Professional Documents
Culture Documents
ekonometrie
Tabela e te dhenave
Eksporti Importi Bilanci Volumi
Viti (FOB) (CIF) tregtar tregtar Përqindja e mbulimit
Export Import Trade The percentage of
Year (FOB) (CIF) balance Trade volume coverage
Per vleresimin e modelit , i referohemi te dhenave te tabeles dhe perdorim Eview duke dhene
komandat: Quick----Estimate Equation dhe shkruaj ekuacionin e mesiperm duke e testuar me
metoden e katroreve me te vegjel (MZKV).Tabela qe marrim eshte:
Dependent Variable: VT
Method: Least Squares
Date: 01/10/11 Time: 20:15
Sample: 1993 2009
Included observations: 17
VT=C(1) + C(2) * CIF
P = (0.582) (0.000)
C(2)=1.253713 qe do te thote se kur importet do te rriten me 1 njesi, volumi tregtar do te rritet
1.25 here.
C(1)=-969.1 qe do te thote se kur nuk kemi importe pra cif=0 , volumi tregtar do te zvogelohet
mesatarisht c(1) njesi gje qe na rezulton paksa kontradiktore sepse nqs nuk kemi importe
atehere min i mundshem qe merr variabli i varur (volumi tregtar) eshte te na rezultoje 0 ,por jo
negativ sepse nuk eshte shume llogjike.Meqenese ne modelin e thjeshte rendesia e modelit dhe
rendesia e koeficienteve jane e njejta gje atehere mjafton te identifikojme njerin prej tyre.
: c(2)= 0 (koef.jo i rendesishem)
Per te analizuar ne lidhje me mbetjet mjafton qe tek dritarja qe jemi te shtypim komandat:
View---Actual,Fitted,Residual--- Actual,Fitted,Residual Graph dhe do te shfaqet grafiku i
meposhtem.
Me vije te kuqe jepen vlerat e vrojtuara,me vije jeshile jepen vlerat e vleresuara dhe me vije blu
jepen mbetjet(ui).Sic e shohim vija e mbetjeve nuk eshte plotesisht brenda kontureve
megjithate nuk mund te themi qe eshte nje model jo i mire.
600,000
500,000
400,000
300,000
12,000 200,000
8,000 100,000
4,000 0
-4,000
-8,000
1994 1996 1998 2000 2002 2004 2006 2008
Per gjetjen e mbetjeve me vlerat perkatese mjafton te shkoj tek View e workfile-it tim dhe te
zbatoj komanden: Actual,fitted,residual----Actual,fitted, residual table e cila na paraqet tabelen
e meposhtme ne lidhje me mbetjet.Ne kete tabele na jepen vlerat e vrojtuara (y i), vlerat e
vleresuara (yˆ), mbetjet (ui) te cilat gjenden duke zbritur nga vlerat e vrojtuara ato te vleresuara,
dhe me pas na jepet dhe grafiku i mbetjeve.
Per te analizuar ne lidhje me mbetjet mjafton qe tek dritarja qe jemi te shtypim komandat:
View---Actual,Fitted,Residual--- Actual,Fitted,Residual Graph dhe do te shfaqet grafiku i
meposhtem.
Me vije te kuqe jepen vlerat e vrojtuara,me vije jeshile jepen vlerat e vleresuara dhe me vije blu
jepen mbetjet(ui).Sic e shohim vija e mbetjeve nuk eshte plotesisht brenda kontureve
megjithate nuk mund te themi qe eshte nje model jo i mire.
13.5
13.0
12.5
12.0
.06
11.5
.04
11.0
.02
.00
-.02
1994 1996 1998 2000 2002 2004 2006 2008
Regresi i shumefishte
Modeli ne te cilin numri i variablave shpjegues eshte me i madh se nje, quhet model regresi i
shumefishte.Trajta e pergjithshme e nje modeli regresi te shumefishte me k variabla shpjegues
eshte:
Kjo do te thote qe kur variablat jane 0 atehere volumi tregtar(vt) rritet me 0.69%.Nqs
importet(cif) rriten me 1% (nderkohe qe variablat e tjere mbahen constant) atehere vt rritet me
0.76%.Nqs eksportet(fob) rriten me 1% (nderkohe qe variablat e tjere mbahen constant)
atehere vt rritet me 0.24%.Nqs % e mbulimit(pm) rritet me 1% (nderkohe qe variablat e tjere
mbahen constant) atehere vt zvogelohet me 0.04%.
