Probleme Rezolvate La Econometrie. (Conspecte - MD)

Capitolul 2
2.1 Probleme rezolvate 2.1.1 Model liniar unifactorial - caz general 2.1.2 Model liniar unifactorial cu erori heteroscedastice 2.1.3 Model liniar unifactorial cu autocorelarea erorilor 2.1.4 Model unifactorial neliniar 2.1.5 Model liniar multifactorial 2.1.6 Model multifactorial neliniar funcia Cobb-Douglas fr progres tehnic 2.1.7 Model liniar multifactorial cu variabile centrate 2.1.8 Modele dinamice 2.1.8.1 Model dinamic funcia CobbDouglas cu progres tehnic 2.1.8.2 Model autoregresiv 2.1.8.3 Model dinamic cu decalaj 2.1.8.4 Model dinamic de prognoz cu variabile anticipative 2.1.9 Modelul static al lui Keynes 2.1.10 Modelul dinamic al lui Keynes 2.1.11 Model recursiv 2.2 Probleme propuse spre rezolvare
Modele econometrice cu o singur ecuaie i cu ecuaii multiple
2.1 Probleme rezolvate 2.1.1 Model liniar unifactorial - caz general Se cunosc urmtoarele date privind capacitatea de cazare turistic n funciune (mii locuri-zile) i numrul de nnoptri n structurile de primire turistic cu funciuni de cazare turistic (mii) n Romnia n perioada 1989-2002:
Tabelul 2.1.1
Capacitatea de cazare turistic n funciune (mii locuri-zile) 1 79458 77022 64124 55870 57434 53255 53540 53639 52027 53164 51275 50197 51182 50752 Numrul de nnoptri n structurile de primire turistic cu funciuni de cazare turistic (mii) 2 53377 44552 31927 26076 24769 23296 24111 21838 19611 19183 17670 17647 18122 17277
Anul
0 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002
Sursa: Anuarul Statistic al Romniei 1993, CNS, Bucureti, 1994, p. 622-624, Anuarul Statistic al Romniei 2003, INS, Bucureti, 2004, p. 507, 511.
Econometrie. Studii de caz
Se cere: a) s se specifice modelul econometric ce descrie legtura dintre cele dou variabile; b) s se estimeze parametrii modelului i s se calculeze valorile teoretice ale variabilei endogene; c) s se verifice ipotezele de fundamentare a metodei celor mai mici ptrate; d) s se verifice semnificaiile estimatorilor i verosimilitatea modelului; e) presupunnd c n anul 2003 numrul de nnoptri va atinge valoarea de 17100 mii s se estimeze capacitatea de cazare turistic n funciune a Romniei n acest caz. Rezolvare: a) Pe baza datelor problemei se poate construi un model econometric unifactorial de forma:
y = f (x ) + u
unde: y = valorile reale ale variabilelor dependente; x = valorile reale ale variabilelor independente; u = variabila rezidual, reprezentnd influenele celorlali factori ai variabilei y, nespecificai n model, considerai factori ntmpltori, cu influene nesemnificative asupra variabilei y. Analiza datelor din tabel, n raport cu procesul economic descris conduce la urmtoarea specificare a variabilelor: y = capacitatea de cazare turistic n funciune, reprezentnd variabila rezultativ (endogen); x = numrul de nnoptri, reprezentnd variabila factorial (exogen), respectiv factorul considerat prin ipoteza de lucru cu influena cea mai puternic asupra variabilei y.
alegerea unei funcii matematice ( f ( x)) cu ajutorul creia poate fi descris legtura dintre cele variabile. n cazul unui model unifactorial, procedeul cel mai des folosit l constituie reprezentarea grafic a celor dou iruri de valori cu ajutorul corelogramei vezi figura 2.1.1.
ccf
79400 77300 75200 73100 71000 68900 66800 64700 62600 60500 58400 56300 54200 52100 50000
Specificarea unui model econometric presupune, de asemenea,
innoptari
1650 1910 2170 2430 2690 2950 3210 3470 3730 3990 4250 4510 4770 5030 5290 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Figura 2.1.1 Legtura dintre capacitatea de cazare turistic n funciune (mii locuri-zile) i numrul de nnoptri n structurile de primire turistic cu funciuni de cazare turistic (mii) n Romnia
Din grafic se poate observa c distribuia punctelor empirice (xt , y t ) poate fi aproximat cu o dreapt. Ca atare, modelul econometric care descrie legtura dintre cele dou variabile se transform ntr-un model liniar unifactorial y = a + bx + u , a i b reprezentnd parametrii modelului, b 0 , panta dreptei fiind pozitiv deoarece legtura dintre cele dou variabile este liniar.
b) Deoarece parametrii modelului sunt necunoscui, valorile acestora se pot estima cu ajutorul mai multor metode, n mod curent fiind folosit ns metoda celor mai mici ptrate (M.C.M.M.P.). Utilizarea acestei metode pornete de la urmtoarea relaie:
y t = a + bxt + u t ; t = 1, n y t = a + bxt
unde: y t = valorile teoretice ale variabilei y obinute numai n funcie de valorile factorului esenial x i de valorile estimatorilor parametrilor a i b, $ $ respectiv a i b ;
u t = y t y t = (a a ) + b b xt = estimaiile valorilor variabilei reziduale.
n mod concret, M.C.M.M.P. const n a minimiza funcia:
2 F a, b = min ( y t y t ) = min y t a bxt

t =1 t =1
( )
()
14
14
Condiia de minim a acestei funcii rezult din: F (a ) = 0 na + b x = y
F b = 0 a xt + b xt2 = y t xt
Tabelul 2.1.2
yt
Nr. (mii crt. locurizile) 0 1 2 3 4 5 6 7 8 1 79458 77022 64124 55870 57434 53255 53540 53639
xt
(mii) 2 53377 44552 31927 26076 24769 23296 24111 21838
xt2
3 2849104129 1984880704 1019333329 679957776 613503361 542703616 581340321 476898244
xt y t
4 4241229666 3431484144 2047286948 1456866120 1422582746 1240628480 1290902940 1171368482
y t = 35030 ,912 + + 0 ,8694 x t
( x t x )2
6 767377059,6 356324948,9 39082145,3 160457,5 821612,8 5661680,3 2447436,8 14725858,0
ut = yt yt
7 -1978,2 3258,2 1336,2 -1831,0 869,3 -2029,1 -2452,7 -377,6
u t2
8 3913120,5 10615710,2 1785381,8 3352697,0 755597,6 4117418,8 6015700,3 142564,2
5 81436,2 73763,8 62787,8 57701,0 56564,7 55284,1 55992,7 54016,6
yt
Nr. (mii crt. locurizile) 0 9 10 11 12 13 14 1 52027 53164 51275 50197 51182 50752
xt
(mii) 2 19611 19183 17670 17647 18122 17277
xt2
3
xt y t
4
y t = 35030 ,912 + + 0 ,8694 x t
( x t x )2
6 36777293,9 42151628,8 64086886,6 64455665,3 57054283,2 70533602,5 1521660559,4
ut = yt yt
7 -53,5 1455,6 882,0 -176,0 396,1 700,7 0,0
u t2
8 2857,2 2118901,6 777971,0 30968,1 156866,6 490974,3 34276729,4
5 52080,5 51708,4 50393,0 50373,0 50785,9 50051,3 802939,0
384591321 1020301497 367987489 1019845012 312228900 906029250 311416609 885826459 328406884 927520204 298494729 876842304
Total 802939 359456 10750847412 21938714252
Tabelul 2.1.2
yt y
9
22105,2 19669,2 6771,2 -1482,8 81,2 -4097,8 -3812,8 -3713,8 -5325,8 -4188,8 -6077,8 -7155,8 -6170,8 -6600,8 0,0
( y t y ) xt x u t u t (xt x ) u t 1 (u t u t 1 ) u t u t 1 (xt x)( yt y)

2
(continuare)
17
612349172,5 371287328,4 42330729,8 -593961,6 -73614,9 9750388,4 5964830,9 14251387,4 32297847,1 27195392,1 48655279,4 57449714,5 46610589,1 55436227,3 1322911310,3
10
488640498,6 386877990,6 45849342,9 2198653,5 6595,8 16791847,8 14537334,9 13792204,3 28363993,5 17545925,8 36939479,2 51205269,2 38078596,3 43570372,0 1184398104,4
11
27701,6 18876,6 6251,6 400,6 -906,4 -2379,4 -1564,4 -3837,4 -6064,4 -6492,4 -8005,4 -8028,4 -7553,4 -8398,4 0,0
12
-1978,2 3258,2 1336,2 -1831,0 869,3 -2029,1 -2452,7 -377,6 -53,5 1455,6 882,0 -176,0 396,1 700,7 0,0
13
-54798165,4 61503190,2 8353236,1 -733461,2 -787914,1 4828199,4 3837062,2 1448923,7 324160,3 -9450669,4 -7061001,5 1412822,3 -2991640,5 -5884742,0 0,0
14
-1978,2 3258,2 1336,2 -1831,0 869,3 -2029,1 -2452,7 -377,6 -53,5 1455,6 882,0 -176,0 396,1 -1978,2
15
27419223,1 3694061,3 10031276,0 7291556,9 8400685,0 179394,7 4306105,4 105056,3 2277375,2 329037,7 1119372,7 327231,3 92800,5 65573176,1
16
-6445196,2 4353515,4 -2446598,5 -1591631,1 -1763834,3 4976862,2 926079,6 20182,5 -77808,2 1283917,5 -155216,8 -69698,3 277520,2 -711906,1
$ Estimarea parametrului b :
y x y x b= n x x x
n
t t t t 2 t
14 = 14
802939 359456 = 3071419995 2886212411 28 84 1505118637 1292086159 68 36
t t
359456 426899179 , 359456 1075084741 2
4 1852075834 = 0,8694 b= 2130347832
(vezi calcule tabelul 2.1.2., coloanele 1, 2, 3, 4)
$ Estimarea parametrului a :
na + b
x =y
t
1 a+b n
x = y
t
a = y bx
x= y=
359456 = 25675,4 n 14 a = 57352,8 0,8694 25675,4 = 35030,912 yt 802939 = = 57352,8 n 14

t
Dispunnd de estimaiile parametrilor se pot calcula valorile teoretice (estimate) ale variabilei endogene, y t , cu ajutorul relaiei:
y t = 35030,912 + 0,8694 x t (vezi tabelul 2.1.2., coloana 5)
Valorile variabilei reziduale vor rezulta din urmtoarea relaie: u t = y t y t (vezi tabelul 2.1.2., coloana 7) Pe baza acestor valori se pot calcula abaterea medie ptratic a variabilei reziduale s u i abaterile medii ptratice ale celor doi estimatori,
s a i s b :
34276729,3646 = 2856394,1137 nk 14 2 (vezi tabelul 2.1.2., coloana 8) s
2 u
t
(y =
yt )
unde: k = numrul parametrilor;

s u = 2856394,1137 = 1690,087
2 2 1 s a = su + n
2 sa
2 = 2856394,1137 1 + 25675,4 2 (x t x ) 14 1521660559,4 x2
= 1441501,1977
(vezi tabelul 2.1.2., coloana 6)

s a = 1441501,1977 = 1200,6253
2 2 s b = s u
1 2856394,1137 = = 0,0019 2 (xt x ) 1521660559,4
s b = 0,0019 = 0,0433
n urma acestor calcule, modelul econometric se poate scrie: y t = 35030,912 + 0,8694 xt ; s u = 1690,087
(1200,6253) (0,0433)
c) Estimatorii obinui cu ajutorul M.C.M.M.P. sunt estimatori de maxim verosimilitate dac pot fi acceptate urmtoarele ipoteze: c1) Variabilele observate nu sunt afectate de erori de msur. Aceast condiie se poate verifica cu regula celor trei sigma, regul care const n verificarea urmtoarelor relaii:
xt ( x 3 x )
y t ( y 3 y )
Pe baza datelor din tabelul 2.1.2., coloanele 6, 10, se obin:
x =
(x
x)
1521660559,4 = 108690039,9592 = 10425,4515 14
y =
(y
y )2
1184398104,4 = 84599864,5969 = 9197,8185 14
x t (x 3 x ) x 3 x < x t < x + 3 x 25675 , 4 3 10425 , 4515 < x t < 25675 , 4 + 3 10425 , 4515
xt ( 5600,9261; 56951,7832)
y t y 3 y y 3 y < y t < y + 3 y 57352,8 3 9197,8185 < y t < 57352,8 + 3 9197,8185
y t (29759 ,3303; 84946 ,2411 )
Deoarece valorile acestor variabile aparin intervalelor xt ( 5600,9261; 56951,7832) i y t (29759 ,3303; 84946 ,2411 ) , ipoteza de mai sus poate fi acceptat fr rezerve. c2) Variabila aleatoare (rezidual) u este de medie nul M (u ) = 0 ,
2 iar dispersia ei, su , este constant i independent de X - ipoteza de
homoscedasticitate, pe baza creia se poate admite c legtura dintre Y i X este relativ stabil. Acceptarea ipotezei se poate face prin intermediul mai multor procedee: c2.1) Procedeul grafic - care const n construirea corelogramei privind valorile variabilei factoriale x i ale variabilei reziduale u (vezi Figura 2.1.2).
u
4000 3000 2000 1000
x
0
16500 19100 21700 24300 26900 29500 32100 34700 37300 39900 42500 45100 47700 50300 52900
-1000 -2000 -3000
Figura 2.1.2
Deoarece graficul punctelor empirice prezint o distribuie oscilant, se poate accepta ipoteza c cele dou variabile sunt independente i nu corelate. c2.2.) Acceptarea sau respingerea ipotezei de homoscedasticitate cu ajutorul analizei variaiei (vezi punctul d)). c3) Valorile variabilei reziduale (u t ) sunt independente, respectiv nu exist fenomenul de autocorelare. Acceptarea sau respingerea acestei condiii se poate face cu: c3.1.) Procedeul grafic - corelograma ntre valorile variabilei dependente ( y t ) i valorile variabilei reziduale (u t ) (vezi Figura 2.1.3).
u
3000
2000
1000
y
0
50000 52100 54200 56300 58400 60500 62600 64700 66800 68900 71000 73100 75200 77300 79400
-1000
-2000
-3000
Figura 2.1.3
Ca i n cazul graficului precedent, distribuia punctelor empirice fiind oscilant, se poate accepta ipoteza de independen a erorilor. c3.2.) Testul Durbin-Watson const n calcularea termenului empiric: (u
t =2 n
d=
t n
2 u t 1 )
2 t
u
t =1
i compararea acestei mrimi d cu dou valori teoretice, d 1 i d 2 , preluate din tabela Durbin-Watson (vezi Anexa 3) n funcie de un prag de semnificaie , arbitrar ales, de numrul variabilelor exogene ( k ) i de valorile observate ( n, n 15) . Acceptarea sau respingerea ipotezei de independen a erorilor se bazeaz pe o anumit regul, care const n: - dac 0 < d < d 1 autocorelare pozitiv;
dac
d 1 d d 2 indecizie,
recomandndu-se
acceptarea
autocorelrii pozitive; - dac d 2 < d < 4 d 2 erorile sunt independente; - dac 4 d 2 d 4 d 1 indecizie, recomandndu-se acceptarea autocorelrii negative; - dac 4 d 1 < d < 4 autocorelare negativ. Pe baza datelor problemei, valoarea empiric a variabilei Durbin-Watson este:
d=
(u
t =2
14
u t 1 )
2 t
u
t =1
14
65573176,1 = 1,91 34276729,3646
Lucrnd cu un prag de semnificaie = 0,05 , numrul variabilelor exogene fiind k = 1, iar numrul observaiilor n = 14 , din tabela distribuiei Durbin-Watson se citesc valorile (pentru cazul n = 15 ) d1 = 1,08 i
d 2 = 1,36 .
Deoarece d 2 = 1,36 < d = 1,91 < 4 d 2 = 2,64 , se poate accepta ipoteza de independen a valorilor variabilei reziduale. c3.3.) Coeficientul de autocorelaie de ordinul 1
r1 =
u u
t =2 n 1 t =1
t t 1
2 t
Se poate demonstra c ntre coeficientul de autocorelaie de ordinul 1 i variabila Durbin-Watson exist relaia: d d = 2(1 r1 ) r1 = 1 2
tiind c: 4 1 autocorelare strict negativa indecizie d = 2 r1 = 0 independenta indecizie 0 1 autocorelare strict pozitiva Calculul coeficientului de autocorelaie de ordinul 1:
r1 =
u u
t =2 13
14
t t 1
u
t =1
2 t
711906,1 = 0,021 33785755,1
Deoarece r1 = 0,021 0 , i acest indicator arat c ipoteza de independen a valorilor variabilei reziduale poate fi acceptat. c4) Verificarea ipotezei de normalitate a valorilor variabilei reziduale Se tie c, dac erorile urmeaz legea normal de medie zero i de abatere medie ptratic su (consecina ipotezelor c1, c2, c3), atunci are loc $ relaia:
P ( u t t s u ) = 1
Pe baza acestei relaii, n funcie de diferite praguri de semnificaie , din tabela distribuiei normale se vor prelua valorile corespunztoare ale lui t . Lucrnd cu un prag de semnificaie = 0,05 , din tabela distribuiei Student ( n < 30) se preia valoarea variabilei, cu un numr de grade de libertate v = n 2 = 14 2 = 12, t0, 05;12 = 2,179 , iar pentru un prag de semnificaie = 0,01 , avem t 0,01;12 = 3,055 . Cu ajutorul acestor date,
verificarea ipotezei de normalitate se poate face pe baza urmtorului grafic (Figura 2.1.4.): pe axa Ox se vor reprezenta valorile ajustate ale variabilei y, yt (vezi tabelul 2.1.2, coloana 5), iar pe axa Oy se vor trece valorile variabilei reziduale ut (vezi tabelul 2.1.2, coloana 7).
Se observ c valorile empirice ale variabilei reziduale se nscriu n banda construit, cu un prag de semnificaie = 0,05 . Ca atare, ipoteza de normalitate a variabilei reziduale poate fi acceptat cu acest prag de semnificaie.
ut
3300 2300 1300 300
50000 52500 55000 57500 60000 62500 65000 67500 70000 72500 75000 77500 80000
+ t 0, 05 s u
yt
-700 -1700 -2700 -3700
t 0, 05 s u
Figura 2.1.4
d) Verificarea semnificaiei estimatorilor i a verosimilitii modelului d1) Verificarea semnificaiei estimatorilor Estimatorii sunt semnificativ diferii de zero, cu un prag de semnificaie , dac se verific urmtoarele relaii:
b a ta = > t ; v ; tb = > t ;v sa sb
tiind
(vezi
punctul
b)
al
problemei)
a = 35030,912; s a = 1200,6253 i b = 0,8694; sb = 0,0433 i, lucrnd cu un prag de semnificaie = 0,05 , din tabela distribuiei Student se preia valoarea t0, 05;12 = 2,179 . a 35030,912 = = 29,1772 > t0,05;12 = 2,179 sa 1200,6253
b sb = 0,8694; = 20,0661 > t0,05;12 = 2,179 0,0433
ta =
tb =
Pe baza calculelor de mai sus se observ faptul c ambii estimatori sunt semnificativ diferii de zero, cu un prag de semnificaie = 0,05 . d2) Verificarea verosimilitii modelului Pentru a accepta ipoteza de liniaritate se calculeaz coeficientul de corelaie liniar:
ry / x = cov( y, x ) =
x y
(y
y )( xt x )
n x y
1322911310,3 = 0,9854 14 10425,4515 9197,8185
Coeficientul de corelaie liniar fiind definit n intervalul [ 1;1] , rezult c valoarea obinut de 0,985 indic o puternic corelaie liniar ntre cele dou variabile. Verificarea verosimilitii modelului se face cu ajutorul analizei dispersionale (analiza variaiei).
Tabelul 2.1.3
Sursa de variaie Variana dintre grupe Msura variaiei Nr. gradelor de libertate
2
Dispersii corectate
Vx2 k 1 = 1150121375
2 sY / X =
Valoarea testului F
Fc
Fc =
2 sY / X 2 s u
F ;v1 ;v2
F0,05;1;12 = 4,76
Vx2 = ( yt y )
t =1
14
k 1=1
= 1150121375
= 402,648 F0, 01;1;12 = 9,33
Variana rezidual
Vu2 = ( yt yt )
t =1
14
n k = 12
= 34276729,4
V02 = ( yt y )
t =1 14 2
V u2 nk = 2856394 ,1
2 s u =
Variana total
n 1 = 13
= 1184398104,4
Testul Fisher-Snedecor indic faptul c rezultatele obinute sunt semnificative pentru un prag de semnificaie de 5%: Fc = 402,648 > F0,05;1;12 = 4,76 . Pe baza datelor din tabelul de mai sus se poate calcula raportul de corelaie dintre cele dou variabile:
Ry / x
V x2 Vu2 1150121374,9925 = = 1 2 = = 0,9854 0,985 2 1184398104,3571 V0 V0
Se poate demonstra c, n cazul unei legturi liniare, raportul de corelaie este egal cu coeficientul de corelaie liniar:
ry / x = cov( y, x )
x y
= b x = Ry / x
Verificarea semnificaiei raportului de corelaie i, implicit, a coeficientului de corelaie liniar se face cu ajutorul testului FisherSnedecor: Fc = (n 2) R2 , R fiind semnificativ dac Fc F ;v1 ;v2 . 1 R2
Fc = 12
0,9711 = 12 33,554 = 402,648 > F0,05;1;12 = 4,76 0,0289
Deoarece raportul de corelaie este semnificativ diferit de zero, cu un prag de semnificaie = 0,05 , rezult modelul econometric: yt = 35030,912 + 0,8694 xt ; R = 0,985 d = 1,91 su = 1690,087
(1200,6253) (0,0433)
care descrie corect dependena dintre cele dou variabile, acesta explicnd 97,11% din variaia total a variabilei dependente, adic variaia capacitii de cazare n funciune se datoreaz n proporie de 97,11% numrului de nnoptri.
V02 = V x2 + Vu2 100 = V x2 V02 100 + Vu2 V02 100
e) Dac numrul nnoptrilor va fi egal cu 17100 mii (xt = 17100) , capacitatea de cazare turistic n funciune va fi egal cu:
Y/ x=17100 = a + bxt = 35030,912 + 0,869417100 = 49897,4230 mii locuri-zile
Pe baza ipotezei formulate la punctele precedente, capacitatea de cazare turistic n funciune y urmeaz o distribuie normal (sau distribuia Student, dac n 30 ), de medie Y i de abatere medie ptratic sY , L( y) = N (Y , sY ) . Pentru xt = 17100 Yt = 49897,4230
1 2 sY / x =17100 = s u 1 + + n
(xt x )2 2 (xt x )
= 1788,4251
2 1 (17100 25675,4) + sY / x =17100 = 2856394,1137 1 + 14 1521660559,4
Estimarea capacitii de cazare n funciune, care se poate obine dac numrul nnoptrilor va fi egal cu 17100 mii, pe baza unui interval de ncredere, se calculeaz cu relaia: P(Y/ x =17100 t sY / x =17100 y / x =17100 Y/ x =17100 + t sY / x =17100 ) = 1 Pentru = 0,05 i v = n k = 12 , din tabela distribuiei Student se preia valoarea variabilei t ;v = t 0, 05;12 = 2,179 . Deci, cu un prag de semnificaie de 0,05 sau cu o probabilitate egal cu 0,95, capacitatea de cazare turistic n funciune va fi cuprins n intervalul:
P(Y/ x =17100 [49897,4230 2,179 1788,4251]) = 1 0,05 = 0,95
P(Y/ x =17100 [46000,4446;54794,4014]) = 0,95
2.1.2 Model liniar unifactorial cu erori heteroscedastice
Se cunosc urmtoarele date1 privind privind venitul mediu i cheltuielile medii efectuate de un eantion 30 de familii cu procurarea mrfurilor alimentare:
Tabelul 2.2.1
Nr. crt. 0 1 2 3 4 5 6 7 8 9
1
Cheltuieli medii cu procurarea mrfurilor alimentare (u.m./familie) 1 55 65 70 80 79 84 98 95 90
Venitul mediu (u.m./familie) 2 80 100 85 110 120 115 130 140 125
Datele problemei i o parte din testele utilizate sunt reproduse din D. N. Gujarati, Basic Econometrics, Third Edition, McGraw-Hill, Inc., 1995, p. 369-380.
Econometrie. Studii de caz Cheltuieli medii cu procurarea mrfurilor alimentare (u.m./familie) 1 75 74 110 113 125 108 115 140 120 145 130 152 144 175 180 135 140 178 191 137 189
Nr. crt. 0 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Venitul mediu (u.m./familie) 2 90 105 160 150 165 145 180 225 200 240 185 220 210 245 260 190 205 265 270 230 250
Se cere: a) Specificarea, identificarea i estimarea parametrilor modelului econometric ce descrie legtura dintre cele dou variabile; b) Verificarea ipotezelor de fundamentare a metodei celor mai mici ptrate (M.C.M.M.P.) i a verosimilitii modelului. Rezolvare: a) Analiza variabilelor aferente problemei conduce la specificarea acestora: - venitul mediu reprezint variabila explicativ sau exogen (x) a modelului, n timp ce cheltuielile pentru procurarea mrfurilor alimentare constituie variabila endogen (y) a modelului; - variabila endogen, cheltuieli pentru mrfuri alimentare, depinde i de ali factori - numrul membrilor de familie, categoria socio-profesional
a familiei, etc. - dar acetia sunt considerai factori cu aciune ntmpltoare i specificai cu ajutorul variabilei aleatoare (u). Pe baza acestor premise, datele problemei pot fi analizate cu ajutorul urmtorului model: y = f ( x) + u Identificarea modelului presupune alegerea unei funcii matematice care s descrie corelaia dintre cele dou variabile. n cazul unui model unifactorial (cum este cel specificat mai sus), procedeul cel mai des folosit l constituie reprezentarea grafic a datelor, respectiv corelograma (vezi figura 2.2.1).
y 190 170 150 130 110 90 70 x 50 70 90 110 130 150 170 190 210 230 250 270
Figura 2.2.1 Legtura dintre cheltuielile medii cu procurarea mrfurilor alimentare i venitul mediu
Deoarece graficul punctelor empirice arat c acestea pot fi aproximate cu ajutorul unei drepte f ( x) = a + bx , modelul econometric devine: y i = a + bxi + ui ; i = 1, n, n = 30. Urmtoarea operaie const n estimarea parametrilor modelului, a i $ $ b, cu ajutorul estimatorilor a i b . n acest scop se va utiliza metoda celor mai mici ptrate (M.C.M.M.P.). 2 F a, b = min ( yi yi ) = min yi a bxi
i =1 i =1
( )
30
30
Condiia de minim a acestei funcii rezult din:
$ $ $ F ( a ) = 0 na + b xi = y i $ $ $ F b = 0 a xi + b xi2 = y i xi
Tabelul 2.2.2
Nr. crt. 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
()
xi
2 80 100 85 110 120 115 130 140 125 90 105 160 150 165 145 180 225 200 240 185 220 210 245 260 190 205 265 270 230 250
yi
1 55 65 70 80 79 84 98 95 90 75 74 110 113 125 108 115 140 120 145 130 152 144 175 180 135 140 178 191 137 189
ui
3 -5,3131 -8,0688 6,4980 0,5534 -6,8245 1,3645 5,7977 -3,5801 0,9866 8,3091 -2,2577 -1,3358 8,0420 10,4752 6,2309 -9,0915 -12,7918 -16,8472 -17,3586 2,7195 2,3971 0,7749 9,4525 4,8857 4,5306 -0,0361 -0,3032 9,5079 -18,9808 20,2636 0,0000
2 i
xi x ui ( xi x ) yi
5 -93,17 -73,17 -88,17 -63,17 -53,17 -58,17 -43,17 -33,17 -48,17 -83,17 -68,17 -13,17 -23,17 -8,17 -28,17 6,83 51,83 26,83 66,83 11,83 46,83 36,83 71,83 86,83 16,83 31,83 91,83 96,83 56,83 76,83 6 495,00 590,36 -572,91 -34,96 362,83 -79,37 -250,27 118,74 -47,52 -691,04 153,90 17,59 -186,31 -85,55 -175,50 -62,13 -663,04 -452,07 -1160,13 32,18 112,26 28,54 679,00 424,24 76,27 -1,15 -27,85 920,68 -1078,74 1556,92 0,00 7 55 70 75 65 74 80 84 79 90 98 95 108 113 110 125 115 130 135 120 140 144 152 140 137 145 175 189 180 178 191 3592
xi
8 80 85 90 100 105 110 115 120 125 130 140 145 150 160 165 180 185 190 200 205 210 220 225 230 240 245 250 260 265 270 5195
ln u i2
9 3,3403 4,1760 3,7430 -1,1834 3,8410 0,6215 3,5149 2,5508 -0,0269 4,2347 1,6287 0,5791 4,1694 4,6980 3,6591 4,4147 5,0976 5,6484 5,7082 2,0009 1,7485 -0,5100 4,4926 3,1726 3,0217 -6,6406 -2,3866 4,5042 5,8869 6,0176 81,7230
ln xi
10 4,3820 4,6052 4,4427 4,7005 4,7875 4,7449 4,8675 4,9416 4,8283 4,4998 4,6540 5,0752 5,0106 5,1059 4,9767 5,1930 5,4161 5,2983 5,4806 5,2204 5,3936 5,3471 5,5013 5,5607 5,2470 5,3230 5,5797 5,5984 5,4381 5,5215 152,7413
4 28,2287 65,1049 42,2241 0,3062 46,5732 1,8618 33,6133 12,8174 0,9734 69,0408 5,0971 1,7845 64,6739 109,7307 38,8245 82,6559 163,6310 283,8288 301,3210 7,3959 5,7460 0,6005 89,3493 23,8701 20,5266 0,0013 0,0919 90,3994 360,2691 410,6116 2361,1533
Total 3592 5195
Tabelul 2.2.2 (continuare)

ui xi
1 xi
13
0,0125 0,0100 0,0118 0,0091 0,0083 0,0087 0,0077 0,0071 0,0080 0,0111 0,0095 0,0063 0,0067 0,0061 0,0069 0,0056 0,0044 0,0050 0,0042 0,0054 0,0045 0,0048 0,0041 0,0038 0,0053 0,0049 0,0038 0,0037 0,0043 0,0040
xi
i =
ui2 78,7051
i
16
0,0624 0,2637 0,1128 0,3643 0,4650 0,4147 0,5656 0,6662 0,5153 0,1631 0,3140 0,8675 0,7669 0,9178 0,7166 1,0688 1,5216 1,2700 1,6726 1,1191 1,4713 1,3707 1,7229 1,8738 1,1694 1,3203 1,9241 1,9745 1,5719 1,7732
(i )2 zi =
17
0,8790 0,5421 0,7872 0,4041 0,2863 0,3426 0,1887 0,1114 0,2349 0,7004 0,4706 0,0176 0,0544 0,0068 0,0803 0,0047 0,2721 0,0729 0,4523 0,0142 0,2221 0,1374 0,5225 0,7636 0,0287 0,1026 0,8540 0,9496 0,3271 0,5978
yi xi
i y
ui
ui2
xi x
11
5,3131 8,0688 6,4980 0,5534 6,8245 1,3645 5,7977 3,5801 0,9866 8,3091 2,2577 1,3358 8,0420 10,4752 6,2309 9,0915 12,7918 16,8472 17,3586 2,7195 2,3971 0,7749 9,4525 4,8857 4,5306 0,0361 0,3032 9,5079 18,9808 20,2636
12
8,9443 10,0000 9,2195 10,4881 10,9545 10,7238 11,4018 11,8322 11,1803 9,4868 10,2470 12,6491 12,2474 12,8452 12,0416 13,4164 15,0000 14,1421 15,4919 13,6015 14,8324 14,4914 15,6525 16,1245 13,7840 14,3178 16,2788 16,4317 15,1658 15,8114
14
0,1118 0,1000 0,1085 0,0953 0,0913 0,0933 0,0877 0,0845 0,0894 0,1054 0,0976 0,0791 0,0816 0,0778 0,0830 0,0745 0,0667 0,0707 0,0645 0,0735 0,0674 0,0690 0,0639 0,0620 0,0725 0,0698 0,0614 0,0609 0,0659 0,0632
15
0,3587 0,8272 0,5365 0,0039 0,5917 0,0237 0,4271 0,1629 0,0124 0,8772 0,0648 0,0227 0,8217 1,3942 0,4933 1,0502 2,0790 3,6062 3,8285 0,0940 0,0730 0,0076 1,1352 0,3033 0,2608 0,0000 0,0012 1,1486 4,5775 5,2171
18
0,6875 0,6500 0,8235 0,7273 0,6583 0,7304 0,7538 0,6786 0,7200 0,8333 0,7048 0,6875 0,7533 0,7576 0,7448 0,6389 0,6222 0,6000 0,6042 0,7027 0,6909 0,6857 0,7143 0,6923 0,7105 0,6829 0,6717 0,7074 0,5957 0,7560 20,9862
19
60,829 73,466 63,988 79,785 86,103 82,944 92,422 98,741 89,263 67,147 76,625 111,378 105,060 114,538 101,900 124,016 152,450 136,653 161,928 127,175 149,290 142,972 165,087 174,565 130,334 139,812 177,725 180,884 155,609 168,247
20
-5,829 -8,466 6,012 0,215 -7,103 1,056 5,578 -3,741 0,737 7,853 -2,625 -1,378 7,940 10,462 6,100 -9,016 -12,450 -16,653 -16,928 2,825 2,710 1,028 9,913 5,435 4,666 0,188 0,275 10,116 -18,609 20,753
21
33,973 71,674 36,144 0,046 50,459 1,115 31,113 13,994 0,543 61,664 6,893 1,900 63,051 109,462 37,208 81,282 154,997 277,323 286,551 7,981 7,342 1,057 98,264 29,537 21,768 0,035 0,076 102,335 346,300 430,707
22
8680,028 5353,361 7773,361 3990,028 2826,694 3383,361 1863,361 1100,028 2320,028 6916,694 4646,694 173,361 536,694 66,694 793,361 46,694 2686,694 720,028 4466,694 140,028 2193,361 1356,694 5160,028 7540,028 283,361 1013,361 8433,361 9376,694 3230,028 5903,361
205,5785 388,8038 0,1975 2,3926 30,0000 30,0000 10,4280
3590,936 1,064
2364,793 102974,167
Rezolvarea modelului s-a realizat cu ajutorul pachetului de programe EViews, conducnd la afiarea urmtoarelor rezultate:
Dependent Variable: yi Method: Least Squares Sample: 1 30 Included observations: 30 Semnif. Semnif. Semnif. Variable Coefficient Std. Error t-Statistic Prob. ind. ind. ind. C
xi
9,2903 0,6378 0,9466
a
b
5,2314 0,0286
sa
1,7759 22,2872
ta
0,0866 p(a)
sb
tb
y sy
AIC SC Fc p(F)
0,0000 p b
()
R-squared
R2
Adjusted RRc2 0,9447 squared S.E. of su 9,1830 regression Sum (y y ) squared 2361,1530 = u resid Log L -108,0538 likelihood Durbind 1,7023 Watson stat
i i 2 i
Mean dependent 119,7333 var S.D. dependent 39,0613 var Akaike info 7,3369 criterion
=
Schwarz criterion 7,4303 F-statistic Prob(F-statistic)

496,7183 0,0000
Semnificaia indicatorilor necunoscui pe care-i calculeaz pachetul de programe EViews este urmtoarea: p (a ), p (b ) = probabilitatea asociat parametrului , respectiv b . O valoare ct mai apropiat de zero a acestei probabiliti va indica o semnificaie ridicat a parametrului respectiv, n caz contrar, aceasta confirmnd, mpreun cu testul t, faptul c parametrul respectiv este nesemnificativ. Rc2 = coeficientul de deteminare corectat sau ajustat. Acesta este utilizat n vederea evidenierii numrului de variabile factoriale cuprinse n
model, precum i a numrului de observaii pe baza crora au fost estimai parametrii modelului. n cazul unui model multifactorial acesta va nregistra valori inferioare coeficientului de deteminaie. Expresia acestui indicator este urmtoarea: n 1 1 R2 Rc2 =1 nk L= logaritmul funciei de verosimilitate (presupunnd c erorile sunt normal distribuite), funcie ce este determinat innd seama de valorile estimate ale parametrilor. Relaia de calcul a acestui indicator, utilizat de ctre pachetul de programe EViews, este urmtoarea:
u2 n 1 + ln(2 ) + ln t L= n 2
unde: u t2 = suma ptratelor erorilor; k = numrul variabilelor exogene; n = numrul de observaii. Acest indicator este utilizat n vederea elaborrii unor teste statistice destinate depistrii variabilelor omise dintr-un model econometric, precum i a unor teste destinate depistrii variabilelor redundante dintr-un model econometric, ca, de exemplu, testul LR sau raportul verosimilitilor (Likelihood Ratio). y = media variabilei dependente sau endogene, avnd urmtoarea relaie de calcul: y=
y
i =1
n s y = abaterea medie ptratic (standard) corespunztoare variabilei dependente, a crei relaie de calcul este urmtoarea: sy =
(y
n i =1
n 1
AIC = criteriul Akaike este utilizat n cazul comparrii a dou sau mai multe modele econometrice. Relaia de calcul a acestuia, utilizat de ctre pachetul de programe EViews, este urmtoarea: 2 L 2k AIC = + n n Regula de decizie utilizat n cazul aplicrii acestui test este aceea potrivit creia este ales acel model econometric pentru care s-a obinut valoarea cea mai mic corespunztoare acestui indicator. SC = criteriul Schwartz este, de asemenea, utilizat pentru a compara dou sau mai multe modele econometrice. Relaia de calcul a acestuia, utilizat de ctre pachetul de programe EViews, este urmtoarea: 2 L k ln n SC = + n n i n acest caz, este ales acel model econometric pentru care s-a obinut valoarea cea mai mic corespunztoare acestui indicator. p(F) = probabilitatea asociat statisticii F. O valoare ct mai apropiat de zero a acestei probabiliti va indica o semnificaie ridicat a rezultatelor estimrii, respectiv a modelului. Pe baza estimatorilor parametrilor au fost calculate valorile estimate ale variabilei y, y i = 9,2903 + 0,6378 xi i ale variabilei reziduale,
u i = y i y i . Valorile acestora sunt prezentate n cadrul tabelului 2.2.3 (utiliznd pachetul de programe EViews):
Tabelul 2.2.3
Actual Fitted
yi
55 65 70 80 79 84 98 95 90 75
yi
60,3131 73,0688 63,5020 79,4466 85,8245 82,6355 92,2023 98,5801 89,0134 66,6909
Residual u i = y i yi
Residual Plot (graficul reziduurilor)
-5,3131 -8,0688 6,4980 0,5534 -6,8245 1,3645 5,7977 -3,5801 0,9866 8,3091
| | | | | | | | | |
.* | . * | . . | *. . * . .* | . . |* . . | *. . *| . . |* . . | *
| | | | | | | | | |
Actual
Fitted
yi
74 110 113 125 108 115 140 120 145 130 152 144 175 180 135 140 178 191 137 189
yi
76,2577 111,3358 104,9580 114,5248 101,7691 124,0915 152,7918 136,8472 162,3586 127,2805 149,6029 143,2251 165,5475 175,1143 130,4694 140,0361 178,3032 181,4921 155,9808 168,7364
Residual u i = y i yi
-2,2577 -1,3358 8,0420 10,4752 6,2309 -9,0915 -12,7918 -16,8472 -17,3586 2,7195 2,3971 0,7749 9,4525 4,8857 4,5306 -0,0361 -0,3032 9,5079 -18,9808 20,2636
| . | . | . | . | . | * | * . | * . | * . | . | . | . | . | . | . | . | . | . |* . | .
*| . | *| . | | * | | .* | | *. | | . | | . | | . | | . | |* . | |* . | * . | | .* | | *. | | *. | * . | * . | | .* | | . | | . *|
- dispersia variabilei reziduale

su
2
(y =
yi ) 2361,153 = = 84,3269 n k 1 30 1 1
2 i
unde: k = numrul variabilelor exogene. (vezi tabelul afiat de programul EViews) - abaterea medie ptratic a variabilei reziduale:
yi ) = 84,3269 = 9,183 n k 1 (vezi tabelul afiat de programul EViews)
2
su =
(y
- abaterile medii ptratice ale celor doi estimatori:

x2 2 1 = 5,2314 sa = su + 2 n ( xi x )
sb =
2 su = 0,0286 2 (xi x )
(vezi tabelul afiat de programul EViews) - raportul de corelaie:

( y y )
i i i =1 30 30
R = R2 = 1
(y y )
i i =1
= 1
( y y )
i i i =1 s2 y
30
(n 1)
= 1
2361,153 = 0,9466 = 0,973 39,06132 29
(vezi tabelul afiat de programul EViews) - variabila Durbin-Watson, d: d= (u

i =2 30 i
u i 1 )
2 i
u
i =1
30
= 1,70
(vezi tabelul afiat de programul EViews) Astfel modelul estimat devine: yi = 9,2903 + 0,6378 xi ; R = 0,973 d = 1,70 su = 9,183
(5,2314) (0,0286)
b) Verificarea ipotezelor de fundamentare a metodei celor mai mici ptrate (M.C.M.M.P) i a verosimilitii modelului. b1) Prima ipotez, referitoare la calitatea datelor nregistrate se consider rezolvat n etapa de prelucrare a datelor observate statistic.
$ b2) Ipoteza de homoscedasticitate, M ( ui ) = 0, 2i = ct , ( )i = 1, n va $ u
fi verificat cu ajutorul urmtoarelor metode i teste: b2.1) Procedeul grafic - care const n construirea corelogramei privind valorile variabilei factoriale x i ale variabilei reziduale u (vezi Figura 2.2.2).
u
20 15 10 5 0 -5 -10 -15 -20
x
70 90 110 130 150 170 190 210 230 250 270
Figura 2.2.2
Deoarece graficul punctelor empirice prezint o distribuie oscilant, se poate accepta ipoteza c cele dou variabile sunt independente i nu corelate. b2.2) Metoda analizei dispersionale (variaiei) Cele dou restricii corespunztoare ipotezei, menionate anterior, se realizeaz dac variabila rezidual u i variabila explicativ x sunt independente. Pe aceast premis se fundamenteaz utilizarea metodei analizei variaiei la acceptarea sau respingerea ipotezei de homoscedasticitate.
Metoda analizei variaiei pornete de la relaia:

