Universiteti i Tiranës

Fakulteti i Ekonomisё
Dega Informatikë Ekonomike
Departamenti Statistikë dhe Informatikë e zbatuar
Grupi IE304

Detyrë Kursi
Modelimi i normës së interesit të depozitave në
Shqipëri

Detyrë në lëndën: Ekonometri

Punoi: Pranoi:

Uendi Sinani Denisa Millo

Kristi Gorea Evelina Çeliku
Paolo Çani
Aristid Jakaj

Tiranë, Janar 2018

Tabela e përmbajtjes

Abstrakt.......................................................................................................................................................3
Baza e të dhënave.......................................................................................................................................4
Regresi i thjeshtë.........................................................................................................................................5
Regresi i shumëfishtë..................................................................................................................................7
Testi Chow ( Stabiliteti i koeficientёve nё model gjatё njё periudhe kohore)...........................................13
Multikolineariteti.......................................................................................................................................15
Autokorrelacioni........................................................................................................................................17
Heteroskedasticiteti..................................................................................................................................20
Stacionariteti..............................................................................................................................................23
Përfshirja e një variabli cilësor në model...................................................................................................25
Përfundime................................................................................................................................................26
Abstrakt

Edhe pse njerëzit kanë një marrëdhënie të ngushtë me normat e interesit, jo gjithmonë kanë njohuritë
e duhura rreth asaj cfarë përfaqësojnë ato, ose si janë të lidhura me faktorët e tjrë ekonomikë. Përse
rritet ose ulet norma bazë e interesit? Kjo normë luan rolin e instrumentit kryesor të përdorur për të
përcuar sinjale të politikës monetare në ekonomi. Pikërishte në këtë punim do të kuptojmë se si disa
forca ekonomike si PBB, Inflacioni, Kursi i Këmbimit ndikojnë në luhatjen e kësaj norme bazë të interesit.

Ekonomitë moderne janë mjaft komplekse, me shumë variabla dhe sektorë të ndryshëm që janë të
ndërlidhur. Ekonometria është një përshkrim i thjeshtuar i këtij realiteti kompleks. Ajo kap
marrëdhëniet kryesore ekonomike të bazuara në teorinë dhe të dhënat historike dhe kryerja e
vlerësimeve në bazë të përfundimeve të arritura. Ajo çfarë synohet të studiohet në këtë model është
sesi ndikojnë variabla të ndryshëm si PBB, inflacioni, kursi i këmbimit LEK / USD apo në modelimin e
normës të interesit të depozitave.

Për të përcaktuar nëse kemi ndërtuar modelin e duhur, është e nevojshme të marrim rezultatet e
mëposhtme të testimit dhe vlerësimet:

1. Regresioni është statistikisht i rëndësishëm (sipas testit F)

2. Parametrat e vlerësuar janë statistikisht të rëndësishme

3. Modeli nuk vuan nga heteroskedasticiteti, autokorrelacioni dhe multikolineariteti

4. Mbetjet kanë shpërndarje normale

5. Forma funksionale e përzgjedhur është e përshtatshme

Punimi fillon me vlerësimin e modelit me tre variabla të pavarur, pikërisht PBB, inflacioni dhe kursi
Lek/USD ku identifikohet rëndësia e tyre dhe ndikimi në normën bazë të interesit. Meqë njëri nga
variablat (Lek\USD) del i parëndësishëm bëjmë testin përkatës nëse eleminimi i tij do të rrisë
signifikancën e modelit. Duke marrë parasysh rëndësinë që kanë pasur remitancat ndër vite për
Shqipërinë do të testojmë nëse ky variabël duhet të shtohet apo jo në model. Më pas vazhdohet me
testimin e gjithë pikave të lartpërmendura dhe eleminimi i tyre nëse modeli paraqet probleme.
Gjithashtu do të zhvillohet edhe testi Chow për të gjykuar mbi stabilitetin e modelit
 Baza e të dhënave

viti PBB Inflacioni norma e depozitave kursi i kembimit

1996 9.1 17,4 16.8 104.4989

1997 -10.838 42.1 27.3 148.9329

1998 9.009 8.7 22.6 150.6333

1999 13.501 -1 12.9 137.6906

2000 6.667 4.2 8.3 142.7094

2001 7.94 3.5 7.7 143.4848

2002 4.231 1.7 8.5 140.1545

2003 5.773 3.3 8.4 121.8633

2004 5.71 2.2 6.6 102.7801

2005 5.721 2 5.1 99.8702

2006 5.431 2.5 5.2 98.1033

2007 5.9 3.1 5.7 90.4278

2008 3.761 2.2 6.8 83.8946

2009 3.353 3.5 6.8 94.9781

2010 3.71 3.6 6.4 103.9364

2011 2.55 1.7 5.9 100.895

2012 1.42 2.4 5.4 108.1846

2013 1.001 1.9 4.2 105.6687

2014 1.774 0.7 1.9 105.4792

2015 2.227 2 1.4 125.9608

2016 3.37 2.2 0.8 124.1409

Regresi i thjeshtë
Nёpёrmjet kёtij regresi do tё analizojmё lidhjen qё ekziston midis inflacionit, i cili nё modelin
tonё ёshtё variabёl i pavarur, dhe normave tё depozitave qё ёshtё pёrdorur si variabёl i varur. Ky
ёshtё njё nga rastet mё tё thjeshta tё analizёs ekonometrike. Qёllimi i kёsaj analize ёshtё zbullimi
i lidhjes midis këtyre variablave.

Komandat në Eviews :

Quick

Estimate Equation -> norma e dep c inaflacion

Shkruajmë ekuacionin e regresit:

Norma e depozitave = 5.31 + 0.55*

inflacion tv ( 5.01) (5.22)

Dependent Variable: NORMA_E_DEPOZITAVE
Method: Least Squares (Gaus s-Newton / Marquardt steps) Date:
01/26/18 Time: 01:49
Sam ple (adjusted): 1997 2016
Included observations: 20 after adjustments
NORMA_E_DEPOZITAVE= C(1)+C(2)*INFLACIONI

Coefficient Std. Error t-Statis tic Prob.

