Cuprins

Cuprins ................................................................................................................................ 1 Capitolul 1 ........................................................................................................................... 4 Introducere în modelarea econometricã .............................................................................. 4 1.1 Ce este econometria?................................................................................................. 4 1.2 Ce poate ºi ce nu poate realiza econometria ............................................................. 5 1.3 Repere istorice........................................................................................................... 6 1.4 Concepte.................................................................................................................... 8 1.5 Demers metodologic ............................................................................................... 13 Capitolul 2. ........................................................................................................................ 14 Cauzã ºi efect în economie - modelul unifactorial............................................................ 14 2.1 Relaþiile de cauzalitate în economie................................ ................................ ........ 14 2.2 Modelul liniar simplu .............................................................................................. 15 2.2.1 Prezentarea problemei. Exemple din economie ............................................... 15 2.2.2 Model ºi ipoteze ...............................................................................................16 2.3 Estimarea parametrilor modelului........................................................................... 17 2.4 Noþiuni privind datele ºi soluþiile ................................ ................................ ............ 20 2.5 Metoda celor mai mici pãtrate................................................................................. 20 2.5.1 Interpretarea parametrilor estimaþi ................................ ................................ ... 21 2.5.2 Precizãri de naturã teoreticã privind analiza de regresie ºi modalitatea de estimare a parametrilor.............................................................................................. 22 Capitolul 3 ......................................................................................................................... 25 Influenþe multiple de tip liniar ºi neliniar în economie; modelul multifactorial ............... 25 3.1 Cazul liniar multifactorial ....................................................................................... 25 3.2 Etapele demersului: ................................................................................................. 27 3.2.1 Specificarea ...................................................................................................... 27 3.2.2 Estimarea parametrilor ..................................................................................... 28 3.2.3 Interpretarea estimaþiilor obþinute pentru parametri................................ . 31 3.3 Recomandãri în ceea ce priveºte aplicarea modelului econometric multifactorial. 31 3.3.1 Datele numerice................................................................................................ 32 3.4 Modele neliniare...................................................................................................... 33 3.4.1 Modele neliniare în raport cu variabilele dar liniare în raport cu parametrii ... 33 3.4.2 Modele neliniare, neabordabile prin MCMMP ................................................ 34 3.5 Variabile calitative în economie.............................................................................. 36 3.5.1 Variabilele dichotomice ................................................................................... 37 Capitolul 4 ......................................................................................................................... 43 Verificarea semnificaþiei statistice a rezultatelor estimãrii. Testul t, testul F ................... 43 4.1 Necesitatea etapei verificãrii ................................................................................... 43 4.2 Verificarea semnificaþiei statistice a fiecãrui parametru estimat; testul t................ 45 4.2.1 Principalele noþiuni specifice ................................ ................................ ........... 45 4.2.2 Testul t.............................................................................................................. 47 4.2.3 Etapele verificãrii ............................................................................................. 48 4.3 Verificarea semnificaþiei rolului ansamblului factorilor asupra variabilei efect..... 51 4.3.1 Testul F............................................................................................................. 51

1

4.3.2 Etapele aplicãrii testului F................................................................................ 52 4.3.3 Coeficientul de determinaþie ................................ ................................ ............ 53 Capitolul 5 ......................................................................................................................... 54 Verificarea confirmãrii ipotezelor privind datele, factorii ºi modelul .............................. 54 5.1 Ipoteze privind modelul ºi metoda de estimare....................................................... 54 5.2 Date suficiente, neafectate de erori sistematice ...................................................... 55 5.2.1 Consideraþii asupra necesitãþii abordãrii problemei datelor............................. 55 5.2.2 Verificarea ºi aprecierea datelor numerice....................................................... 56 5.3 Independenþa variabilelor factoriale din ecuaþia de regresie................................ ... 57 5.3.1 Semnale care atrag atenþia multicoliniaritãþii:................................ .................. 58 5.3.2 Soluþii ................................ ................................ ................................ ............... 59 5.4 Ipoteza privind liniaritatea modelului ºi corecta sa specificare .............................. 59 5.4.1 Verificarea prezumþiei liniaritãþii ................................ ................................ ..... 60 5.5 Verificarea confirmãrii ipotezelor privind comportamentul variabilei reziduale ... 61 5.5.1 Verificarea împrãºtierii valorilor variabilei reziduale (homoscedasticitatea / heteroscedasticitatea.................................................................................................. 61 5.5.2 Testul GQ (Goldfeld, Quandt) ......................................................................... 62 5.5.3 Prezumþia neautocorelãrii valorilor reziduale .................................................. 63 5.5.4 Variabila rezidualã urmeazã o repartiþie normalã de medie zero..................... 65 Capitolul 6 ......................................................................................................................... 68 Aplicarea modelului de regresie în analiza ºi prognoza economicã ................................. 68 6.1 Coordonatele analizei economice ºi analizei statistice ........................................... 68 6.2 Prognoza economicã bazatã pe modelul de regresie............................................... 69 6.3 Modele econometrice utilizate în domeniul cererii de bunuri ºi servicii ................ 70 6.4 Producþia, factorii determinanþi ºi funcþiile de producþie................................ ........ 73 6.4.1 Ipoteze ºi caracteristici în elaborarea ºi utilizarea funcþiilor de producþie în studiile economice..................................................................................................... 74 6.4.2 Indicatori utili analizei economice bazate pe funcþii de producþie................... 74 6.5 Relaþii financiar - bancare ºi reprezentarea lor prin ecuaþii .................................... 78 6.5.1 Masa monetarã ºi factorii care determinã cererea de bani ............................... 79 6.5.2 Rata dobânzii ºi investiþiile .............................................................................. 79 6.5.3 Impozitele ºi transferurile................................................................................. 80 6.5.4 Preþurile ºi costurile................................ ................................ .......................... 81 Capitolul 7 ......................................................................................................................... 82 Evoluþia proceselor economice în decursul timpului ........................................................ 82 7.1 Problema tendinþei generale ................................ ................................ .................... 82 7.2 Noþiuni specifice analizei seriilor cronologice........................................................ 82 7.3 Modelul liniar unifactorial ºi calculul tendinþei generale........................................ 83 7.4 Clasificare a seriilor cronologice în raport cu existenþa sau inexistenþa tendinþei generale ......................................................................................................................... 87 7.5 Dependeþe în economie manifestate în mod sincron sau cu decalaje în timp ......... 88 7.5.1 Seria integratã, serii cointegrate privind procese economice evolutive ........... 88 7.6 Modele dinamice destinate includerii efectelor decalate în timp............................ 90 7.6.1 Stabilirea unitãþii de timp ................................ ................................ ................. 91 7.6.2 Estimarea parametrilor ..................................................................................... 92

2

7.7 Autodeterminarea proceselor economice în timp; modelele stochastice de tip ARMA........................................................................................................................... 94 7.7.1 Considerente economice ºi statistice pe care se bazeazã modelul ARMA ...... 94 7.7.2 Obþinerea prognozelor................................ ................................ ...................... 96 7.8 Fluctuaþii sistematice în economie – mãsurare, analizã, prognozã ......................... 97 7.8.1 Depistarea graficã a variaþiilor sezoniere ......................................................... 98 7.8.2 Ajustarea prin medii mobile............................................................................. 98 7.8.3 Indicii de sezonalitate..................................................................................... 100 7.8.4 Coeficienþii sezonieri................................ ................................ ...................... 100

3

Prin procedeele de inferenþ statisticã. iar din statisticã datele empirice ºi metodele de prelucrare a acestora. matematicã ºi statisticã.1 Ce este econometria? Termenul econometrie a fost introdus în anul 1926 de cãtre economistul ºi statisticianul norvegian R.Capitolul 1 Introducere în modelarea econometricã Modelele econometrice analizeazã calitatea ºi cantitatea proceselor economice ºi evoluþia lor. din matematicã modelele teoretice care exprimã teoriile economice. statistica matematicã ºi economie. Aºa cum "biometrie" desemna cercetãrile biologice cu ajutorul statisticii ºi matematicii. Frisch prin analogie cu termenul „biometrie" utilizat de Galton ºi Pearson. econometria construieºte modele (expresii cantitative) pentru realitãþ economice studiate ile care au un corespondent în teoriile economice. 1. Econometria este o disciplinã care s-a conturat ca o sintezã între economie. Din economie provin teoriile economice. Econometria prin caracterul sãu general creeazã modele abstracte ale fenomenelor economice. 4 . Econometria este disciplina care s-a conturat ca o sintezã între analiza matematicã. econometria estimeazã ã parametrii modelelor ºi realizeazã predicþ asupra realitãþ ii ii studiate. econometria avea sã însemne studiul economiei cu ajutorul acestor ºtiinþe fundamentale. Pe baza datelor din economie.

Econometria contribuie la cunoaºterea realitãþ economice prin modul sãu ii specific de a surprinde cantitativ relaþ din viaþ economicã realã iile a cu ajutorul unui instrument specific: modelul econometric. Econometria studiazã legãturile dintre fenomenele economice. Scop: Scopul principal al econometriei este identificarea. precum ºi ordonarea ia factorilor dupã importanþã. a relaþ iilor de cauzalitate din economie. pe baze mai obiective. dintre diferite componente ale economiei în ansamblul sãu. Rolul econometriei rezultã din soluþ ionarea unor obiective precum: • Evidenþ ierea. • Previziunea unui fenomen economic în raport cu factorii determinanþ sau þ i inând cont de comportamentul fenomenului în perioadele anterioare. ii având în vedere mai ales relaþiile de tip cauzã-efect. 5 . • Exprimarea numericã a efectului datorat creºterii cu o unitate a factorului. Metodã: Econometria studiazã realitãþ economice sub ile aspect cantitativ. 1.Obiect: Aria de studiu a econometriei este realitatea economicã privitã ca un ansamblu de relaþ ºi intercondiþ ii ionãri. estimarea ºi testarea modelelor prin care se surprind relaþ dintre iile fenomenele economice reale.2 Ce poate ºi ce nu poate realiza econometria Metodele de prelucrare a datelor urmãresc îndeosebi mãsurarea. cuantificarea unor relaþ dintre procesele economice. utilizând metoda statisticii. • Stabilirea proporþ în care unul sau mai mulþ factori iei i determinã evoluþ unei variabile-efect.

• Introducerea în calcule a variabilelor calitative cu o suficient de mare acurateþ astfel încât rolul acestora sau amploarea e.• Aprecierea prin expresii numerice a implicaþ iilor pe care o acþ iune de politicã economicã o are asupra mai multor sectoare economice. • Departajarea suficient de precisã a rolului fiecãrui factor asupra unui proces economic.). Aspecte pe care econometria nu le poate rezolva sau încã nu le poate rezolva satisfãcãtor sunt urmãtoarele: • Încorsetarea într-un model generalizator. unele stãri de lucruri din economie (concentrarea.3 Repere istorice Econometria este o disciplinã ºtiinþ ificã relativ nouã. • Econometria nu îºi propune stabilirea de valori numerice privind indicatorii economici (agregate de tip PIB. însituaþ iile în care factorii evolueazã foarte asemãnãtor (prezintã un grad înalt de coliniaritate) • Prognoza suficient de precisã în situaþ conjuncturale diferite ii sau în situaþ în care interacþ ii iunea factorilor reprezintã ea însãºi un factor. a tuturor relaþiilor existente în economie. Venit naþional. • Aprecierea elementelor semnificative din economie de elementele nesemnificative (datorate hazardului). proporþ unor realizãri) ºi nici obþ ia inerea de soluþ optime (stocul ii optim. dezvoltatã începând cu mijlocul secolului trecut. Totuºi. modificãrii lor sã poatã fi mãsurate cu suficient de mare precizie. corelaþ ia. de mare amploare. etc. primele încercãri de a cuantifica ºi exprima cantitativ relaþ iile dintre 6 . ruta optimã în transporturi) sau soluþ care nu aparþ ii in domeniului relaþ iilor de cauzalitate. • Stabilirea intensitãþii ºi direcþiei fluctuaþiilor din economie. 1. manifestate la un moment dat sau în decursul timpului.

R. instituþie care a creat ºi promovat termenul de "econometrie". ºi Douglas P. A. Petty pune bazele "aritmeticii politice" prin care se foloseau sistematic fapte ºi cifre în elaborarea unor studii legate de populaþie. Edgeworth. Fisher.) a fost întemeiatã "Societatea de Econometrie". Societatea de econometrie: La 29 decembrie 1930.H. Trygve Haavelmo. Fisher (matematician ºi biolog. comerþ exterior sau impozitare. Printre figurile ilustre ale acestei ºcoli se numãrã F. Keynes. L. Frisch (primul preºedinte al societãþii) º. Schultz. R. Klein.. P. ª coala Aritmeticii politice engleze: Un studiu asupra genezei econometriei ne-ar conduce la începuturile secolului al XVII-lea când englezul W. studiul riscului ºi incertitudinii în economie.a. Jan Timbergen (fizician olandez).Y. K. Laboratoarele biometrice engleze: La sfârºitul secolului al XIX-lea ºi începutul secolului al XX-lea. modele macroeconomice: J.A. Frisch.A.W. la Cleveland (S.Theil. Samuelson. 7 .U. Pearson. T.A.fenomenele reale sunt mult mai vechi ºi dateazã din secolul al XVII-lea. F. R. Dintre membrii societãþ menþ ii. în Anglia se desfãºura o activitate ºtiinþ ificã remarcabilã de cercetare a legilor naturii ºi a geneticii umane. Gallun. Mari gânditori ai secolului XX: Econometria se dezvoltã prin contribuþ unor cercetãtori importanþ din diferite direcþ ale ia i. ionãm cele mai importante figuri: Irving Fisher.R. care a dezvoltat analiza dispersionalã). finanþe. Haavelmo. ii cercetãrii: producþie: Cobb C. teoriile economice ºi construirea modelelor: J. cererea de consum: K. Timbergen.M. H. ale cãror lucrãri fundamentale au contribuit la dezvoltarea metodelor de analizã a legãturilor dintre variabile. R.

Variabile de tip calitativ (nenumerice): culoarea. rata dobânzii. numitã ºi variabilã dependentã. rezultat. în urma estimãrii. De regulã. ul valoarea tranzacþ iilor la bursã. esenþ iale. Variabila 8 . vânzãrile pe o piaþ liberã. anotimpul. cantitatea produsã. estimator.1. rezultativã sau efect. Modelul econometric: Modelul este o schemã simplificatã a realitãþ care are rolul de a explica realitatea studiatã în ii dimensiunile ei fundamentale. parametri. poate genera valori. modelul econometric este o ecuaþ sau un ie sistem de ecuaþii construit pe baza variabilelor statistice. Exemple Relaþie dintre vânzãri ºi preþ: Vânzãri = a + b Preþ + u Evoluþia producþiei în raport cu factorii determinanþi: Producþie = a Capital Munca Variabile: În cercetarea econometricã se utilizeazã variabile statistice între care existã relaþii de interdependenþã. estimaþii. abaterea ã (eroarea) dintre nivelul preconizat ºi cel realizat. Modelul econometric este o prezentare formalizatã a problemei sau a realitãþ economice ii studiate. Exemple: preþ produsului. numeric. Este variabila pentru care modelul. Tipuri de variabile: variabilã endogenã. religia. noþ iuni ºi termeni specifici: model.4 Concepte În cercetarea econometricã se utilizeazã o serie de concepte. de regulã. element caracteristic care poate înregistra diverse niveluri exprimate. ca ºi termeni statistici. Variabilã = însuºire. variabile. Variabila aleatoare prezintã drept element caracteristic faptul cã poate înregistra orice valoare într-un ansamblu de valori specificat corespunzãtor unei repartiþii de probabilitate. Exemple: cursul de schimb.

în econometrie se utilizeazã o categorie specialã: variabilele reziduale sau eroare. numitã ºi variabilã independentã. Locul variabilei exogene este în dreapta semnului egalitãþii ºi este. variabila eroare este o variabilã aleatoare care respectã anumite proprietãþi numite ºi ipoteze clasice. factor de influenþ sau regresor. în partea finalã a ecuaþ ºi este notatã cu u. aceste variabile apar în model ca sumã a tuturor influenþ elor necunoscute sau care nu apar explicit în model. Alãturi de aceste douã categorii de variabile. Variabila rezidualã se obþ în urma calculului abaterilor ine dintre valorile empirice ale variabilei endogene (y) ºi valorile ˆ generate de model ale aceleiaºi variabile ( y ).endogenã este poziþ ionatã în stânga semnului egalitãþ în ii ecuaþ în care ea reprezintã obiectivul. iar fi frecvenþa de apariþie. variabila exogenã. Media variabilei aleatoare (speranþ a matematicã. având valori preluate din statistici. care determinã un ã anumit efect asupra variabilei rezultat. de regulã. de regulã notatã cu x. aºteptarea) rezultã ca o sumã a valorilor variabilei aleatoare ponderate cu probabilitãþile asociate posibilelor valori: 9 . În cercetarea econometricã. Locul variabilei rest este. Este denumitã perturbaþie sau eroare. Se utilizeazã media aritmeticã: xi f i fi x i i unde xi reprezintã valorile variabilei. dar se iei mai foloseºte ºi v sau e. De regulã. Este variabila aflatã în postura de cauzã a evoluþiei variabilei endogene. factorialã. Medie = nivel central obþ inut în urma unui calcul privind un ansamblu de valori ale variabilei analizate. dar poate sã aparã ºi ia în postura de factor în alte ecuaþii. Se noteazã de regulã cu y.

extrase (la întâmplare) dintr-un ansamblu (populaþ ie).cu Pi i 1 M x i xi Pi Dispersie = indicator sintetic destinat mãsurãrii împrãºtierii 2 . 10 . În varianta Pearson. ei. x2 reprezintã un indicator de mãsurare a variabilitãþ conjugate privind douã variabile aflate ii într-o relaþie de dependenþã: Cov x1 . Dispersia este notatã “var” sau s2 (numitã ºi varianþã). ( xi 2 i i x) 2 f i fi Dispersia variabilei aleatoare x: 2 x M x M x 2 Abaterea medie pãtraticã: 2 Covarianþa (cov) variabilelor x1. dar ºi valorilor variabilei de la medie. coeficientul de corelaþie este definit astfel: rxy x x y n x y y Eºantion = subansamblu de elemente (unitãþ cazuri) i. Se noteazã cu n numãrul de unitãþi din eºantion. x2 M x1 M x1 x2 M x2 Coeficientul de corelaþ (r) reprezintã un indicator de ie mãsurare pe o scarã numericã cuprinsã între – 1 ºi + 1 a legãturii (dependenþ analogiei) dintre douã variabile. Deseori o secvenþ de valori ale unei variabile urmãrite (înregistrate) în ã decursul timpului este asimilatã cu eºantionul.

r. a1. sunt mãrimi reale ºi necunoscute care apar i în model în diferite expresii alãturi de variabile. De regulã. Parametrul este o mãrime consideratã constantã. cele mai importante proprietãþ ale i estimatorilor sunt: 11 . numiþ ºi i coeficienþ de regresie. ˆ . Estimatori: Estimatorii sunt variabile aleatoare. Parametru: Parametrii modelului econometric. Este denumit ºi coeficient sau estimaþie. a0. parametru) pe baza datelor unui eºantion. b. Test = verificare a unei prezumþ (ipoteza nulã H0. motiv pentru care se ataºeazã ii literei un accent circumflex. Se ie noteazã cu a. Parametrii fac obiectul procesului de estimare ºi testare statisticã. cu distribuþ de probabilitate ii cunoscute ºi cu proprietãþ specifice în baza cãrora se realizeazã i procesul de estimare a parametrilor modelului econometric. convenabil construite în procesul de estimare. Se noteazã estimaþiile cu a. F – Snedecor. în condiþ iile existenþ unei ei repartiþ proprii estimaþ analizate. (hi-pãtrat). se au în vedere estimaþ ale parametrilor. Locul parametrului în model este alãturi de variabila factorialã la care se referã (excepþ face parametrul liber). ˆ ˆ ˆ Estimarea parametrilor unei funcþ se situeazã în centrul atenþ ii iei econometricienilor. Notãm parametrul cu simbolul ? ºi un estimator al acestuia cu ˆ În procesul de estimare. rezultatã în urma unui calcul bazat pe datele presupuse de variabilele ecuaþ / ecuaþ iei iilor modelului. a negãrii ii existenþ unei calitãþ a estimaþ ei i iei). frecvent utilizate în econometrie sunt 2 testele: t – Student. . b. ipoteza nulã ii iei poate fi acceptatã sau poate fi infirmatã (respinsã) în favoarea ipotezei alternative H1. . În urma testãrii.Estimare = calcul sau suitã de calcule (algoritm) destinate obþ inerii unei mãrimi numerice (coeficient.