Per te testuar rendesine e modelit ne do te bazohemi tek analiza e variances ashtu si tek modeli
i thjeshte.Ndertojme hipotezat:
: = = =0 (Modeli jo i rendesishem)
Bejme nje testim per te vleresuar se cilet nga parametrat jane te rendesishem , duke ditur qe u i
≈ N (0,σ2).Per testimin e koeficienteve te pjesshem perdorim testin student.
Ndertojme hipotezat:
: = 0 (koef.jo i rendesishem)
: ≠ 0 (Koef.i rendesishem)
Hipoteza Ho do te hidhet poshte nqs | tv | > tα/2 ose tv > tkr ku tv= ci/ se(ci).
Per variablin cif: tv=4.33 > tkr=2 pra variabli cif eshte i rendesishem, keshtu qe nuk mund ta
perjashtojme nga modeli.
Per variablin fob: tv=1.39 < 2 pra variabli fob eshte jo i rendesishem, keshtu qe mund ta
perjashtojme nga modeli.
Per variablin pm: tv=|-0.22| < 2 pra variabli pm eshte jo i rendesishem, keshtu qe mund ta
perjashtojme nga modeli.
Perfundimi: Pasi kemi bere testimin e rendesise statistikore per secilin koeficient te pjesshem te
regresit, shohim qe modeli i ri qe perfitojme nga perjashtimi i variablave te parendesishem
perputhet me modelin e regresit te thjeshte: log(vt) = c(1) + c(2) * log(cif).
13.5
13.0
12.5
.0020 12.0
.0015 11.5
.0010
11.0
.0005
.0000
-.0005
-.0010
1994 1996 1998 2000 2002 2004 2006 2008
Shohim grafikun e mbetjeve me siper .Shohim qe vija e mbetjeve ka disa devijime jashte
kontureve te intervalit te besimit,pra ky model nuk eshte perfekt,keshtu qe na duhet te heqim
variabla per ta sjelle ne parametra optimal.Do te shohim hap pas hapi se si kjo heqje e
variablave do ta ndryshoje performancen e modelit tone .
Sic e pame me siper,koeficientet e variablit fob dhe pm rezultuan te parendesishem prandaj
heqim nga modeli fillimisht njerin prej tyre,psh pm.Vleresojme modelin e ri:
Log(vt)=c(1) + c(2) * log(cif) + c(3) *log(fob)
Log(vt)=0.51+0.79*log(cif)+0.2*log(fob).
Shqyrtojme rendesine e koeficienteve: =374>2,koeficienti rendesishem.
c(3)=99.9>2,koeficienti i rendesishem .
Rendesia e modelit:Fisheri i vrojtuar ka vleren 7160811 >Fisheri kritik,pra modeli eshte i
rendesishem.Pra sic e shohim heqja e variablit pm i cili na rezultoi i parendesishem , beri qe te
perfitojme nje model te ri me 2 variabla te pavarur (cif dhe fob) dhe nje variable te varur (vt) i
cili na rezultoi i rendesishem globalisht kur e testuam me Fisher por edhe koeficientet e
pjesshem na dolen statistikisht te rendesishem.Ky do te jete modeli perfundimtar me te cilin do
te vazhdojme testimet e metejshme.Grafiku i mbetjeve per kete model eshte figura poshte. Me
vije te kuqe jepen vlerat e vrojtuara,me vije jeshile jepen vlerat e vleresuara dhe me vije blu
jepen mbetjet(ui).Sic e shohim vija e mbetjeve nuk eshte plotesisht brenda kontureve
megjithate nuk mund te themi qe eshte nje model jo i mire
13.5
13.0
12.5
.0020 12.0
.0015 11.5
.0010 11.0
.0005
.0000
-.0005
-.0010
1994 1996 1998 2000 2002 2004 2006 2008
Kemi bere nje ndarje te te dhenave per vitin 1993-2000 dhe 2001-2009.