C(1) 5.312004 1.059723 5.012632 0.0001

C(2) 0.558486 0.106800 5.229251 0.0001

R-s quared 0.603044 Mean dependent var 7.895000

Adjusted R-s quared 0.580991 S.D. dependent var 6.477449
S.E. of regression 4.192912 Akaike info criterion 5.799308
Sum squared resid 316.4493 Schwarz criterion 5.898881
Log likelihood -55.99308 Hannan-Quinn criter. 5.818745
F-s tatistic 27.34506 Durbin-Watson stat 0.906810
Prob(F-statis tic) 0.000057

Interpretimi:
➢ Nëse inflacioni rritet me njё njёsi, norma e depozitave rritet me 0.55 njёsi. Nёse
inflacioni ёshtё i barabartё me zero, norma e depozitave do tё jetё i barabartё me 5.31.
C(1)= 5.31: Kur norma e rritjes së inflacionit është 0, norma e interesit të depozitave
është përafërsisht 5.31.
➢ C(2 )= 0.558: Me rritjen me 1 njësi të normës së rritjes së inflacionit,norma të depozitave
rritet me 0.558 njësi.
 ➢ R2=60%: Kjo do të thotë që 60% e variacionit të normës së interesit të depozitave
shpjegohet nga ekuacioni i regresit linear ose nëpërmjet normës së rritjes së
inflacionit.
Rëndësia e modelit

Ho: β = 0 ( Modeli jo i rёndёsishёm, koeficienti jo i rёndёsishёm)

Ha: β ≠ 0 ( Modeli i rёndёsishёm, koeficienti i rёndёsishёm)

I referohemi koeficientit
Po tё shohim nё tabelё tv = 5.22 > tk, kjo sjell qё hipoteza zero bie poshtё. Kjo do tё thotё qё
variabli shpjegues dhe modeli janё statistikisht tё rёndёsishёm.

Me Fisherin
Nga tabela Fv = 27.3 > Fk, kjo sjell qё hipoteza zero bie poshtё.
Rezultati: Si me studentin, ashtu edhe me Fisherin rezultati doli i njejtё. Variabli shpjegues
dhe modeli janё statistikisht tё rёndёsishёm.

Teste për variablat e hequr dhe variablat e shtuar

Duam të testojmë nëse variablat : pbb dhe kursi i këmbimit duhen shtuar në model, sepse ata e
rrisin shpjegueshmërinë e modelit.
Komandat në EViews do të ishin(duke u nisur nga dritarja ku është vlerësuar ekuacioni i regresit
linear në formë liste):
1. View
2. Coefficient Diagnostics
3. Ommited Variables Test-Likelihood Ratio
4. Në dritaren dialoguese vendosim emrat e variablave të shtuar.

Shohim rezultatin më poshtë:

H0 : GDP dhe kursi i këmbimit janë të dy të parëndësishëm.
Ha: E kundërta.
H0 ↓ nqs Fv>Fkritik
Meqë Fv= 14.76>5, atëherë hipoteza bazë bie poshtë. Kjo do të thotë që shtimi i variablave të
përmendur është një ide e mirë.
 Omitted Variables Test
Null hypothesis: PBB KURSI_I_KEMBIMIT
Equation: UNTITLED
Specification: NORMA_E_DEPOZITAVE C INFLACIONI
Omitted Variables: PBB KURSI_I_KEMBIMIT are jointly insignificant

Value df Probability
F-s tatistic 14.76377 (2, 16) 0.0002
Likelihood ratio 20.91457 2 0.0000

F-test summary:
Sum of Sq. df Mean Squares
Test SSR 205.2377 2 102.6189
Restricted SSR 316.4493 18 17.58051
Unrestricted SSR 111.2115 16 6.950722

LR test summary:
Value df
Restricted LogL -55.99308 18
Unrestricted LogL -45.53579 16

Unrestricted Test Equation:

Dependent Variable: NORMA_E_DEPOZITAVE
Method: Least Squares
Date: 01/30/18 Time: 11:13 Sam
ple: 1997 2016
Included observations: 20

Variable Coefficient Std. Error t-Statis tic Prob.

C -2.204416 3.675650 -0.599735 0.5571

INFLACIONI 0.921997 0.129019 7.146203 0.0000
PBB 1.007355 0.231398 4.353351 0.0005
KURSI_I_KEMBIMIT 0.014546 0.037127 0.391774 0.7004

R-s quared 0.860495 Mean dependent var 7.895000

Adjusted R-s quared 0.834338 S.D. dependent var 6.477449
S.E. of regression 2.636422 Akaike info criterion 4.953579
Sum squared resid 111.2115 Schwarz criterion 5.152725
Log likelihood -45.53579 Hannan-Quinn criter. 4.992454
F-s tatistic 32.89721 Durbin-Watson stat 1.432847
Prob(F-statis tic) 0.000000

Regresi i shumëfishtë
Nёse nё njё model regresi numri i variabla tё pavarur ёshtё mё shumё se njё, atёhere ai quhet
model regresi i shumёfishtё. Forma e pёrgjithshme e modelit ёshtё:
Y= β1 + β2 X2 + β3 X 3 +………….+ βk Xk +μi , β1 ёshtё intersepti i modelit dhe
βi quhen koeficientët e pjesshëm të regresit. Pra tregojnë sa ndikon njëri kur pjesa tjetër
mbahet konstante.

Në regresin e shumëfishtë kemi përfshirë variablin e varur që është norma e depozitave dhe
variablat e pavarur: inflacioni, pbb dhe kursi i kembimit.