• eficienþa – estimatorul ˆ este eficient dacã are dispersia sau varianþ cea mai micã dintre toþ estimatorii posibili pentru a i parametrul ?. Dacã ia ia: relaþia nu este respectatã. în succesiune cu 1.+ bkyt-k + ut 12 . etc. Autoregresia presupune analiza gradului de dependenþ ã dintre seria de date yt ºi aceeaºi serie decalatã cu 1: yt = a + byt-1+ ut... 0. Autocorelaþ implicã determinarea intensitãþ corelaþ ia ii iei dintre termenul înregistrat în perioada t ºi termenul din perioada t – 1 (coeficientul r1)..2.un estimator este convergent dacã pentru un eºantion cu volum suficient de mare ºirul estimatorilor converge cãtre parametru.1 .. unde t = 2.• nedeplasarea . Pentru un estimator convergent are loc relaþia: lim P ˆn n 0.. • convergenþa ... Un estimator nedeplasat verificã relaþ relaþ M( ˆ ) = ? . iuni care se referã la dependenþ dintre termenii poziþ a ionaþ la o anumitã distanþ de i ã timp. este presupusã dependenþ modificãrilor variabilei în a raport cu propriile modificãri realizate într-un trecut mai mult sau mai puþin apropiat.un estimator este nedeplasat dacã media sau speranþa matematicã a acestuia este egalã cu parametrul. 3. atunci estimatorul este deplasat. ..n Pot fi considerate variabile explicative seriile decalate. respectiv din perioada t – 2 (coeficientul r2).k perioade de timp: yt = a + b1yt-1+. Autocorelaþ autoregresie = noþ ie.. Aºadar.

1.variabila dependentã. • propunerea unuia sau a mai multor modele care explicã realitatea studiatã prin relaþii de dependenþã între variabile.variabila rezidualã sau eroare. Notaþii • y. dupã o analizã atentã a fenomenului real ºi a teoriei economice.. • aplicarea în practicã sau realizarea de predicþ pe seama ii modelului.. 2. • estimarea parametrilor modelului sau modelelor propuse. • ai. • xi . pornind de la o teorie sau o problemã economicã.. 13 . • u .variabilele independente. . i = 1. i = 1.parametrii modelului. • y = f(xi) + u . 2.. bi . • identificarea tipului ºi formei legãturii dintre variabile. • identificarea variabilelor care instrumenteazã problema. unde k este numãrul de factori..modelul econometric. k. . pe baza metodelor statistice cunoscute.5 Demers metodologic Modelarea econometricã se poate rezuma sintetic la parcurgerea urmãtoarelor etape: • formularea problemei în termeni economici. k.volumul eºantionului.. • n . • testarea modelului sau modelelor ºi alegerea celui mai bun model.

.). de la particular la general. de la relaþia liniarã la alte tipuri de dependenþe. • Rata dobânzii la bãncile comerciale este influenþ de rata atã dobânzii de referinþã. (o anumitã variabilã depinde sau a este influenþatã îndeosebi de.modelul unifactorial 2. Exemple de relaþ din economie care implicã un efect ºi un ii factor important într-o dependenþã liniarã: • Cererea de alimente strict necesare depinde de numãrul populaþiei. • Deseori este specificatã existenþa unor condiþii care se menþin aceleaºi. Se va aborda dependenþ începând cu un singur factor. aspect care implicã recunoaºterea existenþei ºi a altor cauze de o mai micã importanþã sau prea puþin cunoscute. • Exportul unui produs depinde de nivelul preþului..Capitolul 2. • Producþ depinde de numãrul de ore utilizate efectiv pentru ia realizarea ei. În majoritatea cazurilor: • Dependenþ nu este totalã. ceea ce poate fi valabil în condiþ de laborator.1 Relaþiile de cauzalitate în economie Situaþ în care un proces economic depinde de un singur iile factor nu sunt prea frecvente în economie. dar ii numai temporar poate fi constatat în viaþ realã pe un segment de a cazuri. 14 . de la a unifactorial la multifactorial. Cauzã ºi efect în economie . etc.

În economie existã situaþ în care un rezultat sau un fenomen ii poate fi explicat într-o proporþ ridicatã doar de influenþ unui ie a singur factor. 15 .1 Prezentarea problemei.cererea sau consumul populaþ pentru o ia iei anumitã categorie de mãrfuri este o funcþie de venit Ci = a + b Vi+ ui. în raport cu gradul de stabilitate al celorlalþi factori importanþi. Acest factor apare în modelul econometric drept variabilã independentã.• Dependenþ unui proces în raport cu factorul determinant se a poate manifesta diferit în decursul timpului.2. 2. puþ cunoscute. Exemple din economie de modele liniare simple 1) Funcþ de consum . 2. mai mult sau mai in puþin accidentale. iar restul influenþ elor este preluat de variabila rezidualã. unde parametrul b aratã de câte ori creºte consumul unui anumit produs (Ci) la o creºtere cu o unitate a venitului ºi este de regulã pozitiv. Exemple din economie Modelul liniar simplu este cel mai simplu model econometric sau cea mai simplã schemã explicativã a dependenþ dintre douã ei variabile. • La aceasta se adaugã influenþ elementului perturbator a provocat de cauze minore.2 Modelul liniar simplu Modelul liniar simplu presupune cã între cele douã variabile existã o dependenþ dupã modelul unei ecuaþ de gradul întâi sau ã ii cã între variabile existã o relaþie de proporþionalitate.

care aratã valoarea lui y când x = 0. respectiv cu cât creºte sau scade y la o creºtere a variabilei x cu o unitate. 16 .cererea populaþ pentru o anumitã categorie de iei mãrfuri este în funcþie de preþul acestor produse Ci = a + b Pi+ ui.2 Model ºi ipoteze Modelul prin care se exprimã dependenþ în raport cu un a singur factor trebuie sã conþinã: • Variabila efect. • Variabila cauzalã consideratã determinantã pentru procesul analizat. coeficienþ notaþ a. notatã cu xi. a reprezintã ordonata la origine. Modelul de regresie liniarã simplã exprimã legãtura liniarã dintre variabile. Parametrii (constantele. de forma: y i = a + b x i + ui Relaþ de mai sus se numeºte ecuaþ de regresie ºi ia ie reprezintã funcþia liniarã yx = a + bx plus eroarea u. expresie a acþ iunii cauzelor minore. b reprezintã panta dreptei. b urmeazã sã ii) i fie determinaþ corespunzãtor datelor numerice ce privesc i ansamblul (N) de cazuri sau urmeazã sã fie estimaþ dacã datele se i referã la un eºantion (n) de cazuri. 2. • Variabila care poate perturba relaþ dintre principalele ia variabile.2) Legea cererii . numit ºi coeficient de regresie.2. notatã cu yi. unde parametrul b este de regulã negativ ºi aratã cu cât scade cererea la o creºtere a preþului cu o unitate. Parametrul de regresie b aratã gradul de dependenþ dintre ã variabile. numitã abatere sau eroare ºi notatã cu ui.

• x.3 Estimarea parametrilor modelului În practicã. • necorelarea erorilor: cov( ui. b ˆ Mulþ imea acestora descrie aºa-numiþ estimatori ai ii parametrilor a. 2 . se calculeazã estimaþ ii iile ˆ ˆ a ºi b ale parametrilor a ºi b . adicã variabila rezidualã urmeazã o lege de repartiþ normalã de medie zero ºi ie 2 varianþã . uj ) = 0. • lipsa corelaþ dintre variabila independentã ºi variabila iei eroare: cov( xi. • homoscedasticitate: 2 var( ui )= . Ipotezele modelului de regresie vizeazã variabila rezidualã ºi variabila independentã.variabila aleatoare eroare sau reziduu. estimaþii a. Pentru diverse eºantioane de volum n se obþ diverse in ˆ pentru parametrii modelului de regresie liniarã. Cele mai importante ipoteze sunt: • normalitatea erorilor :ui N 0.Variabilele din ecuaþie sunt: • y . Folosind date înregistrate asupra unui eºantion de n perechi de observaþ asupra variabilelor x ºi y. Estimatorii sunt variabile aleatoare a cãror distribuþ se ie poate descrie în anumite ipoteze impuse modelului. 17 . nonaleatoare. 2. fapt care impune estimarea parametrilor. determinarea parametrilor la nivelul populaþ iei totale nu este posibil de realizat. ui ) = 0.variabila independentã. adicã dispersia (varianþa) erorii este constantã. aleatoare. • u . b.variabila dependentã. adicã erorile nu se influenþeazã reciproc.

yi descrie un nor de puncte a cãrui formã urmeazã mai curând o dreaptã decât o linie curbã.) y-vânzãri (mii kg) 2 3 3 5 6 6 6 7 8 8 9 10 10 11 12 13 10 12 14 28 30 32 28 35 40 45 45 52 55 54 58 60 Reprezentarea într-un sistem de axe a punctelor de coordonate xi.Exemplu Se cautã sã se verifice în ce mãsurã numãrul populaþ x iei determinã vânzãrile unui produs de uz curent y. Acest fapt ne îndreptãþ eºte sã acceptãm drept model a relaþ iei ˆ de dependenþã funcþia y a bx Diagrama împr㺠tierii 80 Vânzãri 60 40 20 0 0 5 10 15 Populaþia y-vânzãri (mii kg) 18 . Datele culese din 16 localitãþi sunt urmãtoarele: x-populaþ ia (zeci de mii loc.

reprezentând abateri a e generate de acei factori consideraþ nesemnificativi. teoretice). 19 . Estimaþiile obþinute pentru parametri sã fie cât mai precise. Metoda celor mai mici pãtrate implicã cele mai mici costuri pentru aplicarea ei. accidentali. atunci mãrimea abaterii ˆ este diferenþa: ui yi yi ˆ În continuare se cautã obþ inerea de soluþ pentru parametrii a ii ºi b. Se noteazã distanþa de a fiecare punct ( xi. • Metoda verosimilitãþii maxime (MVM).De la fiecare punct ( xi. sã fie ˆ cât mai mici. sã tindã spre adevãratele valori ale parametrilor pe mãsurã ce eºantionul creºte. analizei economice. Pentru realizarea acestor obiective se urmãreºte obþ inerea unor estimãri (pentru cã se dispune doar de secvenþ / eºantioane e de date) care sã conducã la: Obþ inerea unui grad de determinare (a efectului de cãtre cauzã) cât mai mare. Abaterile dintre valorile empirice ale variabilei efect y ºi valorile aceleiaºi variabile obþ inute pe baza modelului ºi poziþ ionate pe dreaptã ( y . Metode de estimare care îndeplinesc condiþ iile enumerate sunt: • Metoda celor mai mici pãtrate (MCMMP). yi ) cu ui. yi ) pânã la punctul corespunzãtor de pe dreaptã ( xi. deschizând perspectiva analizei statistice. yi ) pânã la dreaptã se constatã existenþ unor distanþ mai mari sau mai mici. i având un rol perturbator. • Metoda bayesianã. prognozei vânzãrilor. valori ajustate.

yi). iar numãrul total de cazuri cu N. În marea majoritate a cazurilor se lucreazã cu eºantioane. yi. Doar în sfera teoriei ne referim la valori adevãrate ale parametrilor. notate yi . Se numesc valori adevãrate ale parametrilor acele soluþ la ii care s-ar ajunge dacã s-ar cunoaºte toate valorile pe care le iau x. acele ˆ valori care urmeazã sã fie generate de model. Se numesc valori estimate ale parametrilor acele soluþ care ii rezultã în urma utilizãrii datelor pe care variabilele xi. 20 . b .2.4 Noþiuni privind datele ºi soluþiile Se numesc valori / niveluri empirice ale variabilelor y sau x acele mãrimi numerice obþ inute din statistici. iar pe grafic apar sub formã de puncte de coordonate (xi. estimaþii. y.Ele se obþin dupã estimarea parametrilor.5 Metoda celor mai mici pãtrate Metoda celor mai mici pãtrate considerã abaterea urmãtoare drept element cheie: ui yi ~i y Ridicarea la pãtrat ºi însumarea pãtratelor abaterilor conduce la calculul sumei: n n 2 2 S ui yi ~i y i 1 i 1 Condiþ este ca estimaþ sã fie astfel alese încât aceastã ia iile sumã sã fie minimã. Aceste valori se noteazã cu a ºi b. Aceste soluþ se noteazã cu a. yi le-au înregistrat într-un eºantion. Se noteazã cu xi. iar ii ˆ ˆ numãrul de cazuri incluse în eºantion cu n. Întrucât ~ a bx se rescrie expresia astfel: y ˆ ˆ n 2 ˆ ˆ S yi a bxi i 1 Punctul de extrem se obþ ine prin egalarea cu zero a ˆ ˆ derivatelor parþiale în raport cu necunoscutele a ºi b . frecvent. Se numesc valori / niveluri ajustate sau teoretice. astfel încât se obþin. 2.

5. scade pentru ˆ b < 0) dacã factorul x creºte cu 1 (adicã cu o unitate naturalã în care este exprimat x). y i 1 1 n yi i 1 Se obþine soluþia: ˆ a ˆ b ˆ y bx yi y xi xi x 2 x 2. b ˆ ˆ 2 yi a bxi xi 0 ˆ b i 1 Ceea ce devine: n n ˆ ˆ na b xi yi i 1 n i 1 n n ˆ a i 1 xi ˆ b x i 1 2 i i 1 xi yi n Se noteazã: x 1 n n xi . b indicã panta dreptei de regresie (slope). ˆ ˆ a nu are interpretare economicã ci doar semnificaþ sa de ia ordonatã la origine (intercept). 21 . b ˆ ˆ 2 yi a bxi ( 1) 0 ˆ a i 1 n ˆ ˆ S a.1 Interpretarea parametrilor estimaþi ˆ b indicã cu câte unitãþi naturale (în care este exprimat y) se ˆ modificã variabila – efect (creºte pentru b > 0.Rezultã sistemul: n ˆ ˆ S a.

375 -23.5625 2.375 -2. genereazã efecte diferite.625 16.2890625 11.625 7.1640625 59.5625 4. Acest aspect poate fi constatat fie pentru mai multe cazuri în care factorul.375 -7.4765625 45.691406 19.5664063 6.375 -9.7265625 13.4375 -1.4375 -0.625 7.6015625 7.5625 5.9140625 37.625 14.3164063 0.2265625 94.625 20.5625 4.4375 -1. 22 .625 b= x-M(x) -5.8515625 10.375 -25.9414063 2.941406 161.6015625 103.4375 -2.4375 0.9375 0.625 17.375 -5. iar un nivel iile identic al factorului de la un eºantion la altul genereazã efecte diferite.375 -9.0390625 1.625 22.6152065 2.1914063 0.Exemplu x 2 3 3 5 6 6 6 7 8 8 9 10 10 11 12 13 7.691406 5.4375 -4.375 2.438 y 10 12 14 28 30 32 28 35 40 45 45 52 55 54 58 60 37.4414063 6.8515625 800. deºi constant ca nivel.816406 30.5625 2.5625 1.5.5625 3.5625 0.0664063 0.2 Precizãri de naturã teoreticã privind analiza de regresie ºi modalitatea de estimare a parametrilor În procesele economice se observã cã pentru un nivel oarecare al factorului se constatã o diversitate de valori privind efectul declanºat.3164063 2.4765625 4.942493 (y-M(y))(x-M(x)) 148.5664063 12.0664063 2.1015625 125.4375 -4.4375 -1.691406 20.375 y-M(y) -27.0664063 2. fie în situaþ în care se analizeazã mai multe eºantioane.566406 19.4765625 1.8515625 112.375 a= (x-M(x))2 29.7265625 22.

16 luni în care se cunoaºte rata dobânzii. 23 ˆ yi ˆ ˆ a bxi . ˆ • Calculul abaterilor ui yi yi este util.Relaþia dintre cauzã ºi efect nu este de tip determinist. b reprezintã valorile adevãrate ale parametrilor. analiza acestei serii de valori reziduale conduce la aprecieri privind calitatea modelului. Este de preferat utilizarea datelor unui eºantion: În optica transversalã: 35 firme sau 60 familii sau 80 clienþ i bancari. întâmplãtor): y = a + bx + u În situaþ în care datele se referã la întreaga populaþ se ia ie obþine o funcþie de regresie a populaþiei (FRP): y = a + bx + u unde coeficienþii a. 18 ani în care s-a înregistrat evoluþia producþiei. deosebite. exprimatã de nivelul b . • Determinarea unor previziuni privind evoluþia variabilei efect în condiþ în care nivelul viitor al factorului este previzibil ºi nu iile se întrevãd schimbãri majore în relaþia dintre x ºi y. În practicã rareori se apeleazã la toate cazurile care formeazã populaþ întrucât aceastã variantã de lucru implicã eforturi ia. etc. Relaþ de dependenþ este datã de funcþ stochasticã ia ã ia (stochastic = aleator. Pe lângã factorul cu rol determinant existã ºi un element aleator care perturbã relaþia dintre cauzã ºi efect. În optica temporalã: 20 trimestre în care s-au realizat importuri. Pe baza datelor unui eºantion se pot obþ doar estimãri ale ine parametrilor care apar în funcþia stochasticã a eºantionului (FSE): Obþ inerea valorilor estimate pentru constantele funcþ iei stochastice deschide perspective cum ar fi: • Cuantificarea rolului variabilei factoriale (x) asupra variabilei ˆ efect. • Obþ inerea de valori ajustate ale nivelurilor variabilei efect adicã valori yi datorate exclusiv influenþei factorului determinant.

