorita faptului ca ne bazam pe ipoteza ca estimatiile urmeaza o repartitie normala in jurul valorii adevarate,modelul obtinut trebuie testat.Testul t a condus la urmatoarele concluzii asupra semnificatiei parametrilor estimati: - parametrul 1 e semnificativ, deci factorul cheltuieli bugetare exercita o influenta determinanta asupra produsului intern brut. Parametrul 2 estimat este nesemnificativ ,fiind foarte apropiat de zero ,deci factorul populatie nu a fost bine ales ca factor de influenta a produsului intern brut.

d) Analiza variatiei (ANOVA)

SUMMARY OUTPUT Regression Statistics Multiple R 0.95118644 R Square 0.90475564 Adjusted R Square 0.89355042 Standard Error 10845.2751 Observations 20

Rezultatele sunt aceleasi ca in EVIEWS.

ANOVA df Regression Residual Total 2 17 19 SS 18994248129 1999539866 20993787995 MS 9497124064 117619992.1 F 80.74413109 Significance F 2.08994E09

Verificarea verosimilitatii modelului Pentru a accepta ipoteza de liniaritate se calculeaza coeficientul de corelatie liniara:
rx / y ! cov( y , x) ! 0.95118644 W xW y

Se poate observa ca ,in cazul unei legaturi liniare,raportul de corelatie este egal cu coeficientul de corelatie liniara. Raportul de corelatie multipla (Multiple R) este0.95118644 si arata o legatura foarte puternica intre variabile. Coeficientul de corelatie liniara tinde catre 1, ceea ce indica o puternica corelatie liniara intre cele doua variabile. Coeficientul de determinatie R (R Square) are valoarea 0.904756 . Acesta este exprimat procentual ( 90%) si arata cat din varianta variabilei dependente este explicata de ecuatia estimata ). Cu cat este mai apropiat de 1 cu atat partea din variatia lui y explicate de x1 este mai mare si deci intensitatea legaturii dintre variabile este mai puternica.

e) Teatarea validitatii modelului Ipotezele de lucru : H0 : modelul nu este valid H1 : modelul este valid Fcalc , adica F statistic : 80,74 Ftabelar: F
, k, n-k-1

= F0,05 ; 2; 17=3,59

Cum Fcalc > Ftabelar , rezulta faptul ca se respinge H0 si se accepta ipoteza altenativa H1. Prin urmare , modelul analizat este valid, iar parametrii sunt semnificativi pentru model ,functia fiind bine aleasa.

f) Ipotezele modelului de regresie Autocorelarea erorilor Testul Durbin Watson : din tabelul Eviews , putem observa faptul ca d=0,67, care este aproape de 1, prin urmare erorile sunt autocorelate pozitiv.

Testul Breush Godfray : Ipoteze : H0 : H1: LM =(n-k)*R2

1 1

=0

0
2 p

=(20-2)*0.9=16,2 Cum
2 ,k= 2 0,05 ; 2

=5,99 Rezulta LM>

,k , erorile

sunt autocorelate (accept H1)

Breusch-Godfrey Serial F-statistic Obs*R-squared

orrelation M est: .7 9 7.77 9 robability robability . . 93 5

est quation: Dependent Variable: R S D Method: east Squares Date: / 9/ ime: :23 resample missing value lagged residuals set to zero. Variable O U A R S D(-1) R S D(-2) R-squared Adjusted R-squared S. . of regression Sum squared resid og likelihood Durbin-Watson stat oefficient - .57 77 5 799. 8 -245005.1 0.932856 -0.228168 0.388735 0.225730 9026.811 1.22E+09 -207.6610 1.583541 Std. rror .5 22 322.93 309593.6 0.318785 0.310378 t-Statistic - . 20 0.826248 -0.791377 2.926282 -0.735132 rob. 0.2879 0.4216 0.4411 0.0104 0.4736 -1.27 -11 10258.60 21.26610 21.51504 2.384814 0.097614

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic rob(F-statistic)

Avand in vedere faptul ca Prob <0,05 , inseamna ca accept ipoteza alternativa H1 , adica erorile sunt autocorelate.

Heteroscedasticitate Testul White: Ipoteze H0 : H1 :

2

= cst cst
2 p

LM =n*R2

=20*0.9=18 Cum 2 ,k= 20,05 ; 2 =5,99 Rezulta LM> heteroscedastic.