Ekuacioni i regresit të shumëfishtë është:

Norma e depozitave = -2.2 + 1.007* PBB +0.92*inflacioni +0.014*kursi i

kembimit tv ( -0.59 ) ( 4.35 ) ( 7.14 ) ( 0.39 )

Dependent Variable: NORMA_E_DEPOZITAVE

Method: Least Squares (Gauss-Newton / Marquardt steps) Date:
01/26/18 Time: 02:03
Sam ple (adjusted): 1997 2016
Included observations: 20 after adjustments
NORMA_E_DEPOZITAVE=C(1)+C(2)*PBB+C(3)*INFLACIONI+C(4)
*KURSI_I_KEMBIMIT

Coefficient Std. Error t-Statis tic Prob.

C(1) -2.204416 3.675650 -0.599735 0.5571

C(2) 1.007355 0.231398 4.353351 0.0005
C(3) 0.921997 0.129019 7.146203 0.0000
C(4) 0.014546 0.037127 0.391774 0.7004

R-s quared 0.860495 Mean dependent var 7.895000

Adjusted R-s quared 0.834338 S.D. dependent var 6.477449
S.E. of regression 2.636422 Akaike info criterion 4.953579
Sum squared resid 111.2115 Schwarz criterion 5.152725
Log likelihood -45.53579 Hannan-Quinn criter. 4.992454
F-s tatistic 32.89721 Durbin-Watson stat 1.432847
Prob(F-statis tic) 0.000000

Interpretimi

➢ Mund të konkludojmë se me rritjen me një njësi të inflacionit, në një vit të caktuar,

pritet që norma e depozitave, të rritet me 0.92 njesi po atë vit, në kushtet kur faktorët e
tjerë të marrë në studim mbahen të pa ndryshuar.
➢ Përsa i përket faktorëve të tjerë nga analiza e bërë del që faktori Prodhimi i Brendshëm
Bruto është gjithashtu i rëndësishëm. Mund të themi që me rritjen me një njesi te PBB,
në një vit të caktuar, pritet që norma e depozitave, të rritet me 1 njesi po atë vit, në
kushtet kur faktorët e tjerë të marrë në studim mbahen të pa ndryshuar.
 ➢ Ndërsa ndikimi i kursit të këmbimit në normën e interesit të depozitave është deri diku i
parëndësishëm.Pra me rritjen me 1 njësi të kursit të këmbimit pritet që norma e
depozitave të rritet me 0.014 njësi.
➢ Probabilitetet e koefiçientëve Prodhimi i Brendshëm Bruto dhe inflacion rezultojnë më
pak se (α =0.05), kjo do të thotë që lidhja ndërmjet normës së depozitave me Prodhimin e
Brendshëm Bruto dhe normën e inflacionit me nivel rëndësie 95% është i rëndësishëm.
Ndërsa, probabiliteti i kursit të këmbimit rezulton më i lartë se (α =0.05), që do të thotë se
lidhja ndërmjet normës së depozitave me kursit të këmbimit me nivel rëndësie 95% nuk
është i rëndësishëm.
➢ Rreth 86% e variacionit të normës së interesit të depozitave, përcaktohet nga faktorët e
marrë në studim.

Rëndësia e modelit
Ho: β2 = β3 = β4 = 0 ( Modeli jo i rёndёsishёm )
Ha: Tё paktёn njёri i ndryshёm nga zero ( Modeli i rёndёsishёm)
Pёr testimin e hipotezёs do tё pёrdorim testin Fisher
Fv = 32.89 > Fk, do tё thotё qё hipoteza zero bie poshtё. Pra modeli ёshtё statistikisht i
rёndёsishёm.

Rëndësia e koefiçentëve të pjesshëm të regresit

Ho: βi = 0 ( Koeficienti i pjesshёm jo i rёndёsishёm
) Ha: βi ≠ 0 ( Koeficienti i pjesshёm i rёndёsishёm )
Testohet vetёm me studentin
PBB: tv = 4.35 > tk, kjo sjell qё Ho bie poshtё. Pra koeficienti i pjesshёm ёshtё i rёndёsishёm.
Inflacion: tv = 7.14 > tk, kjo sjell qё hipoteza zero bie poshtё.
Kursi i kembimit: tv = 0.39 < tk, kjo sjell qё hipoteza zero qëndron. Pra koeficienti i pjesshёm nuk
ёshtё i rёndёsishёm.

Testimi i parametrave
Rëndësia e parametrave të regresit është diskutuar në pikat e mësipërme. Tanimë do të ngremë
hipoteza në lidhje me vlera të caktuara të parametrave.
Fillimisht duam të testojmë ndikimin e përbashkët të koeficientëve të pjessshëm pranë inflacionit
dhe GDP dhe kursit mbi normën e interesit të depozitave. A është ky ndikim 1 njësi? Le të
shohim.
Komandat në EViews:
1. View
2. Coefficient Diagnostics
3. Wald Test- Coefficient Restrictions...
4. Në dritaren e shfaqur vendosim: c(2) + c(3)+ c(4)=1

Wald Test: Equation:

Untitled

Test Statistic Value df Probability

t-statistic 2.909793 16 0.0102

F-s tatistic 8.466895 (1, 16) 0.0102
Chi-square 8.466895 1 0.0036

Null Hypothesis: C(2)+C(3)+C(4)=1

Null Hypothesis Sum mary:

Normalized Restriction (= 0) Value Std. Err.

-1 + C(2) + C(3) + C(4) 0.943897 0.324386

Restrictions are linear in coefficients.

H0: c(2) + c(3)+c(4)=1

Ha: c(2) + c(3)+c(4)≠1
Ho↓ nqs tv > tkr
ose
Ho↓ nqs Fv > Fkr
ose
Ho↓ nqs X2 > X kr2
Të tre testet na japin të njëjtin rezultat. Hipotezat bazë hidhen poshtë, që do të thotë se ndikimi i
përbashkët i koeficientëve të pjesshëm të përmendur të norma interest të depozitave nuk është 1.

