ACADEMIA DE STUDII ECONOMICE BUCURESTI

FACULTATEA DE MANAGEMENT

PROIECT
ECONOMETRIE

STANICIOIU ANA-MARIA

GRUPA 135, SERIA B

1.Prezentarea problemei

ANUL INVESTITIA NETA IN AGRIGULTURA(mil lei) PRODUCTIA IN AGRICULTURA(MIL LEI)

1 1297.7 29149.5
2 3167.9 33385.8
3 2093.7 43039.8
4 1196.3 55567.1
5 1502.3 49622.9
6 1954.9 52140.8
7 2192.2 54612.3
8 3345.5 73276.6
9 2919.5 67468.3
10 2659.8 64441
11 3285.1 73023.8
12 3362.4 72014.5
13 2414.775 74055.6

ANUL INVESTITIA NETA IN AGRIGULTURA(euro) PRODUCTIA IN AGRICULTURA (euro)

1 499.1153846 11211.34615
2 1015.352564 10700.57692
3 558.32 11477.28
4 295.382716 13720.2716
5 415 13707.98343
6 555.3693182 14812.72727
7 658.3183183 16400.09009
8 909.1032609 80.60316485
9 690.1891253 15949.95272
10 631.7814727 15306.65083
11 776.6193853 17263.30969
12 755.5955056 16183.03371
13 547.5680272 16792.65306
 Agricultura este tiina, arta sau practica care se ocup cu procesul producerii de hran
vegetal i animal, fibre, respectiv diverse materiale utile prin cultivarea sistematic a anumitor
plante i creterea animalelor.

Termenul de agricultur provine din cuvintele din latin agr

idesemnnd cmp i cultura nsemnnd cultivare, n sensul de prelucrare mecanic i chimic
a solului pentru a fi apt pentru cultivarea plantelor. n termenul generic de agricultur se regsesc
tiine i ocupaii distincte, aa cum sunt:

Acvacultura, care se ocup cu creterea plantelor i a animalelor care triesc n ap, n special
n mri i oceane;
Agrofitotehnia, care se ocup de cultura plantelor de cmp, a plantelor furajere i a plantelor
tehnice;
Apicultura, domeniu care se ocup cu creterea albinelor pentru obinerea de miere i cear,
avnd i importantul rol de polenizare a plantelor aflate n zona de cretere a albinelor;
Avicultura, domeniu al agriculturii care se ocup cu creterea psrilor;
Horticultura, care se ocup cu selecionarea i creterea legumelor, pomilor
fructiferi, viei, arbutilor fructiferi idecorativi, florilor, plantelor ornamentale, plantelor
tropicale i a plantelor de ser;
Moluscocultura, care se ocup de creterea molutelor, att terestre, aa cum sunt melcii
comestibili, dar i a molutelor acvatice, aa cum ar fi scoicile;
Piscicultura, care se ocup de creterea petilor n diferite condiii, dar i n sistem industrial;
Sericicultura, care se ocup de creterea viermilor de mtase;
Silvicultura, care se ocup cu studiul, creterea, exploatarea i protejarea arborilor ce
formeaz pdurile, controlul i protecia faunei i florei din pduri;
Zootehnia, domeniu care se ocup de creterea animalelor domestice, mai exact
a mamiferelor de uscat domesticite, n scopul obinerii de lapte, carne, ln i piei sau blnuri.

Productia este activitatea depusa de oameni cu scopul de a transforma resursele disponibile

din societate corespunzator nevoilor lor, uramarind crearea de bunuri si servici menite a intra in
consum, in vederea satisfacerii diferitelor categorii de trebuinte.
2. Definirea modelului de regresie simpl liniar

2.1- Forma, variabilele i parametrii modelului de regresie

In cazul nostru modelul econometric este unul unifactorial dat fiind faptul ca avem o influenta a
variabilei rezultative y Manuale scolare tiparite dupa limba de predare - de catre un factor
determinant x Investitii nete in Invatamant .Pornind de la datele aplicaiei se poate construi un
model econometric unifactorial de forma:

= () +

unde:

y = valorile reale ale variabilelor dependente;

x = valorile reale ale variabilelor independente;

=variabila rezidual, reprezentnd influenele celorlali factori ai variabilei y, nespecificain 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 = Manuale scolare tiparite dupa limba de predare (endogen) variabila independenta;

x= Investitii nete in Invatamant (exogen) variabila dependenta respectiv factorul considerat

prinipoteza de lucru cu influena cea mai puternic asupra variabilei

Identificarea modelului unifactorial const n alegerea unei funcii care s aproximeze valorile
variabilei endogene y numai n funcie de valorile variabilei exogene x.

Aplicaia aleas de mine conine ca variabil efect, manuale scolare tiparite dupa limba de predare ,
care este data de ecuaia de regresie

= + +

unde:

x= Investitii nete in Invatamant

In baza acestei reprezentari grafice de la punctu b. se poate vedea clar o legatura liniara intrecele
doua variabile astfel modelul devine un model unifactorial liniar. Si dat fiind ca dependentvariabilei
endogene y consumul mediu fata de valorile variabilei exogene x venitul mediu se realizeaza
in aceeasi perioada de timp modelul devine un model unifactorial liniar static
2.2- Reprezentarea grafic a modelului legturii dintre variabile

Procedeul cel mai des folosit, n cazul unui model unifactorial, l constituie reprezentareagrafic
a celor dou iruri de valori cu ajutorul corelogramei. Corelograma care reprezinta legtura ntre
investiiile nete n domeniul agriculturii i producia n acest domeniu.

CORELOGRAMA INTRE
20000
VARIABILELE X SI Y

15000

10000 PRODUCTIA IN
AGRICULTURA (euro)
Linear (PRODUCTIA IN
5000 AGRICULTURA (euro))

0
0 500 1000 1500

3. Estimarea parametrilor modelului i interpretarea acestora

3.1- Estimarea punctual a parametrilor

Deoarece parametrii modelului sunt necunoscuti, valorile acestora se pot estima cu ajutorulmai
multor moment, in mod curent fiind folosita M.C.M.M.P. Utilizarea metodei porneste de la
urmatoarea relatie:

= 0 + 1 +

+ 1
= 0

X MEDIU 639.05501
Y MEDIU 13354.345
 xi yi x y (x-x) (y-y)
499.1153846 11211.34615 249116.1672 125694282.6 19583.098 4592442
1015.352564 10700.57692 1030940.829 114502346.5 152250722 7043716
558.32 11477.28 311721.2224 131727956.2 311721.22 3523371.2
295.382716 13720.2716 87250.94894 188245852.9 87250.949 133902.64
415 13707.98343 172225 187908809.6 50200.646 125060.48
555.3693182 14812.72727 308435.0796 219416889.3 7003.2943 2126880.3
658.3183183 16400.09009 433383.0082 268962955 371.0752 9276566.1
909.1032609 80.60316485 826468.7389 6496.870184 154884030 176192209
690.1891253 15949.95272 476361.0287 254400991.7 2614.6982 6737182
631.7814727 15306.65083 399147.8292 234293559.7 52.904287 3811500
776.6193853 17263.30969 603137.6697 298021861.5 18923.958 15280009
755.5955056 16183.03371 570924.5681 261890580 13581.688 8001482.6
547.5680272 16792.65306 299830.7444 281993196.8 8369.8673 11821966

8307.715078 173606.4786 5768942.835 2567065779 307654425 248666287

b0=[yix-xixiyi]/[nx-(xi)]

b0=167531.7112

b1=(xiyi-n*xm*ym)/(x-n*xm)

b1= - 8,10
3.2- Estimarea parametrilor prin interval de ncredere

-Intervalul de incredere pentru a

0 ( 10) 0 0 + ( : 10) 0
2 2

Pasul 1 Aflam valuarea tabelara a testului folosit

Esantionul contine 13 observatii , deci se va folosi testul t bilateral

a
t ( ; n k 1) = t(0,025; 11) = 2,764
2

Pasul 2 Calculam abaterea medie patratica a erorilor din esantion (eroarea standard )