Astfel de perspective sunt de interes pentru analiza ºi prognoza în economie. aprecierea performanþelor modelului. 24 . Ele justificã importanþa atribuitã estimãrii în econometrie. în general. calitãþ ile acestora ºi. dar ºi interesului acordat verificãrii modului în care au fost obþ inute estimãrile.

ca ºi de numãrul salariaþilor. modelul multifactorial O apropiere a modelului econometric de diversitatea ºi complexitatea proceselor economice presupune analiza relaþ iei dintre variabila efect ºi un ansamblu de factori determinanþ i. • Producþ vegetalã din agriculturã depinde de cantitatea de ia îngrãºãminte. 25 .1 Cazul liniar multifactorial În practicã sunt puþ fenomene economice care depind în ine mod semnificativ de un singur factor. rata dobânzii. utilajele folosite. Este necesarã includerea în mod explicit a factorilor cu influenþã determinantã. preþuri. presupuºi a fi nesemnificativi. investiþiile începute. • Cererea de mãrfuri este funcþie de ofertã. Exemple • Producþ industrialã este influenþ de cantitatea ºi calitatea ia atã fondurilor fixe. calitatea lucrãrilor. umiditatea solului. 3. precum ºi includerea unor relaþii de tip neliniar. publicitate. venituri.Capitolul 3 Influenþ multiple de tip liniar ºi neliniar e în economie. Situaþ mult mai frecventã este aceea în care nivelul ia fenomenului economic este rezultanta mai multor factori importanþ la care se adaugã ºi rolul unor factori mai puþ i in cunoscuþi. astfel încât sã se reducã perturbaþia. • Volumul investiþ iilor depinde de cuantumul economiilor.

elementul perturbator u este luat în calcul. apropiindu-l de modalitatea realã de desfãºurare a proceselor economice. 26 . x2i . Se abordeazã un caz multifactorial în care variabila-efect depinde de 2 factori. x2i . xki a0 a1 x1i a2 x2i .. xki f x1i . ã.. Relaþia este de tip multidimensional. În cazul în care relaþ dintre variabila-efect ºi fiecare dintre ia cauze este de tip liniar se obþine: M yi / x1i .. cât ºi în practicã se gãsesc astfel de factori determinanþ inclusiv direcþ în care fiecare dintre ei i. dar care pot genera o abatere oarecare asupra variabilei-efect: yi a0 a1 x1i a2 x2i .... stochastice) ca mod de comportare......... xki reprezintã media distribuþiei variabileiefect condiþ ionatã de modificãrile de nivel constatate în ce priveºte factorii importanþi luaþi în calcul.• Atât în teoria economicã. x2i . • Ceea ce nu se cunoaºte este mãsura în care fiecare factor influenþ eazã variabila-efect. x2i ... minore ca importanþ întâmplãtoare (aleatoare.. printr-o relaþie de tip liniar. xki Funcþia de regresie este de forma: M yi / x1i . ak xki ui De remarcat faptul cã atunci când se face referire la un caz aparte ºi nu la medie.. În realizarea unei astfel de mãsurãtori intervine econometria... x2i . xki unde M yi / x1i . ak xki Forma stochasticã a modelului de regresie include ºi variabila rezidualã u prin intermediul cãreia sunt evidenþ iate influenþ ele accidentale. ia influenþeazã variabila-efect.. în care apar k factori: ~ yi f x1i .... iar introducerea lui conferã modelului atributul de stochastic.

Utilizarea modelului în vederea analizei ºi prognozei.2 1. Din sursele teoretice ºi practice rezultã doi factori: veniturile disponibile ale populaþiei ºi oferta de servicii existentã pe piaþã. a2 reprezintã estimaþ ale parametrilor întrucât se ii ˆ ˆ ˆ utilizeazã date pentru un eºantion. notat cu z. 3. Specificarea modelului conduce la urmãtoarea reprezentare: yi ˆ a0 ˆ a1vi ˆ a 2 z i ui unde a0 .5 2. Estimarea parametrilor.8 Se acceptã varianta liniarã.1 18 3 2. Menþiuni: 27 .2 2.5 14 2 2 15 2 1.4 16 2. lei) 10 1.5 19 3. notat cu v.4 19 3.2.6 18 3 2. • Venitul mediu ce revine pe membru de familie (în mii lei) – reprezintã primul factor. a1 .3.8 16 2.4 2.1 18 3 2.8 16 2. Datele pentru n = 15 trimestre succesive: y% v (mii lei) z (mil. • Investiþ iile în domeniul serviciilor destinate populaþ (în iei milioane lei) – reprezintã al doilea factor.2 Etapele demersului: • • • • Elaborarea modelului. Datele de care dispunem se referã la valori trimestriale privind: • Ponderea cheltuielilor destinate serviciilor în bugetul familiei – reprezintã variabila-efect notatã cu y.5 2 17 2.8 11 1.1 Specificarea Se presupune cã studiul se referã la analiza cererii de servicii de cãtre populaþ în raport cu cauzele care determinã o astfel de ie cerere. Verificarea semnificaþiei rezultatelor estimãrii.4 2.5 1 12 2 1.3 2.5 0.2 21 3.

• Se utilizeazã metoda celor mai mici pãtrate. fie alegerea greºitã a funcþiei. Stabilirea factorilor ºi a funcþ reprezintã o bazã de pornire. a2 estimatori de calitate . • Stabilirea factorilor cu rol realmente determinant ºi independenþi între ei. superior numãrului de parametri din model. a1 .2 Estimarea parametrilor • Se cautã soluþ pentru necunoscute. Important în aceastã etapã: • Asigurarea unui numãr suficient de mare de cazuri n 15 . • Se obþine punctul de minim al expresiei. fie alegerea unui numãr prea mare de factori.1.2. adicã suma pãtratelor abaterilor sã fie minimã: n n u i 1 2 i i 1 yi ˆ a0 ˆ a1vi ˆ a2 zi 2 • Se egaleazã cu 0 derivatele parþ iale în raport cu fiecare necunoscutã. ui2 i ˆ a0 2 i 0 yi ˆ ˆ a0 a1vi ˆ a2 z i 1 0 ui2 i ˆ a1 2 i 0 yi ˆ ˆ a0 a1vi ˆ a2 z i vi 0 28 . în iei sensul cã opþ iunile fãcute în faza specificãrii urmeazã sã fie verificate în etapele urmãtoare (în etapa verificãrii ºi a utilizãrii modelului). • Eroarea de specificare ar putea consta fie în alegerea unui numãr prea mic de cazuri. adicã obþ ii inerea de ˆ ˆ ˆ a0 . 3. 2.

ui2 i ˆ a2 2 i 0 yi ˆ ˆ a0 a1vi ˆ a2 zi zi 0 Rezultã sistemul de ecuaþii normale: ˆ na0 ˆ a0 i ˆ a1 i vi ˆ a1 i ˆ a2 i zi i yi vi zi i i vi zi i vi2 vi zi i ˆ a2 ˆ a2 i vi yi z i yi i ˆ a0 ˆ a1 zi2 Sistemul se poate scrie în formã matricealã astfel: n v z v v2 vz z vz z2 ˆ a0 ˆ a1 ˆ a2 y yv yz Se noteazã: • matricea coeficienþilor cu X • matricea necunoscutelor cu A • matricea termenilor liberi cu Y Sistemul se scrie astfel: XA = Y Soluþia se obþine: A = X – 1 Y 29 .

5 30 37.8 30 v2 2.25 5.5 1.41 6.1 Matricele X 15 37.4 4.2 8 7.1 2.394573 Y 626.84 7.9 yz 8 11 18 28 27 28.842506 2.5 37.8 43.8 7.104588 2.8 46.49 79.5 2 1.24 3.3 7.6 3.96 5 5.5 2.8 62.76 5.84 6.5 41.5 24 28 30 35.5 626.8 32 40.1 30 .5 2 2 2 2.76 4.4 2.2 2.25 2.8 38.8 503.25 4 3.76 5.4 2.42 A 64.76 6.25 99.8 79.25 4 4 4 4.25 4.6 37.5 99.49 z2 0.04 6.24 10.2 1.4 vz 1.8 33.24 4 5.2 47.2 2.89 12.26 9.42 30 240 79.76 9 9 9 10.4 54 54 54 60.8 58.3 3.76 5.2 3.2 40 40.64 1 2.Exemplu y 10 11 12 14 15 16 16 17 16 18 18 18 19 19 21 240 v 1.8 2 2.1 2.5 2.7 73.4 3 3 3 3.8 1.84 64.8 1 1.42 yv 15 16.41 4.9 503.5 z 0.5 3 4 3.4 2.6 2.

394573%. 3.3 Interpretarea estimaþiilor obþinute pentru parametri ˆ • Interpretarea lui a1: La o creºtere a venitului cu o unitate (o mie de lei). • Interpretarea lui a2 : ˆ La o creºtere a ofertei (redatã prin investiþ cu o unitate (1 milion ii) lei). cu 2. interpretarea ˆ parametrului estimat a j indicã cu cât se modificã (creºte sau scade. ˆ Parametrul a0 nu are o interpretare economicã.2.3. dar se poate considera ca fiind nivelul variabilei-efect când factorii determinanþi sunt nuli. scade ºi y). În general. Interpretarea se referã ºi la semnul parametrului.3 Recomandãri în ceea ce priveºte aplicarea modelului econometric multifactorial Alegerea variabilelor independente din model (a variabilelor factoriale) reprezintã o primã problemã care se cere rezolvatã. ia creºte ºi y. în condiþ în care iile oferta (z) rãmâne constantã. Sursele de informaþ care pot sugera cele mai importante cauze ii care determinã variabila dependentã sunt: • Manualele de economie. fie cã se referã la teoria economicã în general. în modelul multifactorial. la sectoare 31 . ia scade y). în funcþ de semnul parametrului) în medie variabila-efect (y) la o ie creºtere cu o unitate a factorului xj în condiþ iile în care ceilalþ i factori determinanþi introduºi în model sunt consideraþi constanþi. relaþ este de sens invers (creºte x. Dacã semnul este minus. relaþ dintre y ºi x este de acelaºi sens (creºte x. fie la macroeconomie sau microeconomie. cererea pentru servicii (y) creºte.842506%. cererea pentru servicii creºte. în medie. scade x. cu 2. în condiþiile în care veniturile rãmân aceleaºi. Dacã semnul este plus. în medie.

comerþul internaþional). a Economistul. etc. • buletinele diverselor instituþ ii. exportul. includ informaþ ii referitoare la factorii determinanþi. 3. sau ale BNR. pot sã aparã urmãtoarele aspecte: a) posibilitatea de a utiliza serii cronologice de date (valori anuale. dobânzile. În etapa culegerii datelor. alternative se are în vedere existenþ de date în aceeaºi alternativã a pentru toate variabilele. de naturã psihologicã. situaþia pe judeþe. preþurile). precum buletinele Comisiei Naþ ionale de Statisticã. importul). Revista Românã de Statisticã. • anchetele pe teren prin care pot fi obþ inute ºi date cu privire la factorii latenþi. lunare) sau de a utiliza serii transversale (un eºantion de localitãþ familii. respectiv optica transversalã pentru analizarea rolului fiecãrui factor.ale economiei sau domenii de activitate. Se opteazã pentru serii cronologice dacã scopul este obþ inerea de prognoze în timp. Pentru a opta între cele douã i. 32 . trimestriale. Sursele cele mai importante de date pot fi: • buletinele statistice (producþia. ã Exemple: Studii ºi cercetãri de calcul economic ºi ciberneticã economicã. întreprinderi).3. • Reviste sau publicaþ ºtiinþ ii ifice în care pot apãrea cercetãri similare. comerþul exterior. indicatorii resurselor.1 Datele numerice O altã problemã o reprezintã datele numerice ºi accesul la un numãr suficient de date de calitate. • anuarele statistice (date privind indicatorii macroeconomici. privind calitatea vieþ ii (statistica bugetelor de familie) • evidenþele agenþilor economici (bilanþul). dar ºi unele care au doar tangenþ cu tema propusã. Piaþ de capital. Revista financiarã. • buletinele Bãncii Naþ ionale a României (serii de date privind inflaþia. creditul. • Periodice în care sunt publicate trimestrial sau lunar date ºi analize conjuncturale. etc.

c) datele sunt mult prea puþ . 3. 33 . în vederea exprimãrii valorilor în preþ urile anului de bazã la care se referã indicele). 3. nu se pot forma serii de cel puþ ine in 15-20 termeni. indicatori obþ i în condiþ diferite inuþ ii în ce priveºte metoda sau aria de cuprindere) Se recomandã efectuarea de corecþii (completãri. eliminarea valorilor aberante). Exemple: Producþia vegetalã = a + bX + cX2 + u. ceea ce implicã verificarea lor atât din perspectiva cantitativã (absenþ de valori în unele cazuri. a absenþ unitãþ de mãsurã. În frecvente cazuri este necesarã deflaþ uri ionarea datelor (împãrþirea valorilor exprimate în preþuri curente la indicele de preþ uri. cererea cu vânzãrile. Se recomandã înlocuirea datelor anuale cu cele trimestriale sau lunare sau suplimentarea numãrului de cazuri din eºantion pentru seriile transversale. O atenþ deosebitã trebuie acordatã valorilor exprimate în ie preþ curente.1 Modele neliniare în raport cu variabilele dar liniare în raport cu parametrii Parametrii sunt la puterea 1. Exemplu: venitul permanent disponibil se poate înlocui cu venitul brut. corectarea calculelor. dar existã posibilitatea de a le înlocui cu variabile foarte apropiate ca ºi conþ inut. greºeli de calcul).b) datele la care avem acees nu se referã exact la variabilele preconizate spre a forma modelul.4 Modele neliniare Pentru descrierea unui numãr mare de procese economice sunt necesare modele neliniare. Aceste modele pot fi convertite în modele liniare prin transformãri corespunzãtoare. d) datele sunt susceptibile de erori. cât ºi calitativã a ii (valori aberante total atipice.4. oferta cu producþia.

unde X este umiditatea solului. M = munca. lnM = x. e = 2. abordabilã în ceea ce priveºte estimarea parametrilor prin metoda celor mai mici pãtrate. Modelul devine: y = c + ax + bz + u Pentru fiecare exemplu de model neliniar s-a ajuns la o formã liniarã de reprezentare. model neliniar în parametrul b. K = capitalul. unde Q = producþia. modelul devine: Preþul produsului = a + bZ + u Producþia industrialã Q = AMaKbeu.71. Se logaritmeazã ºi se noteazã: lnQ = y. fie reprezentãri în care variabila rezidualã este inclusã în model într-o formã care împiedicã liniarizarea.. lnA = c.2 Modele neliniare. Pentru 1/Q = Z. . lne =1. Pentru X2 = Z. lnK = z. neabordabile prin MCMMP Variantele neliniare neabordabile prin metoda celor mai mici pãtrate sunt fie modele neliniare în raport cu parametrii (cel puþ in un parametru e la o putere diferitã de 1). 3. unde Q = cantitatea existentã pe piaþã. dar ºi cu variabilele.. Exemple Funcþia de cost de forma: y a bX u unde b este la puterea 1/2. modelul devine: Producþia vegetalã = a + bX + cZ + u Preþul produsului = a + b(1/Q) + u. fie în raport cu parametrii.4. Funcþiile de consum de forma: y aX a2Z u 34 .

sau: c y a bx u sau: y 1 1 e ax b u Funcþia de producþie: y ax b z c u unde variabila rezidualã u este inclusã în variantã aditivã. din ii urmãtoarele motive: • pentru reprezentãrile în care cel puþin un parametru apare la o putere diferitã de 1. Modificarea valorilor ultimelor estimaþ astfel încât suma sã ii. Se comparã ultima sumã cu cea anterior obþ inutã ºi se reia procesul de la pasul 3 pânã când mãrimea sumei converge spre o valoare stabilã. • pentru reprezentãrile în care modalitatea de includere a variabilei reziduale nu permite liniarizarea. Iniþializarea parametrilor. Determinarea sumei pãtratelor valorilor reziduale obþinute. ceea ce face dificilã liniarizarea. nu este sigur cã estimaþ sunt compatibile cu iile un minim global în ce priveºte suma pãtratelor reziduurilor. nu pot fi argumentate prezumþ iile conform cãrora variabila rezidualã este normal distribuitã. 35 . se diminueze. Pentru obþinerea de estimaþii privind parametrii se apeleazã la algoritmi care aplicã metode numerice în vederea obþ inerii de soluþii în cazurile de neliniaritate. Etapele algoritmului 1. 2. În astfel de situaþ nu se recomandã utilizarea MCMMP. având media egalã cu zero ºi dispersia finitã ºi relativ constantã pe segmente de valori. 4. 3.model neliniar în parametrul a.

venituri. dar ºi de renumele mãrcii ºi încrederea existentã pe acea piaþã privind calitatea produsului. negativã. bunã. • Exportul unui produs pe o piaþ depinde de preþ ofertei. ã ul cursul de schimb. • Economiile populaþ sub formã de depozite la o anumitã iei bancã depind de rata dobânzii. moderat. foarte bunã. risc maxim.3. existã ºi variabile a cãror intensitate este exprimatã prin atribute: serviciu satisfãcãtor / nesatisfãcãtor. • Vânzãrile de bunuri durabile depind de preþ dar ºi de calitate . apreciere excelentã. vârstã. mulþ umitoare. categorii. Variabilele care se referã la însuºiri. aprecieri sunt variabile calitative. a cãror intensitate este exprimatã prin atribute. alãturi de procese cantitative. grade de comparaþ ie. • Situaþ de a fi acceptat sau nu în urma unui interviu depinde ia de prestaþie. care pot fi mãsurate.5 Variabile calitative în economie În economie. dar ºi de managementul procesului de producþie. calitãþi. Rolul factorilor de naturã calitativã este important pentru analiza ºi prognoza proceselor economice. sau de temerile cumpãrãtorilor cu privire la accentuarea inflaþiei. introducerea factorilor de naturã calitativã. În termenii econometriei. dar ºi de încrederea deponenþ în ilor banca respectivã. etc. 36 . iile conduce la creºterea gradului de determinare ºi la un plus de calitate a estimaþiilor obþinte pentru parametri. • Starea de spirit a populaþ depinde de frecvenþ conflictelor iei a sociale. în situaþ în care rolul lor este presupus semnificativ. minim. Exemple • Producþ depinde de dotarea cu utilaje ºi de numãrul de ia angajaþi. putere de convingere. gradul de stabilitate ºi competenþ guvernanþ a ilor.

iar media pentru x = 1 este (40+50+50):3=46. înainte de momentul t / dupã momentul t. C = a + b D(1. masculin/feminin.Problema cuantificãrii (exprimãrii prin numere) variabilelor calitative reprezintã o etapã de a cãrei rezolvare depinde calitatea analizei economice bazatã pe modelul econometric.3333 ˆ ˆ a b y x 1 46.6666 37 .3333. Exemplu Cheltuielile familiilor destinate turismului sunt analizate în raport cu situaþ de a avea automobil (D = 1) sau de a nu avea ia automobil (D = 0). 3. promovat/nepromovat.6666 ˆ a y x 0 13.1 Variabilele dichotomice O variabilã dichotomicã (“dummy”.3333 ˆ b 33.0) Cheltuieli (sute lei) 20 40 50 10 10 50 0 1 1 0 0 1 D Factorii introduºi în model sunt exclusiv de naturã dichotomicã În exemplul anterior: y x Se obþine 20 0 40 1 50 1 10 0 10 0 50 1 ˆ a 13. Exprimarea cantitativã se face astfel: se atribuie nivelul 1 unei alternative ºi nivelul 0 celeilalte. simbolizatã prin D) admite doar douã alternative: da/nu.5.3333 Media cheltuielilor (y) pentru servicii în turism a celor care nu deþin autoturism (x=0) este de (20+10+10):3=13.

