Aplicatie tema 3

Se consider doi indicatori, Indicele de Percepie a Corupiei (IPC) i Indicele Dezvoltarii

Umane (IDU) pentru care sunt nregistrate valorile pentru un numr de 167 de ri la
nivelul anului 2007. seriile de date. n tabelul de mai jos, sunt prezentate cteva
caracteristici ale celor dou serii de date, precum i sursele acestora.
Tabelul 1. Prezentarea seriilor de date pentru IPC i IDU
IPC
IDU
Domeniul Valoarea este un numr real cu o
Valoarea este un numr real cu
de valori
singura zecimal, n intervalul de valori trei zecimale din intervalul de
de la 1 la 10.
valori de la 0 la 1.
Valoarea 1, corespunde nivelului cel
Valoarea IDU este direct
mai ridicat al corupiei
proporional cu standardul de
via.
Valoarea 10, corespunde nivelului cel
mai sczut al corupiei
Sursa de
www.transparency.org
www.nationmaster.com
date
Pe baza celor dou serii de date se cer urmtoarele:
1. S se estimeze parametrii modelului de regresie:
IPC i = b + aIDU i + i , i = 1,...,167 .

[1]

2. S se testeze semnificaia parametrilor modelului de regresie. S se comenteze

rezultatele obinute.
3. S se utilizeze modelul de regresie estimat pentru realizarea de simulri.
4. S se estimeze parametrii modelului de regresie:
ln IPC i = b + a ln IDU i + i , i = 1,...,167

[2]

S se testeze semnificaia parametrilor modelului de regresie [2]. S se interpreteze

rezultatele obinute.
REZOLVAREA CERINEI 1
Pentru estimarea parametrilor modelului de regresie se parcurg urmtoarele etape:
Etapa 1:

Etapa 2:

Se introduc seriile de date n Eviews, dup procedurile prezentate n primul

capitol. Se obine un fiier de tip Workfile Aplicatia 7.wf1 n care sunt
declarate cele dou variabile ICT i IDU.
Analiza preliminar a seriilor de date. n acest sens, pot fi calculai o serie de
indicatori sau pot fi ntocmite o serie de grafice statistice.

(1) Graficul de tip Scatter

Pentru realizarea acestui grafic se procedeaz astfel:
Se selecteaz pe rnd cele dou serii de date;
Click dreapta pe maus, de unde se alege comanda Open/as Group;
Se deschide tabloul n care sunt afiate cele dou serii de date;
Din meniul ferestrei n care se afieaz tabloul, se recurge la comanda:
View/graph/Scatter/scatter with Regression...
Se obine graficul din figura 2.

Figura 1. Realizarea graficului norului de puncte

Urmrind graficul din figura 2, se observ o dependen liniar direct ntre cele dou
variabile. n aceste condiii se trece la estimarea parametrilor modelului de regresie [1].
10

IPC

0
0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

ID U

Figura 2. Graficul de corelaie a IPC, n funcie de IDU

(2) Graficul distribuiilor celor dou variabile

Pentru realizarea fiecrui grafic se procedeaz astfel:

Se deschide seria de date;

Din meniul ferestrei n care se afieaz seria se selecteaz comanda:

View/Distribution/Kerner Density Graphs...

Kernel Density (Epanechnikov, h = 1.4292)

Kernel Density (Epanechnikov, h = 0.1288)

.28

2.5

.24

2.0
.20

1.5

.16
.12

1.0

.08

0.5

.04
.00

0.0
0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

10

IPC

IDU

Figura 3. Distribuiile celor dou variabile

(3) Calcularea unor indicatori descriptivi
n funcie de scala de msur folosit pentru fiecare variabil, pot fi calculai o serie de
indicatori pentru caracterizarea tendinei centrale, gradului de dispersare i a formei
repartiiei. Pe baza seriei de date, se poate ntocmi i o histogram.
n acest sens parcurgem urmtoarele etape:

Se deschide seria de date;

Din meniul ferestrei n care se afieaz seria se selecteaz comanda:

View/Descriptive statistics/Histogram and Stats.

De exemplu, pentru variabila IPC se obin rezultatele din figura 4.

20
Series: IPC
Sample 1 167
Observations 167

16

12

Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis

4.060479
3.400000
9.300000
1.400000
2.091260
0.967999
2.911756

Jarque-Bera
Probability

26.13464
0.000002

0
1.25

2.50

3.75

5.00

6.25

7.50

8.75

Figura 4. Histograma i indicatorii descriptivi pentru variabila IPC

Etapa 3:

Estimarea parametrilor modelului liniar de regresie.

