UNIVERSITATEA DE VEST DIN TIMIŞOARA

FACULTATEA DE ECONOMIE ŞI DE ADMINISTRARE A AFACERILOR




CIPRIAN ŞIPOŞ


ECONOMETRIE


MANUAL
ANUL II



















5
CUPRINS

CAPITOLUL 1. PRINCIPII ALE MODELĂRII ECONOMETRICE 7
1.1. Tipologia legăturilor dintre variabilele economice …………….. 7
1.2. Modelul – element fundamental al analizei econometrice …...… 9

CAPITOLUL 2. MODELE ECONOMETRICE UNIFACTORIALE 15
2.1. Modelul unifactorial liniar ……………………………….…..…. 15
2.1.1. Prezentarea modelului .…………………….……….…… 15
2.1.2. Estimarea parametrilor ………………………………….. 17
2.1.3. Verificarea statistică a modelului …………………….…. 20
2.2. Modele unifactoriale neliniare ……………………………..…… 28
2.2.1. Modelul hiperbolic .…………………….………......…… 29
2.2.2. Modelul parabolic ………………………………........….. 31
2.2.3. Modelul exponenţial …………………….…..................... 32

CAPITOLUL 3. MODELE ECONOMETRICE
MULTIFACTORIALE 35
3.1. Modelul multifactorial liniar …………………………….…..…. 35
3.1.1. Prezentarea modelului şi estimarea parametrilor .………. 35
3.1.2. Verificarea statistică a modelului multifactorial .……….. 39
3.2. Modele unifactoriale neliniare ……………………………...…… 44
3.3. Funcţii de producţie …………………………………..…………. 46

CAPITOLUL 4. MODELE ECONOMETRICE BAZATE PE
FACTORUL TIMP 51
4.1. Analiza econometrică a evoluţiei în timp a variabilelor economice 51
4.2. Funcţii de timp …………………………………………..…..…. 58
4.2.1. Funcţia liniară de timp …………………………..………. 59
4.2.2. Funcţii de timp neliniare .…………………………….….. 61
4.3. Modele econometrice cu time – lag ……………………………. 64
4.4. Modele autoregresive ………………………………...…………. 68
4.4.1. Caracterul autoregresiv al variabilelor economice …...…. 68
4.4.2. Modelul autoregresiv de ordinul k …………………...….. 70

APLICAŢIE ECONOMETRICĂ PE CURSUL VALUTAR ............... 75

6


OBIECTIVELE DISCIPLINEI ECONOMETRIE



Să argumenteze necesitatea şi posibilitatea utilizării metodelor matematice
şi statistice în analiza comportamentului variabilelor economice;
Să prezinte modul de elaborare şi de interpretare a principalelor categorii
de modele cantitative utilizate în cercetarea economică;
Să formeze studenţilor deprinderea de a exprima în relaţii econometrice
fenomenele şi procesele economice;
Să pună în evidenţă modalităţile de utilizare a modelelor econometrice în
analiza la nivel microeconomic, având drept variabile endogene şi exogene
principalii indicatori ce reflectă activitatea economică la nivel de firmă;
Să abordeze problemele legate de elaborarea unor modele de analiză
macro–econometrică, la nivel global, care depind în mare măsură de
dimensiunile seturilor de date avute la dispoziţie şi de posibilităţile de
definire a variabilelor şi a legăturilor dintre acestea;
Să formeze aptitudini în determinarea caracteristicilor parametrilor
modelelor econometrice cu ajutorul aparatului matematic şi statistic
adecvat;

7

CAPITOLUL 1. PRINCIPII ALE MODELĂRII
ECONOMETRICE


Rezumat: Asupra fenomenelor social – economice acţionează un număr
mare de factori principali şi secundari, endogeni sau exogeni, care se manifestă
de regulă într-un sistem complex de interdependenţe. Modelarea econometrică,
cu ajutorul unei game variate de procedee şi metode, poate studia manifestarea
concretă a acestor legături, le poate exprima cantitativ şi poate măsura
intensitatea cu care acestea se produc şi, mai departe, se pot face estimări asupra
tendinţelor în evoluţia fenomenului cercetat.
Din punct de vedere econometric, variabilele economice sunt privite prin
prisma interdependenţelor pe care acestea le generează. Varietatea acestor
interdependenţe necesită identificarea, selectarea şi ierarhizarea factorilor de
influenţă, cu atât mai mult cu cât, în mod curent, sunt întâlniţi factori care nu
pot fi cuantificaţi decât cu ajutorul unor metode convenţionale. De aceea, este
necesară, în primul rând, determinarea tipologiei variabilelor factoriale (de
influenţă) cu ajutorul unei analize calitative multilaterale.


1.1. Tipologia legăturilor dintre variabilele
economice

Există numeroase varietăţi de legături între variabilele economice, iar
descrierea lor analitică poate fi făcută cu ajutorul analizei de regresie şi a
analizei intensităţii legăturilor (corelaţia). Cunoaşterea lor este condiţie esenţială
a interpretării legăturilor de cauzalitate dintre variabila rezultativă şi factorii săi
de influenţă (variabilele factoriale). Criteriile avute în vedere sunt numeroase,
dar s-au reţinut numai cele uzuale, pe baza cărora s-a alcătuit o posibilă
tipologie de interdependenţe între variabilele analizate.
În raport cu numărul variabilelor corelate, legăturile pot fi simple (modele
unifactoriale), atunci când variaţia variabilei rezultative este exprimată în
funcţie de o singură variabilă factorială, sau multiple (modele multifactoriale),
atunci când variaţia variabilei rezultative este exprimată în funcţie de variaţia
simultană a mai multor variabile factoriale. În practică, cel mai des întâlnite sunt
legăturile multiple, datorită complexităţii relaţiilor economice internaţionale
care nu permit, în general, utilizarea unor funcţii cu o singură variabilă de
influenţă.

8
După sensul legăturii, acestea pot fi legături directe, atunci când
modificarea variabilei rezultative este în acelaşi sens cu modificarea factorului
de influenţă analizat, sau legături inverse, atunci când variabila rezultativă se
modifică în sens contrar modificării factorului de influenţă. În modelele
econometrice pot exista situaţii în care între aceleaşi variabile pe anumite
porţiuni să existe legături directe, iar pe alte porţiuni să existe legături inverse,
în funcţie de evoluţia factorilor de influenţă.
În funcţie de forma legăturii dintre variabile, folosind clasificarea
dihotomică, distingem legături liniare şi legături neliniare. Forma legăturii se
determină cel mai adesea intuitiv, prin modul de transpunere a punctelor în
planul de reprezentare grafică a variabilelor rezultative şi factoriale. În modele
econometrice, legătura liniară ocupă un loc aparte, datorită accesibilităţii
prezentării şi a posibilităţilor numeroase de interpretare, cu toate că în natură şi
în evoluţia reală a fenomenelor economice este mai puţin întâlnită. Identificarea
modelelor neliniare (parabolice, exponenţiale, hiperbolice, logistice, etc.),
uneori mult mai adecvate, ridică probleme mari şi diverse în determinarea şi,
mai ales, în interpretarea parametrilor. Există şi situaţii în care modele de tip
neliniar pot fi liniarizate prin anumite metode (cel mai adesea prin logaritmare)
şi interpretate prin prisma legăturilor de tip liniar.
După momentul în care se realizează legătura, legăturile pot fi
concomitente sau sincrone, caz în care dacă variabila factorială se modifică şi
variabila rezultativă se va modifica în acelaşi timp, ori legături asincrone sau cu
decalaj, caz în care variaţia variabilei rezultative se produce după scurgerea
unei perioade de timp de la modificarea variabilei factoriale.
După intensitatea conexiunii cauzale distingem independenţă totală sau
lipsa de legături, legături funcţionale sau totale şi legături relative sau statistice.
Conexiunea nulă semnifică absenţa oricărei legături între variabila rezultativă şi
factorii de influenţă luaţi în considerare, sau în formulare statistică, absenţa
reciprocă a corelaţiilor dintre aceste variabile, în timp ce conexiunea funcţională
apare atunci când la fiecare valoare posibilă a variabilei rezultative corespunde
o singură valoare a factorului de influenţă. Această conexiune este una specifică
ştiinţelor tehnice şi ale naturii, în care pentru o valoare dată a factorului de
influenţă există o singură valoare posibilă a variabilei rezultative. Aceste
conexiuni sunt rar întâlnite în economie, unde practic nu există astfel de
dependenţe totale. Conexiunea relativă sau statistică (stochastică) este tipul de
legătură cel mai des întâlnit în studiul fenomenelor din economie.
Interes aparte, prin urmare, îl prezintă acest din urmă tip de legături.
Particularitatea lor principală constă în faptul că la o valoare dată a factorului de
influenţă corespunde o distribuţie de valori posibile ale variabilei rezultative.


9

1.2. Modelul – element fundamental al analizei
econometrice

Modelul econometric reprezintă o imagine simplificată a relaţiilor dintre
variabilele economice, care se referă atât la definirea variabilelor, cât şi la
determinarea intercondiţionărilor dintre acestea. El redă ceea ce este esenţial în
agregatul economiei, descriind global transformarea cauzelor în efecte.
Importanţa modelelor econometrice, ca instrument fundamental de analiză al
economistului modern, se afirmă în verificarea consistenţei unei teorii
economice, în crearea unei legături cantitativ – econometrice de verificare între
teorie şi obiectivul pragmatic şi, în final, în descoperirea unor noi relaţii şi
concepte, imposibil de relevat altfel.
Modelul, oricare i-ar fi întrebuinţarea este, înainte de toate, reprezentarea
unei teorii prin intermediul căreia se reprezintă, apoi, însăşi realitatea avută în
vedere. Aici, teoria explicativă ţinteşte atât fenomenul economic cercetat, cât şi
reprezentarea prin model, care întotdeauna este construit pe baza unei teorii (sau
cel puţin a unui enunţ cvasiteoretic). Apoi, modelarea econometrică reprezintă o
metodă care se defineşte ca instrument de cunoaştere ştiinţifică, având drept
scop construirea unor asemenea modele care să contribuie la înţelegerea şi
cunoaşterea segmentului investigat.
Principala problemă care se pune cu ocazia elaborării unui model
econometric este definirea scopului acestuia, din acest punct de vedere, existând
două mari categorii de modele:
1

– modele destinate elaborării unei anumite teorii economice, verificării
coerenţei sale logice şi testării sale empirice; aceste modele pot fi numite
modele teoretice sau modele de cercetare;
– modele destinate explicării faptelor economice observate şi
previzionării desfăşurării lor viitoare; aceste modele pot fi numite modele
funcţionale sau modele de acţiune şi au la bază, de regulă, metodele de analiză
matematico–statistică.
Deşi încadrarea precisă a modelelor utilizate în analiza comportamentului
diverselor variabile economice în una sau alta din categoriile amintite este
destul de dificilă, pot fi totuşi construite o serie de modele econometrice care să
se includă în categoria modelelor funcţionale.
Un model econometric constă, de regulă, dintr-un sistem de ecuaţii, care,
în condiţiile fixate prin ipotezele de pornire şi cu o anumită precizie, exprimă

1
S. Cerna, Banii şi creditul în economiile contemporane. Elemente de analiză monetară, Vol. I,
Editura Enciclopedică, Bucureşti, 1994, pag. 325 – 338


10
legăturile dintre variabilele exogene şi endogene şi, în modul acesta, permite
rezolvarea unei serii de probleme economice. Fără îndoială că, privind lucrurile
în mod abstract, modelele econometrice sunt întotdeauna de preferat, conferind
o calitate maximă analizei. Din păcate, eficacitatea modelelor econometrice
este, uneori, destul de limitată, iar aceasta din mai multe motive.
O dependenţă statistică, larg utilizată în econometrie, se prezintă sub
forma:

C
i
= f(X
i
) + ε
i


unde: C
i
reprezintă nivelul variabilei rezultative sau explicate la momentul i;
X
i
reprezintă nivelul factorului de influenţă (variabila factorială sau
independentă) la momentul i;
f reprezintă funcţia de regresie care cuantifică legătura dintre variabila
rezultativă (C
i
) şi factorul de influenţă (X
i
);
ε
i
reprezintă variabila aleatoare care ia în considerare acţiunea altor
factori decât variabila factorială X
i
, întâmplători în raport cu
legătura studiată.
Variabila aleatoare este cea care distinge o legătură funcţională de una
statistică şi, spre deosebire de variabilele rezultative şi factoriale nu este căutată
şi introdusă în model într-un mod explicit şi argumentat, ea rezultând dintr-o
etapă ulterioară elaborării modelului, în urma comparării valorilor estimate,
generate de model, cu valorile empirice, reale. Această variabilă apare datorită
unor numeroase cauze, cum ar fi, erorile de specificare a modelului,
concretizate prin includerea unui număr prea mic de factori esenţiali, erorile de
măsurare care presupun aprecieri numerice greşite sau neconcludente, sau
erorile de eşantionare datorate accesului limitat şi probabilist la volumul total al
informaţiei.
Construirea şi analiza unui model de regresie care are la bază o legătură
de tip stochastic între variabila rezultativă şi factorii de influenţă care îl
determină presupune parcurgerea următoarelor etape:
◊ stabilirea ipotezelor de pornire şi a variabilelor factoriale,
endogene şi exogene;
◊ construirea corelogramei, adică a reprezentării grafice a perechilor
de valori ale variabilelor studiate într-un sistem de axe de coordonate;
◊ aproximarea, pe baza reprezentării grafice, a formei legăturii
printr-un model teoretic şi scrierea ecuaţiei corespunzătoare modelului de
regresie;
◊ estimarea parametrilor ecuaţiei de regresie, cel mai adesea cu
ajutorul metodei celor mai mici pătrate;

11
◊ testarea statistică a semnificaţiei parametrilor estimaţi;
◊ interpretarea rezultatelor obţinute în funcţie de semnul şi nivelul
parametrilor respectivi;
◊ previzionarea variabilei rezultative pe baza modelului construit.
O altă direcţie în domeniul analizei cantitative a desfăşurării proceselor
economice o reprezintă studiul, prin metode statistice, a comportamentului
seriilor cronologice. Seriile lungi de date oferite de publicaţiile statistice scot în
evidenţă repetabilităţi care pot fi descrise de modele adecvate de analiză şi
previziune a evoluţiei în timp a cursurilor de schimb.
În cazul acestor serii cronologice, de timp sau dinamice, cum mai sunt ele
denumite, factorii de influenţă utilizaţi în funcţiile de regresie sunt înlocuiţi de
către factorul timp înţeles ca o acumulare de perioade de timp egale, aspect
exprimat frecvent prin şirul numerelor naturale (1, 2, 3, ….. , t).
Cea mai utilizată formă de analiză a seriilor cronologice este reprezentată
de descompunerea evoluţiei seriei pe componente determinate de acţiunea
diferiţilor factori de influenţă. Sub acţiunea unui complex de factori de
influenţă, consideraţi independenţi unul faţă de celălalt, în cadrul unei serii
dinamice se pot identifica următoarele componente:
2

◊ trendul sau tendinţa centrală (t
t
) reflectă legitatea specifică de
evoluţie a variabilei rezultative pe o perioadă lungă de timp (de ordinul anilor),
făcând abstracţie de abaterile faţă de nivelul mediu, respectiv, de erorile sau
valorile reziduale datorite influenţei factorilor aleatori;
◊ variaţiile ciclice (c
t
) reprezintă oscilaţiile interanuale în jurul
tendinţei centrale cu un caracter mai puţin sistematic, în sensul că atât
intervalele la care oscilaţiile se manifestă, cât şi intensitatea lor, prezintă o
relativă inconstanţă în decursul timpului;
◊ variaţiile sezoniere (s
t
) sunt acea componentă sistematică ce se
manifestă prin oscilaţii de perioadă mai mică sau cel mult egală cu un an,
repetabile în timp. Sezonalitatea se manifestă sub forma unor abateri de la
medie care revin regulat de-a lungul unui an şi are un caracter mai mult sau mai
puţin pregnant în funcţie de specificul domeniului studiat;
◊ variaţiile aleatoare (ε
t
) apar datorită unor factori necuantificabili şi
cu acţiuni imprevizibile. În funcţie de proprietăţile variabilei aleatoare pot fi
aplicate anumite tehnici de estimare şi previziune a seriei cronologice.
În măsura în care volumul de date studiat este suficient de mare, în
analiza unei serii cronologice se regăsesc mai multe tipuri de scheme de
descompunere.

2
T. Andrei, S. Stancu – Statistica. Teorie şi aplicaţii, Editura ALL, Bucureşti, 1995, pag. 385


12
O primă schemă o reprezintă schema aditivă în care cele patru
componente ale seriei studiate sunt însumabile direct, astfel:

C
t
= t
t
+ c
t
+ s
t
+ ε
t
,

unde C
t
reprezintă variabila rezultativă la momentul t.
În literatura de specialitate primele două componente, trendul şi variaţiile
ciclice, se analizează împreună sub forma componentei extrasezoniere (d
t
), după
relaţia:

d
t
= t
t
+ c
t


O a doua schemă este cea multiplicativă care are două variante:
1. Atunci când componenta sezonieră este proporţională cu
componenta extrasezonieră, schema de compunere se prezintă în felul următor:

C
t
= d
t
+ d
t
⋅ s
t
+ ε
t
= d
t
(1 + s
t
) + ε
t


2. Atunci când componenta aleatoare este proporţională cu suma
celorlalte componente, schema este următoarea:

C
t
= d
t
(1 + s
t
)(1 + ε
t
)

Această ultimă schemă, prin logaritmare, poate fi transformată într-o
schemă aditivă, având forma:

ln C
t
= ln d
t
+ ln(1 + s
t
) + ln(1 + ε
t
)

Seriile cronologice trebuie să ţină însă seama de caracteristica
fenomenelor economice de a-şi manifesta influenţa cu o întârziere mai mică sau
mai mare în timp. Acest fapt a dus la utilizarea termenului de “time–lag”
(decalaj în timp) care evită pericolul falselor corelaţii în situaţiile în care se
analizează serii de date care includ tendinţe de evoluţie.
Efectul întârziat manifestat ca urmare a inerţiei sau autodeterminării se
manifestă frecvent sub forma autocorelării variabilei rezultative, ceea ce infirmă
ipoteza independenţei factorilor care generează componentele seriei cronologice
şi limitează aplicarea metodei schemelor de descompunere.
Din acest considerent în studiul seriilor cronologice s-au impus modelele
autoregresive, reprezentate sub conform relaţiei:


13
C
t
= f(C
t-1
, C
t-2
, …… ,C
t-k
) + ε
t


unde prin k s-a desemnat numărul perioadelor din trecut care acţionează asupra
valorii prezente a cursului de schimb.
Aceste modele econometrice, fie ele regresii sau serii cronologice, nu pot
fi utilizate fără a se ţine cont de principiile stabilite de teoriile economice care
analizează comportamentul variabilelor economice, fapt pentru care se impune
evitarea matematizării lor excesive, care duce de cele mai multe ori la ruperea
legăturii cu realităţile economice studiate.
Desigur, econometria prezintă numeroase avantaje, dar şi destule limite,
important fiind ca soluţiile noi oferite de către aceasta, care se dovedesc a fi
serios argumentate şi rezistente la rigorile practicii economice, să fie preluate în
rândul metodelor general acceptate, astfel încât rolul econometriei în cadrul
analizei economice să fie consolidat.

ÎNTREBĂRI TEORETICE DE AUTOEVALUARE LA CAPITOLUL 1:

1. Ce tipuri de legături se pot stabili între variabilele economice?

2. Ce reprezintă modelul econometric?

3. Care sunt etapele care trebuie parcurse în elaborarea unui model
econometric?

4. Care sunt componentele unei serii dinamice?

14

15
CAPITOLUL 2. MODELE ECONOMETRICE
UNIFACTORIALE




Rezumat: Aşa cum s-a arătat anterior, comportamentul variabilelor
economice este rezultatul acţiunii unui număr mai mare sau mai mic de factori,
esenţiali sau nesemnificativi, cu un impact determinant sau accidental. În aceste
condiţii, dependenţa dintre variabile nu se manifestă individual, pentru fiecare
caz în parte, ci numai în general, ca tendinţă a unui număr suficient de mare de
cazuri. Variaţiile unei mărimi economice y pot fi mai mari sau mai mici decât
cele determinate de un factor oarecare x, sau chiar contrare celor aşteptate.
Cu alte cuvinte, între variabilele economice există, de regulă, o
dependenţă stochastică, caracterizată prin faptul că unei valori oarecare a
factorului de influenţă x îi corespunde o distribuţie de valori posibile ale
variabilei rezultative y. Acest tip de dependenţă este studiat cu ajutorul
modelelor econometrice unifactoriale.
Alegerea unui anumit tip de model unifactorial, care să descrie
legătura dintre variabilele corelate, depinde în mare măsură de volumul
eşantioanelor avute la dispoziţie. Cu cât acestea sunt mai mari, cu atât numărul
de puncte din cadrul “norului de puncte” este mai mare şi posibilităţile de găsire
a unei funcţii care să exprime corect legătura dintre variabile cresc.


2.1. Modelul unifactorial liniar

2.1.1. Prezentarea modelului
Modelul unifactorial liniar studiază legătura dintre variabila factorială
x şi variabila rezultativă y cu ajutorul unei funcţii stochastice de forma:

y = α + β ⋅ x + ε

în care α şi β se numesc parametrii sau coeficienţii modelului şi reprezintă
valori necunoscute ce urmează a fi estimate, iar ε este variabila aleatoare
(reziduală sau perturbatoare)
3
.

