�ݺ�ߣ

CUPRINS
CUPRINS............................................................................................................................2
CAPITOLUL I.....................................................................................................................3
Introducere...........................................................................................................................3
1.1.Definirea problemei...................................................................................................3
1.2.Obiectivul proiectului................................................................................................3
CAPITOLUL II.....................................................................4
Construirea bazei de date.....................................................................................................4
2.1.Alegerea variabilelor analizate..................................................................................4
2.2.Definirea variabilelor şi introducerea datelor în SPSS...............................4
...................................................................................................................5
CAPITOLUL III .................................................................................................................6
Verificarea bazei de date.....................................................................................................6
3.1.Depistarea outlierilor.................................................................................................6
3.2.Verificarea normalităţii distribuţiilor.........................................................................9
CAPITOLUL IV................................................................................................................12
Analiza statistică univariată a datelor................................................................................12
4.1. Descrierea statistică a variabilelor nominale..........................................................12
4.2 Descrierea statistică a variabilelor numerice...........................................................16
CAPITOLUL V.................................................................................................................20
Analiza statistică bivariată a datelor..................................................................................20
5.1 Analiza statistică a gradului de asociere între două variabile..................................20
5.2 Analiza de regresie şi corelaţie................................................................................22
CAPITOLUL VI................................................................................................................26
Estimarea şi testarea statistică...........................................................................................26
6.1 Estimarea parametrilor prin interval de încredere......................................................26
6.1.1 Estimarea prin interval de încredere a unei medii şi a unei proporţii...............26
6.2 Testarea statistică.....................................................................................................32
6.2.1 Testarea unei medii şi a unei proporţii..............................................................32
6.2.2 Testarea diferenţei dintre două medii şi două proporţii.....37
CONCLUZII......................................................................................................................40
BIBLIOGRAFIE................................................................................................................41

2

CAPITOLUL I
Introducere
1.1.Definirea problemei

Piata firmelor listate pe Bursa de Valori Bucuresti, este una in continua miscare,
deoarece mereu se listeaza noi firme,aducand cu ele posibilitati noi de investitii , iar cele
existente isi modifica valoarea catodata si de cateva ori intr-o zi. Aceasta dinamica nu
impiedica insa tot mai multi investitori sa caute sa dea lovitura si tot mai multe firme sa
se expuna in incercarea de atragere de capital.
Un segment mai restrans il reprezinta firmele din judetul Iasi ce sunt listate pe
bursa, acestea snt relativ putine dar au o dinamica variata, in functie de vechimea pe
bursa si de evolutia lor in segmentele lor de piata.

1.2.Obiectivul proiectului

O cere ridicata de jeansi se inregistreaza in randul tinerilor mai ales a studentilor
si asta deoarece ei sunt cei care poarta cel mai adesea acest produs.
Exista si tineri care sunt reprezentanti a unor firme mentionate printre care KENVELO,
LEVIS, MOTOR, D&G, ce se gasesc in compexul de magazine Mall sau in oricare
centru de oras din tara de la noi sau din afara pentru ca sunt firme cunoscute si acceptate
in general de tinerii ce vor sa fie in rand cu moda si care vor lucruri de calitate.
In cadrul acestui proiect se va incerca analiza modului in care diversi factori
(variabile) influenteaza cererea de jeansi.

Ca urmare a privatizarilor companiilor de stat, ca masura de atragere de capital
sau doar ca atragere de publicitate, din ce in ce mai multe firme se listeaza pe bursa, fie
ca este vorba de companii cu o putere financiara mare ce sunt listate pe lista BVB sau de
companiile mici si mijlocii listate pe lista RASDAQ.
In cadrul acestui proiect se va incerca analiza evolutiilor cat si a firmelor din
judetul Iasi ce sunt listate pe bursa.

3

CAPITOLUL II
Construirea bazei de date
2.1.Alegerea variabilelor analizate

Pentru a putea analiza problema considerata s-au prelevat datele overite de site-ul
www.bvb.ro pentru unu esantion de 32 de firme listate, sortate dupa judetul unde isi
desfasoara activitatea, selectat fiind judetul Iasi. Datele ce au fost prelevate se refera la
denumire, oras, domeniu de activitate (cod CAEN), ultimul pret la care s-a incheiat
ultima sedinta de tranzactionare, sectiunea de bursa unde este listata, starea tranzactiilor.
Variabilele ce vor constitui baza de date din SPSS vor fi: Simbol, Denumire,
Sectiunebursa, Categorie, CAENCAENRev.2,Oras,u_pret,site şi stare_T. Acestea vor
constitui baza de date FirmeIasi.sav.