( yi y)2 = [( yi y) + ( yi yi )]2 = ( yi y)2 + ( yi yi )2 + 2( yi y)( yi yi )
i =1 i =1 i =1 i =1 i =1 n n n n n
Deoarece V = V + V , adic variaia total a variabilei y

2 0 2 x 2 u n 2 2 V0 = ( y i y ) este egal cu variaia lui y generat de influena i =1 n 2 variabilei x Vx2 = ( yi y ) la care se adaug variaia lui y provocat de i =1
factori
n
aleatori
n 2 2 Vu = ( yi yi ) , i =1
rezult
termenul
2 ( yi y )( yi yi ) = 0 .
i =1
tiind c: ui = yi yi yi = a + bxi y = a + bx relaia de mai sus devine: 2 ( yi y )( yi yi ) = 2 (a + bxi a bx )ui = 2b ( xi x )ui

i =1 n n n i =1 i =1
= 2nb cov( x, u )
n i =1
n = n
Deci termenul 2 ( yi y )( yi yi ) = 0 numai dac cele dou variabile x i u sunt independente, respectiv cov( u, x) = 0, b 0 . Pe baza calculelor efectuate (vezi tabelul 2.2.2., coloanele 3, 5, 6), deoarece xi x ui = 0 , se deduce c cele dou variabile x i u sunt independente, deci ipoteza de homoscedasticitate este verificat.
b2.3) Estimarea unei matrici a covarianelor corspunztoare estimatorilor parametrilor modelului2 adecvat aplicrii M.C.M.M.P. n cazul unui model coninnd erori heteroscedastice Heteroscedasticitatea erorilor implic faptul c dispersiile corespunztoare erorilor nu mai sunt egale, ci diferite, caz n care estimatorii parametrilor modelului rmn nedeplasai, dar nu mai sunt eficace. Astfel, aplicarea M.C.M.M.P. va conduce la o subestimare a parametrilor modelului, influennd sensibil i calitatea diferitelor teste statistice aplicate modelului. n cazul unui model multifactorial, vectorul estimatorilor parametrilor modelului se calculeaz, matriceal, cu ajutorul relaiei: 1 B = ( X X ) ( X Y ) . Matricea varianelor i covarianelor corespunztoare
1 2 acestuia este de forma: V (B ) = u ( X X ) 3. Acest mod de calcul al
matricei varianelor i covarianelor este valabil doar n cazul n care aplicarea M.C.M.M.P. conduce la obinerea de estimatori eficieni, convergeni i nedeplasai, deci ipotezele corespunztoare acestei metode au fost verificate n prealabil. n cazul unor erori heteroscedastice, a cror form este, n general, necunoscut, este posibil, ca prin aplicarea metodei regresiei ponderate n vederea eliminrii heteroscedasticitii erorilor, s nu se obin estimatori consisteni. White a artat c este posibil s se calculeze un estimator adecvat al matricii covarianelor corespunztoare estimatorilor parametrilor modelului, chiar dac exist o relaie de dependen ntre erorile heteroscedatice i variaibilele exogene incluse n model, pe care a denumit-o matricea covarianelor estimatorilor consisteni heteroscedastici (HCCME), de forma:
VW (B ) =
n n ( X X )1 u i2 xi xi ( X X )1 nk i =1
2 3
Vezi Wiliam H. Greene, Econometric Analysis, 2nd ed., Macmillan, New York, 1993, p. 384-392. vezi demonstraie op. cit., p. 182.
unde: n = numrul de observaii; k = numrul regresorilor; ui= variabila rezidual. Prin aplicarea acestei matrici, estimaiile punctuale ale parametrilor nu vor suferi modificri, ci doar abaterile standard corespunztoare parametrilor. Utilizarea acestei matrici va permite observarea mai rapid a prezenei fenomenului de heteroscedasticitate a erorilor. Astfel, abaterile standard vor putea fi mai mari sau mai mici comparativ cu cele obinute n cazul modelului iniial, iar valorile mai mici nregistrate de testul Student, t, vor semnaliza faptul c estimatorii parametrilor sunt nesemnificativi, deci posibila prezen a erorilor heteroscedastice. Utiliznd pachetul de programe EViews, n vederea exemplificrii calculrii abaterilor standard i dispersiilor heteroscedastice corectate cu ajutorul metodei lui White au fost obinute urmtoarele rezultate:
Dependent Variable: yi Method: Least Squares Sample: 1 30 Included observations: 30 White Heteroskedasticity-Consistent Standard Errors & Covariance Variable C xi R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 9,2903 0,6378 0,9466 0,9447 9,1830 2361,1530 -108,0538 1,7023 Std, Error 4,4378 0,0298 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) t-Statistic 2,0934 21,3818 Prob. 0,0455 0,0000 119,7333 39,0613 7,3369 7,4303 496,7183 0,0000
Comparnd rezultatele estimrii obinute n ambele cazuri, se constat c abaterea standard corespunztoare termenului liber, utiliznd matricea covarianelor estimatorilor consisteni heteroscedastici, este mai mic dect cea obinut n cazul modelului iniial, estimatorul acestui parametru fiind semnificativ n aceast situaie, comparativ cu modelul iniial, n care era nesemnificativ.
b2.3) Testul Goldfeld-Quandt4 Acest test se poate aplica atunci cnd se dispune de serii lungi de date i cnd una dintre variabile reprezint cauza heteroscedasticitii (ntre dispersia variabilei reziduale heteroscedastic i variabila exogen exist o relaie de dependen pozitiv), i presupune parcurgerea urmtoarelor etape: - ordonarea cresctoare a observaiilor n funcie de variabila exogen x; - eliminarea a c observaii centrale, c fiind specificat a priori. n privina numrului de observaii omise, c, au fost emise diverse opinii. n cazul unui model unifactorial, Goldfeld i Quandt, n urma efecturii experimentelor Monte-Carlo, au propus ca c s fie aproximativ egal cu 8 n cazul n care mrimea eantionului este de aproximativ 30 de observaii i 16, dac eantionul cuprinde 60 de observaii. Judge i colaboratorii si menioneaz faptul c, n cazul n care c=4 pentru n=30 i c=10 pentru n60, se obin rezultate mai bune. n general, se consider c c trebuie s reprezinte o treime sau un sfert din numrul total de observaii. - efectuarea de regresii aplicnd M.C.M.M.P. asupra celor dou subeantioane de dimensiune (n-c)/2 i calcularea sumei ptratelor erorilor pentru fiecare subeantion n parte; - calcularea raportului dintre sumele ptratelor erorilor sau dispersiilor acestora, corespunztoare celor dou subeantioane (suma ptratelor erorilor avnd valoarea cea mai mare fiind plasat la numrtor): F* =
2 su1 2 su 2
(n c ) (k + 1) u12 / 2 = i =1 n (n c ) ) u22 / 2 (k + 1) ( n c +1 i=
(n c ) / 2
unde: k = numrul variabilelor exogene. Presupunnd c erorile sunt normal distribuite, atunci raportul F* (n c ) (k + 1) grade de libertate. urmeaz o distribuie F cu v1 = v2 = 2
4
cf. Damodar N. Gujarati, Basic Econometrics, 3rd ed., Mc Graw-Hill, New York, 1995, p. 374-375.
dac
F* > F
( nc ) ( nc ) ( k +1) ; ( k +1) 2 2
atunci
ipoteza
de
homoscedasticitate este infirmat, deci erorile sunt heteroscedastice; - dac F < F (nc) ( nc ) ipoteza de homoscedasticitate ( k +1) ; ( k +1) ;
* 2 2
este acceptat. Pentru a aplica acest test au fost ordonate cresctor valorile variabilei exogene x i, corespunztor acestora, i cele ale variabilei dependente y (vezi tabelul 2.2.2 coloanele 7, 8) i au fost eliminate 4 observaii situate n centrul eantionului (vezi observaiile din coloana 8, corespunztoare variabilei x, evideniate prin caractere aldine), rezultnd dou subeantioane a cte 13 observaii fiecare. n urma aplicrii programului EViews, rezultatele estimrii, corespunztoare celor dou subeantioane, au fost urmtoarele:
y1i = 3,4904 + 0,6968 xi ;
R 2 = 0,8887
(8,7049) (0,0744)
2 1i
= 377,17
v1 = 11
y2i = 28,0272 + 0,7941 xi ; R 2 = 0,7681
(30,6421) (0,1319)
2 2i 2 1i
2 2i
= 1536,8
v2 = 11
F
*
u = u
v2 v1
1536,8 11 = 4,07 377,17 11
Analiznd rezultatele obinute se constat c, pentru un prag de semnificaie = 0,05, F * = 4,07 > F0,05;11;11 = 2,82 , deci erorile sunt heteroscedastice, n timp ce, pentru un prag de semnificaie = 0,01,
F * = 4,07 < F0,01;11;11 = 4,46
putem
considera
ipoteza
de
homoscedasticitate se verific.
b2.4) Testul Park5 Testul propus de Park se bazeaz pe existena unei relaii de dependen ntre dispersia corespunztoare erorilor heteroscedastice i
2 variabila exogen x de forma: ui = 2 xib e i . Acest model neliniar poate fi
transformat ntr-un model liniar prin logaritmare:

2 ln ui = ln 2 + b ln xi + i
unde: i = variabila rezidual, ce verific ipotezele corespunztoare M.C.M.M.P. Ca urmare a faptului c valoarea dispersiei erorilor heteroscedastice este necunoscut, aceasta a fost nlocuit cu ptratul erorilor, u i2 n cadrul modelului liniarizat prin logaritmare: ln u i2 = ln 2 + b ln xi + i = + b ln xi + i n situaia n care parametrul b corespunztor variabilei exogene este nesemnificativ ipoteza de homoscedasticitate a erorilor este verificat, cazul contrar indicnd existena heteroscedasticitii. n vederea verificrii existenei heteroscedasticitii erorilor vom logaritma ptratul erorilor calculate n cazul modelului iniial pe care le vom regresa n funcie de valorile logaritmate ale variabilei exogene xi (vezi tabelul 2.2.2 coloanele 9 i 10). n urma aplicrii programului EViews au fost obinute urmtoarele rezultate: ln u i2 = 1,014 + 0,3359 ln xi ; R 2 = 0,002
(7,2749) (1,4252)
Pentru a verifica semnificaia estimatorului parametrului corespunztor variabilei exogene a fost utilizat testul Student, t, respectiv: b 0,3359 t b = = = 0,2357 < t 0, 05; 28 = 2,048 , care indic faptul c sb 1,4252 estimatorul parametrului b este nesemnificativ, deci erorile sunt homoscedastice.
cf. op. cit., p. 369-370.
b2.5) Testul Glejser6 Acest test se bazeaz pe bazeaz pe relaia dintre erorile estimate n urma aplicrii MC.M.M.P. asupra modelului iniial i variabila explicativ presupus a fi cauza heteroscedasticitii. Testul Glejser prezint o serie de puncte comune cu testul precedent, respectiv, dup calcularea erorilor n urma aplicrii MC.M.M.P., valoarea absolut a acestora este regresat n funcie de valorile variabilei exogene utilizndu-se n acest scop urmtoarele forme de exprimare corespunztoare celor dou variabile: I. u i = a + bxi + i
2 n aceast situaie heteroscedasticitatea este de tipul: ui = 2 xi2 , caz
n care va fi aplicat regresia ponderat asupra datelor iniiale, care vor fi mprite la xi , rezultnd astfel un model de forma: II. u i = a + b xi + i
2 n aceast situaie heteroscedasticitatea este de tipul: ui = 2 xi , caz
u yi a1 = + b1 + i xi xi xi
n care va fi aplicat regresia ponderat asupra datelor iniiale, care vor fi mprite la xi , rezultnd astfel un model de forma:
yi xi
a1 xi
+ b1 xi +
ui xi
III. u i = a + b
1 + i xi 1 xi
2 n aceast situaie heteroscedasticitatea este de tipul: ui = 2 xi2 .
IV. u i = a + b
+ i
V. u i = a + bxi + i
VI. u i = a + bxi2 + i
cf. op. cit., p. 371-372.
Verificarea homoscedasticitii erorilor presupune, ca i n cazul testului precedent, verificarea semnificaiei parametrului corespunztor variabilei exogene. Aplicarea acestui test conduce la rezultate semnificative n cazul unor eantioane de dimensiuni mari, iar n cazul celor de dimensiuni mici este pur teoretic, aa cum menioneaz nsui autorul. De menionat faptul c ultimele dou modele nu pot fi estimate cu ajutorul M.C.M.M.P. Rezultatele estimrii primelor patru modele, calculate cu ajutorul pachetului de programe EViews (vezi date n tabelul 2.2.2.- coloanele 11, 12, 13 i 14) sunt urmtoarele:
u i = 0,6343 + 0,0085 xi ; R 2 = 0,0787 t= t=
(0,6335) (1,5467 )
(0,3929) (1,5516)
u i = 0,7273 + 0,2182 xi ; R 2 = 0,0792
u i = 3,3517 189,9522 t=
(3,7148) (1,4836) (2,6961) (1,5181)
1 ; R 2 = 0,0729 xi 1 xi ; R 2 = 0,0761
u i = 4,7087 32,6958 t=
Aa cum se poate observa, nici unul dintre estimatorii parametrului corespunztor variabilei exogene din cadrul modelelor prezentate mai sus nu este semnificativ pentru un prag de semnificaie de 5%, deci ipoteza de homoscedasticitate este verificat. b2.6) Testul Breusch-Pagan-Godfrey (BPG)7 Acest test are n vedere modelul multifactorial liniar de forma: yi = b0 + b1 x1i + b2 x2i + + bk x ki + ui
cf. op. cit., p. 377-378.
plecnd de la ipoteza potrivit creia dispersia corespunztoare erorilor heteroscedastice este dependent de o serie de variabile factoriale zi. n locul acestor variabile pot fi utilizate cteva sau toate variabilele exogene ce intervin n modelul iniial. Se presupune, de asemenea, c ntre dispersia corespunztoare erorilor heteroscedastice i variabilele factoriale zi exist o relaie de dependen liniar, respectiv:
u2 = 0 + 1 z1i + 2 z 2i + K + m z mi
i
Verificarea homoscedasticitii dispersiei presupune verificarea ipotezei nulitii parametrilor corespunztori variabilelor factoriale, caz n
2 care ui = 0 = ct.
Aplicarea acestui test const n: - calculul valorilor variabilei reziduale prin aplicarea M.C.M.M.P. asupra modelului iniial; - calculul estimatorului de maxim verosimilitate corespunztor dispersiei variabilei reziduale homoscedastice: u2 =
i
u i2 n
- construirea unei variabile de forma: i =
u i2 i regresarea acesteia u2i
n funcie de variabilele factoriale zi, ce pot fi nlocuite cu variabilele exogene xi din modelul original, respectiv: i = 0 + 1 x1i + 2 x 2i + K + m x mi + i unde: i = variabila rezidual. - calculul sumei ptratelor explicat de model, notat cu SSR, i SSR . calculul unei variabile H de forma: H = 2 Presupunnd c erorile sunt normal distribuite, i c ne aflm n situaia unui eantion de volum mare, variabila H este asimptotic distribuit
2 sub forma unui ;v , pentru care numrul gradelor de libertate este egal cu: 2 v = m 1 , unde m = numrul parametrilor modelului, respectiv: H~ ;v .

2 Dac H > ;v , erorile sunt heteroscedastice, n caz contrar, sunt
homoscedastice. Rezultatele estimrii modelului iniial sunt urmtoarele: yi = 9,2903 + 0,6378 xi ; R = 0,973
(5,2314) (0,0286)
d = 1,70 su = 9,183
Valoarea calculat a estimatorului de maxim verosimilitate corespunztor dispersiei variabilei reziduale homoscedastice este:
2361,53 = 78,7051 n 30 In urma calculrii variabilei i (vezi tabelul 2.2.2, coloana 15) i a regresrii acesteia n funcie de variabila exogen xi au fost obinute urmtoarele rezultate: = 0,7426 + 0,0101 x ; R 2 = 0,18 u2 =
i
2 i
(0,7529) (0,0041)
Valoarea calculat a variabilei H este:

2 SSR i 10,428 = = = 5,214 H= 2 2 2 Comparnd valoarea calculat a variabilei H cu valoarea teoretic a lui hi-ptrat n funcie de un prag de semnificaie de = 0,05 i respectiv
= 0,01 i de numrul gradelor de libertate v = m 1 = 1 , se constat c

2 H = 5,214 > 0,05;1 = 3,8414
pentru
= 0,05 ,
deci
erorile
sunt
2 heteroscdastice, dar, pentru = 0,01 , H = 5,214 < 0,01;1 = 6,6349 , ceea ce
nseamn c ipoteza de homoscedasticitate a erorilor poate fi acceptat. Se constat astfel c am ajuns la aceeai concluzie ca i n cazul testului Goldfeld-Quandt. Trebuie s inem ns seama de faptul c testul BPG este un test asimptotic, valabil n cazul unui eantion de volum mare, iar n cazul de fa, respectiv 30 de observaii, acesta nu poate reprezenta un eantion de volum mare.
b2.7) Testul White8 Aplicarea testului White presupune parcurgerea urmtoarelor etape: - estimarea parametrilor modelului iniial i calculul valorilor estimate ale variabilei reziduale, u; - construirea unei regresii auxiliare, bazat pe prespunerea existenei unei relaii de dependen ntre ptratul valorilor erorii, variabila exogen inclus n modelul iniial i ptratul valorilor acesteia:
ui2 = 0 + 1 xi + 2 x 2 + i i
i calcularea coeficientului de determinare, R2, corespunztor acestei regresii auxiliare; - verificarea semnificaiei parametrilor modelului nou construit, iar dac unul dintre acetia este nesemnificativ, atunci ipoteza de heteroscedasticitate a erorilor este acceptat. Exist dou variante de aplicare a testului White: - utilizarea testului Fisher Snedecor clasic, bazat pe ipoteza nulitii parametrilor, respectiv:
H0: 0 = 1 = 2 = 0
Dac ipoteza nul, potrivit creia rezultatele estimrii sunt nesemnificative ( Fc < F ;v1 ;v2 ), este acceptat, atunci ipoteza de homoscedasticitate se verific, cazul contrar semnificnd prezena heteroscedasticitii erorilor. - utilizarea testului LM, calculat ca produs ntre numrul de observaii corespunztoare modelului, n, i coeficientul de determinare, R2, corespunztor acestei regresii auxiliare. n general, testul LM este
2 asimptotic distribuit sub forma unui ;v , pentru care numrul gradelor de
libertate este egal cu: v = k , unde k = numrul variabilelor exogene, respectiv:

2 LM = n R 2 ~ ;v
cf. op. cit., p. 379.

2 Dac LM > ;v , erorile sunt heteroscedastice, n caz contrar, sunt
homoscedastice, respectiv ipoteza nulitii parametrilor, 0 = 1 = 2 = 0 , este acceptat. Aplicarea testului White s-a realizat utiliznd pachetul de programe EViews:
White Heteroskedasticity Test: F-statistic Obs*R-squared Test Equation: Dependent Variable: u i2 Method: Least Squares Sample: 1 30 Included observations: 30 Variable C xi Coefficient -12,2962 0,1974 0,0017 0,1777 0,1168 105,8043 302252,70 -180,8355 0,7913 Std. Error 191.7731 2.3688 0.0067 t-Statistic -0,0641 0,0833 0,2535 Prob. 0,9493 0,9342 0,8018 78,7051 112,5823 12,2557 12,3958 2,9173 0,0713 2,9173 5,3309
Fc
Probability Probability
0,0713 0,0696
LM
p(LM )
p (F )
xi2
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Analiznd rezultatele afiate de programul EViews se constat c Fc = 2,9173 < F0,05; 2; 27 = 3,35 i
2 LM = 5,3309 < 0,05; 2 = 5,99147 ,
iar
parametrii modelului sunt nesemnificativi, deci ipoteza de homoscedasticitate se verific n cazul aplicrii acestor teste. Trebuie s inem ns seama de faptul c testul LM este un test asimptotic, valabil n cazul unui eantion de volum mare, iar n cazul de fa, respectiv 30 de observaii, acesta nu poate reprezenta un eantion de volum mare. Deoarece majoritatea testelor prezentate mai sus sunt valabile n cazul n care erorile sunt normal distribuite, n vederea verificrii acestei
ipoteze va fi aplicat testul Jarque-Berra9, care este i el un test asimptotic (valabil n cazul unui eantion de volum mare), ce urmeaz o distribuie hi ptrat cu un numr al gradelor de libertate egal cu 2, avnd urmtoarea form:
S 2 (K 3)2 2 JB = n + ~ ;2 24 6 unde: n = numrul de observaii; S = coeficientul de asimetrie (skewness), ce msoar simetria distribuiei erorilor n jurul mediei acestora, care este egal cu zero, avnd urmtoarea relaie de calcul:
1 n yi y n i =1
3 K = coeficientul de aplatizare calculat de Pearson (kurtosis), ce msoar boltirea distribuiei (ct de ascuit sau de aplatizat este distribuia comparativ cu distribuia normal), avnd urmtoarea relaie de calcul:
1 n yi y n i =1
S=
K=
Testul Jarque-Berra se bazeaz pe ipoteza c distribuia normal are un coeficient de asimetrie egal cu zero, S = 0, i un coeficient de aplatizare egal cu trei, K = 3. Dac probabilitatea p(JB) corespunztoare valorii calculate a testului este suficient de sczut, atunci ipoteza de normalitate a erorilor este respins, n timp ce, n caz contrar, pentru un nivel suficient de ridicat al probabilitii ipoteza de normalitate a erorilor este acceptat, sau dac
2 JB > ; 2 , atunci ipoteza de normalitate a erorilor este respins.
EViews, User Guide,Version 2.0, QMS Quantitative Micro Software, Irvine, California, 1995, p. 140-141.
Utiliznd pachetul de programe EViews n vederea calculrii testului Jarque-Berra (vezi figura 2.2.3.) se constat c
2 JB = 0,6452 < 0,05; 2 = 5,9915 i c p(JB) = 0,7242, respectiv probabilitatea 2 ca testul J-B s nu depeasc valoarea tabelat a lui ; 2 , este suficient de
mare pentru ca ipoteza de normalitate a erorilor s fie acceptat.

10
Series: Residuals Sample 1 30 Observations 30 Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis Jarque-Bera Probability -1.86E-14 0.880779 20.26355 -18.98076 9.023252 -0.359065 2.977931 0.645247 0.724246
0 -20 -15 -10 -5 0 5 10 15 20 25
Figura 2.2.3
Pe baza rezultatelor obinute, pentru un prag de semnificaie de 5%, n cazul aplicrii testelor Breusch-Pagan-Godfrey i Goldfeld-Quandt, vom presupune c fenomenul de heteroscedasticitate exist, acesta afectnd calitatea estimatorilor, respectiv acetia nu mai sunt eficieni (dispersie minim). Eliminarea fenomenului de heteroscedasticitate se poate face cu ajutorul metodei regresiei ponderate. Aceast metod presupune efectuarea urmtoarelor operaii: 1) Ecuaia modelului y i = a1 + b1 x i + ui se mparte la x i , rezultnd modelul
yi a1 u = + b1 + i . xi xi xi
2)
Notnd
cu
u y 1 = v i , i = zi , i = wi , xi xi xi
se
obine
modelul
zi = a1 v i + b1 + wi , ai crui parametrii se vor estima cu ajutorul M.C.M.M.P.

2 F a1 , b1 = min ( zi zi ) = min zi a1vi b1
i =1 i =1
( )
30
30
Condiia de minim a acestei funcii rezult din:

nb1 + a1 vi = zi F (a1 ) = 0 b1 vi + a1 vi2 = zi vi 2 F b1 = 0 nb1 + a1 vi = zi b1 vi + a1 vi = zi vi
()
n urma aplicrii programului EViews, rezultatele estimrii modelului, utiliznd metoda regresiei ponderate, au fost urmtoarele:
Dependent Variable: zi Method: Least Squares Sample: 1 30 Included observations: 30 Variable vi C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 10,2790 0,6319 0,2087 0,1804 0,0521 0,0760 47,1105 1,7064 Std. Error 3,7827 0,0267 t-Statistic 2,7174 23,7034 Prob. 0,0112 0,0000 0,6995 0,0575 -3,0074 -2,9140 7,3840 0,0112
Pe baza calculelor prezentate mai sus rezult modelul:

z i = 10,279 vi + 0,6319; R = 0,4568 d = 1,71 s w = 0,0521
(3,7827 ) (0,0267 )
Calitile acestui model rezult n urma efecturii urmtoarelor operaii: - verificarea ipotezei de homoscedaticitate prin calculul testului White, utiliznd pachetul de programe EViews:
White Heteroskedasticity Test: F-statistic Obs*R-squared 3,3370 5,9458 Probability Probability 0,0507 0,0512
Test Equation: Dependent Variable: wi2 Method: Least Squares Sample: 1 30 Included observations: 30 Variable Coefficient C 0,0084 -2,0525 vi 152,9709 vi2 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0,1982 0,1388 0,0024 0,0002 139,6732 1,4675
Std. Error 0,0039 1,1178 72,8625
t-Statistic Prob. 2,1919 0,0372 -1,8361 0,0774 2,0994 0,0453 0,0025 0,0026 -9,1115 -8,9714 3,3370 0,0507
n urma analizrii rezultatelor afiate de programul EViews se

2 constat c Fc = 3,337 < F0, 05; 2; 27 = 3,35 i LM = 5,9458 < 0,05; 2 = 5,99147 ,
iar parametrii modelului sunt nesemnificativi, deci ipoteza de homoscedasticitate se verific n cazul aplicrii acestor teste. - verificarea ipotezei de independen a valorilor variabilei reziduale, w, prin calculul variabilei Durbin-Watson: d= (w
i =2
30
wi 1 )
2 i
w
i =1
30
= 1,71
Pentru un prag de semnificaie = 0,05 , din tabela distribuiei Durbin-Watson se d1 = 1,35, d 2 = 1,49 . citesc valorile (pentru cazul
n = 30 )
Deoarece d 2 = 1,49 < d = 1,71 < 4 d 2 = 2,51 , se poate accepta ipoteza de independen a valorilor variabilei reziduale. - verificarea ipotezei de normalitate a erorilor Utiliznd pachetul de programe EViews n vederea calculrii testului
2 Jarque-Berra (vezi figura 2.2.4.) se constat c JB = 1,3427 < 0,05; 2 = 5,9915
i c p(JB) = 0,511, respectiv probabilitatea ca testul J-B s nu depeasc

2 valoarea tabelat a lui ; 2 , este suficient de mare pentru ca ipoteza de
normalitate a erorilor s fie acceptat.

12 10 8 6 4 2 0 -0.10 -0.05 0.00 0.05 0.10
Series: Residuals Sample 1 30 Observations 30 Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis Jarque-Bera Probability -1.30E-16 0.005397 0.087252 -0.084660 0.051183 -0.181266 2.029036 1.342749 0.511006
Figura 2.2.4
- verificarea semnificaiei estimatorilor parametrilor modelului Estimatorii parametrilor modelului sunt semnificativ diferii de zero, cu un prag de semnificaie = 0,05 , dac se verific urmtoarele relaii: t a1 = t b =
1
a1 s a1 b1 sb
1
> t ;n k 1 t a1 = 2,7174 > t 0, 05; 28 = 2,048 > t ;n k 1 t b = 23,7034 > t 0,05; 28 = 2,048
1
unde: k = numrul variabilelor explicative. n urma efecturii calculelor de mai sus se constat faptul c ambii $ $ estimatori, a i b , sunt semnificativ diferii de zero, cu un prag de
1 1
semnificaie = 0,05 . - verificarea semnificaiei raportului de corelaie
R z / v = R 2 = 0,2087 = 0,4568 Verificarea semnificaiei raportului de corelaie se realizeaz cu ajutorul testului Fisher-Snedecor: R2 Fc = ( n 2) F ;k ;n k 1 1 R2 F0, 05;1; 28 = 4,20 Fc = 7,384 > F0,05;1; 28 = 4,20 Deci raportul de corelaie este semnificativ diferit de zero, cu un prag de semnificaie = 0,05 . n final, modelul estimat prin metoda regresiei ponderate se transform n modelul iniial prin nmulirea fiecrui termen cu xi: y 1 z i = 10,279vi + 0,6319 i = 10,279 + 0,6319 y i = 10,279 + 0,6319xi xi xi i n cazul acestui model vom repeta o parte din operaiile realizate pentru cel anterior pentru a-i verifica calitile: - calculul abaterilor medii ptratice ale estimatorilor:
2364,7933 = 84,4569 su = 9,19 n k 1 30 2 (vezi tabelul nr. 2.2.2., coloanele 23, 24, 25) s
2 u
(y =
y i )
1 2 2 s a2 = su + n
2 s b =
2
2 = 84,4569 1 + 173,17 = 27,4096 s a2 = 5,2354 2 ( xi x ) 10 102974,1667 x2
(x
s
i
2 u
x)
84,4569 = 0,0008 s b = 0,0286 2 102974,1667
ta 2 = t b =
2
a2 10,279 = = 1,9634 < t0,05; 28 = 2,048 sa 2 5,2354 b2 sb

2
0,6319 = 22,0635 > t 0, 05; 28 = 2,048 0,0286
$ Se constat c doar b2 este semnificativ diferit de zero, cu un prag
$ de semnificaie = 0,05 , n timp ce a 2 este nesemnificativ.

- calculul raportului de corelaie:
( y y ) (y y)
i i i 2
Ry / x = 1
= 1
2364,7933 = 0,9466 = 0,9729 44247,8667
(vezi tabelul nr. 2.2.2, coloana 28)

Fc = 28 0,9466 = 495,911 > F0,05;1; 28 = 4,20 1 0,9466
Deci raportul de corelaie este semnificativ diferit de zero, cu un prag de semnificaie = 0,05. n concluzie, modelul de mai jos este corect specificat, identificat i estimat: y i = 10,279 + 0,6319 xi ; R = 0,973 su = 9,19
(5,2354) (0,0286)
2.1.3 Model liniar unifactorial cu autocorelarea erorilor
Se cunosc urmtoarele date privind consumul final real al gospodriilor populaiei i PIB-ul real n Romnia, n perioada 1990-2003, exprimate n miliarde lei preuri comparabile (1990=100):
Tabelul 2.3.1
Anul Consumul final real al gospodriilor populaiei (mld.lei preuri comparabile) (1990=100) 1 PIB (mld.lei preuri comparabile) (1990=100) 2
1990 557,7 857,9 1991 467,4 746,8 1992 432,1 681 1993 435,9 691,3 1994 447,3 718,2 1995 505,3 769,3 1996 545,7 799,5 1997 525,7 750,7 1998 586,2 714,8 1999 579,8 706,1 2000 582,3 720,7 2001 610,7 761,7 2002 629,1 799,1 2003 673,7 838,3 Not: Ambii indicatori sunt calculai conform metodologiei de calcul a Sistemului European al Conturilor Economiei Integrate - SEC 1979. Consumul final al populaiei a fost deflaionat cu ajutorul deflatorului consumului final al populaiei exprimat n preuri constante (1990 = 100), datele provenind de la Ministerul Prognozei i Dezvoltrii, iar PIB-ul a fost deflaionat cu ajutorul deflatorului PIB exprimat n preuri constante (1990 = 100), obinut n urma prelucrrii datelor din Raportul Anual BNR. Sursa: Date prelucrate pe baza Anuarului Statistic al Romniei 2003, INS, Bucureti, 2004, p. 284, Raportului Anual 2000, BNR, Bucureti, 2001, p. 6*-7*, Raportului Anual 2002 BNR, Bucureti, 2003, p. 4*-5*, Comunicatului de Pres al INS nr.11/26.02.2004.
Se cere: a) S se construiasc modelul econometric ce descrie legtura dintre cele dou variabile i s se interpreteze semnificaia parametrilor modelului; b) S se estimeze parametrii modelului i s se verifice semnificaia acestora;
c) tiind c n anul 2004, valoarea PIB-ului real10 a fost egal cu 907,8 mild lei preuri comparabile (1990=100), s se estimeze valoarea consumului final real al gospodriilor populaiei n anul 2004 i s se verifice capacitatea de prognoz a modelului utilizat. Rezolvare: a) Notnd cu y = consumul final real al gospodriilor populaiei i cu x = PIB-ul real, modelul econometric va fi de forma: y = f ( x) + u . Pentru alegerea funciei matematice f ( x) se recurge la reprezentarea grafic a celor dou iruri de valori.
y 670 650 630 610 590 570 550 530 510 490 470 x 450 430 670 685 700 715 730 745 760 775 790 805 820 835 850
Figura 2.3.1 Legtura dintre consumul final real al gospodriilor populaiei i PIB-ul real al Romniei
10
Valoare estimat pe baza informaiilor furnizate n cadrul Comunicatului de Pres al INS nr. 12/11.03.2005 privind principalii indicatori conjuncturali n anul 2004 i luna ianuarie 2005.
Deoarece graficul punctelor empirice indic faptul c distribuia poate fi aproximat cu o dreapt, modelul econometric devine:
yt = a + bxt + ut ; t = 1,14
Semnificaia economic a celor doi parametrii a i b , innd cont de semnificaia celor dou variabile (y - consumul final real al gospodriilor populaiei i x - PIB-ul real) este: - parametrul a reprezint n acest caz autoconsumul, deoarece pentru x = 0 y = a ; - parametrul b reprezint panta dreptei sau coeficientul de regresie al consumului n funcie de PIB, care msoar creterea consumului dac PIB-ul se modific cu un miliard de lei. b) Estimarea parametrilor modelului econometric de la punctul a) se face cu ajutorul M.C.M.M.P.: 2 F a, b = min ( y t y t ) = min yt a bxt
t =1 t =1
( )
14
14
$ $ $ F ( a ) = 0 na + b x t = y t
$ $ $ F b = 0 a x t + b x t2 = y t x t
()
14 a + 10555 ,4b = 7578 ,9 10555 ,4 a + 7996163 ,14b = 5744734 ,07 (vezi tabelul 2.3.2, coloanele 2, 3, 4, 5).
Tabelul 2.3.2
Nr. Anul crt. 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 1 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003
xt
2 857,9 746,8 681 691,3 718,2 769,3 799,5 750,7 714,8 706,1 720,7 761,7 799,1 838,3
yt
3 557,7 467,4 432,1 435,9 447,3 505,3 545,7 525,7 586,2 579,8 582,3 610,7 629,1 673,7
x t2
4 735992,41 557710,24 463761,00 477895,69 515811,24 591822,49 639200,25 563550,49 510939,04 498577,21 519408,49 580186,89 638560,81 702746,89
xt yt
5 478450,83 349054,32 294260,10 301337,67 321250,86 388727,29 436287,15 394642,99 419015,76 409396,78 419663,61 465170,19 502713,81 564762,71 5744734,07
u t 1
6 -67,6095 -68,1688 -50,3191 -54,8389 -65,1673 -48,4431 -32,4371 -13,0191 76,4790 77,1064 67,8133 63,0957 51,2860 -
u t21
7 4571.0382 4646.9914 2532.0160 3007.3080 4246.7772 2346.7374 1052.1637 169.4958 5849.0429 5945.4012 4598.6481 3981.0719 2630.2565 45576,9481
u t u t 1
8 4608,8583 3430,1977 2759,4477 3573,7049 3156,9084 1571,3535 422,3000 -995,6848 5897,0252 5228,8438 4278,7321 3235,9296 3293,7103 40461,3270
Total
10555,4 7578,9 7996163,14

yt* = yt 0,8878 yt 1
9 -27,7030 17,1616 52,2995 60,3260 108,2056 97,1156 41,2501 119,5053 59,3959 67,5776 93,7582 86,9458 115,2111 891,0494
xt* = xt 0,8878xt 1
10 -14,8081 18,0219 86,7364 104,4925 131,7118 116,5473 40,9370 48,3596 71,5302 93,8537 121,8924 122,8943 128,8921 1071,0611
yt* = yt 0,9016 yt 1
11 -35,4029 10,7085 46,3337 54,3078 102,0299 90,1392 33,7159 112,2472 51,3025 59,5726 85,7186 78,5142 106,5254 795,7127
xt* = xt 0,9016 xt 1
12 -26,6527 7,7112 77,3342 94,9481 121,7959 105,9260 29,8987 37,9951 61,6613 84,1049 111,9420 112,3779 117,8593 936,9018
Utiliznd pachetul de programe EViews n vederea estimrii parametrilor modelului au fost obinute urmtoarele rezultate:
Dependent Variable: yt Method: Least Squares Sample: 1990 2003 Included observations: 14 Variable C xt R-squared Coefficient -67,6561 0,8077 0,3319 Semnif. ind. Std. Error 250,0188 0,3308 Semnif. Semnif. t-Statistic ind. ind. Prob. 0,7913
p(a)
a
b
sa
-0,2706 2,4416
ta
sb
tb
y sy
AIC SC Fc p(F)
0,0311 p b
()
R2
Mean dependent var 541,35 75,6474 11,2983 11,3896 5,9615 0,0311
Adjusted RS.D. dependent var 0,2762 Rc2 squared S.E. of su Akaike info criterion 64,3567 regression Sum squared ( y t y t )2 = Schwarz criterion 49701,46 2 = ut resid Log -77,0883 L F-statistic likelihood DurbinProb(F-statistic) 0,1969 d Watson stat
Semnificaia indicatorilor necunoscui pe care-i calculeaz pachetul de programe EViews a fost prezentat n cadrul aplicaiei 2.1.2. Pe baza estimatorilor parametrilor au fost calculate valorile estimate ale variabilei y, y t = 67,6561 + 0,8077 xt i ale variabilei reziduale,
ut = yt yt . Valorile acestora sunt prezentate n cadrul tabelului 2.3.3
(utiliznd pachetul de programe EViews):

Actual Fitted Residual t = yt yt u Tabelul 2.3.3 Residual Plot (graficul reziduurilor)
yt
557,7 467,4 432,1
yt
625,3095 535,5688 482,4191
-67,6095 -68,1688 -50,3191
| * | *. | .*
| | |
. | . | . |
Actual
Fitted
yt
435,9 447,3 505,3 545,7 525,7 586,2 579,8 582,3 610,7 629,1 673,7
yt
490,7389 512,4673 553,7431 578,1371 538,7191 509,7210 502,6936 514,4867 547,6043 577,8140 609,4776
Residual ut = yt yt
-54,8389 -65,1673 -48,4431 -32,4371 -13,0191 76,4790 77,1064 67,8133 63,0957 51,2860 64,2224
| | | | | | | | | | |
.* | * | .* | . * | . *| . | . | . | . | . | . |
. | . | . | . | . | . *| . *| * | * | *. | * |

s u
2
(y =
yt )
n k 1
49701,4613 = 4141,7884 14 2
unde: k = numrul variabilelor exogene. (vezi tabelul afiat de programul EViews) - abaterea medie ptratic a variabilei reziduale, su :
= 4141,7884 = 64,3567 n k 1 (vezi tabelul afiat de programul EViews) su =
t
(y
yt )
- abaterile medii ptratice ale celor doi estimatori: x2 2 1 sa = su + = 250,0188 2 n ( xt x )

sb =
2 su = 0,3308 2 (xt x )
(vezi tabelul afiat de programul EViews)
- raportul de corelaie:
R = R2 = 1
(y
t =1 14 t =1
14
yt )
( yt y )
= 1
(y
t =1
14
yt )
2 s y (n 1)
R = 1
49701,4613 = 0,3319 = 0,5761 74392,875
(vezi tabelul afiat de programul EViews) - variabila Durbin-Watson, d: d= (u

t =2 14 t
u t 1 )
2 t
u
t =1
14
9784,7173 = 0,20 49701,4613
(vezi tabelul afiat de programul EViews) Astfel modelul estimat devine: y t = 67,6561 + 0,8077 xt ; R = 0,576
(250,0188) (0,3308)
d = 0,20 su = 64,3567
Verificarea semnificaiei modelului necesit: - verificarea ipotezei de independen a erorilor; - verificarea ipotezei de homoscedasticitate a erorilor; - verificarea semnificaiei estimatorilor; - verificarea semnificaiei raportului de corelaie. Verificarea ipotezei de independen a erorilor, care presupune cov( u t , u t 1 ) = 0 , se realizeaz cu ajutorul testului Durbin-Watson, constnd n calcularea variabilei d i compararea sa cu dou valori teoretice, d 1 i d2
(d1 = 1,08; d 2 = 1,36) ,
preluate din tabela distribuiei Durbin-Watson n
funcie de un prag de semnificaie
( = 0,05) ,
de numrul variabilelor
explicative k
( k = 1)
i de numrul observaiilor n
( n 15) . Observaie:
tabela Durbin-Watson este construit pentru un numr de observaii n 15; pentru valori inferioare se va lucra cu valorile calculate pentru n = 15 . adic d1 = 1,08, d 2 = 1,36 . Deoarece valoarea calculat d = 0,2 este cuprins n intervalul
0 < d = 0,2 < d 1 = 1,08 , aceasta indic existena unei autocorelri pozitive.
Din acest motiv, nu mai are sens testarea celorlalte ipoteze, a semnificaiei estimatorilor i a raportului de corelaie, estimatorii nemaifiind eficieni, deci se impune mai nti eliminarea fenomenului de autocorelaie a erorilor. Un alt procedeu de verificare a ipotezei de independen a erorilor const n aplicarea testului Breusch-Godfrey11, acest test fiind utilizat n vederea depistrii unei autocorelaii de ordin superior. Ca urmare a presupunerii existenei unei autocorelaii de ordin superior se construiete urmtorul model: u t = r1u t 1 + r2 u t 2 + K + rp u t p + z t unde: zt = variabil rezidual de medie zero i dispersie constant. Ipoteza nul care st la baza testului este aceea potrivit creia toi coeficienii corespunztori valorilor decalate ale variabilei reziduale sunt simultan egali cu zero, fapt ce implic inexistena fenomenului de autocorelaie a erorilor. n vederea aplicrii testului sunt estimate valorile variabilei reziduale ut n urma aplicrii M.C.M.M.P. asupra modelului iniial. Variabila rezidual ut este apoi regresat n funcie de variabilele exogene iniiale ale modelului i de valorile sale decalate, respectiv ut-1, ut-2,, ut-p. n cazul acestei regresii este calculat valoarea coeficientului de determinare R2 i a unei variabile de forma: BG = (n-p) R2. Presupunnd c ne aflm n situaia unui eantion de volum mare, variabila BG este asimptotic distribuit sub
11
cf. Damodar N. Gujarati, Basic Econometrics, 3rd ed., Mc Graw-Hill, New York, 1995, p. 425