173924 În varianta a doua.0 u Se obþin valorile: ˆ a0 2.0). estimaþ sunt mai apropiate de calitãþ iile ile estimatorilor. 38 .Factorii introduºi în model reprezintã o variabilã cantitativã ºi o variabilã calitativã Exemplu: • Consumul de cafea C • Vârsta consumatorului v • Sexul D(1. ie adicã se considerã relaþia de forma: C Se obþine: ˆ a0 ˆ a1 a0 a1v u 2.16098503 ˆ a2 1.12503 0.802923988 Gradul de determinare prin prisma influenþ celor doi factori ei a crescut. comparativ cu prima variantã.726331823 ˆ a1 0. De asemenea.0 u 2 0 4 2 8 8 12 3 6 4 1 6 6 1 2 20 18 30 21 40 50 60 42 35 51 19 62 44 25 40 1 0 1 0 1 1 1 0 1 0 1 1 0 0 1 Dacã într-o primã variantã se face abstracþ de variabila D. unde D = 1 (F) ºi D = 0 (M) C Datele C v D a0 a1v a2 D 1. considerând ecuaþia de forma: C a0 a1v a2 D 1.

Relaþ de dependenþ este de tipul y=f(x). Modelul de descriere a unui astfel de proces se bazeazã pe funcþia logisticã.Posibilitãþi de mãsurare a variabilei dichotomice a) Introducerea în calcule a unei alternative (dintre cele douã) sub formã de fecvenþã sau pondere b) Modelul Logit a) Pentru a exprima intensitatea prezenþ unei variabile alternative ei se poate recurge la însumarea apariþ iilor uneia dintre alternative (de exemplu. numãrul persoanelor feminine) sau la ponderea frecvenþ înregistrate pentru o alternativã (ponderea rebuturilor. O creºtere treptatã a impozitelor într-un interval dat poate avea drept efect renunþarea unor plãtitori de impozite de a mai plãti prin lichidarea activitãþ impozabile fie în mod real. fie în mod ii declarativ. ei ponderea posesorilor de automobile). o parte tot mai mare dintre amatori îºi schimbã intenþ de a cumpãraîn contrara acesteia (a nu ia cumpãra). Exemple Pe mãsurã ce. Ponderea rãspunsurilor ca urmare a modificãrii valorilor xi poate fi reprezentatã de egalitatea: Pi M y 1 / xi 1 1 e a bxi 39 . în mod experimental. unde y poate ia ã prezenta douã alternative (nu sau da). b) Modelul Logit este destinat exprimãrii într-o formã operaþ ionalã (rezultate numerice obþ inute din calcule bazate pe un model matematic) a acelor situaþ în care creºterea unui factor numeric ii are drept efect schimbarea unei atitudini de tip dichotomic. se procedeazã la creºterea preþ ului unui produs. iar pe mãsurã ce x înainteazã pe scara valorilor xi ne apropiem de un punct de cotiturã de la care alternativa iniþialã se modificã radical.

persoane în Rata dobânzii Nr.95 0. unde ni = nr.Pi 0.7 0. Pi = ni / Ni.05 0. Situaþ acceptãrii împrumutului ia în raport cu rata dobânzii se prezintã astfel: Nr.2 1. iar lnL = z = a + bxi În aplicaþii.25 -1.2 0. Exemplu Pentru 4 eºantioane de clienþ bancari care intenþ i ionau sã solicite un credit au fost propuse contracte de creditare cu dobândã diferitã de la un eºantion la altul.386294 2. de rãspunsuri da în eºantion Ni = mãrimea eºantionului.3333 0.8 0.38629 40 .944439 1. celor care eºantion 20 30 20 25 2-6 6-10 10-14 14-18 au acceptat 19 24 14 5 Se organizeazã datele ºi se fac calculele: xi 4 8 12 16 Ni 20 30 20 25 ni 19 24 14 5 Pi 0.Se noteazã: a+bxi = zi L = Pi / (1 – Pi) atunci L = e z.3 0.8 L 19 4 lnL 2.847298 0.

Variabila instruire este reprezentatã de numãrul anilor de studii ºcolare. 41 . O altã modalitate de mãsurare a variabilelor caliative este prin atribuirea de numere formând un ºir corespunzãtor creºterii intensitãþ calitãþ unui proces exprimat prin atribute sau categorii ii ii de calitate. 330733 0 .33828 Funcþia logisticã are forma: y 1 1 e 4 . numitã variabilã reprezentant (proxyvariable). Exemple Variabila calitativã îndemânare (în profesie) este reprezentatã de vechime în acea activitate. 33828 x O altã posibilitate utilizatã în vederea exprimãrii numerice a unei variabile calitative presupune înlocuirea acesteia printr-un reprezentant numeric. intens corelatã cu variabila calitativã sau fiind un rezultat (un subprodus.Se obþin valorile: a b 4. Introducerea variabilei reprezentant comparativ cu neintroducerea ei )ºi implicit absenþ totalã a variabilei calitative a din model deºi rolul ei este important) conduce la creºterea gradului de determinare.330733 0. o implicaþ a acesteia. Variabila motivare la locul de muncã este reprezentatã de evoluþ ia câºtigurilor. dar care are avantajul ie) exprimãrii numerice.

foarte puternic..Exemple ª irul ordonat 1.. slab.2. reprezentând acord cu o afirmaþ de loc. mediu. 2. 3.5. 2 stele. corespunde categoriei de încadrare care poate fi hotel de 1 stea. . 42 . Atribuirea de note alternativelor existente într-o scalogramã: 1.4. ie: puternic.. etc.3.

fie exprimã deformat rolul factorilor. Testul t.1 Necesitatea etapei verificãrii • Datele utilizate provin dintr-un eºantion care nu întotdeauna este reprezentativ. slãbiciuni care se manifestã fie la alegerea factorilor (deseori influenþ de dificultãþ în obþ atã ile inerea de date). fie la alegerea funcþ (predilecþ pentru funcþ liniarã nu este iei ia ia întotdeauna suficient argumentatã). • Verificarea modalitãþ în care o serie de ipoteze (prezumþ ii ii. • Rolul cauzelor accidentale ca ºi cel al întâmplãtoarelor analogii în ceea ce priveºte evoluþ factorilor incluºi în model iile poate conduce la estimaþ ale parametrilor care fie contrazic ii aspecte evidente ºi anticipate din economie. testul F 4. • Verificarea în sens statistic a semnificaþ iei rezultatelor estimãrii. 43 .Capitolul 4 Verificarea semnificaþ statistice a iei rezultatelor estimãrii. • Lipsa de experienþ ºi subiectivismul celui care elaboreazã ã modelul econometric. aºteptãri) se regãsesc în semnalele pe care le transmit rezultatele aplicãrii modelului. Se recomandã: • Verificãri prin confruntarea cu realitatea economicã cunoscutã din teorie sau din practicã. Verificãri ale rezultatelor modelãrii prin compararea acestora cu realitatea economicã Semnul parametrului poate confirma sau infirma cele cunoscute din teoria ºi practica economicã.

04014 1.04014 4.2126575 -0.21266 7 35 35. atunci trebuie revãzute fie calculele.98263 12 58 59.959864 10 55 50. dimpotrivã.27016 -0.729836 6 28 30. ˆ Este de aºteptat ca valorile ajustate y sã fie asemãnãtoare cu cele empirice (y).09764 10 52 50.21266 -0. semnul parametrului corespunzãtor preþului ar trebui sã fie minus.50019 -0.Exemple: • În relaþ preþ ia -vânzãri. abaterile sunt relativ mari sau prezintã o succesiune sistematicã (fie în creºtere.15515 4.15515 -0. fie predominã acelaºi semn).959864 11 54 54.672329 6 30 30. Dacã.27016 7 35 35. În exemplul unifactorial.92512 -1.98263 -0. atât ca semn cât ºi ca mãrime. fie într-o alternanþ a ã semnului neîntâmplãtoare.27016 1.44269 5 28 25. abaterile sã fie relativ mici. ˆ Generarea de valori y pe baza modelului estimat ºi compararea lor cu datele empirice (rezultate din observarea pe teren a variabilei y).09764 -0.44269 3 14 15.50019 3 12 15. având o evoluþ (în ie succesiunea obþinerii) întâmplãtoare. determinã producþia ar trebui sã fie plus.86762 44 .44269 -1.32767 2.2126575 8 40 40. Generarea de valori implicã înlocuirea în model a ˆ simbolurilor a j cu estimaþ iile obþ inute pentru parametri ºi atribuirea de valori factorilor.15515 8 45 40. se obþin urmãtoarele rezultate: x y y ajustat u=y -yajustat 2 10 10.44269 -3.27016 6 32 30.92512 13 60 64. dependenþ vânzãrilor de numãrul a populaþiei.27016 -2.86762 -4.84485 9 45 45. fie specificarea. fie datele. • Într-o funcþ de producþ semnul ataºat factorilor care ie ie.

2.37908 -0. testul t Obiectivul verificãrii constã în aprecierea în sens statistic a mãrimii estimaþ obþ iei inute astfel încât sã se poatã afirma.57875 -0.95521 0.4 2.8 15 14.5 12 13.2 1.4 2.57875 2 1.Exemplul multifactorial: v z y y ajustat u 1.8 10 10.09983 0.8 16 14.5 0.1 16 15.8 21 20.18704 3.3 2.5 1 11 10.331667 2.66071 0.) în sensul ie.900169 2.4 17 16.339291 3 2. similar poate fi apreciatã abaterea dintre douã mãrimi de aceeaºi naturã (douã medii de selecþ un nivel estimat ºi un nivel adevãrat.2 2. factorul al cãrui rol este cuantificat este realmente determinant pentru procesul analizat.044794 3 2.241837 4. 45 .4 18 18. 4.76292 0.247082 3.6 18 18.1 18 17.38146 2 2 14 14.66833 1. cã respectiva estimaþ relevã ceva semnificativ.75292 0.23708 2 1.38146 -1.2 19 18.5 19 19.5 2.18704 -0.858 3 2.67358 0.1 Principalele noþiuni specifice Semnificaþie = importanþ relevanþ deosebire marcantã a ã. ã. etc.75816 0.326422 2. ca urmare.2 Verificarea semnificaþiei statistice a fiecãrui parametru estimat.37908 3.5 2 16 16 0 2.858 -0. în mod obiectiv.28401 -0. care nu ie se datoreazã întâmplãrii (erorii de sondaj) ºi. rezultatului estimãrii (cu privire la rolul unui factor) în raport cu ceea ce ar rezulta ca urmare a întâmplãrii.28401 1.

pozitivã sau nulã de realizare a respectivului nivel. intervalul nilateral se referã la distanþ dintre nivelul-pilot ºi una dintre limitele extreme (z1 sau a z2). pi = 1. t. care pot sã difere de la un ii eºantion la altul) în cadrul cãreia se plaseazã cu o probabilitate rezonabil de mare parametrul care formeazã obiectul estimãrii. Astfel. datoritã unei cauze relevante.nivelul variabilei aleatoare (xi ) ºi probabilitatea (pi). poate fi greºitã (ceea ce înseamnã cã ipoteza nulã este corectã). datoritã întâmplãrii.). 46 .05) concluzia prin care se afirmã cã ipoteza nulã este falsã. Întrucât apelãm la datele unui eºantion este necesar sã stabilim o limitã superioarã (prag de semnificaþ pânã la care acceptãm inerenta incertitudine. întrucât se extinde de o parte ºi de alta a unui nivel-pilot. ie) rãmânând un nivel de încredere rezonabil de mare ( 1 . ii etc. F. prestabilitã cu privire la riscul de a greºi în concluzia finalã. care neagã semnificaþ care poate fi confirmatã sau respinsã în baza ia) 2 unei repartiþ (normale. reprezentând.) ºi a unei probabilitãþ de a i greºi ( ) în ceea ce priveºte concluzia. sau este nesemnificativã. acceptãm cã în 5% din cazuri (dacã = 0. Nivel (prag) de semnificaþie = probabilitate. Interval de încredere = distanþ dintre 2 valori (notate z1 ºi ã z2. de regulã.aprecierii dacã abaterea este semnificativã. Test statistic = procedeu ale cãrui etape conduc la o concluzie cu privire la o ipotezã preformulatã (ipoteza nulã. fiecare pereche. funcþ ale valorilor observate. Repartiþ statisticã = mulþ ie imea perechilor ordonate de valori xi ºi pi. Dacã un astfel de interval îl denumim bilateral.

nivel poziþ ionat la intersecþ ia pragului de semnificaþie acceptat ºi gradele de libertate. fie acceptarea ipotezei alternative (H1) a confirmãrii supoziþiei iniþiale. 4. genereazã valori comparabile cu cele specifice unei anumite repartiþ nivelul tabelat rezultã în urma preluãrii dintr-un ii. a unei formule care.2. astfel cã i rãmân (n – k) grade de libertate (unde n = numãrul de cazuri din eºantionul de date). de tip negativist. De exemplu. dependenþ unei variabile y de evoluþ a k a ia factori (independenþ între ei) conduce la pierderea unui numãr de i posibilitãþ de a evolua liber (egal cu numãrul factorilor). Abaterea de la medie împãrþitã la abaterea medie pãtraticã ˆ ˆ a M a 47 .2 Testul t Întregul demers presupus de testul t se bazeazã pe prezumþ ia ˆ ˆ conform cãreia abaterile estimaþiei a de la media sa M a care sar obþine în cazul repetãrii estimãrii pentru mai multe eºantioane de volum identic.Grade de libertate = coordonate independente în sensul de valori liber alese pe care le poate înregistra o variabilã dacã este restricþionatã de condiþii ce pot fi prestabilite. de regulã. Astfel de presupuneri urmeazã sã fie verificate aºa încât sã rezulte fie acceptarea ipotezei nule (H0). tabel. Nivel calculat / nivel tabelat = dacã nivelul calculat rezultã în urma aplicãrii. urmeazã o repartiþie normalã. de cãtre cel interesat. Ipoteza statisticã = presupunere cu privire la repartiþ ia urmatã de o variabilã sau cu privire la parametri ºi semnificaþ ia acestora. corespunzãtor repartiþ iei.

3.3 Etapele verificãrii 1.2. Se preia din tabel t – tabelat 5. 4. repartiþ ia Student. minus numãrul de parametri din model (k). n < 30. Se determinã t – calculat.05 ºi un numãr de grade de libertate egal cu numãrul de cazuri (n). În acest caz considerãm abaterea estimaþiei în raport cu zero: ˆ a 0 ˆ Relaþ de calcul. folosind notaþ ia iile: a j pentru estimaþ ia supusã verificãrii ºi pentru abaterea medie pãtraticã a ˆ aj estimaþiei. de exemplu. De regulã nu dispunem de mai multe eºantioane ci avem date pentru un singur eºantion. Stabilirea ipotezei nule (H0): estimaþ rezultatã nu diferã ia semnificativ de zero. pentru eºantioane de volum mic (n < 30). Se comparã: • dacã t–calculat < t–tabelat se confirmã (H0) • dacã t–calculat > t–tabelat se infirmã (H0). Eºantionul fiind mic. = 0. Verificarea modelului unifactorial 48 . conform relaþiei.urmeazã. 2. se are în vedere repartiþia Student. Se cautã o asemenea transformare a estimaþ obþ iei inute încât sã devinã comparabilã cu nivelul t – tabelat pentru (n–k) grade de libertate ºi un risc (alfa) apriori ales. 4. este urmãtoarea: t calculat ˆ aj ˆ aj Rezultatul se comparã cu nivelul tabelat pentru un risc acceptat.

1046 2.8425v 2.518495 0.518495 0.228485 = 21.calculat pentru parametrul b este 4.16. fiind un factor determinant. Verificarea modelului multifactorial Dispersia astfel: 2 u se înlocuieºte cu estimatorul ei s2(u). Abaterea medie pãtraticã este datã de estimaþia ei: ˆ s aj ˆ y 1 s 2 u d jj Modelul multifactorial este: 4. ˆ Se infirmã ipoteza nulã ºi se acceptã alternativa conform cãreia b diferã semnificativ de zero.228485 2 2 ˆ a 1 n x 1.8579 x x ˆ t.9425 / 0. pentru 15 – 2 = 13 grade de libertate ºi = 0. care se obþine s u 2 u2 n k Pentru a calcula dispersiile parametrilor care apar în modelul multifactorial se înmulþ esc elementele de pe diagonala matricei -1 2 inverse X cu s (u). considerând factorii în succesiunea apariþ iei lor în model.221939 6.221939 : (15 3) 0.tabelat. t.În cazul modelului unifactorial y a bx u abaterea medie pãtraticã rezultã astfel: 2 u ˆ b x x 2 u 2 0.63.05 este 2.72 49 .39457 z u2 s2 u su 6.

În cazul ambelor estimaþii t-calculat > t-tabelat. a nesemnificaþ ºi se acceptã iei alternativa conform cãreia cei doi factori sunt determinanþ în i studiul efectuat. întrucât în calculul raportului. se poate alege o valoare mai micã pentru . 12 = 2. Observaþii • Semnul fiecãrui parametru nu influenþ eazã rezultatul comparaþ iei dintre t-calculat ºi t-tabelat.00356 0. estimaþ este în valoare absolutã.7693 0.16 d22 = 0. în ordine: d11 = 1.05 t 0. 50 .0036 de unde rezultã: ˆ s (a1 ) 0.72 0. • Riscul notat cu poate fi egal cu 0.6315 4. Numãrul gradelor de libertate este: n g l = n – k = 15 – 3 = 12 Riscul acceptat = 0.179 Se comparã t-calculat cu t-tabelat. se poate apela la repartiþ normalã redusã.39457 / 0. Se infirmã ipoteza nulã.5 2. n > 30.72 1.3198 Se preia din tabelul repartiþiei Student valoarea lui t. dacã se doreºte o precizie mai mare. deci raportul este ia pozitiv.72128 2. • În cazul eºantioanelor mari.72128 3.Elementele de pe diagonala matricei X-1 sunt.6315 ˆ s a2 ˆ tcalc a1 ˆ tcalc a2 0.05.05.7693 d33 = 1. pentru care apare variabila z care va fi ia consideratã nivelul t-tabelat (numãrul gradelor de libertate nu mai reprezintã o coordonatã).8425 / 0.

Suma pãtratelor acestor abateri datorate întâmplãrii se noteazã cu SSU ºi reprezintã suma pãtratelor diferenþ elor dintre ˆ y 51 ..3 Verificarea semnificaþiei rolului ansamblului factorilor asupra variabilei efect 4. 4.0. considerat ca o reprezentare care descrie un mecanism relaþional complet diferit de ceea ce ar putea fi atribuit întâmplãrii.3. se poate opta pentru =0. acþiunii factorilor reziduali. dacã se acceptã un risc mai mare.001. ak xk ˆ Valorile ajustate y se abat de la medie y în mãsura în care factorii se abat la rândul lor de la medie. Suma pãtratelor acestor abateri se noteazã cu SSR: SSR ˆ y y 2 Un alt gen de abateri care pot interveni s-ar datora perturbaþiei. Rezultatul verificãrii se referã la aprecierea pe ansamblu a modelului.01 sau 0. iar efectul conjugat al factorilor determinanþ rezultã înlocuind parametrii cu estimãrile obþ i inute ºi atribuind valori factorilor.1 Testul F Testul F urmãreºte verificarea semnificaþ simultane a iei tuturor estimaþiilor obþinute pentru parametri. ˆ Abaterile y y se datoreazã factorilor determinanþi incluºi în model.1. Modelul de regresie descrie rolul factorilor determinanþ prin i parametrii de regresie. Se obþin astfel valori ajustate: ˆ y ˆ a0 ˆ ˆ a1 x1 . sau.. acþ ionând mai intens sau mai puþin intens. exprimaþi prin u.