2
()
= 1
= 4757

Pasul 3 Calculam eroarea standard a parametrului a

2
= 1 + = 6518
0 xx)

Pasul 4 Pentru o probabilitate de 95 % exista suficiente evidente statistice pentrru a afirma ca estimatorul

provine din a ( 4575,6518)

0

-Intervalul de incredere pentru

1 ( 10) 1 1 + ( : 10) 1
2 2

Pasul 1 Aflam valuarea tabelara a testului folosit

Esantionul contine 13 observatii , deci se va folosi testul t bilateral

a
t ( ; n k 1) = t(0,025; 11) = 2,764
2

Pasul 2 calculam abaterea medie patratica a erorilor din esantion (eroarea standard)

2
()
= 1
= 4757

Pasul 3 Calculam eroarea standard a parametrului

1
=
1 =27115
(xx)
 5. Aplicarea analizei de tip ANOVA pentru validitatea modelului de regresie simplu i interpretarea rezultatelor.

ANOVA
df SS MS F Significance F
Regression 1 55912.42544 55912.42544 1.522581 0.2429433
Residual 11 403943.5 36722.13636
Total 12 459855.9254

Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower
Intercept 839.3035488 170.7667898 4.914910854 0.0004606 463.44838 1215.158719 463.44
X Variable 1 -0.014995011 0.012152247 -1.233929072 0.2429433 -0.041742 0.011751905 -0.041

Se observa ca raportul F este obtinut prin mpartirea Mediei patratice (MS) intergrup la media patratica (MS)

intragrup. Fiecarei medii patratice i corespunde anumite grade de libertate.

n cazul problemei date, se observa citind din tabelul sumar ANOVA ca MS intergrup are

1 df (doua grade de libertate), iar MS intragrup are 11 df.

4.Testarea semnificaiei corelaiei i a parametrilor modelului de regresie

4.1-Testarea semnificatiei corelatiei
Vom testa semnificatia corelatiei prin indicatorul r y/x (coeficientul de corelatie liniar).

r y/x = n*xi*yi - xi*yi/[n*xi-(xi)][nyi-(yi)]

rx/y 0.348693035

Etapa 1.Se stabileste ipoteza nula.

H0 : r este egal cu 0 (nu este semnificativ statistic)

Etapa 2.Se stabileste ipoteza alternativa.

H1 : r este diferit de 0 (este semnificativ statistic)

Etapa 3.Se stabileste nivelul de incredere al testului.

=5% => test t bilateral

Etapa 4.Se determina indicatorii statistici necesari.

r=0.34
n=13
Etapa 5.Se determina valoarea calculata a testului.
t calc = r y/x/(1-ry/x) * (n-2)
1.2627283
 Etapa 6.Se determina valoarea tabelara a testlui.

2.764

Etapa 7.Interpretare si concluzii

Rc=(-;-2.764) U (2.764;+)
Regiunea de acceptare=[-2.764;2.764]

t calc<t tab (1.26<2.764) => Pentru o probabilitate de 95% nu exista suficiente dovezi pentru a aprecia ca,
coeficientul de corelatie liniara este semnificativ diferit de zero,
deoarece valoarea calculata a testului nu se gaseste in regiunea critica.

4.2- Testarea parametrilor unui model de regresie simplu

Testarea semnificatiei parametrului

Testarea semnificatiei parametrului

Etapa 1.Se stabileste ipoteza nula.

H0 : este egal cu 0.

Etapa 2.Se stabileste ipoteza alternativa.

H1 : este diferit de 0.

Etapa 3.Se stabileste nivelul de incredere al testului.

=5% => test t bilateral

Etapa 4.Se determina indicatorii necesari aplicarii testului.

b1 = 8.01 (calculat la punctul 3.1)
Sb1 = Se/(x-x)
0.271207421

Etapa 5.Se determina valoarea calculata a testului.

t calc = b1/Sb1
29.53459011

Etapa 6.Se determina valoarea tabelara a testlui.