3
J.H. Stock, M.W. Watson, Introduction to Econometrics, Addison – Wesley, 2003, pag. 93 – 96

16
Parametrul α reprezintă valoarea pe care o ia variabila rezultativă y atunci
când variabila factorială are valoarea zero şi poate avea relevanţă în model sau
nu, în funcţie de cazul concret analizat.
Parametrul β , numit şi coeficient de regresie, reprezintă panta dreptei de
regresie, adică valoarea cu care se modifică variabila rezultativă y atunci când
variabila factorială x se modifică cu o unitate.
Semnul şi valoarea parametrului β prezintă o importanţă majoră în
descrierea interdependenţei dintre variabila rezultativă şi cea factorială.
Astfel, dacă β > 0, atunci legătura dintre variabila factorială x şi variabila
rezultativă y este directă (când x are evoluţie crescătoare, creşte şi y, iar când x
are evoluţie descrescătoare, scade şi y). Când β este pozitiv se pot distinge trei
situaţii: dacă β < 1, atunci influenţa variabilei factoriale asupra celei rezultative
este mai slabă (la variaţia cu o unitate a variabilei factoriale x, variabila
rezultativă y variază cu o valoare subunitară); dacă β > 1, atunci influenţa
variabilei factoriale asupra celei rezultative este foarte puternică (la variaţia cu o
unitate a variabilei factoriale x, variabila rezultativă y variază cu o valoare
supraunitară); dacă β = 1, atunci variabila rezultativă y variază direct
proporţional cu variaţia variabilei factoriale x.
Dacă β < 0, atunci legătura dintre variabila factorială x şi variabila
rezultativă y este inversă, de sens contrar (când x evoluează crescător, y are o
evoluţie descrescătoare, iar când x evoluează descrescător, y are o evoluţie
crescătoare).
În situaţia în care β = 0, variabila rezultativă y este complet
independentă în raport cu variabila factorială x.
Analiza de regresie în cazul modelului unifactorial liniar constă în
estimarea parametrilor α şi β, prin determinarea a doi estimatori αˆ şi β
ˆ
.
Aceşti estimatori trebuie calculaţi astfel încât diferenţa dintre valorile
reale ale variabilei rezultative (y
i
) şi valorile estimate cu ajutorul parametrilor
calculaţi (
i i
x
ˆ
ˆ y ˆ ⋅ + = β α ) să fie cât mai mică ( im min y ˆ y
i i
= − ).
Deoarece funcţia de regresie utilizată este de tip stochastic, parametrii α
şi β nu sunt valori unice, ci au conţinut de medii, care se estimează cu ajutorul
metodelor specifice oferite de matematică şi statistică
4
.






4
R.S. Pindyck, D.L. Rubinfeld, Econometric Models and Economic Forecasts, Fourth Edition,
McGraw – Hill, 1998, pag. 57 – 66

17
2.1.2. Estimarea parametrilor
Dacă se ia în studiu un set de date reale referitoare la variabila
rezultativă, respectiv la variabila factorială, se va observa că reprezentarea
grafică a modelului liniar aproximează mai mult sau mai puţin exact legătura
dintre cele două variabile. Este puţin probabil ca cele două variabile să fie legate
strict printr-o relaţie liniară, de tip funcţional.
O cuantificare deterministă, exactă a valorilor parametrilor α şi β este
imposibil de realizat, deoarece nu se pot cuprinde în model absolut toate
influenţele existente. Acest lucru a determinat introducerea în model a variabilei
aleatoare, perturbatoare ε, care însumează efectul tuturor factorilor rămaşi în
afara modelului, fie ei nesemnificativi sau necuantificabili.
Variabila aleatoare se presupune că are o repartiţie normală de medie
nulă şi varianţă constantă pentru eşantionul de date analizat. Cu cât volumul
eşantionului este mai mare, cu atât aceste presupuneri sunt mai apropiate de
realitate.
În aceste condiţii, fiecărei valori date x
i
a variabilei factoriale îi
corespunde o distribuţie normală de valori y
i
ale variabilei rezultative, de medie
α + β ⋅ x
i
şi varianţă constantă.
Aceste ipoteze permit abordarea în condiţii de rigurozitate ştiinţifică a
problematicii estimării parametrilor α şi β.
Valorile estimatorilor parametrilor, notate mai sus cu αˆ şi β
ˆ
pot fi
determinate cu ajutorul mai multor metode matematice şi statistice.
Una din metodele care ţine seama de restricţiile prezentate este
metoda celor mai mici pătrate iniţiată de matematicianul francez A.M.
Legendre şi îmbunătăţită de K. Gauss, P.S. Laplace, P.L. Cebîşev şi A.A.
Markov.
5
Aplicarea ei are la bază câteva ipoteze fundamentale:
datele privind variabila rezultativă şi cea factorială sunt obţinute fără
erori de observare sau măsurare;
variabila aleatoare sau reziduală ε este de distribuţie normală, de
medie nulă (E(ε
i
) = 0) şi de varianţă constantă şi diferită de zero;
variabila aleatoare ε urmează o distribuţie independentă de valorile
variabilei factoriale x;
valorile variabilei aleatoare nu sunt autocorelate.
Principiul metodei celor mai mici pătrate constă în minimizarea sumei
pătratelor erorilor de estimare, conform relaţiei:


5
E. Pecican, Econometrie, Editura ALL, Bucureşti, 1994, pag. 50

18
( ) ( ) ( ) min x
ˆ
ˆ y y ˆ y
n
1 i
2
i i
n
1 i
2
i i
n
1 i
2
i
= ∑ ⋅ − − = ∑ − = ∑
= = =
β α ε

Condiţia necesară pentru îndeplinirea acestei restricţii este ca
derivatele parţiale ale sumei pătratelor erorilor de estimare în raport cu α şi β să
fie egale cu zero, deoarece aceasta ne conduce la un extrem al funcţiei
respective, conform teoremei lui Fermat.
Se poate demonstra că acest extrem este un minim deoarece pentru ca
el să fie un maxim ar trebui ca α şi β să fie egali cu ±∞, iar posibilitatea de a fi
un punct de inflexiune este exclusă dată fiind natura pătratică a funcţiei
6
.
Derivatele parţiale ale funcţiei în raport cu parametrii α şi β se
egalează cu zero şi rezultă relaţiile:

( )( ) 0 1 x
ˆ
ˆ y 2
n
1 i
i i
= − ∑ ⋅ − −
=
β α

( )( ) 0 x x
ˆ
ˆ y 2
i
n
1 i
i i
= − ∑ ⋅ − −
=
β α

Din aceste două relaţii se poate ajunge la un sistem de două ecuaţii cu
necunoscutele αˆ şi β
ˆ
, de forma:



¦
¹
¦
´
¦
∑ = ∑ ⋅ + ∑ ⋅
∑ = ∑ ⋅ + ⋅
= = =
= =
n
1 i
i i
n
1 i
2
i
n
1 i
i
n
1 i
i
n
1 i
i
y x x
ˆ
x ˆ
y x
ˆ
ˆ n
β α
β α


Prin rezolvarea acestui sistem de ecuaţii se obţin valorile estimatorilor
αˆ şi β
ˆ
. Estimatorii astfel determinaţi corespund obiectivului urmărit dacă
valoarea medie a estimatorului este egală cu valoarea reală a parametrului
corespunzător, iar varianţa fiecărui estimator este relativ mică în raport cu
numărul de eşantioane pe baza cărora s-a efectuat analiza.

6
E. Pecican, op. cit., pag. 51

19
Calitatea estimatorilor calculaţi poate fi apreciată în funcţie de
îndeplinirea de către aceştia a unor condiţii absolut necesare unei analize
corecte: să conducă spre un grad înalt de determinare, să fie nedistorsionaţi,
eficienţi şi consistenţi. Atunci când se utilizează metoda celor mai mici pătrate
este necesar să fie cunoscute câteva consideraţii privind calitatea estimatorilor
rezultaţi
7
:
ridicarea la pătrat a abaterilor (
i i
y ˆ y −
) conduce la pătratele de arie
minimă a erorilor de estimare, ceea ce reprezintă un element pozitiv.
Trebuie avut însă în vedere faptul că această modalitate de calcul atribuie o
importanţă destul de mare abaterilor mari, în sus sau în jos, faţă de medie,
deoarece acestea prin ridicare la pătrat devin extrem de mari, afectând
corespunzător estimaţiile. De aceea, atunci când se studiază perioadele cu
fluctuaţii foarte mari ale variabilei rezultative în raport cu media, este
indicată minimizarea sumei abaterilor luate în calcul la valoarea lor
absolută: ∑ −
=
n
1 i
i i
y ˆ y = min;
calitatea estimatorilor de a fi nedistorsionaţi nu implică neapărat egalităţile
α α = ˆ şi β β =
ˆ
, ci presupune ca media estimatorului, obţinută pe
baza unui număr cât mai mare de eşantioane, să fie egală cu valoarea reală a
parametrului corespunzător. Din acest punct de vedere, este importantă
repartiţia valorilor variabilei aleatoare ε , precum şi varianţa valorilor
estimate în jurul mediei. Cu cât această varianţă este mai mică, cu atât
estimatorii sunt mai puţin distorsionaţi;
pentru eşantioane mai mici de 30 de valori este dificil să se ajungă la
estimatori ai parametrilor modelului care să respecte toate restricţiile.
Repartiţia variabilei aleatoare se modifică, varianţa estimatorilor creşte, iar
distorsiunea devine tot mai mare, pe măsură ce volumul eşantionului scade.
De aceea, modelele cu cele mai mari şanse de reuşită sunt cele bazate pe
eşantioane de volum mare.
Obţinerea valorilor estimate ale parametrilor α şi β înseamnă finalizarea
analizei de regresie a modelului unifactorial liniar.
Analiza corelaţiei în cazul modelului unifactorial liniar se realizează cu
ajutorul coeficientului de corelaţie liniară simplă, a raportului de corelaţie
simplă şi a coeficientului de determinaţie, dacă variabilele sunt cantitative, iar
dacă variabilele sunt calitative, se utilizează metodele neparametrice de
măsurare a intensităţii legăturii.


7
C. Şipoş, C. Preda, Statistică Economică, Editura Mirton, Timişoara, 2004, pag. 129 – 130

20
2.1.3. Verificarea statistică a modelului
În urma analizei de regresie şi a analizei corelaţiei s-au stabilit forma,
sensul şi intensitatea legăturii dintre variabila rezultativă şi variabila factorială.
Modelul rezultat în urma parcurgerii acestor etape îşi propune să aproximeze cât
mai bine realitatea economică studiată. Gradul de îndeplinire a acestui deziderat
se determină printr-un ansamblu de metode şi teste statistice care sunt numite
generic verificarea statistică a modelului.
Această etapă de verificare a modelelor econometrice pe baza unor
teste statistice este absolut necesară, datorită faptului că estimarea parametrilor
modelelor se realizează pe baza unor eşantioane de date, mai mult sau mai puţin
reprezentative. Astfel, luând în considerare un număr destul de redus de valori
(uneori sub 30 de date) se doreşte să se ajungă la estimări valabile pentru o
colectivitate generală formată din sute sau chiar mii de cazuri. Orice modificare
a volumului eşantionului duce, de regulă, la modificarea valorilor estimate, ceea
ce înseamnă că aceste valori au un grad ridicat de relativitate.
8

În aceste condiţii, apar probleme legate de măsura în care soluţiile
unui model pot fi generalizate, de faptul că estimaţiile obţinute pot fi
semnificative sau doar întâmplătoare, rezultat al unei conjuncturi de valori din
cadrul eşantionului, precum şi de limitele între care estimatorii pot varia fără a
influenţa aprecierile iniţiale şi concluziile referitoare la semnificaţia lor.
Aceste probleme sunt rezolvate, în general, cu ajutorul testelor
statistice, care studiază semnificaţia parametrilor modelului econometric şi
calitatea acestuia de a descrie relaţia de dependenţă dintre variabila rezultativă
şi factorii de influenţă luaţi în considerare. Pentru aceasta, în primul rând,
trebuie cunoscută legea de repartiţie care caracterizează comportamentul
variabilelor studiate – rezultativă, factorială şi aleatoare.
Legea de repartiţie a unei variabile aleatoare x exprimă probabilitatea
P ca variabila respectivă să ia o anumită valoare.
Funcţia de repartiţie F(x) se referă la probabilitatea ca variabila x să ia
o valoare mai mică decât un anumit nivel dat x
i
:

F(x) = P(x < x
i
) =
( )

i
x
0
dx x f


sau la probabilitatea ca variabila x să se situeze în intervalul dat de două valori
x
1
şi x
2
:

8
C. Şipoş, Modelarea comportamentului cursului de schimb al leului, Editura Universităţii de
Vest, Timişoara, 2003, pag. 80

21

F(x) = P(x
1
< x < x
2
) = ( )

2
1
x
x
dx x f

unde f(x) este prima derivată a funcţiei de repartiţie şi exprimă densitatea,
aglomerarea variabilei în punctul x.
De regulă, legea care guvernează variabilele şi frecvenţa apariţiei
acestora în economie este legea de repartiţie normală, notată cu N(m, σ).
Distribuţia normală prezintă importanţă atât din motive teoretice cât şi practice,
reprezentând un model adecvat ori de câte ori o variabilă este dependentă de
unul sau mai mulţi factori care exercită asupra ei influenţe de intensitate relativ
mică şi în diverse sensuri.
Dacă x este o variabilă aleatoare continuă care urmează o repartiţie
normală de medie m şi abatere medie pătratică σ, N(m, σ), atunci densitatea de
probabilitate este:

( )
( )
2
2
2
m x
e
2
1
x f
σ
π σ
− −
⋅ =


Calculul diferitelor valori ale densităţii de repartiţie pentru diverse
valori ale mediei şi abaterii medii pătratice este destul de dificil şi, din acest
motiv, se preferă o transformare a repartiţiei normale prin utilizarea variabilei
standardizate z:

σ
m x
z

=


Atunci densitatea de probabilitate a variabilei z este:

( )
2
z
2
1
e
2
1
z f


⋅ =
π σ


şi se numeşte densitatea de probabilitate a variabilei normale de medie nulă şi
abatere medie pătratică egală cu unitatea N(0, 1).
Funcţia de repartiţie, care dă ponderea unităţilor care au valoarea
caracteristicii mai mică decât o valoare x fixată este:

22

( ) ( ) ( )
( )
∫ ∫
∞ −
− −
∞ −
⋅ = = < =
x
2
m t
x
dt e
2
1
dt t f x X P x F
2
2
σ
π σ


Din ecuaţia f(x) = 0 se obţine x = m şi valoarea maximă a densităţii de
probabilitate este atinsă în punctul (m,
π σ 2
1
).
9

Această lege de repartiţie a fost luată în considerare atunci a fost
caracterizată variabila aleatoare şi când au fost apreciate valorile
i
y ˆ în funcţie
de un nivel dat al variabilei factoriale x
i
. Dacă se au în vedere parametrii α şi β
din modelul liniar unifactorial, atunci, deoarece variabila ε
i
urmează o repartiţie
normală, iar αˆ şi β
ˆ
sunt combinaţii liniare ale variabilei ε
i
, înseamnă că
aceşti parametri sunt ei înşişi normal distribuiţi.
Media estimatorului fiecărui parametru, în ipoteza unei estimaţii
nedistorsionate, este mărimea parametrului din colectivitatea generală. Varianţa
estimatorului fiecărui parametru, în cazul unei estimaţii eficiente, depinde de
împrăştierea variabilei aleatoare şi de împrăştierea valorilor variabilei factoriale.
Verificarea statistică este, de fapt, o operaţiune de validare a
modelului, în funcţie de concluziile ei luându-se decizia de confirmare sau de
infirmare a posibilităţilor acestuia de a reflecta corect situaţia reală. Setul de
metode statistice care stă la baza verificării unui model econometric unifactorial
este compus din mai multe tipuri de teste specifice, prezentate sintetic în cele ce
urmează.
O primă verificare constă în determinarea şi interpretarea erorilor
standard generate de model. Erorile standard reprezintă abateri ale valorilor
estimate de la valorile reale şi se împart în două categorii:
• prima categorie, calculată ca abatere a valorilor estimate ale
variabilei rezultative $ y
i
faţă de cele reale y
i
, se numeşte eroare standard a
modelului (s
ε
) şi se determină cu relaţia:

( )
( ) ∑ −

=
=
n
1 i
2
i i
y ˆ y
2 n
1
s
ε



9
C. Chilărescu, O. Ciorîcă, C. Preda, C. Şipoş, N. Surulescu, Bazele statisticii, Editura
Universităţii de Vest, Timişoara, 2002, pag. 110 – 114

23
În principiu, cu cât această eroare este mai mică în raport cu valorile
variabilei rezultative, cu atât modelul aproximează mai corect realitatea
economică studiată. Interpretarea calităţii modelului în funcţie de valoarea erorii
standard a modelului este destul de relativă, fapt pentru care utilitatea acesteia
constă mai degrabă în a fi folosită în determinarea altor parametri statistici de
verificare a modelului;
• a doua categorie reprezintă abateri ale valorilor estimate ale
parametrilor funcţiei de regresie de la valorile lor reale şi se numesc erori
standard ale parametrilor modelului. Ele se determină pentru fiecare parametru
în parte. În cazul modelului unifactorial liniar, cele două erori standard ale
parametrilor α şi β, notate cu s
α
, respectiv, s
β
sunt:

2
n
1 i
i
n
1 i
2
i
n
1 i
2
i
x x n
x
s s
|
¹
|

\
|
∑ − ∑ ⋅

=
= =
=
ε α

2
n
1 i
i
n
1 i
2
i
x x n
n
s s
|
¹
|

\
|
∑ − ∑ ⋅
=
= =
ε β


Cu cât aceste erori ale parametrilor modelului sunt mai mici în raport
cu valorile absolute ale parametrilor pe care îi caracterizează, cu atât valorile
estimate ale parametrilor respectivi sunt mai apropiate de cele reale.
Pentru ca modelul elaborat să fie corect din punct de vedere statistic,
el trebuie să îndeplinească condiţia de normalitate a variabilei aleatoare ε,
prezentată în etapa formulării ipotezelor iniţiale
10
. Aceasta se poate verifica cu
ajutorul mai multor teste statistice, dintre care mai des utilizat este testul χ
2
,
care constă în compararea frecvenţelor absolute efective, n
i
, ataşate valorilor
variabilei aleatoare, cu valorile teoretice, p
i
.
Efectuarea testului χ
2
presupune parcurgerea următoarelor etape:
1. Se formulează ipoteza nulă H
0
, prin care se presupune că distribuţia
variabilei aleatoare este normală;
2. Se calculează valorile standardizate z
i
, conform relaţiei:


10
C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006

24
σ
m x
z
i
i

=


3. Se determină din tabelul Laplace valorile ϕ(z
i
) corespunzătoare;
4. Se calculează valorile teoretice p
i
= ϕ(z
i
) – ϕ(z
i–1
);
5. Se determină o valoare calculată χ
2
c
, astfel:

χ
2
c
=
( )

=

k
1 i
i
2
i i
np
np n


6. Valoarea calculată a testului χ
2
se compară cu valoarea tabelară
corespunzătoare. Dacă valoarea calculată este mai mică sau cel mult egală cu
valoarea tabelară, rezultă că ipoteza de normalitate a variabilei aleatoare se
acceptă şi modelul este corect, iar dacă valoarea calculată este mai mare decât
valoarea tabelară, rezultă că ipoteza de normalitate a variabilei aleatoare se
respinge şi modelul nu respectă condiţia iniţială impusă. În această a doua
situaţie sunt necesare corecţii, fie în sensul suplimentării factorilor de influenţă,
fie în sensul creşterii volumului eşantionului de date pe care se face analiza.
Verificarea unei alte ipoteze iniţiale a modelului, cea referitoare la
autocorelarea variabilei aleatoare se realizează cu ajutorul testului Durbin –
Watson
11
, care presupune parcurgerea următoarelor etape:
Se stabileşte ipoteza nulă H
0
conform căreia variabila aleatoare este
autocorelată;
Se determină valoarea calculată a testului, d, după relaţia:

d =
( )


=
=


n
1 i
2
i
n
2 i
2
1 i i
ε
ε ε


Se determină din tabelele statistice aferente testului Durbin – Watson
două valori tabelare, una inferioară şi alta superioară, notate d
L
şi d
U
. Valorile
respective se iau din tabele în funcţie de nivelul de semnificaţie al testului, α, în
funcţie de numărul de observaţii, N, precum şi în raport de numărul de variabile
factoriale, k (care în cazul modelului unifactorial este egal cu unu);
Se compară d cu valorile tabelare şi pot rezulta trei situaţii:

11
C. Chilărescu, Modele econometrice aplicate, Editura Mirton, Timişoara, 1994, pag. 25 – 26

25
– dacă d < d
L
, înseamnă că ipoteza autocorelării variabilei aleatoare
se acceptă, adică valorile variabilei aleatoare sunt dependente una faţă de
cealaltă, ceea ce implică faptul că şi înregistrările de date în eşantioane sunt
dependente unele de altele şi modelul trebuie corectat;
– dacă d
L
≤ d ≤ d
U
, testul este neconcludent şi trebuie refăcut pe alte
eşantioane de date;
– dacă d > d
U
, înseamnă că ipoteza autocorelării variabilei aleatoare
se respinge, adică valorile variabilei aleatoare sunt independente între ele, ceea
ce implică faptul că şi înregistrările de date în eşantioane au fost independente.
În această situaţie, modelul este corect din punct de vedere statistic. În practica
econometrică, având în vedere faptul că, rareori, valorile tabelare ale acestui test
depăşesc valoarea 2 se spune că dacă valoarea calculată d este mai mare decât 2,
atunci modelul este corect. Pentru rigurozitate ştiinţifică, însă, este de preferat
să se tragă concluziile după compararea lui d cu valorile tabelare aferente
testului Durbin – Watson.
12