778 SSR/k-1 = 131. xk) sã fie net superior rolului factorilor perturbatori (u).2 Etapele aplicãrii testului F Se stabileºte ipoteza nulã. aspect care poate fi verificat prin raportarea celor douã sume..221939/12 = 0.01..221939 SSU/n-k = 6.3.valorile ajustate. Se determinã F-calculat: SSR = 131. ˆ SSU u2 y y Este de aºteptat ca rolul factorilor sistematici (x1.518495 F – calculat = 65. se gãseºte valoarea F – tabelat = 6. a nesemnificaþ iei: disersia de la numãrãtor nu se abate semnificativ de la dispersia de la numitor.78/2 = 65.93 Se comparã Fcalc cu Ftab: 52 .88902 SSU = 6. generate de model reprezentate de datele numerice (y): 2 ºi valorile empirice..88902/0.0775 Se cautã în tabel: pentru = 0. iar k reprezintã numãrul de parametri: Fcalc SSR / k 1 SSU / n k i ˆ yi i y /k 1 ˆ yi 2 2 yi /n k 4. Se apeleazã la repartiþ raportului dispersiilor (repartiþ ia ia Snedecor). k – 1 = 2 grade de libertate (coloanã). x2. n – k = 12 grade de libertate (linie). Raportul dispersiilor se noteazã Fcalc.518495 = 127.. ceea ce implicã transformarea sumelor în dispersii ºi acceptarea unei probabilitãþi legate de riscul de a greºi în ceea ce priveºte concluzia.

semnificativ diferite de zero.778 / 138 = 0. Se noteazã suma tuturor abaterilor SST. se infirmã ipoteza nulã.9549. adicã 95. În cazul nostru. unde SST = SSR + SSU.9473 53 . ipoteza nulã este confirmatã. în general. ceea ce confirmã modelul ca fiind valid.0775.778 + 6.3. SST = 131. iar R2 SSR SST SST SSU SST 1 SSU SST În exemplu.3 Coeficientul de determinaþie Coeficientul de determinaþ exprimã ponderea rolului ie factorilor determinanþ din model în raport cu variaþ totalã a i ia variabilei efect.Dacã Fcalc > Ftab. Pentru comparaþ se recomandã varianta ajustatã a ii coeficientului de determinaþie: ˆ R2 1 SSU / n k : SST / n 1 În exemplu: ˆ R2 0. iar modelul în ansamblu este validat.222 = 138 R2 = 131. mai mare decât Ftab = 6. Dacã Fcalc < Ftab. Fcalc = 127.93. Se poate afirma. 4. cu un risc de a greºi de 1% cã estimaþ iile sunt .49% din variaþ efectului este determinatã de cei doi ia factori.

Variabila rezidualã nu este corelatã cu variabila factorialã (x). Modelul de regresie este linar în raport cu parametrii. 4. Variabila rezidualã prezintã o dispersie (împrãºtiere) egalã pentru diferitele valori xi. u N 0. Variabila factorialã (x) este nestochasticã ºi prezintã aceleaºi valori în eventualitatea repetãrii sondajului. Modelul de regresie este corect specificat în sensul alegerii funcþ potrivite (liniare sau neliniare) ºi includerii factorilor iei determinanþ astfel încât gradul de determinare (R2) sã fie suficient i de mare. uj / xi. Variabila rezidualã nu este autocorelatã. nefiind corelaþi între ei. Factorii incluºi în model (varianta multifactorialã) sunt independenþi unii în raport cu ceilalþi. astfel încât rolul factorului sã poatã fi pus în evidenþã. xj) = 0.1 Ipoteze privind modelul ºi metoda de estimare 1. 9. Cov(ui. 2 . 54 . 3. Variabila rezidualã este de medie zero ºi urmeazã o repartiþ ie normalã. 7. M(u) = 0. 2.Capitolul 5 Verificarea confirmãrii ipotezelor privind datele. 8. astfel încât soluþiile sã prezinte stabilitate. Factorul (x) prezintã variabilitate în ceea ce priveºte nivelurile înregistrate în cadrul unui eºantion de date (dispersia sa fiind un numãr pozitiv finit). 10. adicã este homoscedasticã. Datele sunt obþ inute corect (fãrã erori sistematice de mãsurare) ºi în numãr suficient de mare (depãºind numãrul parametrilor). factorii ºi modelul 5. 5. astfel încât covarianþa dintre ui ºi xi este zero. 6.

durate inegale de activitate economicã.2. situaþii excepþionale). • Specificarea incompletã sau incorectã. • Unicitatea ecuaþiei ºi neidentificarea. se poate trece la etapa iei utilizãrii lui pentru analize. prognoze. confirmã din perspectiva semnificaþ ºi ipotezelor. neafectate de erori sistematice 5. • Heteroscedasticitatea. 55 . Imposibilitatea obþ inerii de date privind unele dintre variabilele modelului econometric sau absenþ unor înregistrãri a pentru o parte dintre cazuri sau perioade. Dacã aprecierea modelului este pozitivã.1 Consideraþii asupra necesitãþii abordãrii problemei datelor Modalitatea de obþ inere a datelor nu îndeplineºte condiþ iile unei observãri riguroase (din perspectiva modelãrii econometrice) similare celorde laborator. 5.Verificãrile cu privire la confirmarea ipotezelor pot oferi explicaþ cu privire la motivele pentru care verificarea ii semnificaþiei (testul t. raportãri statistice. • Autocorelarea (valorilor reziduale).2 Date suficiente. • Timpul ºi banii cheltuiþi. • Lipsa datelor. Obstacolele de care se loveºte cercetarea econometricã pot fi redate astfel: • Multicoliniaritatea. testul F) nu a condus la rezultatele aºteptate. Înregistrãrile numerice la care avem acces au fost realizate în diverse scopuri (evidenþ financiare contabile. anchete sociale) ºi în diverse conjuncturi (metodologii modificate în decursul timpului. simulãri. întârzieri în consemnarea realizãrilor.

ii ii definirii indicatorului ºi exprimãrii în preþ constante (pentru uri exprimãri valorice). sã modifice estimãrile.2 Verificarea ºi aprecierea datelor numerice Existenþ de date care se referã indubitabil la variabila-efect. atât din perspectiva numãrului de cazuri. dacã aceasta nu conduce la un volum prea mic (n < 15) de cazuri. pentru acurateþ ea soluþ iilor. în vederea evitãrii apariþiei unei zone neexplicate. O astfel de verificare se referã la fiecare variabilã în parte. procedãm la corecþ dacã acestea pot fi fãcute.Importanþ datelor. În cazul în care datele nu corespund acestui deziderat (nu existã sau nu pot fi procurate date suficiente pentru una dintre variabile). sã schimbe rezultatele testelor de semnificaþ ºi. respectiv xi). a cât ºi în ce priveºte calitatea mãsurãtorilor. Controlul cantitãþ în sensul aprecierii dacã numãrul da ii. Dacã numãrul de cazuri este mult mai mic decât n = 15 (nivel apreciat ca satisfãcãtor. sau la ii. excluderea cazurilor respective. sã punã sub semnul întrebãrii ie utilitatea modelului. Este posibil ca existenþ unor date eronate. 56 . Verificarea omogenitãþ sub aspectul unitãþ de mãsurã. aºa încât pe întreg intervalul sau pentru întreg eºantionul variabila sã fie exprimatã unitar. iar pentru fiecarecaz datele sunt complete (existã înregistrarea privind yi. cazuri pentru care avem date este suficient de mare. sã rezulte în urma aceluiaºi mod de calcul. Dacã pentru unele cazuri (perioade din seria cronologicã.2. fie ºi pentru a un singur caz. se recurge la variabila cea mai apropiatã ca sens ºi mod de a evolua (variabila reprezentant). la limitã) urmeazã sã mai adãugãm cazuri sau sã înlocuim datele anuale cu date trimestriale sau lunare. 5. în final. a respectiv la fiecare dintre factorii incluºi în model. unitãþ din eºantion) datele nu sunt complete sau prezintã i suspiciuni.

Neglijarea verificãrii ipotezei privind corectitudinea datelor poate conduce la urmãtoarele: • Dacã eºantionul este prea mic. aceasta afecteazã grav soluþiile modelului. datele sunt exprimate într-o formã neomogenã sau prezintã erori sistematice.3 Independenþa variabilelor factoriale din ecuaþia de regresie Dacã între variabilele factoriale ale modelului existã asemãnãri frecvente în ceea ce priveºte evoluþia în timp sau în ceea ce priveºte modificãrilede la o unitate de observare la alta (familie. pot fi expresii ale unei relaþ de cauzalitate (x determinã pe z. Termenul de multicoliniaritate acoperã atât cazul existenþ ei în model a unui numãr de 2 factori coliniari (perfect sau parþ ial coliniari) cât ºi la cazul existenþ de legãturi intense între 3 sau ei mai multe variabile factoriale din ecuaþia respectivã. Astfel de legãturi între variabilele explicative incluse în reprezentãri de forma y = a0 + a1x + a2z + a3k + u. estimãrilepentru parametri sunt instabile (un alt eºantion ar putea oferi estimaþ complet ii diferite). • Dacã. judeþ firmã). fie ºi pentru o variabilã. iar factorii pot prezenta analogii (evoluþ paralele foarte ii asemãnãtoare). • Renunþ area la unele variabile din lipsã de date va sãrãci analiza ºi ar putea mãri gradul de nedeterminare sau distorsiona estimaþiile. ceea ce poate afecta de asemenea calitatea estimaþiilor. 5. sau atât x cât ºi z ii depind intens de factorul w neinclus în model). se cosiderã cã ipoteza cu privire la independenþ . pot reprezenta combinaþii liniare de forma 57 . a variabilelor cauzale incluse în modelul de regresie este infirmatã.

58 . în valoare absolutã nivelul de 0. – reprezentarea graficã (diagrama împrãºtierii). valorile foarte mici ale determinantului conduc la valori foarte mari ale elementelor inversei.k = x + 2z. semnaleazã o suspectã ordonare a punctelor de coordonate xizi în jurul unei drepte. iar eficienþa estimatorului este afectatã. ceea ce face ca împrãºtierea valorilor estimate sã fie foarte mare. de forma: y = a0 + a1x + a2z + u: – coeficientul de corelaþ calculat pentru factori (rxz) ie întrece. sau pot fi simple analogii în evoluþ înregistratã pe ia segmentul de n valori de care dispunem. 5.1 Semnale care atrag atenþia multicoliniaritãþii: • În cazul utilizãrii unui model în care apar 2 factori. În cazul în care apar mai mulþi factori: – Coeficientul de determinaþ (R2) prezintã valori ie apropiate de 1 în condiþiile în care estimaþiile pentru parametri (una sau mai multe) nu trec testul t (nu diferã semnificativ de zero). privind exclusiv factorii. – Coeficientul de determinaþ (forma ajustatã) este ie inferior ca mãrime coeficienþ ilor de determinaþ pentru regresiile ie auxiliare. • rezultatele testului t sunt distorsionate în direcþ ia nesemnificaþiei. În plus. în sensul cã nivelul determinantului devine extrem de mic pe mãsurã ce gradul de coliniaritate între doi factori creºte (pentru coliniaritatea perfectã. determinantul este egal cu 0. ceea ce face imposibilã rezolvarea sistemului).3. Un semnal este dat ºi de determinantul matricei X.9. • imprecizia acestora creºte. Toate aceste situaþ produc aceleaºi efecte dacã asemãnãrile ii sunt foarte intense: • estimaþiile obþinute pentru parametri pot fi deformate.85 sau chiar de 0.

. • Dacã în loc de date culese în timp se pot utiliza date în optica transversalã. Adesea prin model liniar avem în vedere varianta transformatã a modelului neliniar în raport cu variabilele. aceasta acþ ioneazã în direcþ creºterii mãrimii determiantului. • Dacã nu urmãrim în mod expres interpretarea parametrilor ci ne intereseazã doar atenuarea efectelor multicoliniaritãþ atunci ii. atunci eliminarea acestui factor ar fi o soluþ Condiþ este ca eliminarea factorului sã nu afecteze ie.. x2. .2 Soluþii • Dacã se pot suplimenta datele.. aºa numita regresie ridge poate fi o soluþ Procedeul constã în ie. utilizând logaritmii sau alte procedee. atunci acestea ne aºteptãm sã fie mai puþ afectate de in corelaþii între factori. 5. mai ia ales dacã întâmplãtoarele analogii în evoluþ factorilor se ia atenueazã.3. mãrind astfel numãrul de cazuri în eºantion sau numãrul perioadelor în seriile cronologice.4 Ipoteza privind liniaritatea modelului ºi corecta sa specificare Liniaritatea relaþ de dependenþ dintre variabila efect (y) ºi iei ã factorul determinant (x). prezintã interes îndeosebi din perspectiva utilizãrii metodei celor mai mici pãtrate în vederea estimãrii. • Dacã se poate renunþ la unul dintre factorii care prezintã o a intensã corelaþie cu un alt factor. ia analiza printr-o pierdere de informaþie ºi nici gradul de determinare în mod semnificativ.5. respectiv combinaþ de modificãri ia simultane a factorilor (x1. adãugarea unui scalar elementelor de pe diagonala inversei ºi estimarea în urma unei astfel de modificãri. xk). 59 .

F) confirmã ie 60 . factorii sã nu prezinte analogii intense în evoluþ (multicoliniaritatea trebuie evitatã).1 Verificarea prezumþiei liniaritãþii Pe cale graficã. În ceea ce priveºte factorii luaþ în calcul.5. respectiv x ce revin pe unitate de factor partener z urmeazã forma liniarã: y x f . alta neliniarã). testul F. Verificarea incorectei specificãri din perspectiva factorilor atraºi în model are în vedere: Coeficientul de determinaþie. Rezultatele analizei pot confirma sau infirma liniaritatea modelului în situaþ în care existã cel puþ 2 variante ii in (una liniarã. dar ºi a testului F. în sensul cã diagrama împrãºtierii este deseori elocventã. testele de semnificaþ (t. mai ales în cazul unifactorial. În cazul multifactorial (cu deosebire cazul bifactorial) se poate analiza dacã valorile y. aceºtia trebuie sã i îndeplineascã condiþ precum: influenþ fiecãruia sã fie ii a determinantã pentru variabila efect. Semnificaþia în sensul testului t. testul t. z z În urma constatãrii nivelului aproximativ constant al raportului modificãrilor paralele de genul: y2 x2 y1 x1 y3 x3 y2 x2 y4 x4 y3 x3 Deseori elaborarea modelului în mai multe variante face posibilã analiza comparativã din perspectiva coeficienþ ilor R2. Un model econometric confirmã aºteptãrile în ceea ce priveºte funcþ liniarã adoptatã dacã gradul de determinare (R2) ia este apropiat de 1 (100%).4. sã prezinte ie variabilitate.

• Repartiþ normalã. în prealabil ordonate în raport cu mãrimea factorului ºi segmentate în douã sau mai multe grupe. 5. spre deosebire de heteroscedastic. în limba românã homoscedastic. iar pe mãsurã ce se abat tot mai mult de la zero.5. 5.modelul. caracterizeazã în econometrie o egalã împrãºtiere. care semnaleazã inegala împrãºtiere. 2 2 u u n 61 . frecvenþa lor scade. de medie zero a valorilor ui . sub forma unor abateri (diferenþe) y ~i ui y constã în manifestarea lor aleatoare. Termenul grecesc homoskedastic (egal împrãºtiat).5 Verificarea confirmãrii ipotezelor privind comportamentul variabilei reziduale Ceea ce se aºteaptã de la valorile reziduale obþ inute în final.1 Verificarea împrãºtierii valorilor variabilei reziduale (homoscedasticitatea / heteroscedasticitatea Împrãºtierea este apreciatã numeric prin dispersie întrucât M(u) = 0. dupã estimare. astfel încât autocorelarea valorilor reziduale sã nu poatã fi constatatã. iar abaterile reziduale se comportã precum valorile unei variabile aleatoare. fãrã a mai include nimic sistematic. ceea ce ar ia însemna cã valorile pozitive sau negative ale abaterilor mici sunt frecvent poziþ ionate în jurul mediei (M(u)=0). Modelul poate fi astfel apreciat ºi prin prisma modului în care reproduce datele empirice ale variabilei rezultative (y) astfel ˆ încât abaterile (erorile) yi yi sã se caracterizeze prin: • Egala împrãºtiere a valorilor ui. • Independenþ oricãrei valori ui în raport cu valoarea / valorile a precedentã.

2 Testul GQ (Goldfeld. fie descrescãtor. Formarea grupelor (în numãr de 2. Problema comportamentului valorilor reziduale se complicã întrucâtva în situaþiile în care: Existã mai mulþi factori. nivelurile xi sunt ordonate fie crescãtor. de (n – c) / 2 cazuri fiecare. De regulã. precum ºi media acestora. de la bun început. Intereseazã ºi verificarea prezumþ privind independenþa iei variabilei reziduale în raport cu evoluþ factorului (a oricãrui ia factor din model). obþ inerea de valori reziduale (ui) în fiecare dintre cele douã secþiuni. Aplicarea MCMMP fiecãrei secþ iuni separat în vederea estimãrii parametrilor. un. Eliminarea unui numãr de valori centrale de cel mult c = n / 3. Pentru a constata egala sau inegala împrãºtiere. iar. numãrãtorul fiind pentru secþiunea de împrãºtiere maximã: n c /2 u2 : (g l) j Fcalculat j 1 n c /2 u2 : (g l) j j 1 62 . 5.. Obþ inerea mãrimii Fcalculat .. în final. . respectiv din cea de a doua secþ iune. astfel încât valorile xi sã fie ordonate crescãtor. dacã seria de date include suficient de multe cazuri (etapa nu este obligatorie).. Quandt) Etapele testului: Ordonarea datelor yixi. obþ inerii de valori ajustate ~ din prima y secþ iune.5.u2. rareori 3 sau mai multe) este precedatã de o ordonare a valorilor ui în raport cu valorile în creºtere (sau descreºtere) ale factorului. este necesar sã formãm grupe egale de termeni în cadrul ºirului de valori u1. Rezultã douã secþ iuni de date ordonate în raport cu xi ºi situate spre extreme.Calculul dispersiei implicã un ansamblu de valori.

Dacã erorile (ui) diferã semnificativ ca împrãºtiere pe segmente de valori ordonate în raport cu mãrimea factorului. 2 u i . estimaþ iile rezultate prin MCMMP pierd din precizie (heteroscedasticitatea afecteazã eficienþa estimatorului). Remedii în vederea diminuãrii sau eliminãrii heteroscedasticitãþii În situaþ în are numãrul de cazuri este suficient de mare iile (n>30) se poate proceda la elaborarea de modele distincte pentru fiecare dintre segmentele de valori supuse testului.5. Transformarea valorilor yixi prin raportarea lor fie la xi. se acceptã alternativa: eroarea (ui) este heteroscedasticã. Verificarea existenþ sau inexistenþ autocorelãrii erorilor ei ei (abaterilor sau valorilor reziduale) se poate obþ prin testul DW ine (Durbin-Watson). 2 2 unde k = numãrul de parametri. n c n c k. Dacã Fcalc > Ftab. iar prognozele sunt imprecise. prezumþ homoscedasticitãþ erorii (ui) este ia ii confirmatã. fie la 5. prezumþ homoscedasticitãþ erorii (ui) este ia ii infirmatã. k. Restricþiile aplicãrii testului 63 . Dacã Fcalc < Ftab.unde g l = numãr grade de libertate g l n c k 2 Compararea valorii calculate (Fcalculat) cu valoarea tabelatã de coordonate .3 Prezumþia neautocorelãrii valorilor reziduale Reprezentarea graficã poate sã semnaleze situaþ de posibilã ii dependenþã sau de independenþã a abaterilor.