2 ,k , Accept

H1 (resping H0) , modelul este

Avand in vedere faptul ca Prob <0,05 , inseamna ca accept ipoteza alternativa H1 , adica modelul este heteroscedastic, dupa cum se poate observa din testul efectuat mai jos.

White eteroskedasticity est: F-statistic Obs*R-squared 5.037620 12.85497 robability robability 0.007546 0.024776

est Equation: Dependent Variable: RES D^2 Method: east Squares Date: 01/09/11 ime: 13:28 Sample: 1 20 ncluded observations: 20 Variable ELT ELT^2 ELT* O ULATIE O ULATIE O ULATIE^2 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat oefficient -8.08E+10 -2416299. -2.572149 530350.4 5.96E+10 -8.89E+09 0.642749 0.515159 89957547 1.13E+17 -391.1090 1.067295 Std. Error 4.28E+11 1497099. 1.327562 324095.5 1.85E+11 2.00E+10 t-Statistic -0.188686 -1.613987 -1.937498 1.636402 0.322591 -0.445628 rob. 0.8530 0.1288 0.0731 0.1240 0.7518 0.6627 99976993 1.29E+08 39.71090 40.00962 5.037620 0.007546

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic rob(F-statistic)

Multicoliniaritate Criteriul lui Klein 1. Valoarea lui R2 =0.904756

2.

ORRELATION ELT ELT O ULATIE

MATRIX O ULATIE 0.945071 1.000000

1.000000 0.945071

3. R2 < r12 (0,9<0,94) Ceea ce inseamna ca avem o relatie intre cele 2 variabile , adica avem multicoliniaritate, iar una dintre variabile trebuie eliminate.

10

Testarea normalitatii Ipoteze: H0 : H1 :

i i

~N(0, ) !~N(0, )

Dupa cum se poate observa din graficul de mai jos : indicatorul Jarque Bera arata 0,56 >0,05 , prin urmare accept H1. 8 7 6 5 4 3 2 1 0 -20000 -10000 0 10000 20000 Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis Jarque-Bera Probability -1.27E-11 1986.397 17650.34 -23034.80 10258.60 -0.354074 2.586351 0.560483 0.755601 Series: Residuals Sample 1 20 Observations 20

Concluzii Coeficientul
0

este -99114,58. Termenul liber este punctul n care variabilele explicative

(factorial ) sunt 0. Deoarece t a = -0,27 , probabilitatea este de 0,78 iar pragul de 0 semnifica ie este de 0,05 nseamn c acest coeficient este nesemnificativ. De altfel faptul c limita inferioar a intervalului de ncredere (-857057 e E0 e 658828) pentru acest parametru este negativ , iar limita superioar este pozitiv arat c parametrul din colectivitatea general este aproximativ zero. Coeficientul
1 este

2,28, ceea ce nsemn c la cresterea cheltuielilor bugetare cu 1

milion, produsul intern brut va cre te cu 2,28 milioane euro.. Deoarece t a1 = 3,97 , probabilitatea este de 0,001 iar pragul de semnifica ie este de 0,05 nseamn c acest coeficient este semnificativ. Intervalul de ncredere (1,07 e E1 e 3,49) pentru acest parametru este pozitiv.
11

Coeficientul

este 14156,68, ceea ce nsemn ca la cresterea numarului de locuitori cu

un milion, produsul intern brut va cre te cu 14156,68. Deoarece t a 2 = 0,18, probabilitatea este de 0,855 iar pragul de semnifica ie este de 0,05 nseamn c acest coeficient este nesemnificativ. De altfel, faptul ca limita inferioara a intervalul de ncredere (-147614,67 e E1 e 175928) pentru acest parametru este negativa, iar limita superioara este pozitiva arata ca parametrul din colectivitatea generala este aproximativ zero. R = 0.951186 arat c ntre doua trei variabile exist o leg tur puternic direct . R2 = 0.904756 arat c 90% din varia ia produsuliui intern brut este explicat de model; In acest tabel este calculat testul F pentru validarea modelului de regresie. ntruct F = 80,74, iar Significance F (pragul de semnifica ie) este 0.0000(valoare mai mica de 0.05) atunci modelul de regresie construit este valid i poate fi utilizat pentru analiza dependen ei dintre cele doua variabile.

12