2 forma unui ;v , pentru care numrul gradelor de libertate este egal cu: 2 v = p , unde p = mrimea decalajului , respectiv: BG~ ;v . 2 Dac BG > ;v , ipoteza nul este respins, ceea ce presupune c
exist cel puin un coeficient de autocorelaie nenul. Aplicarea testului Breusch-Godfrey s-a realizat utiliznd pachetul de programe EViews (presupunnd ca mrimea decalajului este p = 2):
Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared Test Equation: Dependent Variable: ut Method: Least Squares Variable C xt ut-1 ut-2 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 166,6378 -0,2158 1,0098 -0,0880 0,7691 0,6998 33,8769 11476,43 -66,8281 1,4994 Std. Error 146,9445 0,1935 0,2999 0,3298 t-Statistic 1,1340 -1,1154 3,3669 -0,2667 Prob. 0,2832 0,2908 0,0072 0,7951 -3,45E-14 61,8319 10,1183 10,3009 11,1025 0,0016 16,6537 10,7673 Probability Probability 0,0007 0,0046
n cazul utilizrii pachetului de programe EViews exist dou variante de aplicare a testului Breusch-Godfrey: - utilizarea testului FisherSnedecor aplicat n vederea verificrii existenei unor variabile absente (omise) n model, avnd urmtoarea relaie de calcul: R2 p Fc = (1 R 2 ) (n m)
unde: p = numrul de variabile noi adugate n model, respectiv ut-1, ut-2,, ut-p; m = numrul total de parametri corespunztori noului model. Dac Fc < F ;v1 ;v2 , unde v1 = p i v2 = n-m, ipoteza conform creia estimatorii corespunztori noilor parametri adugai n model sunt nuli este verificat, respectiv, n cazul nostru, fenomenul de autocorelare a erorilor nu este prezent, cazul contrar implicnd existena cel puin a unei autocorelaii de ordinul nti. Cum Fc = 16,6537 > F0,05; 2;10 = 4,10 , rezult c noul model este incorect specificat, indicnd astfel prezena unei autocorelaii de ordinul nti. - utilizarea testului LM, calculat ca produs ntre numrul de observaii corespunztoare modelului, n, i coeficientul de determinare, R2, corespunztor acestei regresii auxiliare. n general, testul LM este
2 asimptotic distribuit sub forma unui ;v , pentru care numrul gradelor de
libertate este egal cu: v = p , unde p = mrimea decalajului, respectiv:

2 LM = n R 2 ~ ;v 2 Dac LM > ;v , erorile sunt autocorelate, n caz contrar, sunt
independente, respectiv ipoteza nulitii parametrilor, r1 = r2 = 0 , este acceptat. Se constat astfel c pachetul de programe nu utilizeaz relaia clasic de calcul a testului Breusch-Godfrey, respectiv: BG = (n-p)R2.
2 Deoarece LM = 10,7673 > 0,05; 2 = 5,99147 , aceasta implic existena
a cel puin unei autocorelaii de ordinul nti, ce poate fi remarcat i pe baza semnificaiei parametrului corespunztor valorii decalate cu o perioad a variabilei reziduale. n cazul calculrii n varianta clasic a testului Breusch-Godfrey,
2 respectiv: BG = 12 0,7691 = 9,2291 > 0,05; 2 = 5,99147 , se ajunge la aceleai
concluzii menionate anterior. Eliminarea fenomenului de autocorelare a erorilor presupune efectuarea urmtoarelor operaii: - erorile fiind corelate, adic: u t = r(1) u t 1 + z t (1)
se va estima valoarea coeficientului de autocorelaie de ordinul 1: r(1) = u u

t =2 14 t 14 t 1
u
t =2
2 t 1
40461,327 = 0,89 45576,9481
(vezi tabelul 2.3.2., coloanele 6, 7, 8) - tiind c: y t = a + bx t + u t u t = y t a bx t y t 1 = a + bx t 1 + u t 1 u t 1 = y t 1 a bx t 1 expresiile obinute pentru u t i u t 1 vor fi nlocuite n relaia (1) i se obine: y t a bx t = r(1) ( y t 1 a bx t 1 ) + z t y t r(1) y t 1 = a 1 r(1) + b x t r(1) x t 1 + z t Notnd cu: y t* = y t r(1) y t 1 x t* = x t r(1) x t 1 a 1 = a 1 r(1) b1 = b se obine:
y t* = a1 + b1 xt* + z t y t* = a1 + b1 xt*
) (
(2)
$ $ n vederea estimrii parametrilor a1 i b1 se aplic M.C.M.M.P.:
F a1 , b1 = min yt* a1 b1 xt*

t =2
14
$ $ F ( a 1 ) = 0 ( n 1) a 1 + b1 x t* = y t* $ $ F (b1 ) = 0 a 1 x t* + b1 x t*
( ) =y x
2
* * t t
n urma aplicrii programului EViews, rezultatele estimrii noului modelului au fost urmtoarele:
Dependent Variable: y t
*
Method: Least Squares Sample: 1991 2003 Included observations: 13 Variable C Coefficient 9,5845 0,7156 0,6324 0,5990 26,6176 7793,4860 -60,0208 1,7216 Std. Error 15,4322 0,1645 t-Statistic 0,6211 4,3505 Prob. 0,5472 0,0012 68,5423 42,0350 9,5417 9,6286 18,9270 0,0012
* t
Ca i n cazul modelului iniial se vor calcula valorile estimate ale variabilei y t* , y t* = 9 ,5845 + 0 , 7156 x t* i ale variabilei reziduale, z t = y t* yt* . Valorile acestora sunt prezentate n cadrul tabelului 2.3.4 (utiliznd pachetul de programe EViews):
Tabelul 2.3.4
Actual Fitted Residual
* t
* t
z t = y t* y t* -26,6909 -5,3194 -19,3535 -24,0332 4,3682 4,1299 2,3711 75,3147 -1,3755 -9,1686 -3,0525 -10,5818 13,3914
-27,7030 17,1616 52,2995 60,3260 108,2056 97,1156 41,2501 119,5053 59,3959 67,5776 93,7582 86,9458 115,2111
-1,0121 22,4810 71,6530 84,3593 103,8374 92,9857 38,8790 44,1907 60,7715 76,7461 96,8106 97,5276 101,8196
| | | | | | | | | | | | |
* | . . *| . .* | . * | . . |* . . |* . . * . . | . . * . . *| . . *| . .*| . . |*.
| | | | | | | *| | | | | |
Pe baza calculelor prezentate mai sus rezult modelul: yt* = 9,5845 + 0,7156 xt* ; R = 0,795
(15,4322) (0,1645)
d = 1,72 s z = 26,6176
(3)
Utiliznd testul Durbin-Watson pentru a verifica dac fenomenul de autocorelaie a fost eliminat - pentru un prag de semnificaie = 0,05, k = 1, n = 13 15 , valorile teoretice ale variabilei Durbin-Watson sunt d 1 = 1,08, d 2 = 1,36 . n comparaie cu acestea, valoarea empiric d = 1,72 se situeaz astfel: d 2 = 1,36 < d = 1,72 < 4 d 2 = 2,64 , ceea ce indic fenomenul de independen a erorilor, deci fenomenul de autocorelaie a fost eliminat. Verificarea ipotezei de homoscedasticitate a erorilor n cazul acestui model se va realiza cu ajutorul testului White (vezi aplicaia 2.1.2). Utiliznd programul EViews au fost obinute urmtoarele rezultate:
White Heteroskedasticity Test: F-statistic Obs*R-squared Test Equation: Dependent Variable: z t2 Method: Least Squares Sample: 1991 2003 Included observations: 13 Variable C Coefficient 927,8680 18,3437 -0,2090 0,1418 -0,0299 1564,9870 24491851 -112,3641 2,7426 Std. Error 1016,2720 32,0687 0,2342 t-Statistic 0,9130 0,5720 -0,8925 Prob. 0,3827 0,5799 0,3931 599,4989 1542,118 17,7483 17,8787 0,8259 0,4656 0,8259 1,8430 Probability Probability 0,4656 0,3979
* t 2
xt*
Analiznd rezultatele afiate de programul EViews se constat c Fc = 0,8259 < F0,05; 2;10 = 4,10 i
2 LM = 1,843 < 0,05; 2 = 5,99147 ,
iar
estimatorii parametrilor modelului sunt nesemnificativi pentru un prag de semnificaie = 0,05 ( t0,05;10 = 2,228 ), deci ipoteza de homoscedasticitate se verific. Estimatorii modelului sunt semnificativ diferii de zero dac: a1 t a1 = t ;(n 1) k 1 s a1 t a1 = t b =
1
9,5845 = 0,6211 15,4322 b1 sb

1
t ;(n 1) k 1
t b =
1
0,7156 = 4,3505 0,1645
Lucrnd cu un prag de semnificaie
( = 0,05) ,
din tabela
distribuiei Student se preia valoarea t 0,05;11 = 2,201 . Comparnd aceast valoare cu valorile calculate pentru cei doi estimatori, se constat c: $ - t a1 = 0,6211 < t0, 05;11 = 2,201 parametrul a 1 nu este semnificativ diferit de zero;
$ - t b = 4,3505 > t 0,05;11 = 2,201 parametrul b1 este semnificativ
1
diferit de zero. Raportul de corelaie este semnificativ diferit de zero dac se verific inegalitatea: Fc F ;v1 ;v2 , unde valoarea empiric a variabilei Fisher-Snedecor este:
Fc = ((n 1) 2) R2 0,3319 = 11 = 5,9615 2 1 0,3319 1 R
Din tabela distribuiei Fisher-Snedecor, cu un prag de semnificaie de 5% i n funcie de numrul gradelor de libertate v1 = k = 1 i v 2 = (n 1) k 1 = 11 se preia valoarea teoretic F0,05;1;11 = 4,84 . Se
constat c
Fc = 5,9615 > F0, 05;1;11 = 4,84 , deci pentru un prag de
semnificaie de 5%, valoarea raportului de corelaie este semnificativ diferit de zero. n concluzie, modelul yt* = 9,5845 + 0,7156 xt* poate fi apreciat ca reprezentativ pentru descrierea dependenei dintre consumul final real al gospodriilor populaiei i PIB-ul real. O alt variant a metodei de eliminare a fenomenului de autocorelare a erorilor prezentate mai sus const n determinarea coeficientului de autocorelaie de ordinul 1 pe baza variabilei Durbin-Watson, d, pentru a facilita utilizarea pachetului de programe EViews n vederea eliminrii autocorelaiei erorilor (utiliznd programul autocorelaie.prg): d 0,20 r(1) = 1 = 1 = 0,90 2 2 Rezultatele estimrii modelului (2), utiliznd pachetul de programe EViews12, sunt urmtoarele:
Dependent Variable: y t Method: Least Squares Sample(adjusted): 1991 2003 Included observations: 13 after adjusting endpoints Variable C Coefficient 10,1602 0,7083 0,6325 0,5990 Std. Error 13,8505 0,1628 t-Statistic 0,7336 4,3506 Prob. 0,4786 0,0012 61,2087 41,9044
x t
R-squared Adjusted R-squared
12
Mean dependent var S.D. dependent var
Pentru a elimina autocorelaia erorilor cu ajutorul pachetului de programe EViews a fost utilizat urmtorul program (conform http://www.cip.dauphine.fr/bourbonnais/eco.html) denumit autocorelatie.prg: 'Estimarea directa a coeficientului de autocorelatie notat cu rau plecand de la statistica DW' Equation eq1.ls y c x genr res = resid scalar rau1=1-@dw/2 genr dy=y-rau1*y(-1) 'Se genereaza qvasi-diferentele.' genr dx=x-rau1*x(-1) equation eqm1.ls dy c dx 'Rgresie denumita eqm1' scalar am1=c(1)/(1-rau1) 'Coef de reg.'
S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
26,5346 7744,9060 -59,9802 1,75
Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
9,5354 9,6223 18,9279 0,0012
Valorile estimate ale variabilei y t* i ale variabilei reziduale, z t = y t* yt* sunt prezentate n cadrul tabelului 2.3.5 (utiliznd pachetul de programe EViews):
Tabelul 2.3.5 Actual Fitted Residual
z t = y t* y t*
* t
* t
-35,2893 10,8036 46,4217 54,3965 102,1210 90,2420 33,8270 112,3543 51,4219 59,6906 85,8372 78,6385 106,6535
-8,5948 15,7300 65,0361 77,5139 96,5348 85,3011 31,4535 37,1813 53,9395 69,8356 89,5554 89,8700 93,7580
-26,6945 -4,9263 -18,6144 -23,1174 5,5862 4,9410 2,3735 75,1730 -2,5176 -10,1449 -3,7182 -11,2314 12,8955
| | | | | | | | | | | | |
* | . . *| . .* | . * | . . |* . . |* . . * . . | . . * . .*| . . *| . .*| . . |*.
| | | | | | | *| | | | | |
Pe baza calculelor prezentate mai sus rezult modelul: y t* = 10,1602 + 0,7083 xt* ; R = 0,795 d = 1,75 s z = 26,5346 Utiliznd testul Durbin-Watson pentru a verifica dac fenomenul de autocorelaie a fost eliminat - pentru un prag de semnificaie = 0,05, k = 1, n = 13 15 valorile teoretice ale variabilei Durbin-Watson
(13,8505) (0,1628)
(4)
sunt d 1 = 1,08, d 2 = 1,36 . n comparaie cu acestea, valoarea empiric d = 1,75 se situeaz astfel: d 2 = 1,36 < d = 1,75 < 4 d 2 = 2,64 , ceea ce indic fenomenul de independen a erorilor, deci fenomenul de autocorelaie a fost eliminat. Verificarea ipotezei de homoscedasticitate a erorilor n cazul acestui model se va realiza cu ajutorul testului White. Utiliznd programul EViews au fost obinute urmtoarele rezultate:
White Heteroskedasticity Test: F-statistic Obs*R-squared Test Equation: Dependent Variable: z t2 Method: Least Squares Sample: 1991 2003 Included observations: 13 Variable C Coefficient 1108,2070 13,6436 -0,2067 0,1424 -0,0291 1557,6090 24261469,0 -112,3026 2,7474 Std. Error 824,2150 26,6751 0,2293 t-Statistic 1,3446 0,5115 -0,9013 Prob. 0,2085 0,6201 0,3886 595,7620 1535,4140 17,7389 17,8692 0,8302 0,4639 0,8302 1,8512 Probability Probability 0,4639 0,3963
xt*
xt
*2
Analiznd rezultatele afiate de programul EViews se constat c

Fc = 0,8302 < F0,05; 2;10 = 4,10
2 LM = 1,8512 < 0,05; 2 = 5,99147 ,
iar
estimatorii parametrilor modelului sunt nesemnificativi pentru un prag de semnificaie = 0,05 ( t0,05;10 = 2,228 ), deci ipoteza de homoscedasticitate se verific.
Pentru a verifica semnificaia estimatorilor parametrilor modelului, lucrnd cu un prag de semnificaie ( = 0,05) , din tabela distribuiei Student se preia valoarea t 0,05;11 = 2,201 . Comparnd aceast valoare cu valorile calculate pentru cei doi estimatori, se constat c: $ - t a1 = 0,7336 < t 0,05;11 = 2,201 parametrul a 1 nu este semnificativ diferit de zero;
$ - t b = 4,3506 > t 0.05;11 = 2,201 parametrul b1 este semnificativ
1
diferit de zero. Pentru a verifica semnificaia raportului de corelaie, din tabela distribuiei Fisher-Snedecor, cu un prag de semnificaie de 5% i n funcie de numrul gradelor de libertate v1 = k = 1 i v 2 = (n 1) k 1 = 11 se preia valoarea teoretic F0,05;1;11 = 4,84 . Se constat c Fc = 18,9279 > F0,05;1;11 = 4,84 , deci pentru un prag de semnificaie de 5%, valoarea raportului de corelaie este semnificativ diferit de zero. n concluzie, i acest model, y t* = 10,1602 + 0,7083 xt* , poate fi apreciat ca reprezentativ pentru descrierea dependenei dintre consumul final real al gospodriilor populaiei i PIB-ul real. c) Analiza capacitii de prognoz a modelului privind dependena dintre dintre consumul final real al gospodriilor populaiei i PIB-ul real n Romnia n perioada 1981-2003 poate fi realizat pe baza indicatorilor statistici propui de H. Theil13. Aceti indicatori, adaptai modelui supus analizei, au fost calculai pe baza urmtoarelor relaii: coeficientul Theil
T= 1 n * y t y t* n t =1
1 n *2 1 n *2 yt + yt n t =1 n t =1
ale crui valori sunt cuprinse n intervalul [0, 1].

13
cf. R. S. Pindyck, D. S. Rubinfeld, Econometric Models and Economic Forecasts, 5th ed., Mc Graw-Hill, New York, 1981, p. 364-366.
Semnificaia acestui indicator este invers proporional cu mrimea lui, respectiv cu ct valoarea acestuia este mai mic, tinznd ctre zero, cu att capacitatea de prognoz a modelului este mai bun.
A
ponderea abaterii
T =
(y
y*
1 n * yt yt* n t =1
(y =
y*
z2
unde: y = media valorilor teoretice ale variabilei endogene; y = media valorilor reale ale variabilei endogene;
z2 = dispersia variabilei reziduale necorectat cu numrul gradelor de
* *
libertate. Interpretarea acestui indicator, care evideniaz existena unor erori sistematice, este aceea c, n cazul ideal14, valoarea sa este egal cu zero, aceasta tinznd ctre unu n cazul unor erori de estimare de-a lungul ntregii serii de timp. ponderea dispersiei
TD =
yt*
y*
t
1 n * yt yt* n t =1
1 n * * yt y n t =1 =
1 n * yt y * n t =1
z2
care este definit tot n intervalul [0, 1], aceasta msurnd evoluia oscilant a celor dou serii, respectiv seria ajustat i seria empiric a variabilei endogene. Acest indicator are aceeai semnificaie ca i cei precedeni,
14
Demn de menionat este faptul c, n cazul estimrii parametrilor unui model statistic cu ajutorul metodei celor mai mici ptrate, valoarea acestui indicator este egal cu zero, acesta fiind discriminant numai n cazul utilizrii altor procedee de estimare, cum ar fi, de exemplu, metoda grafic, metoda punctelor empirice sau metoda punctelor medii.
respectiv o valoare sczut indic o capacitate bun de prognoz, n timp ce o valoare apropiat de unu exprim o eroare de specificare a modelului. ponderea covarianei 2(1 r ) y * y * t t TC = n 2 1 yt* yt* n t =1
unde: r = coeficientul de corelaie liniar dintre valoarea estimat a variabilei * endogene, yt , i cea real, yt* : r= (y
n t =1 * t
y * yt* y *
t t
)(
n y * y *
Se poate observa uor c semnificaia acestui indicator este analog cu a celor menionai anterior. De altfel cei patru indicatori se regsesc n urmtoarea ecuaie propus de Theil:
2 2 2 1 n * yt y * = y * y * + y * y * + 2(1 r ) y * y * t t t t t n t =1
a crei interpretare se realizeaz prin intermediul semnificaiei acestor indicatori. n urma calculelor efectuate cu ajutorul pachetului de programe EViews n vederea testrii capacitii de prognoz a modelului privind dependena dintre dintre consumul final real al gospodriilor populaiei i PIB-ul real n perioada 1981-2003 au rezultat urmtoarele informaii, prezentate n tabelul 2.3.6.
n urma analizei rezultatelor obinute se constat c modelul posed o bun capacitate de prognoz, ca urmare a valorilor mici nregistrate n cazul coeficientului Theil, a ponderii abaterii i a ponderii dispersiei i, deci, poate fi acceptat n vederea realizrii unei prognoze a consumului final real al gospodriilor populaiei.
Rezultatele testrii capacitii de prognoz a modelului privind dependena dintre consumul final real al gospodriilor populaiei i PIB-ul real n Romnia n perioada 1981-2003
Denumirea indicatorului Simbolul indicatorului Tabelul 2.3.6 Valoarea indicatorului
0 Coeficientul Theil Ponderea abaterii Ponderea dispersiei Ponderea covarianei
1 T TA TD TC
2 0,1577 0,0000 0,1140 0,8860
Astfel, dac valoarea PIB-ului real n anul 2004 a fost egal cu 907,8 mld. lei preuri comparabile (1990=100), atunci:
* x 2004 = 907,8 838,3 0,89 = 163,6272 mld. lei preuri comparabile
Valoarea estimat a consumului final real al gospodriilor populaiei n anul 2004, utiliznd rezultatele estimrii obinute n cazul modelului (3) este egal cu: y * = a + b x * = 9,5845 + 0,7156 163,6272 = 126,676 mld.lei
2004 1 1 2004
preuri comparabile Pe baza ipotezei formulate la punctele precedente, consumul final real al gospodriilor populaiei, y*, urmeaz o distribuie normal (sau * distribuia Student, dac n 30 ), de medie y 2004 i de abatere medie * ptratic s y* , L y * = N y 2004 , s y*
2004
( )
2004
).
* * Pentru x 2004 = 163,6272 y 2004 = 126,676

2 * * 2 1 1 + + x2004 x = 708,4988 1 + 1 + (163,6272 82,3893) = s 2 13 n 26186,7452 xt* x * = 30,6848 2 z
s y* s y*
2004
) )
2004
Estimarea consumului final real al gospodriilor populaiei, pe baza unui interval de ncredere, se calculeaz cu relaia: * * * P y 2004 t s y * y 2004 y 2004 + t s y * = 1
2004
2004
Pentru = 0,05 i v = n k 1 = 11 , din tabela distribuiei Student se preia valoarea variabilei t ;v = t 0,05;11 = 2,201 . Deci, cu un prag de semnificaie de 0,05 sau cu o probabilitate egal cu 0,95, valoarea estimat a consumului final real al gospodriilor populaiei Romniei n anul 2004 va fi cuprins n intervalul:
* P ( y 2004 [59,14;194,21]) = 0,95 * P ( y 2004 [126,676 2,201 30,6848]) = 1 0,05 = 0,95
2.1.4 Model unifactorial neliniar
Se cunosc urmtoarele date privind consumul final real al gospodriilor populaiei i venitul disponibil net real al populaiei n Romnia, n perioada 1985-2001, exprimate n miliarde lei preuri comparabile (1990=100):
Consumul final real al gospodriilor populaiei (1990=100) mld.lei Tabelul 2.4.1 Venitul disponibil net real al populaiei (1990=100) mld.lei
Anul
0 1985 1986 1987 1988
1 442,0 448,1 472,1 513,2
2 492,5 500,1 518,1 527,1
Anul
Consumul final real al gospodriilor populaiei (1990=100) mld.lei
Venitul disponibil net real al populaiei (1990=100) mld.lei
1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
516,6 557,7 467,4 432,1 435,9 447,3 505,3 545,7 525,7 586,2 579,8 582,3 610,7
558,1 588,1 455,9 438,7 455,3 489,3 560,4 584,6 559,4 493,3 513,7 525,7 526,2
Not: Ambii indicatori sunt calculai conform metodologiei de calcul a Sistemului European al Conturilor Economiei Integrate - SEC 1979. Consumul final al populaiei a fost deflaionat cu ajutorul deflatorului consumului final al populaiei exprimat n preuri constante (1990 = 100), iar venitul disponibil net al populaiei a fost deflaionat cu ajutorul deflatorului PIB exprimat n preuri constante (1990 = 100), obinut n urma prelucrrii datelor din Raportul Anual BNR. Acesta a fost deflaionat cu ajutorul deflatorului PIB n preuri constante (1990 = 100). Datele provin de la Ministerul Prognozei i Dezvoltrii. Sursa: Date prelucrate pe baza Anuarului Statistic al Romniei 1995, CNS, Bucureti, 1996, p. 370372, Anuarului Statistic al Romniei 1996, INS, Bucureti, 1997, p. 364-366, Anuarului Statistic al Romniei 2001, INS, Bucureti, 2002, p. 278, 280, Anuarului Statistic al Romniei 2003, INS, Bucureti, 2004, p. 284, 286, Raportului Anual 1999, BNR, Bucureti, 2000, p. 6*-9*, Raportului Anual 2000, BNR, Bucureti, 2001, p. 6*-7*, Raportului Anual 2002 BNR, Bucureti, 2003, p. 4*-5*, Dobrescu, E., Macromodels of the Romanian Transition Economy, Second Edition, Editura Expert, Bucharest, 1998, p. 184.
Se cere: a) S se construiasc modelul econometric ce descrie legtura dintre cele dou variabile i s se interpreteze semnificaia parametrilor modelului; b) S se estimeze parametrii modelului i s se verifice semnificaia acestora.
Rezolvare: a) Pentru a construi modelul econometric care descrie relaia dintre consumul final real al gospodriilor populaiei i venitul disponibil net real al populaiei se pornete de la reprezentarea grafic a celor dou variabile: y = consumul final real al gospodriilor populaiei; x = venitul disponibil net real al populaiei.
y
620 610 600 590 580 570 560 550 540 530 520 510 500 490 480 470 460 450 440 430
x
430 440 450 460 470 480 490 500 510 520 530 540 550 560 570 580 590 600
Figura 2.4.1.
n urma reprezentrii grafice a distribuiei punctelor empirice se constat c aceasta poate fi aproximat cu ajutorul unei funcii neliniare, respectiv funcia putere. Modelul econometric care descrie legtura dintre cele dou variabile se transform ntr-un model neliniar unifactorial: y = ax b u . Acest model neliniar se transform n model liniar prin logaritmare: ln y = ln a + b ln x + ln u Notnd: ln y = zt ; ln x = vt ; ln u = wt , se obine:
z t = ln a + bv t + wt
Semnificaia economic a parametrului b, innd cont de semnificaia celor dou variabile, este c acesta reprezint panta dreptei sau coeficientul de regresie al consumului n funcie de venit. El reprezint n acelai timp nclinaia marginal spre consum, care, n acest caz, este egal cu elasticitatea consumului n funcie de venit, fiind i constant: d ln y Ry x = E y x = =b d ln x b) Estimarea parametrilor modelului econometric de la punctul a) se realizeaz cu ajutorul M.C.M.M.P.: 2 F ln a, b = min ( zt zt ) = min zt ln a bvt
t =1 t =1
17
17
F (ln a ) = 0 n ln a + b vt = zt
t =1 t =1
17
17
F b = 0 ln a vt + b vt2 = zt vt
t =1 t =1 t =1
()
17
17
17
Datele necesare rezolvrii modelului se obin pe baza tabelului de mai jos:

Tabelul 2.4.2
Nr. crt.
0
Anul
1
xt
2
yt
3
vt
4
zt
5
vt*
6
z* t
7
1 2 3 4 5 6 7 8 9 10 11
1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995
442,0 448,1 472,1 513,2 516,6 557,7 467,4 432,1 435,9 447,3 505,3
492,5 500,1 518,1 527,1 558,1 588,1 455,9 438,7 455,3 489,3 560,4
6,0913 6,1050 6,1572 6,2407 6,2473 6,3238 6,1472 6,0687 6,0774 6,1032 6,2252
6,1995 6,2148 6,2502 6,2674 6,3245 6,3769 6,1223 6,0838 6,1210 6,1930 6,3287
1,4239 1,4474 1,4373 1,4811 1,4893 1,1942 1,3526 1,4194 1,4627 1,5427
1,3977 1,4393 1,4824 1,4245 1,4960 1,2602 1,3181 1,3876 1,4066 1,5086
Nr. crt.
0
Anul
1
xt
2
yt
3
vt
4
zt
5
vt*
6
z* t
7
12 13 14 15 16 17
1996 1997 1998 1999 2000 2001
545,7 525,7 586,2 579,8 582,3 610,7 8668,2
584,6 559,4 493,3 513,7 525,7 526,2 8786,4
6,3021 6,2647 6,3737 6,3627 6,3670 6,4146 105,8716
6,3709 6,3269 6,2011 6,2416 6,2647 6,2657 106,1529
1,4802 1,4034 1,3117 1,4494 1,4412 1,4243 22,7610
1,4913 1,3945 1,5323 1,4371 1,4499 1,4942 22,9204
Total
Rezolvarea modelului s-a realizat cu ajutorul pachetului de programe EViews, conducnd la afiarea urmtoarelor rezultate:
Dependent Variable: zt Method: Least Squares Sample: 1985 2001 Included observations: 17
Variable Coefficient C vt R-squared 1,1425 0,8144 0,3593
Semnif. Semnif. Semnif. Std. Error t-Statistic Prob. ind. ind. ind.
ln a
b
1,7534 0,2808
s ln a sb
0,6516 2,9005 6,2277 0,1170 -1,7238
t ln a 0,5245 p(lna)
tb
z
sz
AIC SC
0,0110 p b
()
R2
Adjusted Rc2 0,3166 R-squared S.E. of sw 0,0967 regression Sum (z z ) squared 0,1403 = w resid Log 16,6521 L likelihood Durbin0,4544 d Watson stat
t t 2 t
Mean dependent var S.D. dependent var Akaike info criterion

=
Schwarz criterion -1,6258 F-statistic Prob(F-statistic) 8,4126 0,0110
Fc
p(F)
Semnificaia indicatorilor necunoscui pe care-i calculeaz pachetul de programe EViews este urmtoarea: p (ln a ), p (b ) = probabilitatea asociat parametrului , respectiv b . O valoare ct mai apropiat de zero a acestei probabiliti va indica o semnificaie ridicat a parametului respectiv, n caz contrar, aceasta confirmnd, mpreun cu testul t, faptul c parametrul respectiv este nesemnificativ. Rc2 = coeficientul de deteminare corectat sau ajustat, este utilizat n vederea evidenierii numrului de variabile factoriale cuprinse n model, precum i a numrului de observaii pe baza crora au fost estimai parametrii modelului. In cazul unui model multifactorial acesta va nregistra valori inferioare coeficientului de deteminaie. Expresia acestui indicator este urmtoarea: n 1 Rc2 =1 (1 R 2 ) nk L= logaritmul funciei de verosimilitate (presupunnd c erorile sunt normal distribuite), funcie ce este determinat innd seama de valorile estimate ale parametrilor. Relaia de calcul a acestui indicator, utilizat de ctre pachetul de programe EViews, este urmtoarea:
w2 n 1 + ln (2 ) + ln t L= n 2
unde: wt2 = suma ptratelor erorilor; k = numrul variabilelor exogene; n = numrul de observaii. Acest indicator este utilizat n vederea elaborrii unor teste statistice destinate depistrii variabilelor omise dintr-un model econometric, precum i a unor teste destinate depistrii variabilelor redundante dintr-un model econometric, ca, de exemplu, testul LR sau raportul verosimilitilor (Likelihood Ratio).
z = media variabilei dependente sau endogene, avnd urmtoarea relaie de calcul:

z=
z
t =1
17
n s z = abaterea medie ptratic (standard) corespunztoare variabilei dependente, a crei relaie de calcul este urmtoarea: sz =
(z
17
t =1
n 1
AIC= criteriul Akaike este utilizat n cazul comparrii a dou sau mai multe modele econometrice. Relaia de calcul a acestuia, utilizat de ctre pachetul de programe EViews, este urmtoarea: 2 L 2k AIC = + n n Este ales acel model econometric pentru care s-a obinut valoarea cea mai mic corespunztoare acestui indicator. SC = criteriul Schwartz este, de asemenea, utilizat pentru a compara dou sau mai multe modele econometrice. Relaia de calcul a acestuia, utilizat de ctre pachetul de programe EViews, este urmtoarea: 2 L k ln n SC = + n n i n acest caz, este ales acel model econometric pentru care s-a obinut valoarea cea mai mic corespunztoare acestui indicator. p(F) = probabilitatea asociat statisticii F. O valoare ct mai apropiat de zero a acestei probabiliti va indica o semnificaie ridicat a rezultatelor estimrii, respectiv a modelului.
Pe baza estimatorilor au fost calculate valorile estimate ale variabilei z i ale variabilei reziduale, wt = zt zt . Valorile acestora sunt prezentate n cadrul tabelului 2.4.3 (utiliznd pachetul de programe EViews):
Tabelul 2.4.3
Actual
Fitted
Residual
wt = zt zt
zt
6,0913 6,1050 6,1572 6,2407 6,2473 6,3238 6,1472 6,0687 6,0774 6,1032 6,2252 6,3021 6,2647 6,3737 6,3627 6,3670 6,4146
zt
6,1913 6,2037 6,2325 6,2466 6,2931 6,3357 6,1284 6,0971 6,1273 6,1860 6,2964 6,3309 6,2950 6,1926 6,2256 6,2444 6,2452
-0,1000 -0,0987 -0,0753 -0,0059 -0,0458 -0,0119 0,0188 -0,0284 -0,0499 -0,0827 -0,0713 -0,0288 -0,0303 0,1811 0,1371 0,1226 0,1694
| | | | | | | | | | | | | | | | |
*. | *. | .* | . * . * | . *| . |* . *| . * | .* | .* | . *| . *| . | . | . | . |
| | | | | | | | | | | | | . *| . * | .* | . *|
. . . . . . . . . . . . .

s w
2
(z =
zt )
n k 1
0,1440 = 0,0994 17 1 1
unde: k = numrul variabilelor exogene. (vezi tabelul afiat de programul EViews)
- abaterea medie ptratic a variabilei reziduale = 0,0994 = 0,0967 n k 1 (vezi tabelul afiat de programul EViews) - abaterile medii ptratice ale celor doi estimatori
v2 2 1 sln a = sw + = 1,7534 2 n (vt v )
sb =
2 sw = 0,2808 2 (vt v )
sw =
(z
zt )
(vezi tabelul afiat de programul EViews) - raportul de corelaie

R = R2 = 1 2 (zt zt )
t =1 17 17
(z
t =1
= 1
(z
t =1
17
zt )
s z2 (n 1)
R = 1
49701,4613 = 0,3593 = 0,5994 0,11702 16
(vezi tabelul afiat de programul EViews) - variabila Durbin-Watson, d d= (w w )

t =2 t t 1 17 2
wt2
t =1
17
= 0,45
(vezi tabelul afiat de programul Eviews)
Astfel modelul estimat devine: zt = 1,1425 + 0,8144 vt ; R = 0,599
(1,7534) (0,2808)
d = 0,45 sw = 0,0967
Verificarea semnificaiei modelului presupune: - verificarea ipotezei de independen a erorilor; - verificarea ipotezei de homoscedasticitate a erorilor; - verificarea ipotezei de normalitate a erorilor; - verificarea semnificaiei estimatorilor; - verificarea semnificaiei raportului de corelaie. Verificarea ipotezei de independen a erorilor se realizeaz cu ajutorul testului Durbin-Watson, constnd n calcularea variabilei d i compararea sa cu dou valori teoretice d 1 i d 2 (d1 = 1,13; d 2 = 1,38) , preluate din tabela distribuiei Durbin-Watson n funcie de un prag de semnificaie ( = 0,05) , de numrul variabilelor explicative k ( k = 1) i de numrul observaiilor n (n = 17 15) . Deoarece valoarea calculat, d = 0,45 , este cuprins n intervalul
0 < d = 0,45 < d1 = 1,13 , aceasta indic existena unei autocorelri pozitive.
Din acest motiv, nu mai are sens testarea semnificaiei estimatorilor i a raportului de corelaie, estimatorii nemaifiind eficieni, deci se impune mai nti eliminarea fenomenului de autocorelaie a erorilor. Eliminarea fenomenului de autocorelare a erorilor va fi realizat cu ajutorul procedeului prezentat n cadrul aplicaiei 2.1.3, respectiv, pornind de la faptul c erorile sunt corelate, adic: wt = r(1)wt 1 + t se va estima valoarea coeficientului de autocorelaie de ordinul 1 pe baza variabilei Durbin-Watson, d, pentru a facilita utilizarea pachetului de programe EViews n vederea eliminrii autocorelaiei erorilor (utiliznd programul autocorelaie.prg): d 0,45 r(1) = 1 = 1 = 0,77 2 2
n continuare, variabilele modelului vor fi transformate pe baza qvasi-diferenelor: zt r(1) zt 1 = a (1 r(1) ) + b(vt r(1)vt 1 ) + t Notnd cu:
zt* = yt r(1) yt 1 vt* = xt r(1) xt 1
a1 = ln a (1 r(1) )
b1 = b se obine:
zt* = a1 + b1vt* + t zt* = a1 + b1vt*
(vezi tabelul 2.4.2 coloanele 6, 7) Rezultatele estimrii, utiliznd pachetul de programe EViews (Vezi aplicaia 2.1.3) sunt urmtoarele:
Dependent Variable: z t Method: Least Squares Sample(adjusted): 1986 2001 Included observations: 16 after adjusting endpoints Variable C Coefficient 0,6578 0,5446 0,3755 0,3309 0,0590 0,0488 23,6429 1,9681 Std. Error 0,2674 0,1877 t-Statistic 2,4595 2,9014 Prob. 0,0275 0,0116 1,4325 0,0722 -2,7054 -2,6088 8,4180 0,0116
vt
Mean dependent var S,D, dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Pe baza rezultatelor estimrii afiate de programul EViews rezult modelul:

z t* = 0,6578 + 0,5446 vt* ;
(0,2674) (0,1877 )
R1 = 0,613 d = 1,97 s = 0,059
Pe baza estimatorilor au fost calculate valorile estimate ale variabilei z i ale variabilei reziduale, t . Valorile acestora sunt prezentate n cadrul
* t
tabelului 2.4.4:
Tabelul 2.4.4
Actual
Fitted
Residual
* t
* t
t
-0,0356 -0,0068 0,0419 -0,0399 0,0271 -0,0480 -0,0763 -0,0432 -0,0478 0,0106 0,0274 -0,0276 0,1601 -0,0100 0,0072 0,0607
1,3977 1,4393 1,4824 1,4245 1,4960 1,2602 1,3181 1,3876 1,4066 1,5086 1,4913 1,3945 1,5323 1,4371 1,4499 1,4942
1,4332 1,4460 1,4405 1,4644 1,4689 1,3082 1,3944 1,4308 1,4544 1,4980 1,4639 1,4221 1,3722 1,4472 1,4427 1,4335
Residual Plot (graficul reziduurilor) | .* | . | | . *| . | | . | *. | | .* | . |
| | | | | | | | | | | |
. |*. * | . *. | . .* | . * | . . |* . . |*. .*| . . | . . *| . . |* . . | .*
| | | | | | | | *| | | |
Utiliznd testul Durbin-Watson pentru a verifica dac fenomenul de autocorelaie a erorilor a fost eliminat - pentru un prag de semnificaie = 0,05, k = 1, n = 16 valorile teoretice ale variabilei Durbin-Watson sunt
d1 = 1,10, d 2 = 1,37 . n comparaie cu acestea, valoarea empiric d = 1,97
se situeaz astfel: d 2 = 1,37 < d = 1,97 < 4 d 2 = 2,63 , ceea ce indic fenomenul de independen a erorilor, deci fenomenul de autocorelaie a erorilor a fost eliminat.
Verificarea ipotezei de homoscedasticitate a erorilor se va realiza cu ajutorul testului White (vezi aplicaia 2.1.2). Utiliznd programul EViews au fost obinute urmtoarele rezultate:
White Heteroskedasticity Test: F-statistic Obs*R-squared Test Equation: Dependent Variable: wt2 Method: Least Squares Sample: 1985 2001 Included observations: 17 Variable C vt Coefficient -29,4768 9,4696 -0,7602 0,3525 0,2600 0,0087 0,0011 58,2041 1,3835 Std. Error 10,8355 3,4758 0,2787 t-Statistic -2,7204 2,7245 -2,7276 Prob. 0,0166 0,0164 0,0163 0,0083 0,0101 -6,4946 -6,3476 3,8112 0,0477 3,8112 5,9929 Probability Probability 0,0477 0,0500
vt2
Analiznd rezultatele afiate de programul EViews se constat c Fc = 3,8112 > F0, 05; 2;14 = 3,74 i
2 LM = 5,9929 > 0,05; 2 = 5,99147 ,
iar
estimatorii parametrilor modelului sunt semnificativi pentru un prag de = 0,05 ( t 0,05;14 = 2,148 ), indicnd prezena semnificaie heteroscedasticitii erorilor, dar, pentru un prag de semnificaie = 0,01 , Fc = 3,8112 < F0, 01; 2;14 = 6,51 i
2 LM = 5,9929 < 0,01; 2 = 9,21034 ,
iar
estimatorii parametrilor modelului sunt nesemnificativi ( t 0,01;14 = 2,977 ), deci ipoteza de homoscedasticitate se verific. Se poate astfel considera c,
pentru un prag de semnificaie = 0,01 , ipoteza de homoscedasticitate este verificat. Verificarea ipotezei de normalitate a erorilor se va realiza cu ajutorul testului Jarque-Berra. Utiliznd pachetul de programe EViews n vederea calculrii testului Jarque-Berra (vezi Figura 2.4.2.) se constat c
2 JB = 2,5981 < 0,05; 2 = 5,9915 i c p(JB) = 0,2728. Deoarece valoarea 2 calculat a testului J-B este mai mic dect valoarea tabelat a lui ; 2 , iar
probabilitatea ca testul J-B s nu depeasc valoarea tabelat este suficient de mare, ipoteza de normalitate a erorilor poate fi acceptat.
8
Series: Residuals Sample 1985 2001 Observations 17
6
Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis Jarque-Bera Probability 1.10E-15 -0.028806 0.181076 -0.099953 0.093653 0.910913 2.409370 2.598089 0.272792
0 -0.10 -0.05 0.00 0.05 0.10 0.15 0.20
Figura 2.4.2
Estimatorii modelului sunt semnificativ diferii de zero dac: a1 t a1 = t ;(n 1) k 1 s a1 t a1 = t b =