2.2.Definirea variabilelor şi introducerea datelor în SPSS

Atributele acestor variabile sunt definite în fereastra Data Editor – Foaia
VariableView:

Figura 2.1 Fereastra Data Editor – Foaia Variable View pentru baza de date:
FirmeIasi.sav.

4

Astfel baza de date ce va fii analizata este urmatoarea:

Figura 2.2 Fereastra Data Editor – Foaia Data View pentru baza

5

CAPITOLUL III
Verificarea bazei de date
3.1.Depistarea outlierilor

Outlierile reprezintă valorile aberante înregistrate la nivelul unui eşantion şi se pot
depista pe baza graficelor care verifică normalitatea distribuţiilor variabilelor.
Pentru această analiză se vor analiza ca variabile numerice ultimul preţ
tranzactionat şi variatia pe care firma a inregistrat-o in ultima sedinta de tranzactionare,
iar ca variabile nominale sectiunea de bursa unde este listata şi starea de tranzactionare.
Outlierile se pot depista în cazul variabilelor numerice, iar valorile acestora se vor
depista urmând demersul Analyze – Descriptive Statistics – Explore, outlierile fiind
depistate implicit.

Figura 3.1. Selectarea opţiunii Analyze – Descriptive Statistics - Explore

6

Pentru variabila”u_pret” :

Figura 3.2 Diagrama Boxplot pentru variabila „u_pret”

7

Interpretare: Aşa cum se observă, există valori ce ies din tipar, lucru acceptabil pe
piata de actiuni. Aceste valori reprezinta o valoare foarte mare a pretului unei actiuni.
Pentru variabila „Var”:
În cazul acestei variabile în fereastra Explore se înlocuieşte în Dependent List
variabila „u_pret” cu variabila „Var” şi se obţine următorul rezultat:

Figura 3.3 Diagrama Boxplot pentru variabila „Var”

8

Interpretare: De asemenea, se poate observa că şi în cazul variabilei „Var” există
outlieri, aratand astfel ca fluctuatiile pot avea valori foarte mari.

3.2.Verificarea normalităţii distribuţiilor

Pentru a verifica normalitatea distribuţiilor variabilelor „u_pret” şi „Var” se
folosesc procedeele grafice Q-Q Plot, P-P Plot, Boxplot, histograma, testul Kolmogorov-
Smirnov-Lilliefors.
Pentru a putea depista şi outlierile se va folosi procedeul Q-Q Plot. Q-Q Plot
compară valorile ordonate ale variabilei observate cu valorile quantilice ale distribuţieie
teoretice specificate (în acest caz distribuţia normală). Dacă distribuţia variabilei testate
este normală, atunci punctele Q-Q conturează o linie care se suprapune cu dreapta care
reprezintă distribuţia teoretică, adică trece prin origine şi are panta egală cu 1.
Pentru acesta se va urmări demersul: Analyze–Descriptive Statistics – Q-Q Plots
la Variables se introduce variabila de analizat, iar la Test Distribution se alege Normal.
Pentru cele două variabile numerice rezultatele sunt următoarele:

Figura 3.4 Selectarea opţiunii Descriptive Statistics – Q-Q Plots

9

Figura 3.5 Selectarea variabilelor de analizat pentru „u_pret”

Figura 3.6 Q-Q Plot pentru variabila „u_pret”

10

Interpretare: Se observă că punctele sunt deviate de la linia dreaptă, ceea ce
indică o distribuţie anormală, acest fapt se datoreaza atat diferentelor dintre BVB si
RASDQ cat si faptului ca multe firme nu au mai avut activitate pe bursa.
Pentru „Var”:

Figura 3.7 Q-Q Plot pentru variabila „Var”

Interpretare: Se observă că punctele desi sunt deviate de la linia dreaptă,deviatia
este mai mica decta in cazul ultimului pret ceea ce indică o distribuţie ce se apropie mai
mult de o distribuţie normală.