2.764

Etapa 7.Se determina intervalul parametrului .

b1-t /2;n-2*Sb1<= <=b1+t /2;n-2*Sb1
limita la stanga: 7.26038269
limita la dreapta: 8.75961731

REZULTA CA : 7.26<= <=8.75

Testarea semnificatiei parametrului a.

Etapa 1.Se stabileste ipoteza nula.

H0 : a este egal cu 0.

Etapa 2.Se stabileste ipoteza alternativa.

H1 : a este diferit de 0.

Etapa 3.Se stabileste nivelul de incredere al testului.

=5% => test t bilateral

Etapa 4.Se determina indicatorii necesari aplicarii testului.

b0 = 167531.7(calculat la punctul 3.1)
Sb0 = Se*(1/n)+x/(x-x)

1319.373168

Etapa 5.Se determina valoarea calculata a testului.

t calc = b0/Sb0
126.978253

Etapa 6.Se determina valoarea tabelara a testlui.

2.764

Etapa 7.Se determina intervalul parametrului .

b0-t /2;n-2*Sb0<= a <=b0+t /2;n-2*Sb0

limita la stanga 163884.9526

limita la dreapta 171178.4474

REZULTA CA : 16384.9<= <=171178.44

 6. Testarea ipotezelor clasice asupra modelului de regresie simpl.
6.1- Ipoteze statistice clasice supra modelului de regresie simpl

Se va compara valoarea calculata a lui F cu cea tabelara

Etapa 1.Se stabileste ipoteza nula.

H0: Sy/x = Se

Etapa 2.Se stabileste ipoteza alternativa.

H1: Sy/x Se

Etapa 3.Se stabileste nivelul de incredere al testului.

1-a = 95% => a = 0.05

Etapa 4.Se determina indicatorii necesari aplicarii testului.

F calc = (Sy/x)/(Se)
F tab = Fa,k,n-k-1

F calc = 1.52
F tab = 4.84

Etapa 5.Concluzii.
F calc < F tab
1.52 < 4.84
Din aceasta relatie rezulta ca modelul nu este valid.

6.2- Testarea liniaritii modelului propus

Etapa 1.Se stabileste ipoteza nula.

H0: r = R

Etapa 2.Se stabileste ipoteza alternativa.

H1: r R

Etapa 3.Calculam indicatorii statistici.

r y/x = n*xi*yi - xi*yi/[n*xi-(xi)][nyi-(yi)]

0.34

Sx = (x-x)/n
Sx= 1349.236964
 Sy=(yi-i)/n
Sy= 1213.012015

R y/x=(i-y)/(yi-y)
R y/x= 0.34

R=(i-y)/(yi-y)
R= 0.12

Etapa 4.Se determina valoarea calculata a testului.

F calc = (n*k-1)k * R/(1-R)

1.636363636

Etapa 5.Se determina valoarea tabelara a testlui.

F tab = F a/2;k;n-k-1
4.84

Etapa 6.Concluzii.
F calc <F tab
1.63 < 4.8

Deoarece valoarea calculata a lui F este mai mica decat valoarea tabelara,putem aprecia ca pentru
o probabilitate de 95%,raportul de corelatie nu este semnificativ statistic.

7. Previziunea valorii variabilei Y dac variabila X crete cu 10% fa de ultima valoare

nregistrat (inclusiv interval de ncredere) pentru toate variantele cunoscute.

INVESTITIA NETA IN AGRIGULTURA(euro) INVESTITIA NETA REACTUALIZATA(euro)

499.1153846 549.0269231
1015.352564 1116.887821
558.32 614.152
295.382716 324.9209877
415 456.5
555.3693182 610.90625
658.3183183 724.1501502
909.1032609 1000.013587
690.1891253 759.2080378
631.7814727 694.95962
776.6193853 854.2813239
755.5955056 831.1550562
547.5680272 602.3248299