Proiect Econometrie

Probleme pentru proiect

1. Se consideră o variabilă dependentă numerică, Y (de ex., volumul vânzărilor)

şi k variabile explicative numerice sau binare, X1,…, Xk .

2. Pentru variabilele alese, se construieşte o baza de date în SPSS

3. Se cere să se prognozeze nivelul yi pentru orizontul de prognoză tn+2.

În acest proiect doresc să analizez legatura dintre elementele specifice unei activităţi de comerţ. Pentru început am definit variabilele modelului :

- variabila dependentă: cifra afaceri;

- variabile independente: trimestre, preţul produsului, volumul vanzărilor şi anul vânzării.

Pentru a analiza relaţia dintre aceste variabile am construit o bază de date în SPSS (anexa nr.1), cu 7 variabile pe un eşantion de 30 unităţi.

1. Se aproximează modelul legăturii dintre Y şi X, folosind reprezentarea grafică a legăturilor simple (Y, X)

Regresia simplă

Regresia simplă analizează relaţia dintre 2 variabile Y (cifra de afaceri) şi X (volumul vânzărilor). Această legatură poate fi aproximată cu ajutorul unui Scatterplot.

Graphs → scatter/dot → simple scatterplot

Obţinem următoarea reprezentare grafică:

Interpretare:

- Valoare lui R square este egal cu 0,67.

- Legătura dintre cele 2 variabile este una liniară definită de ecuaţia: Y= a + bX.

- Panta crescătoare indică un coeficient de regresie pozitivă.

2. Se aleg modelele cele mai bune: cu un factor, cu doi factori,…

Testarea modelului de regresie

Ipoteze statistice:

H0: β1, β2... βn= 0 panta dreptei este egală cu 0, rezultă că modelul de regresie nu este semnificativ statistic.

H1: β1, β2... βn≠ 0 panta dreptei este diferită de 0, rezultă că modelul de regresie este semnificativ statistic.

Pentru a evalua calitatea modelului vom analiza valoarea coeficientului de determinatie R , din tabelul Model Summery.

Analyze → Regresion → Linear

Ca şi variabilă dependentă alegem cifra de afaceri şi variabilă independentă volumul vânzărilor.

Interpretare:

În primul tabel, R , numit coeficient de determinaţie, are o mare importanţă. Măsoară proporţia variaţiei explicate de volumul vânărilor în variaţia cifrei de afaceri. În acest caz factorul de regresie explică 67 % din variaţia cifrei de afaceri.

În cazul analizat având în vedere că R are o valoare mai mare de 0.4, putem observa o legatură puternică între cele 2 variabile.

Interpretare:

În al doilea tabel, ANOVA, ne focalizăm pe statistica F, prin care testăm ipoteza că variabila volumul vânzărilor nu explică variaţia variabilei cifra de afaceri. Informaţia asupra acestei ipoteze este dată de probabilitatea Sig. din tabel. Probabilitatea Sig. fiind mai mică de 0.05 concluzionăm că statistica Fisher este destul de mare, aşa încât respingem ipoteza că variabila volumul vănzărilor nu influenţează variaţia variabilei cifra de afaceri.