11

CAPITOLUL IV
Analiza statistică univariată a datelor
4.1. Descrierea statistică a variabilelor nominale

Cele două variabile nominale ce vor fi analizate sunt sectiunea de bursa in care
este listata firma şi orasul de provenienta.Pentru a descrie aceste variabile se vor urma
paşii: meniul Analyze – Descriptive Statistics – Frequencies – Statistics (unde la Central
Tendency se bifează Mode) şi Charts (unde la Chart Type se bifează Pie sau Bar, iar la
Chart Value Frequencies sau Percentages). Astfel, se obţin următoarele rezultate:

12

Figura 4.1 Selectarea variabilelor şi a indicatorilor

Pentru variabila „Sectiune” se obţin rezultatele:

Tabelul 4.1 Sectiune bursa

14

Figura 4.2 Diagrama Pie pentru variabila „Sectiune bursa”

Interpretare: Se observă şi din tabel şi din grafic că proporţie firmelor listate la RASDAQ
din eşantion este de 87.5%, iar cea a firmelor listate la BVB este de 12,5%

Pentru variabila „Oras”:

15

Figura 4.3 Diagrama Pie pentru variabila „Oras”

Interpretare: Se observă atât din tabel cât şi din grafic proporţiile oraselor din
care provin firmele lista sunt: CIORTESTi(3.1%), CIUREA(3.1%), IASI(75%),
PASCANI(12.5%), TARGU FRUMOS(6.3%).

4.2 Descrierea statistică a variabilelor numerice

În cazul variabilelor numerice se foloseşte acelaşi demers ca în cazul variabilelor
nominale, cu diferenţa că se bifează toţi indicatorii din Statistics, iar la Charts se bifează
Histograms. Astfel, se obtin următoarele rezultate:

16

Figura 4.4 Prezentarea demersului

17

Figura 4.5 Histograma pentru variabila „u_pret”

18

Pentru variabila „Var”:

Figura 4.6 Histograma pentru variabila „Var”
Interpretare: Pentru ambele variabile se citesc în tabel principalii indicatori:
media, mediana, varianţa, modul, valorile minime şi valorile maxime.

19

CAPITOLUL V
Analiza statistică bivariată a datelor
5.1 Analiza statistică a gradului de asociere între două variabile

Gradul de asociere se poate studia pentru variabilele nominale, în acest caz starea
firmei şi orasul unde isi desfasoara activitatea. Gradul de asociere presupune obţinerea
tabelului de asociere, în care sunt prezentate relaţiile dintre variabilele categoriale. În
fiecare celulă a tabelului este prezentată frecvenţa parţială, adică efectivul care poartă
simultan o valoare a fiecărei variabile. Obţinerea acestui tabel presupune următorul
demers: Analyze – Descriptive Statistics – Crosstabs.

20


21

Gradul de asociere se poate testa folosind testul Chi – Square, care se bifează în
Crosstabs: Statistics. Se obţine rezultatul:

Interpretare: În eşantionul analizat majoritatea firmelor ce sunt inca
tranzactionabile sunt din Iasi (17) apoi urmeaza Pascani si Targu Frumos,in celelalte
orase nu sunt firme tranzactionabile.

5.2 Analiza de regresie şi corelaţie

Analiza de corelaţie presupune măsurarea gradului de intensitate a legăturii dintre
variabilele numerice, precum şi testarea semnificaţiei legăturii. Acest lucru se realizează
urmând paşii: Analyze – Correlate – Bivariate. În cazul celor două variabile numerice
studiate (preţul şi numărul de jeansi cumpărati) se obţine următorul output:

22

Figura 5.2 Prezentarea demersului:

23

Tabelul 5.3 Correlations

Interpretare: Se observă că s-a obţinut un coeficient de corelaţie Pearson egal cu
0.012, ceea ce înseamnă că între cele două variabile nu există o corelaţie directa, valoarea
coeficientului ne fiind apropiata de unu.