Vazhdojmë me një test tjetër. Do të testojmë nëse koeficienti i pjesshëm pranë inflacionit është
1. H0: c(3)=1
Ha: c(3)≠1
Në EViews ndjekim këto hapa:
1. View
2. Coefficient Diagnostics
3. Wald Test- Coefficient Restrictions...
4. Shkruajmë c(3)=1 në dritaren e shfaqur.
Ky është rezultati:
Ho↓ nqs tv < -tkr
ose
Ho↓ nqs Fv > Fkr
ose
Ho↓ nqs X2 > X kr2
Të tre testet na japin të njëjtin rezultat. Hipotezat bazë hidhen qëndrojnë, që do të thotë se
koeficienti i pjesshëm i përmendur është 1.
Wald Test:
Equation: Untitled

Test Statistic Value df Probability

t-statistic -0.604588 16 0.5539

F-s tatistic 0.365527 (1, 16) 0.5539
Chi-square 0.365527 1 0.5455

Null Hypothesis: C(3)=1 Null

Hypothesis Sum mary:

Normalized Restriction (= 0) Value Std. Err.

-1 + C(3) -0.078003 0.129019

Restrictions are linear in coefficients.

Forma të ndryshme funksionale

➢ Modeli log-log dhe modeli lin-log në rastin tonë, nuk mund të vlerësohen, inflacioni
dhe GDP marrin dhe vlera negative.
➢ Modeli, i cili mund të vlerësohet është modeli log-lin.
Modelet log-lin janë ato modele, të cilët variablin e varur e kanë në trajtë logaritmike, kurse
variablat e pavarur në trajtën lineare.

Modeli do të ishte:
log(norma e depozitave)= c(1) + c(2)*GDP + c(3)*inflacioni + c(4)*kursi i këmbimit

Në EViews , zbatojmë
komandat: 1.Quick
2. Estimate Equation
3. Në dritaren dialoguese, shkruajmë: log(norma e depozitave)= c(1) + c(2)*GDP+
c(3)*inflacioni + c(4)*kursi i këmbimit.
Dependent Variable: LOG(NORMA_E_DEPOZITAVE) Method:
Least Squares (Gaus s-Newton / Marquardt steps) Date: 01/29/18
Time: 23:15
Sam ple (adjusted): 1997 2016
Included observations: 20 after adjustments
LOG (NORMA_E_DEPOZITAVE)=C(1)+C(2)*PBB+C(3)*INFLACIONI+C(4)
*KURSI_I_KEMBIMIT

Coefficient Std. Error t-Statis tic Prob.

C(1) 1.394971 0.785285 1.776389 0.0947

C(2) 0.176720 0.049437 3.574655 0.0025
C(3) 0.119347 0.027564 4.329769 0.0005
C(4) -0.007645 0.007932 -0.963868 0.3495

R-s quared 0.602600 Mean dependent var 1.782752

Adjusted R-s quared 0.528088 S.D. dependent var 0.819931
S.E. of regression 0.563259 Akaike info criterion 1.866701
Sum squared resid 5.076167 Schwarz criterion 2.065848
Log likelihood -14.66701 Hannan-Quinn criter. 1.905577
F-s tatistic 8.087238 Durbin-Watson stat 0.706623
Prob(F-statis tic) 0.001669

Modeli i vlerësuar: log(norma e depozitave)= 1.3949 + 0.17*GDP + 0.11*inflacion - 0.007*kursi

i këmbimit
s.e= (0.78528) (0.04937) (0.027564) (0.007932)
tv = (1776389) (3.57465) (4.32976) (-0.963868)
R2=0.602600

Interpretime:
➢ c(1)= 1.3949: Nëse të gjithë variablat e pavarur do të kishin vlerën 0,norma e depozitave
do të ishte 1.394971.
➢ c(2)= 0.17: Nëse norma e rritjes të GDP do të rritet me 1 njësi, normave të depozitave
do të rritet me afërsisht 17%.
➢ c(3)= 0.11: Nëse inflacioni do të rritet me 1 njësi, norma e depozitave do të rritet
me afërsisht 11%.
➢ c(4)= -0.007: Nëse kursi i këmbimit do të rritet me 1 njësi, norma të depozitave do të ulet
me afërsisht 0.7%.
➢ R2 =60% : 60% e normave të depozitave shpjegohet nga ekuacioni i regresit.

Testojmë rëndësinë e modelit.

H0: Modeli nuk është i rëndësishëm.
Ha: Modeli është i rëndësishëm.
H0 ↓ nqs Fv>Fkritik
 Nga tabela Fv=8.08.
Fkritik duhet të ishte 5 përafërsisht, pra më i vogël se 4.3, që do të thotë se hipoteza bazë
bie poshtë.

Testi Chow ( Stabiliteti i koeficientёve nё model gjatё njё periudhe

kohore)
Kur tё dhёnat janё nё kohё si rezultat i faktorёve jonormalё, prirja e ekuacioneve nё momente tё
caktuara ndryshon ose nё vlera tё konsiderueshme ose nё shenjё. Kёto momente kur ndodh ky
ndryshim quhen pika thyerje. Ne do tё detajojmё rastin e njё pike thyerje. Pra, a duhet njё model
nё gjithё pёriudhёn nё studim (modeli stabёl) apo duhen ndёrtuar modele tё vecuara pёr
nёnperiudhat pёrkatёse (modeli jostabёl).

Ndёrtojmё hipotezat
Ho: Nuk ka pika thyerje ( Modeli stabёl ).
Ha: Ka pika thyerje (Modeli Jostabёl)
Komandat:
View
Stability diagnostics
Chow Breakpoint Test (2008)

Chow Breakpoint Test: 2008

Null Hypothesis: No breaks at specified breakpoints

Equation Sample: 1997 2016

F-s tatistic 3.000566 Prob. F(4,12) 0.0625

Log likelihood ratio 13.86483 Prob. Chi-Square(4) 0.0077
Wald Statistic 12.00226 Prob. Chi-Square(4) 0.0173

Fv = 3 < Fk, hipoteza zero qëndron. Modeli ёshtё stabёl pra nuk ka pikë thyerje

Provojmё testin Chow pёr vitin 2013

Ndёrtojmё hipotezat

Ho: Nuk ka pika thyerje ( Modeli stabёl )

Ha: Ka pika thyerje (Modeli Jostabёl)

Komandat:

View ⇨ Stability diagnostics ⇨ Chow Breakpoint Test (2013)

Chow Breakpoint Test: 2013
Null Hypothesis: No breaks at specified breakpoints

Equation Sample: 1997 2016

F-s tatistic 1.304790 Prob. F(4,12) 0.3229

Log likelihood ratio 7.222324 Prob. Chi-Square(4) 0.1246

Fv = 1.30 < Fk, hipoteza zero qёndron. Modeli ёshtё stabёl.