Pentru estimarea parametrilor, pot fi folosite mai multe comenzi. n tabelul de mai jos,
sunt trecute o serie de comenzi ce pot fi folosite pentru estimarea parametrilor.
Tabelul 2. Comenzi pentru estimarea parametrilor
Nr. crt.
Meniul din care se
apeleaz

Comanda

Principal

Quick/Estimate Equation

Workfile

Object/New Object.../Equation

Fereastra principal

Se scrie instruciunea:
Equation EQ1.ls IPC C IDU

Pentru primele dou variante, n urma selectrii comenzii, se deschide fereastra din figura
5, n care se introduc informaii pentru specificarea modelului de regresie:
Definirea modelului de regresie, prin succesiunea:
Variabila dependent c list variabile explicative

Dac modelul de regresie nu are termen liber, atunci litara c nu mai apare n relaia de
mai sus, pentru a separa variabila dependent de lista variabilelor explicative. De
exemplu, pentru estimarea parametrilor modelului [1] se va nsera la rubrica Equation
specification:
IPC C IDU

Metoda folosit pentru estimarea parametrilor. Implicit este selectat metoda celor
mai mici ptrate (LS-Least squares (NLS and ARMA)).

 Valorile din cadrul seriei de date ce sunt folosite pentru estimarea parametrilor.
Implicit se selecteaz ntreaga serie de date. Dac se dorete excluderea valorilor,
de la 40 la 60 i de la 90 la 100, atunci n cmpul Sample se nsereaz:
1 39 61 89 101 167

Prin apsarea butonului <OK> se obin rezultatele din tabelul 3.

Figura 5. specificarea caracteristicilor modelului de regresie

Tabelul 3. Rezultatele estimrii parametrilor modelului [1] prin LS
Dependent Variable: IPC
Method: Least Squares
Sample: 1 167
Included observations: 167
Variable
Coefficient
C
-1.677852
IDU
8.172587
R-squared
0.496976
Adjusted R-squared
0.493927
S.E. of regression
1.487697
Sum squared resid
365.1852
Log likelihood
-302.2940
Durbin-Watson stat
1.047555

Std. Error
t-Statistic
0.463948
-3.616461
0.640095
12.76777
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

Prob.
0.0004
0.0000
4.060479
2.091260
3.644240
3.681581
163.0159
0.000000

n urma estimrii parametrilor modelului simplu de regresie se obin urmtoarele trei

categorii de informaii, ce sunt prezentate n tabelul de mai jos.
Tabelul 4. Informaiile obinute n urma estimrii parametrilor
Indicatorul
Corespondentul n Eviews
I. Informaii generale asupra modelului de regresie

Dependent Variable
Variabila dependent
Method
Metoda folosit pentru estimarea parametrilor
Sample
Valorile din cadrul seriei folosite
Included observations
Lungimea seriei de date - n
II. Indicatori pentru caracterizarea fiecrui parametrul al modelului de regresie
Coefficient
Parametrii estimai - a i

Abaterea standard estimat a parametrilor - ai

Std. Error

Valoarea statisticii t-Student - t ai = a i / ai

t-Statistic

Prob.
Pragul de semnificaie - [0,1]
III. Indicatori pentru caracterizarea modelului de regresie n ansamblu
R-squared
Raportul de determinare - R 2
2
Adjusted R-squared
Raportul de determinare modificat - R
Statistica Durbin- Watson - DW , ce este folosit Durbin-Watson stat
pentru testarea autocorelrii seriei rezidurilor
S.E. of regression
Variana variabilei reziduale - 2
Log likelihood
Log verosimilitate pentru parametrii estimai
Mean dependent var
Media variabilei dependente - y = yi / n
i

Suma ptratelor valorilor reziduale -

2
i

Sum squared resid

AIC
SIC
Abaterea standard a variabilei dependente

y =

(y

Akaike info criterion

Schwarz criterion
S.D. dependent var

y) 2

n 1
Statistica F folosit pentru a testa c, toi parametrii F-statistic
modelului de regresie, eventual cu excepia termenului
liber, nu difer semnificativ de zero.
Pragul de semnificaie corespunztor
Prob(F-statistic)

REZOLVAREA CERINEI 2
Pentru testarea semnificaiei pantei dreptei de regresie se recurge la testul t-Student.
H :a = 0
Ipotezele testului sunt: 0
(panta dreptei de regresie nu difer semnificativ de
zero, care este echivalent cu a spune c, modelul de regresie nu este semnificativ) i
H1 : a 0
(panta dreptei de regresie difer semnificativ de zero). Valoarea statisticii
t = a / a = 12.767 . Deoarece, P( t a > t n 2; H 0 ) = Prob = 0.00 respingem
testului este a
ipoteza nul i acceptm c modelul de regresie este semnificativ din punct de vedere
statistic.
Observaii:

(1)

Valoarea statisticii testului t-Student folosite pentru a testa c H 0 : a = 0

, este
calculat direct n Eviews. Valoarea este afiat n coloana t-Statistic, pe linia
parametrului estimat.
t
n2
(2) Valoarea n 2; se determin din tabelul repartiiei Student pentru
grade de
.
libertate i pragul de semnificaie
Pentru a determina aceast valoare direct n
Eviews, valoare ce este recuperat n ttab, se scrie n fereastra principal,
instruciunea:
scalar ttab=@qtdist(p,v)

unde

p = ,

iar

v = n2

(3) Pentru luarea unei decizii, de acceptare sau respingere a deciziei nule, n Eviews
P( t a > t n 2; H 0 )
se afieaz valoarea
, pe coloana Prob. n general, dac
valoarea este mai mare dect 0.05 (0.01), atunci respingem ipoteza nul. n aceste
condiii, putem afirma c, variabila explicativ este corect introdus n cadrul
modelului de regresie.
(4) ntr-un model simplu de regresie se verific relaia de mai jos, ntre valoarea
statisticii t-Student a pantei de regresie i valoarea statisticii testului F:
2
F = (t a )
(5) A
Deoarece, panta dreptei de regresie difer semnificativ de zero, atunci putem interpreta
rezultatele opinute. Formulm n acest sens urmtoarele comentarii:
(1) Panta dreptei de regresie are semnificaia de rat marginal:
a=