Testarea semnificaţiei coeficientului de corelaţie este realizată cu ajutorul testului
t. Valoarea Sig. corespunzătoare, egală cu 0.952, evidenţiază că s-a obţinut un coeficient
de corelaţie semnificativ la un prag de 0.952, adică sunt şanse mai mari de 90% (α = 0.9)
de a nu gresi in a afirma ca intre cele doua variabile nu exista o corelatie semnificativa.
Analiza de regresie presupune aproximarea modelului de regresie, estimarea şi
testarea parametrilor modelului de regresie. Între cele două variabile numerice se poate
stabili o legătură liniară dată prin ecuaţia de regresie liniară simplă, care are forma:
Yi = α + Βxi + εi
în care:
Y – variabila dependentă (ultimul pret)
X – variabila independentă (variatia)
ε – variabila aleatorie eroare sau reziduu

Aproximarea modelului de regresie se realizează din meniul Reggresion apoi
selectand optiunea potrivita, pentru a testa valorile gasite mai sus am ales Curve
estimation ,deoarece nu exista o corelatie intre cele doua valori grficul va arata in felul
urmator:

24

Se optine outputul:
Figura 5.4 Regresia între „Var” şi „Ultimul pret”

25

CAPITOLUL VI
Estimarea şi testarea statistică

Estimarea este procedeul prin care se generalizează rezultatele observate pe un
eşantion, la nivelul populaţiei din care este extras, adică se află valoarea unui parametru
al unei populaţii pe baza datelor înregistrate la nivelul unui eşantion extras din aceasta.
Estimarea poate fi punctuală sau prin interval de încredere. În acest caz se va
estima prin interval de încredere.

6.1 Estimarea parametrilor prin interval de încredere

. Acest lucru presupune aflarea limitelor de încredere ale unui interval care
acoperă valoarea adevărată a unui parametru al populaţiei (media sau proporţia în acest
caz). Calculul intervalului de încredere pentru o medie sau pentru o proporţie presupune
parcurgerea următorilor paşi:
 Calculul valorii tipice de sondaj (media sau proporţia);
 Determinarea variabilităţii estimatorului considerat;
 Alegerea intervalului de încredere (95% şi 99%);
 Calculul limitelor intervalului de încredere.

6.1.1 Estimarea prin interval de încredere a unei medii şi a unei proporţii

În cazul mediei SPSS calculează valoarea tipică de sondaj, scorul Z
corespunzător, eroarea standard a mediei, limita inferioară şi limita superioară a
intervalului de încredere. Pentru baza de date FirmeIasi.sav se va calcula media variatiei
şi intervalul de încredere corespunzător. Pentru aceasta se parcurge demersul: meniul

26

Analyze – Descriptives Statistics – Explore. Se stabileşte nivelul de încredere de 95%, şi
apoi de 99%.


Se obţin rezultatele:
- nivelul de încredere: 95%

27

Tabelul 6.1 Case Processing Summary

Interpretare: Se poate spune cu o încredere de 95% că variatia a fost cuprinsa intre
-19.509 si 9.013.
- nivelul de încredere: 99%

28

Tabelul 6.3 Case Processing Summary

Tabelul 6.4 Descriptives
Interpretare: Se poate spune cu o încredere de 95% că variatia a fost cuprinsa
intre -24.550 si 14.05.
Cazul proporţiei.
SPSS nu calculează direct intervalul de încredere pentru o proporţie. Estimarea
intervalului de încredere presupune efectuarea mai multor operaţii, şi anume:
 calculul estimaţiei proporţiei, prin demersul Analyze – Descriptive
Statistics – Frequencies. După selectarea variabilei se bifează Display
frequency tables;
 se află valoarea variabilei Z pentru intervalul de încredere considerat.
Pentru un nivel de încredere de 95%, Z = 1.96; pentru un nivel de
încredere de 99%, Z = 2.55;

29

 se calculează eroarea standard Sp = s/n, unde s= f(1 – f) este abaterea
standard, iar n este volumul eşantionului;
 se calculează limitele intervalului folosind formula f ± 1.96Sp, respectiv f
± 2.55Sp.
Urmând aceşti paşi se va estima proporţia firmelor ce inca tranzactioneaza.

30


Frequencies

Figura 6.3 Tabelele 6.5 Statistics şi 6.6 stare_t

31

Interpretare: Se observă că proporţia firmelor care inca tranzactioneaza este de
68,8%.
Calculul erorii Sp: pentru f = 68,8%, înlocuind în formula prezentată mai sus se
obţine valoarea 0.006708.
Calculul limitelor intervalului de încredere:
 pentru z = 1.96, se obţine:
Li = f – 1.96*SP = 0.688 – 1.96*0. 006708= 0.674
Ls = f + 1.96*Sp = 0. 688 + 1.96*0. 006708= 0.701
Interpretare: Ne putem aştepta, cu o încredere de 95%, ca procentul firmelor ce
inca tranzactineaza să fie cuprins între 67.4% şi 70.1%.
 Pentru z = 2.55, se obţine:
Li = f – 2.55*0. 006708= 0.688 – 2.55*0. 006708= 0.670
Ls = f + 2.55*0. 006708= 0. 688 + 2.55*0. 006708= 0.70.5
Interpretare: Ne putem aştepta, cu o încredere de 95%, ca procentul firmelor ce
inca tranzactineaza să fie cuprins între 67% şi 70.5%.