• Obþinerea nivelului calculat: n ui ui DW i 2 n 2 1 ui2 i 1 • Aprecierea nivelului calculat în raport cu apropierea sa de valoarea 2: Apropiat de 2 – cazul neautocorelãrii. Existenþa de valori tabelate. Existenþa parametrului liber a0. Relaþia liniarã dintre ui ºi nivelul imediat anterior ui-1. Etapele testului DW • Stabilirea ipotezei nule (H0): valorile reziduale nu sunt autocorelate. • Autocorelarea reziduurilor afecteazã eficienþ estimatorului a MCMMP. Apropiat de 0 sau de 4 – cazul autocorelãrii. Metode de eliminare/atenuare a autocorelaþiei • Înlocuirea valorilor yixi cu diferenþ de ordinul 1 calculate ele pentru fiecare variabilã în parte: yi xi • yi xi yi xi yi xi 1 1 yi xi Utilizarea de valori transformate.• • • • n > 15. rezultate astfel: yi* xi* ryi rxi 1 1 unde r este coeficientul de autocorelaþie a erorii: 64 .

accidentali. compensându-se reciproc. apropiate de zero. 5. Abaterile valorilor empirice de la valorile generate de model ar trebui sã fie unele pozitive.5. Predominanþ valorilor mici. ºi raritatea a abaterilor mari ar trebui sã apropie repartiþia abaterilor de repartiþia unei variabile normal distribuite. astfel încât media sã fie zero.n ui ui rui ui 1 i 2 n 1 ui2 i 1 • Adãugarea de cazuri suplimentare sau respecificarea modelului în sensul acceptãrii unei alte funcþ sau introducerii de ii noi factori dacã existã motive suplimentare de a recurge la astfel de variante ale modelului. neincluºi în mod explicit în modelul econometric. altele negative.4 Variabila rezidualã urmeazã o repartiþie normalã de medie zero Caracteristica variabilei reziduale de a evolua întâmplãtor se datoreazã acþ iunii factorilor minori. 65 .

În cazul în care corespondentul JB în tabelul distribuþ iei (cel mai apropiat nivel pe rândul 2) se situeazã pe coloana 0. 66 .3 sau. Soluþ cea mai indicatã în astfel de situaþ este ia ii suplimentarea numãrului de cazuri. Aceste teste se bazeazã pe prezumþ normalitãþ repartiþ erorii în condiþ ia ii iei iile unui eºantion suficient de mare. În situaþ în care nu se confirmã prezumþ conform cãreia ia ia abaterile ui urmeazã o repartiþ normalã.2 (ceea ce implicã o probabilitate 0. respectiv 0. de medie egalã cu zero.Verificarea • Se însumeazã erorile ºi se calculeazã media pentru a constata dacã media este zero sau foarte apropiatã de zero. Notaþii: • S = coeficientul de asimetrie media modul M u M0 S abaterea medie patratica u • k = coeficientul de boltire k • Se calculeazã: 1 n u u 2 2 u 4 JB S2 n 6 k 3 24 2 Nivelul obþ inut pe baza acestei relaþ urmeazã asimptotic (pe ii mãsurã ce mãrimea eºantionului creºte) distribuþ ia 2 cu douã grade de libertate.8) se afirmã cã abaterile ui urmeazã o repartiþ ie normalã. • Se aplicã testul JB (Jarque ºi Bera). mai bine de 0. ie rezultatele testului t ºi ale testului F sunt discutabile.7.

ar reduce numãrul de abateri mari. apropiindu-se de confirmarea prezumþiei. fie erori de calcul sau de observare care. prin eliminare. 67 .O verificare a datelor utilizate ar putea evidenþ fie valori ia atipice.

în condiþ iile în care ceilalþ factori i incluºi în model sunt consideraþ constanþ reprezintã o informaþ i i.. Ponderea în care factorii determinanþ introduºi în model i explicã modificãrile variabilei-efect (exprimatã de indicatorul R2) constituie o informaþie utilã în analizã. 2. Din perspectiva statisticianului. ˆ Faptul cã o estimaþ ie a j (j = 1. privind fiecare parametru (testul t). de un interes aparte se bucurã rezultatele etapei de verificare.) semnaleazã în ce direcþ ºi în ce mãsurã se modificã variabila-efect (y) la o creºtere ie cu o unitate a factorului xj. dar ºi în ceea ce priveºte nivelul unor indicatori obþ i în urma inuþ parcurgerii etapei verificãrii sunt utili îndeosebi analizei economice. .. Testul F ºi mãsura în care Fcalc depãºeºte nivelul tabelat dã informaþ referitoare la puterea de ii influenþã a factorilor. precum ºi prognozei. ie deosebit de utilã pentru economistul preocupat de analiza cauzelor care determinã un proces.Capitolul 6 Aplicarea modelului de regresie în analiza ºi prognoza economicã 6.1 Coordonatele analizei economice ºi analizei statistice Rezultatele obþ inute cu privire la parametrii modelului. analizei statistice. 68 . O analizã performantã bazatã pe rezultatele regresiei multifactoriale presupune confirmarea unor aºteptãri privind: • Semnificaþ atât pe ansamblu (în sensul testului F) cât ºi ia individual. Analiza economicã beneficiazã îndeosebi de rezultatele estimãrii parametrilor de regresie.

• Mãrimea coeficientului de determinaþie (R2>0,8); • Gradul de corelare existent între factori sã fie mic, astfel încât corelaþ în valoare absolutã sã nu depãºeascã 0,85, iar variabilele ia, factoriale sã nu fie dependente. Analiza comparativã privind factorii sau variantele de model se bazeazã pe indicatorii: • Coeficienþ beta care permit clasificarea factorilor în raport ii cu importanþa acþiunii lor asupra variabilei-efect; • Coeficientul de determinaþ în varianta ajustatã, care poate ie constitui un reper în situaþ în care existã mai multe variante de ii model pentru a explica aceeaºi variabilã-efect. Se alege varianta ˆ cu R 2 maxim; • Coeficientul menþ ionat prin simbolul AIC (criteriul Akayke) care oferã posibilitatea de a aprecia fiecare variantã de model prin prisma preciziei (apropierii valorilor ajustate de cele reale). Se opteazã pentru varianta pentru care AIC este minim. Se noteazã cu k numãrul de factori.

ui2 AIC ln
i

n

2k n

6.2 Prognoza economicã bazatã pe modelul de regresie
Prognoza având la bazã rezultatele regresiei statistice are în vedere prezumþ menþ ia inerii ºi în viitor a influenþ fiecãrui factor ei aºa cum este exprimatã în estimaþ iile parametrilor de regresie pentru perioada la care se referã datele. Se considerã cã valorile anticipate privind nivelul viitor al fiecãrui factor determinant (x’ ) nu provin dintr-un proces net diferit de datele folosite la estimare, iar anticiparea lui este corectã. Prognoza rezultã în urma introducerii în modelul specificat a estimaþ iilor pentru parametri, iar pentru factori se iau în calcul
69

valorile anticipate (planificate, preconizate, rezultate din alte calcule de prognozã):

ˆ ˆ ˆ ˆ y ' a0 a1 x1 ' a2 x2 ' ... ak xk '
La fel cum valorile ajustate nu coincideau cu valorile reale (empirice) y, existând abateri notate (u), se poate presupune cã nici prognozele nu vor coincide cu valorile înregistrate de y în viitor. Eroarea de prognozã se noteazã cu e ºi este direct proporþ ionalã cu distanþ la care se va situa nivelul anticipat (x’) al a factorilor în raport cu nivelul lor mediu din perioada trecutã ºi invers proporþionalã cu numãrul de cazuri din etapa estimãrii.

6.3 Modele econometrice utilizate în domeniul cererii de bunuri ºi servicii
Prezumþ care stau la baza abordãrii econometrice a ii cererii • Orice formã statisticã sau economicã corectã de exprimare a legãturii dintre cererea de consum a populaþ ºi factorii care o iei determinã poate fi redusã la o funcþie: C = f(x1, x2, ..., xk) + u • Factorii care determinã consumul pot lua orice valoare realã pozitivã; • Consumatorul (cumpãrãtorul) procedeazã, în general, într-un mod raþ ional, cãutând sã-ºi maximizeze beneficiul subiectiv, presupus de achiziþionarea produsului, investind cât mai puþin; • Se poate afirma, îndeosebi pentru cazul cererii globale a populaþ cã funcþ de consum este omogenã de gradul n, este iei, ia derivabilã, cu derivata I pozitivã, iar derivata a II-a negativã, (admiþând un maxim). Factorii care determinã consumul sunt de o mare varietate. În cele mai multe cazuri se considerã cererea (consumul) ca fiind funcþ de venit, precum ºi funcþ de preþ Alãturi de aceste cauze ie ie .

70

trebuie avute în vedere ºi alte variabile factoriale, cum ar fi: tradiþ reclama, înzestrarea, moda, sezonul etc., a cãror influenþ ia, ã poate sã difere în raport cu produsul/serviciul, categoria de consumatori, starea generalã a economiei. Produse de strictã necesitate (alimente obiºnuite, îmbrãcãminte) C = cerere; PO = populaþie

Ct

a0

a1 PO a2Ct
a2 Pinlocuitor
a3Ct

1

ut

Produse de uz curent

Ct
Ct Ct

a0
a0

a1 Pt

a3Vt
1

ut

unde V = venit; P = preþ

a1 PO a2V a0 a1 log CT

Vt a1 log Vt

a0 , funcþia lui Konius a2 log MF ,

log Ct

funcþia Hauthakker, unde: CT = cheltuieli totale; MF = oferta de mãrfuri.

Ct
Ct Ct

a0 a1 POt
a0 a1 a0 Vt Vt

a2 R a3CRt
Vt 1 ... Vt 1 a2TM t ut a2

ut
C V ut
t 1

unde R =reclama; CR = concurenþa.

a1 POt

unde TM = temperatura. Produse de uz îndelungat

Ct

a0

a1Vt

a2 Pt

a3 Z t

ut

unde Z = înzestrarea
71

datã fiind complexitatea domeniului cererii de mãrfuri. preþ numãrul populaþ . ºomajului. cât ºi prezenþ repetatã a unor a factori (venit. Un factor deosebit de activ în acest domeniu este factorul psihologic. Cererea la nivel macroeconomic (nivel global) Ct Vt 1 a0 a1 Vt Vt 1 a2 Ct 1 Vt 2 ut unde V = venitul Ct a0 a1 V a2 POt PO a3TX t ut unde TX = taxe ºi impozite Forma liniarã a funcþ iilor. I(p)t/0 = indice de preþ uri.Ct a0 a1Vt a2OFt a3 POt ut unde OF = oferta Pentru autoturisme: Ct a0 a1Vnt a2 I t /p0 a3 RSt ut RS = rata unde Vn = venit net. 72 . OF = oferta. O anumitã diversitate a reprezentãrilor este necesarã. iei. Produse de lux Ct a0 a1Vt a2OFt a3 A ut unde A = anotimpul (sezonul). cererea din perioada anterioarã) aratã cã existã invarianþi în acest domeniu.

6.4 Producþia, factorii determinanþi ºi funcþiile de producþie
Primele studii cantitativiste ale evoluþ producþ în raport iei iei cu factorii determinanþ au început cu analize ale creºterii i producþ iei agricole în raport cu creºterea volumului de îngrãºãminte ºi a cantitãþii de precipitaþii. Tot în agriculturã a fost elaborat studiul teoretic al autorilor Knut ºi Wicksel privind evoluþ producþ funcþ de numãrul de ia iei ie muncitori, suprafaþa cultivatã, capitalul utilizat. Cobb ºi Douglas (1928) au exprimat printr-o formulã dependenþ statisticã dintre venitul naþ a ional (variabila efect) ºi factorii muncã ºi capital. Era luat în calcul venitul naþ ional al SUA (y) în funcþ de ie cuantumul salariilor (exprimând valoric munca – M) ºi valoarea fondurilor fixe disponibile (exprimând capitalul – K) înregistrate în economia SUA pentru o perioadã de n ani.

y

AM K e u

Prin logaritmare se obþine:

ln A ln M ln K u a unde: a ln A, X 1 ln M , X 2 ln K

ln y

X1

X2 u

Modelul fiind liniar în raport cu parametrii, este posibilã estimarea acestora prin MCMMP. Parametrii ºi reprezintã elasticitãþ parþ ile iale ºi exprimã cu cât la sutã se modificã producþ (y) la o modificare cu 1% a ia unuia dintre factori, în condiþ iile în care celãlalt factor este considerat constant. Chenery H.B., Arow R.J. Minchas B.S. ª i Solow R.M. Generalizeazã funcþ de producþ Cobb Douglas ºi elaboreazã în ia ie 1961 funcþ CES, în care elasticitatea substituirii factorilor este ia consideratã constantã:
1

y

A M

K

unde

1,

1.
73

6.4.1 Ipoteze ºi caracteristici în elaborarea ºi utilizarea funcþiilor de producþie în studiile economice
• Factorii care determinã producþ sunt nenegativi ºi, în mare ia parte, substituibili; • Procesul de producþ se desfãºoarã pe baza unei tehnologii ie care reduce la maxim consumul de factori ºi resurse; • Funcþ de producþ presupune un randament global ia ie nedescrescãtor; f M K f M f K este omogenã de gradul I, ceea ce • implicã o creºtere a producþ în aceeaºi mãsurã cu creºterea iei factorilor: f mM , mK mf M , K ; • Funcþ este derivabilã, având derivata I pozitivã, ceea ce ia face posibilã obþ inerea cuantumului producþ suplimentare la o iei creºtere cu o unitate a unuia dintre factori; • Derivata a doua este negativã, funcþ fiind concavã, adicã ia este conformã legii randamentului descrescãtor, în sensul cã, depãºind un punct de maxim, producþia înregistreazã creºteri din ce în ce mai mici la o creºtere constantã a factorilor. Menþ inerea creºterii economice, în condiþ unor resurse limitate, presupune iile creºterea continuã a eforturilor de cercetare ºtiinþ ificã, tehnologizare, organizare, calificare.

6.4.2 Indicatori utili analizei economice bazate pe funcþii de producþie
Norma de substituire Norma de substituire sau rata marginalã de substituire a resurselor este utilã în vederea cunoaºterii raportului în care un factor poate fi înlocuit de un altul fãrã ca producþ sã se ia diminueze. Se calculeazã derivatele parþiale:
' f M M , K dM ' f K M , K dK

dy
74

În ipoteza menþ inerii producþ la acelaºi nivel, adicã dy = 0, iei rezultã: y ' dK fM K M S ' y dM fK M K Rezultatul aratã câte unitãþ de factor K (milioane lei fonduri i fixe) pot înlocui o unitate de factor M. Exemplu Fie funcþia de producþie:

y
atunci:

2 0,5M
dK dM

0,2 K
0,5 0,2 2,5

S

unitãþi de capital sunt necesare pentru a substitui un salariat. Elasticitatea Elasticitatea exprimã proporþ în care se modificã producþ ia ia în cazul în care factorul creºte cu 1%.

Ey / x j E

y xj : y xj

y y : ; dar pentru x j xj xj

0

dy y : dx j x j

Elasticitatea este datã de raportul dintre randamentul marginal al factorului xj ºi randamentul mediu. Pentru funcþia Cobb-Douglas coeficienþii de elasticitate sunt:

75

694 0 76 ..2527 x 0. Pentru a determina punctul extremal se egaleazã cu 0 derivata parþialã a funcþiei în raport cu xj : RE x j f x1 .539 0.002827 x 2 Pentru obþ inerea randamentului marginal se egaleazã cu 0 derivata funcþiei: y x x 0. x2 . xk xj Exemplu Funcþ care descrie dependenþ recoltei medii de porumb în ia a raport cu cantitatea de îngrãºãminte chimice este: y 3.2527 2 0..2527 2 0.002827 x 0..Ey / M Ey / K AM 1 K 1 AM K M y K y În cazul funcþiei CES se obþine: Ey / M M K Ey/ K K M Randamentul marginal Randamentul marginal reprezintã indicatorul care oferã posibilitatea de a cunoaºte pânã la ce nivel este recomandabil sã se mãreascã factorul xj astfel încât rezultatul (producþia) sã fie maxim. Pentru o dependenþ multifactorialã se considerã cã toþ ã i ceilalþi factori se menþin constanþi ca nivel.002827 44..

m. În cazul în care astfel de factori erau introduºi explicit în funcþ de ia producþie. indici cu bazã fixã.1. nivelul lor ar fi fost considerat constant.. se recomandã utilizarea unor serii suficient de lungi privind perioade de stabilitate economicã. O situaþ specialã o reprezintã cazul când factorii sunt legaþ ie i printr-o relaþ restrictivã.3. adicã 4F + 12G = 100. 77 . nu vor prezenta iile i i modificãri care sã perturbe semnificativ rezultatul (recolta). capacitãþile de producþie. Aplicaþ iile concrete ale funcþ iilor de producþ în studiul ie evoluþ variabilelor macroeconomice.9. ca ºi în analiza activitãþ iei ii întreprinderilor. G ºi multiplicatorul m ºi se obþ ine un sistem de 3 ecuaþ cu 3 ii necunoscute. G = 5. Exemplu Se considerã performanþ calitativã ca funcþ de îmbinarea a a ie douã resurse F ºi G astfel: y = 2 logF + 4 logG În cazul în care preþurile resurselor sunt: pF = 4 ºi pG = 12. etc.Rezultatul obþ inut reprezintã nivelul optim al cantitãþ de ii îngrãºãminte chimice care conduce la o producþ maximã în ie condiþ în care ceilalþ factori. Soluþia este F = 8. au scos în evidenþ unele aspecte concrete care ã prezintã un interes deosebit: • În ceea ce priveºte datele despre rezultate ºi factori. iar bugetul nu poate depãºi 100 u. neluaþ în calcul. se formeazã funcþia auxiliarã: y(m) = 2 logF + 4 logG + m(4F + 12G – 100) Se egaleazã cu 0 derivatele parþiale obþinute în raport cu F. În astfel de cazuri se apeleazã la metoda multiplicatorilor lui Lagrange. urmare a limitãrii disponibilitãþ ie ii.5 ºi m = . • În mod frecvent sunt utilizate valori procentuale.

Realizarea de bunuri ºi servicii. rolul ºi cauzele inflaþ ie iei. • Funcþ iile neliniare fac necesarã parcurgerea etapei de liniarizare. etc.• Când se urmãreºte evitarea multicoliniaritãþ se apeleazã la ii transformãri de genul: yt' yt 1 yt yt . in genereazã o serie de relaþ de influenþ care pot fi analizate ºi ii ã prognozate cu ajutorul reprezentãrilor econometrice. a injecþ de bani în economie. Îndeosebi calculele de eficienþ în agriculturã au beneficiat de pe urma ã acestor reprezentãri. stabilirea vitezei de circulaþ a banilor. stabilirea rolului cheltuielilor bugetare. Aceasta ºi pentru cã datele au fost accesibile. cursul de schimb. Este necesarã determinarea cantitãþ de bani în circulaþ ii ie.bancare ºi reprezentarea lor prin ecuaþii Existenþ ºi rolul banilor în economie. Banii iei înºiºi sunt generatori de relaþ precum cele legate de costul ii împrumutului. dupã care se poate aplica MCMMP pentru estimarea parametrilor. dar ºi de politicile economice. etc. investirea capitalului. • În ceea ce priveºte domeniile din economie în care rezultatele obþ inute prin utilizarea funcþ iilor de producþ au fost remarcabile. xt' xt 1 xt xt . iar rezultatele mai uºor de interpretat. ie se menþ ioneazã cã îndeosebi la nivel de ramurã soluþ obþ iile inute au fost deosebit de utile. 6. influenþ area fluxurilor de venituri spre buget. 78 .5 Relaþii financiar . precum ºi problemele a care þ de echilibrul bugetar. ca ºi tranzacþ care au loc iile au un corespondent în forma bãneascã.