Per vitet 1993-2000 ekuacioni qe marrim eshte:
Log(vt)=0.51+0.79*log(cif)+0.2*log(fob)
Per vitet 2001-2009 ekuacioni qe marrim eshte :
Log(vt)=0.49+0.8*log(cif)+0.19*log(fob)
Pra sic e shohim qe ndryshimet qe kane ndodhur nuk jane shume te dukshme sepse vlerat
variojne shume afer njera tjetres, cka do te thote qe modeli eshte stabel gjate te dy periudhave
ne shqyrtim, pra nuk eshte i nevojshem ndarja e modelit ne 2 nenperiudha.
Ne kete moment kur ne modelin optimal qe ne doli kemi te perfshire 2 variabla te pavarur (cif &
fob) duhet te testojme edhe ekzistencen e multikolinearitetit ( nese ekziston nje lidhje ne kohe
midis importeve (cif) dhe eksporteve (fob)).Shohim nje lidhje ne kohe midis importeve dhe
eksporteve deri ne 2 kohevonese.
Multikolineariteti
Problemi vuan nga multikolineariteti kur midis disa ose te gjithe variablave shpjegues ka
lidhje.Pra me multikolinearitet do te kuptohet interkorrelacioni midis variablave pa vene si kusht
lidhjen e plote midis tyre.
VT CIF FOB PM
VT 1.000000 0.999750 0.996158 0.215767
CIF 0.999750 1.000000 0.993951 0.196440
FOB 0.996158 0.993951 1.000000 0.290449
PM 0.215767 0.196440 0.290449 1.000000
Shohim qe koeficientet e korrelacionit midis variablave shpjegues te modelit tone fillestar kane
vlera relativisht te medha.Disa prej tyre jane afer 1, prandaj ne mund te dyshojme per
ekzistencen e multikolinearitetit.
Duke iu referuar modelit fillestar ne te cilin kishim te perfshire 3 variabla te pavarur (cif,fob dhe
pm) dhe duke vezhguar tabelen e marre me ane te programit Eview , vume re modeli na doli
globalisht i rendesishem , nderkohe qe 2 prej 3 koeficienteve te pjesshem na dolen te
parendesishem kur i testuam me testin student.Ne kete rast themi qe modeli vuan nga
multikolineariteti.
Heteroskedasticiteti
Nje nga supozimet baze te modelit klasik te regresionit eshte homoskedasticiteti dmth barazia e
variancave te mbetjeve ui per cdo vlere te fiksuar te Xi pra:
var (ui/xi) = σ2
Mosplotesimi i ketij kushti , pra e thene ndryshe qe mbetjet kane variance te ndryshme per cdo
vlere te fiksuar te Xi, ne trajte analitike:
var (ui/xi) = σi2
Kjo situate ne ekonometri quhet Heteroskedasticitet (pabarazi e variancave te mbetjeve
ui).Variancat mund te vijne ne ulje ose ne rritje me rritjen e Xi , por ndryshimi mund te jete dhe i
crregullt.
Per te pare nese modeli yne vuan nga heteroskedasticiteti atehere perdorim per testim testin
White. Per kete hapim programin,shkojme tek workfile-i yne i cili ka testuar ekuacionin:
log(vt)=c(1)+c(2)*log(cif)+c(3)*log(fob)
dhe jap komanden : View---Residual test---Heteroskedasticity test
Pasi jap kete komande me shfaqet nje dritare ku ndodhen te paraqitura teste te ndryshme si
:Grejser,Harvey,ARCH etj por un zgjedh testin White dhe me shfaqet tabela e meposhtme.Testi
White kalon ne disa etapa:
Vleresohet modeli dhe njehsohen mbetjet e tij.
Ndertohet modeli i katrorit te mbetjeve ne varesi te nje ose disa variablave shpjegues si dhe te
katroreve te tyre.
log(vt)=c(1)+c(2)*log(cif)+c(3)*log(fob)
ui2=α1+α2*log(cif)+α3*log(fob)+ α4*log(cif)2+α5*log(fob)2+ α6*log(cif)*log(fob)
Ndertohen dhe testohen hipotezat:
H0: α1= α2=…=0 (nuk ekziston heteroskedasticiteti)
Ha: αi≠ 0 (ekziston heteroskedasticiteti)
Testimi behet me Fisher ose me χ2(hi2)
Nqs χv2=n*R2 > χkr2 atehere H0↓.Ne rastin tone χv2=n*R2=12,86 < χkr2=27,6 pra H0 nuk bie poshte
cka do te thote qe ne modelin tone nuk ekziston heteroskedasticiteti.