1
0,6578 = 2,4595 0,2674 b1 s b

1
t ;(n 1) k 1
t b =
1
0,5446 = 2,9014 0,1877
( = 0,05) ,
din tabela
distribuiei Student se preia valoarea t 0,05;14 = 2,145 . Comparnd aceast valoare cu valorile calculate pentru cei doi estimatori, se constat c: $ - t a1 = 2,4595 > t 0,05;14 = 2,145 parametrul a1 este semnificativ diferit de zero;
$ - t b = 2,9014 > t 0,05;14 = 2,145 parametrul b1 este semnificativ

1
diferit de zero. Raportul de corelaie este semnificativ diferit de zero dac se verific inegalitatea: Fc F ;v1 ;v2 , unde valoarea empiric a variabilei Fisher-Snedecor este:
Fc = ((n 1) 2 ) R2 0,3755 = 14 = 8,418 2 0,6245 1 R
Din tabela distribuiei Fisher-Snedecor, cu un prag de semnificaie de 5% i n funcie de numrul gradelor de libertate v1 = k = 1 i
v 2 = (n 1) k 1 = 14 se preia valoarea teoretic F0,05;1;14 = 4,60 . Se
constat c Fc = 8,418 > F0,05;1;14 = 4,60 , deci pentru un prag de semnificaie de 5%, valoarea raportului de corelaie este semnificativ diferit de zero. n concluzie, modelul z t* = 0,6578 + 0,5446 xt* poate fi apreciat ca reprezentativ pentru descrierea dependenei dintre consumul final real al gospodriilor populaiei i venitul disponibil net real al populaiei. Dei modelul este semnificativ n raport cu testele statistice adecvate acestui scop (ipotezele corespunztoare M.C.M.M.P. sunt verificate, estimatorii parametrilor i raportul de corelaie sunt semnificativi), faptul c mrimea coeficientului de determinare este mic (n jur de 0,38), se poate considera c modelul poate fi folosit n scopuri explicative, statistice i economice (a1>0, 0<b1<1), dar nu i n scopuri de simulare i prognoz deoarece prezint o capacitate slab de previziune.
2.1.5 Model liniar multifactorial
Un ntreprinztor cumpr un magazin avnd o suprafa de 230 m2 ntr-un cartier n care locuiesc n jur de 6400 de familii. O societate de consultan de management comercial l informeaz c cifra de afaceri a magazinelor cu profilul respectiv depinde liniar de suprafaa comercial a magazinului i de numrul familiilor din cartierul respectiv care, de regul, cumpr de la magazinul cel mai apropiat. n acest sens, i pune la dispoziie informaiile referitoare la aceti indicatori, nregistrate la 13 magazine avnd acelai profil:
Tabelul 2.5.1
Nr. de familii 70 35 55 25 (sute) Suprafaa 21 26 14 10 comercial (zeci m2) Cifra de 198 209 197 156 afaceri (mil. lei)
28 12
43 20
15 5
33 28
23 9
4 6
45 10
20 8
56 36
85
187
43
211 120
62
176 117 273
Se cere: a) Pe baza datelor problemei, innd cont de semnificaia economic a fenomenelor observate, s se construiasc modelele econometrice cu ajutorul crora poate fi studiat dependena dintre fenomenele respective; b) S se estimeze parametrii modelelor construite la punctul a); c) Din cele trei modele utilizate pentru descrierea dependenei cifrei de afaceri de cei doi factori, s se aleag cel mai bun model; d) S se estimeze cifra de afaceri pe care o poate obine ntreprinztorul dac va cumpra magazinul respectiv; e) tiind c, pentru funcionarea magazinului, cheltuielile lunare sunt n jur de 200 milioane lei, estimai care este riscul ca ntreprinztorul s obin un profit mai mic sau egal cu 10%; f) S se arate i alte modaliti de rezolvare a modelului multifactorial - pe baza matricei coeficienilor de corelaie i a matricei varianelor i covarianelor.
Rezolvare: a) Descrierea econometric a legturii dintre cele trei variabile, y cifra de afaceri. x1 - numrul de familii i x 2 - suprafaa comercial, se poate face cu ajutorul a trei modele: 1.1. Modelul unifactorial: y t = f ( x1t ) + u1t explic variaia cifrei de afaceri pe seama numrului de familii; 1.2. Modelul unifactorial: y t = f ( x 2 t ) + u2 t explic variaia cifrei de afaceri pe seama suprafaei comerciale; 1.3. Modelul multifactorial: y t = f ( x1t , x 2 t ) + u3t explic variaia cifrei de afaceri pe seama ambilor factori. Identificarea funciilor de regresie a primelor dou modele se realizeaz cu ajutorul reprezentrii grafice a variabilei y n funcie de celelalte dou variabile factoriale x1 , respectiv x 2 .
300 250 200 150 100 50 0 10 20 30 40 X1
Figura 2.5.1
50
60
70
300 250 200 Y 150 100 50 0 5 10 15 20 X2 25 30 35
Figura 2.5.2
Deoarece graficele de mai sus arat c legtura dintre y i x1 , respectiv y i x 2 poate fi aproximat cu o dreapt, modelele de mai sus devin: 1. y t = a1 + b1 x1t + u1t 2. y t = a 2 + b2 x 2 t + u 2 t 3. y t = a3 + b3 x1t + c3 x 2t + u 3t Modelul (3) este un model multifactorial liniar deoarece y, fiind corelat liniar cu x1 , respectiv cu x 2 , se deduce uor c va fi corelat liniar i n raport cu ambii factori.
b) Estimarea parametrilor celor trei modele 1. Model econometric privind dependena dintre cifra de afaceri i numrul de familii. Estimarea parametrilor modelului y t = a 1 + b1 x1t + u1t se va face cu ajutorul pachetului de programe EViews, prin aplicarea M.C.M.M.P., care a condus la obinerea urmtoarelor rezultate:
Dependent Variable: yt Method: Least Squares Sample: 1 13 Included observations: 13 Variable C Coefficient 56,9101 2,8632 0,6268 0,5928 42,7219 20076,74 -66,1716 2,6655 Std. Error 26,0181 0,6662 t-Statistic 2,1873 4,2978 Prob. 0.0512 0.0013 156,4615 66,9510 10,4879 10,5749 18,4710 0,0013
x1t
Valorile estimate ale variabilei yt i ale variabilei reziduale u1t sunt prezentate n cadrul tabelului 2.5.2. (utiliznd pachetul de programe EViews):
u1t
yt
198 209 197 156 85 187 43 211 120 62
Yt1
257,3340 157,1220 214,3860 128,4900 137,0800 180,0280 99,8582 151,3960 122,7640 68,3629
-59,3345 51,8777 -17,3864 27,5098 -52,0798 6,9721 -56,8582 59,6041 -2,7638 -6,3629
|* . | . | | . | .* | | . * | . | | . | * . | | *. | . | | . |* . | |*. | . | | . | . *| | . *| . | | . *| . |
176 117 273
185,7540 114,1740 217,2500
-9,7543 2,8258 55,7504
| . | . | .
*| |* |
. | . | .*|
n vederea verificrii ipotezei de independen a erorilor se calculeaz valoarea variabilei Durbin-Watson: d = 2,67 (vezi tabelul afiat de programul EViews). Pentru un prag de semnificaie = 0,05 , din tabela distribuiei Durbin-Watson se preiau valorile pentru cazul n = 15, k = 1 - numrul variabilelor explicative d1 = 1,08 i d 2 = 1,36 . Cum
4 d 2 = 2,64 d = 2,67 4 d1 = 2,92 ,
rezult
indecizie
tinznd spre autocorelare negativ. Estimatorii modelului sunt semnificativ diferii de zero dac: ta1 = b1 a1 t ; n k 1 i tb = t ; n k 1 1 sa1 sb
1
Deoarece: a 56,9101 ta1 = 1 = = 2,1873 < t0, 05;11 = 2,2010 parametrul a1 nu sa1 26,0181
este semnificativ diferit de zero. b1 2,8632 tb = = = 4,2978 > t0,05;11 = 2,2010 parametrul b1 este 1 sb 0,6662
1
semnificativ diferit de zero. Testul Fisher-Snedecor indic faptul c rezultatele obinute sunt semnificative, cu un prag de semnificaie de 5%, Fc = 18,471 > F0, 05;1;11 = 4,84 . Raportul de corelaie este semnificativ diferit de zero dac se verific relaia: Fc = (n 2) R2 > F ;v1 ; v 2 1 R2
Fc = 11
0,6268 = 18,471 1 0,6268
n funcie de un prag de semnificaie = 0,05 i de numrul gradelor de libertate v1 = k = 1 i v 2 = n k 1 = 13 2 = 11 se preia valoarea teoretic F0 ,05;1;11 = 4 ,84 . Se constat c Fc = 18,471 > F0 ,05;1;11 = 4 ,84 , deci, pentru un prag de semnificaie de 5%, valoarea raportului de corelaie este semnificativ diferit de zero. Pe baza datelor de mai sus, modelul devine:
Yt1 = 56,9101 + 2,8632 x1t ;
R = 0,7917 d = 2,67
su1 = 42,7219
(26,0181) (0,6662)
2) Model econometric privind dependena dintre cifra de afaceri i suprafaa comercial Estimarea parametrilor modelului y t = a 2 + b2 x 2 t + u 2 t se va face cu ajutorul pachetului de programe EViews, prin aplicarea M.C.M.M.P., care a condus la obinerea urmtoarelor rezultate:
Dependent Variable: yt Method: Least Squares Sample: 1 13 Included observations: 13 Variable C Coefficient 61,3840 6,0293 0,7504 0,7277 34,9373 13426,74 -63,5566 2,2646 Std. Error 19,1642 1,0485 t-Statistic 3,2031 5,7504 Prob. 0,0084 0,0001 156,4615 66,9510 10,0856 10,1725 33,0674 0,0001
x2t
Tabelul 2.5.3 Actual Fitted
yt
198 209 197 156 85 187 43 211 120 62 176 117 273
Yt 2
187,999 218,146 145,794 121,677 133,736 181,970 91,5306 230,205 115,648 97,5599 121,677 109,618 278,439
Residual
u 2t
10,0006 -9,1460 51,2057 34,3229 -48,7357 5,0299 -48,5306 -19,2046 4,3522 -35,5599 54,3229 7,3815 -5,4390
| . |* . | | . *| . | | . | . *| | . | * | |* . | . | | . |* . | |* . | . | | . * | . | | . |* . | | * | . | | . | . *| | . |* . | | . *| . |
n vederea verificrii ipotezei de independen a erorilor se calculeaz valoarea variabilei Durbin-Watson: d = 2,26 (vezi tabelul afiat de programul EViews). Pentru un prag de semnificaie = 0,05 , din tabela distribuiei Durbin-Watson se preiau valorile (pentru cazul n = 15 , k = 1 - numrul variabilelor explicative) d1 = 1,08 i d 2 = 1,36 .
d c = 2,26 > d 2 = 1,36 rezult c erorile sunt independente. Cum d c = 2,26 < 4 d 2 = 2,64
Deoarece: ta 2 = a2 61,384 = = 3,2031 > t0, 05;11 = 2,2010 sa 2 19,1642
t b =
2
b2 sb
2
6,0293 = 5,7504 > t0,05;11 = 2,2010 1,0485
$ $ rezult c ambii estimatori, a 2 i b2 , sunt semnificativ diferii de zero, cu

un prag de semnificaie = 0,05 . Testul Fisher-Snedecor indic faptul c rezultatele obinute sunt semnificative, cu un prag de semnificaie de 5%, Fc = 33,0674 > F0 ,05;1;11 = 4 ,84 . Se verific, de asemenea, semnificaia raportului de corelaie:
Fc = (n 2 ) R2 0,7504 = 11 = 33,0674 2 1 R 1 0,7504
Se constat c Fc = 33,0674 > F0 ,05;1;11 = 4 ,84 , deci, pentru un prag de semnificaie de 5%, valoarea raportului de corelaie este semnificativ diferit de zero. Pe baza datelor de mai sus, modelul devine:
Yt 2 = 61,384 + 6,0293 x2t ;
R = 0,8662
d = 2,26 su 2 = 34,9373
(19,1642) (1,0485)
3) Model econometric multifactorial privind dependena cifrei de afaceri de suprafaa comercial i de numrul de familii Estimarea parametrilor modelului multifactorial, yt = a3 + b3 x1t + c3 x2t + u3t , necesit efectuarea urmtoarelor calcule: - obinerea sistemului de ecuaii normale prin aplicarea M.C.M.M.P. care const n:
F a3 , b 3 , c 3 = min y t a3 b 3 x 1t c 3 x 2t
t =1
13
Minimul acestei funcii este dat de calculul derivatelor pariale n raport cu parametrii modelului :
F (a3 ) = 0 2 yt a3 b3 x1t c3 x2t ( 1) = 0

t
F b 3 = 0 2 y t a3 b 3 x 1t c 3 x 2t ( x 1t ) = 0
t
( )
F (c 3 ) = 0 2 y t a3 b 3 x 1t c 3 x 2t ( x 2t ) = 0
t
Dup efectuarea calculelor rezult urmtorul sistem de ecuaii: na3 + b 3 x 1t + c 3 x 2t = y t 2 a3 x 1t + b 3 x 1t + c 3 x 1t x 2t = x 1t y t 2 a3 x 2t + b 3 x 1t x 2t + c 3 x 2t = x 2t y t Valorile estimatorilor rezult n urma rezolvrii sistemului de ecuaii ale crui necunoscute sunt cei trei parametrii a 3 , b3 , c3 .
$ Pentru exemplificare, estimarea parametrului a 3

M.CM.M.P. se realizeaz astfel:
cu ajutorul
a3
y x x x y x x x x y x x x = n x x x x x x x x x x
t 1t t 1t 2 1t 2t t 1t 2 t 1t 2 1t 2t 1t 2t 1t 2 t
2t
1t 2 t 2 2t
1t 2 t 2 2t
2034 82495 38769 = 13 452 205
452 19828 8452 452 19828 8452
205 8452 4343 205 8452 4343
a3 = 37,5023
n mod analog se obin valorile celorlali doi parametrii: b3 = 1,4963
i c3 = 4,2446 .
Rezolvarea modelului s-a realizat cu ajutorul programului EViews, conducnd la afiarea urmtoarelor rezultate:
Dependent Variable: Yt Method: Least Squares Sample: 1 13 Included observations: 13 Variable C Coefficient 37,5023 1,4963 4,2446 0,8558 0,8270 27,8500 7756,2140 -59,9897 2,1682 Std. Error 17,6461 0,5534 1,0650 t-Statistic 2,1252 2,7039 3,9856 156,4615 66,9510 9,6907 9,8211 29,6749 0,0001 Prob.
X1t X2t
Tabelul 2.5.4
Actual Fitted
yt
198 209 197 156 85 187 43 211 120 62 176 117 273
Yt 3
231,3800 200,2330 179,2230 117,3560 130,3340 186,7350 81,1697 205,7290 110,1190 68,9552 147,2810 101,3850 274,1010
Residual u3t
-33,3796 8,7674 17,7771 38,6443 -45,3339 0,2648 -38,1697 5,2707 9,8815 -6,9552 28,7185 15,6149 -1,1009
| *. | . | . |* . | . | *. | . | . * |* . | . | . * . | * . | . | . |* . | . | * . | . *| . | . | .* | . | * . | . * .
| | | | | | | | | | | | |
O cale mai rapid de estimare a parametrilor se realizeaz utiliznd calculul matriceal, sistemul de ecuaii de mai sus devenind:
$ ( X X )B = ( X Y )
nmulind la stnga expresia cu ( X X ) ( X X )1 ( X X )B = ( X X )1 ( X Y ) Rezult c:
1
obinem:
$ a3 $ 1 $ B = b3 = ( X X ) ( X Y ) $ c3
unde matricile sunt de forma:
1 1 1 1 1 1 X = 1 1 1 1 1 1 1 70 35 55 25 28 43 15 33 23 4 45 20 56 21 26 14 10 12 20 5 28 9 6 10 8 36 198 209 197 156 85 187 Y = 43 211 120 62 176 117 273
u1 u2 u 3 M M M U = M M M M M M u 13
Se calculeaz matricile:
452 205 13 ( X X ) = 452 19828 8452 205 8452 4343 2034 ( X Y ) = 82495 38769
X X = 36557768 14676700 230376 244436 = 230376 17216 14434 53460 244436 17216
14676700 230376 244436 1 = 17216 14434 230376 36557768 53460 244436 17216 0,4015 0,0063 0,0067 = 0,0063 0,0004 0,0005 0,0067 0,0005 0,0015
( X X )
( X X )
( X X )
Calculnd produsul:
a3 37,5023 ( X Y ) = b3 = 1,4963 c 4,2446 3
B = ( X X )
Valorile teoretice ale cifrei de afaceri rezult deci din relaia:

Yt 3 = 37,5023 + 1,4963 x1t + 4,2446 x2t
Calculul celorlali indicatori ai modelului multifactorial se va face utiliznd urmtoarele relaii:

n 2 u 1 2 yt Yt 3 = 3t - estimaia dispersiei ( u23 ) a n k 1 t =1 n k 1
2 su 3 =
variabilei reziduale u3
s (2 a
3 ,b3 ,c 3 2 ) = s u 3 c ij - estimaiile dispersiilor parametrilor a 3 , b3 , c3 ,
unde: cij = elementul situat pe diagonala principal a matricei inverse
( X X ) 1 ;
2 sa 3 0,4015 2 0,0004 = sb3 0,0015 sc23
s(2a
3 , b3 , c 3
) = su
2
3
R=
(Y (y
t
y)
(y Y ) 1 (y y)
t t t
3 2 2
- raportul de corelaie
d = t =2
2 (u 3t u 3t 1 ) n
2 u 3t t =1
- valoarea variabilei Durbin-Watson calculat
n vederea testrii ipotezei de independen a erorilor. Verificarea semnificaiei acesteia se face cu ajutorul tabelei DurbinWatson, din care se extrag valorile d 1 = 0,95 i d 2 = 1,54 n funcie de un
prag de semnificaie = 0,05 , de numrul variabilelor exogene k = 2 i de numrul observaiilor n = 13 (n = 15) . Comparnd valoarea calculat a variabilei Durbin-Watson d c = 2,17 cu cele dou valori tabelate se observ c d c = 2 ,17 > d 2 = 1,54 i d c = 2 ,17 < 4 d 2 = 2 ,36 , deci erorile sunt independente. n urma testrii semnificaiei parametrilor s-a constatat c: $ t c a = 2 ,1252 < t 0 ,05;10 = 2 ,228 rezult c parametrul a 3 nu este
3
semnificativ diferit de zero; tcb = 2,7039 > t0,05;10 = 2,228

3
rezult rezult
c c
parametrul parametrul
$ b3
este este
semnificativ diferit de zero; t cc = 3,9856 > t 0,05;10 = 2,228

3
$ c3
semnificativ diferit de zero. Deoarece Fc = 29,6749 > F0, 05; 2;10 = 4,1 rezult c valoarea raportului de corelaie este semnificativ diferit de zero, cu un prag de semnificaie de 0,05. Utiliznd ecuaia analizei variaiei:
(y
2 2 y ) = yt Yt 3 + Yt 3 y
2 Yt 3 y 100 din rezult c modelul econometric explic 85,58% ( y y )2 t variaia total a cifrei de afaceri. n concluzie, putem afirma c modelul este corect specificat, adic variabilele x1t i x 2 t sunt factori semnificativi ai cifrei de afaceri, deoarece
estimatorii lor sunt semnificativ diferii de zero i corect identificai, deoarece modelul explic cea mai mare parte din variaia cifrei de afaceri. $ b3 $ c3 > t , n k 1 ; > t ;n k 1 indic i faptul c De asemenea, relaiile sc$3 sb$
3
cele dou variabile x1t i x 2 t nu sunt corelate liniar. Dac acestea ar fi fost
corelate liniar (puternic) atunci unul dintre estimatori ar fi fost nesemnificativ, ceea ce nseamn c una dintre cele dou variabile trebuie eliminat din model. $ Prin utilizarea unui model liniar multifactorial, cei doi estimatori, b
3
$ i c3 , reprezint coeficienii de regresie (coeficienii marginali sau
y y , ), ceea ce nseamn c la o modificare de 100 a numrului de x1 x 2

familii, cifra de afaceri a magazinului va suferi o modificare de 1,4963 mil. lei, iar dac suprafaa comercial se va modifica cu 10m2, cifra de afaceri va suporta o modificare de 4,2446 mil. lei. Ca atare, modelul care descrie legtura dintre fenomenele analizate este: Y 3 = 37,5023 + 1,4963 x + 4,2446 x ; R = 0,9251
t
1t 2t
(17,6461)
(0,5534)
(1,065)
d = 2,17 su 3 = 27,85
c) Alegerea celui mai bun model econometric din cele trei modele analizate se va face pe baza tabelului de mai jos, n raport cu modelul iniial ( M 0 ):
Tabelul 2.5.5
Simbolul modelului Ml Variaia neexplicat de model
Vu20 = V02 =
Structura modelului
Coeficienii de performan
R2/ 0 = 1 j Vu2 V02
Coeficienii de performan parial

R 2+ 1 / j = 1 j Vu2j + 1 Vu2j
(l = 0,3)
(l = 0)
M0
yt = y + u0
y t = a1 + b1 x1t + u1t Y 1 = 56,9101 + 2,8632 x
t
(y
y)
2 R0 / 0 = 1
Vu20 V02
= 53789,2308
=0
R12/ 0 = 20076,7405 53789,2308 = 0,6268 =1
2 R2 / 0 =
(l = 1)
M1
1t
Vu2 = 1
(y Y )
t
1 2 t
(26,0181) (0,6662)
= 20076,7405
R12/ 0 = 0,6268
(l
M2
= 2)
y t = a 2 + b2 x 2 t + u 2 t Y 2 = 61,384 + 6,0293x
t
2t
Vu22
2 yt Yt 2
(19,1642) (1,0485)
= 13426,7387
13426,7387 53789,2308 = 0,7504 =1
2 R2 /1 = 0,3312
Econometrie. Studii de caz Simbolul modelului Ml Coeficienii de performan

R2/ 0 = 1 j Vu2 V02
Structura modelului
(l = 0,3)
M3
Variaia neexplicat de model
Coeficienii de performan parial

R 2+ 1 / j = 1 j Vu2j + 1 Vu2j
2 R3 / 1 = 1
Vu2
2 Vw
(l
= 3)
yt = a3 + b3 x1t + c3 x2t + u3t Y 3 = 37,5023 + 1,4963 x + 4,2446 x

t 1t
2t
Vu23 =
(y
Yt3
2 R3 / 0
= 0,6137
(17,6461) (0,5534)
(1,065)
= 7756,2142
775,2142 53789,2308 = 0,8858 =1
2 R3 / 2 = 1
Vu2 V z2
= 0,4223
Not:
j = 0,1, ... , q , ..., k ; k = numrul variabilelor exogene; t = 1, n; n = numrul observaiilor; l = 0, m; m = numrul modelelor construite ( m = 3 ).
n cazul modelelor cu acelai numr de variabile exogene, cel mai bun model este dat de restricia : max R j2 . Pe baza acestui criteriu se observ
j 2 c: R2 / 0 = 0,7504 > R12/ 0 = 0,6268 , respectiv modelul M 2 explic mai bine
variaia cifrei de afaceri (y) n funcie de suprafaa comercial ( x 2 ), n comparaie cu modelul M 1 , care utilizeaz ca variabil exogen numrul de familii ( x1 ). n cazul n care se compar dou modele al cror numr de variabile exogene este diferit (de exemplu, modelul M 2 cu M 3 ) alegerea celui mai bun model se face cu ajutorul testului Fisher-Snedecor. Utilizarea acestui test n acest caz const n: - calcularea valorii empirice a variabilei Fc
Vx2 Vx2 k q kq Vu2 Vu2 q k kq Vu2 k n k 1 Vu2 k n k 1 V02 Vu2 V02 + Vu2 k q kq Vu2 k n k 1
Fc =
Fc =
Fc =
Vu2 Vu2 2 3 21
Vu2 3 13 2 1
Fc =
13426,7387 7756,2142 7756,2142 : = 7 ,3109 2 1 10
- preluarea din tabela distribuiei Fisher-Snedecor a valorii teoretice a variabilei F n funcie de un prag de semnificaie i de numrul gradelor v2 = n k 1 , respectiv pentru de libertate v1 = k q ,
= 0,05; F0 ,05;1;10 = 4 ,96 .

Deoarece Fc = 7,3109 > F0,05;1;10 = 4,96 , prin introducerea variabilei x1 n modelul M 3 crete gradul de performan al acestui model n raport cu modelul M 2 , n acelai timp influena acestei variabile asupra variabilei y este semnificativ. Ca atare, modelul care explic cel mai bine variaia cifrei de afaceri este modelul M 3 :
Yt 3 = 37,5023 + 1,4963 x1t + 4,2446 x2t ;
R = 0,9251
d = 2,17
s u 3 = 27,85
(17,6461) (0,5534)
(1,065)
d) Deoarece s-a constatat c modelul M 3 explic cel mai bine variaia cifrei de afaceri, acesta va fi utilizat n vederea estimrii valorilor probabile ale cifrei de afaceri pentru ntreprinztorul respectiv. n acest caz, dac x 0 = 1, x1 = 64, x 2 = 23 , n medie, cifra de afaceri este egal cu:
$ $ $ Yn+ v = a 3 x n + v , 0 + b3 x n + v ,1 + c3 x n + v , 2
unde: Yn+ v = estimaia punctual a valorii de prognoz pentru variabila y; y n + v = valoarea real a variabilei y n momentul de prognoz ( n + v ).
Sub form matriceal, relaia anterioar devine:

1 Yn+ v = X v B = X v ( X X ) ( X Y )
unde: 1 X v = xn + v ,1 - reprezint matricea coloan a valorilor de prognoz ale x n + v,2 variabilelor x j ( j = 0,2 ) pentru momentul ( n + v ). Yn+ v = 37,5023 1 + 1,4963 64 + 4,2446 23 = 230,89 231 mil. lei. n vederea estimrii intervalului de ncredere pentru aceast valoare probabil este necesar calcularea dispersiei acestei valori cu ajutorul relaiei:
2 2 sY = su 1 + X v ( X X ) X v 1
n+ v
]
0,0401 23 ) 0,0063 0,0067 0,0063 0,0004 0,0005 0,0067 1 0,0005 64 = 1001 ,84 0,0015 23
2 Y n+ v
sY
n+v
= 775 ,6214 1 + (1 64 = 31,65
Intervalul de ncredere a prognozei cifrei de afaceri, estimat cu un prag de semnificaie = 0,05 , pentru care valoarea lui t , preluat din tabela distribuiei Student, este t 0 ,05;10 = 2 ,228 se va calcula cu ajutorul relaiei: P Yn+ v t sY yn + v Yn+ v + t sY = 1
n+v n+v
P[231 2,228 31,65 yn +v 231 + 2,228 31,65] = 1 0,05 = 0,95 P[160 yn +v 301] = 0,95 n concluzie, cu un prag de semnificaie de 5%, cifra de afaceri a ntreprinztorului respectiv va fi cuprins ntre 160 i 301 milioane lei. e) tiind c rata profitului rp este egal cu: rp( 0 0 ) = CA CT * 100 CA = rp CT + CT CA = CT 1 + rp CT
( )
unde: CA = cifra de afaceri (y); CT = cheltuieli totale. Pe baza datelor problemei rezult c antreprenorul, pentru a obine un profit mai mic sau egal cu 10 %, trebuie s realizeze o cifr de afaceri de cel mult 220 mil. lei ( CA = 200 (1 + 0,1) = 220 ). Utiliznd modelul econometric M 3 rezult c cifra de afaceri a acestor magazine urmeaz o distribuie normal, de medie Y = 231 mil. lei i de abatere medie ptratic sY = 31,43 mil. lei i, ca atare: 220 Y (64;23) P(Y 220) = P t = P(t 0,35) = P(t 0,35) = 0,3632 31,43 n concluzie, antreprenorul are 36,32% anse de a nu realiza un profit de 10%, aceasta reprezentnd riscul su de a nu-i realiza dezideratul propus n urma cumprrii magazinului respectiv. f) Estimarea parametrilor unui model econometric multifactorial liniar pe baza matricei varianelor i covarianelor i a matricei coeficienilor de corelaie liniar simpli
Fie modelul: y t = b0 + b1 x1t + b2 x 2t + u t Se nsumeaz (1) i se mparte la n obinndu-se ecuaia: y = b0 + b1 x1 + b2 x 2 Se scade ecuaia (2) din (1) i rezult: y t y = b1 ( x1t x1 ) + b2 ( x 2 t x 2 ) + u t Notm cu: y t = y t y
x1t = x1t x1
(1)
(2)
(3)
x2t = x2t x2
Modelul (3), construit pe baza abaterilor centrate ale variabilelor, devine:

* * y t* = b1 x1t + b2 x 2t + u t
n acest caz, matricea varianelor i covarianelor modelului se definete astfel:

2 yy cov( yx1 ) cov( yx2 ) 2 V = cov( x1 y ) cov( x1 x2 ) x1 x1 cov( x y ) cov( x x ) 2 x2 x2 2 2 1
unde:
2 = y
(y )
t =1
13
2 t
- dispersia variabilei y;
2 x =
j
(x )
13 t =1
2 tj
- dispersia variabilei x tj ( j = 1,2 );
cov y , x j =
(y
y ) x tj x n
)= y x
t
tj
x1 = 34,7692 34,77 x2 = 15,7692 15,77
y = 156 ,4615 156 ,46

Tabelul 2.5.6
Nr. crt.
x = x 1 t x1 x = x 2 t x 2 y = y t y
* 1t * 2t * t
x y
4
* 1t
* t
x y
5
* 2t
* 2t
* x1*t x 2 t
0 1 2 3 4 5 6 7 8 9 10 11 12 13 Total
1 35,23 0,23 20,23 -9,77 -6,77 8,23 -19,77 -1,77 -11,77 -30,77 10,23 -14,77 21,23 -0,01
2 5,23 10,23 -1,77 -5,77 -3,77 4,23 -10,77 12,23 -6,77 -9,77 -5,77 -7,77 20,23 -0,01
3 41,54 52,54 40,54 -0,46 -71,46 30,54 -113,46 54,54 -36,46 -94,46 19,54 -39,46 116,54 0,02
6 184,2529 2,3529 -35,8071 56,3729 25,5229 34,8129 212,9229 -21,6471 79,6829 300,6229 -59,0271 114,7629 429,4829
1463,4542 12,0842 820,1242 4,4942 483,7842 251,3442 2243,1042 -96,5358 429,1342 2906,5342 199,8942 582,8242 2474,1442
217,2542 537,4842 -71,7558 2,6542 269,4042 129,1842 1221,9642 667,0242 246,8342 922,8742 -112,7458 306,6042 2357,6042
11774,3846 6694,3846 1324,3077

2 yy = ( y )2 = 4137,63
cov( yx2 ) =
2 x x = ( x
1 1
6694,3846 = 514,95 13
= 316,33
cov( x1 x2 ) =
2 x x = ( x
2 2
1324,3077 = 101,87 13
= 85,41
cov( yx1 ) =
117743846 = 905,72 13
4137,63 905,72 514,95 V = 905,72 316,33 101,87 514,95 101,87 85,41
Matricea varianelor i covarianelor poate fi calculat i cu ajutorul pachetului de programe EViews. Dispunnd de matricea V, estimatorii b j = b y / x j se calculeaz cu ajutorul relaiei:
j +1 by / x j = b j = ( 1)
Vyx j Vyy
, j = 1, k
unde:
V yx j = determinantul matricei varianelor i covarianelor din care

se elimin linia y i coloana x j ;
V yy = determinantul matricei varianelor i covarianelor din care se

elimin linia y i coloana y.
2 b1 = ( 1)
905,72 101,87 514,95 85,41 24898,0164 = = 1,4963 316,33 101,87 16639,858 101,87 85,41
905,72 316,33 514,95 101,87
16639,858 $ Estimatorul b0 se calculeaz din relaia (2):
3 b2 = ( 1)
70629,9481 = 4,2446 16639,858
b0 = y b1 x1 b2 x2 b0 = 156,4615 1,4963 34,7692 4,244615,7692

b0 = 37,5024
Matricea coeficienilor de corelaie liniar simpl a variabilelor pe baza relaiei (3) se definete:
1 R = rx1y r x2 y
unde:
ryx1
1
rx2 x1
ryx2 rx1x2 1
ry x =
tj
n y x
j
t tj
(y ) (x )
2 t
t tj
2 tj
0,7917 0,8662 1 R = 0,7917 1 0,6198 , 0,8662 0,6198 1
calculat cu ajutorul programului EViews.
$ $ Cu ajutorul acestei matrici, estimatorii by / x j = b j se pot calcula

astfel:
j +1 $ $ by / x j = b j = ( 1)
R yx j y R yy x j
unde:
R yx j = determinantul matricei R din care s-a eliminat linia y i

coloana x j ;
R yy = determinantul matricei R din care s-a eliminat linia y i

coloana y. 0,7917 0,6198 0,8662 1 66,951 = 1,4963 1 0,6198 18,512 0,6198 1
0,7917 1 0,8662 0,6198 66,951 = 4,2446 0,6158 9,619
2 b1 = ( 1)
3 b2 = ( 1)
$ n mod analog, estimatorul b0 se calculeaz din relaia (2):

b0 = 37,5024
2.1.6 Model multifactorial neliniar- funcia Cobb-Douglas fr progres tehnic
Se cunosc urmtoarele date privind valoarea adugat brut (Q), capitalul fix (mijloace fixe sau imobilizri corporale la sfritul anului) (K) i numrul mediu de salariai (L), exprimate n preuri comparabile (1990=100), n Romnia, n perioada 1980-2002:
Tabelul 2.6.1
Anul Valoarea adugat brut (mld. lei) (1990=100) Imobilizri corporale (mld. lei ) (1990=100) Numrul mediu de salariai (mii pers.)
0 1980 1981
1 767,0 756,6
2 2451,1 2630,5
3 7378 7435

Imobilizri corporale (mld. lei ) (1990=100)
Anul
Valoarea adugat brut (mld. lei) (1990=100)
Numrul mediu de salariai (mii pers.)
0 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002
1 762,3 795,6 838,6 849,0 865,5 882,8 886,0 819,2 788,1 700,1 668,2 641,0 663,1 710,3 747,6 691,0 634,0 621,7 637,8 680,6 715,1
2 2544,3 2764,7 3011,5 3216,1 3432,0 3650,3 3781,4 4005,5 3498,0 1526,6 2622,5 917,1 487,9 1811,6 1386,7 720,4 820,5 908,2 1300,0 1417,1 1510,2
3 7553,2 7600,1 7585 7700 7751,9 7790 7842,6 7997,1 8156 7574 6888 6672 6438 6160 5939 5597 5369 4761 4623 4619 4568
Not: Valoarea adugat brut este calculat conform metodologiei de calcul a Sistemului European al Conturilor Economiei Integrate - SEC 1979. Valoarea adugat brut i imobilizrile corporale au fost deflaionate cu ajutorul deflatorului PIB exprimat n preuri constante (1990 = 100), obinut n urma prelucrrii datelor din Raportul Anual BNR. Sursa: Date prelucrate pe baza Anuarului Statistic al Romniei 1995, CNS, Bucureti, 1996, p. 152153, 366-367, 386, Anuarului Statistic al Romniei 2001, INS, Bucureti, 2002, p. 276, 303, 104, Anuarului Statistic al Romniei 2003, INS, Bucureti, 2004, p. 106, 282, 312, Raportului Anual 1999, BNR, Bucureti, 2000, p. 6*-9*, Raportului Anual 2000, BNR, Bucureti, 2001, p. 6*-7*, Raportului Anual 2002 BNR, Bucureti, 2003, p. 4*-5*, Dobrescu, E., Macromodels of the Romanian Transition Economy, Second Edition, Editura Expert, Bucharest, 1998, p. 174, 175-176, 184.
Se cere: a) S se descrie corelaia dintre cele trei fenomene economice cu ajutorul modelului Cobb-Douglas; b) S se estimeze parametrii modelului i s se fac discuia econometric a modelului obinut;
c) S se comenteze semnificaia parametrilor modelului i s se verifice ipoteza conform creia funcia de producie este de randament constant ( + = 1) .
Rezolvare:
a) Funcia Cobb-Douglas se prezint sub forma:
Q = AK L u
(1)
unde: A = parametru de scar; , = coeficienii de elasticitate ai valorii adugate brute reale n raport cu fiecare din factorii de influen utilizai; Q = valoarea adugat brut real; K = capitalul fix real (mijloace fixe sau imobilizri corporale la sfritul anului); L = numrul mediu de salariai. b) Modelul (1) este un model multifactorial neliniar care poate fi transformat ntr-un model liniar prin logaritmare:
ln Q = ln A + ln K + ln L + ln u
Facem urmtoarele notaii:
(2)
ln Q = y t ;
ln A = a ; ln K = x1t ;
ln L = x 2 t ;
ln u = u t . Modelul devine:
y t = a + x1t + x 2t + u t
(3)
Estimarea parametrilor acestui model se realizeaz cu ajutorul M.C.M.M.P.: 2 F a, , = min ( yt yt ) = min yt a x1t x2t
t =1 t =1
23
23
Minimul acestei funcii este dat de calculul derivatelor pariale n raport cu parametrii modelului: F (a ) = 0 2
t
(y a x
t
1t
x2 t ( 1) = 0
F ( ) = 0 2 yt a x1t x 2t ( x1t ) = 0
t
F = 0 2 y t a x1t x 2t ( x 2t ) = 0
t
()
Dup efectuarea calculelor rezult urmtorul sistem de ecuaii:

$ na + x1t + x 2 t = y t $ $ 2 $ $ $ a x1t + x1t + x1t x 2 t = x1t y t 2 $ $ $ a x 2 t + x1t x 2 t + x 2 t = x 2 t y t