8 Rata dobânzii + + 0. Modelul Brunner-Meltzer: M1 = a + b Creºterea rezervelor bãncilor comerciale la banca centralã + c Numerar în circulaþie + d Depozite la termen + + e Rezerve speciale + u 6.1 Masa monetarã ºi factorii care determinã cererea de bani În ceea ce priveºte oferta ºi cererea de bani. 6.2 Rata dobânzii ºi investiþiile Rata dobânzii ºi rolul ei asupra investiþiilor apare în reprezentãri de forma (Wharton. modelul italian): 79 .9 + 3438 PIB + 0. precum ºi din perioada precedentã) Cererea de bani a populaþiei (Maddala): CBP = 3. rata dobânzii din perioada curentã.8 Inflaþia + u Variantã neliniarã (Chiarini): CBP/Indicele de preþuri = a(Venit / Rata dobânzii ) Oferta de bani reprezentatã în mod frecvent de masa de bani în sens restrâns (M1) este redatã în corespondenþ cu creºterea ã economicã ºi rata dobânzii. ia reprezintã factorii care trebuie incluºi în model. Mayes considerã cã volumul tranzacþ iilor. politica cursului de schimb) se bazeazã pe cunoaºterea ºi controlul unor astfel de dependenþe.5. iar politicile economice (politica monetarã. politica fiscalã.5. Cererea de bani = f(modificarea veniturilor.Teoria economicã se referã explicit la o serie de relaþ de ii cauzalitate între astfel de variabile. precauþ scopurile speculative. inflaþ ia.

titlurilor de valoaret(t1). Louis: Rata dob. ia ceea ce face ca variabila impozit sã fie regãsitã în postura de factor. în general. fie în mod explicit. profit) ºi de intensitatea activitãþ ilor specifice economiei reale (producþ export. De exemplu (Chiarini): Solicitãri bãneºti pentru investiþ = a + b (Profit – Impozite) + ii +cTrend + d Impozite indirecte + u Transferurile bugetare sunt dependente de rata ºomajului. De exemplu (Maddala): 80 . Modelul Klein: Investiþ = a + b PNB + c Rata dobânzii nominale + d Stocul de ii capital +u 6.Rata dob. ie. import). Klein utilizeazã relaþiile: Impozit populaþ = a + b(Venituri populaþ din sector privat + ie ie +Venituri populaþie din sector public) + u Impozit pe profit = a + b Vânzãri + c Export + d Import + +eAmortizãri + u Fiscalitatea determinã evoluþ unor variabile economice.Rata dob.(t)= f(Rata scontului(t)/Rata dob. fie ca element de formare a venitului disponibil sau. inflaþie. Producþia(t-1)) Rata dobânzii reprezintã de asemenea un factor care apare în funcþiile ce privesc investiþiile. din perioada ant. salariul minimal. Rata dob. a realizãrilor nete exprimate valoric..(t-1)) Modelul FRB St.5.3 Impozitele ºi transferurile Impozitele ºi transferurile sunt influenþ ate în mod determinant de venituri (salarii. pe termen lung = f(Masa monetarã.

8 Consum în perioada anterioarã + uri +1. în sensul cã se referã la consum. uri. puterea sindicatelor în negocierea salariilor. dar ºi funcþ de factorii comuni precum: salariul ie mediu. oferta. 81 . cota de piaþ a ã produsului). PNB per capita) 6. impozitele indirecte.5. Exemple de funcþii de preþuri: Preþ = a + b Salarii + c Indicele preþurilor de import + d Impozite +u Modelul FRB St. Indicele de preþ i ie. preþul importului.Transfer plãþ = f(Populaþ Rata ºomajului. investiþ export. alãturi de ecuaþ care formeazã secþ iile iunea economiei reale.05 + 0. Louis: Indice de preþ = 2. evoluþ preþ ia urilor la import.4 Preþurile ºi costurile Factorii determinanþ pentru evoluþ preþ i ia urilor sunt: salariile. În marile modele. producþ ie. iile iunea preþuri-salarii ºi cele care se referã la relaþ de naturã financiariile bancarã din economie.01 Inflaþie anticipatã + u Costurile sunt considerate ca funcþ de condiþ specifice ie iile de activitate (grad de epuizare a zãcãmântului. se întâlnesc ºi ecuaþ care se referã la secþ ii.

intervalul dintre evoluþ a ia unor variabile-semnal (variabile precursoare) ºi modificarea variabilei-efect. n.1 Problema tendinþei generale Problema evoluþ proceselor economice în timp intereseazã iei datoritã urmãtoarelor: • Mãsurarea rolului unor factori calitativi care îºi desfãºoarã acþ iunea în decursul timpului (progresul tehnic.Capitolul 7 Evoluþ proceselor economice în decursul ia timpului 7.. 82 .2 Noþiuni specifice analizei seriilor cronologice Seria cronologicã (de timp. 7. De aici interesul pentru cunoaºterea distanþ în timp la ei care se manifestã influenþ factorilor. acumulãrile de bunuri. întârzierea la care apar implicaþ iile economice generate de mãsurile guvernamentale. • Acþ iunea unor cauze care nu afecteazã instantaneu variabilaefect. Nivelurile se noteazã cu yt. ci dupã un interval de timp (lag) mai mult sau mai puþ in îndelungat.2. . procesele de învãþ are) poate fi abordatã luând în calcul variabila timp privitã ca un ºir de numere în progresie aritmeticã. • Evidenþ ierea invarianþ ilor (tendinþ evolutivã. oscilaþ a iile sistematice) în sensul mãsurãrii intensitãþ acestora ºi modelãrii ii rolului lor în evoluþia viitoare a procesului economic. dinamicã) reprezintã o secvenþã de niveluri ordonate în raport cu succesiunea perioadelor (momentelor de timp).. t = 1..

indice de sezonalitate. iar axa verticalã este destinatã mãsurãrii procesului economic reprezentat. Analiza recurge la metode specifice: medii mobile. unui nivel mediu. de creºtere. fie în jurul tendinþ fie în jurul ei. TSA – time series analysis) este o metodã generalã de caracterizare a seriei cronologice din perspectiva componentelor sistematice sau aleatoare în vederea mãsurãrii intensitãþ ºi continuitãþ lor. reprezentat ca o succesiune de perioade/momente ordonate. urmare a unor factori care revin periodic la intervale mai mici de 1 an. axa orizontalã fiind pentru evoluþ timpului ia (variabila independentã). Tendinþ generalã (trend) este evoluþ în timp a a ia fenomenului analizat exprimatã într-o formã stilizatã care reþ ine aspectul general. Cronograma este reprezentarea graficã destinatã descrierii evoluþiei unui fenomen în decursul timpului. Lag este o întârziere exprimatã în unitãþ de timp.Analiza seriilor cronologice (engl. sub forma unui tabel cu date ºi cea graficã (cronograma). 83 . astfel ii ii încât procesul analizat din perspectiva temporalã sã devinã predictibil. respectiv de descreºtere. 7. modele stochastice. neafectat de abaterile temporare. între i modificarea variabilei cauzale ºi manifestarea efectului. Sezonalitatea este evoluþ manifestatã prin oscilaþ ia ii repetabile ca sens ºi amploare.3 Modelul liniar unifactorial ºi calculul tendinþei generale Reprezentarea evoluþ în decursul timpului a unei variabile iei economice este seria cronologicã. Se utilizeazã unsistem de axe rectangulare.

Acestea sunt cele douã tendinþ e de bazã. în general. yt este variabila economicã a cãrei evoluþie se studiazã. 84 . I yt t 14 12 10 8 6 4 2 0 I II III 2008 2009 II 2010 III IV I II III IV I 3 7 4 4 II III IV I 5 8 8 1 2 7 10 10 12 13 2 3 4 5 6 -6 -5 -4 -3 -2 -1 0 IV I II III IV I II III IV I Atât datele din tabel cât ºi reprezentarea lor graficã evidenþ iazã faptul cã.Anul 2007 trim. prezentând o succesiune i ordonatã pe scara timpului. ºi exprimatã în unitãþ de timp. notatã cu t. Variabila dependentã. Variabila independentã este timpul. În alte situaþ fenomenul descreºte ii în intensitate în decursul timpului. pe mãsurã ce trece timpul. de perioadã egalã. amploarea fenomenului. creºte.

dar ºi de ºirul t = . influenþ ele perturbatoare asupra tendinþ se ei noteazã cu ut. ceea ce implicã u2 = minim.. n. -0. Exemplu • Se exemplificã determinarea ºi extrapolarea tendinþ ei generale pe baza datelor anterioare. -1.. . yt.Abaterile. -2... • calculul produselor y t.5. 85 . . se pot obþine pe baza modelului. (n impar) sau t = .. t2. b din modelul yt = a + bt + ut.. 1. 3. 2.5. • existenþa unui numãr impar de trimestre. Acestea pot fi considerate drept predicþ pentru procesul ii analizat (y) dacã se acceptã continuitatea condiþ iilor care au imprimat tendinþa procesului.. Modelul devine: yt = a + bt + ut Timpul creºte cu un spor constant egal cu 1 (o lunã. t2 ºi obþinerea sumelor y. 1.5.5. -1. În situaþ în care t = 0. 2. un trimestru. 2. -3. (n par) astfel încât t = 0. niveluri extrapolate ale tendinþei. în urma estimãrii. 0....5. 0. . astfel încât exprimarea sa numericã poate fi reprezentatã de ºirul numerelor naturale t = 1.-2. În vederea estimãrii parametrilor a.. un an)..5.. se aplicã metoda celor mai mici pãtrate. sistemul de ecuaþ ia ii normale se simplificã ºi se obþine estimarea parametrilor: ˆ a y n ˆ b y t t2 Dacã se atribuie timpului valori în afara celor n unitãþ sau i perioade pentru care avem date. • Se au în vedere urmãtoarele: • aspectul general de tip liniar al evoluþ iei descrise de cronogramã.

824 iar tendinþa: ~ y 7. • Panta exprimatã de b = 0. I yt t t2 2 3 7 4 2008 2009 2010 Sume 93 0 182 150 II III IV I II III IV I II III IV I 4 5 8 8 7 10 10 12 13 4 1 0 1 4 9 16 25 36 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 36 25 16 9 -12 -15 -28 -12 -8 -5 0 8 14 30 40 60 78 yt Se obþin estimaþiile: ˆ a 7.1538 ˆ b 0.824. iar schimbãri majore ale condiþ iilor din trecut nu intervin.824 t 12.9212 trim.5698 trim.824 indicã o creºtere (fiind pozitivã) medie trimestrialã de 0. ciclicitate) a este exclusã. 86 . II 2010 13.1538 pe trimestru.1538 0. IV 2010 Valori extrapolate privind tendinþa: ~ yt ~ y ~ yt 7 t 8 9 Observaþii • Nivelul mediu exprimat de ordonata la origine este de 7. • Extrapolãrile pot fi considerate valori aºteptate în viitor dacã prezenþ altor componente sistematice (sezonalitate. III 2010 14.7458 trim.Anul 2007 trim.

O astfel de serie este uºor ie de prevãzut.S. analiza spectralã) sau în vederea analizei propagãrii abaterilor de la tendinþã (modele stochastice de prognozã). indiferent de momentul de la care începe seria.S. (tred stationary process) pentru care trendul se recomandã sã fie eliminat prin scãdere Yt yt ~t sau împãrþire Yt y yt / ~t y ceea ce ar conduce la seria staþionarã yt . yt 87 .4 Clasificare a seriilor cronologice în raport cu existenþa sau inexistenþa tendinþei generale • Seria staþ ionarã – caracterizatã prin oscilaþ mai mult sau ii.7. dispuse în succesiune. valorile extrapolate satisfac din perspectiva preciziei. În modelare se urmãreºte izolarea tendinþ generale în ei vederea analizei fluctuaþ iilor sistematice (sezonalitatea. ceea ce face ca media valorilor yt sã difere. (difference stationary process) pentru care trendul se eliminã prin calculul diferenþ elor de ordin 1: Yt yt yt 1 sau 2. atât ca direcþ câtºi ca pantã. O serie staþ ã.P. de referinþ media. poate prezenta unele modificãri. ca mãrime ºi direcþ în jurul unui nivel in ie. ionarã este rezultatul unui proces stochastic staþ ionar pentru care media ºi dispersia sunt constante. Tendinþ specificã seriei a nestaþionare poate fi: • de tip determinist – fiind invariabilã pe un interval mare de timp.în sensul cã pe segmente de timp. se deosebesc: • Seria nestaþ ionarã de tip T. În raport cu modalitatea recomandatã în vederea eliminãrii tendinþei. • Seria nestaþ ionarã de tip D.P. îndeosebi în ce priveºte panta. mai puþ întâmplãtoare. • Seria nestaþionarã – care prezintã tendinþã de creºtere sau de scãdere. • de tip stochastic. funcþ de ie momentul de început al seriei.

2. 3.. y1 Y1 Y2 y3 . 30. serii cointegrate privind procese economice evolutive Seria integratã este o serie care poate fi redatã prin pãrþ i componente care pot recompune seria originalã prin însumare. 3 întrucât este staþ ionarã este consideratã integratã de ordinul zero (I(0)) . Cazul 2 yt : 20. t 1. • serie integratã de ordinul doi (I(2)) – presupune ca ºirul valorilor yt sã ajungã la starea de a fi staþ ionar dupã transformãri care implicã determinarea diferenþelor de ordinul doi. Este consideratã serie integratã de ordinul I (I(1)).. Exemple Cazul 1 yt : 2. Seria yt care urmeazã un trend liniar. 22. seria este integratã e de ordinul 1 (I(1)): yt : 22-20=2. 2. 2 Cazul 3 88 .. 2. 23.. 3.5. 27. 0. 27. 2.. 25. y1 t 1 Yt yn Este posibil sã se constate ºi alte ordine de integrare decât 1: • serie integratã ordinul zero (I(0)) – seria staþionarã. 3. Yt yt yt 1 yt . prin calculul diferenþ elor de ordinul 1 devine staþ ionarã. 2..7.5 Dependeþe în economie manifestate în mod sincron sau cu decalaje în timp 7. 32 întrucât prezintã tendinþ care ã poate fi eliminatã prin diferenþ de ordinul 1. 2. 23-22=1. 3.1 Seria integratã.. n 1 Readucerea ºirului termenilor yt la forma originalã implicã o însumare a componentelor: n 1 y1 Y1 y2 ..

10. 16. 12. 9. 25. 2. iar în faza a doua: (2) yt : yt+1 . xt sunt cointegrate de ordin(1. pe lângã faptul cã sunt serii integrate de acelaºi ordin. 5. 89 . 14.6. 2. 3. în orice ie caz. 14.6 zt = 0 Seriile yt. .yt = 3-1=2. . notate CI(1.6. Combinaþia liniarã: zt = 2yt + (1 – 2)xt este o serie integratã de ordin zero: zt : . 6 yt : 1. 12. sau. 33. 2 se considerã seria ca fiind integratã de ordinul 2. 3. . 19. 2. Astfel de serii trãdeazã o relaþie de influenþã reciprocã. 1. 6. 1. 0. Din perspectiva econometriei. 1. 2. 8.yt : 8. Exemplu Fie seriile: yt : 1. iar testele t ºi F sunt performante. în sensul cã estimatorii sunt consistenþi. 10. 16.6. 2-3=-1. 2. .0). 2. 43 întrucât pentru a fi transformatã în serie staþ ionarã este necesar calculul diferenþ elor de ordinul 2. 3. . 1 xt : 8. 12-9=3. evolueazã în acelaºi ritm. Din perspectiva analizei statistice ºi economice. 2. admit o combinaþ liniarã care este integratã de ordin zero. Serii cointegrate sunt considerate acele serii cronologice care. seriile cointegrate conduc la o analizã de regresie de calitate. 2 ambele integrate de ordinul 1. 18 xt : 2. 1. este integratã de ordin mai mic decât ordinul de integrare al seriilor iniþiale.0). 4.6.6. seriile cronologice cointegrate semnaleazã o stare de echilibru pe termen lung în ceea ce priveºte stilul de a evolua în timp. adicã într-o primã fazã: yt : 9-8=1.

6 Modele dinamice destinate includerii efectelor decalate în timp Efectul celor mai multe dintre impulsurile date economiei prin intermediul factorilor exogeni se resimte dupã trecerea unui interval de timp. de regulã. • motive de naturã tehnologicã: adaptarea liniilor de fabricaþ ie.7. exemplu. creºterea inflaþ iei ºi accelerarea circuitului banilor). ia. între 1-3 ani (modernizarea tehnologiei ºi producþ modificãri de legislaþ ºi comportamentul economic. darul de a întârzia schimbarea în raport cu modificarea rapidã a unor condiþii. ii industrializarea ºi calitatea mediului). încasarea dobânzii pentru depozite la termen) au. inerþ teama. • motive de ordin instituþ ional – legate îndeosebi de obligaþ iile contractuale (care condiþ ioneazã aprovizionarea. pe de o parte datoritã obiºnuinþ elor ºi gusturilor încetãþ enite. stimulentele materiale ºi producþ creºterea ia. fac ca un impuls privind capitalul sau ei mâna de lucru sã producã un impuls care se va manifesta pregnant dupã un timp. ie îmbunãtãþ irea calitãþ produsului ºi creºterea vânzãrilor. iar pe de altã parte temerilor cã aceasta nu va dura. o creºtere bruscã a venitului nu determinã o modificare totalã a consumului. încasarea drepturilor. reconversia forþ de muncã. De ia. livrarea. Motive care provoacã întârzieri în manifestarea acþ iunii unui factor pot fi: • motive de naturã psihologicã: obiceiurile. • de duratã medie. vânzãrile. 90 . întârzierile pot fi: • de duratã scurtã. În raport cu durata de aºteptare a efectului. de regulã mai micã de 1 an (intensificarea reclamei. depunerilor ºi creºterea veniturilor din dobânzi.

obiectivele demersului ile econometric ºi pe posibilitãþ existente de a obþ date privind ile ine unitatea de timp consideratã revelatoare. iar reprezentãrile care includ factori cu efect întârziat sunt considerate modele lag sau modele dinamice. • estimarea parametrilor.1 Stabilirea unitãþii de timp Stabilirea unitãþ de timp cãreia îi corespunde un nivel yt ii presupune alegerea între posibilitãþ de a obþ i ine date anuale.. Problemele de mãsurare care apar în specificarea ºi utilizarea modelului lag în analiza ºi prognoza economicã sunt: • stabilirea unitãþ de timp la care se referã fiecare nivel al ii variabilelor modelului. dezvoltarea învãþ ãmântului ºicreºterea productivitãþii ºi calitãþii activitãþilor).6. Pentru a evidenþ efectul apãrut cu întârziere de 1. Delimitarea întârzierii apariþ efectului în urma modificãrii iei cauzei 91 . Opþ iunea pentru o anumitã unitate de timp trebuie sã se bazeze pe particularitãþ fenomenului.. 2. . se foloseºte termenul lag. • delimitarea întârzierii apariþ efectului în urma modificãrii iei cauzei.• de lungã duratã (investiþ în transporturi ºi rentabilizarea iile transporturilor. trimestriale. O unitate de timp prea mare face inaccesibilã depistarea de influenþ cu întârzieri de durate scurte. 7. iar alegerea unei nitãþ prea e i mici poate provoca dificultãþ pentru obþ i inerea datelorsau delimitarea întârzierilor de duratã lungã. lunare. ia perioade. eventual cincinale sau decenale. sãptãmânale.