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 01/11/11 Time: 10:33
Sample: 1993 2009
Included observations: 17
Sic e shohim edhe 2 testet e tjera ne lidhje me heteroskedasticitetin pohojne te njejten gje , pra
qe nuk ekziston heteroskedasticiteti ne modelin tone.
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 01/11/11 Time: 19:14
Sample: 1993 2009
Included observations: 17
Test Equation:
Dependent Variable: ARESID
Method: Least Squares
Date: 01/11/11 Time: 19:16
Sample: 1993 2009
Included observations: 17
Autokorrelacioni
Nqs kemi lidhje midis mbetjeve te nje modeli atehere themi se kemi te bejme me
autokorrelacion.Autokorrelacioni nenkupton korelacionin midis termave te nje serie te renditur
ne kohe, pra ai behet i pranishem ne serite kohore.Autokorrelacioni perben nje shkelje te
supozimeve baze te MZKV-se, pikerisht te supozimit qe midis mbetjeve nuk kishte korelacion.
E(ui,uj) ≠ 0 per i ≠ j
Vleresimi i modeleve ne kushtet e ekzistences se autokorrelacionit me MZKV, nuk mund te
behet pa pasoja.
Metodat e zbulimit te autokorrelacionit
Testi Durbin – Watson
Qe te perdoret testi Durbin-Watson duhet te plotesohen supozimet e meposhtme:
a.Modeli i regresionit te permbaje termin e lire.
b.Variablat shpjegues x te jene te fiksuara, pra jo te rastit.
c.Mbetjet te lidhen sipas modelit autoregresiv ut=ρut-1 + εt
d.Variabli yt nuk ben pjese ne variablat shpjegues me ‘’lag’’, dmth nuk kemi yt-1 si variable
shpjegues, pra nuk kemi model autoregresiv.
e.Te mos mungoje asnje nga vrojtimet
Durbin-Watson eshte nje statistike qe leviz nga (0;4).
Per te kryer testin , ndertojme hipotezat:
H0: ρ =0 (ska autokorrelacion)
Ha: ρ ≠0 (ka autokorrelacion)
Pergjithesisht kur DW = 2 ose prane 2 atehere H0: ρ =0 eshte e vertete, pra nuk ka
autokorrelacion.
Ne modelin tone , vlera e dw = 1.93, pra eshte shume prane 2.Durbin-Watson tregon se nuk
ekziston autokorrelacion ne modelin tone.
Per gjetjen e mbetjeve me vlerat perkatese mjafton te shkoj tek View e workfile-it tim dhe te
zbatoj komanden: Actual,fitted,residual----Actual,fitted, residual table e cila na paraqet tabelen
e meposhtme ne lidhje me mbetjet.Ne kete tabele na jepen vlerat e vrojtuara (y i), vlerat e
vleresuara (yˆ), mbetjet (ui) te cilat gjenden duke zbritur nga vlerat e vrojtuara ato te vleresuara,
dhe me pas na jepet dhe grafiku i mbetjeve.Pamja e meposhtme grafike na tregon gjithashtu se
nuk ka autokorrelacion midis mbetjeve pasi vlerat gjenden rreth boshtit horizontal.
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 01/11/11 Time: 20:30
Sample: 1993 2009
Included observations: 17
Presample missing value lagged residuals set to zero.
Konkluzione
Modeli ekonomik kryesor te cilin ne analizuam pak me larte na rezultoi te ishte nje model log-
log i cili kishte formen:
log(vt)=c(1)+c(2)*log(cif)+c(3)*log(fob)
Ky model me ane te testeve te shumta rezultoi qe nuk vuante nga multikolineariteti,
heteroskedasticiteti dhe autokorrelacioni. Gjithashtu , testi CHOW nxorri perfundimin se kemi te
bejme me nje model stabel, pra nuk eshte e nevojshme ndarja e ketij modeli ne nenperiudha.