În prima situaţie, cea în care modelul trebuie corectat, se parcurge un
algoritm de corecţie, după cum urmează:
Având în vedere faptul că variabila aleatoare este autocorelată,
înseamnă că între fiecare pereche de valori (ε
i;
ε
i-1
) există o relaţie care poate fi
descrisă cu ajutorul unei funcţii de regresie de forma:

ε
i
= r⋅ ε
i-1
+ u
i


unde r este panta dreptei de regresie, iar u
i
este perturbaţia aferentă acestei
funcţii.
Deoarece variabila aleatoare este autocorelată, r va fi un estimator al
coeficientului de corelaţie ρ care arată intensitatea legăturii între ε
i
şi ε
i-1
13

şi se
determină cu relaţia:


∑ ⋅
=
=
=

n
1 i
2
i
n
2 i
1 i i
r
ε
ε ε


Dacă valoarea lui r este cunoscută, se poate ajusta regresia liniară
simplă astfel încât parametrii modelului să fie eficienţi. Algoritmul de corectare

12
C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006
13
W.H. Greene, Econometric Analysis, Fifth Edition, Prentice Hall, 2003, pag. 268 – 271

26
implică utilizarea metodei diferenţelor generalizate
14
, care conduce la un model
în care valorile variabilei aleatoare sunt independente între ele. Astfel,
presupunând că modelul analizat este valabil pentru orice moment luat în
considerare, se poate spune că, la momentul i – 1 este valabilă relaţia:

y
i-1
= α + β ⋅ x
i-1
+ ε
i-1


Înmulţind ecuaţia cu r şi scăzând-o din ecuaţia iniţială a modelului, se
obţine funcţia corectată, cu variabila aleatoare cu o distribuţie independentă de
medie nulă şi varianţă constantă, conform relaţiei:
y
i
*
= α (1 – r)+ β ⋅ x
i
*
+ u
i


unde y
i
*
, x
i
*
şi u
i
sunt diferenţele generalizate ale lui y, x şi ε, definite de
relaţiile:

y
i
*
= y
i
– r ⋅ y
i-1


x
i
*
= x
i
– r ⋅ x
i-1


u
i
= ε
i
– ε
i-1


Aplicând metoda celor mai mici pătrate se obţin parametri
nedistorsionaţi şi eficienţi, iar parametrul α din ecuaţia originală se va obţine
prin împărţirea valorii estimate obţinute la 1 – r.
O altă modalitate de testare statistică o constituie testul Fisher de
verificare a variaţiei variabilei rezultative, care stabileşte capacitatea modelului
de a reconstitui valorile empirice ale variabilei rezultative y
i
prin intermediul
valorilor estimate
$ y
i
. Această verificare se realizează prin parcurgerea mai
multor etape:
Etapa I. Se stabileşte ipoteza nulă, H
0
, conform căreia împrăştierea
valorilor ajustate ale variabilei rezultative
$ y
i
datorită influenţei variabilei
factoriale nu diferă semnificativ de împrăştierea aceloraşi valori datorită
întâmplării. Această ipoteză presupune, de fapt, că modelul este irelevant, iar
etapele următoare ale testului o vor confirma sau o vor infirma;
Etapa II. Se alege repartiţia utilizată pentru efectuarea testului şi
nivelul de semnificaţie α. Repartiţia pe baza căreia se realizează acest test este
cea cunoscută sub numele de repartiţia Fisher – Snedecor;

14
R.S. Pindyck, D.L. Rubinfeld, op. cit., pag. 161 – 162

27
Etapa III. Se determină valoarea calculată (F
c
) ca raport între estimatorul
varianţei explicate s
2
y/x
şi estimatorul varianţei reziduale s
ε
2
, după relaţia:

2
2
x / y
c
s
s
F
ε
=


Etapa IV. Se alege valoarea tabelară sau critică (F
t
) din tabelul
repartiţiei Fisher – Snedecor în funcţie de nivelul de semnificaţie α şi de
numărul de grade de libertate;
Etapa V. Se compară valoarea calculată F
c
cu valoarea tabelară F
t
şi
pot rezulta două situaţii:
– dacă F
c
≤ F
t
, ipoteza nulă se acceptă cu probabilitatea p = 1 – α, ceea
ce înseamnă că modelul trebuie reconsiderat, fie în sensul alegerii altui factor de
influenţă, fie în sensul optării pentru o altă formă a funcţiei de regresie;
– dacă F
c
> F
t
, ipoteza nulă se respinge cu probabilitatea p = 1 – α, ceea
ce înseamnă că modelul a rezistat verificării, adică variabila factorială are o
influenţă semnificativă asupra variabilei rezultative.
Pentru a cerceta dacă parametrii obţinuţi în urma aplicării metodei
celor mai mici pătrate sunt consistenţi se utilizează testul Student de verificare a
semnificaţiei parametrilor modelului. Media estimatorului fiecărui parametru,
în ipoteza unei estimaţii nedistorsionate, este mărimea reală a parametrului.
Varianţa estimatorului fiecărui parametru, în cazul unei estimaţii eficiente,
depinde de împrăştierea variabilei aleatoare şi de împrăştierea valorilor
variabilelor factoriale.
Ceea ce interesează în mod deosebit este semnificaţia parametrului
corespunzător variabilei factoriale, β, dată fiind importanţa lui în măsurarea
influenţei acesteia asupra evoluţiei variabilei rezultative.
Etapele verificării semnificaţiei parametrilor cu ajutorul testului
Student sunt următoarele:
Etapa I. Se stabileşte ipoteza nulă H
0
conform căreia parametrii
estimaţi αˆ şi β
ˆ
nu diferă semnificativ de zero. Acest lucru înseamnă că se
porneşte de la presupunerea că modelul este irelevant;
Etapa II. Se stabileşte nivelul de semnificaţie al testului, notat cu α ;
Etapa III. Se determină valorile calculate ale testului Student pentru
fiecare parametru în parte, ca raport între valoarea absolută a parametrului
estimat şi eroarea sa standard, conform relaţiilor:


28
α
α
α
s
ˆ
t =

β
β
β
s
ˆ
t =


Etapa IV. Se determină din tabelul aferent repartiţiei Student valoarea
tabelară a variabilei standardizate (t
critic
) în funcţie de ν = n – 1 grade de
libertate şi de probabilitatea α/2;
Etapa V. Se compară valorile calculate cu valoarea tabelară şi, în
raport cu mărimea lor, rezultă următoarele situaţii:
– dacă nivelul calculat al ambilor parametri ai modelului este mai mic
sau cel mult egal cu valoarea critică (t
α
, t
β
< t
critic
), ipoteza nulă se acceptă şi se
poate spune cu probabilitatea p = 1 – α că estimatorii αˆ şi β
ˆ
nu diferă
semnificativ de zero. În aceste condiţii, datele nu confirmă existenţa legăturii
între variabila factorială şi cea rezultativă, fiind necesară fie alegerea altui factor
de influenţă, fie găsirea unei noi forme a legăturii;
– dacă nivelul calculat al ambilor parametri ai modelului este mai mare
decât valoarea critică (t
α
, t
β
> t
critic
), ipoteza nulă se respinge şi se poate spune
cu probabilitatea p = 1 – α că estimatorii αˆ şi β
ˆ
diferă semnificativ de zero,
adică parametrii estimaţi sunt semnificativi, iar modelul este corect din punct de
vedere statistic.
Parcurgerea tuturor acestor etape ale verificării statistice a modelului
unifactorial liniar, poate conduce la ideea unei anumite nesiguranţe privind
calitatea rezultatelor obţinute. În urma verificărilor, însă, această nesiguranţă
dispare şi, chiar dacă nu există certitudini, există convingerea că, pentru o
probabilitate suficient de mare, concluzia la care se ajunge este cea adevărată.


2.2. Modele unifactoriale neliniare

De multe ori, în economie, dependenţa dintre două variabile nu este de
tip liniar, ci urmează diverse funcţii analitice neliniare. Linia dreaptă nu poate fi
utilizată pentru a descrie orice legătură, deoarece, în multe cazuri, “norul de
puncte” sugerează diverse curbe. În aceste situaţii trebuie găsite funcţiile
matematice corespunzătoare tipului de curbă sugerată de reprezentarea grafică.

29
Existenţa sau absenţa unei legături liniare între variabila rezultativă y
şi variabila factorială x se probează cel mai simplu prin verificarea egalităţii
dintre raportul de corelaţie R şi valoarea absolută a coeficientului de corelaţie
liniară simplă, ρ, astfel:
– dacă cei doi parametri ai corelaţiei (prezentaţi în paragraful 3.1.1) sunt
egali (R = ρ ), legătura este liniară;
– dacă cei doi parametri sunt diferiţi (R ≠ ρ ), legătura este neliniară.
În afara acestui procedeu, în alegerea formei funcţiei de regresie au un
rol important, pe lângă cunoştinţele teoretice şi procedeele econometrice, şi
experienţa practică şi rezultatele cercetărilor similare.
În principiu, o funcţie de regresie neliniară este acea funcţie a cărei
pantă, dată de parametrul β, nu este constantă pentru orice valoare a lui x.
Estimarea parametrilor unei astfel de funcţii se realizează fie direct prin metoda
celor mai mici pătrate, fie prin diverse transformări care duc la liniarizarea
funcţiei, fie prin utilizarea unor metode numerice de estimare.
În econometrie, cele mai cunoscute şi mai des întâlnite modele
unifactoriale neliniare sunt: modelul hiperbolic, modelul parabolic şi modelul
exponenţial.

2.2.1. Modelul hiperbolic
Ajustarea cu ajutorul hiperbolei se utilizează atunci când “norul de
puncte” urmează o traiectorie de tip hiperbolă. În acest caz, dependenţa dintre
cele două variabile poate fi inversă sau directă, iar reprezentarea grafică este de
forma:
Figura 1. Reprezentarea grafică a funcţiei hiperbolice
α
y
i
0
x
i
β < 0
β > 0

30

Modelul hiperbolic are la bază următoarea ecuaţie:

i
i
i
x
1
y ε β α + ⋅ + =


Parametrii α şi β ai modelului pot fi estimaţi cu ajutorul metodei celor
mai mici pătrate, prin utilizarea transformării de variabilă:
i
'
i
x
1
x = .
Modelul devine, astfel:

i
'
i i
x y ε β α + ⋅ + =

În aceste condiţii, sistemul de ecuaţii care conduce la valorile estimate
ale parametrilor α şi β, obţinut conform algoritmului prezentat în cazul
modelului unifactorial liniar, este:

( ) ( )
¦
¦
¹
¦
¦
´
¦
∑ ⋅ = ∑ ⋅ + ∑ ⋅

=

⋅ + ⋅
= = =
= =
n
1 i
i
'
i
2
n
1 i
'
i
n
1 i
'
i
n
1 i
i
n
1 i
'
i
y x x
ˆ
x ˆ
y x
ˆ
ˆ n
β α
β α


Ajustarea prin hiperbolă se recomandă atunci când variabila
rezultativă y scade, respectiv, creşte asimptotic către o valoare reală dată de
parametrul α, fapt ilustrat şi de figura 1.
Analiza de corelaţie în cazul modelului hiperbolic se realizează cu
ajutorul raportului de corelaţie R şi a coeficientului de determinaţie simplă R
2
.
Verificarea statistică a modelului şi discuţiile referitoare la
homoscedasticitatea variabilei aleatoare sunt similare cu cele prezentate la
modelul unifactorial liniar.
În funcţie de reprezentarea grafică a legăturii, pot fi utilizate variante
ale funcţiei hiperbolice, care au la bază diverse ecuaţii:
x
e y
β
α ⋅ = ;
x
1
y
+
=
α
β
;
x
1
y
⋅ +
=
β α
etc.

31
2.2.2. Modelul parabolic
Acest model, numit şi modelul pătratic, este folosit, de regulă, atunci
când ritmul de evoluţie al caracteristicii urmează o curbă de tip U, cu vârfurile
în jos sau în sus. Pentru exprimarea modelului parabolic se utilizează funcţia de
gradul doi, după relaţia:

y
i
= α + β
1
⋅x
i

2
⋅x
i
2
+ ε
i


Reprezentarea grafică a unei funcţii parabolice este următoarea:

Figura 2. Reprezentarea grafică a funcţiei parabolice


Şi în cazul acestei funcţii, pentru estimarea parametrilor α, β
1
şi β
2
se
poate aplica metoda celor mai mici pătrate, rezultând următorul sistem de trei
ecuaţii cu trei necunoscute:

¦
¦
¦
¹
¦
¦
¦
´
¦
∑ = ∑ ⋅ + ∑ ⋅ + ∑ ⋅
∑ = ∑ ⋅ + ∑ ⋅ + ∑ ⋅
∑ = ∑ ⋅ + ∑ ⋅ + ⋅
= = = =
= = = =
= = =
n
1 i
i
2
i
n
1 i
4
i 2
n
1 i
3
i 1
n
1 i
2
i
n
1 i
i i
n
1 i
3
i 2
n
1 i
2
i 1
n
1 i
i
n
1 i
i
n
1 i
2
i 2
n
1 i
i 1
y x x
ˆ
x
ˆ
x ˆ
y x x
ˆ
x
ˆ
x ˆ
y x
ˆ
x
ˆ
ˆ n
β β α
β β α
β β α


y
i
0
x
i
β
2
< 0
β
2
> 0

32
Dacă β
2
> 0, vârful parabolei va fi dat de minimul funcţiei (parabola
este cu ramurile în sus), iar dacă β
2
< 0, vârful parabolei este dat de maximul
funcţiei (parabola este cu ramurile în jos).
Analiza de corelaţie în cazul modelului parabolic, similar cu modelul
hiperbolic, are la bază determinarea şi interpretarea raportului de corelaţie R şi a
coeficientului de determinaţie simplă R
2
.
Verificarea statistică a modelului şi discuţiile referitoare la
homoscedasticitatea variabilei aleatoare sunt, de asemenea, similare cu cele
prezentate la modelul unifactorial liniar.
Modelul parabolic are, la rândul său, foarte multe variante de
exprimare, cum ar fi:
2
2 1
x x y lg ⋅ + ⋅ + = β β α ;
2
x y ⋅ + = β α ;
2
2 1
x x
e y
⋅ + ⋅
⋅ =
β β
α ; ( )
2
2 1
x lg x lg y ⋅ + ⋅ + = β β α etc.

2.2.3. Modelul exponenţial
Este utilizat atunci când “norul de puncte” are un trend curbiliniu
crescător sau descrescător, de tip exponenţial. Ecuaţia modelului este de forma:

i
x
i
y β α ⋅ =

Reprezentarea grafică a funcţiei exponenţiale este dată de figura 3:
Figura 3. Reprezentarea grafică a funcţiei exponenţiale

y
i
0
x
i
0 < β < 1
β > 1

33
În cazul acestei funcţii, pentru a estima parametrii α şi β este necesar,
în primul rând, să se liniarizeze funcţia prin logaritmare, astfel:

log y
i
= log α + x
i
⋅ log β

Apoi, se aplică metoda celor mai mici pătrate şi se obţine sistemul de
ecuaţii:

( )
( )
¦
¹
¦
´
¦
∑ ⋅ = ∑ ⋅ + ∑ ⋅
∑ = ∑ ⋅ + ⋅
= = =
= =
n
1 i
i i
n
1 i
2
i
n
1 i
i
n
1 i
i
n
1 i
i
y log x x
ˆ
log x ˆ log
y log x
ˆ
log ˆ log n
β α
β α


Acest model se utilizează, de obicei, atunci când unei variaţii în
progresie aritmetică a variabilei factoriale x îi corespunde o variaţie în progresie
geometrică a variabilei rezultative y.
Analiza de corelaţie în cazul modelului exponenţial, similar cu
celelalte modele neliniare, se realizează prin determinarea şi interpretarea
raportului de corelaţie R şi a coeficientului de determinaţie simplă R
2
.
Verificarea statistică a modelului şi discuţiile referitoare la
homoscedasticitatea variabilei aleatoare sunt, ca şi în celelalte cazuri neliniare,
similare cu cele prezentate la modelul unifactorial liniar.
Modelul exponenţial are, la rândul său, numeroase variante de
exprimare, cum ar fi:
x
e y

⋅ =
β
α ;
x
e y
⋅ +
=
β α
etc.
În afara acestor tipuri de modele neliniare simple, pot fi luate în
considerare multe altele, în funcţie de modul de dispunere a punctelor din
reprezentarea grafică.
Trebuie observată, însă, importanţa deosebită a modelului unifactorial
liniar, deoarece aproape toate modelele se raportează la acesta într-o formă sau
alta. Cu toate acestea, principalul dezavantaj al unui model unifactorial este
acela că ia în considerare prea puţine variabile factoriale, fapt pentru care este
necesar să se apeleze la modele care studiază dependenţa dintre variabila
rezultativă şi mai mulţi factori de influenţă, care acţionează simultan.







34
ÎNTREBĂRI TEORETICE DE AUTOEVALUARE LA CAPITOLUL 2:

1. Cum se interpretează valorile parametrilor α şi β ale modelului liniar
unifactorial?

2. Ce reprezintă verificarea statistică a modelului econometric?

3. Care sunt etapele testului Durbin-Watson?

4. Care sunt principalele tipuri de modele unifactoriale neliniare?

35

CAPITOLUL 3. MODELE ECONOMETRICE
MULTIFACTORIALE


Rezumat: Problema fundamentală a modelelor unifactoriale este dată
de faptul că, în activitatea socio–economică se întâmplă destul de rar ca o
variabilă, de orice natură ar fi ea, să depindă semnificativ de un singur factor de
influenţă. În marea majoritate a cazurilor, variabilele economice sunt rezultanta
îmbinării mai multor factori importanţi la care se adaugă şi influenţa unor
factori nesemnificativi sau necuantificabili.
Astfel, deseori, modelele unifactoriale nu reuşesc să respecte
restricţiile impuse de metodele de estimare a parametrilor, deoarece sunt omise
din analiză variabile factoriale cu impact semnificativ asupra variabilei
rezultative. În aceste condiţii, variabila aleatoare nu mai are comportamentul
presupus de către ipotezele iniţiale ale modelului şi, drept urmare, estimatorii
obţinuţi nu sunt de calitate (deplasaţi, neconsistenţi, ineficienţi).