6.2 Testarea statistică

Testele asupra mediilor, respectiv a proporţiilor, sunt folosite pentru a verifica
dacă o medie sau o proporţie diferă semnificativ de o valoare specificată (ipotetică) sau
pentru a compara două sau mai multe medii sau proporţii între ele pentru a testa dacă
există diferenţe semnificative între ele.

6.2.1 Testarea unei medii şi a unei proporţii

Testarea mediei.
Testarea mediei cu o valoare specificată se realizează utilizând procedeul One-
Sample T Test. Acest lucru presupune parcurgerea demersului: Analyze – Compare

32

Means – One-Sample T Test. Se va analiza dacă valoarea medie avariatiei diferă sau nu
de 0.

33

Se obţine outputul:

Figura 6.5 Tabelele 6.7 One-Sample Statistics şi 6.8 One-Sample Test

Interpretare: Valoarea medie observată este -5.24808; valoarea specificată este 0;
diferenţa dintre valoarea medie observată şi valoarea ipotetică este -5.24808. Intre
valoarea medie observată şi valoarea ipotetică există diferenţe semnificative.

34

Testarea proporţiei.
Pentru realizarea acestui lucru se foloseşte Binomial Test. Acesta este un procedeu
prin carese testează ipoteze cu privire la o variabilă cu distribuţie binomială, variabilă
care poate lua doar două valori, cum ar fi starea.Binomial Test este folosit pentru a
compara o proporţie cu o valoare specificată şi presupune parcurgerea demersului:
Analyze – Nonparametric Tests – Binomial. Se va verifica dacă proporţia uneia din cele
două grupe de firme definite prin variabila „stare”, tran şi susp diferă semnificativ de
0.50. În Test Variable List se introduce variabila „stare”.

35



Interpretare: Proporţia observată în eşantion pentru grupa 1 (susp) este de 31%,
proporţia specificată este 50%. Valoarea Sig. asociată testului este egala cu 0.05; astfel
se poate concluziona cu o încredere de 95% că proporţia firmelor în eşantion diferă
semnificativ de proporţia specificată de 50%.

36

6.2.2 Testarea diferenţei dintre două medii şi două proporţii

Testarea diferenţei dintre două medii.
Acest lucru est echivalent cu a testa egalitatea mediilor a două eşantionae
independente. Testarea se realizează cu ajutorul testului Independent-Samples T Test.
Demersul este: Analyze – Compare Means – Independent-Samples T Test. Se va testa
dacă var este aceeaşi pe cele două categorii de firme: susp şi tran.

37



38

Figura 6.8 Tabelele 6.10 Group Statistics şi 6.11 Independent Samples Test

Interpretare: Întrucât nivelul de semnificaţie observat pentru acest test este mai
mare decât pragul α = 0.05 (0.415), se folosesc varianţe reunite . În acest caz testul t este
egal cu 1.542 cu o probabilitate Sig. de 0.154 >0.05, ceea ce arată că variatii pentru cele
două grupe (10.75 pentru susp şi -9.05 pentru tran) diferă semnificativ.

39

CONCLUZII

În urma realizării analizei firmelor din judetul Iasi listate pe bursa se poate
concluziona ca variatia preturilor actiunilor nu depinde de pretul efectiv al actiunilor. De
asemenea se observa ca multe din firmele prezente pe bura nu mai sunt active iar cele mai
multe firme ce inca au actiuni tranzactionabile sunt din Iasi.

40

BIBLIOGRAFIE

 Jaba, Elisabeta, Statistica, ediţia a III-a, Editura Economică, Bucureşti,
2002;
 Jaba, Elisabeta; Grama, Ana, Analiza statistică cu SPSS sub Windows,
Editura Polirom, 2004

41

�ݺ�ߣ

Proiect spss

More Related Content

Proiect spss