ITC
= 8.173
IDU

0.1
Valoarea arat c, la o cretere a nivelului de bunstare de
, msurat pe scala
0.8
IDU, se va nregistra o reducere a nivelului corupiei cu
pe scala ITC.
R2
(2) Deoarece, modelul de regresie are termen liber, iar valoarea lui
este 0.497,
putem afirma c, 49.7% din dispersia seriei de date a variabilei ITC se explic
prin intermediul variabilei ITC.

(3) Rezultatele din tabelul 3 sunt validate, dup aplicarea altor teste statistice folosite
pentru verificarea valabilitii unor ipoteze. Acestea vor fi prezentate n capitolele
urmtoare.

REZOLVAREA CERINEI 3
Pentru efectuarea unei simulri, recurgem la una din urmtoarele dou proceduri. n
ambele cazuri se consider c, parametrii modelului de regresie [1] sunt estimai,
obinnd rezultatele din tabelul 2.

Varianta 1: se recurge la scrierea unei comenzi n fereastra principal.

Se propune estimarea nivelului ITC, pentru cazul n care IDU=0.875. Se scrie
instruciunea de mai jos, n fereastra principal:
Scalar ITC_P=@coefs(1)+coefs(2)*0.875

n urma executrii acestei instruciuni, se obine n fiierul workfile, obiectul

Valoarea calculat este egal cu 5.47.

Varianta 2: se recurge la o succesiune de comenzi Eviews.

Etapa 1:

Se redefinete lungimea serie de date, n funcie de numrul de valori care

vor fi simulate. De exemplu, dac vor fi simulate dou valori, atunci
lungimea seriei va fi definit la 167+2=169.
Din meniul ferestrei fiierului workfile APLICATIA 7 se selecteaz
comanda:
Proc/Structure/Resize Current Page...
Se deschide fereastra din figura 6. n cmpul Date specification/End date, n
valoarea 167 este nlocuit cu 169. Dup acionarea butonului <OK>, Eviews
cere confirmarea modificrii realizate. Aceasta se realizeaz prin selectarea
butonului <OK> din fereastra deschis pentru confirmare. Se revine la
fereastra iniial de tip worfile.

Etapa 2:

Se introduc valorile variabilei IDU pe baza crora realizm simularea.

Se deschide tabloul n care este stocat seria de date pentru variabila IDU. Pe
poziiile 168 i 169 se introduc valorile folosite pentru realizarea simulrii.
Considerm c acestea sunt 0.875, respectiv 0.975.

Etapa 3:

Se estimeaz parametrii modelului de regresie folosind seriile de date

iniiale. Se obin rezultatele prezentate n figura 2.

Etapa 4:

Se realizeaz simularea, prin folosirea unei comenzi Eviews. Din meniul

ferestrei, n care se afieaz rezultatele estimrii, se activeaz comanda:
Forecast
Se deschide fereastra de dialog din figura 6, pentru introducerea unor
caracteristici ale simulrii. Prin acionarea butonului <OK>, n fiierul
worfile se creaz un nou obiect cu numele ipcf n care sunt reinute valorile
estimate pentru variabila IPC, precum i cele dou valori estimate.
Pentru exemplul de mai sus, acestea sunt egale cu 5.47, respective 6.29.

Figura 6. Fereastra de dialog pentru realizarea simulrii

REZOLVAREA CERINEI 4
Pe baza seriilor de date constituite pentru cele dou variabile, se estimeaz parametrii
modelului de regresie [2]. Rezultatele obinute sunt prezentate n tabelul de mai jos.
Tabelul 5. Rezultatele estimrii parametrilor modelului [1] prin LS
Dependent Variable: LOG(IPC)
Variable
Coefficient
C
1.707948
LOG(IDU)
1.090384
R-squared
0.430552
Adjusted R-squared
0.427101

Std. Error
t-Statistic
0.047823
35.71397
0.097623
11.16935
F-statistic
Prob(F-statistic)

Prob.
0.0000
0.0000
124.7543
0.000000

Rezultatele obinute n tabelul de mai sus, scot n eviden c, modelul de regresie de tip
log-log este unul semnificativ. n acest caz, panta dreptei de regresie se interpreteaz n
termeni de elasticitate:

a=

log ITC
= 1.09
log IDU

Rezultatul obinut arat c, la o cretere cu 1% a bunstrii, are loc o reducere a nivelului

corupie dintr-o ar cu 1.09%.