3.1. Modelul multifactorial liniar

3.1.1. Prezentarea modelului şi estimarea parametrilor
Funcţia de regresie care stă la baza modelului multifactorial liniar este
de forma:

y
i
= α + β
1
⋅ x1
i
+ β
2
⋅ x2
i
+ … + β
k
⋅ xk
i
+ ε

în care: y
i
reprezintă valorile variabilei rezultative;
x1
i
, x2
i
, …, xk
i
sunt valorile variabilelor factoriale luate în considerare;
α, β
1
, …, β
k
sunt parametrii modelului, corespunzători variabilelor
factoriale x1
i
, x2
i
, …, xk
i
;
ε
i
este variabila aleatoare sau reziduală.
Estimarea parametrilor regresiei liniare multiple se realizează tot cu
metoda celor mai mici pătrate, utilizată şi la modelele unifactoriale. Aplicarea ei
porneşte de la aceleaşi ipoteze fundamentale:
• datele privind variabila rezultativă şi variabilele factoriale sunt
obţinute fără erori de observare sau măsurare;
• variabila aleatoare sau reziduală ε
i
este de distribuţie normală, de
medie nulă (E(ε
i
) = 0) şi de varianţă constantă şi diferită de zero
(homoscedastică);

36
• variabila aleatoare ε
i
urmează o distribuţie independentă de valorile
variabilelor factoriale x1
i
, x2
i
, …, xk
i
;
• variabilele factoriale nu sunt corelate liniar unele faţă de celelalte
(ipoteza absenţei multicoliniarităţii);
• valorile variabilei aleatoare nu sunt autocorelate.
Conform principiului metodei celor mai mici pătrate, valorile
variabilei aleatoare ε
i
prin ridicare la pătrat, urmată de însumarea acestora,
conduc la obţinerea expresiei:

( ) ( ) ∑ ⋅ − − ⋅ − − = ∑ − = ∑
= = =
n
1 i
2
i k i 1 i
n
1 i
2
i i
n
1 i
2
i
xk
ˆ
... 1 x
ˆ
ˆ y y ˆ y β β α ε


în care
$ y
i
reprezintă valorile estimate ale variabilei rezultative corespunzătoare
nivelurilor variabilelor factoriale x1
i
, x2
i
, …, xk
i
, iar
k 1
ˆ
,...,
ˆ
, ˆ β β α sunt
estimatorii parametrilor α, β
1
, …, β
k
.
Obţinerea unor valori diferite pentru parametrii estimaţi
k 1
ˆ
,...,
ˆ
, ˆ β β α conduce la valori diferite pentru suma pătratelor erorilor de
estimare. Ceea ce interesează, însă, este obţinerea acelui set de estimatori ai
parametrilor modelului care determină cea mai mică sumă, adică cele mai mici
erori de estimare. Aşadar, obiectivul urmărit este obţinerea unei astfel de soluţii
pentru parametri, încât să fie valabilă următoarea relaţie:


=
n
1 i
2
i
ε = minim

În acest scop, condiţia necesară este ca derivatele parţiale ale sumei
date în raport cu
k 1
ˆ
,...,
ˆ
, ˆ β β α să fie egale cu zero, deoarece aceasta ne
conduce la minim (demonstraţia afirmaţiei este similară cu cazul unifactorial),
rezultând relaţiile:

( ) 0 xk
ˆ
... 2 x
ˆ
1 x
ˆ
ˆ y 2
n
1 i
i k i 2 i 1 i
= ∑ − − − − − −
=
β β β α


( ) [ ] 0 xk
ˆ
... 2 x
ˆ
1 x
ˆ
ˆ y 1 x 2
n
1 i
i k i 2 i 1 i i
=

− − − − − −
=
β β β α



37
( ) [ ] 0 xk
ˆ
... 2 x
ˆ
1 x
ˆ
ˆ y 2 x 2
n
1 i
i k i 2 i 1 i i
= ∑ − − − − − −
=
β β β α

M
( ) [ ] 0 xk
ˆ
... 2 x
ˆ
1 x
ˆ
ˆ y xk 2
n
1 i
i k i 2 i 1 i i
= ∑ − − − − − −
=
β β β α

Din relaţiile anterioare rezultă sistemul de k + 1 ecuaţii cu k + 1
necunoscute:

¦
¦
¦
¦
¦
¦
¹
¦
¦
¦
¦
¦
¦
´
¦
∑ ∑ ∑ ∑ ⋅ = + + ⋅ + ⋅ + ∑
∑ ∑ ∑ ∑ ⋅ = ⋅ + + + ⋅ + ∑
∑ ∑ ∑ ∑ ⋅ = ⋅ + + ⋅ + + ∑
∑ ∑ ∑ ∑ = + + + +
= = = = =
= = = = =
= = = = =
= = = =
n
1 i
n
1 i
n
1 i
n
1 i
i i
2
i k i i 2 i i 1
n
1 i
i
n
1 i
n
1 i
n
1 i
n
1 i
i i i i k
2
i 2 i i 1
n
1 i
i
n
1 i
n
1 i
n
1 i
n
1 i
i i i i k i i 2
2
i 1
n
1 i
i
n
1 i
n
1 i
n
1 i
n
1 i
i i k i 2 i 1
y xk xk
ˆ
... xk 2 x
ˆ
xk 1 x
ˆ
xk ˆ
y 2 x xk 2 x
ˆ
... 2 x
ˆ
2 x 1 x
ˆ
2 x ˆ
y 1 x xk 1 x
ˆ
... 2 x 1 x
ˆ
1 x
ˆ
1 x ˆ
y xk
ˆ
... 2 x
ˆ
1 x
ˆ
ˆ n
β β β α
β β β α
β β β α
β β β α
M


În urma rezolvării acestui sistem se obţin valorile estimate ale
parametrilor modelului
k 1
ˆ
,...,
ˆ
, ˆ β β α .
Similar cu modelul unifactorial, estimatorii determinaţi cu metoda
celor mai mici pătrate corespund obiectivului urmărit dacă valoarea aşteptată
pentru fiecare estimator este egală cu valoarea reală a parametrului, iar varianţa
fiecărui estimator este cea mai mică posibilă în raport cu numărul de eşantioane.
Informaţiile oferite de parametrii de regresie se referă la cuantificarea
efectelor variaţiilor variabilelor factoriale luate în considerare asupra variaţiei
variabilei rezultative.
Estimaţia termenului liber α, similar cu ceea ce s-a prezentat la
modelul unifactorial, arată nivelul variabilei rezultative atunci când toate
variabilele de influenţă (x1
i
, x2
i
, …, xk
i
) au valoarea zero.
Din punct de vedere economic, această valoare are relevanţă numai
atunci când variabila rezultativă poate lua valori diferite de zero şi în condiţiile
în care toate variabilele factoriale sunt nule. Dacă este vorba însă de variabile

38
fundamentale, în absenţa cărora variabila rezultativă nu există, atunci
termenului liber α nu are relevanţă economică şi trebuie eliminat din funcţie.
Acest lucru se realizează prin construirea unei ecuaţii liniare multiple fără
termen liber, conform relaţiei:

y
i
= β
1
⋅ x1
i
+ β
2
⋅ x2
i
+ … + β
k
⋅ xk
i
+ ε
i


Estimarea parametrilor β
1
, β
2
, …, β
k
se realizează tot cu ajutorul
metodei celor mai mici pătrate, rezultând următorul sistem de k ecuaţii cu k
necunoscute:

¦
¦
¦
¦
¹
¦
¦
¦
¦
´
¦
∑ ∑ ∑ ∑ ⋅ = + + ⋅ + ⋅
∑ ∑ ∑ ∑ ⋅ = ⋅ + + + ⋅
∑ ∑ ∑ ∑ ⋅ = ⋅ + + ⋅ +
= = = =
= = = =
= = = =
n
1 i
n
1 i
n
1 i
n
1 i
i i
2
i k i i 2 i i 1
n
1 i
n
1 i
n
1 i
n
1 i
i i i i k
2
i 2 i i 1
n
1 i
n
1 i
n
1 i
n
1 i
i i i i k i i 2
2
i 1
y xk xk
ˆ
... xk 2 x
ˆ
xk 1 x
ˆ
y 2 x xk 2 x
ˆ
... 2 x
ˆ
2 x 1 x
ˆ
y 1 x xk 1 x
ˆ
... 2 x 1 x
ˆ
1 x
ˆ
β β β
β β β
β β β
M


Estimaţiile parametrilor β
1
, β
2
, …, β
k
, atât în cazul modelului cu
termen liber, cât şi în cazul modelului fără termen liber, arată cu cât variază
variabila rezultativă atunci când factorul de influenţă corespunzător
parametrului respectiv variază cu o unitate, în condiţiile în care toţi ceilalţi
factori sunt constanţi.
De exemplu, valoarea lui β
1
arată cu cât se modifică variabila
rezultativă y atunci când x1 se modifică cu o unitate, iar x2, x3, …, xk sunt
constante. Din acest motiv parametrul β
1
mai este numit efectul parţial al
acţiunii variabilei x1 asupra lui y.
Dacă β
1
> 0, atunci legătura dintre variabila factorială x1 şi variabila
rezultativă y este directă (când x1 are evoluţie crescătoare, creşte şi y, iar când
x1 are evoluţie descrescătoare, scade şi y). Când β
1
este pozitiv se pot distinge
trei situaţii: dacă β
1
< 1, atunci influenţa variabilei factoriale asupra celei
rezultative este mai slabă (la variaţia cu o unitate a variabilei factoriale x1,
variabila rezultativă y variază cu o valoare subunitară); dacă β
1
> 1, atunci
influenţa variabilei factoriale asupra celei rezultative este foarte puternică (la
variaţia cu o unitate a variabilei factoriale x1, variabila rezultativă y variază cu o
valoare supraunitară); dacă β
1
= 1, atunci variabila rezultativă y variază direct
proporţional cu variaţia variabilei factoriale x1.

39
Dacă β
1
< 0, atunci legătura dintre variabila factorială x1 şi variabila
rezultativă y este inversă, de sens contrar – când x1 evoluează crescător, y are o
evoluţie descrescătoare, iar când x1 evoluează descrescător, y are o evoluţie
crescătoare.
În situaţia în care β
1
= 0, variabila rezultativă y este complet
independentă în raport cu variabila factorială x1.
Similar se interpretează şi valorile lui β
2
, β
3
, …, β
k
.
Obţinerea valorilor estimate ale parametrilor α, β
1
, β
2
, …, β
k
înseamnă
finalizarea analizei de regresie a modelului multifactorial liniar.
Analiza corelaţiei în cazul modelului multifactorial liniar cu variabile
cantitative se realizează cu ajutorul raportului de corelaţie multiplă, a
coeficientului de determinaţie multiplă, precum şi a coeficienţilor de corelaţie şi
determinaţie parţială .
Dacă modelul multifactorial conţine variabile calitative, se utilizează
metodele neparametrice de măsurare a intensităţii legăturii.

3.1.2. Verificarea statistică a modelului multifactorial
Prin analiza de regresie şi corelaţie a modelului multifactorial s-au
stabilit forma, sensul şi intensitatea legăturii dintre variabila rezultativă şi
variabilele factoriale. În principiu, modelul a fost elaborat astfel încât să
aproximeze cât mai bine realitatea economică studiată. Măsura în care s-a reuşit
acest lucru se determină în cadrul etapei de verificare statistică a modelului
multifactorial, care în mare parte se bazează pe metode statistice similare cu
cele utilizate în cazul modelului unifactorial.
Aşa cum s-a arătat la modelul unifactorial, această etapă de verificare
a modelelor de regresie pe baza unor teste statistice este absolut necesară,
datorită faptului că estimarea parametrilor modelelor se realizează pe seama
unor eşantioane de date, mai mult sau mai puţin reprezentative.
Setul de metode statistice care stă la baza verificării unui model
multifactorial conţine mai multe componente, unele dintre ele similare cu
modelul unifactorial:
Determinarea erorilor standard. Erorile standard reprezintă abateri
ale valorilor estimate de la valorile reale şi se determină astfel:
1. Ca abatere a valorilor estimate ale variabilei rezultative $ y
i
faţă de
cele reale y
i
, caz în care se numeşte eroare standard a modelului multifactorial,
se notează s
ε
şi se determină după relaţia:


40
( )
( ) s
n k
y y
i i
i
n
ε
=
− −

=

1
1
2
1
$


unde k reprezintă numărul de variabile factoriale.
În principiu, se consideră că, cu cât această eroare este mai mică în
raport cu valorile variabilei rezultative, cu atât modelul aproximează mai corect
realitatea economică studiată. Aşa cum s-a arătat şi în cazul modelului
unifactorial, interpretarea calităţii modelului în funcţie de valoarea erorii
standard a regresiei este destul de relativă, fapt pentru care utilitatea acesteia
constă mai degrabă în a sta la baza la determinării altor parametri statistici de
validare a modelului;
2. Ca abateri ale valorilor estimate ale parametrilor funcţiei de regresie
k 2 1
ˆ
,...,
ˆ
,
ˆ
, ˆ β β β α de la valorile lor reale α, β
1
, β
2
, …, β
k
, caz în care se
numesc erori standard ale parametrilor modelului şi se determină pentru
fiecare parametru în parte.
Pentru modelele multifactoriale, determinarea erorilor standard ale
parametrilor α, β
1
, β
2
, …, β
k
este puţin mai dificilă decât în cazul modelului
unifactorial.
Erorile standard ale parametrilor depind de eroarea standard a funcţiei
de regresie s
ε
şi de varianţele variabilelor factoriale x1, x2

, … ,xk . Aceste
varianţe sunt date de elementele de pe diagonala inversei matricei asociate
sistemului de ecuaţii al modelului.
Dacă se notează elementele respective cu c
jj
, unde j = k + 1, atunci
eroarea standard a parametrului β
j
se determină conform relaţiei
15
:

jj
c s s
j
⋅ =
ε β


Cu cât aceste erori sunt mai mici în raport cu valorile absolute ale
parametrilor pe care îi caracterizează (|β
j
|), cu atât valorile estimate ale
parametrilor respectivi sunt mai apropiate de cele reale.
Condiţia de normalitate a variabilei aleatoare ε
i
, prezentată în etapa
formulării ipotezelor iniţiale, se poate verifica cu ajutorul testului χ
2
, care
constă în compararea frecvenţelor absolute efective, n
i
, ataşate valorilor
variabilei aleatoare, cu valorile teoretice, p
i
. Efectuarea testului χ
2
presupune
parcurgerea următoarelor etape:

15
E. Pecican, Econometrie, Editura ALL, Bucureşti, 1994, pag. 75 – 82

41
Etapa 1. Se formulează ipoteza nulă H
0
, prin care se presupune că
distribuţia variabilei aleatoare este normală;
Etapa 2. Se calculează valorile standardizate z
i
, conform relaţiei:

σ
ε m
z
i
i

=


Etapa 3. Se determină, din tabelul Laplace, valorile ϕ(z
i
)
corespunzătoare;
Etapa 4. Se calculează valorile teoretice p
i
= ϕ(z
i
) – ϕ(z
i–1
);
Etapa 5. Se determină o valoare calculată χ
2
c
, astfel:

χ
2
c
=
( )

=

k
1 i
i
2
i i
np
np n


Valoarea calculată a testului χ
2
se compară cu valoarea tabelară
corespunzătoare. Dacă valoarea calculată este mai mică sau cel mult egală cu
valoarea tabelară, rezultă că ipoteza de normalitate a variabilei aleatoare se
acceptă şi modelul este corect, iar dacă valoarea calculată este mai mare decât
valoarea tabelară, rezultă că ipoteza de normalitate a variabilei aleatoare se
respinge şi modelul nu respectă condiţia iniţială impusă. În această a doua
situaţie sunt necesare corecţii, fie în sensul suplimentării factorilor de influenţă,
fie în sensul creşterii volumului eşantionului de date pe care se face analiza.
Verificarea unei alte ipoteze iniţiale a modelului, cea referitoare la
autocorelarea variabilei aleatoare se realizează cu ajutorul testului Durbin –
Watson, ale cărui etape au fost prezentate pe larg pe cazul modelului
unifactorial.
Testul Fisher de analiză a variaţiei variabilei rezultative verifică
modalitatea în care modelul reuşeşte să conducă la reconstituirea valorilor
empirice ale variabilei rezultative y
i
prin intermediul valorilor estimate
$ y
i
.
Testarea capacităţii modelului de a reconstitui valorile reale ale variabilei
rezultative

prin intermediul valorilor estimate se realizează astfel:
Etapa 1. Se stabileşte ipoteza nulă H
0
, conform căreia împrăştierea
valorilor ajustate ale variabilei rezultative
$ y
i
datorită factorilor de influenţă nu
diferă semnificativ de împrăştierea aceloraşi valori datorită întâmplării;
Etapa 2. Se alege nivelul de semnificaţie α;
Etapa 3. Se determină valoarea calculată F ca raport între estimatorul
varianţei explicate (s
2
y/x1, x2, …, xk
) şi estimatorul varianţei reziduale (s
ε
2
), astfel:

42

2
2
xk ,..., 2 x , 1 x / y
s
s
F
ε
=


Etapa 4. Se alege valoarea critică F
critic
din tabelul repartiţiei Fisher –
Snedecor în funcţie de nivelul de semnificaţie α şi de numărul de grade de
libertate;
Etapa 5. Se compară valoarea calculată F cu valoarea critică F
critic
şi
pot rezulta două situaţii:
– dacă F < F
critic
, ipoteza nulă se acceptă cu probabilitatea p = 1 – α,
ceea ce înseamnă că modelul trebuie reconsiderat, fie în sensul alegerii altor
factori de influenţă sau a suplimentării lor, fie în sensul optării pentru o altă
formă a modelului;
– dacă F > F
critic
, ipoteza nulă se respinge cu probabilitatea p = 1 – α,
ceea ce înseamnă că modelul a rezistat verificării, fiind util analizei şi
previzionării variabilei rezultative.
O altă ipoteză importantă a metodei celor mai mici pătrate referitoare
la modelele multifactoriale este aceea că variabilele factoriale nu sunt corelate
liniar între ele. Dacă există o astfel de relaţie liniară între două sau mai multe
variabile factoriale din cadrul modelului, apare efectul de multicoliniaritate
16
. În
aceste condiţii, nu mai poate fi cuantificat efectul unei variabile factoriale xk
asupra variabilei rezultative y, deoarece celelalte variabile factoriale nu sunt
constante când aceasta variază, fiind corelate între ele. Estimatorii
corespunzători variabilelor corelate între ele nu mai pot fi definiţi şi interpretaţi.
Efectul de multicoliniaritate face practic imposibilă interpretarea estimatorilor
parametrilor modelului, chiar dacă ei matematic pot fi calculaţi pe baza
ecuaţiilor sistemului rezultat în urma aplicării metodei celor mai mici pătrate,
deoarece erorile standard devin foarte mari, ceea ce afectează semnificativ
calitatea estimatorilor.
Nu s-au elaborat până la ora actuală teste statistice suficient de sigure
de determinare a multicoliniarităţii. De aceea, efectul se determină, cel mai
adesea, prin calcularea coeficienţilor de corelaţie liniară între variabilele
factoriale. Dacă valorile acestor coeficienţi sunt nule sau foarte apropiate de
zero, multicoliniaritatea nu există sau este foarte slabă. Dacă, însă, valorile
coeficienţilor de corelaţie liniară sunt apropiate de unu, efectul există şi trebuie
înlăturat. De asemenea, existenţa multicoliniarităţii într-o măsură semnificativă

16
C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006


43
este semnalată şi de valorile mari ale erorilor standard ale parametrilor şi de
nivelurile de semnificaţie mici ale acestora.
De obicei, în economie, variabilele factoriale nu sunt complet
independente unele de celelalte. Acest lucru înseamnă că, întotdeauna într-un
model econometric va exista un anumit efect de multicoliniaritate. Problema
care se pune este a gradului de multicoliniaritate peste care modelul devine
ineficient.
Eliminarea efectelor multicoliniarităţii se face cel mai sigur prin
eliminarea variabilelor factoriale corelate (eventual, păstrarea uneia dintre ele şi
eliminarea celorlalte). Acest lucru este posibil, însă, numai dacă modelul
cuprinde suficient de multe variabile factoriale.
O altă modalitate de evitare a multicoliniarităţii este segmentarea
eşantionului de date în mai multe părţi şi analizarea separată a fiecărei porţiuni,
cu condiţia ca eşantioanele rezultate în urma segmentării să fie suficient de
mari.
Un ultim test utilizat în cadrul acestei etape este testul Student de
verificare a semnificaţiei parametrilor modelului. Calitatea parametrilor
corespunzători variabilelor factoriale este foarte importantă, dat fiind rolul lor în
măsurarea impactului fiecărei variabile factoriale asupra evoluţiei variabilei
rezultative.
Pentru aceasta se calculează estimatorii varianţelor acestor parametri
2
ˆ
k
s
β
în funcţie de varianţa variabilei aleatoare s
ε
2
şi de varianţele variabilelor
factoriale.
Etapele verificării semnificaţiei parametrilor cu ajutorul testului
Student sunt următoarele:
Etapa 1. Se stabileşte ipoteza nulă H
0
conform căreia parametrii
estimaţi
k 2 1
ˆ
,...,
ˆ
,
ˆ
, ˆ β β β α nu diferă semnificativ de zero;
Etapa 2. Se stabileşte nivelul de semnificaţie al testului, α ;
Etapa 3. Se determină valorile calculate ale testului Student
k
t
β

pentru fiecare parametru în parte, ca raport între valoarea absolută a
parametrului estimat
k
ˆ
β şi eroarea sa standard
k
s
β
, conform relaţiei:

k
k
s
ˆ
t
k
β
β
β
=



44
Etapa 4. Se determină din tabelul aferent repartiţiei Student valoarea
tabelară a variabilei standardizate t
critic
în funcţie de ν = n – 1 grade de libertate
şi de probabilitatea α/2;
Etapa 5. Se compară valoarea calculată cu valoarea tabelară şi, în
raport cu mărimea lor, pot rezulta trei situaţii:
– dacă toate valorile calculate sunt mai mari decât nivelul critic (
k
t
β
>
t
critic
), ipoteza nulă se respinge şi se poate spune cu probabilitatea p = 1 – α că
toţi estimatorii determinaţi cu metoda celor mai mici pătrate diferă semnificativ
de zero, adică parametrii estimaţi sunt semnificativi, iar modelul este corect din
punct de vedere statistic;
– dacă unele valori calculate sunt mai mari decât nivelul critic, iar altele
sunt mai mici, parametrii aferenţi valorilor calculate mai mari decât nivelul
critic sunt semnificativi şi trebuie păstraţi în model, în timp ce parametrii
aferenţi valorilor calculate mai mici decât nivelul critic sunt nesemnificativi şi
trebuie eliminaţi din model. În această situaţie, modelul se va reface în raport de
variabilele factoriale rămase semnificative;
– dacă toate valorile calculate sunt mai mici decât nivelul critic ( t
a
k
<
t
critic
), ipoteza nulă se acceptă şi se poate spune cu probabilitatea p = 1 – α că
estimatorii nu diferă semnificativ de zero şi rezultatul obţinut este întâmplător.
În aceste condiţii, datele studiate nu confirmă existenţa legăturii între variabila
rezultativă şi factorii de influenţă analizaţi, fiind necesară fie alegerea altor
factori, fie găsirea unei noi forme a legăturii.

3.2. Modele multifactoriale neliniare

Modelele liniare au o largă aplicabilitate în econometrie datorită
relativei uşurinţe cu care parametrii acestor modele pot fi estimaţi şi interpretaţi.
O dată, însă, cu dezvoltarea unor programe computerizate specializate, a apărut
posibilitatea utilizării unor modele mai complexe, care au la bază diverse tipuri
de funcţii, liniare sau neliniare, cu variabile cantitative şi calitative. Problema
principală care trebuie rezolvată la ora actuală cu privire la utilizarea acestor
instrumente computerizate este cea referitoare la alegerea funcţiei cele mai
potrivite în raport cu fenomenul studiat.
Astfel, modelele multifactoriale neliniare pot fi de diverse forme, în
funcţie de curba descrisă de graficul “norului de puncte”. Cel mai des întâlnite
modele neliniare multiple care descriu evoluţia unor variabile economice sunt
funcţiile exponenţiale şi funcţiile de putere.