.. Un procedeu bazat pe sensibilizarea coeficientului de determinaþ (varianta ajustatã) prin introducerea unui factor ie suplimentar.. ak x t k ut În final se constatã pentru care dintre ecuaþ s-a obþ ii inut cel mai mare nivel al coeficientului de determinaþ (ceea ce ie corespunde variantei cu cea mai micã dispersie a valorilor reziduale) ºi aceastã ecuaþ va fi reþ ie inutã în vederea analizei ºi prognozei.6. • se procedeazã la estimarea parametrilor... suprapusã ia cronogramei variabilei efect.... în sensul de creºtere cu încã o perioadã a întârzierii de la care se simte efectul presupune urmãtoarele etape: • prestabilirea unui interval rezonabil ca mãrime dupã trecerea cãruia factorul numai poate exercita practic nici o influenþ ã notabilã asupra variabilei efect.... Tipuri de modele 92 ........... aceºtia sunt variabili ca numãr în raport cu tipul de model rezultat în urma specificãrii.... y t b a0 x t a1 x t 1 a2 x t 2 .... urmatã de calculul ˆ coeficientului de determinaþ ie R 2 pentru cele k+1 ecuaþ (se ii presupune cã dupã k+1 perioade de timp factorul nu mai are efect): yt b ax u 0 t t yt b a0 x t a1 x t 1 ut ....Cronograma privind evoluþ variabilei cauzale.. poate pune în evidenþ (prin simpla ã deplasare a uneia pe axa timpului) o analogie care apare dupã una sau mai multe unitãþi de timp.... 7..2 Estimarea parametrilor În ceea ce priveºte parametrii modelelor cu efect întârziat...

cu sau fãrã efect întârziat pot fi de naturã exogenã (x) sau autocorelate (yt-1): yt a0 a1 xt a2 xt 1 a3 yt 1 ut unde y poate fi cererea sau calitatea. ut unde k este constantã subunitarã. x – dobânda cu capitalizare. ofertã. x – creºterea ofertei de bani.. recoltã. cerere. Modele în care variabila factorialã (x) îºi transmite efectul în mod treptat. y – mãrimea depozitului. umiditatea solului. iar x poate reprezenta: utilaje. atât în perioada t cât ºi pe parcursul unui numãr finit de perioade de întârziere (lag distribuit sau întârzieri eºalonate): yt a0 a1 xt a2 xt 1 a3 xt 2 a4 xt 3 ut unde y – producþia. Modele mixte în care variabilele cauzale.. x – investiþiile. Între variantele modelului cu lag distribuit cel mai frecvent apar în studiile aplicative urmãtoarele douã reprezentãri: a) varianta descreºterii în timp a efectului generat de modificarea factorului: 2 yt a0 a1 xt kxt 1 k xt 2 . Modele autoregresive în care întârzierea este distribuitã pe mai multe unitãþi de timp: yt a0 a1 yt 1 a 2 yt 2 ut unde y reprezintã consumul sau acumulãrile sau profitul. 93 .Modele unifactoriale în care efectul se simte dupã o întârziere de o unitate de timp: yt a0 a1 xt 1 ut unde y poate fi: productivitate. respectiv x poate fi venitul sau utilarea. y – inflaþia.

modelele stochastice de tip ARMA 7.. dar aceasta nu înseamnã cã ar ei trebui sã fie neglijatã. ci se urmãreºte obþ inerea unei serii staþionare. b j k k ut ... Modelul stochastic de prognozã presupune eliminarea tendinþ generale din seria de date. Exemple • În comerþ exterior. Autodeterminare ca manifestare a unui anumit grad de dependenþ în raport cu propriile realizãri anterioare. Autodeterminarea este înþeleasã în urmãtoarele sensuri: 1. urmare a ã unei particularitãþ a evoluþ i iilor din economie de a menþ un ine proiect odatã început.7...7 Autodeterminarea proceselor economice în timp.b) varianta creºterii treptate a efectului urmatã de o descreºtere pânã la anulare: yt b1 a0 b1 xt b2 1 b2 xt bj 1 2 . bk xt .. utile predicþiei. intrarea pe o piaþ externã are drept ul ã urmare dezvoltarea exportului pe acea piaþ cel puþ 2-3 ã in 94 . dar ºi de a repeta un comportament devenit tradiþie. b j 7.1 Considerente economice ºi statistice pe care se bazeazã modelul ARMA Seria cronologicã stocheazã suficientã informaþ încât sã ie facã posibilã prognoza fãrã sã fie strict necesarã cunoaºterea evoluþ viitoare a factorilor determinanþ pentru procesul urmãrit iei i în timp.

. pentru un interval oarecare. dupã care poate urma o stagnare. • Declanºarea unei greve care diminueazã producþ într-o ia perioadã declanºeazã o creºtere a producþ iei în perioadele urmãtoare. Ea va fi foarte probabil urmatã de o abatere în sens contrar. • Pe piaþ de capital pot fi constatate valori în alternanþ de a ã semn mai ales pe o piaþã volatilã într-un interval dat. Exemple • Absenþ temporarãa unui produs solicitat pe piaþ are drept a ã urmare o vânzare în exces în perioadele urmãtoare. în vederea compensãrii stagnãrii acesteia ºi realizãrii obligaþiilor contractuale. de regulã. 95 . Un astfel de comportament al evoluþ în timp. poate fi reprezentat de un model autoregresiv (AR) de forma: yt a0 a1 yt 1 a 2 yt 2 . un fel de corecþ în vederea situãrii în jurul nivelului de ie. • În domeniul producþ o reutilare a sectoarelor productive iei. a p yt p ut 2.perioade succesive. urmatã de perioade de creºtere sau descreºtere. respectiv minus. Autodeterminarea sub formã de acþiuni compensatorii în vederea contracarãrii unor ingerinþe din afara sistemului. Valorile ºirului staþ ionar se succed înregistrând. caracterizat iei prin legãturi cu ceea ce s-a realizat în trecut.. mai multe zile în ºir. • Pe piaþ valutarã. semnul plus (primul caz). • O acþ iune speculativã de amploare la bursã poate declanºa o abatere semnificativã a cotaþ dincolo de culoarul fluctuaþ iei iilor normale. echilibru. o apreciere a monedei se menþ a ine. sau o pierdere de pieþ de desfacere se reflectã în date. prin valori e succesive care depind una de alta. dupã care poate fi observatã o perioadã de recul.

a p yt p b1ut 1 b2ut 2 . ei ei reprezentarea este datã de modelul mixt ARIMA(p. Se considerã cã nivelul procesului din perioada t depinde de erorile din trecut (abaterile de la normal. unde d = 1 dacã diferenþ de ordinul 1 sunt staþ ele ionare sau d = 2 dacã diferenþele de ordinul 2 au condus la staþionarea seriei.2 Obþinerea prognozelor Previziunile obþ inute în urma utilizãrii modelului de tip ARMA prezintã o serie de particularitãþi: • previziunea este o mãrime medie. prin transformarea seriei nestaþ ionare în serie staþ ionarã devine ARMA(p. astfel de manifestãri reparatorii sunt redate de modelul de medie mobilã (MA) (movie average). în succesiune... de la medie) astfel încât devierea accidentalã este urmatã de o redresare: yt y b1ut 1 b2ut 2 ... manifestate în ia urmã cu 1. fãrã a se uita ordinul diferenþelor (d) care au transformat seria. 2.d.q). 96 . ca ºi reacþ iile.q). q intervale de timp.d.7.. exprimate în medie. la abaterile accidentale (ut) de la evoluþ liniarã.q).. modelul ARMA este definit ca un agregat ce include impulsurile receptate cu întârzieri de 1.În reprezentãrile formale specifice modelelor stochastice de prognozã. bqut q ut În cazul prezenþ tendinþ generale în valorile originale (yt).. Modelul ARIMA(p. .. p intervale de timp.. • prognoza se obþ ine pas cu pas. . condiþ ionatã de niveluri înregistrate în trecut. bq ut q ut Bazat pe aceste elemente. 7. întrucât componenta AR obligã includerea în calcul a previziunii pentru perioada n + t în vederea obþ inerii prognozei pentru perioada n + t + 1.q): yt a0 a1 yt 1 a2 yt 2 .... 2. Se notezã ARMA(p.

• abaterile reziduale (ut) influenþ eazã prognoza (în modelul MA) doar cu valorile înregistrate pânã în perioada n (ultima perioadã pentru care avem date). de regulã. adicã: yt = ft + St (pentru un model aditiv) yt = ft St (pentru un model multiplicativ) Ajustarea componentei sezoniere presupune eliminarea influenþ sezoniere. periodicitatea lucrãrilor agricole. Aceastã operaþ se face. prognozã Cunoaºterea variaþ iilor sezoniere necesitã depistarea componentei sezoniere (prin metode grafice). în componenta variaþ sezonierã ( St ) considerând influenþ ie a aleatoare nulã ut =0). Ajustarea seriilor sezoniere constã în ei înlocuirea termenilor reali ai seriei cu termeni calculaþ ºi are ca i rezultat obþ inerea unei serii cronologice cu variaþ sezoniere ii riguros identice de la o perioadã la alta ºi cu influenþ nulã la ã nivelul fiecãrui an. a concediilor. Ajustarea seriilor cronologice cu variaþii sezoniere se bazeazã pe descompunerea seriei. Pentru "capturarea" componentei sezoniere se 97 . mãsurarea lor (prin indici ºi coeficienþi de sezonalitate) ºi analiza diferitelor cauze care definesc ritmul producerii lor (de exemplu. a sãrbãtorilor etc). prin metoda mediilor ie mobile. pe de o parte. în componenta trend ( ft) ºi componenta ciclicã C (când este cazul) ºi. Prin aceastã metodã se definesc componenta trend ºi componenta ciclicã. y 7. precum ºi media ). • prognoza finalã (yn+t*) integreazã toate componentele care au fost eliminate în etapa de identificare ºi estimare (tendinþ a.8 Fluctuaþii sistematice în economie – mãsurare. pe de altã parte. analizã.

ia ca sã se fi determinat corect periodicitatea de variaþ a ie 98 . mai aplatizate faþ de ã cronograma iniþialã.1 Depistarea graficã a variaþiilor sezoniere Grafic. Aceastã operaþ se face prin ie raportarea valorilor aberante ( yi ) la coeficienþii sezonieri.2 Ajustarea prin medii mobile Ajustarea seriilor cronologice cu variaþ sezoniere prin ii metoda mediilor mobile constã în înlocuirea termenilor empirici cu termeni rezultaþ în urma calculãrii mediilor mobile pentru i seria datã. repetabile în jurul liniei de trend.8. aplicatã asupra valorilor calculate prin ajustare. pe baza cãrora ii se desezonalizeazã seria iniþ ialã. Resezonalizarea este operaþ ia inversã desezonalizãrii. cu bucle riguros identice. Pentru izolarea componentei sezoniere se calculeazã coeficienþ sezonieri ( Sj ).8. în sens ie previzional.calculeazã indicii de sezonalitate. Resezonalizarea se realizeazã în funcþ de modelul de compunere admis. 7. seria ajustatã se prezintã sub forma unei linii ondulatorii. 7. Prin înlocuirea termenilor reali cu termeni calculaþ va i rezulta o curbã mai rotunjitã sau o dreaptã de tendinþ cu condiþ ã.

n numãrul termenilor cuprinºi în calculul mediilor mobile. Periodicitatea este evidenþ iatã de punctele de maxim sau de minim. reprezintã numãrul termenilor din seria empiricã.(n .2.2) . adicã se determinã media aritmeticã din douã medii mobile consecutive. 99 . termeni luaþ în calcul este impar. respectiv N . mediile obþ i inute cad pe termeni reali pe care-i vor înlocui. Când se cuprinde în calcul un numãr par de termeni.fenomenului. mediile cad între doi termeni reali. Numãrul termenilor din seria ajustatã prin medii mobile este egal cu: N .(n . i în funcþ de mãrimea unui ciclu de variaþ Când numãrul de ie ie.2) -1. unde: N. Calculul mediilor mobile constã în aflarea mediilor aritmetice dintr-un numãr impar sau par de termeni luaþ succesiv. Pentru a afla ce termen va fi înlocuit se face centrarea mediilor mobile. Procedeul de determinare a mediilor mobile este evidenþiat în tabel.

. pentru luni.( 3 . p perioade i (j=1. iar i reprezintã anii observaþi.8. rezultã cã seria ajustatã poate avea 7 . variaþiile sezoniere nu se repetã absolut identic. iar n = 3.4 Coeficienþii sezonieri Variaþ sezoniere ( St ) se repetã. respectând exigenþ modelului ele teoretic. respectiv 7 . trimestru de trimestru) ºi se compenseazã la nivelul anului.. 7. 12 .2 ) -1 = 5 termeni.. respectiv n = 4. mãsurate prin indici de sezonalitate.. respectiv i yi 1 yi 2 7.8. pentru trimestre).Prima relaþie este pentru un n impar.2) ... teoretic. Practic. 100 . 4 ..(4 . pe 1 n ansamblul a n ani: Sj Sij n i 1 unde Sij=St. Calculul coeficienþilor sezonieri Coeficienþ sezonieri se calculeazã ca o medie aritmeticã a ii variaþ iilor sezoniere.. Sj . j =1.. respectiv j =1. j este luna sau trimestrul pentru care se calculeazã coeficientul sezonier.3 Indicii de sezonalitate Devierile faþ de valoarea medie. când N = 7.. Pentru a ajusta o serie realã. De exemplu. Indicii de sezonalitate se determinã ca raport între termenii reali ºi cei ajustaþi: yi yi i 100.. identic de la o iile perioadã la alta (lunã de lunã. variaþ iile sezoniere St observate se înlocuiesc cu valori calculate numite coeficienþ sezonieri. iar a doua pentru un n par. datorate sezonalitãþ pot fi ã ii. conform principiului de conservare a ariilor. lunã de lunã sau trimestru de trimestru.2 = 3 termeni..

Efectul lor poate fi compensat printr-un corector „ dt ” rezultând un coeficient sezonier corectat. trebuie sã fie zero. Sj' . Se cere: • sã se determine tendinþa seriei • sã se calculeze indicii de sezonalitate ºi coeficienþii sezonieri • sã se desezonalizeze seria. • sã se extrapoleze seria pentru trimestrul I al anului urmãtor celor observaþi. respectiv media coeficienþ ilor sezonieri. Admitem ipoteza continuitãþ trendului.Conform principiului compensãrii variaþ iilor sezoniere la nivelul anului. corectarea coeficienþ ilor sezonieri presupune calculul raportului: S ' j Sj dt iar media lor este egalã cu unitatea: S 1 Exemplu Datele înregistrate trimestrial. În calcule apar rezultate uºor diferite. pe durata a doi ani. unde: dt 1 p p Sj j 1 Rolul coeficientului corector „ d ” este de a repartiza eroarea de aproximare pe ansamblul perioadelor. 101 . a stabilitãþ sezoniere ºi a lipsei ii ii influenþelor accidentale. corectarea coeficienþ ilor sezonieri presupune calculul diferenþelor: Sj '=Sj – dt . cu privire la cifra de afaceri a unei firme sunt prezentate în tabel. pe an. ca urmare a aproximãrilor. suma. astfel devenind posibilã respectarea principiului compensãrii: S 'j 0 În cazul modelului multiplicativ. În cazul modelului aditiv.

Anul Trim. Elementele de calcul pentru linia de trend ºi valorile estimate ( yti ) 102 . Determinarea tendinþei Reprezentarea graficã a seriei evidenþ iazã clar o evoluþ ie sezonierã. cu valori maxime în trimestrul 3 ºi minime în trimestrul 1. se observã o evoluþie medie liniarã ft = a + b t. De asemenea. 1 2 3 4 1 1 3 4 2 2 2 5 7 4 1.

respectiv yt . Calculul indicilor de sezonalitate ºi a coeficienþ ilor de sezonalitate Indicii de sezonalitate sunt calculaþ ca raport între valoarea i observatã yi ºi valoarea calculatã corespunzãtoare a trendului ft. în cazul nostru) este egalã cu unitatea. Valoarea lor medie la nivelul unui ciclu sezonier (al unui an. De asemenea. ºi cã valorile lor din fiecare trimestru sunt diferite.Ecuaþia de trend liniar pentru seria consideratã este: yt =1.52 t.617 0. se observã cã valorile primului ºi ultimului trimestru. Se observã cã indicii de sezonalitate variazã în jurul unitãþ ii.266 2 2 1. în cursul celor doi ani consideraþi (cicluri sezoniere) ºi anume: S1 S3 0.595 0.168 0. din fiecare an.364 1. 2. în celelalte trimestre sunt supraunitare.685 2 2 103 .564 S 2 1.752 1.16 + 0.458 0.532 1.470 1. Coeficienþ de sezonalitate se calculeazã ca medie aritmeticã ii simplã a variaþ iilor sezoniere pentru fiecare trimestru ( Sj ). sunt subunitare.464 S 4 0.

coloana 7. Corectarea valorii extrapolate cu influenþ sezonierã presupune resezonalizarea a valorii. b.trendul. În cazul nostru. Seria ei a desezonalizatã se obþ prin raportarea valorilor empirice. Desezonalizarea seriei Desezonalizarea seriei presupune calculul valorilor corectate ºi are ca scop obþ inerea tendinþ fãrã influenþ sezonierã. numai dacã se respectã ipotezele admise iniþ ial. valoare ce poate fi admisã. Corectarea valorii prognozate. Valoarea prognozatã. Extrapolarea trendului. evidenþ iind faptul cã variaþ sezoniere în interiorul unui ciclu iile se compenseazã.564 = 3.7376 În concluzie. prin extrapolarea trendului. St – componenta sezonierã.7376 sute milioane lei. ne putem aºtepta ca cifra de afaceri a firmei "A" sã atingã. 3. yi la ine valoarea coeficienþ ilor de sezonalitate corespunzãtori. Rezultatele sunt prezentate în tabel.16 + 0. este: y9 = 1. adicã: y9(1) = y9 · i 1 = 5. ºi anume: continuitatea trendului. a. în trimestrul I al anului trei considerat. 4.Observaþii Media celor patru coeficienþ de sezonalitate trebuie sã fie egalã cu i 1. 104 . valoarea medie a coeficienþ ilor de sezonalitate este egalã cu 0. Prognoza nivelului cifrei de afaceri pentru trimestrul 1 al anului urmãtor celor observaþi Folosim modelul de compunere multiplicativ yt = ft· St unde: ft . þinând cont de aproximãrile luate în calcul.84. pãstrarea stabilitãþ ii sezoniere ºi lipsa influenþelor accidentale.52 · 9 = 5.995. pentru ti = 9 (trimestrul 1 al anului 3). valoarea de 3.84 · 0. (Sj).