Tabelul 2.6.2 Valoarea Numrul Imobilizri adugat mediu de Nr. corporale brut salariai crt. (mld. lei ) (mld. lei) (mii (1990=100) (1990=100) pers.)
yt
4 6,6425 6,6288 6,6363 6,6791 6,7317 6,7441 6,7633 6,7831 6,7867 6,7083 6,6696 6,5512 6,5046 6,4630 6,4969 6,5657 6,6169 6,5381 6,4520 6,4325 6,4580 6,5230 6,5724
x1t
5 7,8043 7,8749 7,8416 7,9247 8,0102 8,0759 8,1409 8,2026 8,2378 8,2954 8,1599 7,3308 7,8719 6,8213 6,1901 7,5020 7,2347 6,5798 6,7099 6,8115 7,1701 7,2564 7,3200
x2t
6 8,9063 8,9140 8,9297 8,9359 8,9339 8,9490 8,9557 8,9606 8,9673 8,9868 9,0065 8,9325 8,8375 8,8057 8,7700 8,7258 8,6893 8,6300 8,5884 8,4682 8,4388 8,4379 8,4268
yt
7 6,6572 6,6668 6,6655 6,6764 6,6862 6,6964 6,7053 6,7134 6,7187 6,7287 6,7160 6,6056 6,6537 6,5241 6,4435 6,5913 6,5536 6,4662 6,4747 6,4666 6,5041 6,5142 6,5198
ut
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 Total
1 767,0 756,6 762,3 795,6 838,6 849,0 865,5 882,8 886,0 819,2 788,1 700,1 668,2 641,0 663,1 710,3 747,6 691,0 634,0 621,7 637,8 680,6 715,1 17120,9
2 2451,1 2630,5 2544,3 2764,7 3011,5 3216,1 3432,0 3650,3 3781,4 4005,5 3498,0 1526,6 2622,5 917,1 487,9 1811,6 1386,7 720,4 820,5 908,2 1300,0 1417,1 1510,2 50414,2
3 7378 7435 7553,2 7600,1 7585 7700 7751,9 7790 7842,6 7997,1 8156 7574 6888 6672 6438 6160 5939 5597 5369 4761 4623 4619 4568
8 -0,0147 -0,0380 -0,0292 0,0027 0,0456 0,0476 0,0581 0,0697 0,0681 -0,0204 -0,0464 -0,0544 -0,1491 -0,0611 0,0534 -0,0256 0,0633 0,0719 -0,0226 -0,0342 -0,0461 0,0088 0,0526
153996,9 151,9480 166,0466 193,7698 151,9480 0,0000
Dependent Variable: yt Method: Least Squares Included observations: 23 Variable C Coefficient 4,2465 0,1183 0,1670 0,7498 0,7248 0,0594 0,0705 33,9153 0,9991 Std. Error 0,6405 0,0287 0,0876 t-Statistic 6,6300 4,1234 1,9075 Prob. 0,0000 0,0005 0,0709 6,6064 0,1132 -2,6883 -2,5402 29,9722 0,0000
x1t x2t
n urma testrii semnificaiei parametrilor s-a constatat c: t A = 6,63 > t0,01; 20 = 2,845 rezult c parametrul a este semnficativ diferit de zero; t = 4,1234 > t0, 01; 20 = 2,845 rezult c parametrul
este
semnficativ diferit de zero; t = 1,9075 < t0, 01; 20 = 2,845 rezult c parametrul
nu este
semnificativ diferit de zero. Verificarea semnificaiei variabilei Durbin-Watson, calculat n vederea testrii ipotezei de independen a erorilor, se face cu ajutorul tabelei Durbin-Watson din care se extrag valorile d1 = 0,94 i d 2 = 1,29 , n funcie de un prag de semnificaie = 0,01 , de numrul de variabile exogene (k = 2 ) i de numrul observaiilor n = 23 . Comparnd valoarea calculat a variabilei Durbin-Watson d c = 0,9991 cu cele dou valori tabelate se observ c
d c = 0,9991 > d1 = 0,94
d c = 0,9991 < d 2 = 1,29
rezultnd indecizie valoarea
tinznd spre o slab autocorelaie pozitiv care poate fi neglijat. Deoarece Fc = 29,9722 > F0, 01; 2; 20 = 5,85 rezult c
raportului de corelaie este semnificativ diferit de zero, cu un prag de semnificaie de 0,01. Utiliznd ecuaia analizei variaiei:
(y
y ) = ( yt yt ) + ( yt y )
2 2
0,282 = 0,0705 + 0,2115

( yt y )2 din rezult c modelul econometric explic aproximativ 75% ( y y )2 t variaia valorii adugate brute reale. n final, modelul este de forma:
yt = 4,2465 + 0,1183x1t + 0,167 x2t ; (0,6405) (0,0287) (0,0876)
R = 0,8659
d = 0,9991 su = 0,0594
(4)
c) Dup cum se tie, coeficientul de elasticitate este definit ca:

E y /x = d (ln y ) d (ln x )
n modelul Cobb-Douglas, parametrii i reprezint coeficienii de elasticitate ai valorii adugate brute reale n raport cu cei doi factori, imobilizri fixe reale ( x1 ) i numrul mediu de salariai ( x 2 ) , acetia msurnd variaia relativ a valorii adugate brute reale n funcie de variaia relativ a factorilor si de influen.
Valorile celor doi parametrii au urmtoarea semnificaie: E y / x1 = = 0,1183 E y / x 2 = = 0,167 La o cretere cu 1% a imobilizrilor corporale reale, valoarea adugat brut real crete cu 0,12%, deci valoarea adugat brut real este inelastic n raport cu imobilizrile corporale reale, iar pentru cellalt factor de producie, numr mediu de salariai, nu poate fi fcut o evaluare econometric, deoarece estimatorul acestuia, , este nesemnificativ. Ipoteza potrivit creia funcia este de randament constant, respectiv dac se verific urmtoarea restricie liniar aplicat parametrilor modelului, respectiv: + = 1 va fi verificat cu ajutorul testului Wald15. n vederea aplicrii acestui test este necesar estimarea parametrilor modelului de regresie cu restricii, pentru care se verific relaia: = 1 , avnd urmtoarea form: (ln Qt ln K t ) = a + (ln Lt ln K t ) + vt
(5)
Utiliznd programul EViews au fost obinute urmtoarele rezultate:

Dependent Variable:
(ln Qt ln Kt )
Method: Least Squares Sample: 1980 2002 Included observations: 23 Variable Coefficient -2,1982 1,0108 0,9274 0,9239 0,1429 0,4287 13,1635 0,1798 Std. Error 0,0829 0,0617 t-Statistic -26,5106 16,3731 Prob. 0,0000 0,0000 -0,9312 0,5179 -0,9707 -0,8720 268,0768 0,0000 C
(ln Lt ln K t )
15
Cf. op. cit., p. 256-258.
(ln Qt ln K t ) = 2,1982 + 1,0108 (ln Lt ln Kt ) ;

(0,0829) (0,0617)
R = 0,963 d = 0,1798 (6) sv = 0,1429
Se consider c modelul (2) este modelul de regresie fr restricii. Aplicarea testului Wald const n verificarea urmtoarei inegaliti:
vt2 ut2 m t Fc = t < F ; v1 ; v 2 2 (n k ) ut
t
(7)
unde: ut2 = suma ptratelor erorilor corespunztoare modelului de regresie fr

t
restricii (2);
v
t
2 t
= suma ptratelor erorilor corespunztoare modelului de regresie cu
restricii (5); m = numrul de restricii liniare; k = numrul de parametrii ai modelului de regresie fr restricii (2); n = numrul de observaii. O alt variant a acestui test este urmtoarea:
Fc =
(1 R ) (n k ) < F
2
(R
R r2 m
; v1 ; v 2
(8)
unde:
R 2 = coeficientul de determinaie corespunztor modelului de regresie fr
restricii (2);
R = coeficientul de determinaie corespunztor modelului de regresie cu
2 r
restricii (5).
Utiliznd programul EViews n vederea aplicrii testului Wald (utiliznd relaia (7)), s-au obinut urmtoarele rezultate:
Wald Test: Equation: EQ01 Null Hypothesis: F-statistic Chi-square
+ =1
101,5390 101,5390 Probability Probability 0,0000 0,0000
Deoarece Fc = 101,539 > F0, 01;1; 20 = 8,10 , rezult c ipoteza potrivit creia funcia de producie este de randament constant este respins.
2.1.7 Model liniar multifactorial cu variabile centrate
S se realizeze discuia econometric a dependenei dintre o variabil endogen y i dou variabile exogene x1 i x 2 , exprimate prin valori centrate, nregistrate la 20 de uniti statistice, cunoscnd urmtoarele date:
( X X ) =
3 2 3 ; ( X Y ) = i ( y y) = 12 . 2 3 5
Rezolvare :
Modelul econometric aferent celor trei variabile este:

y t = b0 + b1 x1t + b2 x 2t + u t , t = 1,20
(1)
Ecuaia (1) se nsumeaz dup t i se mparte la n = 20 rezultnd ecuaia:

y = b0 + b1 x1 + b2 x 2
(2)
Scznd din ecuaia (1) ecuaia (2), se obine modelul:

y t y = b1 ( x1t x1 ) + b2 ( x 2t x 2 ) + ut
Notnd cu:
~ =y y yt t ~ =x x x1t 1t 1 ~ =x x x
2t 2t
rezult modelul (3) construit pe baza valorilor centrate:
~ = b x +b x +u ~ ~ yt 1 1t 2 2t t
(3)
Termenul liber, b0 , poate fi estimat din relaia (2), dup calculul parametrilor b1 i b2 , astfel:
$ $ $ b0 = y b1 x1 b2 x 2
Matriceal, modelul (3) se scrie astfel:

Y = XB + U
unde:
y ~1 ~ y2 Y = - vectorul valorilor centrate ale variabilei endogene; M ~ y 20
~ x11 ~ x12 X = M ~ x120
~ x 21 ~ x 22 ~ - matricea valorilor centrate ale variabilelor exogene x1t M ~ x

220
~ i x 2t ; u1 u2 U = - vectorul valorilor variabilei reziduale. M u 20 Estimarea parametrilor b1 i b2 pe baza modelului matriceal cu ajutorul M.C.M.M.P. const n: 2 2 F B = min ut2 = min U U = min Y Y = min Y XB = min Y XB Y XB =
n t =1
()
)(
= min Y Y 2 B( X Y ) + B( X X )B
$ F ( B) $ B
$ = 0 2( X Y ) + 2( X X ) B = 0
( X X ) B = ( X Y ) ( X X )1 ( X X ) B = ( X X )1 ( X Y ) b 1 B = ( X X ) ( X Y ) = 1 b 2
( X X ) =
3 2 2 3
X X =
3 2 =94=5 2 3 3 2 0,6 0,4 = 5 2 3 0,4 0,6
( X X )1 = 1
$ $ 0,6 0,4 3 = 0,2 = b1 B= $ 0,4 0,6 5 1,8 b2

n concluzie, modelul este de forma:
Yt = 0,2 x1 + 1,8 x2
n continuare, se va verifica semnificaia parametrilor, a raportului de corelaie, precum i verosimilitatea modelului. Pentru verificarea semnificaiei parametrilor se vor calcula: - dispersia variabilei reziduale
2 s u =
1 y Yt n k 1 t
1 1 2 UU u t = n k 1 n k 1
unde: k = numrul variabilelor exogene. n vederea determinrii valorii produsului U U se pornete de la ecuaia analizei variaiei:
(y
y) =
2
(Y
) + (y
2
Yt
u t = y t Yt i y = 0
Matriceal, aceast ecuaie este de forma:

( y y ) = (Y Y ) + (U U )
(U U ) = ( y y ) Y Y
( )
Dar Y = XB ; Y = XB , de unde:
( )
Y Y = XB XB = B ( X X )B
( )( )
Y Y = ( 0,2
3 2 0,2 1,8) 2 3 1,8 = 8,4
rezult c: U U = 12 8,4 = 3,6

2 su =
1 3,6 = 0,2118 20 3
dispersiile celor doi estimatori
2 2 s b = su cij
j
unde: cij = termenul situat pe diagonala principal a matricei inverse ( X X ) .

1
2 0,6 sb1 0,1271 = = 2 s = 0,2118 0,6 sb2 0,1271 2 bj
Abaterile medii ptratice ale celor doi estimatori sunt egale cu: 0,3565 2 sb$ j = sb$ j = 0,3565
Estimatorii parametrilor modelului sunt semnificativ diferii de zero dac se verific relaia: bj sb b1 sb
1
> t ;n k 1 ; j = 1,2
0,2 = 0,561 0,3565
b2 sb
2
1,8 = 5,0491 0,3565
Din tabela distribuiei Student, pentru un prag de semnificaie = 0,05 i n funcie de numrul gradelor de libertate v = n k 1 = 17 , se preia valoarea t 0, 05;17 = 2,101. Comparnd aceast valoare cu valorile calculate pentru cei doi estimatori se constat c: $ tcb = 0,561 < t0,05;17 = 2,101 , rezult c parametrul b1 nu este
1
semnificativ diferit de zero; tcb = 5,0491 > t0,05;17 = 2,101 ,

2
rezult
parametrul
$ b2
este
semnificativ diferit de zero.
$ Deoarece parametrul b1 nu este semnificativ diferit de zero se poate

renuna la variabila x1 . n vederea verificrii verosimilitii modelului se utilizeaz metoda analizei variaiei, modelul testat fiind: Y = 0,2 x + 1,8 x .
1 2
Sursa de variaie
Msura variaiei
2 Vx2 = Yt y = 20
Nr. grade de libertate
Dispersia corectat
2 sY / X =
Tabelul 2.7.1 Valoarea testului F
Fc
Fc =
2 sY / X 2 su
F ;v1 ;v2
F0,05; 2;17 = 3,59 F0,01; 2;17 = 6,11
Variana explicat de model Variana rezidual Variana total
= (Y Y ) = 8,4
t =1
k =2
Vx2 k
= 4,2
= 19,83
Vu2 = yt Yt = (U U ) = 3,6
t =1
20
n k 1=17
Vu2 n k 1 = 0,2118
2 su =
V02 = ( y t y ) =
2
20
= ( y y) = 12
t =1
n 1=19
Deoarece
Fc = 19,83 > F0,01;2;17 = 6,11 rezult c modelul este
semnificativ cu un prag de semnificaie = 0,01 . Pe baza datelor din tabel se poate calcula valoarea raportului de corelaie astfel: Vx2 8,4 = = 0,7 = 0,8367 2 V0 12
R=
Raportul de corelaie este semnificativ diferit de zero dac se verific inegalitatea: Fc F ;v1 ;v2 Valoarea empiric a variabilei Fisher-Snedecor este:
Fc =
20 3 0,7 n k 1 R2 = = 19,8334 k 1 R 2 1 0,7
Deoarece Fc = 19,8334 > F0, 01; 2;17 , rezult c valoarea raportului de corelaie este semnificativ diferit de zero, cu un prag de semnificaie = 0,01 . Utiliznd ecuaia analizei variaiei: V02 = Vx2 + Vu2 12 = 8,4 + 3,6
V 2 rezult c modelul econometric explic 70% x2 100 din variaia total a V o variabilei endogene y , restul de 30% reprezentnd variaia variabilei y
neexplicat de model i atribuit factorilor aleatori.
2.1.8 Modele dinamice
2.1.8.1 Model dinamic funcia CobbDouglas cu progres tehnic Utiliznd datele din tabelul 2.6.1., din cadrul problemei 2.1.6., s se estimeze influena progresului tehnic asupra creterii valorii adugate brute reale cu ajutorul unui model Cobb - Douglas. Rezolvare: Din punct de vedere econometric, cuantificarea influenei progresului tehnic asupra creterii valorii adugate brute reale se poate face cu ajutorul unui model de forma:
Qt = A Kt Lt ec t ut

(1)
unde: A = parametru de scar; , = coeficienii de elasticitate ai valorii adugate brute reale n raport cu fiecare din factorii de producie utilizai; c = expresia econometric a influenei progresului tehnic asupra creterii valorii adugate brute reale; Q = valoarea adugat brut real; K = capitalul fix real (mijloace fixe sau imobilizri corporale la sfritul anului); L = numrul mediu de salariai; t = variabila timp, t =1, n = 1,23 ; u = variabila aleatoare. Modelul (1) este un model multifactorial neliniar care poate fi transformat ntr-un model liniar prin logaritmare:
ln Qt = ln A + ln Kt + ln Lt + c t + ln ut
Se fac urmtoarele notaii: ln Q = y t ; ln A = a ; ln K = x1t ;
ln L = x 2 t ;
ln u = u t . Modelul devine:
y t = a + x 1 t + x 2 t + ct + u t
Estimarea parametrilor acestui model se realizeaz cu ajutorul M.C.M.M.P.: F a , , , c = min
(y t
t =1
23
2 y t ) = min
(y
23
t =1
a x 1t x 2 t c t
Minimul acestei funcii este dat de calculul derivatelor pariale n raport cu parametrii modelului:
F (a ) = 0 2
t
(y t (y t (y t (y t
a x 1 t x 2 t c t
)( 1 ) =
x1 t
F (
)=
0 2
t
a x 1 t x 2 t c t
)( )(
)=
F = 0 2
t
( )
a x 1 t x 2 t c t
x2t
)=
F (c ) = 0 2
t
a x 1 t x 2 t c t
)(
t )= 0
Dup efectuarea calculelor rezult urmtorul sistem de ecuaii: na + x 1t + x 2t + c t = y t 2 a x 1t + x 1t + x 1t x 2t + c x 1t t = x 1t y t 2 a x 2t + x 1t x 2t + x 2t + c x 2t t = x 2t y t 2 a t + x 1t t + x 2t t + c t = y t t

Tabelul. 2.8.1.1
Valoarea adugat Nr. brut crt. (mld. lei) (1990=100) Imobilizri Numrul corporale mediu de (mld. lei ) salariai (1990=100) (mii pers.)
yt
4 6,6425 6,6288 6,6363 6,6791 6,7317 6,7441 6,7633 6,7831 6,7867 6,7083 6,6696 6,5512 6,5046 6,4630 6,4969 6,5657 6,6169 6,5381 6,4520 6,4325 6,4580 6,5230 6,5724
x1t
5
x2t
6 8,9063 8,9140 8,9297 8,9359 8,9339 8,9490 8,9557 8,9606 8,9673 8,9868 9,0065 8,9325 8,8375 8,8057 8,7700 8,7258 8,6893 8,6300 8,5884 8,4682 8,4388 8,4379 8,4268
yt
7 6,6622 6,6709 6,6687 6,6787 6,6878 6,6971 6,7051 6,7124 6,7169 6,7259 6,7123 6,6033 6,6519 6,5233 6,4433 6,5898 6,5524 6,4661 6,4744 6,4677 6,5047 6,5140 6,5191
ut
8 -0,0197 -0,0421 -0,0324 0,0004 0,0439 0,0470 0,0582 0,0707 0,0698 -0,0176 -0,0427 -0,0521 -0,1473 -0,0603 0,0536 -0,0241 0,0645 0,0721 -0,0224 -0,0352 -0,0466 0,0090 0,0533
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 Total
1 767,0 756,6 762,3 795,6 838,6 849,0 865,5 882,8 886,0 819,2 788,1 700,1 668,2 641,0 663,1 710,3 747,6 691,0 634,0 621,7 637,8 680,6 715,1 17120,9
2 2451,1 2630,5 2544,3 2764,7 3011,5 3216,1 3432,0 3650,3 3781,4 4005,5 3498,0 1526,6 2622,5 917,1 487,9 1811,6 1386,7 720,4 820,5 908,2 1300,0 1417,1 1510,2 50414,2
3 7378 7435 7553,2 7600,1 7585 7700 7751,9 7790 7842,6 7997,1 8156 7574 6888 6672 6438 6160 5939 5597 5369 4761 4623 4619 4568
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
7,8043 7,8749 7,8416 7,9247 8,0102 8,0759 8,1409 8,2026 8,2378 8,2954 8,1599 7,3308 7,8719 6,8213 6,1901 7,5020 7,2347 6,5798 6,7099 6,8115 7,1701 7,2564 7,3200
153996,9 151,9480 276 166,0466 193,7698 151,9480 0,0000
Dependent Variable: yt Method: Least Squares Sample: 1980 2002 Included observations: 23 Variable C Coefficient 4,4141 0,1172 0,1498 -0,0007 0,7502 0,7107 0,0609 0,0704 33,9318 0,9946 Std. Error 1,2087 0,0301 0,1379 0,0040 t-Statistic 3,6521 3,9005 1,0861 -0,1652 Prob. 0,0017 0,0010 0,2910 0,8706 6,6064 0,1132 -2,6028 -2,4053 19,0188 0,0000
x1t x2t
t
n urma testrii semnificaiei parametrilor s-a constatat c: t A = 3,6521 > t0, 01;19 = 2,861 rezult c parametrul a este semnficativ diferit de zero; t = 3,9005 > t0,01;19 = 2,861 rezult c parametrul
este
semnficativ diferit de zero; t = 1,0861 < t0,01;19 = 2,861 rezult c parametrul
nu este
semnificativ diferit de zero; tc = 0,1652 < t0,01;19 = 2,861 rezult c parametrul c nu este semnificativ diferit de zero. Verificarea semnificaiei variabilei Durbin-Watson, calculat n vederea testrii ipotezei de independen a erorilor, se face cu ajutorul tabelei Durbin-Watson din care se extrag valorile d1 = 0,83 i d 2 = 1,40 , n
funcie de un prag de semnificaie = 0,01 , de numrul de variabile exogene (k = 3) i de numrul observaiilor n = 23 . Comparnd d c = 0,9946 cu valoarea calculat a variabilei Durbin-Watson cele dou valori tabelate se observ c
d c = 0,9946 > d1 = 0,83 i d c = 0,9946 < d 2 = 1,40 rezultnd indecizie tinznd spre o slab autocorelaie pozitiv care poate fi neglijat. Deoarece Fc = 19,0188 > F0,01;3;19 = 5,01 rezult c valoarea
raportului de corelaie este semnificativ diferit de zero, cu un prag de semnificaie de 0,01. Utiliznd ecuaia analizei variaiei:
(y
y ) = ( yt yt ) + ( yt y )
2 2
0,282 = 0,0704 + 0,2116 ( yt y )2 din rezult c modelul econometric explic aproximativ 75% ( y y )2 t variaia valorii adugate brute reale. n final, modelul devine: yt = 4,4141 + 0,1172 x1t + 0,1498 x2t 0,0007 t ; (1,2087) (0,0301) (0,1379) (0,0040) R = 0,8661 d = 0,9946 su = 0,0609 n cadrul modelului Cobb-Douglas cu progres tehnic, parametrii i reprezint coeficienii de elasticitate ai valorii adugate brute reale n salariai ( x 2 ) , acetia msurnd variaia relativ a valorii adugate brute reale n funcie de variaia relativ a factorilor de producie, iar c exprim influena progresului tehnic asupra creterii valorii adugate brute reale. raport cu cei doi factori, imobilizri corporale reale ( x1 ) i numr mediu de
Coeficientul de elasticitate se definete astfel: d (ln y ) Ey/ x = d (ln x ) Valorile parametrilor i au urmtoarea semnificaie: E y / x1 = = 0,1172 E y / x 2 = = 0,1498 La o cretere cu 1% a imobilizrilor corporale reale valoarea adugat brut real crete cu 0,12%, deci valoarea adugat brut real este inelastic n raport cu imobilizrile corporale reale, iar pentru ceilali doi factori de producie, numr mediu de salariai i progres tehnic, nu pot fi fcute evaluri econometrice, deoarece cei doi estimatori, i c , nu au valori semnificativ diferite de zero, cauza putnd fi dimensiunea relativ redus a seriiilor de timp utilizate. 2.1.8.2 Model autoregresiv Se cunosc urmtoarele date privind consumul final real al gospodriilor populaiei i venitul disponibil net real al populaiei n Romnia, n perioada 1980-2001, exprimate n miliarde lei preuri comparabile (1990=100):
Tabelul 2.8.2.1
mld.lei (1990=100)
Anul Consumul final real al gospodriilor populaiei Venitul disponibil net real al populaiei
0 1980 1981 1982 1984 1985 1986 1987 1988
1 433,3 442,1 436,3 433,1 450,1 442,0 448,1 472,1
2 431,4 460,1 465,9 465,6 489,7 492,5 500,1 518,1
Anul
Consumul final real al gospodriilor populaiei
Venitul disponibil net real al populaiei
0 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
1 513,2 516,6 557,7 467,4 432,1 435,9 447,3 505,3 545,7 525,7 586,2 579,8 582,3
2 527,1 558,1 588,1 455,9 438,7 455,3 489,3 560,4 584,6 559,4 493,3 513,7 525,7
Not: Ambii indicatori sunt calculai conform metodologiei de calcul a Sistemului European al Conturilor Economiei Integrate - SEC 1979. Consumul final al populaiei a fost deflaionat cu ajutorul deflatorului consumului final al populaiei exprimat n preuri constante (1990 = 100), iar venitul disponibil net al populaiei a fost deflaionat cu ajutorul deflatorului PIB exprimat n preuri constante (1990 = 100), obinut n urma prelucrrii datelor din Raportul Anual BNR. Acesta a fost deflaionat cu ajutorul deflatorului PIB n preuri constante (1990 = 100). Datele provin de la Ministerul Prognozei i Dezvoltrii. Sursa: Date prelucrate pe baza Anuarului Statistic al Romniei 1995, CNS, Bucureti, 1996, p. 370372, Anuarului Statistic al Romniei 1996, INS, Bucureti, 1997, p. 364-366, Anuarului Statistic al Romniei 2001, INS, Bucureti, 2002, p. 278, 280, Anuarului Statistic al Romniei 2003, INS, Bucureti, 2004, p. 284, 286, Raportului Anual 1999, BNR, Bucureti, 2000, p. 6*-9*, Raportului Anual 2000, BNR, Bucureti, 2001, p. 6*-7*, Raportului Anual 2002 BNR, Bucureti, 2003, p. 4*-5*, Dobrescu, E., Macromodels of the Romanian Transition Economy, Second Edition, Editura Expert, Bucharest, 1998, p. 184.
Se cere: a) S se construiasc modelul econometric autoregresiv ce descrie legtura dintre cele dou variabile; b) S se estimeze parametrii modelului i s se verifice semnificaia acestora i a modelului. c) S se verifice ipoteza de stabilitate relativ n timp a legturii dintre consumul populaiei i factorii si prin intermediul testului Chow i
capacitatea de previziune a acestuia cu ajutorul indicatorilor propui de Theil. Rezolvare: a) Funcia de consum bazat pe teoria venitului permanent a lui Friedman a fost aplicat n cazul economiei Romniei folosind urmtorul model econometric autoregresiv:
C t = 0 + 1Vt + 2 C t 1 + u t , t = 1, 21
unde: Ct = consumul final real al populaiei; Vt = venitul disponibil real al populaiei; ut = variabila rezidual. Rezolvarea modelului s-a realizat cu ajutorul pachetului de programe EViews, conducnd la afiarea urmtoarelor rezultate:
Dependent Variable: Ct Method: Least Squares Sample(adjusted): 1981 2001 Included observations: 21 after adjusting endpoints Variable C Coefficient -136,0368 0,5293 0,7452 0,8271 0,8079 26,4646 12606,71 -96,9711 2,1437 Std. Error 73,9782 0,1456 0,1146 t-Statistic -1,8389 3,6356 6,5023 Prob. 0,0825 0,0019 0,0000 496,6524 60,3813 9,5211 9,6703 43,0566 0,0000
Vt Ct-1
Ct = 136,0368 + 0,5293 Vt + 0,7452Ct 1; R = 0,9095
(73,9782 ) (0,1456 )
(0,1146 )
d = 2,14 su = 26,4646
Pe baza estimatorilor parametrilor au fost calculate valorile estimate ale variabilei Ct, C t = 136,0368 + 0,5293 Vt + 0,7452C t 1 i ale variabilei
reziduale, u t = C t C t . Valorile acestora sunt prezentate n cadrul tabelului
2.8.2.2. (utiliznd pachetul de programe EViews):

Tabelul 2.8.2.2 Residual Plot (graficul reziduurilor)
Actual
Fitted
Ct
442,1 436,3 433,1 450,1 442,0 448,1 472,1 513,2 516,6 557,7 467,4 432,1 435,9 447,3 505,3 545,7 525,7 586,2 579,8 582,3 610,7
Ct
430,3889 440,0166 435,5356 445,9067 460,0573 458,0437 472,1167 494,7654 541,8015 560,2139 520,8702 444,4738 426,9540 447,7816 493,9094 549,9405 566,7089 516,8188 572,7015 574,2837 576,4113
Residual ut
11,7111 -3,7166 -2,4356 4,1933 -18,0573 -9,9437 -0,0167 18,4346 -25,2015 -2,5139 -53,4702 -12,3738 8,9460 -0,4816 11,3906 -4,2405 -41,0089 69,3812 7,0985 8,0163 34,2887
| . |* . | | . *| . | | . * . | | . |* . | | .* | . | | . *| . | | . * . | | . | *. | | .* | . | | . * . | | * . | . | | . *| . | | . |* . | | . * . | | . |* . | | . *| . | | *. | . | | . | . *| | . |* . | | . |* . | | . | .* |
Verificarea semnificaiei modelului necesit: - verificarea ipotezei de independen a erorilor; - verificarea semnificaiei estimatorilor; - verificarea semnificaiei raportului de corelaie.
Dei valoarea variabilei d, corespunztoare testului Durbin-Watson, este afiat de ctre programul EViews, n cazul unui model autoregresiv, aceasta tinde ctre 2, valoare ce corespunde erorilor independente. In acest caz, n vederea verificrii ipotezei de independen a erorilor, se recomand fie utilizarea testului Breusch-Godfrey16, fie a testului Durbin-h. Testul Breusch-Godfrey este folosit n vederea depistrii unei autocorelaii de ordin superior. Ca urmare a presupunerii existenei unei autocorelaii de ordin superior se construiete urmtorul model: u t = r1u t 1 + r2 u t 2 + K + rp u t p + z t unde: zt = variabil rezidual de medie zero i dispersie constant. Ipoteza nul care st la baza testului este aceea potrivit creia toi coeficienii corespunztori valorilor decalate ale variabilei reziduale sunt simultan egali cu zero, fapt ce implic inexistena fenomenului de autocorelaie a erorilor. n vederea aplicrii testului sunt estimate valorile variabilei reziduale ut n urma aplicrii M.C.M.M.P. asupra modelului iniial. Variabila rezidual ut este apoi regresat n funcie de variabilele exogene iniiale ale modelului i de valorile sale decalate, respectiv ut-1, ut-2,, ut-p. n cazul acestei regresii este calculat valoarea coeficientului de determinare R2 i a unei variabile de forma: BG = (n-p) R2. Presupunnd c ne aflm n situaia unui eantion de volum mare, variabila BG este asimptotic distribuit sub
2 forma unui ;v , pentru care numrul gradelor de libertate este egal cu: 2 v = p , unde p = mrimea decalajului , respectiv: BG~ ; v . 2 Dac BG > ; v , ipoteza nul este respins, ceea ce presupune c
exist cel puin un coeficient de autocorelaie nenul.
16
cf. Damodar N. Gujarati, Basic Econometrics, 3rd ed., Mc Graw-Hill, New York, 1995, p. 425
Aplicarea testului Breusch-Godfrey s-a realizat utiliznd pachetul de programe EViews (presupunnd ca mrimea decalajului este p = 2):
Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared Test Equation: Dependent Variable: ut Method: Least Squares Variable C Vt Ct-1 ut-1 ut-2 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -14,1990 0,0106 0,0176 -0,1547 0,0007 0,0192 -0,2260 27,7992 12364,76 -96,7676 1,8977 Std. Error 91,5356 0,1642 0,1267 0,2914 0,2963 t-Statistic -0,1551 0,0643 0,1388 -0,5307 0,0025 Prob. 0,8787 0,9495 0,8913 0,6029 0,9980 9,74E-14 25,1065 9,6922 9,9408 0,0783 0,9879 0,1565 0,4030 Probability Probability 0,8564 0,8175
n cazul utilizrii pachetului de programe EViews exist dou variante de aplicare a testului Breusch-Godfrey: - utilizarea testului FisherSnedecor aplicat n vederea verificrii existenei unor variabile absente (omise) n model, avnd urmtoarea relaie de calcul: R2 p Fc = 1 R 2 (n m )
unde: p = numrul de variabile noi adugate n model, respectiv ut-1, ut-2,, ut-p; m = numrul total de parametri corespunztori noului model. Dac Fc < F ;v1 ;v2 , unde v1 = p i v2 = n-m, ipoteza conform creia estimatorii corespunztori noilor parametri adugai n model sunt nuli este verificat, respectiv, n cazul nostru, fenomenul de autocorelare a erorilor nu este prezent, cazul contrar implicnd existena cel puin a unei autocorelaii de ordinul nti. Cum Fc = 0,1565 < F0,05; 2;16 = 3,63 , rezult c noul model este corect specificat, indicnd astfel faptul c erorile sunt independente: - utilizarea testului LM, calculat ca produs ntre numrul de observaii corespunztoare modelului, n, i coeficientul de determinare, R2, corespunztor acestei regresii auxiliare. n general, testul LM este
2 asimptotic distribuit sub forma unui ; v , pentru care numrul gradelor de
libertate este egal cu: v = p , unde p = mrimea decalajului, respectiv:

2 LM = n R 2 ~ ; v
2 Dac LM > ;v , erorile sunt autocorelate, n caz contrar, sunt
independente, respectiv ipoteza nulitii parametrilor, r1 = r2 = 0 , este acceptat. Se constat astfel c pachetul de programe nu utilizeaz relaia clasic de calcul a testului Breusch-Godfrey, respectiv: BG = (n-p)R2.
2 Deoarece LM = 0,403 < 0,05; 2 = 5,99147 , aceasta implic faptul c
erorile sunt independente. n cazul calculrii n varianta clasic a testului Breusch-Godfrey,

2 respectiv: BG = 19 0,0192 = 0,3646 < 0,05; 2 = 5,99147 , se ajunge la aceleai
concluzii menionate anterior.
Aplicarea testului Durbin-h17 const n calculul urmtoarei relaii: h = r1 n 2 1 n s 2
unde: r1 = coeficientul de autocorelaie de ordinul nti;

2 s 2 = dispersia corespunztoare valorii decalate a consumului final real al
populaiei; n = numrul de observaii. Presupunnd c numrul de observaii este suficient de mare, variabila h urmeaz distribuia normal, de medie zero i dispersie egal cu unitatea, aceasta semnificnd faptul c :
P( 1,96 h 1,96 ) = 1 = 1 0,05 = 0,95
Regulile de decizie n cazul aplicrii acestui test sunt urmtoarele: - dac h > 1,96 se accept ipoteza potrivit creia exist autocorelaie de ordinul nti pozitiv; - dac h < 1,96 se accept ipoteza potrivit creia exist
autocorelaie de ordinul nti negativ; - dac 1,96 h 1,96 se accept ipoteza potrivit creia erorile sunt independente, respectiv nu exist autocorelaie de ordinul nti, pozitiv sau negativ. Valoarea coeficientului de autocorelaie de ordinul nti se calculeaz cu ajutorul relaiei: r1 = 1 d = 1 2,1437 = 0,0718 2
17
cf. op. cit., p. 605-607.
n acest caz, valoarea testului h este urmtoarea: h = 0,0718 21 = 0,39 1 21 0,1146 2
i n acest caz poate fi acceptat ipoteza de independen a erorilor. Estimatorii modelului sunt semnificativ diferii de zero dac: t 0 = 0 s 0 t ;n k 1
t 0 =
136,0368 73,9782 1 s1 t ;n k 1
= 1,8389
t1 =
t1 =
0,5293 = 3,6356 0,1456 2 s 2 t ;n k 1
t 2 =
t 2 =
0,7452 = 6,5023 0,1146
( = 0,05) ,
din tabela
distribuiei Student se preia valoarea t 0,05;18 = 2,101 . Comparnd aceast valoare cu valorile calculate pentru cei trei estimatori, se constat c: - t 0 = 1,8389 < t 0,05;18 = 2,101 parametrul 0 nu este semnificativ diferit de zero, pentru un prag de semnificaie = 0,05 ;
- t 1 = 3,6356 > t 0,05;18 = 2,101 parametrul 1 este semnificativ
diferit de zero, pentru un prag de semnificaie = 0,05 ;
- t 2 = 6,5023 > t 0, 05;18 = 2,101 parametrul 2 este semnificativ
diferit de zero, pentru un prag de semnificaie = 0,05 . Raportul de corelaie este semnificativ diferit de zero dac se verific inegalitatea: Fc F ;v1 ;v2 , unde valoarea empiric a variabilei Fisher-Snedecor este:
Fc =
0,8271 18 R2 n k 1 = = 43,0566 2 k 1 0,8271 2 1 R
Din tabela distribuiei Fisher-Snedecor, cu un prag de semnificaie de 5% i n funcie de numrul gradelor de libertate v1 = k = 2 i
v 2 = n k 1 = 18 se preia valoarea teoretic F0, 05; 2;18 = 3,55 . Se constat c
Fc = 43,0566 > F0,05; 2;18 = 3,55 , deci, pentru un prag de semnificaie de 5%, valoarea raportului de corelaie este semnificativ diferit de zero. n concluzie, modelul C = 136,0368 + 0,5293 V + 0,7452C
t t
t 1
poate fi apreciat ca reprezentativ pentru descrierea dependenei dintre consumul final real al gospodriilor populaiei, venitul disponibil net real al populaiei i consumul final real al gospodriilor populaiei decalat cu o perioad. Utiliznd ecuaia analizei variaiei:
V02 = V x2 + Vu2 100 = V x2 V02 100 + Vu2 V02 100 100 = 77,9 + 22,1
rezult c funcia de ajustare explic aproximativ 78% din variaia total a consumului final real al gospodriilor populaiei. n final, modelul econometric devine: C t = 136,0368 + 0,5293 Vt + 0,7452C t 1 ; R = 0,9095
(73,9782 ) (0,1456 )
(0,1146 )
d = 2,14 s u = 26,4646
n vederea realizrii de previziuni cu ajutorul acestui model se impune testarea ipotezei de stabilitate relativ n timp a legturii dintre consumul populaiei i factorii si prin intermediul testului Chow (Tnsoiu, Iacob, p. 166-167). n vederea aplicrii acestui test au fost construite trei modele de corelaie pe urmtoarele perioade de timp: 1981-1989, 1990-2001 i 1981-2001. Testul Chow se calculeaz cu ajutorul urmtoarei relaii:
Fc =
2 V02u Vau T 2 (k + 1) 2 k +1 Vau
(5)
unde:
2 V02u = u 0t
t =1 n
reprezint suma ptratelor valorilor variabilei reziduale nregistrate n perioada 1981-2001;
V =V
2 au
2 a1u
+V
2 a2 u
Va2u = u12t 1
t =1
n1
reprezint suma ptratelor valorilor variabilei reziduale nregistrate n perioada 1981-1989 (n1 = 9 ) ;
2 2t
Va22 u =
t = n1 + 1
reprezint suma ptratelor valorilor variabilei reziduale nregistrate n perioada 1990-2001 (n 2 = 12 ) ;
k = numrul variabilelor exogene ( k = 1) .
T = numrul total de observaii (T = n1 + n 2 = 21) ;
Testarea ipotezei de stabilitate const n alegerea uneia din urmtoarele ipoteze:

2 H 0 : Dac V02u Vau rezult c legitatea de evoluie a legturii dintre
consumul populaiei i factorii si este stabil n timp, i, ca atare, modelul poate fi utilizat n vederea efecturii prognozei;