45
Funcţiile exponenţiale pot fi, la rândul lor, de diverse forme, cele mai
utilizate fiind cele care pot fi uşor liniarizate prin diverse transformări. O funcţie
exponenţială multifactorială cunoscută este de forma:

y = α ⋅ β
1
x1
⋅ β
2
x2
⋅ … ⋅ β
k
xk
⋅ ε

Liniarizarea acestei funcţii se realizează prin logaritmare:

log y = log α + x1⋅ log β
1
+ … + xk⋅ log β
k
+ log ε

În acest fel, modelul este unul multifactorial liniar cu parametrii log α,
log β
1
, …, log β
k
, care pot fi estimaţi cu metoda celor mai mici pătrate.
O altă funcţie exponenţială utilizată destul de des în econometrie este
de forma:

ε α
β β β
⋅ ⋅ ⋅ ⋅ ⋅ =
xk 2 x 1 x
k 2 1
e ... e e y

Liniarizarea acestei funcţii se realizează prin logaritmare cu logaritm
natural şi se obţine:

ln y = ln α + β1⋅ x1 + β2⋅ x2 + … + βk⋅ xk + ln ε

Din nou se ajunge la un model multifactorial liniar care poate fi
analizat cu metodele cunoscute.
A doua categorie de funcţii multifactoriale neliniare sunt funcţiile de
putere. Ecuaţia cea mai cunoscută care stă la baza unui model de putere este
următoarea:

y = α

⋅ x
1
β1
⋅ x
2
β2
⋅ …⋅ x
k
βk
⋅ ε

Liniarizarea unei astfel de funcţii se realizează tot prin logaritmare,
rezultând o ecuaţie de forma:

log y = log α + β
1
⋅ log x1 + … + β
k
⋅ log xk + log ε

Similar cu funcţiile exponenţiale, în urma efectuării operaţiunii de
logaritmare, estimarea parametrilor funcţiei rezultate se poate realiza tot cu
metoda celor mai mici pătrate.

46
Pe lângă funcţiile liniarizabile există, însă, şi numeroase funcţii
neliniare care nu se pretează la liniarizare şi ale căror parametri trebuie estimaţi
ca atare. Acest lucru, de obicei, este dificil de realizat cu metode mai simple,
fapt pentru care se apelează la metodele computerizate specializate, iar analistul
interpretează doar rezultatele obţinute.
Funcţiile exponenţiale şi cele de putere prezentate au o largă utilizare
în econometrie, o aplicaţie foarte cunoscută a lor constituind-o funcţiile de
producţie.

3.3. Funcţii de producţie

Un caz particular al funcţiilor multifactoriale de putere îl reprezintă un
model bifactorial neliniar, care pune în evidenţă legătura la nivel
macroeconomic dintre venitul obţinut şi factorii de producţie fundamentali care
concură la realizarea venitului respectiv. Acest model este cunoscut sub numele
de funcţia de producţie Cobb – Douglas
17
, după numele autorilor săi şi are la
bază următoarea ecuaţie:

Y = L
α
⋅ K
β


în care: Y reprezintă venitul realizat la nivelul economiei naţionale pe timp de
un an, cuantificat iniţial de către autori cu ajutorul venitului
naţional, iar, mai recent, prin produsul naţional brut sau produsul
intern brut ;
L este forţa de muncă utilizată în economie în timpul unui an,
cuantificată prin cuantumul salariilor;
K reprezintă capitalul fix productiv aferent aceleiaşi perioade;
α şi β sunt coeficienţii de elasticitate ai venitului în raport cu L şi K.
Prin logaritmare, rezultă funcţia liniară de forma:

log Y = α ⋅ log L + β ⋅ log K

Estimatorii parametrilor α şi β se obţin prin aplicarea metodei celor
mai mici pătrate, în urma căreia rezultă sistemul de două ecuaţii cu două
necunoscute de forma:


17
C. Chilărescu, Modele econometrice aplicate, Editura Mirton, Timişoara, 1994, pag. 81 – 85

47
( ) ( ) ( )
( ) ( ) ( )
¦
¹
¦
´
¦
∑ ⋅ = ∑ ⋅ + ∑ ⋅ ⋅
∑ ⋅ = ∑ ⋅ ⋅ + ∑ ⋅
= = =
= = =
n
1 i
i i
n
1 i
2
i
n
1 i
i i
n
1 i
i i
n
1 i
i i
n
1 i
2
i
K log Y log K log
ˆ
K log L log ˆ
L log Y log K log L log
ˆ
L log ˆ
β α
β α


în care Y
i
, L
i
şi K
i
reprezintă valorile venitului, ale forţei de muncă şi ale
capitalului fix aferente perioadei de timp analizate, iar αˆ şi β
ˆ
sunt estimatorii
elasticităţilor α şi β .
Valoarea estimată pentru elasticitatea α arată, în valoare procentuală,
cu cât se modifică venitul Y, atunci când forţa de muncă L se modifică cu o
unitate.
Similar, valoarea estimată a elasticităţii β arată, în valoare
procentuală, cu cât se modifică venitul Y, atunci când capitalul fix K se modifică
cu o unitate.
Iniţial, autorii au ajuns la concluzia că, pe termen lung, într-o
economie deschisă de piaţă, suma elasticităţilor α şi β tinde către 1, ipoteză
infirmată, însă, de cercetări ulterioare
18
.
O altă funcţie de producţie, care este o completare a funcţiei Cobb –
Douglas, o reprezintă funcţia de producţie Solow, care pe lângă forţa de muncă
şi capitalul fix, ia în considerare şi impactul tehnologic (progresul tehnic sau
inovarea) ca fiind factor esenţial de producţie. Această funcţie are la bază
următoarea ecuaţie:

Y = L
α
⋅ K
β
⋅ e
γ t


în care, termenul nou introdus e
γ⋅t
semnifică impactul tehnologic. Liniarizarea
funcţiei se realizează prin logaritmare cu logaritmul natural, astfel:

ln Y = α ⋅ ln L + β ⋅ ln K + γ ⋅ t

unde γ reprezintă elasticitatea venitului Y la modificările tehnologice, iar t
cuantifică factorul timp.
Estimatorii parametrilor α, β şi γ se obţin prin aplicarea metodei celor
mai mici pătrate, în urma căreia rezultă sistemul de trei ecuaţii cu trei
necunoscute de forma:


18
C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006

48
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( )
¦
¦
¦
¹
¦
¦
¦
´
¦
∑ ⋅ = ∑ ⋅ + ∑ ⋅ ⋅ + ∑ ⋅ ⋅
∑ ⋅ = ∑ ⋅ ⋅ + ∑ ⋅ + ∑ ⋅ ⋅
∑ ⋅ = ∑ ∑ ⋅ ⋅ + ⋅ ⋅ + ∑ ⋅
= = = =
= = = =
= = = =
n
1 i
i i
n
1 i
2
i
n
1 i
i i
n
1 i
i i
n
1 i
i i
n
1 i
i i
n
1 i
2
i
n
1 i
i i
n
1 i
i i
n
1 i
n
1 i
i i i i
n
1 i
2
i
Y ln t t ˆ K ln t
ˆ
L ln t ˆ
K ln Y ln K ln t ˆ K ln
ˆ
K ln L ln ˆ
L ln Y ln L ln t ˆ K ln L ln
ˆ
L ln ˆ
γ β α
γ β α
γ β α



unde αˆ , β
ˆ
şi γˆ sunt estimatorii elasticităţilor α, β şi γ.
O altă funcţie de producţie cunoscută în econometrie este funcţia de
producţie CES,
19
care porneşte de la ipoteza elasticităţii constante a substituţiei
factorilor de producţie L şi K. Ecuaţia acestei funcţii este de forma:

( ) [ ] ε δ δ
ρ
ν
γ
ρ ρ
+ − + − =
− −
L 1 K ln ln Y ln

O aproximare de tip serie Taylor a acestei funcţii în jurul punctului ρ
= 0 este:

( ) ( ) ( )
' 2
L ln K ln
2
1
1 L ln 1 K ln ln Y ln ε δ ρνδ δ ν νδ γ +

− − − + − + + =
= β
1
⋅ x1 + β
2
⋅ x2 + β
3
⋅ x3 + β
4
⋅ x4 + ε



unde: x1 = 1; x2 = ln K; x3 = ln L; ( ) L / K ln
2
1
4 x
2
− = , iar transformările
efectuate sunt:

γ = e
β1
; δ = β
2
/(β
2
+ β
3
); ν = β
2
+ β
3
;
ρ = β
4

2
+ β
3
)/ (β
2
β
3
)

Valorile estimate ale parametrilor β
1
, β
2
, β
3
şi β
4
se pot obţine cu
ajutorul metodei celor mai mici pătrate aplicată funcţiei liniare. Pe baza acestora
se obţin valorile estimate ale parametrilor γ, δ, ν şi ρ.



19
W.H. Greene, Econometric Analysis, Fifth Edition, Prentice Hall, 2003, pag. 128 – 130

49
ÎNTREBĂRI TEORETICE DE AUTOEVALUARE LA CAPITOLUL 3:

1. Cum se interpretează valorile parametrilor α, β
1
,..., β
k
ale modelului liniar
multifactorial?

2. Ce este efectul de multicoliniaritate?

3. Care sunt principalele tipuri de modele multifactoriale neliniare?

4. Ce sunt funcţiile de producţie?

50


51

CAPITOLUL 4. MODELE ECONOMETRICE BAZATE
PE FACTORUL TIMP

Rezumat: Analiza econometrică a evoluţiei în timp a fenomenelor şi
proceselor economice reprezintă o latură distinctă a cercetării variabilelor
economice cu ajutorul metodelor cantitative. În cazul modelelor care includ
factorul timp – serii de timp, cronologice sau dinamice, cum mai sunt ele
denumite – variabilele factoriale sunt înlocuite de un şir de valori care exprimă,
de regulă, o acumulare de perioade egale de timp. Modelele econometrice
bazate pe factorul timp sunt reprezentate, de obicei, prin două şiruri de date
paralele, în care primul şir arată variaţia caracteristicii de timp, iar cel de-al
doilea şir arată variaţia caracteristicii studiate de la o unitate de timp la alta.

4.1. Analiza econometrică a evoluţiei în timp
a variabilelor economice

O serie de timp care redă evoluţia unei variabile economice Y pe o
anumită perioadă de timp t
1
, t
2
, … , t
i
, …, t
n
poate fi reprezentată astfel
20
:

|
|
|
|
¹
|

\
|
n i
n i
t t t t
y y y y
... ...
... ...
2 1
2 1


Un model econometric bazat pe influenţa timpului asupra evoluţiei unei
variabile economice prezintă câteva caracteristici fundamentale:
1. Variabilitatea termenilor unei serii de timp, care este dată de faptul că
fiecare termen se obţine prin centralizarea unor date individuale cu caracteristici
diferite. Cu cât acţiunea caracteristicilor individuale este mai pregnantă, cu atât
apar diferenţe mai mari între comportamentele termenilor seriei, ceea ce face ca
variaţiile, fluctuaţiile în cadrul seriei să fie mai puternice. Având în vedere
această trăsătură, este necesar ca, în analiza unei serii de timp, să se măsoare
atât influenţa factorilor esenţiali, care imprimă fenomenului o anumită tendinţă
specifică de evoluţie, cât şi marja de abatere de la această tendinţă, rezultată din
influenţa factorilor neesenţiali;

20
C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006

52
2. Omogenitatea termenilor, care constă în includerea în cadrul unei serii
de timp numai a fenomenelor de acelaşi gen, care sunt rezultatul acţiunii
aceloraşi cauze esenţiale. Pentru a asigura omogenitatea seriei, trebuie păstrată
aceeaşi metodologie de culegere a datelor, de calcul a indicatorilor şi evaluare a
rezultatelor, precum şi menţinerea lungimii intervalelor de grupare şi a unităţii
de măsurare a timpului. Atunci când se analizează o serie de timp, este necesar
să se verifice dacă datele provin din aceeaşi sursă, cu acelaşi grad de cuprindere
şi dacă au fost folosite aceleaşi principii şi metode de culegere şi prelucrare a
datelor;
3. Periodicitatea termenilor, care presupune asigurarea continuităţii
datelor în raport cu timpul şi reprezintă o caracteristică foarte importantă în
utilizarea metodelor analitice de analiză a seriilor dinamice. Variabila timp
poate fi înregistrată cu periodicităţi diferite, începând de la unităţi de timp de
ordinul minutelor, orelor sau zilelor şi continuând cu perioade de ordinul anilor,
deceniilor sau chiar secolelor, în funcţie de specificul variabilelor economice
analizate;
4. Interdependenţa termenilor seriei de timp, care înseamnă existenţa
unor legături între valorile înregistrate la perioade diferite de timp, adică
relevarea unor interdependenţe între nivelul curent al variabilei şi nivelurile
înregistrate în perioadele anterioare. Dacă aceste interdependenţe sunt foarte
puternice, atunci se poate vorbi despre un caracter “autoregresiv” al variabilei
analizate, care poate fi studiat cu ajutorul unor modele specifice, cu largă
utilizare în econometrie.
Un element fundamental al analizei econometrice cu ajutorul seriilor de
timp îl reprezintă alegerea lungimii seriei de date, de regulă, fiind necesar un
număr suficient de mare de termeni, astfel încât să poată fi aplicate principiile
legii numerelor mari şi să poată fi fundamentate corect previziunile pe diferite
perioade de timp.
Un alt element fundamental îl reprezintă alegerea formei optime de
analiză a seriei de date. Din acest punct de vedere, cea mai utilizată modalitate
de analiză a seriilor de timp o reprezintă descompunerea evoluţiei seriei
dinamice pe componente determinate de acţiunea diferiţilor factori de influenţă.
Sub acţiunea unui sistem complex de variabile factoriale sau aleatoare,
considerate independente una faţă de cealaltă, în cadrul unei serii dinamice se
pot identifica următoarele componente:
21

1. Trendul sau tendinţa centrală T
t
, care reflectă legitatea specifică de
evoluţie a variabilelor economice studiate pe o perioadă lungă de timp, făcând
abstracţie de abaterile faţă de nivelul mediu, respectiv, de erorile sau valorile

21
T. Andrei, S. Stancu, Statistica. Teorie şi aplicaţii, Editura ALL, Bucureşti, 1995, pag. 385

53
reziduale datorate influenţei factorilor aleatori. Identificarea trendului unei serii
de timp se realizează cu ajutorul a diverse metode econometrice, cunoscute
generic sub numele de “ajustarea seriilor de timp”;
2. Variaţiile ciclice C
t
, care reprezintă oscilaţiile interanuale în jurul
tendinţei centrale cu un caracter nesistematic, în sensul că atât intervalele la care
oscilaţiile se manifestă, cât şi intensitatea lor, sunt diferite de-a lungul timpului;
3. Variaţiile sezoniere S
t
sunt acea componentă sistematică ce se
manifestă prin oscilaţii de perioadă mai mică sau cel mult egală cu un an,
repetabile în timp. Sezonalitatea se manifestă sub forma unor abateri de la
medie care apar regulat în timpul unui an şi are un caracter mai mult sau mai
puţin pregnant în funcţie de specificul domeniului studiat;
4. Variaţiile aleatoare sau reziduale (perturbatoare) ε
t
apar datorită unor
factori necuantificabili şi cu acţiuni absolut imprevizibile. În funcţie de
proprietăţile atribuite variabilei aleatoare pot fi aplicate anumite tehnici de
estimare şi previziune a comportamentului seriei de date.
În măsura în care volumul de date studiat este suficient de mare, în
analiza unei serii de timp se regăsesc mai multe tipuri de scheme de
descompunere a influenţelor pe cele patru componente
22
.
Schema cea mai simplă şi mai des utilizată este schema aditivă, în care
cele patru componente ale seriei se însumează direct, conform relaţiei:

y
t
= T
t
+ C
t
+ S
t
+ ε
t
,

unde y
t
reprezintă valoarea variabilei studiate la momentul t.
Primele două componente, trendul şi variaţiile ciclice, se pot analiza
împreună sub forma componentei extrasezoniere D
t
, după relaţia:

D
t
= T
t
+ C
t


A doua schemă este cea multiplicativă, cu două variante:
1. Atunci când componenta sezonieră este proporţională cu componenta
extrasezonieră, schema de compunere se prezintă în felul următor:

y
t
= D
t
+ D
t
⋅ S
t
+ ε
t
= D
t
(1 + S
t
) + ε
t


2. Atunci când componenta aleatoare este proporţională cu suma
celorlalte componente, schema este următoarea:


22
P. Newbold, W.L. Carlson, Betty Thorne, Statistics for Business and Economics, Fifth Edition,
Pearson Prentice Hall, 2003, pag. 668 – 671

54
y
t
= D
t
(1 + S
t
)(1 + ε
t
)

Această ultimă schemă, prin logaritmare, poate fi transformată într-o
schemă aditivă, astfel:

ln y
t
= ln D
t
+ ln(1 + S
t
) + ln(1 + ε
t
)

Modelele econometrice bazate pe factorul timp trebuie să ţină însă seama,
între altele, şi de caracteristica fenomenelor economice de a-şi manifesta
influenţa cu o întârziere mai mică sau mai mare în timp. Acest fapt a dus la
utilizarea termenului de time – lag (decalaj în timp) care evită pericolul falselor
corelaţii în situaţiile în care se analizează serii de date care includ tendinţe de
evoluţie.
Având în vedere caracteristicile lor, se poare observa că modelele care
include factorul timp sunt diverse, fapt pentru care este necesară o clasificare a
lor, în vederea stabilirii metodelor optime de ajustare.
Astfel, în raport de perioada de timp la care se referă datele, seriile de
timp pot fi:
• serii de timp de intervale (continue), în cazul cărora fiecare nivel al
caracteristicii se referă la o perioadă de timp. Seriile pe intervale se utilizează,
de regulă, în cazul variabilelor exprimate în unităţi monetare şi au drept
trăsătură esenţială faptul că termenii lor sunt însumabili (de exemplu, profitul
din anul 2005 poate fi adunat cu profitul aceleiaşi firme înregistrat în anii 2004,
2003 ş.a.m.d.) ;
• serii de timp de momente (discrete), în cazul cărora fiecare nivel al
caracteristicii se referă la un moment dat. În această situaţie, termenii seriei nu
sunt însumabili, deoarece conţin înregistrări repetate (de exemplu, populaţia
României din anul 2005 nu poate fi însumată cu populaţia României din anul
2004, datorită faptului că cele două valori se includ una pe cealaltă).
Un alt criteriu important de clasificare este cel în raport cu modul de
exprimare a termenilor seriei:
• serii de timp bazate pe indicatori absoluţi, care reprezintă forma
fundamentală de exprimare a unei serii de timp şi pe baza căreia se pot obţine
indicatori generalizatori aferenţi întregii perioade studiate;
• serii de timp bazate pe indicatori relativi, care arată variaţii de la o
perioadă la alta, exprimate, de obicei, sub formă procentuală. În cazul acestei
modalităţi de exprimare este foarte importantă alegerea şi specificarea clară a
perioadei luate ca bază de referinţă;
• serii de timp bazate pe indicatori medii, care sunt exprimate sub forma
unor indicatori calculaţi ca medii, folosite îndeosebi atunci când se analizează

55
fenomene care se produc în anumite perioade de timp (media anuală sau lunară
a producţiei, numărul mediu anual de lucrători etc.) sau în anumite unităţi de
spaţiu (recolta medie la hectar, producţia medie a unui utilaj etc.).
Scopul principal al analizei econometrice a unei serii de date este acela de
a studia evoluţia fenomenelor şi proceselor economice pe o perioadă de timp
trecută, istorică, în vederea extrapolării rezultatelor pentru fundamentarea unor
previziuni pentru perioadele viitoare. Această analiză econometrică se
realizează diferenţiat în funcţie de tipul seriei (de intervale sau de momente), de
lungimea seriei de date, de periodicitatea şi variaţiile acesteia şi de alte elemente
specifice variabilei studiate.
Ajustarea unei serii de timp constă în determinarea trendului sau a
tendinţei centrale prin diverse metode, care au la bază principiul înlocuirii
termenilor seriei studiate cu termenii unei serii teoretice, obţinuţi prin calcule.
Termenii teoretici pot fi determinaţi prin aplicarea a diverse procedee de
cuantificare a legităţii specifice de dezvoltare pe termen lung datorată unor
factori esenţiali şi de eliminare a fluctuaţiilor periodice sau aleatoare.
Varianţa totală a termenilor seriei, care semnifică variaţia medie produsă
de influenţa tuturor factorilor, atât esenţiali, cât şi întâmplători, este compusă
din variaţia datorată factorului timp, cuantificată cu ajutorul varianţei valorilor
ajustate faţă de medie şi din variaţia reziduală, cuantificată prin varianţa
termenilor reali faţă de valorile ajustate.
Valorile teoretice (ajustate) în funcţie de timp se pot determina folosind
numeroase metode, unele mai simple, altele mai complexe. O condiţie esenţială,
comună tuturor acestor metode, este aceea că numărul termenilor seriei trebuie
să fie suficient de mare pentru a se putea aplica legea numerelor mari şi, astfel,
să se asigure caracterul de tendinţă al analizei.
În econometrie, cele mai des utilizate metode de ajustare a seriilor de
timp sunt cele de tip analitic, bazate pe funcţii matematice care descriu evoluţia
fenomenului cercetat. Ele pornesc, însă, de la încercarea de a determina forma şi
sensul legăturii cu ajutorul unor metode elementare de tipul metodei grafice, a
metodei sporului mediu sau a ritmului mediu. O metodă mai elaborată, care
ajută semnificativ abordările analitice ulterioare aplicării ei, este ajustarea pe
baza mediilor mobile.
Metoda grafică este una dintre cele mai simple modalităţi de determinare
a trendului unei serii de timp. Ea reprezintă o metodă preliminară altor metode
de ajustare, servind la alegerea modelului de evoluţie care descrie cel mai bine
evoluţia fenomenului sau procesului economic studiat.
Aplicarea acestei metode constă în reprezentarea grafică a seriei de date
empirice avute la dispoziţie şi în trasarea vizuală a segmentului de dreaptă sau
curbă care uneşte punctele extreme ale seriei, astfel încât să existe abateri