Shpёrndarja normale e mbetjeve

Komandat zbatohen mbi tabelën e regresit të shumëfishtë:

1. View
2. Actual,Fitted,Residual
3.Actual,Fitted,Residual Graph

30

25

20

15

6 10

4 5

2 0

-2

-4

-6
1998 2000 2002 2004 2006 2008 2010 2012 2014 2016

Residual Actual Fitted

Duke vrojtuar grafikun e mbetjeve shohim që vlerat e vrojtuara (vija e gjelbër) dhe vlerësimet
(vija e kuqe) nuk përputhen plotësisht, por nuk shmangen shumë nga njëra-tjetra. Vija e
mbetjeve, nga ana tjetër është pothuajse brenda kontureve me devijime minimale.
Hipotezat

Ho: Mbetjet kanё shpёrndarje normale

Ha: Mbetjet nuk kanё shpёrndarje normale

Qё njё variabёl tё ketё shpёrndarje normale duhet qё S=0 dhe K=3.

Komandat :

View ⇨ Residual Diagnostics ⇨ Histogram – Normality Test

5
Series: Residuals Sample 1997 2016
Observations 20
4

Mean Median Maximum

-3.11e-16Minimum
0.004968Std. Dev. S
3 5.516745
-4.224456
2.419347
2 0.298478
2.662199

Jarque-Bera0.392054
0 Probability0.821990
-5 -4 -3 -2 -1 0 1 2 3 4 5 6

Shohim qё vlerat e S dhe K janё pёrkatёsisht afёr 0 dhe 3, gjithashtu edhe JB = 0.39 < Xkr,
hipoteza zero qёndron. Mbetjet kanё shpёrndarje normale dhe modeli ёshtё i mirё.

Multikolineariteti
Ёshtё problem i regresionit tё shumёfishtё. Multikolineariteti nёnkupton lidhje tё plotё lineare
midis disa ose tё gjithё variablave shpjegues. Y= β1 + β2 X2 + β3 X 3 +…...........+
βk Xk +μ.

Metoda pёr zbulimin e multikolinearitetit:

 a) Nёse midis R2 dhe R2 tё korigjuar ekziston njё diferencё e konsiderueshme
atёhere dyshohet pёr multikolinearitet. Nё rastin tonё, nuk ka diferenca tё
konsiderueshme.

b) Njё metodё tjetёr pёr tё zbuluar prezencёn e multit ёshtё nёpёrmjet vlerave tё VIF –sё.
Nёse vlerat e VIF-sё janё mё tё medha se 10, atёhere modeli vuan nga multi.

Komandat nё Eviews:

1. View

2. Coefficient Diagnostics

3.Variance Inflation

Factors
Variance Inflation Factors
Date: 01/26/18 Time: 02:51
Sam ple: 1996 2016
Included observations: 20

Coefficient Uncentered Centered

Variable Variance VIF VIF

C(1) 13.51040 38.87482 NA

C(2) 0.053545 5.680548 3.077287
C(3) 0.016646 4.715720 3.691174
C(4) 0.001378 55.51486 1.692801

Vif(pbb)=5.6 <10 pra ky variabël nuk sjell problem multikolineariteti

Vif (inflation)= 4.71 <10 pra ky variabël nuk sjell problem multikolineariteti.

Vif (kursi kembimit)= 55.5 >10 pra ky variabel sjell problem

multikolinearitet

Eleminimi i multikolinearitet
Bёjmё eleminimin e variablave tё parёndёsishёm pёr eleminimin e multikolinearitet. Pёrdorim
testet e eleminimit.

Eleminuam variablin kursi i kembimit duke qёnё se ka VIF mё tё lartё. Nga testimi nxorrёm:
Variance Inflation Factors
Date: 01/26/18 Time: 14:33
Sample: 1996 2016
Included observations: 20

Coefficient Uncentered Centered

Variable Variance VIF VIF

C(1) 1.654311 5.009564 NA

C(2) 0.036089 4.029281 2.182757
C(3) 0.009353 2.788617 2.182757

Pra vlerat e VIF –sё janё te gjitha më të vogla se 10 pra e kemi eleminuar multikolinearitetin.

Autokorrelacioni
Autokorrelacioni është fenomeni i korrelacionit të termave të një serie kohore. Pra, nëse kemi
korrelacion midis mbetjeve të një serie, kemi të bëjmë me korrelacion. Kur ekziston një lidhje
midis mbetjeve të një serie me ato të një serie tjetër kemi të bëjmë më korrelacion serial. Për të
zbuluar praninë e autokorrelacionit mund të përdorim disa metoda. Në këtë rast përdorim testin
Durbin-Watson.

Testi Durbin Watson

Kjo është një metodë formale.

Supozimet që duhet të plotësohen për të përdorur këtë test janë:
➢ Modeli duhet të përmbajë termin e lirë.
➢ Variablat shpjegues duhet të jenë të fiksuar.
➢ Mbetjet duhet të lidhen sipas modelit autoregresiv ut=ρut-1 + εt.
➢ Variabli yt nuk ben pjesë në variablat shpjegues me ‘’lag’’.
➢ Të mos mungojë asnjë nga vrojtimet.

Nё qoftё se D-W ёshtё afёr 1 ose afёr 4 dhe larg 2 ka autokorrelacion. Nё qoftё se ёshtё afёr 2,
nuk ka autokorrelacion. Po tё shohim nga tabela mё lart, D-W ёshtё i barabartё me 1.43 e cila
nuk pёrfshihet nё intervalin e vlerave qё nuk pёrfaqёsojnё autokorrelacion. Pra modeli fillestar
vuan nga AR(1).