2 H1 : DacV02u Vau rezult c legitatea de evoluie a legturii dintre
consumul populaiei i factorii si nu este stabil n timp, iar modelul nu va putea fi utilizat n vederea efecturii prognozei. n cazul n care Fc F ;v1 ;v2 se alege ipoteza H 0 , iar dac Fc > F ;v1 ;v2 se alege ipoteza H1 (unde: = 0,05 , pragul de semnificaie i v1 = k + 1 i v 2 = T 2 (k + 1) , numrul gradelor de libertate). n urma aplicrii testului Chow se constat c Fc = 0,1901 < F0, 05;3;15 = 3,29 i, ca atare, poate fi acceptat ipoteza unei stabiliti relative n timp a legturii dintre consumul populaiei i factorii si i, ca atare, modelul poate fi folosit n vederea simulrii i prognozei. n urma calculelor efectuate cu ajutorul pachetului de programe EViews n vederea testrii capacitii de prognoz a modelului privind dependena dintre dintre consumul final real al gospodriilor populaiei i factorii si de influen n perioada 1981-2001 au rezultat urmtoarele informaii:
Rezultatele testrii capacitii de prognoz a modelului privind dependena dintre consumul final real al gospodriilor populaiei i factorii si de influen n Romnia n perioada 1981-2001
Tabelul 2.8.2.3 Valoarea indicatorului
Denumirea indicatorului
Simbolul indicatorului
0 Coeficientul Theil Ponderea abaterii Ponderea dispersiei Ponderea covarianei
2 0,0246 0,0083 0,0436 0,9482
T TA TD TC
n urma analizei rezultatelor obinute se constat c modelul posed o bun capacitate de prognoz, ca urmare a valorilor mici nregistrate n cazul coeficientului Theil, a ponderii abaterii i a ponderii dispersiei i, deci, poate fi acceptat n vederea realizrii unei prognoze a consumului final real al gospodriilor populaiei.
2.1.8.3 Model dinamic cu decalaj Se cunosc urmtoarele date privind evoluia investiiilor i a imobilizrilor corporale (fondurilor fixe), exprimate n mld. lei preuri comparabile (1990=100), n Romnia, n perioada 1980-2002:
Tabelul 2.8.3.1 Imobilizri corporale (mld. lei ) (1990=100) 1 2451,1 2630,5 2544,3 2764,7 3011,5 3216,1 3432,0 3650,3 3781,4 4005,5 3498,0 1526,6 Investiii (mld. lei ) (1990=100) Imobilizri corporale (mld. lei ) (1990=100) 1 2622,5 917,1 487,9 1811,6 1386,7 720,4 820,5 908,2 1300,0 1417,1 1510,2 Investiii (mld. lei ) (1990=100)
Anul
Anul
0 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991
2 274,4 270,4 249,0 266,1 281,9 283,1 285,6 281,6 270,4 268,6 168,4 106,4
0 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002
2 100,4 97,4 115,5 138,6 153,7 131,0 115,7 108,6 112,1 133,3 143,6
Se cere : a) S se fac analiza economic a dependenei imobilizrilor corporale de volumul investiiilor i s se construiasc modelul econometric adecvat; b) S se fac discuia econometric a modelului formulat la punctul a), s se estimeze parametrii modelului i s se verifice semnificaia acestuia; c) S se fac interpretarea economic a rezultatelor obinute cu ajutorul modelului econometric.
Rezolvare: a) Imobilizrile corporale (fondurile fixe) reprezint rezultatul unei activiti economice, acestea depinznd n mod direct de volumul investiiilor efectuate n trecut i n prezent. Evaluarea efectului investiiilor asupra creterii imobilizrilor corporale se poate face pe baza mai multor procedee de calcul economic. Printre acestea, un loc important l ocup modelele econometrice care permit o evaluare sintetic a efectului n timp al investiiilor asupra evoluiei imobilizrilor corporale. Ca urmare a faptului c influena investiiilor asupra imobilizrilor corporale nu este simultan, adic nu se exercit doar n aceeai perioad de timp, ci pe mai multe perioade de timp, modelul econometric adecvat acestui tip de dependen este modelul econometric cu decalaj: yt = a+b0xt+b1xt-1++bjxt-j++bkxt-k+ut y t = a + b j x t j + ut
j =0 k
(1) (2)
( a,b = parametrii modelului ( j = 0, k ) ;

j
unde: yt = imobilizri corporale; xt = investiii; ut = variabil aleatoare;
t = numrul de observaii t = 1, n, n = 23 ;
k = ordinul decalajului, respectiv numrul de perioade de timp (ani) n care variabila x i exercit influena asupra variabilei y. n acest caz, estimarea modelului econometric presupune att estimarea parametrilor modelului ct i a mrimii decalajului. b) n mod obinuit, estimarea parametrilor modelului de mai sus se face prin aplicarea M.C.M.M.P., stabilind arbitrar o anumit mrime a ordinului decalajului k=3, k=4, Acest procedeu prezint dezavantajul c,
datorit fenomenului de multicoliniaritate, estimatorii bj pot rezulta cu valori nesemnificative. De exemplu, pentru k = 3, modelul econometric se definete prin intermediul urmtoarei relaii: yt=a+b0xt+b1xt-1+b2xt-2+b3xt-3+ut
(3)
iar datele pe baza crora vor fi estimai parametrii sunt cele prezentate n tabelul 2.8.3.2 :
Tabelul 2.8.3.2
t yt xt xt-1 xt-2 xt-3 yt-1
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 Total
1 2451,1 2630,5 2544,3 2764,7 3011,5 3216,1 3432,0 3650,3 3781,4 4005,5 3498,0 1526,6 2622,5 917,1 487,9 1811,6 1386,7 720,4 820,5 908,2 1300,0 1417,1 1510,2 50412,9
2 274,4 270,4 249,0 266,1 281,9 283,1 285,6 281,6 270,4 268,6 168,4 106,4 100,4 97,4 115,5 138,6 153,7 131,0 115,7 108,6 112,1 133,3 143,6 4355,7
3 274,4 270,4 249,0 266,1 281,9 283,1 285,6 281,6 270,4 268,6 168,4 106,4 100,4 97,4 115,5 138,6 153,7 131,0 115,7 108,6 112,1 133,3 -
4 274,4 270,4 249,0 266,1 281,9 283,1 285,6 281,6 270,4 268,6 168,4 106,4 100,4 97,4 115,5 138,6 153,7 131,0 115,7 108,6 112,1 -
5 274,4 270,4 249,0 266,1 281,9 283,1 285,6 281,6 270,4 268,6 168,4 106,4 100,4 97,4 115,5 138,6 153,7 131,0 115,7 -
6 2451,1 2630,5 2544,3 2764,7 3011,5 3216,1 3432,0 3650,3 3781,4 4005,5 3498,0 1526,6 2622,5 917,1 487,9 1811,6 1386,7 720,4 820,5 908,2 1300,0 1417,1 -
n urma aplicrii M.C.M.M.P., cu ajutorul programului informatic EViews, s-au obinut urmtoarele rezultate:
Dependent Variable: yt Method: Least Squares Sample(adjusted): 1983 2002 Included observations: 20 after adjusting endpoints Variable C Coefficient -807,5057 2,7017 13,2195 -13,9151 13,5556 0,8865 0,8563 449,3048 3028122 -147,6560 1,5863 Std. Error 297,4596 4,1251 7,1347 7,1566 4,1795 t-Statistic -2,7147 0,6550 1,8528 -1,9444 3,2434 Prob. 0,0160 0,5224 0,0837 0,0708 0,0055 2139,3500 1185,1250 15,2656 15,5145 29,2976 0,0000
xt xt-1 xt-2 xt-3

yt = 807,5057 + 2,7017xt + 13,2195xt 1 13,9151xt 2 + 13,5556xt 3 ; R = 0,9416

(297,4596) (4,1251) (7,1347) (7,1566) (4,1795)
d = 1,59
su = 449,3048
Pe baza acestor rezultate se constat c doar estimatorii i b3 sunt semnificativ diferii zero pentru un prag de semnificaie = 0,05 , ceilali
estimatori, b 0 , b1 i b 2 , nu pot fi acceptai deoarece nu au valori semnificativ diferite de zero. Acest lucru se datorez fenomenului de multicoliniaritate ce apare n cazul variabilelor explicative decalate. Depirea acestui impediment se va face cu ajutorul mai multor procedee.
n cazul utilizrii procedeului Koyck, influena n timp a volumului investiiilor asupra imobilizrilor corporale este descresctoare, de forma unei progresii geometrice, respectiv ntre parametrii bj exist relaia: bj = b0 j unde: = raia progresiei geometrice, 0<<1. n condiiile acestei ipoteze, modelul dinamic cu decalaj devine: yt = a+b0xt+b0xt-1+b02xt-2++b0jxt-j++ut
(5) (4)
Dac se decaleaz cu o perioad relaia de mai sus i se scade din relaia anterioar se obine urmtorul model: yt = ao + boxt + yt-1 + zt unde: ao = a(1-) zt = ut ut-1
(6)
(7) (8)
n urma aplicrii M.C.M.M.P., pe baza programului EViews, asupra modelului (6), vor rezulta estimatorii parametrilor ao, bo i :
Dependent Variable: yt Method: Least Squares Sample(adjusted): 1981 2002 Included observations: 22 after adjusting endpoints Variable C Coefficient -290,7640 8,0897 0,4364 0,7940 Std. Error 314,6985 2,0359 0,1385 t-Statistic -0,9239 3,9734 3,1516 Prob. 0,3671 0,0008 0,0053 2180,0820
xt yt-1
R-squared
Mean dependent var
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0,7723 541,5956 5573191 -168,0834 2,5045
S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
1135,04 15,5530 15,7018 36,6170 0,0000
Pe baza datelor din tabelul de mai sus, modelul estimat este de forma: y t = 290,764 + 8,8972 xt + 0,4364 y t 1 ; (314,6985) (2,0359) (0,1385) R = 0,8911 d = 2,5
s z = 541,5956
Modelul poate fi acceptat ca semnificativ, cu un prag de semnificaie de 1%, cu excepia estimatorului a0 , care poate fi acceptat pentru un prag de semnificaie = 0,4. Utiliznd relaiile: a 0 = a(1 ) a = b j = b0 j
pentru j = 0 b0 = b0 0 = 8,0897 pentru j = 1 b1 = b0 1 = 8,0897 0,4364 = 3,5303 pentru j = 2 b2 = b0 2 = 8,0897 0,4364 2 = 1,5406 pentru j = 3 b3 = b0 3 = 8,0897 0,4364 3 = 0,6723
a0 290,764 = = 515,8957 1 1 0,4364
n final, revenind la modelul cu decalaj, acesta poate fi descris cu ajutorul relaiei:

y t = 515,8957 + 8,0897 xt + 3,5303 xt 1 + 1,5406 xt 2 + 0,6723xt 3 + K
n situaia n care se utilizeaz procedeul Almon, care presupune c influena n timp a volumului investiiilor asupra imobilizrilor corporale este de forma unui polinom de ordinul k, respectiv ntre parametrii bj exist relaia: bj = B0 + B1 j + B2 j2 ++ Bk jk, j = 0,1,2,3,,k n acest caz, modelul (1) devine:
yt = a + b j xt j + ut = a + (B0 + B1 j + B2 j 2 + ... + Bk j k ) xt j + ut
j =0 j =0 k k
(9)
yt = a + B0 xt j + B1 j xt j +B2 j2 xt j +B3 j3 xt j +...+ Bk jk xt j +ut

j j j j j
(10)
Notnd cu: vt 0 = xt j
j
v t1 = j x t j
j
vt 2 = j 2 xt j
j
vtk = j k xt j
j
relaia (10) se transform ntr-un model multifactorial cu (k+1) variabile explicative: yt = a + B0vt0 + B1vt1 ++ Bkvtk + ut
(11)
Dac presupunem c influena n timp a volumului investiiilor asupra imobilizrilor corporale este de forma unui polinom de ordinul trei (vezi modelul (3)), respectiv ntre parametrii bj exist relaia: bj = B0 + B1 j + B2 j2 + B3 j3 atunci, pe baza relaiei (11), modelul se mai poate scrie astfel: yt = a + B0vt0 + B1vt1 + B2vt2 + B3vt3 + ut unde:
vt 0 = xt j = xt + xt 1 + xt 2 + xt 3 + xt 4
j =0
vt1 = jxt j =xt 1 + 2 xt 2 + 3 xt 3 + 4 xt 4

j =0
vt 2 = j 2 xt j =xt 1 + 4 xt 2 + 9 xt 3 + 16 xt 4
j =0
vt 3 = j 3 xt j =xt 1 + 8 xt 2 + 27 xt 3 + 64 xt 4
j =0
n cadrul tabelului 2.8.3.3. sunt prezentate valorile calculate ale variabilelor vtk:
Tabelul 2.8.3.3
t yt xt vt0 vt1 vt2 vt3
0 1 2 3 4 5 6 7 8 9 10
1 2451,1 2630,5 2544,3 2764,7 3011,5 3216,1 3432,0 3650,3 3781,4 4005,5
2 274,4 270,4 249,0 266,1 281,9 283,1 285,6 281,6 270,4 268,6
3 1341,8 1350,5 1365,7 1398,3 1402,6 1389,3
4 2672,9 2642,7 2641,2 2761,9 2829,7 2822,8
5 8086,1 7913,7 7789,6 8212,7 8482,3 8496,8
6 27120,5 26439,3 25659,0 27192,1 28251,7 28352,8
Econometrie. Studii de caz t yt xt vt0 vt1 vt2 vt3
0 11 12 13 14 15 16 17 18 19 20 21 22 23 Total
1 3498,0 1526,6 2622,5 917,1 487,9 1811,6 1386,7 720,4 820,5 908,2 1300,0 1417,1 1510,2 50412,9
2 168,4 106,4 100,4 97,4 115,5 138,6 153,7 131,0 115,7 108,6 112,1 133,3 143,6 4355,7
3 1274,6 1095,4 914,2 741,2 588,1 558,3 605,6 636,2 654,5 647,6 621,1 600,7 613,3 17799,0
4 2796,6 2643,2 2330,6 1892,8 1291,0 1037,1 1063,4 1167,0 1316,2 1393,2 1347,8 1200,4 1146,1 36996,6
5 8454,2 8182,0 7523,8 6339,2 4151,0 3111,1 3083,6 3306,0 3841,2 4240,6 4209,6 3683,8 3410,3 112517,6
6 28313,4 27640,4 26011,4 22688,8 14551,0 10415,1 10118,0 10614,6 12494,8 14184,0 14408,0 12488,8 11367,1 378310,8
n urma aplicrii programului EViews n vederea estimrii parametrilor modelului s-au obinut urmtoarele rezultate:
Dependent Variable: yt Method: Least Squares Sample(adjusted): 1984 2002 Included observations: 19 after adjusting endpoints Variable C vt0 vt1 vt2 vt3 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -824,3487 9,5948 -25,6459 16,0458 -2,5686 0,8636 0,8247 505,8996 3583081 -142,3591 2,0355 Std. Error 359,1423 4,2084 19,6488 13,1499 2,1798 t-Statistic -2,2953 2,2799 -1,3052 1,2202 -1,1783 Prob. 0,0377 0,0388 0,2129 0,2425 0,2583 2106,4370 1208,1730 15,5115 15,7600 22,1650 0,0000
y t = 824,3487 + 9,5948v t 0 25,6459 v t1 + 16,0458v t 2 2,5686 v t 3 ; R = 0,9293
(359,1423) (4,2084) (19,6488)
(13,1499)
(2,1798)
d = 2,04
s u = 505,8996
Pe baza acestor rezultate se constat c doar estimatorii i B0 sunt
semnificativ diferii zero pentru un prag de semnificaie = 0,05 , modelul fiind i el semnificativ pentru acelai prag de semnificaie. Ceilali estimatori, B1 , B2 i B3 , nu pot fi acceptai deoarece nu au valori semnificativ diferite de zero. Ca atare, putem concluziona c un polinom de gradul nti poate reprezenta o bun aproximare a modelului. Dac presupunem ns c influena n timp a volumului investiiilor asupra imobilizrilor corporale este de forma unui polinom de ordinul doi respectiv ntre parametrii bj exist relaia: bj = B0 + B1 j + B2 j2 atunci, pe baza relaiei (11), modelul se mai poate scrie astfel: yt = a + B0vt0 + B1vt1 + B2vt2 + ut unde:
vt 0 = xt j = xt + xt 1 + xt 2 + xt 3
j =0
vt1 = jxt j =xt 1 + 2 xt 2 + 3 xt 3

j =0
vt 2 = j 2 xt j =xt 1 + 4 xt 2 + 9 xt 3
j =0
n cadrul tabelului 2.8.3.4. sunt prezentate valorile calculate ale variabilelor vtk:
Tabelul 2.8.3.4
t yt xt vt0 vt1 vt2
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 Total
1 2451,1 2630,5 2544,3 2764,7 3011,5 3216,1 3432,0 3650,3 3781,4 4005,5 3498,0 1526,6 2622,5 917,1 487,9 1811,6 1386,7 720,4 820,5 908,2 1300,0 1417,1 1510,2 50412,9
2 274,4 270,4 249,0 266,1 281,9 283,1 285,6 281,6 270,4 268,6 168,4 106,4 100,4 97,4 115,5 138,6 153,7 131,0 115,7 108,6 112,1 133,3 143,6 4355,7
3 1059,9 1067,4 1080,1 1116,7 1132,2 1120,7 1106,2 989,0 813,8 643,8 472,6 419,7 451,9 505,2 538,8 539,0 509,0 467,4 469,7 497,6 15000,7
4 1613,0 1575,3 1561,1 1645,2 1697,5 1702,1 1690,4 1654,2 1516,8 1249,0 818,4 617,4 611,5 661,8 777,4 854,2 838,8 733,0 676,4 683,3 23176,8
5 3800,2 3695,7 3587,3 3805,6 3955,1 3971,9 3967,2 3884,6 3676,4 3197,4 2041,6 1456,6 1408,7 1477,2 1747,6 1993,2 2023,0 1750,4 1587,8 1559,1 54586,6
n urma aplicrii programului EViews n vederea estimrii parametrilor modelului s-au obinut urmtoarele rezultate:
Dependent Variable: yt Method: Least Squares Sample(adjusted): 1983 2002 Included observations: 20 after adjusting endpoints Variable C vt0 vt1 vt2 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -777,4384 8,2249 -12,6836 4,1938 0,8554 0,8282 491,1564 3859754 -150,0826 1,7492 Std. Error 324,7637 3,3889 8,6746 2,8756 t-Statistic -2,3939 2,4270 -1,4622 1,4584 Prob. 0,0293 0,0274 0,1631 0,1641 2139,3500 1185,1250 15,4083 15,6074 31,5407 0,0000
yt = 777,4384+ 8,2249vt 0 12,6836vt1 + 4,1938 t 2 ; R = 0,9249 v

(324,7637) (3,8889) (8,6746) (2,8756)
d = 1,75
s u = 491,1564
Pe baza acestor rezultate se constat c doar estimatorii i B0 sunt
semnificativ diferii zero pentru un prag de semnificaie = 0,05 , modelul fiind i el semnificativ pentru acelai prag de semnificaie. Ceilali doi estimatori, B i B , pot fi acceptai ca semnificativi, pentru un prag de
1 2
semnificaie = 0,20 . Utiliznd relaia (9), parametrii modelului (1) vor fi estimai astfel:
b0 = B0 = 8,2249
b1 = B0 + B1 + B2 = 8,2249 + ( 12,6386 ) + 4,1938 = 0,265
b2 = B0 + 2 B1 + 4 B2 = 8,2249 + 2 ( 12,6386 ) + 3 4,1938 = 0,3674 b3 = B0 + 3 B1 + 9 B2 = 8,2249 + 3 ( 12,6386 ) + 9 4,1938 = 7,9178
n final, modelul cu decalaj poate fi descris cu ajutorul urmtoarei relaii: y t = 777,4384 + 8,2249 xt 0,265 xt 1 0,3674 xt 2 + 7,9178 xt 3 O alt metod de evitare a multicoliniaritii este procedeul progresiei aritmetice descresctoare, n cadrul se consider c variabila x i transmite influena asupra variabilei y sub forma unei progresii aritmetice descresctoare, respectiv ntre parametrii bj exist relaia: bj = b0 + j unde: j = 0, k ; = raia progresiei aritmetice, <0. n acest caz, modelul (1) devine: yt=a+b0xt+(b0+)xt-1+(b0+2)xt-2++(b0+k)xt-k+ut Se decaleaz cu o perioad ecuaia (13): yt-1 = a+b0xt-1+(b0+)xt-2+(b0+2)xt-3++(b0+k)xt-k-1+ut-1(14) Din ecuaia (13) se scade ecuaia (14) obinndu-se: yt -yt-1=b0xt+(xt-1+xt-2++xt-k-1)+(ut-ut-1) yt*=b0xt+vt+zt
(15) (13) (12)
(16)
unde: t = k + 2, n ; yt* = yt - yt-1 diferenele de ordinul nti ale variabilei explicate; vt=xt-1+xt-2++xt-(k+1); zt=ut - ut-1 - variabila aleatoare. Stabilirea mrimii decalajului k se poate face prin ncercri succesive. Astfel, dac se construiete un model dinamic cu decalaj de ordinul nti ntre x i y, utiliznd datele din tabelul 2.8.3.5., coloanele 1 i 2, parametrii modelului (16) se vor estima pe baza valorilor celor trei variabile yt*, xt i vt prezentate n coloanele 3, 4 i 5 acestuia.
Tabelul 2.8.3.5
t yt xt
* t
xt t = 3, 23
vt t = 3, 23
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 Total
1 2451,1 2630,5 2544,3 2764,7 3011,5 3216,1 3432,0 3650,3 3781,4 4005,5 3498,0 1526,6 2622,5 917,1 487,9 1811,6 1386,7 720,4 820,5 908,2 1300,0 1417,1 1510,2 50412,9
2 274,4 270,4 249,0 266,1 281,9 283,1 285,6 281,6 270,4 268,6 168,4 106,4 100,4 97,4 115,5 138,6 153,7 131,0 115,7 108,6 112,1 133,3 143,6 4355,7
3 -86,2 220,4 246,8 204,6 215,9 218,3 131,1 224,1 -507,5 -1971,4 1095,9 -1705,4 -429,2 1323,7 -424,9 -666,3 100,1 87,7 391,8 117,1 91,8 -1121,6
4 249,0 266,1 281,9 283,1 285,6 281,6 270,4 268,6 168,4 106,4 100,4 97,4 115,5 138,6 153,7 131,0 115,7 108,6 112,1 133,3 143,6 3811,0
5 544,8 519,4 515,1 548,0 565,0 568,7 567,2 552,0 539,0 437,0 274,8 206,8 197,7 212,9 254,1 292,3 284,7 246,7 224,3 220,7 245,3 8016,7
n urma aplicrii M.C.M.M.P., pe baza programului EViews, asupra modelului (16), vor rezulta estimatorii parametrilor bo i :
Dependent Variable: y t* Method: Least Squares Sample(adjusted): 1982 2002 Included observations: 21 after adjusting endpoints Variable Coefficient 10,2953 -4,9373 0,2483 0,2087 667,7025 8470706 -165,3275 Std. Error 4,0923 1,9551 t-Statistic 2,5158 -2,5253 Prob. 0,0210 0,0206 -53,4095 750,6050 15,9360 16,0354 2,9006
xt vt
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Durbin-Watson stat
* y1t = 10,2953 xt 4,9373 vt ; R1 = 0,4983 (4,0923) (1,9551) d = 2,9 s z1 = 667,7025 Estimatorii parametrilor sunt semnificativ diferii de zero, cu un prag de semnificaie de 5%, dar modelul nu poate fi acceptat ca semnificativ. n continuare, se va construi un model dinamic cu decalaj de ordinul doi ntre x i y. Rezultatele estimrii acestui model sunt urmtoarele:
Dependent Variable: y t* Method: Least Squares Sample(adjusted): 1983 2002 Included observations: 20 after adjusting endpoints Variable Coefficient 7,8769 -2,4871 0,1973 0,1527 Std. Error 3,7289 1,1742 t-Statistic 2,1124 -2,1180 Prob. 0,0489 0,0483 -51,7700 770,0659
xt vt
S.E. of regression Sum squared resid Log likelihood
708,8445 9044290 -158,5979
Akaike info criterion Schwarz criterion Durbin-Watson stat
16,0598 16,1594 2,9724
* y 2t = 7,8769 xt 2,4871 vt ; (3,7289) (1,1742)
R2 = 0,4441
d = 2,97
s z2 = 708,8445
Estimatorii parametrilor sunt semnificativ diferii de zero cu un prag de semnificaie de 5%, dar nici acest model nu poate fi acceptat ca semnificativ. n continuare, se va construi un model dinamic cu decalaj de ordinul trei ntre x i y. Rezultatele estimrii acestui model sunt urmtoarele:
Dependent Variable: y t* Method: Least Squares Date: 04/03/05 Time: 16:33 Sample(adjusted): 1984 2002 Included observations: 19 after adjusting endpoints Variable Coefficient 7,4635 -1,7583 0,2182 0,1722 717,3399 8747802 -150,8386 Std. Error 3,4404 0,7950 t-Statistic 2,1694 -2,2116 Prob. 0,0445 0,0410 -66,0947 788,4251 16,0883 16,1877 2,9938
xt vt
* y 3t = 7,4635 xt 1,7583 vt ; (3,4404) (0,795)
R3 = 0,4671 d = 2,99 s z3 = 717,3399
Ca i n celelalte dou cazuri, estimatorii parametrilor sunt semnificativ diferii de zero cu un prag de semnificaie de 5%, dar nici acest model nu poate fi acceptat ca semnificativ.
n cazul celor trei modele estimate mai sus, cum estimatorii j sunt semnificativ diferii de zero, vom testa i dac acetia difer semnificativ unul de cellalt, prin verificarea urmtoarei inegaliti:
1 2
2 2 s 1 + s 2
tc =
>2
Astfel, n urma comparrii estimatorilor parametrilor corespunztori primelor dou modele au fost obinute urmtoarele rezultate:
1 2
2 2 s 1 + s 2
t c1 =
4,9373 ( 2,4871) 1,95512 + 1,1742 2
= 1,0744 < 2
Deoarece t c1 = 1,0744 < 2 , rezult c cei doi estimatori nu difer semnificativ unul de cellat. Prin compararea estimatorilor parametrilor corespunztori primului model cu cel de-al treilea i a celui de-al doilea model cu cel de-al treilea au fost obinute urmtoarele rezultate:
1 3
2 2 s 1 + s 3
t c2 =
4,9373 ( 1,7583) 1,95512 + 0,795 2
= 1,5062 < 2
t c3 =
2 3
2 2 s 2 + s 3
( 2,4871) ( 1,7583)
1,1742 2 + 0,795 2
= 0,5139 < 2
Deoarece t c2 = 1,5062 < 2 i t c3 = 0,5139 < 2 , rezult c estimatorii comparai nu difer semnificativ unul de cellat.
Lungimea decalajului se va stabili pe baza criteriului: j = max( R y / x t j )

j
unde: R y / x t j = raportul de corelaie al modelului j. Deoarece R1 = 0,4983 > R3 = 0,4671 > R2 = 0,4441 , se va alege primul model, respectiv modelul dinamic cu decalaj de ordinul nti ntre x i y, n cazul acestuia, dup estimarea parametrilor b0 i prin b i , se
0
vor estima i parametrii modelului (1) astfel:

b1 = b0 + = 10,2953 + ( 4,9373) = 5,358
b2 = b0 + 2 = 10,2953 + 2 ( 4,9373) = 0,4207

a = y b0 xt b1 xt 1 b2 xt 2 = 21919 10,2953189,4 5,358185,5 0,42071815 , ,
a = 828 ,192
unde: 1 y = yt n t =1 xt = 1 xt n t =1 1 xt 1 n 1 t =2 1 xt 2 n 2 t =3
xt 1 = xt 2 =
n final, revenind la modelul cu decalaj, acesta poate fi descris cu ajutorul relaiei: y t = 828,192 + 10,2953 xt + 5,358 xt 1 + 0,4207 xt 2 c) n urma estimrii modelului cu decalaj, influena investiiilor asupra imobilizrilor corporale poate fi explicat astfel ca urmare a faptului c modelul este liniar, parametrii acestuia joac rolul de coeficieni marginali ai imobilizrilor corporale n raport cu investiiile, a cror semnificaie este cunoscut. Parametrul b explic influena pe termen scurt
0
a investiiilor asupra imobilizrilor corporale, respectiv creterea investiiilor n perioada curent cu un miliard de lei determin creterea imobilizrilor corporale cu 8,0897 miliarde de lei, n cazul utilizrii procedeului Koyck, cu 8,2249 miliarde de lei, n cazul utilizrii procedeului Almon, iar n cazul aplicrii procedeului progresiei geometrice descresctoare, cu 10,2953 miliarde de lei. Deoarece estimatorii modelului obinut n cazul utilizrii procedeului Koyck urmeaz o progresie geometric descresctoare, a crei sum este finit, acetia pot fi folosii la calculul efectului pe termen lung al investiiilor asupra imobilizrilor corporale prin intermediul relaiei:
b
j =0
b0 = 14,3534 miliarde lei. 1
2.1.8.4 Model dinamic de prognoz cu variabile anticipative Un studiu de marketing efectuat asupra unui eantion de familii dintr-un anumit jude a ajuns la urmtoarele rezultate privind evoluia cheltuielilor medii pe familie (cererea) pentru procurarea de produse alimentare i venitul mediu pe familie pe primele zece luni ale anului curent.
Tabelul 2.8.4.1
Luni Cheltuieli medii lunare pe familie pentru procurarea de produse alimentare (lei noi) Venitul mediu lunar pe familie (lei noi)
0 1 2 3 4 5 6 7 8 9 10
1 160 72 48 44 22 24 26 20 12 28
2 200 240 300 80 178 194 104 62 250 270
Se cere: a) S se prezinte premisele teoretice pe care se fundamenteaz elaborarea unui model de prognoz cu variabile anticipative privind dependena dintre cheltuielile medii lunare pe familie pentru procurarea de produse alimentare i venitul mediu lunar pe familie; b) tiind c pentru luna noiembrie s-a estimat (planificat) un venit mediu pe familie de 300 lei, dar s-a realizat un venit mediu de numai 250 lei, s se estimeze: b1) Cheltuielile medii pe familie efectuate pentru consumul produselor alimentare n luna noiembrie; b2) Prognoza venitului mediu pe familie i a cheltuielilor medii pe familie pentru procurarea de produse alimentare aferente lunii decembrie. Rezolvare: a) Abordarea econometric a problemei pornete de la relaiile de dependen dintre consumul unei familii i factorii si. Se tie c, din ansamblul factorilor consumului populaiei, venitul mediu pe locuitor sau pe familie reprezint unul din factorii eseniali ai acestuia, alturi de preul produsului, sau de indicele preurilor de consum al unei grupe eterogene de produse, cum este cazul mrfurilor alimentare. n acest sens, n cadrul
modelului econometric care descrie legtura dintre cererea efectiv (consumul) i venitul familiilor, cele dou variabile au urmtoarea semnificaie: y t = a xt + u t
(1)
unde: y = cheltuielile medii lunare pe familie pentru procurarea de produse alimentare (variabil endogen); x = venitul mediu lunar pe familie (variabil exogen); y a = = ponderea cheltuielilor medii lunare pentru procurarea de produse x alimentare n totalul veniturilor unei familii; t = lunile anului, t = 1,10 ; u = variabila rezidual ce rezult datorit faptului c parametrul a se estimeaz pe baza unui eantion prin metode statistice. Notnd cu yt i xt valorile reale ale celor dou variabile y i x, i cu ypt i xpt valorile de prognoz ale acestora, atunci valoarea lui y se anticipeaz cu ajutorul relaiei: y t = a x pt y t 1 = a x pt 1
(2)
Deoarece prognoza fenomemului y depinde de previziunea fenomenului x, se consider c: x pt x pt 1 = ( x t 1 x pt 1 ) 18 unde: t = variabila timp, t = 1, n ; = constanta de nivelare (lisaj), 0 < < 1 ; xt-1 xpt-1 = eroarea de prognoz.
18
(3)
Not: Relaia (3) este specific metodei nivelrii exponeniale simple vezi capitolul 4, problema 4.1.4.2.
Relaia (3) se fundamenteaz pe ipoteza c diferenele dintre dou valori succesive de prognoz ale variabilei x sunt generate de un proces autoregresiv, stabil, de ordinul unu. Prin definiie, un proces autoregresiv este: - stabil - dac 0 < < 1 ; - constant sau de repetiie - dac = 1; - exploziv - dac > 1 . Din relaia (3) se deduce c: x pt = xt 1 + (1 )x pt1 (4) relaie care, nmulit cu a, devine: a x pt = a xt 1 + (1 ) a x pt 1 Corelnd relaia (2) cu relaia (5) rezult c: y t = ax t 1 + (1 ) y t 1
(6) (5)
Estimatorii parametrilor a i se pot determina cu ajutorul M.C.M.M.P. aplicat modelului: yt = b1 xt 1 + b2 yt 1 + zt unde: b1 = a b2 = 1- De regul, estimatorii parametrului vor avea dou valori: 1 = b1 a
(7)
2 = 1 b 2
Pe baza valorilor estimate ale parametrului rezult faptul c : 1 - dac 1 (0;1) i 2 (0;1) , atunci se va calcula = ( 1 + 2 ); 2 - dac (0;1) , dar . (0;1), atunci se va reine = sau
1
2
= 2 , dac rezultatele sunt inverse; - dac 1 (0;1) i 2 (0;1) , atunci relaia (3) i, evident, relaia
(6), nu pot fi acceptate la descrierea evoluiei variabilelor x i y. n general, modelele de prognoz cu variabile anticipative pot fi adaptate la orice tip de model, uni sau multifactorial, liniar sau liniarizabil, care se construiete pe baza unei serii de timp, dac evoluia variabilelor respective poate fi considerat staionar. b1) Pornind de la relaia de dependen a consumului de venit, y t = a x t + u t , prin aplicarea M.C.M.M.P., se estimeaz parametrul a,
respectiv a = 0,2184 , acesta reprezentnd faptul c ponderea cheltuielilor medii lunare pentru procurarea de produse alimentare este de 21,84% din venitul mediu lunar al unei familii: yt = 0,2184 xt (0,0703) tiind c, L (a ) = N (a, s a ) , ponderea cheltuielilor medii lunare pentru procurarea de produse alimentare n venitul unei familii poate fi estimat pe baza unui interval de ncredere: P (a [a ta sa ]) = 1 0,05 = 0,95 t0, 05;9 = 2,262 a (5,94%; 37,73%) Valoarea parametrului a fiind cunoscut, cheltuielile medii lunare efectuate de o familie pentru procurarea de produse alimentare n luna noiembrie vor fi estimate astfel: y11 = 0,2184250 = 54,6 lei /familie
b2) Prognoza venitului mediu pe familie n luna decembrie se va estima cu ajutorul relaiei: xp12 xp11 = (x11 xp11) unde: x11 = 250 i xp11 = 300. Estimarea parametrului se va face cu ajutorul modelului (7), respectiv: yt = b1xt-1 + b2yt-1 + zt unde: b1 = a1 i b2 = 1 2. Utiliznd pachetul de programe EViews n vederea estimrii parametrilor modelului au fost obinute urmtoarele rezultate:
Dependent Variable: yt Method: Least Squares Sample(adjusted): 2 10 Included observations: 9 after adjusting endpoints Variable Coefficient 0,0955 0,3325 0,9983 0,9981 0,8071 4,5594 -9,7103 Std. Error 0,0020 0,0062 t-Statistic 46,8932 54,0535 Prob. 0,0000 0,0000 32,8889 18,5502 2,6023 2,6461 2,9600
xt-1 yt-1
yt = 0,0925 xt 1 + 0,3325 yt 1; R = 0,9992
(0,002)
(0,0062)
d = 2,96 s z = 0,8071
dar:
b b1 = a 1 1 = 1 = 0,4373 a b = 1 = 1 b = 0,6675
2 2 2 2
1 (1 + 2 ) = 0,5524 2 Revenind la relaiile precedente rezult: - prognoza venitului mediu pe familie n luna decembrie xp12 = 0,5524 (250-300)+300 = 272,38 lei = - prognoza cheltuielilor medii pe familie pentru procurarea de produse alimentare n luna decembrie y p12 = a x p12 = 0,2184 272,38 = 59,48 lei/familie
2.1.9 Modelul static al lui Keynes
Se cunosc urmtoarele date privind PIB pe categorii de utilizri (exprimat n mld. lei preuri comparabile-1990=100), n Romnia, n perioada 1980 2003:
Tabelul 2.9.1
mld. lei (1990=100)

Anul 0 Consum final real 1 PIB real 2 Investii reale 3=2-1 Anul 0 Consum final real 1 PIB real 2 Investii reale 3=2-1
1980 1981 1982 1983 1984 1985 1986 1987 1988 1989
531,6 545,0 535,1 523,7 551,3 551,9 553,4 570,2 614,6 624,2
804,3 805,8 837,1 886,6 940,2 939,5 961,9 969,6 964,8 908,8
272,7 260,8 302,0 362,9 388,9 387,6 408,5 399,4 350,2 284,6
1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
566,6 574,0 598,6 658,1 701,5 669,8 677,2 660,3 669,5 710,4
681,0 691,3 718,2 769,3 799,5 750,7 714,8 706,1 720,7 761,7
114,4 117,3 119,6 111,2 98,0 80,9 37,6 45,8 51,2 51,4

Consum final real 1 PIB real 2 Investii reale 3=2-1 Consum final real 1 PIB real 2 Investii reale 3=2-1
Anul 0
Anul 0
1990 1991
679,5 599,4
857,9 746,8
178,4 147,4
2002 2003
731,7 782,2
799,1 838,3
67,4 56,1
Not: Ambii indicatori sunt calculai conform metodologiei de calcul a Sistemului European al Conturilor Economiei Integrate - SEC 1979. Consumul final a fost deflaionat cu ajutorul deflatorului consumului final exprimat n preuri constante (1990 = 100), datele provenind de la Ministerul Prognozei i Dezvoltrii, iar PIB-ul a fost deflaionat cu ajutorul deflatorului PIB exprimat n preuri constante (1990 = 100), obinut n urma prelucrrii datelor din Raportul Anual BNR. Sursa: Date prelucrate pe baza Anuarului Statistic al Romniei 1995, CNS, Bucureti, 1996, p. 370-371, Anuarului Statistic al Romniei 1996, INS, Bucureti, 1997, p. 364-365, Anuarului Statistic al Romniei 2003, INS, Bucureti, 2004, p. 284, Raportului Anual 1999, BNR, Bucureti, 2000, p. 8*-9, Raportului Anual 2002, BNR, Bucureti, 2003, p. 4*-5*, Comunicatului de Pres al INS nr.11/26.02.2004, Dobrescu, E., Macromodels of the Romanian Transition Economy, Second Edition, Editura Expert, Bucharest, 1998, p. 184.
Se cere: a) S se analizeze evoluia consumului final real n perioada 19802003 utiliznd modelul static al lui Keynes: a1 ) estimaia s se efectueze prin aplicarea M.C.M.M.P. ecuaiei modelului structural; a 2 ) estimaia s se efectueze prin metoda regresiei indirecte; a3 ) estimaia s se efectueze prin aplicarea M.C.M.M.P. n dou faze; b) S se comenteze rezultatele obinute. Rezolvare: a1) Pe baza teoriei keynesiste, modelul cu ecuaii multiple ce se poate construi n funcie de datele problemei este de forma: Ct = a + bVt + ut (1) ( 2) Vt = Ct + I t Prima ecuaie a modelului descrie o relaie de comportament, iar cea C de-a doua ecuaie reprezint o relaie de identitate economic. b = t Vt
reprezint rata marginal (medie) a consumului final real n funcie de PIBul real. Aplicnd M.C.M.M.P. ecuaiei (1), rezult estimatorii $ $ parametrilor, a i b , ai modelului: F a, b = min C t a bV t
t
( )
F (a ) = 0 na + b V t = C t F (b ) = 0 a V t + b V t 2 = C tV t

Dependent Variable: C t Method: Least Squares Sample: 1980 2003 Included observations: 24 Variable C Vt R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 808,3517 -0,2310 0,0902 0,0488 70,5960 109643,40 -135,1777 0,3417 Std. Error 128,3789 0,1564 t-Statistic 6,2966 -1,4766 Prob. 0,0000 0,1540 619,9917 72,3846 11,4315 11,5297 2,1802 0,1540
Ct = 808,3517 0,231 Vt ;
R1 = 0,300
(128,3789) (0,1564)
d = 0,34 su 1 = 70,596
Valorile estimate ale variabilei Ct i ale variabilei reziduale, u1t sunt prezentate n cadrul tabelului 2.9.2. (utiliznd pachetul de programe EViews).
Tabelul 2.9.2
Actual Fitted
Ct
531,6 545,0 535,1 523,7 551,3 551,9 553,4 570,2 614,6 624,2 679,5 599,4 566,6 574,0 598,6 658,1 701,5 669,8 677,2 660,3 669,5 710,4 731,7 782,2
Ct
622,5976 622,2511 615,0224 603,5903 591,2113 591,3730 586,1996 584,4213 585,5299 598,4632 610,2186 635,8773 651,0739 648,6951 642,4825 630,6809 623,7061 634,9766 643,2677 645,2770 641,9051 632,4361 623,7985 614,7452
Residual u1t
-90,9976 -77,2511 -79,9224 -79,8903 -39,9113 -39,4730 -32,7996 -14,2213 29,0701 25,7368 69,2814 -36,4773 -84,4739 -74,6951 -43,8825 27,4191 77,7939 34,8234 33,9323 15,0230 27,5949 77,9639 107,9015 167,4548
| | | | | | | | | | | | | | | | | | | | | | | |
*. | . *. | . *. | . *. | . .* | . .* | . . *| . . *| . . |* . . |* . . | * .* | . *. | . * | . .* | . . |* . . | .* . |* . . |* . . |* . . |* . . | .* . | . * . | .
| | | | | | | | | | | | | | | | | | | | | | | *|
n vederea verificrii ipotezei de independen a erorilor se aplic testul Durbin - Watson, care const n calcularea variabilei d cu ajutorul relaiei: (u
t =2 n
d=
1t
n
2 u1t 1 ) 2 1t
u
t =1
= 0,34
Din tabela distribuiei Durbin - Watson, n funcie de un prag de semnificaie = 0,05 , de numrul variabilelor explicative k = 1 i de numrul de observaii n = 24 se preiau valorile teoretice d 1 = 1,27 i
d 2 = 1,45 . Comparnd valoarea calculat a variabilei d cu cele dou valori
teoretice se constat c 0 < d = 0,34 < d1 = 1,27 , interval ce corespunde situaiei de autocorelaie pozitiv, care, n acest caz, va fi ignorat. Verificarea semnificaiei estimatorilor presupune: - calculul dispersiei variabilei reziduale 1 1 2 su1 = u12t = 109,643 = 4983,7909 n k 1 22
su 1 = 70,596
(vezi tabelul afiat de programul EViews) - calculul abaterilor medii ptratice ale celor doi estimatori 1 V2 + = 128,3789 sa = s 2 n (Vt V ) (vezi tabelul afiat de programul EViews)
2 u1
s b =
(V
a sa
b sb
2 su1
t
V )
= 0,1564
(vezi tabelul afiat de programul EViews) ta = = 808,3517 = 6,2966 128,3789

0,231 0,1564
t b =
= 1,4766
Din tabela distribuiei Student, pentru un prag de semnificaie = 0,05 , se preia valoarea t 0,05; 22 = 2,074 . Comparnd valoarea tabelat cu valorile calculate pentru cei doi parametrii se constat c doar parametrul a este semnificativ diferit de zero pentru un prag de semnificaie = 0,05 , iar parametrul b poate fi acceptat ca semnificativ pentru un prag de semnicaie = 0,20 . n vederea verificrii semnificaiei raportului de corelaie se calculeaz valoarea acestuia, dup care se aplic testul Fisher-Snedecor: u 1 (C C )
2 1t
t
R1 =
= R12 = 0,300
Fc = (n k 1)
R12 0,0902 = 22 = 2,1802 2 1 0,0902 1 R1
(vezi tabelul afiat de programul EViews) Din tabela distribuiei Fisher-Snedecor, n funcie de un prag de semnificaie de 5% i de numrul gradelor de libertate, v1 = k = 1 i
v 2 = n k 1 = 22 , se preia valoarea F0, 05;1; 22 = 4,30 .
Cum Fc = 2,1802 < F0, 05;1; 22 = 4,30 , rezult c valoarea raportului de corelaie este nesemnificativ, deci rezultatele obinute n cazul acestui model sunt nesemnificative. a 2 ) Modelul de la punctul a1 ) este sub form structural i este format din trei variabile - dou variabile endogene, Ct i Vt , i o variabil exogen I t . Prima ecuaie a modelului este corect identificat, deoarece numrul variabilelor absente (una - I t ) este egal cu numrul variabilelor estima: - prin metoda regresiei indirecte aplicat ecuaiilor modelului sub form redus; endogene minus unu (1 = 2 1) . n acest caz, parametrii modelului se pot
- prin aplicarea M.C.M.M.P. n dou faze. Metoda regresiei indirecte se utilizeaz atunci cnd modelul cu ecuaii multiple n forma structural este corect identificat. Se calculeaz modelul sub form redus, dup care se aplic M.C.M.M.P. fiecrei ecuaii a modelului, obinndu-se estimatorii formei reduse a modelului. Ultima operaie const n identificarea modelului, adic pe baza estimatorilor formei reduse se calculeaz estimatorii formei structurale. Pornind de la forma structural a modelului, modelul sub form redus se obine n urma efecturii urmtoarelor operaii: Ct = a + bVt + ut (1) ( 2) Vt = Ct + I t - pentru a aduce prima ecuaie la forma redus se nlocuiete ecuaia (2) n ecuaia (1): C t = a + b (C t + I t ) + u t C t (1 b ) = a + b I t + u t Ct = a b 1 + It + ut 1 b 1 b 1 b
- pentru a aduce a doua ecuaie la forma redus se nlocuiete ecuaia (1) n ecuaia (2): Vt = a + b Vt + I t + u t Vt (1 b ) = a + I t + u t Vt = a 1 1 + It + ut 1 b 1 b 1 b
Se fac urmtoarele notaii:
a 1 b
1 =
b 1 b 1 1 b
2 =
zt =
ut 1 b
n final, modelul n form redus devine:

C t = + `1 I t + z t (3) Vt = + 2 I t + z t (4 )
n continuare, se aplic M.C.M.M.P. fiecrei ecuaii n parte i se estimeaz parametrii , 1 , 2 . Pentru ecuaia (3), aplicarea M.C.M.M.P. const n: F , 1 = min C t 1 I t
t
F ( ) = 0 n + 1 I t = C t F 1 = 0 I t + 1 I t2 = C t I t
( )

Dependent Variable: Ct Method: Least Squares Sample: 1980 2003 Included observations: 24 Variable C Coefficient 698,34 -0,4006 0,5569 0,5368 Std. Error 17,976 0,0762 t-Statistic 38,849 -5,2584 Prob. 0,0000 0,0000 619,9917 72,3846
It
S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
49,2659 53396,82 -126,5440 0,4779
Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
10,7120 10,8102 27,6509 0,0000
C t = 698,34 0,4006 I t ;
R2 = 0,7463
(17,976) (0,0762)
d = 0,48 s z = 49,2659
n cazul acestei ecuaii se constat existena fenomenului de autocorelare a erorilor, care poate fi ignorat. Estimatorii parametrilor modelului sunt semnificativ diferii de zero pentru un prag de semnificaie de 5%, modelul fiind i el semnificativ pentru acelai prag de semnificaie. Valorile estimate ale variabilei Ct i ale variabilei reziduale, z t sunt prezentate n cadrul tabelului 2.9.3. (utiliznd pachetul de programe EViews):
Tabelul 2.9.3
Ct
531,600 545,000 535,100 523,700 551,300 551,900 553,400 570,200 614,600 624,200 679,500 599,400 566,600 574,000 598,600 658,100 701,500 669,800 677,200
Ct
589,107 593,874 577,371 552,977 542,562 543,083 534,712 538,357 558,064 584,340 626,880 639,297 652,515 651,354 650,432 653,797 659,084 665,934 683,278
zt
-57,5071 -48,8737 -42,2708 -29,2769 8,73758 8,81685 18,6885 31,8434 56,5360 39,8595 52,6204 -39,8968 -85,9152 -77,3536 -51,8323 4,30303 42,4157 3,86617 -6,07793
| * | . | * | . | .* | . | . * | . | . |* . | . |* . | . |* . | . | *. | . | * | . | *. | . | * | .* | . | * . | . | * . | . | * | . | . |* . | . | *. | . * . | . *| .
| | | | | | | | | | | | | | | | | | |

Actual Fitted Residual Residual Plot (graficul reziduurilor)
Ct
660,300 669,500 710,400 731,700 782,200
Ct
679,993 677,830 677,750 671,341 675,868
zt
-19,6934 -8,33036 32,6498 60,3587 106,332
| | | | |
. *| . | . *| . | . | *. | . | .* | . | . *|
Pentru ecuaia (4), aplicarea M.C.M.M.P. const n: F ; 2 = min V t 2 I t

t
F ( ) = 0 n + 2 I t = V t F 2 = 0 I t + 2 I t2 = V t I t
( )

Dependent Variable: Vt Method: Least Squares Sample: 1980 2003 Included observations: 24 Variable C Coefficient 698,33 0,5995 0,7379 0,7260 49,2629 53390,30 -126,5425 0,4779 Std. Error 17,975 0,0762 t-Statistic 38,851 7,8703 Prob. 0,0000 0,0000 815,5833 94,1118 10,7119 10,8101 61,9414 0,0000
It
Vt = 698,33 + 0,5995 I t ;
R3 = 0,859 d = 0,48 s z = 49,2629
(17,975) (0,0762)
n cazul acestei ecuaii se constat existena fenomenului de autocorelare a erorilor, care poate fi ignorat. Estimatorii parametrilor modelului sunt semnificativ diferii de zero pentru un prag de semnificaie de 5%, modelul fiind i el semnificativ pentru acelai prag de semnificaie. Valorile estimate ale variabilei Vt i ale variabilei reziduale, z t sunt prezentate n cadrul tabelului 2.9.4. (utiliznd pachetul de programe EViews):
Vt
804,300 805,800 837,100 886,600 940,200 939,500 961,900 969,600 964,800 908,800 857,900 746,800 681,000 691,300 718,200 769,300 799,500 750,700 714,800 706,100 720,700 761,700 799,100 838,300
Vt
861,806 854,672 879,370 915,878 931,465 930,686 943,215 937,759 908,265 868,939 805,275 786,691 766,908 768,647 770,026 764,990 757,077 746,826 720,868 725,784 729,021 729,141 738,733 731,959
zt
-57,5056 -48,8718 -42,2703 -29,2785 8,73508 8,81440 18,6853 31,8406 56,5349 39,8606 52,6252 -39,8910 -85,9082 -77,3467 -51,8255 4,3101 42,4232 3,8742 -6,0683 -19,6840 -8,32121 32,5589 60,3672 106,341
| * | . | | * | . | | .* | . | | . * | . | | . |* . | | . |* . | | . |* . | | . | *. | | . | * | | . | *. | | . | * | | .* | . | | * . | . | | * . | . | | * | . | | . |* . | | . | *. | | . * . | | . *| . | | . *| . | | . *| . | | . | *. | | . | .* | | . | . *|
Dup estimarea parametrilor modelului n form redus urmeaz $ $ identificarea modelului, adic estimarea parametrilor a i b din modelul n form structural. Estimarea acestora se deduce din notaiile efectuate anterior:
= a 1 b b a= 698,33 = = 1164,9 2 0,5995
1 =
0,4006 b= 1 = = 0,6682 0,5995 2 1 b
2 =
1 1 b
Deci, ecuaia estimat a consumului final real, n form structural, este urmtoarea:
C t = 1164,9 0,6682 Vt
Verificarea ipotezei de independen a erorilor se realizeaz analog, respectiv, valoarea calculat a variabilei d este egal cu: (u
t =2 n
d=
2t
n
u 2t 1 )
2 2t
u
t =1
71024,5754 = 0,4781 0,48 148565,6113
teoretice se constat c 0 < d = 0,48 < d1 = 1,27 , interval ce corespunde situaiei de autocorelaie pozitiv, care, n acest caz, va fi ignorat.
$ $ n mod analog se testeaz semnificaia parametrilor a i b :

2 s u2 =
1 1 u 22t = 22 148565,6113 = 6752,9823 su2 = 82,1765 n k 1
2 1 V2 2 = 6752,9823 1 + 815,5864 = 149,4463 sa = su2 + 24 203690,7942 n (Vt V )2
s b =
(V
a sa
b sb
2 s u2
t
V )
6752,9823 = 0,1821 203690,7942
ta =
1164,9 = 7,7947 > t 0,05; 22 = 2,074 149,4463

0,6682 0,1821
t b =
= 3,6697 > t 0,05; 22 = 2,074
2 4
(C C ) = 1 148565,6113 = 0,2329 = 1 120501,4088 (C C ) (C C )

2
t
Fc =
2 sC V
2 u2
(C
k
t
90939,7482 = 13,4666 > F0,05;1; 22 = 4,30 6752,9823
n k 1
Deci, i n acest caz, estimatorii parametrilor modelului sunt semnificativ diferii de zero pentru un prag de semnificaie de 5%, modelul fiind i el semnificativ pentru acelai prag de semnificaie.
Modelul estimat prin metoda regresiei indirecte este:

C t = 1164,9 0,6682 Vt ;
2 R4 = 0,2329
(149,4463) (0,1821)
d = 0,48 s u2 = 82,1765
a3 ) Estimarea parametrilor modelului prin aplicarea M.C.M.M.P. n dou faze const n: Faza I: Se regreseaz variabila endogen (Vt ) , care este pe post de variabil exogen n ecuaia (1) a modelului, n funcie de variabila exogen It : Vt = c + d I t + wt Cei doi parametrii c i d se estimeaz cu ajutorul M.C.M.M.P.: F c , d = min V t c dI t
t
( )
()
F (c ) = 0 nc + d I t = V t F d = 0 c I t + d I t2 = V t I t
Ca urmare a faptului c valorile estimate ale parametrilor acestui model sunt identice cu valorile estimate ale parametrilor i 2 , obinute cu ajutorul metodei regresiei indirecte, rezultatele estimrii vor fi i ele identice, respectiv:
Vt = 698,33 + 0,5995 I t ;
R3 = 0,859 d = 0,48 s w = 49,2629
(17,975) (0,0762)
Faza II: n ecuaia (1) a modelului, variabila Vt - PIB-ul real - se

introduce cu valorile estimate n faza I Vt - vezi tabelul 2.9.4., coloana 2.
( )
Rezult ecuaia: C t = a + b Vt + u t , ai crei parametrii se estimeaz tot cu
ajutorul M.C.M.M.P.:
F a, b = min C t a bVt
t
( ) ()
F (a ) = 0 na + b Vt = C t F b = 0 a Vt + b Vt 2 = C tVt
Dependent Variable: Ct Method: Least Squares Date: 04/06/05 Time: 01:14 Sample: 1980 2003 Included observations: 24 Variable C
Vt
Coefficient 1164,9 -0,6682 0,5569 0,5368 49,2659 53396,83 -126,5440 0,4779
Std. Error 104,1213 0,1271
t-Statistic 11,1883 -5,2584
Prob. 0,0000 0,0000 619,9917 72,3846 10,7120 10,8102 27,6509 0,0000
C t = 1164,9 0,6682 Vt ;
R5 = 0,7463 d = 0,48 s u3 = 49,2659
(104,1213) (0,1271)
Valorile estimate ale variabilei Ct i ale variabilei reziduale, u 3t sunt prezentate n cadrul tabelului 2.9.5. (utiliznd pachetul de programe EViews).
Ct
531,6 545,0 535,1 523,7 551,3 551,9 553,4 570,2 614,6 624,2 679,5 599,4 566,6 574,0 598,6 658,1 701,5 669,8 677,2 660,3 669,5 710,4 731,7 782,2
Ct
589,107 593,874 577,371 552,977 542,562 543,083 534,712 538,357 558,064 584,340 626,880 639,297 652,515 651,354 650,432 653,797 659,084 665,934 683,278 679,993 677,830 677,750 671,341 675,868
u 3t
-57,5071 -48,8737 -42,2708 -29,2769 8,7376 8,8169 18,6885 31,8434 56,5360 39,8596 52,6204 -39,8968 -85,9152 -77,3536 -51,8323 4,3030 42,4157 3,8662 -6,0779 -19,6934 -8,3304 32,6497 60,3587 106,332
| * | . | | * | . | | .* | . | | . * | . | | . |* . | | . |* . | | . |* . | | . | *. | | . | * | | . | *. | | . | * | | .* | . | | * . | . | | * . | . | | * | . | | . |* . | | . | *. | | . * . | | . *| . | | . *| . | | . *| . | | . | *. | | . | .* | | . | . *|
Programul EViews ofer posibilitatea estimrii parametrilor unui model cu ecuaii simultane, att prin M.C.M.M.P. n dou faze, ct i prin construirea unui sistem de ecuaii care permite estimarea parametrilor att prin M.C.M.M.P. n dou faze, ct i prin M.C.M.M.P. n trei faze.
Astfel, rezultatele afiate de programul EViews n urma aplicrii M.C.M.M.P. n dou faze sunt urmtoarele:
Dependent Variable: C t Method: Two-Stage Least Squares Sample: 1980 2003 Included observations: 24 Instrument list: It Variable C Coefficient 1164,9 -0,6682 -0,2330 -0,2890 82,1822 9,9368 0,0046 Std. Error 173,6883 0,2120 t-Statistic 6,7071 -3,1523 Prob. 0,0000 0,0046 619,9917 72,3846 148585,90 0,4779
Vt
R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
Valorile estimate ale variabilei Ct i ale variabilei reziduale, u t sunt prezentate n cadrul tabelului 2.9.6.:
Tabelul 2.9.6 Actual Fitted
Ct
531,600 545,000 535,100 523,700 551,300 551,900 553,400 570,200 614,600 624,200 679,500 599,400 566,600
Ct
627,531 626,529 605,615 572,540 536,726 537,194 522,226 517,081 520,289 557,707 591,717 665,951 709,917
Residual
ut
-95,9309 -81,5287 -70,5148 -48,8401 14,5741 14,7064 31,1736 53,1185 94,3113 66,4934 87,7833 -66,5510 -143,317
| | | | | | | | | | | | | *
* | . * | . .* | . . * | . . |* . . |* . . |* . . | *. . | * . | *. . | * .* | . . | .
| | | | | | | | | | | | |
Actual
Fitted
Ct
574,000 598,600 658,100 701,500 669,800 677,200 660,300 669,500 710,400 731,700 782,200
Ct
703,035 685,061 650,917 630,738 663,345 687,333 693,146 683,390 655,995 631,005 604,813
Residual
ut
-129,035 -86,4608 7,18294 70,7618 6,45488 -10,1326 -32,8458 -13,8904 54,4048 100,695 177,387
| * . | . | | * | . | | . |* . | | . | *. | | . * . | | . *| . | | . *| . | | . *| . | | . | *. | | . | .* | | . | . *|
O alt modalitate de estimare a unui model cu ecuaii simultane cu ajutorul programului EViews const n construirea sistemului de ecuaii corespunztor modelului n form structural i n estimarea acestuia fie cu ajutorul M.C.M.M.P. n dou faze (vezi SYSTEM01), fie cu ajutorul M.C.M.M.P. n trei faze19 (vezi SYSTEM02):
System: SYSTEM01 Estimation Method: Two-Stage Least Squares Sample: 1980 2003 Included observations: 24 Total system (balanced) observations 24 Instruments: It C Coefficient C(1) C(2) 1164,9 -0,6682 Std. Error 173,6883 0,2120 6191,080 t-Statistic 6,7071 -3,1523 Prob. 0,0000 0,0046
Determinant residual covariance Equation: C t =C(1)+C(2)* Vt Observations: 24 R-squared Adjusted R-squared S.E. of regression -0,2330 -0,2890 82,1822
Mean dependent var S.D. dependent var Sum squared resid
619,9917 72,3846 148585,90
19
Vezi E. Pecican, O. Tnsoiu, A. I. Iacob, Modele econometrice, Bucureti, Editura ASE, 2001, p. 205-206.
Durbin-Watson stat
0,4779
Matricea varianelor i covarianelor reziduurilor, n cazul aplicrii M.C.M.M.P. n dou faze, este urmtoarea:
30167,6413 V = 36,6440 36,6440 0,0449
System: SYSTEM02 Estimation Method: Three-Stage Least Squares Sample: 1980 2003 Included observations: 24 Total system (balanced) observations 24 Instruments: : It C Coefficient C(1) C(2) 1164,9 -0,6682 Std. Error 166,2939 0,2029 6191,080 t-Statistic 7,0053 -3,2924 Prob. 0,0000 0,0033
Determinant residual covariance Equation: C t =C(1)+C(2)* Vt Observations: 24 R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat -0,2330 -0,2890 82,1822 0,4779
619,9917 72,3846 148585,90
n cazul aplicrii M.C.M.M.P. n trei faze, matricea varianelor i covarianelor reziduurilor este urmtoarea: 27653,67 33,5903 V = 33,5903 0,0412 Rezultatele obinute n urma aplicrii M.C.M.M.P. n dou faze i a M.C.M.M.P. n trei faze n cazul sistemului de ecuaii indic faptul c ipotezele corespunztoare M.C.M.M.P. sunt verificate (autocorelaia erorilor poate fi neglijat), iar estimatorii parametrilor sunt semnificativ diferii de zero pentru un prag de semnificaie de 5%, modelul fiind i el semnificativ pentru acelai prag de semnificaie.
Modelul fiind corect identificat, estimarea parametrilor s-a fcut att cu metoda regresiei indirecte ( a 2 ), ct i cu M.C.M.M.P. n dou faze ( a3 ). Comparnd rezultatele obinute se constat c ele sunt identice.
$ b) Rata marginal a consumului final real n funcie de PIB b a
()
fost estimat pe baza aceluiai model econometric, utiliznd trei procedee de estimare a parametrilor. n urma efecturii calculelor s-au obinut urmtoarele valori ale ratei marginale a consumului final: a1 ) b = 0,231 . Deoarece valoarea acestui parametru este semnificativ numai n cazul utilizrii unui prag de semnificaie = 0,20 , se confirm astfel faptul c aplicarea direct a M.C.M.M.P. asupra ecuaiei modelului n form structural conduce la obinerea de estimatori deplasai, nesemnificativi. a ) = a ) b = 0,6682 pentru metoda regresiei indirecte i
2 3
M.C.M.M.P. n dou faze, care conduc la aceleai rezultate, modelul fiind corect identificat. Semnificaia acestui indicator este urmtoarea: n perioada 1980-2002, la o cretere cu un miliard de lei a PIB-ului real, consumul final real a sczut cu aproximativ 0,7 miliarde lei, ceea ce contravine teoriei economice. Se constat astfel o inadverten, respectiv, pe de o parte, aceste modele pot fi acceptate ca semnificative din punct de vedere al testelor statistice, iar, pe de alt parte, sensul dependenei consumului final real de factorul su de influen, reliefat de semnul algebric al estimatorului parametrului corespunztor acestuia, este n contradicie cu teoria economic. Aceast inadverten const n faptul c PIB-ul real exercit o influen negativ asupra consumului final real. Datorit discrepanelor dintre valorile estimatorilor i teoria economic s-a renunat la continuarea utilizrii modelului n scopuri prospective. Acest lucru nu nseamn c modelul prezint deficiene de specificare ci, mai curnd, rezultatele contradictorii provin att din dificultatea construirii unor serii lungi de date, ct i ca urmare a msurilor inconsecvente de politic economic adoptate n perioada de tranziie a Romniei.
2.1.10 Modelul dinamic al lui Keynes
Dinamica principalilor indicatori macroeconomici, exprimai n mld. lei preuri comparabile (1990=100), n Romnia, n perioada 1980-2003, se prezint n tabelul urmtor:
Tabelul 2.10.1
mld. lei (1990=100)

Consumul final real al populaiei ( Ct ) Consumul final real al adm. publice ( Gt ) PIB-ul real ( Vt ) Investiii reale ( It )
Ani
4=3-1-2
1980 433,3 98,3 804,3 272,7 1981 442,1 102,9 805,8 260,8 1982 436,3 98,8 837,1 302,0 1983 433,1 90,6 886,6 362,9 1984 450,1 101,2 940,2 388,9 1985 442,0 109,9 939,5 387,6 1986 448,1 105,3 961,9 408,5 1987 472,1 98,1 969,6 399,4 1988 513,2 101,4 964,8 350,2 1989 516,6 107,6 908,8 284,6 1990 557,7 121,8 857,9 178,4 1991 467,4 132,0 746,8 147,4 1992 432,1 134,5 681,0 114,4 1993 435,9 138,1 691,3 117,3 1994 447,3 151,3 718,2 119,6 1995 505,3 152,8 769,3 111,2 1996 545,7 155,8 799,5 98,0 1997 525,7 144,1 750,7 80,9 1998 586,2 91,0 714,8 37,6 1999 579,8 80,5 706,1 45,8 2000 582,3 87,2 720,7 51,2 2001 610,7 99,7 761,7 51,3 2002 629,1 102,6 799,1 67,4 2003 673,7 108,5 838,3 56,0 Not: Indicatorii sunt calculai conform metodologiei de calcul a Sistemului European al Conturilor Economiei Integrate - SEC 1979. Consumul final real al populaiei i consumul final real al administraiei publice au fost deflaionate cu ajutorul deflatorului consumului final real al populaiei exprimat n preuri constante (1990 = 100), respectiv cu deflatorul consumuli final real al administraiei publice, datele provenind de la Ministerul Prognozei i Dezvoltrii, iar PIB-ul a
Modele econometrice cu o singur ecuaie i cu ecuaii multiple fost deflaionat cu ajutorul deflatorului PIB exprimat n preuri constante (1990 = 100), obinut n urma prelucrrii datelor din Raportul Anual BNR. Sursa: Date prelucrate pe baza Anuarului Statistic al Romniei 1995, CNS, Bucureti, 1996, p. 370-371, Anuarului Statistic al Romniei 1996, INS, Bucureti, 1997, p. 364-365, Anuarului Statistic al Romniei 2003, INS, Bucureti, 2004, p. 284, Raportului Anual 1999, BNR, Bucureti, 2000, p. 8*-9, Raportului Anual 2002, BNR, Bucureti, 2003, p. 4*-5*, Comunicatului de Pres al INS nr.11/26.02.2004, Dobrescu, E., Macromodels of the Romanian Transition Economy, Second Edition, Editura Expert, Bucharest, 1998, p. 184.
S se caracterizeze dezvoltarea economic a Romniei n perioada 1980-2003 cu ajutorul unui model econometric cu ecuaii multiple. Rezolvare: Pe baza datelor din tabelul de mai sus, dezvoltarea economic a Romniei n perioada 1980-2003 se poate face cu ajutorul unui model econometric cu ecuaii multiple a crui form structural este urmtoarea:
C t = a 0 + a1Vt + u1t I t = b0 + b1Vt + b2Vt 1 + u 2t V = C + I + G t t t t
(1) (2 ) (3)
Modelul de mai sus prezint cteva particulariti cum ar fi: - prima ecuaie descrie o relaie de comportament a consumatorilor; - ecuaia (2) reprezint tot o relaie de comportament, descriind politica investiional practicat n perioada 1980-2003, dar avnd un caracter dinamic datorit includerii variabilelor decalate care imprim aceast trstur i modelului cu ecuaii multiple; - ecuaia (3) reprezint o relaie de identitate economic. Modelul cu ecuaii multiple conine cinci variabile, dintre care trei variabile sunt endogene ( Ct , I t , Vt ) i dou variabile exogene ( Gt ,Vt 1 ) . Discuia econometric a modelului cu ecuaii multiple relev c modelul este supraidentificat deoarece: - n ecuaia (1), numrul variabilelor absente este egal cu 3, numr superior numrului de variabile endogene minus unu (3-1), ceea ce nseamn c ecuaia este supraidentificat;
- chiar dac ecuaia (2) este corect identificat ( 2 = 3 1) , modelul este supraidentificat datorit ecuaiei (1). Avnd aceast particularitate, estimarea parametrilor modelului se va face cu ajutorul M.C.M.M.P. aplicat n dou faze. Faza I. Variabila Vt , care este endogen n ecuaia (3), dar exogen n ecuaiile (1) i (2), se va regresa n funcie de variabilele exogene Vt 1 i Gt , rezultnd ecuaia: Vt = + Vt 1 + Gt + z t Se aplic M.C.M.M.P. n vederea estimrii parametrilor , , i a calculrii valorilor estimate ale variabilei Vt : F , , = min Vt Vt 1 Gt
t =2 24
24
F ( ) = 0 2 Vt Vt i Gt ( 1) = 0
t =2
(n 1) + Vt 1 + Gt = Vt
t =2 t =2 t =2
24
24
24
F = 0 2 Vt Vt 1 Gt ( Vt 1 ) = 0
t =2 24 2 Vt 1 + Vt 1 + GtVt 1 = VtVt 1 t =2 t =2 t =2 t =2 24 24 24
()
24
F ( ) = 0 2 Vt Vt 1 Gt ( Gt ) = 0
t =2
24
Gt + GtVt 1 + Gt2 = Vt Gt
t =2 t =2 t =2 t =2
24
24
24
24
de unde rezult sistemul de ecuaii normale:

24 24 24 (n 1) + Vt 1 + Gt = Vt t =2 t =2 t =2 24 24 24 24 2 Vt 1 + Vt 1 + GtVt 1 = VtVt 1 t =2 t =2 t =2 t =2 24 24 24 24 2 Gt + GtVt 1 + Gt = Vt Gt t =2 t =2 t =2 t =2
$ $ $ $ n vederea estimrii parametrilor , i i a valorilor Vt s-a

utilizat programul EViews, rezultatele obinute fiind urmtoarele:
Dependent Variable: Vt Method: Least Squares Sample(adjusted): 1981 2003 Included observations: 23 after adjusting endpoints Variable C Coefficient 157,1714 0,8708 -0,4437 0,8136 0,7950 43,5558 37942,23 -117,8313 0,7013 Std. Error 104,9035 0,0999 0,4239 t-Statistic 1,4982 8,7198 -1,0469 Prob. 0,1497 0,0000 0,3076 816,0739 96,1955 10,5071 10,6552 43,6549 0,0000
Vt 1 Gt
Vt = 157,1714 + 0,8708 Vt 1 0,4437 Gt
R1 = 0,902
(104,9035) (0,0999)
(0,4239)
d = 0,70 s z = 43,5558
Valorile estimate ale variabilei Vt i ale variabilei reziduale, z t sunt prezentate n cadrul tabelului 2.10.2. (utiliznd pachetul de programe EViews):
Tabelul 2.10.2
Vt
805,8 837,1 886,6 940,2 939,5 961,9 969,6 964,8 908,8 857,9 746,8 681 691,3 718,2 769,3 799,5 750,7 714,8 706,1 720,7 761,7 799,1 838,3
Vt
811,912 815,038 845,933 884,335 927,151 928,582 951,284 956,525 949,594 894,526 845,675 747,818 688,92 692,032 714,792 757,959 789,45 770,517 743,914 733,364 740,532 774,948 804,899
zt
-6,1123 22,0621 40,6667 55,8647 12,3492 33,3176 18,3162 8,2752 -40,7936 -36,6264 -98,8753 -66,8176 2,3800 26,1680 54,5085 41,5407 -38,7500 -55,7168 -37,8136 -12,6643 21,1685 24,1516 33,4010
| . *| . | . | *. | . | * | . | .* | . |* . | . | *. | . |* . | . |* . | * | . | .* | . |* . | . | * . | . | . * . | . | *. | . | .* | . | * | * | . | *. | . | * | . | . *| . | . | *. | . | *. | . | *.
| | | | | | | | | | | | | | | | | | | | | | |
n cazul acestei ecuaii se constat existena fenomenului de autocorelare a erorilor, care poate fi ignorat. Estimatorii parametrilor modelului sunt nesemnificativi (pot fi acceptai ca semnificativi pentru un prag de semnificaie = 0,40 ), cu excepia estimatorului parametrului corespunztor PIB-ului decalat cu o perioad, care este semnificativ diferit de zero pentru un prag de semnificaie de 5%, modelul fiind semnificativ pentru un prag de semnificaie de 5%.
Faza II. Deoarece variabila endogen Vt (vezi ecuaia (3)) este variabil exogen n ecuaiile (1) i (2), n aceste ecuaii ea se va introduce $ cu valorile estimate n faza I V - vezi tabelul 2.10.2., coloana 2.
( )
t
Estimarea parametrilor ecuaiilor (1) i (2) se va face cu ajutorul M.C.M.M.P. aplicate fiecrei ecuaii:
C t = a 0 + a1 Vt + u1t I t = b0 + b1 Vt + b2 Vt 1 + u 2t
(1) (2)
$ $ Estimatorii ecuaiei (1), a 0 i a 1 , rezult n urma aplicrii

M.C.M.M.P.: F (a 0 , a1 ) = min C t a 0 a1Vt
t =2 24 24
F (a 0 ) = 0 (n 1) a 0 + a1 Vt = C t
t =2 t =2
24
F (a1 ) = 0 a 0 Vt + a1 Vt 2 = C tVt
t =2 t =2 t =2
24
24
24
n cazul ecuaiei (1), calculele au fost efectuate cu ajutorul programului EViews, rezultnd urmtoarele valori:
Dependent Variable: Ct Method: Least Squares Sample(adjusted): 1981 2003 Included observations: 23 after adjusting endpoints Variable C V
t
Coefficient 658,7968 -0,1822 0,0467 0,0013 73,0763
Std. Error 147,3206 0,1796
t-Statistic 4,4719 -1,0147
Prob. 0,0002 0,3218 510,1087 73,1256 11,5038
R-squared Adjusted R-squared S.E. of regression
Mean dependent var S,D, dependent var Akaike info criterion
Sum squared resid Log likelihood Durbin-Watson stat
112143,10 -130,2940 0,2747
Schwarz criterion F-statistic Prob(F-statistic)
11,6026 1,0297 0,3218
C t = a 0 + a1 Vt = 658,7968 0,1822 Vt ;
(s ) (s )
$ a0 $ a1
R2 = 0,2162
(147,3206) (0,1796)
d = 0,27 s u1 = 73,0763
Tabelul 2.10.3
Actual Fitted Residual u1t Residual Plot (graficul reziduurilor)
Ct
442,1 436,3 433,1 450,1 442,0 448,1 472,1 513,2 516,6 557,7 467,4 432,1 435,9 447,3 505,3 545,7 525,7 586,2 579,8 582,3 610,7 629,1 673,7
Ct
510,867 510,297 504,668 497,672 489,871 489,61 485,474 484,519 485,782 495,815 504,715 522,545 533,276 532,709 528,562 520,697 514,96 518,409 523,256 525,178 523,872 517,602 512,145
-68,7669 -73,9975 -71,5683 -47,5715 -47,8706 -41,5097 -13,3735 28,6814 30,8185 61,8853 -37,3153 -90,4449 -97,3760 -85,4090 -23,2623 25,0029 10,7404 67,7908 56,5437 57,1217 86,8275 111,4980 161,5550
| | | | | | | | | | | | | | | | | | | | | | |
* | . * | . * | . .* | . .* | . .* | . . *| . . |* . . |* . . | * .* | . *. | . *. | . *. | . . *| . . |* . . |* . . | * . | *. . | *. . | .* . | . * . | .
| | | | | | | | | | | | | | | | | | | | | | *|
n vederea verificrii ipotezei de independen a erorilor se aplic testul Durbin - Watson, care const n calcularea variabilei d cu ajutorul relaiei: d= (u
t =3 n 2t n
u 2t 1 )
2 2t
u
t =2
= 0,27
teoretice se constat c 0 < d = 0,27 < d 1 = 1,26 , interval ce corespunde situaiei de autocorelaie pozitiv, care, n acest caz, va fi ignorat. $ $ Estimatorii a 0 i a1 sunt semnificativ diferii de zero, cu un prag de semnificaie = 0,05 , dac se verific urmtoarele relaii: a0 s a0 a1 s a1 157,355 = 2,2779 > t 0, 05; 21 = 2,080 69,08
t a0 =
> t ;n k 1 t a0 =
t a1 =
0,1822 0,1796
= 1,0147 > t 0, 40; 21 = 0,859
n urma efecturii calculelor de mai sus se constat faptul c doar $ estimatorul a 0 este semnificativ diferit de zero, cu un prag de semnificaie
$ = 0,05 , n timp ce estimatorul a 1 poate fi acceptat ca semnificativ pentru un prag de semnificaie = 0,40 . Verificarea semnificaiei raportului de corelaie:
Fc = (n k 1) R 12 1 R 12 F ;k ;(n k 1)
Fc = 21
0,0467 = 1,0297 < F0,05;1; 21 = 4,32 1 0,0467
Pe baza rezultatului obinut se constat c raportul de corelaie este nesemnificativ. n cazul ecuaiei (2), utiliznd programul EViews, au fost obinute urmtoarele rezultate:
Dependent Variable: It Method: Least Squares Sample(adjusted): 1981 2003 Included observations: 23 after adjusting endpoints Variable C V
t
Coefficient -827,5175 0,9928 0,2573 0,6548 0,6203 84,3385 142259,50 -133,0296 0,3265
Std. Error 219,9338 1,8495 1,6700
t-Statistic -3,7626 0,5368 0,1540
Prob. 0,0012 0,5973 0,8791 192,2435 136,8614 11,8287 11,9768 18,9670 0,0000
Vt 1
I t = b0 + b1Vt + b2Vt 1 = 827,5175 + 0,9928 Vt + 0,2573 Vt 1 ; R3 = 0,8092
(s ) (s ) (s )
$ b0 $ b1 $ b2
(219,9338) (1,8495) (1,67 )
d = 0,33 s u2 = 84,3385
Valorile estimate ale variabilei It i ale variabilei reziduale, u 2t sunt prezentate n cadrul tabelului 2.10.4. (utiliznd pachetul de programe EViews).
Tabelul 2.10.4
It
260,8 302,0 362,9 388,9 387,6 408,5 399,4 350,2 284,6 178,4 147,4 114,4 117,3 119,6 111,2 98,0 80,9 37,6 45,8 51,2 51,4 67,4 56,1
It
185,463 188,952 227,677 278,537 334,833 336,075 364,375 371,559 363,443 294,366 232,772 107,038 31,636 37,376 66,892 122,894 161,928 130,577 94,930 82,218 93,090 137,806 177,163
u 2t
75,3368 113,0480 135,2230 110,3630 52,7666 72,4253 35,0247 -21,3594 -78,8433 -115,9660 -85,3721 7,3625 85,6637 82,2243 44,3084 -24,8945 -81,0276 -92,9767 -49,1295 -31,0180 -41,6895 -70,4062 -121,0630
| . | *. | | . | .* | | . | . *| | . | .* | | . | * . | | . | *. | | . | * . | | . *| . | | .* | . | | *. | . | | * | . | | . |* . | | . | * | | . | *. | | . | * . | | . *| . | | .* | . | | * | . | | . * | . | | . * | . | | . * | . | | .* | . | |* . | . |
n vederea verificrii ipotezei de independen a erorilor se aplic testul Durbin - Watson, care const n calcularea variabilei d cu ajutorul relaiei: (u
t =3 n
d=
2t
n
u 2t 1 )
2 2t
u
t =2
= 0,33
Din tabela distribuiei Durbin - Watson, n funcie de un prag de semnificaie = 0,05 , de numrul variabilelor explicative k = 2 i de
numrul de observaii n = 23 se preiau valorile teoretice d1 = 1,17 i