56
minime faţă de poziţia valorilor reale. Ajustarea vizuală porneşte de la premisa
că acţiunea factorilor de influenţă a fost relativ constantă pe toată perioada
studiată, imprimând, astfel, termenilor seriei o regulă de variaţie comună, care
poate fi descrisă de segmentul de dreaptă sau curbă trasat.
Reprezentarea grafică poartă numele de cronogramă şi este prezentată în
figura 4:


Figura 4. Cronograma


Dacă “norul de puncte” sugerează o linie dreaptă, ca în figura 4, se va
utiliza o funcţie analitică de tip liniar, iar dacă reprezentarea grafică sugerează o
curbă, atunci se va utiliza funcţia neliniară care ajustează cel mai bine curba
respectivă.
Metoda sporului mediu se utilizează în cazul în care seria de date
evoluează aproximativ după o progresie aritmetică. Termenii seriei ajustate se
vor calcula după relaţia termenului general al unei progresii aritmetice, astfel:

y
t
= y
1
+ (t – 1)⋅ ∆

în care, y
t
reprezintă un termen ajustat al seriei, y
1
reprezintă primul termen al
seriei empirice, t este factorul timp, iar ∆ este sporul mediu.
Metoda, destul de simplă dealtfel, se recomandă numai în cazurile în care
variaţiile nivelurilor absolute sunt relativ constante pe parcursul perioadei
studiate. Dacă fluctuaţiile înregistrează valori extreme, ajustarea pe baza

0

t
1
t
n
y
1
y
n
t
i
y
i





















57
sporului mediu va da rezultate eronate, care vor afecta negativ acurateţea
trendului obţinut.
Metoda ritmului mediu se utilizează atunci când termenii seriei de timp
urmează aproximativ o progresie geometrică. Termenii ajustaţi rezultă în urma
înmulţirii primului termen al seriei y
1
cu ritmul mediu de variaţie I , ridicat la
puterea t – 1, conform relaţiei:

1 t
1 t
I y y

⋅ =

Metoda ritmului mediu este similară cu metoda sporului mediu, doar că
trendul urmează o progresie geometrică în loc de una aritmetică. Drept urmare,
şi această metodă prezintă aceeaşi limită, conform căreia nu poate fi utilizată
decât în cazul unui trend relativ stabil. Oricum, ambele metode dau rezultate
destul de aproximative, dar prezintă avantajul major al simplităţii şi
operativităţii aplicării lor, reprezentând o bază de pornire pentru utilizarea
funcţiilor analitice de ajustare a trendului.
Ajustarea pe baza mediilor mobile este o metodă mai elaborată decât cele
anterioare, care se foloseşte atunci când seria de timp prezintă un pronunţat
caracter ciclic sau sezonier. Prin ajustarea cu medii mobile se înlocuiesc
termenii empirici ai seriei de date cu termeni calculaţi sub formă de medii
parţiale, astfel încât seria ajustată să aibă o variaţie lină, continuă, cu o tendinţă
de evoluţie uşor de observat
23
.
Aplicarea metodei mediilor mobile constă în determinarea mediilor
aritmetice a unui număr par sau impar de termeni şi în înlocuirea termenilor
empirici ai seriei cu mediile astfel obţinute.
Dacă numărul de termeni luaţi în considerare la determinarea mediilor
mobile este impar, valorile obţinute corespund poziţiilor valorilor reale şi pot fi
înlocuite direct, caz în care avem de-a face cu medii mobile definitive, care se
plasează în dreptul termenilor seriei şi cu care se face ajustarea termenilor
iniţiali.
Dacă numărul de termeni luaţi în calcul la determinarea mediilor mobile
este par, valorile obţinute vor fi poziţionate între două valori reale. În aceste
condiţii, avem de-a face cu medii mobile provizorii, care se centrează prin
calcularea mediei aritmetice simple a două medii provizorii consecutive şi se
obţin mediile mobile centrate, ce vor înlocui termenii iniţiali.
24


23
R.S. Pindyck, D.L. Rubinfeld, Econometric Models and Economic Forecasts, Fourth Edition,
McGraw–Hill, 1998, pag. 476 – 478
24
C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006

58
Transpuse grafic, valorile medii mobile corespund liniei tendinţei
centrale, iar abaterile de la tendinţa centrală redau fluctuaţiile ciclice sau
sezoniere.
Un inconvenient al acestei metode este acela că, indiferent că se ia un
număr par sau impar de termeni, se pierd informaţiile referitoare la primii şi la
ultimii termeni ai seriei.
Toate aceste metode elementare de ajustare a seriilor de timp sunt etape
preliminare analizei econometrice propriu-zise, care presupune utilizarea
funcţiilor matematice şi statistice de ajustare a trendului.
Cele mai cunoscute modele analitice de ajustare sunt: funcţiile de timp
liniare şi neliniare, modelele cu time – lag şi modelele autoregresive.

4.2. Funcţii de timp

Prima categorie de metodele care folosesc modele matematice sunt
cunoscute sub numele generic de funcţii de timp şi au drept caracteristică
principală exprimarea trendului unei serii de timp sub forma unei funcţii de
forma:

y
t
= f(t) + ε
t


în care, y
t
reprezintă valorile seriei de date studiate, considerate variabila
rezultativă sau dependentă, t este factorul timp, privit ca variabilă factorială,
independentă, f reprezintă funcţia matematică (deterministă) care modelează
evoluţia în timp a fenomenului studiat, iar ε
t
este variabila aleatoare, care arată
influenţa factorilor aleatori la momentul t.
Utilizarea unei funcţii analitice de determinare a trendului stabileşte cu o
exactitate mai mare sau mai mică legea de dezvoltare pe termen lung a
fenomenului sau procesului economic studiat, în funcţie de împrăştierea
valorilor în jurul tendinţei centrale.
Pentru a determina forma funcţiei ce urmează a fi utilizată, se
construieşte mai întâi corelograma. În raport de curba relevată de corelogramă,
se poate lua în considerare utilizarea unei funcţii liniare de timp, dacă
reprezentarea grafică sugerează o linie dreaptă sau se poate utiliza o funcţie de
timp neliniară, dacă reprezentarea grafică sugerează o curbă.
După cum se poate observa, tendinţa de variaţie se aproximează, de cele
mai multe ori, cu ajutorul funcţiilor ale căror curbe şi ecuaţii de estimare au fost
prezentate în capitolul de modele unifactoriale, variabila x din modelele
respective devenind acum factorul timp t. Parametrii acestor funcţii de timp,

59
similar cu cei ai modelelor de regresie, se estimează în cele mai multe cazuri cu
metoda celor mai mici pătrate.

4.2.1. Funcţia liniară de timp
Funcţia liniară de timp studiază legătura dintre factorul timp t şi
variabila rezultativă y
t
cu ajutorul unei funcţii de forma:

y
t
= α + β ⋅ t + ε
t


în care α şi β sunt parametrii sau coeficienţii funcţiei de timp şi reprezintă
valori necunoscute ce urmează a fi estimate, iar ε
t
este variabila aleatoare,
reziduală sau perturbatoare care acţionează la momentul t.
Factorul timp t este reprezentat, de obicei, în cadrul acestor funcţii de
şirul numerelor naturale (0, 1, 2, …, n).
Parametrul α al funcţiei liniare de timp reprezintă valoarea pe care o ia
variabila rezultativă y
t
la momentul zero (y
0
= α) şi poate avea relevanţă în
model sau nu, în funcţie de cazul concret analizat.
Parametrul β, reprezintă panta dreptei de regresie, adică valoarea cu care
se modifică variabila rezultativă y
t
în perioada dintre două momente consecutive
t – 1 şi t.
Semnul şi valoarea parametrului β prezintă o importanţă deosebită în
descrierea evoluţiei în timp a variabilei studiate.
Astfel, dacă β > 0, atunci variabila rezultativă y
t
are o evoluţie crescătoare
în timp (y
0
< y
1
< … < y
n
). Pot fi distinse trei situaţii: dacă β < 1, creşterea de la
o perioadă la alta este mai puţin accentuată; dacă β > 1, creşterea variabilei
rezultative este mai puternică, iar dacă β = 1, creşterea este direct proporţională
cu timpul.
Dacă β < 0, atunci variabila rezultativă y
t
are o evoluţie descrescătoare în
timp (y
0
> y
1
> … > y
n
), iar dacă β = 0, variabila rezultativă y
t
se menţine
constantă în timp (y
0
= y
1
= … = y
n
).
Estimarea valorilor parametrilor α şi β, se face, similar cu modelul
unifactorial liniar, prin determinarea a doi estimatori αˆ şi β
ˆ
. Aceşti estimatori
trebuie calculaţi astfel încât diferenţa dintre valorile reale ale variabilei
rezultative y
t
şi valorile estimate cu ajutorul parametrilor calculaţi
t
ˆ
ˆ y ˆ
t
⋅ + = β α să fie cât mai mică ( im min y ˆ y
t t
= − ).
Dacă se ia în studiu un set de date istorice referitoare la variabila
rezultativă, se va observa că reprezentarea grafică a funcţiei liniare de timp
aproximează mai mult sau mai puţin exact evoluţia în timp a variabilei studiate.
Este puţin probabil ca variabila rezultativă să evolueze în timp strict liniar. În

60
aceste condiţii, este uşor de înţeles că o cuantificare deterministă, exactă a
valorilor parametrilor α şi β este imposibil de realizat, deoarece nu se pot
cuprinde în model absolut toate influenţele existente. Acest lucru a determinat
introducerea în model a variabilei aleatoare, perturbatoare ε
t
, care însumează
efectul tuturor factorilor rămaşi în afara modelului, fie ei nesemnificativi sau
necuantificabili.
Cu cât volumul seriei de date este mai mare, cu atât estimările sunt
mai apropiate de realitate.
În aceste condiţii, fiecărui moment dat t îi corespunde o distribuţie
normală de valori y
t
ale variabilei rezultative, de medie α + β ⋅ t şi varianţă
constantă.
Valorile estimatorilor parametrilor, notate cu αˆ şi β
ˆ
, pot fi
determinate cu ajutorul mai multor metode matematice şi statistice, dintre care
mai des utilizată, ca şi în cazul modelului unifactorial liniar, este metoda celor
mai mici pătrate.
În principiu, aplicarea metodei presupune respectarea aceloraşi
restricţii:
• datele privind variabila rezultativă sunt obţinute fără erori de
observare sau măsurare;
• variabila aleatoare ε
t
este de distribuţie normală, de medie nulă (E(ε
t
)
= 0) şi de varianţă constantă şi diferită de zero în timp;
• variabila aleatoare ε
t
urmează o distribuţie independentă faţă de timp;
• valorile variabilei aleatoare nu sunt autocorelate.
În urma aplicării metodei se ajunge la un sistem de două ecuaţii cu
necunoscutele αˆ şi β
ˆ
, de forma:

¦
¹
¦
´
¦
∑ ⋅ = ∑ ⋅ + ∑ ⋅
∑ = ∑ ⋅ + ⋅
= = =
= =
n
1 t
t
n
1 t
2
n
1 t
n
1 t
t
n
1 t
y t t
ˆ
t ˆ
y t
ˆ
ˆ n
β α
β α


Prin rezolvarea acestui sistem de ecuaţii se obţin valorile estimatorilor
αˆ şi β
ˆ
. Aşa cum s-a mai arătat, estimatorii determinaţi cu această metodă
corespund obiectivului urmărit dacă valoarea medie a estimatorului este egală
cu valoarea reală a parametrului corespunzător, iar varianţa fiecărui estimator
este relativ mică în raport cu numărul de date pe baza cărora s-a efectuat
analiza.

61
Analiza corelaţiei în cazul funcţiei liniare de timp are un caracter aparte,
deoarece toate variabilele economice sunt influenţate de timp, mai mul sau mai
puţin. Dacă în cazul modelelor unifactoriale sau multifactoriale se poate
înregistra corelaţie nulă, în cadrul funcţiilor de timp acest lucru este practic
imposibil, deoarece nici o variabilă economică nu este constantă în timp, decât,
eventual, pe perioade foarte scurte.
Se pot calcula şi aici valorile coeficientului de corelaţie liniară (pentru a
verifica existenţa evoluţiei liniare în timp), a raportului de corelaţie şi a
coeficientului de determinaţie, care, în principiu, au aceeaşi interpretare: dacă
valorile lor sunt apropiate de 1, variabila studiată are o evoluţie stabilă în timp şi
se poate determina un trend liniar, iar dacă valorile acestor coeficienţi sunt
apropiate de 0, evoluţia este haotică, instabilă şi nu poate fi ajustată cu un trend
liniar.
Şi în cazul funcţiilor de timp este necesară parcurgerea etapelor de
verificarea statistică a modelului. În general, acestea sunt similare cu cele
parcurse în cazul modelului unifactorial.

4.2.2. Funcţii de timp neliniare
Atunci când corelograma evoluţiei în timp a fenomenului studiat
sugerează o curbă, înseamnă că modelarea econometrică trebuie să utilizeze
diverse funcţii analitice neliniare. Aşa cum s-a mai arătat, linia dreaptă nu poate
fi utilizată pentru a descrie orice legătură, deoarece, în multe cazuri, “norul de
puncte” sugerează diverse curbe. În aceste situaţii trebuie găsite funcţiile
matematice corespunzătoare tipului de curbă sugerată de reprezentarea grafică.
Existenţa sau absenţa unei evoluţii liniare a variabilei rezultativă y
t
se
probează prin verificarea egalităţii dintre raportul de corelaţie R şi valoarea
absolută a coeficientului de corelaţie liniară simplă, ρ, astfel: dacă cei doi
parametri ai corelaţiei sunt egali (R = ρ ), evoluţia este liniară, iar dacă cei
doi parametri sunt diferiţi (R ≠ ρ ), evoluţia este neliniară.
În afara acestui procedeu, ca şi în cazul modelelor unifactoriale
neliniare, în alegerea formei funcţiei de timp au un rol important, pe lângă
cunoştinţele teoretice, şi experienţa practică şi rezultatele cercetărilor similare.
În principiu, o funcţie de timp neliniară este acea funcţie a cărei pantă,
dată de parametrul β, nu este constantă pentru orice valoare a lui t. Estimarea
parametrilor unei astfel de funcţii se realizează fie direct prin metoda celor mai
mici pătrate, fie prin diverse transformări care duc la liniarizarea funcţiei, fie
prin utilizarea unor metode numerice de estimare.
În econometrie, cele mai cunoscute şi mai des întâlnite funcţii de timp
neliniare sunt: funcţia hiperbolică, funcţia parabolică şi funcţia exponenţială.

62
Funcţia de timp hiperbolică se utilizează atunci când “norul de
puncte” urmează o traiectorie de tip hiperbolă. Funcţia hiperbolică are la bază
următoarea ecuaţie:

t t
t
1
y ε β α + ⋅ + =


Parametrii α şi β ai modelului pot fi estimaţi cu ajutorul metodei celor
mai mici pătrate, prin utilizarea transformării de variabilă:
t
1
t
'
= .
Modelul devine, astfel:

t
'
t
t y ε β α + ⋅ + =

În aceste condiţii, sistemul de ecuaţii care conduce la valorile estimate
ale parametrilor α şi β este:

( ) ( )
¦
¦
¹
¦
¦
´
¦

⋅ =

⋅ +


∑ = ∑ ⋅ + ⋅
= = =
= =
n
1 t
t
'
2
n
1 t
'
n
1 t
'
n
1 t
t
n
1 t
'
y t t
ˆ
t ˆ
y t
ˆ
ˆ n
β α
β α


Ajustarea prin hiperbolă se recomandă atunci când variabila
rezultativă y
t
scade, respectiv, creşte asimptotic către o valoare reală dată de
parametrul α al funcţiei.
Analiza de corelaţie în cazul modelului hiperbolic se realizează cu
ajutorul raportului de corelaţie R şi a coeficientului de determinaţie simplă R
2
, a
căror interpretare este similară cu cele prezentate la funcţia de timp liniară.
De asemenea, verificarea statistică a funcţiei este aceeaşi cu
verificarea modelului unifactorial liniar.
În funcţie de reprezentarea grafică a legăturii, pot fi utilizate variante
ale funcţiei hiperbolice, care au la bază diverse ecuaţii:
t
t
e y
β
α ⋅ = ;
t
1
y
t
+
=
α
β
;
t
1
y
t
⋅ +
=
β α
etc.

63
Funcţia de timp parabolică, sau pătratică, este folosită, de regulă,
atunci când ritmul de evoluţie al variabilei studiate urmează o curbă de tip U, cu
vârfurile în jos sau în sus. Pentru exprimarea funcţiei de timp parabolică se
utilizează funcţia de gradul doi, după relaţia:

y
t
= α + β
1
⋅ t +β
2
⋅ t
2
+ ε
t


Şi în cazul acestei funcţii, pentru estimarea parametrilor α, β
1
şi β
2
se
poate aplica metoda celor mai mici pătrate, rezultând următorul sistem de trei
ecuaţii cu trei necunoscute:

( )
( )
¦
¦
¦
¹
¦
¦
¦
´
¦
∑ ⋅ = ∑ ⋅ + ∑ ⋅ + ∑ ⋅
∑ ⋅ = ∑ ⋅ + ∑ ⋅ + ∑ ⋅
∑ = ∑ ⋅ + ∑ ⋅ + ⋅
= = = =
= = = =
= = =
n
1 t
t
2
n
1 t
4
2
n
1 t
3
1
n
1 t
2
n
1 t
t
n
1 t
3
2
n
1 t
2
1
n
1 t
n
1 t
t
n
1 t
2
2
n
1 t
1
y t t
ˆ
t
ˆ
t ˆ
y t t
ˆ
t
ˆ
t ˆ
y t
ˆ
t
ˆ
ˆ n
β β α
β β α
β β α


Dacă β
2
> 0, vârful parabolei va fi dat de minimul funcţiei (parabola
este cu ramurile în sus), iar dacă β
2
< 0, vârful parabolei este dat de maximul
funcţiei (parabola este cu ramurile în jos).
Analiza de corelaţie în cazul funcţiei de timp parabolică, similar cu
funcţia hiperbolică, are la bază determinarea şi interpretarea raportului de
corelaţie R şi a coeficientului de determinaţie simplă R
2
.
Verificarea statistică a funcţiei este, de asemenea, similară cu cele
prezentate la modelul unifactorial liniar.
Funcţia parabolică are, la rândul său, foarte multe variante de
exprimare, cum ar fi:
2
2 1 t
t t y lg ⋅ + ⋅ + = β β α ;
2
t
t y ⋅ + = β α ;
2
2 1
t t
t
e y
⋅ + ⋅
⋅ =
β β
α
; ( )
2
2 1 t
t lg t lg y ⋅ + ⋅ + = β β α etc.

Funcţia de timp exponenţială este utilizată atunci când “norul de
puncte” are un trend curbiliniu crescător sau descrescător, de tip exponenţial.
Ecuaţia funcţiei este de forma:

t
t
y β α ⋅ =


64
În cazul acestei funcţii, pentru a estima parametrii α şi β este necesar, în
primul rând, să se liniarizeze funcţia prin logaritmare, astfel:

log y
t
= log α + t ⋅ log β

Pe ecuaţia dată de relaţia 6.18 se aplică metoda celor mai mici pătrate şi
se obţine sistemul de ecuaţii:

( )
( )
¦
¹
¦
´
¦
∑ ⋅ = ∑ ⋅ + ∑ ⋅
∑ = ∑ ⋅ + ⋅
= = =
= =
n
1 t
t
n
1 t
2
n
1 t
n
1 t
t
n
1 t
y log t t
ˆ
log t ˆ log
y log t
ˆ
log ˆ log n
β α
β α


Acest model se utilizează, de obicei, atunci când variabila rezultativă
y
t
prezintă o evoluţie în timp de tip progresie geometrică.
Analiza de corelaţie în cazul funcţiei exponenţial, similar cu celelalte
funcţii de timp neliniare, se realizează prin determinarea şi interpretarea
raportului de corelaţie R şi a coeficientului de determinaţie simplă R
2
.
Verificarea statistică a modelului este, ca şi în celelalte cazuri
neliniare, similară cu cele prezentate la modelul unifactorial liniar.
Funcţia de timp exponenţială are, şi ea, numeroase variante de
exprimare, după cum urmează:
t
t
e y

⋅ =
β
α ;
t
t
e y
⋅ +
=
β α
etc.
În afara acestor tipuri de funcţii de timp neliniare, pot fi luate în
considerare multe altele, în funcţie de modul de dispunere a punctelor din
reprezentarea grafică.