Modeli ka autokorrelacion kur ka lidhje midis mbetjeve (shkelja e një prej supozimeve bazë të
MZKV). Për të dalluar autokorrelacionin na ndihmon grafiku i mbetjeve. Nqs mbetjet jane të
shpërndara në mënyrë rastësore ska autokorrelacion, nëse ndjekin trajtën e një vije të njohur
atëherë ka autokorrelacion.
6

-2

-4

-6
1998 2000 2002 2004 2006 2008 2010 2012 2014 2016

NORMA_E_DEPOZITAVE Residuals

Eleminimi i autokorrelacionit
Meqёnёse modeli ynё vuan nga autokorrelacioni hapi i rradhёs ёshtё eleminimi i tij. Eleminimi
bёhet duke shtuar si variabёl tё pavarur AR(1).

Komandat nё Eviews:

Quick ⇨ Estimate equation ⇨ norma e depozitave c pbb inflacion kurs kembimi ar(1)
Dependent Variable: NORMA_E_DEPOZITAVE
Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 01/26/18 Time: 14:51
Sam ple: 1997 2016
Included observations: 20
Convergence achieved after 34 iterations
Coefficient covariance computed using outer product of gradients

Variable Coefficient Std. Error t-Statis tic Prob.

C -3.720406 5.272102 -0.705678 0.4920

PBB 0.900721 0.292463 3.079778 0.0082
INFLACIONI 0.804530 0.173247 4.643836 0.0004
KURSI_I_KEMBIMIT 0.035145 0.048232 0.728677 0.4782
AR(1) 0.397395 0.294810 1.347970 0.1991
SIGMASQ 5.104405 2.719282 1.877115 0.0815

R-s quared 0.871940 Mean dependent var 7.895000

Adjusted R-s quared 0.826204 S.D. dependent var 6.477449
S.E. of regression 2.700372 Akaike info criterion 5.076575
Sum squared resid 102.0881 Schwarz criterion 5.375295
Log likelihood -44.76575 Hannan-Quinn criter. 5.134888
F-s tatistic 19.06475 Durbin-Watson stat 1.615060
Prob(F-statis tic) 0.000008

Inverted AR Roots .40

Shohim nёse ёshtё eleminuar autokorrelacioni

Ho: Modeli i ri nuk vuan nga AR(1)

Ha: Modeli i ri vuan nga AR(1)

D-W = 1.61

Pra Durbin Watson ёshtё mё pranё 2, themi qё autokorrelacioni ёshtё eleminuar.

Testimi i korrelacionit serial

Komandat në EViews
janë: 1.View
2. Residual Diagnostics
3.Serial Correlation LM
Test Outputi është si më
poshtë:
Breusch-Godfrey Serial Correlation LM Test:

F-s tatistic 0.846547 Prob. F(2,14) 0.4497

Obs*R-squared 2.157756 Prob. Chi-Square(2) 0.3400

Test Equation:
Dependent Variable: RESID
Method: Least Squares Date:
01/30/18 Time: 00:25 Sam ple:
1997 2016
Included observations: 20
Presam ple missing value lagged residuals set to zero.

Variable Coefficient Std. Error t-Statis tic Prob.

C -0.770897 3.797592 -0.202996 0.8421

PBB -0.079998 0.244325 -0.327426 0.7482
INFLACIONI -0.037560 0.136013 -0.276150 0.7865
KURSI_I_KEMBIMIT 0.011240 0.039275 0.286181 0.7789
RESID(-1) 0.284287 0.281398 1.010265 0.3295
RESID(-2) -0.293328 0.306786 -0.956132 0.3552

R-s quared 0.107888 Mean dependent var -2.22E-16

Adjusted R-s quared -0.210724 S.D. dependent var 2.419347
S.E. of regression 2.662077 Akaike info criterion 5.039416
Sum squared resid 99.21318 Schwarz criterion 5.338135
Log likelihood -44.39416 Hannan-Quinn criter. 5.097729
F-s tatistic 0.338619 Durbin-Watson stat 1.979636
Prob(F-statis tic) 0.881070

Nga vlera e probabilitetit të statistikës Chi-Square dalim në përfundimin se modeli nuk vuan nga
korrelacioni serial.

Heteroskedasticiteti
Heteroskedaciteti është një fenomen, që haset si në regresin e thjeshtë, ashtu edhe në atë të
shumëfishtë. Nëse testojmë për praninë e heteroskedacitetit në model, do të tregojmë nëse
var(u/xi)= σ2. Pra, do tregojmë nëse varianca varet nga grupime të ndryshme të x apo jo.
Modeli që nuk e ka këtë problem quhet homoskedastik, kurse ai që e vuan, quhet
heteroskedastik.

Pёr tё testuar nё lidhje me heteroskedasticitetin kam pёrdorur dy teste:

a) Testi Glejser

Ho: Modeli Glejser jo i rёndёsishёm ( Modeli fillestar nuk vuan nga hetero )

Ha: Modeli i Glejser i rёndёsishёm (Modeli fillestar vuan nga hetero )

Komandat nё Eviews:

View ⇨ Residual test ⇨ Heteroskedasticity test ⇨ Glejser

Heteros kedasticity Test: Glejser

F-s tatistic 1.148451 Prob. F(3,16) 0.3598

Obs*R-squared 3.543626 Prob. Chi-Square(3) 0.3151
Scaled explained SS 2.773332 Prob. Chi-Square(3) 0.4279

Test Equation:
Dependent Variable: ARESID
Method: Least Squares Date:
01/26/18 Time: 15:04 Sam ple:
1997 2016
Included observations: 20

Variable Coefficient Std. Error t-Statis tic Prob.