teoretice se constat c 0 < d = 0,33 < d1 = 1,17 , interval ce corespunde situaiei de autocorelaie pozitiv, care, n acest caz, va fi ignorat. Verificarea semnificaiei estimatorilor: b0 sb
0
t b =
0
> t ;n k 1 t b =
0
827,5175 2199,9338
= 3,2626 > t 0,05; 20 = 2,086
t b =
1
b1 sb
1
> t ;n k 1 t b =
1
0,9928 = 0,5368 < t 0,05; 20 = 2,086 1,8495
t b =
2
b2 sb
2
> t ;n k 1 t b =
2
0,2573 = 0,154 < t 0,05; 20 = 2,086 1,67
Pe baza rezultatelor de mai sus se constat c doar estimatorul b0 este semnificativ diferit de zero, cu un prag de semnificaie = 0,05 , n $ $ $ timp ce estimatorii b1 i b2 sunt nesemnificativi ( b1 poate fi acceptat ca semnificativ pentru un prag de semnificaie = 0,6 ). Verificarea semnificaiei raportului de corelaie: Fc =
2 n k 1 R2 F ;k ;(n k 1) 2 k 1 R2
Fc =
20 0,6548 = 18,967 > F0.05; 2; 20 = 3,49 2 1 0,6548
Se constat astfel c raportul de corelaie este semnificativ diferit de zero, cu un prag de semnificaie = 0,05 .
Programul EViews ofer posibilitatea estimrii parametrilor unui model cu ecuaii simultane, att prin M.C.M.M.P. n dou faze, ct i prin construirea unui sistem de ecuaii care permite estimarea parametrilor att prin M.C.M.M.P. n dou faze, ct i prin M.C.M.M.P. n trei faze. Astfel, rezultatele afiate de programul EViews n urma aplicrii M.C.M.M.P. n dou faze asupra ecuaiei (1) sunt urmtoarele:
Dependent Variable: Ct Method: Two-Stage Least Squares Sample(adjusted): 1981 2003 Included observations: 23 after adjusting endpoints Instrument list: Vt-1 Gt Variable C Coefficient 658,7968 -0,1822 0,0434 -0,0022 73,2044 1,0261 0,3226 Std. Error 147,5788 0,1799 t-Statistic 4,4640 -1,0129 Prob. 0,0002 0,3226 510,1087 73,1256 112536,50 0,3028
Vt
Tabelul 2.10.5
Actual Fitted
Ct
442,1 436,3 433,1 450,1 442,0 448,1 472,1 513,2
Ct
Residual u1t
511,9806 506,2778 497,2589 487,4930 487,6206 483,5393 482,1364 483,0109
-69,8806 -69,9778 -64,1589 -37,3930 -45,6206 -35,4393 -10,0364 30,1891
| | | | | | | |
* | * | * | .* | .* | .* | . *| . |*
. . . . . . . .
| | | | | | | |
Econometrie. Studii de caz Actual Fitted Residual u1t Residual Plot (graficul reziduurilor)
Ct
516,6 557,7 467,4 432,1 435,9 447,3 505,3 545,7 525,7 586,2 579,8 582,3 610,7 629,1 673,7
Ct
493,2141 502,4880 522,7304 534,7191 532,8424 527,9413 518,6309 513,1285 522,0198 528,5607 530,1459 527,4858 520,0156 513,2013 506,0591
23,3859 55,2120 -55,3304 -102,6191 -96,9424 -80,6413 -13,3309 32,5715 3,6802 57,6393 49,6541 54,8142 90,6844 115,8987 167,6409
| | | | | | | | | | | | | | |
. |* . . | *. .* | . *. | . *. | . *. | . . *| . . |* . . * . . | *. . | *. . | *. . | .* . | . * . | .
| | | | | | | | | | | | | | *|
n cazul ecuaiei (2), n urma aplicrii M.C.M.M.P. n dou faze prin intermediul programului EViews au fost obinute urmtoarele rezultate:
Dependent Variable: It Method: Two-Stage Least Squares Sample(adjusted): 1981 2003 Included observations: 23 after adjusting endpoints Instrument list: Vt-1 Gt Variable C Coefficient -827,5175 0,9928 0,2573 0,6548 0,6203 84,3385 142259,50 -133,0296 Std. Error 219,9338 1,8495 1,6700 t-Statistic -3,7626 0,5368 0,1540 Prob. 0,0012 0,5973 0,8791 192,2435 136,8614 11,8287 11,9768
Vt Vt-1
Valorile estimate ale variabilei It i ale variabilei reziduale, u 2t sunt prezentate n cadrul tabelului 2.10.6. (utiliznd pachetul de programe EViews).
Tabelul 2.10.6
It
260,8 302,0 362,9 388,9 387,6 408,5 399,4 350,2 284,6 178,4 147,4 114,4 117,3 119,6 111,2 98,0 80,9 37,6 45,8 51,2 51,4 67,4 56,1
It
185,463 188,952 227,677 278,537 334,833 336,075 364,375 371,559 363,443 294,366 232,772 107,038 31,636 37,376 66,892 122,894 161,928 130,577 94,930 82,218 93,090 137,806 177,163
u 2t
75,3368 113,0480 135,2230 110,3630 52,7666 72,4253 35,0247 -21,3594 -78,8433 -115,9660 -85,3721 7,3625 85,6637 82,2243 44,3084 -24,8945 -81,0276 -92,9767 -49,1295 -31,0180 -41,6895 -70,4062 -121,0630
| . | .* | . | .* | . | .* | . | *. | . | *. | . | *. | . |* . | . *| . | .* | . | *. | . | . |* . | . | .* | . | .* | . | *. | . *| . | * | . | .* | . | .* | . | . *| . | . *| . | * | . | *. | . |* . | .
| | | | | | | | | | | | | | | | | | | | | | |
Interpretarea statistic a rezultatelor obinute este identic cu cea menionat n cazul aplicrii M.C.M.M.P. n dou faze prezentat mai sus. O alt modalitate de estimare a unui model cu ecuaii simultane cu ajutorul programului EViews const n construirea sistemului de ecuaii corespunztor modelului n form structural i n estimarea acestuia fie cu ajutorul M.C.M.M.P. n dou faze (vezi SYSTEM01), fie cu ajutorul M.C.M.M.P. n trei faze (vezi SYSTEM02).
System: SYSTEM01 Estimation Method: Two-Stage Least Squares Sample: 1981 2003 Included observations: 23 Total system (balanced) observations 46 Instruments: Vt 1 Gt C Coefficient C(1) C(2) C(3) C(4) C(5) 658,7968 -0,1822 -827,5175 0,9928 0,2573 Std. Error 147,5788 0,1799 184,0225 1,5475 1,3973 2622725 t-Statistic 4,4640 -1,0129 -4,4968 0,6415 0,1841 Prob. 0,0001 0,3170 0,0001 0,5247 0,8548
Determinant residual covariance Equation: C t =C(1)+C(2)* Vt Observations: 23 R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat 0,0434 -0,0022 73,2044 0,3028
510,1087 73,1256 112536,50
Equation: I t =C(3)+C(4)* Vt +C(5)* Vt 1 Observations: 23 R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat 0,7583 0,7341 70,5675 0,3495 Mean dependent var S.D. dependent var Sum squared resid 192,2435 136,8614 99595,42
Matricea varianelor i covarianelor reziduurilor este urmtoarea: 4892,8919 4308,6716 V = 4308,6716 4330,2358 i n acest caz interpretarea statistic a rezultatelor obinute este identic cu cea menionat anterior.
System: SYSTEM02 Estimation Method: Three-Stage Least Squares Sample: 1981 2003 Included observations: 23 Total system (balanced) observations 46 Instruments: Vt 1 Gt C Coefficient C(1) C(2) C(3) C(4) C(5) 658,7968 -0,1822 -990,8377 3,1444 -1,6978 Std. Error 141,0164 0,1719 138,0781 0,5298 0,4584 31011202 t-Statistic 4,6718 -1,0601 -7,1759 5,9350 -3,7034 Prob. 0,0000 0,2953 0,0000 0,0000 0,0006
Determinant residual covariance Equation: C t =C(1)+C(2)* Vt Observations: 23 R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat 0,0434 -0,0022 73,2044 0,3028
510,1087 73,1256 112536,50
Equation: I t =C(3)+C(4)* Vt +C(5)* Vt 1 Observations: 23 R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat 0,3361 0,2697 116,9579 0,6637 Mean dependent var S.D. dependent var Sum squared resid 192,2435 136,8614 273582,90
n cazul aplicrii M.C.M.M.P. n trei faze, matricea varianelor i covarianelor este urmtoarea: 4892,892 5214,337 V = 5214,337 11894,91 Pe baza informaiilor furnizate de programul EViews n urma aplicrii M.C.M.M.P. n trei faze sistemului de ecuaii se constat faptul c: - n cazul ecuaiei (1), rezultatele obinute sunt nesemnificative;
- n cazul ecuaiei (2), ipotezele corespunztoare M.C.M.M.P. sunt verificate (autocorelaia erorilor poate fi neglijat), iar estimatorii parametrilor sunt semnificativ diferii de zero, pentru un prag de semnificaie de 5%, modelul fiind i el semnificativ pentru acelai prag de semnificaie. Descrierea economiei Romniei n perioada 1980-2003 se poate face cu ajutorul multiplicatorilor cu efect direct. Multiplicatorii cu efect direct sau multiplicatorii structurali sunt reprezentai de parametrii modelului sub form structural: a1 - rata marginal a consumului, care arat c, n perioada 19802003, la o cretere cu un miliard de lei a PIB-ului real, consumul final real al populaiei a sczut cu 0,18 miliarde lei. b1 - rata marginal a investiiilor, care exprim faptul c, n perioada 1980-2003, investiiile reale au crescut cu 0,99 miliarde lei la o cretere cu un miliard de lei a PIB-ului real. b2 - relev faptul c PIB-ul real realizat n anul anterior a avut un efect pozitiv asupra creterii investiiilor reale, acestea crescnd cu aproximativ 0,26 miliarde lei la o cretere cu un miliard de lei a PIB-ului real din anul anterior. Prin coroborarea valorilor estimatorilor i, n special, a semnului algebric al acestora cu teoria economic privind sensul dependenelor i interdependenelor dintre fenomenele economice analizate, se constat c acestea conin evidente inadvertene economice, care constau n faptul c sensul dependenei consumului final real al populaiei de factorul su de influen, reliefat de semnul algebric al estimatorului parametrului corespunztor acestuia, este n contradicie cu teoria economic. Aceast inadverten const n faptul c PIB-ul real exercit o influen negativ asupra consumului final real al populaiei. Datorit slabelor performane statistice ale acestui model, ct i discrepanelor dintre valorile estimatorilor i teoria economic, s-a renunat la continuarea utilizrii sale n scopuri prospective. Acest lucru nu nseamn c acest model prezint deficiene de specificare ci, mai curnd, rezultatele contradictorii se datoreaz, att dificultii construirii unor serii lungi de
date, ct i msurilor inconsecvente de politic economic adoptate n perioada de tranziie a Romniei.
2.1.11 Model recursiv
Pe baza datelor din Anuarul Statistic al Romniei s-au construit seriile cronologice pe ani privind indicele ctigului salarial real (1990=100), Its, indicele productivitii muncii reale (1990=100), Itw, i indicele preurilor de consum (1990=100), Itp, n perioada 1990-2002:
Tabelul 2.11.1 t Itp
p t 1
Itw
Its
1 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002
2 100,0 270,2 838,8 2987,0 7071,9 9353,4 12983,4 33076,9 52624,2 76728,0 111767,1 150290,7 184162,1
3 100,0 270,2 838,8 2987,0 7071,9 9353,4 12983,4 33076,9 52624,2 76728,0 111767,1 150290,7
4 100,0 87,5 82,3 86,8 90,6 102,4 107,7 105,1 102,5 106,0 105,5 112,4 121,2
5 100,0 81,7 71,3 59,4 59,4 66,5 72,7 56,3 58,2 56,0 58,6 61,5 62,8
Sursa: Date prelucrate pe baza Anuarului Statistic al Romniei 2003, INS, Bucureti, 2004, p. 135, 322, 105, Anuarului Statistic al Romniei 2000, INS, Bucureti, 2001, p. 135, 136, Anuarului Statistic al Romniei 2001, INS, Bucureti, 2002, p. 132, 312, Raportului Anual 2002 BNR, Bucureti, 2003, p. 4*-7*, Raportului Anual 2000 BNR, Bucureti, 2001, p. 5*-9*.
Se cere: a) S se construiasc modelul econometric cu ajutorul cruia pot fi descrise dependenele i interdependenele dintre preuri i ctigurile salariale;
b) Abordarea modelului construit la punctul a) ca model cu ecuaii simultane i estimarea parametrilor acestuia cu ajutorul metodelor cunoscute; c) Abordarea modelului de la punctul a) ca model recursiv i estimarea parametrilor acestuia; d) S se compare rezultatele obinute la punctele b) i c) i s se formuleze concluziile care se desprind. Rezolvare: a) n teoria economic se ntlnete un model cu ecuaii multiple denumit i modelul spiralei preurilor care, sub form structural, se prezint astfel: I ts = a0 + a1 I t p + a2 I tw + u 1t M0 I t p = b 0 + b1 I ts + u 2t (1) ( 2)
Acest model conine dou variabile endogene (Is,Ip) i o singur variabil exogen (Iw), n total trei variabile. Ecuaia (1) a modelului este nonidentificat deoarece conine toate variabilele (0<2-1), n timp ce ecuaia (2) este corect identificat, deoarece numrul variabilelor absente (Itw) este egal cu numrul variabilelor endogene minus unu (1=2-1). Ca atare, modelul este nonidentificabil, adic nu vor putea fi estimai toi parametrii acestui model. Modelul de mai sus poate fi transformat ntr-un model corect specificat din punct de vedere econometric pornind de la urmtoarele premise: De regul, presiunile sociale privind creterea salariilor nu sunt simultane cu creterea preurilor ci, de regul, acestea se produc dup un anumit timp; Acest lucru permite ca n ecuaia (1) a modelului, indicele preului s figureze cu valoarea sa decalat, I t p 1 ;
n timp, micarea unui fenomen economic are o anumit inerie care, n domeniul econometriei, se definete ca fenomen autoregresiv, respectiv n ecuaia care descrie micarea fenomenului, n pachetul variabilelor exogene se introduce o variabil cu valori decalate. Aplicnd acest principiu, n ecuaia (2) a modelului se va introduce o nou variabil exogen I t p 1 . Pe baza acestor premise, modelul iniial, M0, se transform n modelul cu ecuaii multiple, M1: I ts = a0 + a1 I t p 1 + a2 I tw + u 1t M1 p s I t = b 0 + b1 I t + b 2 I t p 1 + u 2t (1) ( 2)
b) Modelul de mai sus, M1, interpretat ca un model cu ecuaii simultane, este un model corect identificat deoarece: - conine patru variabile, dintre care dou sunt endogene (Its,Itp) i dou sunt exogene ( I t p 1 ,Itw); - n ecuaia (1), numrul variabilelor absente ( I t p 1 ) este egal cu numrul variabilelor endogene minus unu (1=2-1), rezult c ecuaia (1) este corect identificat; - ecuaia (2) este, de asemenea, corect identificat, deoarece numrul variabilelor absente (Itw) este egal cu numrul variabilelor endogene minus unu (1=2-1). n aceast situaie, modelul este corect identificat, iar parametrii acestuia pot fi estimai, fie cu ajutorul metodei regresiei indirecte aplicat fiecrei ecuaii a modelului n forma redus, fie cu ajutorul M.C.M.M.P. aplicat n dou faze. Forma redus a modelului M1 regresarea variabilelor endogene numai n funcie de variabilele exogene se obine efectund urmtoarele calcule : - ecuaia (1) este deja sub form redus, variabila endogen Its fiind exprimat numai n funcie de cele dou variabile exogene I t p 1 , Itw.
- ecuaia (2) va fi adus la forma redus prin nlocuirea variabilei endogene Its cu expresia sa din ecuaia (1): Itp=b0+a0b1+(a1b1+b2) I t p 1 +a2b1Itw+b1u1t+u2t Notnd cu : 0 = b0 + a0b1
2t
1 = a1b1 + b2 2 = a2b1
z t = b1u1t + u 2t ecuaia (2) devine:
FR: I t p = 0 + 1 I t p 1 + 2 I tw + z t n final, modelul sub form redus se prezint astfel: I ts = a0 + a1 I t p 1 + a 2 I tw + u 1t M2 p I t = 0 + 1 I t p 1 + 2 I tw + z t Estimarea parametrilor acestui model presupune aplicarea M.C.M.M.P. fiecrei ecuaii n parte. Utiliznd programul EViews s-au obinut urmtoarele rezultate n cazul primei ecuaii a modelului sub form redus:
Dependent Variable: It Method: Least Squares Sample(adjusted): 1991 2002 Included observations: 12 after adjusting endpoints Variable C Coefficient 0,8388 -0,000013 Std. Error 0,3289 0,0001 t-Statistic 2,5504 -0,1629 Prob. 0,0312 0,8742
s
p t 1
Itw
-0,1951 0,1287 -0,0650 0,0814 0,0596 14,8068 1,2180
0,3493
-0,5585
0,5901 0,6370 0,0788 -1,9678 -1,8466 0,6644 0,5381
Astfel, ecuaia ce descrie evoluia indicelui ctigului salarial real este de forma: I ts = 0,8388 0,000013 I tp 1 0,1951 I tw ; R = 0,3587
(0,3289) (0,0001)
(0,3493)
d = 1,22 su1 = 0,0814
Analiznd rezultatele obinute se constat c ipotezele corespunztoare M.C.M.M.P. sunt verificate (autocorelaia erorilor poate fi neglijat ca urmare a indeciziei), dar estimatorii parametrilor modelului, cu excepia termenului liber, sunt nesemnificativi, modelul fiind i el nesemnificativ. Revenind la ecuaia (2) sub form redus, estimatorii acesteia au nregistrat urmtoarele valori (vezi listingul de mai jos):
Dependent Variable: I t
p
Method: Least Squares Sample(adjusted): 1991 2002 Included observations: 12 after adjusting endpoints Variable C Coefficient -179,4978 1,2180 247,5859 0,9892 0,9868 73,3035 Std. Error 296,3394 0,0731 314,7246 t-Statistic -0,6057 16,6713 0,7867 Prob. 0,5597 0,0000 0,4517 535,1246 637,4540 11,6394
p t 1
Itw
R-squared Adjusted R-squared S.E. of regression
Mean dependent var S.D. dependent var Akaike info criterion
Sum squared resid Log likelihood Durbin-Watson stat
48360,68 -66,8365 1,2817
Schwarz criterion F-statistic Prob(F-statistic)
11,7606 411,4207 0,0000
I tp = 179,4978 + 1,218 I tp 1 + 247,5859 I tw ; R = 0,9946
(296,3394) (0,0731) (314,7246)
d = 1,28 s z = 48,4421
Rezultatele obinute indic faptul c ipotezele corespunztoare M.C.M.M.P. sunt verificate (autocorelaia erorilor poate fi neglijat ca urmare a indeciziei), iar estimatorii parametrilor modelului, cu excepia estimatorului parametrului corespunztor indicelului preurilor de consum decalat cu o perioad, sunt nesemnificativi, modelul fiind semnificativ pentru un prag de semnificaie de 5%. Dup estimarea parametrilor modelului n form redus urmeaz identificarea modelului cu ecuaii simultane, adic a parametrilor modelului structural pe baza estimatorilor modelului sub form redus. Estimarea acestora se face pornind de la notaiile efectuate anterior: = b + a b 179,4978 = b + 0,8388 b
0 0 0 1 0 1
1 = a1b1 + b2 1,218 = 0,000013 b1 + b2 = a b 247,5859 = 0,1951 b

2 2 1 1
De unde rezult c: b = 884,983

0
b1 = 1269,1246 b2 = 1,2013 n final, modelul cu ecuaii simultane sub form structural este de forma: I ts = 0,8388 0,000013 I tp 1 0,1951 I tw M1 p = 884,983 1269,1246 I s + 1,2013I p I t t t 1
Modelul M1, fiind un model corect identificat, estimatorii acestuia pot fi obinui i cu ajutorul M.C.M.M.P. aplicat n dou faze: Faza I. Se estimeaz parametrii ecuaiei (1) a modelului cu ajutorul M.C.M.M.P., obinndu-se aceleai rezultate ca i n cazul anterior: I ts = 0,8388 0,000013 I tp 1 0,1951 I tw ; R = 0,3587
(0,3289) (0,0001)
(0,3493)
d = 1,22 su1 = 0,0814
n continuare, se calculeaz valorile teoretice (ajustate) ale variabilei enodogene Its . Utiliznd programul EViews, s-au obinut urmtoarele rezultate (vezi tabelul .2.11.2., coloana 3):
Tabelul 2.11.2 Obs. Actual Fitted
s t
I ts
0,6680 0,6782 0,6693 0,6616 0,6381 0,6274 0,6320 0,6344 0,6250 0,6228 0,6047 0,5825
Residual u1t
1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002
0,817 0,713 0,594 0,594 0,665 0,727 0,563 0,582 0,560 0,586 0,615 0,628
0,1490 0,0348 -0,0753 -0,0676 0,0269 0,0996 -0,0690 -0,0524 -0,0650 -0,0368 0,0103 0,0455
| | | | | | | | | | | |
. | . . | * . .* | . .* | . . |* . . | .* .* | . . * | . .* | . . * | . . |* . . | * .
*| | | | | | | | | | | |
Faza II. n cadrul celei de-a doua ecuaii a modelului M1 n form structural, valorile empirice ale indicelui ctigului salarial real sunt nlocuite cu valorile estimate ale acestuia. n vederea estimrii parametrilor acestei ecuaii a fost utilizat programul EViews, care permite estimarea
parametrilor unui model cu ecuaii simultane cu ajutorul M.C.M.M.P. n dou faze, obinndu-se astfel urmtoarele rezultate:
p
Method: Two-Stage Least Squares Sample(adjusted): 1991 2002 Included observations: 12 after adjusting endpoints Instrument list: I t 1 It Variable C
p
Coefficient 884,9814 -1269,1230 1,2013 0,9865 0,9834 82,0278 328,5595 0,0000
Std. Error 1184,3430 1805,2800 0,1018
t-Statistic 0,7472 -0,7030 11,8009
Prob. 0,4740 0,4998 0,0000 535,1246 637,4540 60557,03 1,1716
I ts I
p t 1
I tp = 884,9814 1269,123 I ts + 1,2013 I tp 1 ; R = 0,9932
(1184,343) (1805,28)
(0,1018)
d = 1,17 s z3 = 82,0278
Rezultatele obinute indic faptul c ipotezele corespunztoare M.C.M.M.P. sunt verificate (autocorelaia erorilor poate fi neglijat ca urmare a indeciziei), iar estimatorii parametrilor modelului, cu excepia estimatorului parametrului corespunztor indicelui preurilor de consum decalat cu o perioad, sunt nesemnificativi, modelul fiind semnificativ pentru un prag de semnificaie de 5%. Comparnd modelul M1, estimat cu ajutorul metodei regresiei indirecte, cu modelul estimat pe baza M.C.M.M.P. aplicat n dou faze se observ c rezultatele sunt aproape identice micile diferene datorndu-se erorilor de rotunjire a rezultatelor, cum era, de altfel, i normal s se ntmple.
O alt modalitate de estimare a unui model cu ecuaii simultane cu ajutorul programului EViews const n construirea sistemului de ecuaii corespunztor modelului M1 i n estimarea acestuia fie cu ajutorul M.C.M.M.P. n dou faze (vezi SYSTEM01), fie cu ajutorul M.C.M.M.P. n trei faze (vezi SYSTEM02):
System: SYSTEM01 Estimation Method: Two-Stage Least Squares Sample: 1991 2002 Included observations: 12 Total system (balanced) observations 24 Instruments: I t 1 It C Coefficient C(1) C(2) C(3) C(4) C(5) C(6) 0,8388 -0,000013 -0,1951 884,9814 -1269,1230 1,2013 Std. Error 0,3289 0,0001 0,3493 1184,3430 1805,2800 0,1018 12,4448
w
p
t-Statistic 2,5504 -0,1629 -0,5585 0,7472 -0,7030 11,8009
Prob. 0,0201 0,8724 0,5834 0,4646 0,4910 0,0000
Determinant residual covariance

s p
Equation: I t =C(1)+C(2)* I t 1 +C(3)* It Observations: 12 R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat
p
0,1287 -0,0650 0,0814 1,2180

s

p
0,6370 0,0788 0,0596
Equation: I t =C(4)+C(5)* I t +C(6)* I t 1 Observations: 12 R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat 0,9865 0,9834 82,0278 1,1716 Mean dependent var S.D. dependent var Sum squared resid 535,1246 637,4540 60557,03
System: SYSTEM02 Estimation Method: Three-Stage Least Squares Sample: 1991 2002 Included observations: 12 Total system (balanced) observations 24 Instruments: I t 1 Itw C Coefficient C(1) C(2) C(3) C(4) C(5) C(6) 0,8388 -0,000013 -0,1951 884,9814 -1269,1230 1,2013 Std. Error 0.2848 0,0001 0,3025 1025,6710 1563,4180 0,0882 12,4448 t-Statistic 2,9450 -0,1881 -0,6450 0,8628 -0,8118 13,6266 Prob. 0,0087 0,8529 0,5271 0,3996 0,4275 0,0000
p
Determinant residual covariance

s p
Equation: I t =C(1)+C(2)* I t 1 +C(3)* Itw Observations: 12 R-squared Adjusted R-squared S.,E. of regression Durbin-Watson stat
p
0,1287 -0,0650 0,0814 1,2180

s

p
0,6370 0,0788 0,0596
Equation: I t =C(4)+C(5)* I t +C(6)* I t 1 Observations: 12 R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat 0,9865 0,9834 82,0278 1,1716 Mean dependent var S.D. dependent var Sum squared resid 535,1246 637,4540 60557,03
c) Pornind de la modelul M1: I ts = a0 + a1 I t p 1 + a2 I tw + u 1t M1 p s I t = b 0 + b1 I t + b 2 I t p 1 + u 2t (1) ( 2)
se constat c acesta poate fi considerat un model recursiv deoarece variabilele endogene urmeaz o anumit ordine. Astfel, indicele ctigului salarial real, variabil endogen n prima ecuaie, figureaz ca variabil
exogen n ecuaia (2). n schimb, indicele preurilor de consum nu figureaz dect ca variabil endogen n ecuaia (2). Matriceal, forma structural a modelului M1 este urmtoarea: 0 I ts a 0 1 b 1 p + b 1 It 0
B Y +
a1 b2
C
a 2 I tp 1 u1t w = 0 I t u 2t
X = U
respectiv matricea B, B =
( ), este o matrice triunghiular specific

1 0 b1 1
modelelor recursive. Estimatorii parametrilor modelului M1, considerat ca fiind un model recursiv, pot fi calculai cu ajutorul M.C.M.M.P. aplicat fiecrei ecuaii a modelului structural. Ecuaia (1) a fost deja estimat la punctul b), ea fiind urmtoarea: I ts = 0,8388 0,000013 I tp 1 0,1951 I tw ; R = 0,3587
(0,3289) (0,0001)
(0,3493)
d = 1,22 su1 = 0,0814
n urma aplicrii M.C.M.M.P. asupra celei de-a doua ecuaii a modelului M1 au rezultat urmtoarele valori:
p
Method: Least Squares Sample(adjusted): 1991 2002 Included observations: 12 after adjusting endpoints Variable C Coefficient 431,6229 -577,8482 1,2354 0,9930 0,9915 58,7926 31109,12 Std. Error 156,8297 236,8351 0,0372 t-Statistic 2,7522 -2,4399 33,1807 Prob. 0,0224 0,0374 0,0000 535,1246 637,4540 11,1982 11,3195
I I
s t
p t 1
R-squared Adjusted R-squared S.E. of regression Sum squared resid
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion
Log likelihood Durbin-Watson stat
-64,1894 1,1729
F-statistic Prob(F-statistic)
642,0695 0,0000
I tp = 431,6229 577,8482 I ts + 1,2354 I tp 1 ; R = 0,9965
(156,8297 ) (236,8351)
(0,0372)
DW = 1,17 s z2 = 58,7926
Rezultatele obinute indic faptul c ipotezele corespunztoare M.C.M.M.P. sunt verificate (autocorelaia erorilor poate fi neglijat ca urmare a indeciziei), iar estimatorii parametrilor modelului sunt semnificativ diferii de zero pentru un prag de semnificaie de 5%, modelul fiind i el semnificativ pentru acelai prag de semnificaie. d) Abordarea econometric a modelului M1 ca model cu ecuaii simultane, M1S, a condus la obinerea urmtoarelor rezultate:
I ts = 0,8388 0,000013 I tp 1 0,1951 I tw ; R = 0,3587 (0,3289) (0,0001) (0,3493) d = 1,22 s u1 = 0,0814 p s p I t = 884,9814 1269,123 I t + 1,2013 I t 1 ; R = 0,9932 (1184,343) (1805,28) (0,1018) d = 1,17 s z2 = 82,0278
M1S
iar tratarea acestuia ca model recursiv, M1R, a determinat obinerea urmtoarelor valori:
I ts = 0,8388 0,000013 I tp 1 0,1951 I tw ; R = 0,3587 (0,3289) (0,0001) (0,3493) d = 1,22 s u1 = 0,0814 p p s I t = 431,6229 577,8482 I t + 1,2354 I t 1 ; R = 0,9965 (156,8297 ) (236,8351) (0,0372) d = 1,17 s z3 = 58,7926
M1R
Deoarece dubla interpretare a modelului M1, ca model cu ecuaii simultane (M1S), i ca model recursiv (M1R), a condus la rezultate diferite, se pune problema validrii variantei corecte. Discuia econometric a celor dou modele arat c estimatorii obinui pe baza modelului recursiv, n special n cazul ecuaiei (2) a modelului, sunt semnificativi, n timp ce estimatorii obinui pe baza modelului cu ecuaii simultane sunt nesemnificativi, cu excepia estimatorului parametrului corespunztor indicelui preurilor de consum decalat cu o perioad n cazul celei de-a doua ecuaii a modelului. n cazul ambelor modele, rezultatele obinute pentru prima ecuaie sunt nesemnificative. Prin coroborarea valorilor estimatorilor i, n special, a semnului algebric al acestora cu teoria economic privind sensul dependenelor i interdependenelor dintre fenomenele economice analizate, se constat c ambele ecuaii, att ale modelului cu ecuaii simultane, ct i ale modelului recursiv, conin evidente inadvertene economice, n sensul c dinamica ctigului salarial real a fost influenat negativ de creterea productivitii muncii i de indicele preurilor decalat cu o perioad n decursul perioadei analizate, 1990-2002 (vezi prima ecuaie a ambelor modele), iar dinamica preurilor a fost influenat negativ de ctre dinamica ctigului salarial real (vezi cea de-a doua ecuaie a ambelor modele). Datorit slabelor performane statistice ale celor dou modele, ct i discrepanelor dintre valorile estimatorilor i teoria economic, s-a renunat la continuarea utilizrii lor n scopuri prospective. Acest lucru nu nseamn c respectivele modele prezint deficiene de specificare ci, mai curnd, rezultatele contradictorii se datoreaz dimensiunii reduse a seriilor de timp utilizate i evoluiei oscilante a economiei romneti n perioada de tranziie ctre economia de pia. n concluzie, se recomand ca un model cu ecuaii multiple s fie corect specificat ca model cu ecuaii simultane sau ca model recursiv deoarece abordarea greit a tipului de model conduce la rezultate diferite, care afecteaz calitatea calculelor econometrice.
2.2 Probleme propuse spre rezolvare
2.2.1. Indicatorii sintetici ai economiei Romniei (exprimai n mld. lei, preuri curente) n perioada 1980 2002 se prezint n tabelul de mai jos:
Tabelul 2.2.1 Indicatori Unitatea de 1980 msur Anul 1981 1982 1983 1984 1985 1986 1987
Produs Intern Brut1) Consumul final al populaiei 1) Consumul final al administraiei publice1) Formarea brut de capital fix1) Variaia stocurilor1) Export net1) Imobilizri corporale (mijloace fixe) Investiii
mld. lei p.c. mld. lei p.c. mld. lei p.c. mld. lei p.c. mld. lei p.c. mld. lei p.c. mld. lei p.c.
616,9 623,7 727,4 768,7 816,1 817,4 315,9 335,1 391,8 387,6 413,6 408,4 72,5 76,6 76,6 76,0 80,2 83,5
838,6 845,6 416,7 441,9 80,5 75,0
212,8 209,3 216,4 230,7 244,7 246,3 32,9 17,1 28,9 4,0 30,9 32,4 34,1 29,3 23,6 33,2
249,0 245,5 39,4 35,5 23,5 52,8
-34,8 -22,7
1880
2036 2211 2397 2614
2798
2992
3182
mld. lei 210,5 209,3 216,4 230,7 244,7 246,3 249,0 245,5 p.c. Populaia ocupat mii pers 10350 10391 10433 10475 10500 10586 10670 10719
Tabelul 2.2.1 (continuare) Indicatori Unitatea de 1988 msur Anul 1989 1990 1991 1992 1993 1994
Produs Intern Brut1) mld. lei p.c. Consumul final al mld. lei populaiei 1) p.c. Consumul final al mld. lei administraiei p.c. publice1) Formarea brut de mld. lei p.c. capital fix1) 1) Variaia stocurilor mld. lei p.c. 1) Export net mld. lei p.c. Imobilizri mld. lei corporale p.c. (mijloace fixe) mld. lei Investiii p.c. Populaia ocupat mii pers
857,0 800,0 454,7 463,4
857,9 557,7
2203,9 6029,2 20035,7 49773,2 1323,7 3750,8 12670,3 31442,0
77,6
100,5
121,8 169,8 89,7 -81,1
348,8
891,7 2565,5 7010,4
240,2 238,9 3,1 80,2 -24,6 21,8
317,0 1156,9 3583,7 10095,7 301,1 -86,7 736,7 2212,2 2252,6 -506,9 -996,0 -1027,5
3359
3526
3498 168,4
4505 314,0
23217 26583
33811
240,2 236,4
888,6 2821,8 8004,6 10011
10805 10946 10840
10786 10458 10062

Indicatori Unitatea de 1995 msur Anul 1996 1997 1998 1999 2000 2001 2002
Produs Intern Brut1) Consumul final al populaiei 1) Consumul final al administraiei publice1) Variaia stocurilor1)
mld. lei 72135,5108919,6252925,7373798,2545730,2803773,11167687,01512616,8 p.c. mld. lei 48545,1 75288,8 186238,2310922,7453308,0634590,4 917185,7 1151355,9 p.c. mld. lei 10117,3 14650,6 32381,6 26545,9 31053,5 57942,5 77551,4 p.c. mld. lei 20851,1 3161,4 -1368,7 -1586,4 -8889,9 4543,9 p.c. 22294,8
91751,0
33432,4
Econometrie. Studii de caz Unitatea de 1995 msur Anul 1996 1997 1998 1999 2000 2001 2002
Indicatori
Export net1)
mld. lei -4036,9 -9179,7 17865,5 -30003,9 -26371,8 -45250,9 -90498,5 -86305,4 p.c.
Imobilizri mld. lei 169866 188934 242714 429038 701941 1449782 2171506 2855564 corporale p.c. (mijloace fixe) mld. lei Investiii p.c. 12995,5 20945,3 44134,7 60515,2 83948,1 124987,2 204195,2 271734,7 Populaia mii pers 9493 9379 9023 8813 8420 8629 8563 8329 ocupat
Not: ncepnd din anul 1999, conturile naionale s-au realizat numai conform metodologiei SEC 1995. Sursa: Anuarul Statistic al Romniei 1995, CNS, Bucureti, 1996, p. 145, 370-371, 386, 398, Anuarul Statistic al Romniei 1996, INS, Bucureti, 1997, p. 141, 364-365, 384, 394, Anuarul Statistic al Romniei 2001, INS, Bucureti, 2002, p. 94, 278, 297, 303, Anuarul Statistic al Romniei 2003, INS, Bucureti, 2004, p. 105, 284, 307, 312.
Pe baza datelor prezentate n tabelul de mai sus s se fac analiza econometric a economiei Romniei utiliznd: - modele uni i multifactoriale, statice i dinamice; - modele cu ecuaii multiple. Specificarea modelelor i construirea seriilor statistice necesare identificrii i rezolvrii acestora se vor fundamenta pe cunotiinele nsuite la disciplinele de teorie economic i de statistic macroeconomic. 2.2.2. n Romnia, n perioada ianuarie 1991-decembrie 2004, s-au nregistrat urmtoarele valori expimate n preuri comparabile (1990=1) privind: - indicii preurilor bunurilor i serviciilor de consum (IPC); - indicii cursului mediu valutar (ICV); - indicii ctigurilor salariale medii nominale nete (IVMN).
1990=1
Luna IPC 1991 ICV IVMN IPC 1992 ICV IVMN IPC
Tabelul 2.2.2
1993 ICV IVMN
0 1 2 3
1 1,581 1,692 1,804
2 1,785 1,756 1,828
3 1,160 1,143 1,181
4 5,312 5,974 6,573
5 9,909 10,046 10,066
6 3,809 3,725 4,478
7 14,830 16,050 17,520
8 23,899 25,953 29,794
9 8,132 8,542 10,880

1991 ICV 1992 ICV 1993 ICV
Luna
IPC
IVMN
IPC
IVMN
IPC
IVMN
0 4 5 6 7 8 9 10 11 12
1 2,282 2,398 2,445 2,677 2,976 3,194 3,526 3,910 4,445
2 3,035 3,056 3,111 3,149 3,101 3,085 3,060 7,417 9,448
3 1,785 2,169 2,237 2,374 2,367 2,636 2,823 3,095 3,337
4 6,880 7,713 8,041 8,296 8,576 9,445 10,350 11,750 13,300
5 10,085 11,368 13,285 17,763 19,077 20,546 21,861 21,861 22,006
6 4,592 5,187 5,690 5,855 5,802 6,829 7,054 8,338 9,555
7 19,270 25,135 26,511 30,007 33,255 36,891 42,913 48,994 52,599
8 30,692 31,593 35,003 39,070 41,108 44,230 50,056 54,289 57,997
9 11,224 14,948 17,257 19,639 21,978 21,755 23,354 27,247 29,681
1990=1
Luna 1994 ICV 1995 ICV

IPC IVMN IPC IVMN IPC 1996 ICV IVMN
0 1 2 3 4 5 6 7 8 9 10 11 12
10 55,176 58,431 63,281 67,084 70,424 72,234 73,375 74.680 77.620 81,033 83,337 85,073
11 70,522 75,928 81,408 84,937 84,252 84,753 85,700 85.807 87,803 89,118 89,301 90,183
12 29,817 31,159 32,983 36,964 37,043 38,411 41,786 45.074 44,958 47,007 49,134 58,152
13 86,783 88,034 88,85 90,279 91,249 92,449 94,831 95.750 97,273 100,735 104,844 108,681
14 90,290 91,451 93,166 94,812 97,163 99,432 101,387 104.012 106,762 110,127 121,773 130,046
15 50,054 50,896 53,545 58,298 58,495 60,070 64,011 67.469 67,236 71,064 73,877 82,893
16 109,996 112,072 114,006 116,223 122,429 123,701 133,004 138.046 141,361 146,154 154,577 170,520
17 132,142 141,012 146,040 147,999 148,979 151,906 155,731 159.833 162,745 167,552 176,827 189,827
18 75,150 72,900 76,812 88,330 85,972 86,159 97,773 100.495 99,989 109,734 111,416 127,033
1990=1

0 1 2 3 4 5
19 193,864 230,253 300,968 321,738 335,447
20 252,334 350,569 367,865 358,338 360,483
21 116,254 133,657 148,514 173,365 166,270
22 449,601 481,926 500,018 513,652 525,356
23 421,627 418,449 417,239 426,009 430,976
24 259,058 257,358 279,527 306,238 292,687
25 620,794 638,633 679,252 712,217 750,064
26 577,204 623,843 714,464 752,039 774,672
27 363,486 379,103 413,405 433,413 427,784
Econometrie. Studii de caz 1997 ICV 1998 ICV 1999 ICV
Luna
IPC
IVMN
IPC
IVMN
IPC
IVMN
0 6 7 8 9 10 11 12
19 343,155 345,525 357,683 369,517 393,458 410,255 428,722
20 364,631 364,225 378,505 382,755 391,566 396,960 404,692
21 170,175 182,111 190,580 208,038 233,507 240,434 275,483
22 531,958 539,075 542,505 557,167 578,775 589,836 602,654
23 435,658 442,267 446,426 460,097 476,904 503,757 535,262
24 304,810 321,778 328,905 333,905 342,977 349,007 398,436
25 788,272 801,289 811,052 836,906 871,740 906,513 932,969
26 801,057 777,377 809,405 831,698 849,293 886,970 914,916
27 443,326 469,792 475,742 477,428 485,349 513,059 582,917
1990=1

0 1 2 3 4 5 6 7 8 9 10 11 12
28 973,180 994,265 1012,085 1060,506 1079,819 1110,420 1157,908 1179,180 1212,300 1245,794 1281,153 1312,781
29 933,025 950,773 976,467 1004,499 1036,767 1069,171 1098,190 1139,888 1199,883 1238,327 1276,197 1301,668
30 505,564 512,025 558,579 625,620 594,500 616,182 636,197 650,369 665,778 690,451 731,545 852,832
31
32
33 802,000 760,461 825,788 886,098 853,925 873,314 914,844 918,339 915,319 940,371 970,785 1071,964
34 1750,275 1770,458 1776,787 1813,048 1846,572 1868,808 1878,215 1893,609 1905,24 1936,54 1985,972 2015,562
35 1629,487 1638,704 1665,770 1682,847 1702,644 1697,626 1676,614 1682,450 1683,584 1689,995 1705,374 1710,920
36 1075,450 1014,752 1073,940 1161,644 1111,726 1114,941 1148,032 1141,889 1129,165 1162,113 1182,823 1325,629
1361,223 1334,169 1391,811 1363,259 1420,167 1387,855 1457,843 1417,300 1483,18 1448,571 1506,810 1471,912 1526,502 1492,847 1560,634 1515,455 1590,959 1537,158 1629,818 1565,104 1674,321 1591,179 1710,423 1604,255
1990=1
Luna IPC 2003 ICV IVMN IPC 2004 ICV
Tabelul.2.2.2 (continuare)
IVMN
0 1 2 3 4 5 6 7
37 2041,563 2058,090 2080,261 2102,433 2112,712 2130,651 2156,248
38 1700,458 1722,623 1684,520 1713,406 1652,349 1658,180 1661,240
39 1385,694 1303,994 1358,434 1451,457 1385,270 1378,410 1424,663
40 2325,921 2340,629 2352,277 2365,909 2372,672 2386,768 2417,116
41 1655,918 1630,529 1659,664 1724,626 1716,207 1706,640 1697,768
42 1690,407 1604,444 1715,724 1748,552 1699,212 1707,375 1723,255

2003 ICV 2004 ICV
Luna
IPC
IVMN
IPC
IVMN
37
38
39
40
41
42 1707,375 1723,255 1778,328 1829,276 2013,794 statistic lunar
8 2161,892 1695,938 9 2208,250 1718,317 10 2241,910 1685,674 11 2274,159 1734,052 12 2300,562 1678,322 Sursa: Anuarul Statistic al Romniei 2003, nr. 1-12, INS, Bucureti, 1991-2004
1408,314 2430,250 1708,851 1429,894 2453,240 1709,268 1451,994 2483,340 1671,657 1475,648 2499,397 1559,598 1657,313 2513,608 1469,741 INS, Bucureti, 2004, p. 322-323, Buletin
Pe baza informaiilor de mai sus, s se explice creterea indicelui preurilor bunurilor de consum pe seama creterii indicelui cursului valutar i a creterii indicelui veniturilor, utiliznd: - modele unifactoriale liniare i neliniare; - modele multifactoriale liniare i neliniare; - modele statice i modele dinamice.

Probleme Rezolvate La Econometrie. (Conspecte - MD)

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Probleme Rezolvate La Econometrie. (Conspecte - MD)

Uploaded by

Copyright:

Available Formats

Capitolul 2

Modele econometrice cu o singur ecuaie i cu ecuaii multiple

Modele econometrice cu o singur ecuaie i cu ecuaii multiple

Econometrie. Studii de caz

Modele econometrice cu o singur ecuaie i cu ecuaii multiple

Specificarea unui model econometric presupune, de asemenea,

Econometrie. Studii de caz

u t = y t y t = (a a ) + b b xt = estimaiile valorilor variabilei reziduale.

n mod concret, M.C.M.M.P. const n a minimiza funcia:

2 F a, b = min ( y t y t ) = min y t a bxt

Condiia de minim a acestei funcii rezult din: F (a ) = 0 na + b x = y

y t = 35030 ,912 + + 0 ,8694 x t

5 81436,2 73763,8 62787,8 57701,0 56564,7 55284,1 55992,7 54016,6

Modele econometrice cu o singur ecuaie i cu ecuaii multiple

y t = 35030 ,912 + + 0 ,8694 x t

5 52080,5 51708,4 50393,0 50373,0 50785,9 50051,3 802939,0

Total 802939 359456 10750847412 21938714252

( y t y ) xt x u t u t (xt x ) u t 1 (u t u t 1 ) u t u t 1 (xt x)( yt y)

Econometrie. Studii de caz

802939 359456 = 3071419995 2886212411 28 84 1505118637 1292086159 68 36

359456 426899179 , 359456 1075084741 2

4 1852075834 = 0,8694 b= 2130347832

(vezi calcule tabelul 2.1.2., coloanele 1, 2, 3, 4)

359456 = 25675,4 n 14 a = 57352,8 0,8694 25675,4 = 35030,912 yt 802939 = = 57352,8 n 14

Modele econometrice cu o singur ecuaie i cu ecuaii multiple

unde: k = numrul parametrilor;

2 = 2856394,1137 1 + 25675,4 2 (x t x ) 14 1521660559,4 x2

(vezi tabelul 2.1.2., coloana 6)

1 2856394,1137 = = 0,0019 2 (xt x ) 1521660559,4

Pe baza datelor din tabelul 2.1.2., coloanele 6, 10, se obin:

1521660559,4 = 108690039,9592 = 10425,4515 14

Econometrie. Studii de caz

1184398104,4 = 84599864,5969 = 9197,8185 14

y t (29759 ,3303; 84946 ,2411 )

Modele econometrice cu o singur ecuaie i cu ecuaii multiple

-1000 -2000 -3000

Econometrie. Studii de caz

Modele econometrice cu o singur ecuaie i cu ecuaii multiple

65573176,1 = 1,91 34276729,3646

Econometrie. Studii de caz

711906,1 = 0,021 33785755,1

Modele econometrice cu o singur ecuaie i cu ecuaii multiple

-700 -1700 -2700 -3700

Econometrie. Studii de caz

1322911310,3 = 0,9854 14 10425,4515 9197,8185

Modele econometrice cu o singur ecuaie i cu ecuaii multiple

= 402,648 F0, 01;1;12 = 9,33

V x2 Vu2 1150121374,9925 = = 1 2 = = 0,9854 0,985 2 1184398104,3571 V0 V0

Econometrie. Studii de caz

0,9711 = 12 33,554 = 402,648 > F0,05;1;12 = 4,76 0,0289

2 1 (17100 25675,4) + sY / x =17100 = 2856394,1137 1 + 14 1521660559,4

Modele econometrice cu o singur ecuaie i cu ecuaii multiple

P(Y/ x =17100 [46000,4446;54794,4014]) = 0,95

2.1.2 Model liniar unifactorial cu erori heteroscedastice

Cheltuieli medii cu procurarea mrfurilor alimentare (u.m./familie) 1 55 65 70 80 79 84 98 95 90

Modele econometrice cu o singur ecuaie i cu ecuaii multiple

Econometrie. Studii de caz

Condiia de minim a acestei funcii rezult din:

Total 3592 5195

Modele econometrice cu o singur ecuaie i cu ecuaii multiple

Tabelul 2.2.2 (continuare)

205,5785 388,8038 0,1975 2,3926 30,0000 30,0000 10,4280

Econometrie. Studii de caz