4.3. Modele econometrice cu time – lag

Modelele prezentate până acum au presupus o transmitere instantanee a
influenţei dinspre variabilele factoriale spre variabila rezultativă. De multe ori,
însă, în economie, efectele se transmit cu o oarecare întârziere, fapt care duce la
un decalaj mai mare sau mai mic între momentul modificării variabilei
factoriale şi momentul modificării corespunzătoare a variabilei factoriale.
Modelele care studiază astfel de legături cu efecte decalate în timp sunt
cunoscute în econometrie sub numele de modele cu time – lag.
Aceste modele trebuie utilizate atunci când decalajul, lag-ul, este
suficient de mare încât să influenţeze semnificativ analiza (de exemplu, un

65
decalaj de câteva zile nu are nici o importanţă pentru variabilele înregistrate
anual, dar este foarte important pentru variabile înregistrate zilnic).
Cea mai generală formă a unui model cu time – lag porneşte de la
premisa că efectele acţiunii unei variabile factoriale sunt distribuite în timp,
unele cu efect mai rapid, altele cu efecte mai îndepărtate în timp. Acest model
are la bază o ecuaţie de forma:

y
t
= α + β
0
⋅ x
t
+ β
1
⋅ x
t-1
+ β
2
⋅ x
t-2
+ … + β
k
⋅ x
t-k
+ ε
t


unde: y
t
este variabila rezultativă la momentul t;
α, β
0
, β
1
, …, β
k
sunt parametrii modelului;
x
t
, x
t-1
, …, x
t-k
sunt valorile înregistrate de către variabila factorială la
momentele t, t – 1, …, t – k;
ε
t
reprezintă variabila reziduală la momentul t.
Relaţia poate fi scrisă pe scurt astfel:

t
t
0 k
k t k t
x y ε β α + ∑ ⋅ + =
=



Dacă numărul de perioade k pe care se manifestă în urmă influenţele este
suficient de mic
25
, atunci estimarea parametrilor modelului se poate face cu
metoda celor mai mici pătrate. În această situaţie, ipotezele de pornire ale
modelului sunt date de restricţiile metodei celor mai mici pătrate, în care
variabila aleatoare este de repartiţie normală, de medie nulă şi homoscedastică,
iar variabila factorială şi cea aleatoare nu sunt autocorelate (nivelurile anterioare
nu au nici o influenţă asupra nivelului prezent). Valorile estimate ale
parametrilor se obţin şi se interpretează similar cu modelele multifactoriale.
Probleme apar în momentul în care influenţele sunt decalate cu multe
perioade în urmă, iar informaţiile deţinute despre ceea ce s-a întâmplat în trecut
sunt insuficiente. În aceste condiţii, aplicarea directă a metodei celor mai mici
pătrate poate genera estimatori deplasaţi şi neconsistenţi, datorită posibilităţii
apariţiei fenomenului de multicoliniaritate.
Deficienţele aplicării metodei celor mai mici pătrate pot fi eliminate prin
specificarea unor restricţii referitoare la distribuţia decalajelor. Există mai multe
variante de atingere a acestui deziderat.

25
C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006

66
O primă modalitate este cea care porneşte de la presupunerea că
parametrii modelului aferenţi variabilelor decalate sunt pozitivi subunitari (0 <
η < 1) şi descresc în progresie geometrică. Modelul, numit al decalajului în
progresie geometrică, este de forma:

( )
t k t
k
2 t
2
1 t t t
x ... x x x y ε η η η β α + ⋅ + + ⋅ + ⋅ + ⋅ + =
− − −


Forma scurtă a modelului este:

t
t
0 k
k t
k
t
x y ε η β α + ∑ ⋅ ⋅ + =
=



Deoarece valorile parametrilor descresc pe măsură ce ne îndepărtăm în
timp, dar nu devin niciodată nule, înseamnă că influenţa în timp este luată în
considerare pentru perioade foarte lungi, dar de la un moment dat devine
nesemnificativă. Astfel, modelul ia în considerare influenţele din perioade
considerate rezonabil de îndepărtate în timp, dar după aceea efectele decalate
sunt neglijabile.
Este util să fie descrisă structura influenţelor modelului sub forma
comportamentului pe termen lung a variabilei rezultative în urma modificării
influenţelor suferite. Acest lucru se realizează prin calcularea decalajului mediu
al influenţelor d , după relaţia:

( )
( ) η
η
η
η η
η
η β
η β
η β

=


=

∑ ⋅ ⋅
=
∑ ⋅
∑ ⋅ ⋅
=
=
=
=
=
1 1 / 1
1 /
k k
d
2
t
0 k
k
t
0 k
k
t
0 k
k
t
0 k
k


Astfel, dacă, de exemplu, η = 0,5 ⇒ d = 1, ceea ce înseamnă că
jumătate din efectul total resimţit de către y
t
se datorează momentului t, iar
restul se datorează perioadelor mai vechi de timp.
Pentru a estima parametrii acestui model se apelează la o formă
simplificată a acestuia. Din ecuaţia iniţială a modelului se poate scrie ecuaţia
aferentă momentului t – 1, astfel:

( )
1 t 1 k t
k
2 t 1 t 1 t
x ... x x y
− − − − − −
+ ⋅ + + ⋅ + ⋅ + = ε η η β α


67
Apoi, dacă se calculează efectul ponderat al variaţiei lui y de la un
moment la altul, se obţine:

y
t
– η⋅ y
t-1
= α⋅ (1 – η) + β⋅ x
t
+ u
t


unde u
t
= ε
t
– η⋅ε
t-1
.


Din relaţia anterioară se poate deduce că:

y
t
= α⋅ (1 – η) + η⋅ y
t-1
+ β⋅ x
t
+ u
t


Această ultimă ecuaţie face uşor de măsurat efectul modificărilor
anterioare asupra nivelului curent, printr-un model combinat.
O altă modalitate de a uşura estimarea parametrilor modelului cu time –
lag este apelarea la modelul aşteptărilor adaptive. Acest model presupune că
modificările variabilei rezultative y se datorează modificărilor în nivelul aşteptat
(sau dorit) al variabilei factoriale x, notat cu x
t
*
. Ecuaţia modelului este de
forma:

y
t
= α + β ⋅ x
t
*
+ ε
t


Nivelul aşteptat al lui x se defineşte printr-o relaţie care porneşte de la
presupunerea că aşteptările se modifică de la o perioadă la alta sub forma unei
permanente ajustări între valoarea curentă reală a lui x şi valoarea anterioară
aşteptată a lui x, astfel:

x
t
*
– x
t-1
*
= λ⋅( x
t
– x
t-1
*
)

unde 0 < λ ≤ 1.
Ecuaţia poate fi rescrisă sub forma:

x
t
*
= λ⋅( x
t
– x
t-1
*
) + x
t-1
*
= λ⋅ x
t
+ (1 –λ)⋅ x
t-1
*


Astfel, nivelul aşteptat al lui x este o medie ponderată dintre nivelul
prezent al lui x şi nivelul anterior aşteptat al lui x. În acest mod, nivelurile
aşteptate ale lui x se ajustează permanent, luând în considerare valorile reale ale
lui x.
Prin inducţie matematică, se poate obţine forma generalizată a modelului,
scrisă scurt:

68


( ) ∑ ⋅ − ⋅ =
=

t
0 k
k t
k *
t
x 1 x λ λ

În acest model, valoarea aşteptată a lui x este media ponderată a tuturor
valorilor prezente şi trecute ale lui x. Înlocuind valoarea lui x
t
*
din relaţia de mai
sus în ecuaţia iniţială a modelul aşteptărilor adaptive, se obţine:

y
t
= α + β⋅ ( ) ∑ ⋅ − ⋅
=

t
0 k
k t
k
x 1 λ λ + ε
t


Parametrii modelului astfel obţinut pot fi estimaţi cu metoda celor mai
mici pătrate.
Aceste modele cu time – lag pot fi diversificate prin introducerea în
model a unor variabile factoriale cu influenţă instantanee, care să acţioneze în
paralel cu variabilele cu influenţă decalată.

4.4. Modele autoregresive

4.4.1. Caracterul autoregresiv al variabilelor economice
De obicei, în practica economică, variabilele economice, pe lângă
influenţele importante pe care le suferă din partea unor variabile factoriale, au şi
un caracter autoregresiv, de memorare a comportamentului anterior.
Din punct de vedere econometric, termenul de autoregresiv defineşte
măsura în care o variabilă economică prezintă caracteristica de a se autocorela,
în sensul că nivelul curent al acesteia este determinat într-o măsură
semnificativă de nivelurile sale anterioare, decalate cu una sau mai multe
perioade în urmă.
26

În această situaţie, efectul asupra variabilei rezultative nu este cauzat de
influenţa directă a unor variabile factoriale, ci este unul retroactiv, indus de
încărcătura informaţională a variabilei studiate.
În principal, efectul autoregresiv se concretizează în modul mai mult sau
mai puţin pregnant în care nivelul actual al cursului este influenţat de nivelurile
sale anterioare, decalajul în timp a influenţelor putând avea diferite valori. În
general, cu cât acest decalaj este mai mare, adică deplasarea în urmă faţă de

26
C. Şipoş, Modelarea comportamentului cursului de schimb al leului, Editura Universităţii de
Vest, Timişoara, 2003, pag. 133 – 135

69
momentul prezent este mai accentuată, cu atât influenţele sunt mai slabe,
problema care apare fiind cea a determinării momentului când acestea devin
nesemnificative, pentru a fi eliminate din model, similar cu cele prezentate la
modelele cu time – lag.
Această caracteristică ţine de capacitatea mediului înconjurător de a
reţine comportamentele anterioare ale variabilei studiate şi de a acţiona în
funcţie de acestea în formarea anticipaţiilor pentru perioadele următoare.
Mecanismul de formare al anticipaţiilor în condiţii de informare
incompletă, are, de regulă, o natură mixtă, anticipaţiile fiind atât adaptive, în
sens friedmanian, cât şi raţionale, adică bazate pe cunoaşterea, fie şi parţială, a
situaţiei actuale. În lipsa unor informaţii actuale complete, agenţii economici
acţionează ţinând cont şi de informaţiile din perioadele precedente, fiind, de
asemenea, capabili să înveţe din erorile de anticipaţie comise în aceste perioade.
Volatilitatea crescută şi, uneori, imprevizibilă a anticipaţiilor din
economie fac din acestea o categorie specifică, pseudo–adaptivă, ceea ce
înseamnă că principiul de formare poate fi de tip bulgăre de zăpadă, viteza de
propagare fiind foarte mare, iar sensul de evoluţie contrar teoriei.
O problemă importantă este aceea că între diversele categorii de agenţi
economici există o importantă asimetrie informaţională, ceea ce echivalează cu
forme diferite ale funcţiilor ce descriu formal mecanismele lor anticipaţionale.
Această asimetrie poate fi însă atenuată prin realizarea estimaţiilor pe perioade
de timp distincte. Totuşi, se pot distinge cel puţin două mari categorii de
operatori.
Comportamentul operatorilor din prima categorie se consideră că are
impact cu precădere pe termen mediu şi lung, iar efectul anticipaţiilor este
indirect pus în evidenţă, prin intermediul variabilelor factoriale luate în
considerare. Această categorie de anticipaţii este înglobată de informaţia dată de
variabilele factoriale incluse într-un model multifactorial şi nu necesită un
studiu aparte a fenomenului anticipaţiilor.
Subiecţii economici din a doua categorie, interesaţi în formularea unor
anticipaţii cu grad sporit de acurateţe – mai precis, interesaţi de aspectul
cantitativ al modificărilor survenite în variabila studiată – urmăresc de o
manieră sistematică această evoluţie, orientându-se în estimarea nivelului
anticipat al variabilei în funcţie de nivelul său din perioadele precedente.
Desigur, această formulare reprezintă o particularizare a celor enunţate anterior,
subiecţii economici tinzând să-şi formuleze anticipaţiile prin extrapolarea cvasi–
mecanică a situaţiei curente, introducând, eventual, o anumită corecţie în raport
de evoluţiile precedente.
Această afirmaţie echivalează cu adoptarea ipotezei existenţei unei relaţii
de dependenţă liniară între nivelul estimat al variabilei studiate şi nivelurile sale

70
anterioare. O astfel de relaţie poate fi studiată cu ajutorul modelelor
autoregresive de diverse ordine.

6.4.2. Modelul autoregresiv de ordinul k
Un model autoregresiv este un model econometric care presupune că
între nivelul curent al variabilei studiate şi comportamentul său anterior există o
legătură liniară sau neliniară. În funcţie de numărul de perioade cu care analiza
este decalată în urmă există mai multe tipuri de modele, începând cu modelul
autoregresiv de ordinul întâi – în cazul căruia efectul în timp este analizat pe o
perioadă în urmă – şi continuând cu modelele de ordine superioare – doi, trei,
etc. – în cazul cărora efectul în timp este studiat pe k perioade în urmă.
Cel mai simplu model care pune în evidenţă caracterul autoregresiv al
unei variabile economice este cel care ia în considerare influenţele liniare pe
care le exercită nivelul precedent y
t–1
asupra nivelului curent al variabilei y
t
,
după relaţia:

y
t
= α + β
1
⋅ y
t–1
+ ε
t


unde α şi β
1
sunt parametrii modelului, iar ε
t
este variabila reziduală.
Acest model este cunoscut sub numele de model autoregresiv de
ordinul întâi AR(1), deoarece pune în evidenţă memoria operatorilor referitoare
la o singură perioadă din urmă. El se bazează pe o capacitate de memorare şi
asimilare a informaţiilor pe termen foarte scurt, fără a ţine seama de ceea ce s-a
întâmplat cu mai multe perioade în urmă.
În funcţie de condiţiile existente în economie, anticipaţiile operatorilor
pot să se bazeze nu numai pe nivelul imediat anterior al variabilei, evidenţiat de
modelul de ordinul întâi, ci şi pe comportamentul mai vechi al acesteia, decalat
cu două sau mai multe perioade în urmă. În modul acesta, se pot construi
modele autoregresive de ordine superioare.
Astfel, următorul model este modelul autoregresiv de ordinul doi
AR(2), care are la bază următoarea ecuaţie:

y
t
= α + β
1
⋅ y
t–1
+ β
2
⋅ y
t–2
+ ε
t


Acest model evidenţiază memoria operatorilor decalată cu două
perioade în urmă, deci, practic, se bazează pe o capacitate de memorare şi
asimilare a informaţiilor pe termen mai lung decât modelul de ordinul întâi.
Relaţia presupusă între nivelul curent şi nivelurile anterioare este de tip liniar.


71
În anumite situaţii s-ar putea ca modelul de ordinul doi să poată fi utilizat
pentru previzionarea variabilei studiate în condiţii mai bune decât modelul
anterior. Anticipaţiile operatorilor pot avea o memorie mai lungă decât
perioada imediat anterioară, ei luând în considerare şi ceea ce s-a întâmplat cu
două perioade în urmă, realizând o anticipaţie bazată pe informaţiile aferente
ambelor perioade.
Pentru a studia dacă memoria operatorilor se întinde şi mai mult în trecut,
se pot elabora modele autoregresive de diverse ordine, care analizează evoluţia
variabilei studiate în funcţie de ceea ce s-a întâmplat în perioadele t – 1, t – 2,
…, t – k.
Modelul general care studiază caracterul autoregresiv al unei variabile
economice se numeşte model autoregresiv de ordinul k AR(k) şi are la bază
următoarea ecuaţie:

y
t
= α + β
1
⋅ y
t–1
+ β
2
⋅ y
t–2
+ … + β
k
⋅ y
t–k
+ ε
t


în care: y
t
reprezintă nivelul curent al variabilei rezultative;
y
t–1
, y
t–2
, …, y
t–k
sunt nivelurile decalate cu una, două, respectiv, k
perioade în urmă ale variabilei studiate;
α, β
1
, …, β
k
sunt parametrii modelului autoregresiv de ordinul k;
ε
t
este variabila aleatoare.
Cu cât influenţa nivelurilor anterioare asupra nivelului curent al variabilei
studiate este mai mare, cu atât sunt mai importante anticipaţiile operatorilor în
determinarea comportamentului variabilei respective. Dacă modelul
autoregresiv arată o legătură puternică între nivelurile anterioare şi nivelul
curent, înseamnă că o proporţie semnificativă a evoluţiei variabilei studiate se
bazează pe anticipaţii şi mai puţin pe influenţele obiective pe care aceasta le
suferă din partea celorlalte variabile factoriale.
Un modelul autoregresiv semnificativ evidenţiază importanţa sporită a
factorilor subiectivi în determinarea evoluţiei variabilelor economice în
detrimentul factorilor obiectivi.
Parametrii unui model autoregresiv de ordin k se estimează direct cu
metoda celor mai mici pătrate, dacă valoarea lui k este suficient de mică încât să
existe informaţii despre perioadele anterioare analizate.
Dacă valoarea lui k este mai mare, se utilizează metodele de estimare
prezentate la modelele cu time – lag, unde în locul valorilor variabilei factoriale
cu influenţă decalată în timp x
t-1
, x
t-2
, …, x
t-k
se introduc valorile anterioare ale
variabilei rezultative y
t-1
, y
t-2
, …, y
t-k
.
Estimarea corectă a parametrilor unui model autoregresiv se poate realiza
numai dacă acesta îndeplineşte condiţia de staţionaritate. Această condiţie

72
înseamnă că media variabilei rezultative este considerată constantă, iar varianţa
este nulă de-a lungul timpului, conform relaţiei:

E(y
t
) = E(y
t-1
) = E(y
t-2
) = … = E(y
t-k
) = m
De aici rezultă că modelul autoregresiv de ordinul k poate fi scris sub
forma:

m = α + β
1
⋅ m + β
2
⋅ m + … + β
k
⋅ m

Din relaţia 6.37 rezultă media m:

k 2 1
... 1
m
β β β
α
− − − −
=

Dacă media m calculată pentru modelul autoregresiv analizat verifică
această relaţie, înseamnă că modelul îndeplineşte condiţia de staţionaritate şi
estimatorii parametrilor α, β
1
, β
2
, …,β
k
sunt consistenţi şi nedeplasaţi.
Totodată, este necesar ca valoarea mediei m să fie finită, altfel
procesul evoluează tot mai departe de punctul de referinţă (în formă de spirală)
şi nu mai este staţionar. Dacă media m este finită, înseamnă că numitorul relaţiei
anterioare trebuie să fie nenul, adică:

β
1
+ β
2
+ … + β
k
≠ 1

Analiza de corelaţie în cazul modelelor autoregresive se realizează cu
ajutorul a doi coeficienţi similari cu cei utilizaţi în cazul modelelor
multifactoriale, raportul de autocorelaţie şi coeficientul de autodeterminaţie.
Conţinutul acestor coeficienţi este similar cu cel al raportului de corelaţie,
respectiv, al coeficientului de determinaţie, numai că, în locul variabilelor
factoriale x1, x2, …, xk se introduc valorile anterioare ale variabilei rezultative
y
t-1
, y
t-2
, …, y
t-k
.









73
ÎNTREBĂRI TEORETICE DE AUTOEVALUARE LA CAPITOLUL 4:

1. Care sunt caracteristicile fundamentale ale unui model econometric bazat pe
influenţa factorului timp?

2. Care sunt componentele unei serii dinamice ?

3. Cum se interpretează valorile parametrilor α şi β ale funcţiei liniare de timp?

4. Ce reprezintă un model econometric cu time–lag?

5. Ce înseamnă „caracter autoregresiv” al unei variabile economice?



BIBLIOGRAFIE PARTE TEORETICĂ


1. Andrei T., Stancu S., Statistica. Teorie şi aplicaţii, Editura ALL, Bucureşti,
1995

2. Baron T., Anghelache C., Ţiţan E., Statistică, Editura Economică,
Bucureşti, 1996

3. Chilărescu C., Modele econometrice aplicate, Editura Mirton, Timişoara,
1994

4. Chilărescu C., Ciorîcă O., Preda C., Şipoş C., Surulescu N., Bazele
statisticii, Editura Universităţii de Vest, Timişoara, 2002

5. Greene W.H., Econometric Analysis, Fifth Edition, Prentice Hall, 2003

6. Levine D.M., Stephan D., Krehbiel T.C., Berenson M.L., Statistics for
Managers using Microsoft Excel, Third Edition, Prentice Hall,
2002

7. Newbold P., Carlson W.L., Thorne B., Statistics for Business and
Economics, Fifth Edition, Pearson Prentice Hall, 2003

8. Pecican E., Econometrie, Editura ALL, Bucureşti, 1994


74
9. Pecican E., Macroeconometrie – Politici economice guvernamentale şi
econometrice, Editura Economică, Bucureşti, 1994

10. Pindyck R.S., Rubinfeld D.L., Econometric Models and Economic
Forecasts, McGraw–Hill, Fourth Edition, 1998

11. Şipoş C., Modelarea comportamentului cursului de schimb al leului,
Editura Universităţii de Vest, Timişoara, 2003

12. Şipoş C., Preda C., Statistică Economică, Editura Mirton, Timişoara, 2004

13. Şipoş C., Preda C., Econometrie, Editura Mirton, Timişoara, 2006

14. Ţiţan E., Statistică macroeconomică, A.S.E., Bucureşti, 1996































75




APLICAŢIE ECONOMETRICĂ PE CURSUL
VALUTAR


1. Premisele modelării econometrice a cursului valutar

Abordarea cursurilor valutare prin perspectiva modelării econometrice
poate găsi o puternică relevanţă atât în analiza comportamentului acestora, cât şi
în previzionarea lor pentru perioadele următoare. Pentru a se putea analiza în
detaliu evoluţia cursului valutar în raport cu factorii de influenţă cei mai
semnificativi, s-a luat în considerare cazul României, în perioada 2003 – 2005.
Alegerea acestei perioade de analiză a avut la bază, în principal, faptul
că o dată cu ajustarea structurală începută în anul 2000 şi consolidată în ultimii
ani, regimul valutar şi, implicit, evoluţia cursului leului au devenit mult mai
echilibrate, mai predictibile. Perioadele anterioare, caracterizate prin multiple
intervenţii administrative, mai mult sau mai puţin justificate, se pretează într-o
măsură redusă la abordări de tip econometric. Insuficienta legitimitate a
guvernelor din perioadele respective, unele imixtiuni ale factorilor politici în
deciziile macroeconomice, precum şi rigiditatea instituţională a administraţiei,
inconsistenţa mecanismelor de guvernare de ansamblu şi inadaptabilitatea unor
manageri şi întreprinderi la mediul economic au creat o divergenţă
semnificativă între obiectivele politicii economice şi rezultatele concrete ale
acesteia, fapt explicat adesea prin comportamente necooperante ale agenţilor
economici şi prin ineficienţa pârghiilor de transmitere a deciziilor
macroeconomice. Datorită acestor stări de lucruri, evoluţia cursului leului a fost
caracterizată de numeroase puncte de inflexiune, greu de explicat economic şi,
astfel, dificil de analizat cu ajutorul metodelor econometrice.
27