C -1.504109 1.987920 -0.756624 0.4603

PBB -0.023404 0.125148 -0.187012 0.8540
INFLACIONI -0.056739 0.069778 -0.813136 0.4281
KURSI_I_KEMBIMIT 0.032242 0.020080 1.605691 0.1279

R-s quared 0.177181 Mean dependent var 1.893108

Adjusted R-s quared 0.022903 S.D. dependent var 1.442483
S.E. of regression 1.425869 Akaike info criterion 3.724297
Sum squared resid 32.52965 Schwarz criterion 3.923443
Log likelihood -33.24297 Hannan-Quinn criter. 3.763172
F-s tatistic 1.148451 Durbin-Watson stat 2.173480
Prob(F-statis tic) 0.359825

Sic shohim nga tabela, Fv= 1.14 mё i vogёl se Fk, kjo sjell qё hipoteza zero qёndron. Modeli ynё
nuk vuan nga heteroskedasticiteti.

b) Testi Breusch-Pagan-Godfrey

Modeli BPG ёshtё varёsia e katrorit tё mbetjeve kundrejt variablave tё pavarur.

Ho: Modeli BPG jo i rёndёsishёm

Ha: Modeli BPG i rёndёsishёm

Komandat nё Eviews:

View ⇨ Residual test ⇨ Heteroskedasticity test ⇨ Breusch-Pagan-Godfrey

Heteros kedasticity Test: Breusch-Pagan-Godfrey

F-s tatistic 1.737551 Prob. F(3,16) 0.1996

Obs*R-squared 4.914664 Prob. Chi-Square(3) 0.1782
Scaled explained SS 2.614128 Prob. Chi-Square(3) 0.4550

Test Equation:
Dependent Variable: RESID^2 Method:
Least Squares
Date: 01/26/18 Time: 15:07
Sam ple: 1997 2016
Included observations: 20

Variable Coefficient Std. Error t-Statis tic Prob.

C -14.27263 9.705057 -1.470638 0.1608

PBB 0.223526 0.610974 0.365852 0.7193
INFLACIONI -0.100852 0.340657 -0.296052 0.7710
KURSI_I_KEMBIMIT 0.166374 0.098030 1.697182 0.1090

R-s quared 0.245733 Mean dependent var 5.560577

Adjusted R-s quared 0.104308 S.D. dependent var 7.355286
S.E. of regression 6.961116 Akaike info criterion 6.895413
Sum squared resid 775.3142 Schwarz criterion 7.094560
Log likelihood -64.95413 Hannan-Quinn criter. 6.934289
F-s tatistic 1.737551 Durbin-Watson stat 2.305387
Prob(F-statis tic) 0.199607

Fv = 1.73 < Fk, pra hipoteza zero qёndron. Modeli BPG jo i rёndёsishёm dhe modeli fillestar
ёshtё johetero. Morёm tё njejtin rezultat nga tё dy testet.

c) Testi White

Modeli White tregon varёsinё e katrorit tё mbetjeve kundrejt variablave tё pavarur, katrorit tё
tyre dhe prodhimeve tё pёrziera dyshe.

Komandat nё Eviews:

View ⇨ Residual test ⇨ Heteroskedasticity test ⇨ White

Heteros kedasticity Test: White

F-s tatistic 3.098794 Prob. F(9,10) 0.0464

Obs*R-s quared 14.72144 Prob. Chi-Square(9) 0.0989
Scaled explained SS 7.830390 Prob. Chi-Square(9) 0.5513

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 01/26/18 Time: 15:09
Sam ple: 1997 2016
Included observations: 20

Variable Coefficient Std. Error t-Statistic Prob.

C 50.53595 73.94788 0.683400 0.5099

PBB^2 0.287159 0.297731 0.964491 0.3575
PBB*INFLACIONI 0.405306 0.571022 0.709791 0.4941
PBB*KURSI_I_KEMBIMIT -0.057222 0.073990 -0.773372 0.4572
PBB 2.523588 6.577226 0.383686 0.7092
INFLACIONI^2 0.052860 0.382480 0.138204 0.8928
INFLACIONI*KURSI_I_KEMBIMI 0.021102 0.132932 0.158744 0.8770
T
INFLACIONI -4.062269 11.35033 -0.357899 0.7279
KURSI_I_KEMBIMIT^2 0.005624 0.005842 0.962665 0.3584
KURSI_I_KEMBIMIT -0.965141 1.285234 -0.750946 0.4700

R-s quared 0.736072 Mean dependent var 5.560577

Adjusted R-squared 0.498537 S.D. dependent var 7.355286
S.E. of regression 5.208576 Akaike info criterion 6.445343
Sum squared resid 271.2926 Schwarz criterion 6.943209
Log likelihood -54.45343 Hannan-Quinn criter. 6.542532
F-s tatistic 3.098794 Durbin-Watson stat 1.622738
Prob(F-s tatistic) 0.046353

Nga tabela duket qё Fv = 3.0 < Fk, pra hipoteza zero qëndron. Me tё tre testet morёm tё njejtin
rezultat. Modeli ynё nuk vuan nga heteroskedasticiteti.

Stacionariteti

Njё seri quhet stacionare nёse pritja, varianca dhe kovarianca janё tё pavarura nga koha. Qё tё
kuptojmё nё praktikё nёse njё seri ёshtё stacionare apo jo do tё shohim si fillim korrelogramat qё
janё dy:

a) ACF – Funksioni i koeficientёve tё korrelacionit

b) PACF – funksioni i pjesshёm i koeficientёve tё korrelacionit
Identifikimi bёhet nё kёtё mёnyrё:

- Nёse ACF dhe PACF ndodhen brenda intervalit tё besimit, seria ёshtё stacionare;
- Nёse ACF dhe PACF ka koeficientё qё dalin jashtё intervalit tё besimit atёhere seria
nuk ёshtё stacionare.

Nё Eviews veprohet kёshtu:

Selektojmё seritё tona dhe i hapim as group ⇨ View ⇨ Correlogram (lag 12)
Date: 01/30/18 Time: 23:46
Sam ple: 1996 2016
Included observations: 20
Autocorrelation Partial Correlation AC PAC Q-Stat Prob

1 0.202 0.202 0.9443 0.331

2 -0.172 -0.222 1.6683 0.434
3 -0.276 -0.206 3.6331 0.304
4 0.019 0.100 3.6435 0.456
5 -0.135 -0.279 4.1789 0.524
6 -0.018 0.038 4.1885 0.651
7 -0.248 -0.350 6.2638 0.509
8 -0.232 -0.296 8.2396 0.410
9 0.060 0.106 8.3812 0.496
10 0.200 -0.234 10.140 0.428
11 0.049 -0.068 10.258 0.507
10.636 0.560
12 -0.083 -0.210

Nuk ka devijime tё shumta nga intervali i besimit, pra seria jonё ёshtё stacionare.

Korrelogramat tё japin njё ide. Pёr tё vendosur pёrfundimisht mbi stacionaritetin pёrdoret testi i
rrёnjёve unitare.

Nё Eviews kemi:

Hapim seritё tona si grup ⇨ View ⇨ Unit Root

Test Hipotezat

Ho: Seria jostacionare

Ha: Seria stacionare

Group unit root test: Summary
Series: INFLACIONI, KURSI_I_KEMBIMIT, NORMA_E_DEPOZITAVE, PBB
Date: 01/26/18 Time: 15:55
Sam ple: 1996 2016
Exogenous variables: Individual effects Automatic
selection of maximum lags
Automatic lag length selection based on SIC: 0 to 2
Newey-West automatic bandwidth selection and Bartlett kernel
Cross-
Method Statistic Prob.** sections Obs
Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* -12.2817 0.0000 4 74

Null: Unit root (assumes individual unit root process )

Im, Pesaran and Shin W-stat -11.9203 0.0000 4 74
ADF - Fisher Chi-square 268.837 0.0000 4 74
PP - Fisher Chi-square 278.639 0.0000 4 79

** Probabilities for Fisher tests are com puted using an asymptotic Chi
-square distribution. All other tests assume asymptotic normality.

Shohim që ADF=268.8 > Fkr pra hipoteza 0 bie poshtë dhe sjell që seria është stacionare.

Përfshirja e një variabli cilësor në model

Shtojmë një variabël cilësor dummy dhe shohim si ndikon në modelin tonë. Dummy ka marrë
vlera 0 dhe 1 në bazë të vitit 2008 ku ka ndodhur dhe kriza ekonomike botërore. Para vitit 2008
kemi vlerën 0 dhe pas këtij viti me vlerën 1. Nëpërmjet testit të kryer më poshtë vlerësojmë
rëndësinë e tij në modelin tonë me shtimin e variablit cilësor.
Dependent Variable: NORMA_E_DEPOZITAVE
Method: Least Squares
Date: 01/26/18 Time: 16:23 Sam
ple (adjusted): 1997 2016
Included observations: 20 after adjustments

Variable Coefficient Std. Error t-Statis tic Prob.

C -4.390358 4.335457 -1.012663 0.3273

PBB 1.217461 0.319378 3.811970 0.0017
INFLACIONI 1.024946 0.168226 6.092673 0.0000
KURSI_I_KEMBIMIT 0.014968 0.037227 0.402063 0.6933
DUMMY 1.771030 1.850138 0.957242 0.3536

R-s quared 0.868527 Mean dependent var 7.895000

Adjusted R-s quared 0.833467 S.D. dependent var 6.477449
S.E. of regression 2.643344 Akaike info criterion 4.994285
Sum squared resid 104.8090 Schwarz criterion 5.243218
Log likelihood -44.94285 Hannan-Quinn criter. 5.042879
F-s tatistic 24.77293 Durbin-Watson stat 1.520158
Prob(F-statis tic) 0.000002
Ekuacioni linear : norma e depozitave= -4.39+1.21*PBB+1.024*inflacioni+0.014*kursi i
kembimit +1.771*dummy.

Shohim nga tabela se variabli që kemi shtuar nuk është statistikisht i rëndësishëm sepse tv = 0.95
pra më e vogel se 2 i vlerës kritike. Modeli në tërësi është i rëndësishëm sepse Fv = 24.7 >
Fk=5. Gjithashtu shtimi i këtij variabli nuk ka rritur R2 e cila eshte 0.865 që do të thotë se
përfshirja e ketij variabli nuk e ka rritur sinjifikancën e modelit. Koeficienti para variablit cilësor
tregon se sa ka ndryshuar norma e interesit dhe pas krizës ekonomike.

Përfundime

Kemi bërë me vlerësimin e ekuacionit të regresit të thjeshtë. Modeli i bazuar në këtë ekuacion ishte
statistikisht i rëndësishëm.

Për të vazhduar studimin kemi ndërtuar regresin e shumëfishtë duke shtuar edhe dy variabla të tjerë. Ky
model nga rezultati i testit Fisher është statistikisht i rëndësishëm. , kurse me formën funksionale log-lin
shpjegueshmëria e modelit është më e vogël pra sjell që modeli lin-lin është më i mirë . Më pas, me anë
të testit Studenti kemi arritur të vlerësojmë se cilat janë variablat e rëndësishëm (GDP dhe inflacioni)
dhe variablat e parëndësishëm (kursi i këmbimit). Në formën tjetër funksionale të tij, modeli rezultoi
përsëri i rëndësishëm.

Testi për variablat e hequr (Ommited Variables Test) tregoi që variablat kursi këmbimit dhe GDP janë
të dy të rëndësishëm. Për të testuar praninë e heteroskedacitetit, përdorim testin White, testi
Breusch- Pagan-Godfrey, testi Glejser me anë të cilit dolëm në përfundimin se modeli nuk vuan nga
heteroskedaciteti. Hapi tjetër i studimit tonë është vlerësimi i pranisë së autorerrelacionit dhe
korrelacionit serial, përkatësisht me testet Durbin-Watson dhe LM, të cilat treguan se modeli vuan nga
autokorrelacioni dhe e eleminuam me anë të shtimit të variablit AR(1). Nuk vuan nga korrelacioni
serial.