În aceste condiţii, ca şi alte mecanisme vitale ale economiei naţionale,
regimul valutar nu a putut fi reorientat dintr-o dată, etapele parcurse
conformându-se, în esenţă, concepţiei reformei economice din România, în
condiţiile concrete determinate de schimbările politice. Reglementarea parţială
şi treptată a regimului valutar şi imposibilitatea adoptării unei legi a gestionării

27
C. Şipoş, Modelarea comportamentului cursului de schimb al leului, Editura Universităţii de
Vest, Timişoara, 2003, pag. 89 – 101

76
valutelor au fost determinate de condiţiile impuse de evoluţia parametrilor
economiei naţionale şi de schimbările instituţionale apărute de-a lungul
timpului. Astfel, o dată cu cristalizarea opţiunilor şi strategiei de reformă
economică, s-a putut contura regimul valutar, ca un proces desfăşurat de-a
lungul mai multor etape, cu evoluţii oscilante, modificări abrupte şi, în unele
cazuri, cu decizii ineficiente.
28

Economia românească a evoluat pozitiv în ultima perioadă, ceea ce a
avut ca rezultat îmbunătăţirea substanţială a poziţiei externe şi a pus bazele
revenirii la o creştere economică pozitivă începând cu anul 2001, după o
perioadă destul de lungă de scădere a produsului intern brut. Cu toate progresele
în procesul de stabilizare şi reformă din ultimii ani, performanţele economice
ale României continuă să fie nefavorabile comparativ cu alte economii din
Europa centrală şi de est, candidate la integrarea europeană. Creşterea
produsului intern brut în aceşti ani şi accentuarea deficitului balanţei comerciale
reflectă creşterea rapidă a cererii interne, în special pe seama creşterilor salariale
în sectorul public şi a slabelor performanţe financiare din întreprinderile de stat.
Menţinerea la acest nivel ridicat, ar putea pune în pericol obiectivele de
dezinflaţie şi echilibrul extern.
Leul se apreciază gradual, în termeni nominali şi reali, faţă de moneda
europeană, iar prin ajustarea susţinută a preţurilor relative se va reduce treptat
decalajul României faţă de Uniunea Europeană. Acest lucru va conduce la
atingerea concomitentă a celui mai important criteriu al convergenţei nominale
– reducerea ratei inflaţiei – şi a celui mai important criteriu al convergenţei reale
– creşterea PIB/locuitor (la paritatea puterii de cumpărare). Respectivele criterii
pot fi îndeplinite, însă, numai cu condiţia ca problema competitivităţii externe
să fie rezolvată printr-un set coerent de politici macroeconomice (politica
salarială, politica ocupării forţei de muncă) şi microeconomice (creşterea
productivităţii muncii, reducerea costurilor de regie etc.).
Luând ca punct de pornire aceste considerente, se pune problema
construirii unor modele econometrice care să reflecte cât mai corect evoluţia
cursului leului. Abordarea econometrică a cursului leului se înscrie în tentativa
modernă de explicare mai riguroasă, mai exactă a efectelor pe care acesta le are
asupra celorlalte variabile micro sau macroeconomice şi, mai ales, în ce măsură
este el influenţat de mediul în care se manifestă.
Lansarea economiei pe un trend crescător, cu toate efectele pozitive
implicate, precum şi consecvenţa mixului de politici economice aplicate, au
condus spre o relativă stabilitate a politicii monetare şi valutare, ceea ce oferă

28
Rapoartele anuale ale Băncii Naţionale a României, anii 1991 – 2005

77
toate premisele efectuării unei analize econometrice consistente a
comportamentului cursului de schimb al leului.
Din acest punct de vedere, există o multitudine de posibilităţi de
abordare, posibilităţi cărora le corespund diverse tipuri de modele, unele mai
simple, altele mai complexe, în funcţie de variabilele luate în considerare.

2. Model multifactorial al cursului leului

Modelul multifactorial care poate fi utilizat cu rezultate optime în studiul
evoluţiei cursului leului este modelul de regresie liniar, în care cursul valutar
este variabila rezultativă sau explicată, iar factorii de influenţă ai acestuia
reprezintă variabilele factoriale sau independente. Variabila aleatoare a
modelului ia în considerare acţiunea altor factori decât variabilele factoriale,
întâmplători în raport cu legătura studiată.
Elaborarea şi utilizarea unui model econometric al cursului leului
presupune, în primul rând, parcurgerea unei etape preliminare de formulare a
ipotezelor de lucru şi a restricţiilor care vor sta la baza elaborării modelului.

2.1. Ipotezele iniţiale ale modelului
Aşa cum s-a arătat în partea teoretică, metoda care ţine seama de
majoritatea condiţiilor implicate este metoda celor mai mici pătrate, aplicarea ei
în cazul datelor statistice privind variabilitatea cursului de schimb şi a factorilor
săi de influenţă pornind de la următoarele ipoteze:
Ipoteza 1. Datele privind variabilele rezultative şi cele factoriale sunt
obţinute fără erori de observare sau măsurare. O importanţă deosebită din acest
punct de vedere o prezintă omogenitatea datelor, în sensul că obţinerea lor
trebuie să aibă o singură sursă sau surse similare din punct de vedere calitativ.
Neomogenitatea pune sub semnul întrebării comparabilitatea datelor şi, în
ultimă instanţă, calitatea concluziilor. De aceea, datele aferente cursului leului,
precum şi cele aferente celorlalţi parametri ai economiei româneşti sunt culese
dintr-o singură sursă, rapoartele anuale ale Băncii Naţionale a României, ceea
ce face ca ele să îndeplinească această restricţie.
Un alt aspect legat de calitatea datelor este cel de natură cantitativă în
sensul că se referă la volumul eşantionului studiat, care trebuie să fie suficient
de mare, astfel încât legea numerelor mari să se manifeste nedistorsionat, iar
indicatorii sintetici obţinuţi să prezinte stabilitate. Şi din acest punct de vedere
ipoteza de lucru este îndeplinită, deoarece volumul eşantionului analizat este
satisfăcător: 30 de date lunare, aferente unei perioade de aproape 3 ani: ianuarie
2003 – iunie 2005.

78
Ipoteza 2. Variabilele factoriale sunt independente unele de celelalte,
exercitându-şi influenţa numai asupra variabilei rezultative. Dacă nu se acordă
importanţă acestei ipoteze, analiza are toate şansele să devină irelevantă, având
în vedere că pot apărea mari erori şi distorsiuni în estimarea parametrilor
modelului şi, implicit, în interpretarea valorilor acestora. Dacă variabilele
factoriale fac parte dintr-un sistem complex de interdependenţe, ne aflăm în
situaţia de multicoliniaritate, studiată în cadrul capitolului cinci. Aşa cum s-a
arătat, semnalele referitoare la fenomenul de multicoliniaritate sunt date de
valorile apropiate de ± 1 ale coeficienţilor de corelaţie calculaţi pentru
legăturile dintre variabilele factoriale sau de valorile apropiate de 100% ale
coeficientului de determinare multiplă, în condiţiile în care estimatorii
parametrilor de regresie sunt nesemnificativi din punct de vedere statistic.
Multicoliniaritatea, alături de erorile de sondaj şi de inconstanţa în
timp a relaţiilor dintre variabile, reprezintă principalele surse de instabilitate ale
estimaţiilor parametrilor de regresie. Atenuarea sau chiar eliminarea
multicoliniarităţii s-a realizat prin utilizarea unor eşantioane de dimensiuni cât
mai mari, pentru a evita riscul corelării datelor, şi prin înlocuirea, acolo unde a
fost necesar, a datelor exprimate în unităţi naturale sau valorice cu variabile
rezultate în urma unor prelucrări simple (ritmuri de creştere, sporuri sau indici).
Totodată, s-au eliminat unele variabile corelate strâns cu altele, rămânând în
analiză doar factorii de influenţă reprezentativi.
Ipoteza 3. Variabila aleatoare sau reziduală (ε
i
) este de distribuţie
normală, de medie nulă (E(ε
i
) = 0) şi de dispersie constantă şi diferită de zero.
Verificarea acestei ipoteze se realizează prin determinarea mediei şi a varianţei
valorilor reziduale şi prin efectuarea unui test fundamentat pe presupunerea că
variabila aleatoare (ε
i
) urmează o lege normală, Gauss-Laplace.
Normalitatea repartiţiei variabilei aleatoare este confirmată atunci
când valorile acesteia se situează între limitele (± z
α/2
⋅ s(ε
i
)). Această ipoteză se
va testa în secţiunea de verificare statistică a modelului şi normalitatea
repartiţiei variabilei aleatoare se va confirma, datorită volumului suficient de
mare de date studiat (un număr mai mare de unităţi poate pune mai pregnant în
evidenţă caracterul normal al repartiţiei), precum şi datorită gradului ridicat de
omogenitate şi comparabilitate a datelor analizate.
Ipoteza 4. Variabila reziduală (ε
i
) urmează o distribuţie independentă
de valorile variabilelor factoriale, adică este homoscedastică. Prin urmare,
varianţa variabilei aleatoare (σ
2

i
)) nu diferă semnificativ în raport cu
segmentele de valori ale variabilelor factoriale, ceea ce denotă o relativă
stabilitate a legăturii dintre cursul valutar şi factorii de influenţă luaţi în
considerare. Această ipoteză se va verifica în etapa de testare statistică a
modelului final.

79
Ipoteza 5. Valorile variabilei aleatoare nu sunt autocorelate. Acest
lucru înseamnă că valorile respective sunt independente între ele, ceea ce
implică faptul că şi înregistrările de date în eşantioane au fost independente.
Autocorelarea poate apare în condiţiile în care s-a omis introducerea în model a
unei variabile factoriale importante, cu influenţă puternică asupra cursului
valutar. Efectele negative ale unei eventuale autocorelări a variabilei aleatoare
se răsfrâng asupra calităţii parametrilor de a fi nedistorsionaţi şi asupra testării
semnificaţiei acestora. Verificarea ipotezei autocorelării variabilei aleatoare se
va realiza, cu ajutorul testului Durbin – Watson, tot în secţiunea de verificare
statistică a modelului final.
2.2. Alegerea variabilelor factoriale
În cadrul acestei etape sunt selectaţi şi definiţi factorii de influenţă ai
cursului valutar sau variabilele factoriale. În acest sens, se analizează
dependenţa cursului valutar în raport cu posibilii factori de influenţă, ţinând
seama de ceea ce admite teoria domeniului, de aspectele scoase în evidenţă de
practica economică în perioada şi spaţiul avute în vedere, precum şi de volumul
şi structura datelor disponibile sau posibil de a fi obţinute. Apoi, se verifică
premisele teoretice prin prisma comportamentului variabilelor luate în
considerare, aşa cum este el relevat de către datele analizate, ceea ce implică
utilizarea unor metode statistice specifice.
29

Acţiunea variabilelor factoriale asupra cursului leului va fi studiată pe
baza unui set de 30 de date lunare ajustate, aferente perioadei ianuarie 2003 –
iunie 2005.
Cursul valutar considerat variabilă rezultativă este cursul real al leului în
raport cu euro, deflatat cu indicele preţurilor industriale (PPI).
În cele ce urmează, vor fi elaborate modele unifactoriale care analizează,
pe rând, influenţa variabilelor considerate semnificative. Astfel, un prim
parametru al economiei naţionale, care influenţează decisiv comportamentul
cursului de schimb al leului, îl reprezintă balanţa de plăţi externe a României.
În condiţiile actuale ale dezvoltării relaţiilor economice externe ale României,
componenta fundamentală a balanţei de plăţi externe o constituie contul curent
al acesteia, care se exprimă cu ajutorul unor parametri ca: volumul exporturilor,
volumul importurilor, gradul de acoperire al importurilor prin exporturi şi soldul
comerţului exterior.
Cel mai semnificativ parametru s-a dovedit a fi soldul comerţului exterior
(S
CE
), fapt pentru care se va încerca ilustrarea influenţei condiţiilor comerţului
exterior românesc asupra cursului valutar al leului cu ajutorul acestui indicator,

29
C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006

80
determinat ca diferenţă între nivelul lunar al exportului şi nivelul importului
aferent aceleiaşi luni şi exprimat în milioane EUR.. Ecuaţia pe care se
fundamentează acest model este următoarea:

C
i
= a
0
+ a
1
⋅ S
CEi
+ ε
i


Pe baza unei analize statistice preliminare, s-a ajuns la concluzia că
influenţa soldului comerţului exterior asupra cursului de schimb prezintă un
time–lag de o lună. Pe baza eşantionului format din cele 30 valori lunare
ajustate ale cursului leului şi ale soldului comerţului exterior, modelul este
următorul:

Tabelul 1
Variabila dependentă: CURS LEU/EUR
Metoda celor mai mici pătrate
Eşantionul: 30
Nr. de observaţii: 29 după ajustare
CURS LEU/EUR = a
0
+ a
1
* SCE(-1)
Coeficienţi Eroarea
standard
t-Statistic Probabilitatea
0

36424,689 1141,991 31,89576 0,000
1

6,7010391 2,610693 2,566766 0,016
Coef. de determinaţie 0,196 Curs mediu 33.749
Eroarea standard 2510,819 F-statistic 6,588
Durbin – Watson 2,248 F-critic 1,882

Se observă că valoarea coeficientului de determinaţie este destul de
mică, ceea ce înseamnă că influenţa soldului comerţului exterior asupra cursului
de schimb real nu este foarte puternică la ora actuală, ceea ce arată că există alţi
factori mai semnificativi, care ţin, mai ales, de politica monetară a statului.
Eroarea standard a regresiei este, însă, relativ mică în raport cu media cursului
de schimb, deci, distorsiunile de estimare ale parametrilor modelului sunt destul
de mici.
Nivelurile de semnificaţie ale parametrilor estimaţi
0
aˆ şi
1
aˆ (coloana t-
Statistic), luate în mărime absolută, se compară cu valorile tabelate aferente
repartiţiei Student, conform cărora pentru n – 1 = 28 grade de libertate şi pentru

81
o probabilitate P (t≤ t
0
)= 0,05 nivelul critic (minim acceptat) este de 2,048
30
. Se
observă că ambele valori ale nivelurilor de semnificaţie sunt peste valoarea
critică, ceea ce înseamnă că parametrii
0
aˆ şi
1
aˆ sunt corecţi.
Probabilităţile ca parametrii
0
aˆ şi
1
aˆ să fie incorect estimaţi (coloana
Probabilitatea) sunt foarte mici, iar valoarea F-statistic este mai mare decât F-
critic, ceea ce înseamnă că modelul este semnificativ din toate punctele de
vedere, soldul comerţului exterior reprezentând, deci, un factor important de
influenţă al cursului de schimb al leului.
O altă variabilă cu impact semnificativ asupra cursului leului o reprezintă
masa monetară (M2). În ipoteza că oferta de monedă naţională va creşte,
aceasta va face ca agenţii economici care ajung, pe diverse căi, în posesia
acestei cantităţi suplimentare de monedă, să-şi modifice cererea pentru diferite
active, reale şi financiare, în scopul realizării unei structuri optimale a
patrimoniului lor. Dacă randamentul altor active financiare sau reale este
inferior randamentului activelor financiar-valutare, atunci agenţii economici vor
încerca să procedeze la substituirea acestor genuri de active financiare sau reale
cu deţinerile de mijloace de plată străine, ceea ce va conduce la creşterea cererii
pentru astfel de mijloace pe piaţa valutară internă şi la modificarea nivelului
cursului de schimb al monedei naţionale.
31

Masa monetară în sens larg, M2, este formată, după cum se ştie, din masa
monetară în sens restrâns M1 (care include numerarul din afara sistemului
bancar şi disponibilităţile la vedere) şi cvasi-banii (care includ economiile
populaţiei, depozitele în lei la termen şi condiţionate), exprimate în miliarde lei,
la sfârşitul perioadei. Se precizează că nu sunt luate în calculul masei monetare
M2 depozitele în valută ale rezidenţilor, deoarece s-a considerat că includerea
acestora poate distorsiona concluziile analizei. Acest lucru se datorează faptului
că depozitele în valută reprezintă o componentă exprimată indirect în moneda
naţională, prin înmulţirea valorii lor, exprimate în valută, cu cursul de schimb
oficial.
Ecuaţia pe care se fundamentează acest model este următoarea:

C
i
= a
0
+ a
1
⋅ M2
i
+ ε
i


Pe baza eşantionului format din cele 30 valori lunare ale cursului real
al leului şi ale masei monetare în sens larg, modelul este de forma:


30
R.L. Iman, W.J. Conover, Modern Business Statistics, John Wiley & Sons, Second Edition,
1989, pag. 788 – 789
31
C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006

82
Tabelul 2
Variabila dependentă: CURS LEU/EUR
Metoda celor mai mici pătrate
Eşantionul: 30
Nr. de observaţii: 30 după ajustare
CURS LEU/EUR = a
0
+ a
1
* M2
Coeficienţi Eroarea
standard
t-Statistic Probabilitatea
0

44711,54 885,046 50,5188 0,000
1

-21,53359 1,70621 -12,6206 0,000
Coef. de determinaţie 0,850 Curs mediu 33.819
Eroarea standard 1074,075 F-statistic 159,282
Durbin – Watson 2,536 F-critic 1,860

Masa monetară are o puternică influenţă asupra cursului leului. Valoarea
coeficientului de determinaţie este foarte mare (0,850), ceea ce conduce la
concluzia că variaţia cursului de schimb al leului este influenţată foarte puternic
de variaţia masei monetare. Erorile standard sunt mici în raport cu valorile
parametrilor
0
aˆ şi
1
aˆ , nivelurile de semnificaţie t-Statistic, luate în valoare
absolută sunt mari, peste nivelul critic, iar probabilităţile ca parametrii
0
aˆ şi
1
aˆ să fie incorect estimaţi sunt nule, ceea ce arată că acest model este foarte
corect. Valoarea F-statistic este mult mai mare decât F-critic, ceea ce înseamnă
că modelul este semnificativ din toate punctele de vedere.
Masa monetară constituie, aşadar, un factor de influenţă esenţial în
determinarea comportamentului cursului de schimb al leului şi va reprezenta o
componentă de bază a modelului final.
În continuare, o altă variabilă care influenţează semnificativ cursul de
schimb al leului o constituie rata dobânzii (d), exprimată procentual, conform
următoarei ecuaţii:

C
i
= a
0
+ a
1
⋅ d
i
+ ε
i


Influenţa ratei dobânzii asupra cursului leului, conform analizei
preliminare, nu are time–lag, de unde rezultă, pe baza eşantionului format din
cele 30 valori lunare ale cursului leului şi ale ratei medii a dobânzii, că modelul
este următorul:



83
Tabelul 3
Variabila dependentă: CURS LEU/EUR
Metoda celor mai mici pătrate
Eşantionul: 30
Nr. de observaţii: 30 după ajustare
CURS LEU/EUR = a
0
+ a
1
* d
Coeficienţi Eroarea
standard
t-Statistic Probabilitatea
0

23501,6 1348,537 17,4274 0,000
1

575,9124 73,58392 7,82660 0,000
Coef. de determinaţie 0,686 Curs mediu 33.819
Eroarea standard 1555,84 F-statistic 61,255
Durbin – Watson 2,321 F-critic 1,860

Se observă că valoarea coeficientului de determinaţie este cu ceva mai
mică decât în cazul masei monetare, ceea ce înseamnă că influenţa ratei
dobânzii asupra cursului valutar al leului este puţin mai slabă decât cea
exercitată de către masa monetară. Cu toate acestea, dobânda rămâne un factor
semnificativ de influenţă, având în vedere faptul că, din punct de vedere
statistic, modelul acesta este mai bun decât cel al soldului comerţului exterior.
Erorile standard sunt mici, nivelurile de semnificaţie ale parametrilor
0
aˆ şi
1
aˆ sunt mult peste nivelul critic, iar probabilităţile ca parametrii
0
aˆ şi
1
aˆ să fie
incorect estimaţi sunt nule, ceea ce înseamnă că modelul este corect. Valoarea
F-statistic este destul de mare în raport cu F-critic, ceea ce înseamnă că modelul
este semnificativ din toate punctele de vedere.
Valoarea parametrului
1
aˆ este pozitivă, ceea ce înseamnă că între cursul
valutar şi rata dobânzii există o legătură directă, ambele variază în acelaşi sens.
Drept urmare, se poate spune că rata dobânzii este un factor de influenţă
semnificativ al cursului de schimb al leului, chiar dacă are un impact ceva mai
mic decât cel al masei monetare.
Un alt parametru utilizat în modelarea cursului de schimb al leului îl
constituie rezervele internaţionale brute ale BNR (RIB), care includ aurul,
valutele convertibile (efective şi cecuri, disponibil la BRI, FED şi la bănci
străine), bonurile de tezaur SUA, disponibilul libelat în DST la Fondul Monetar
Internaţional şi alte active externe convertibile (bonuri de tezaur pe termen
mediu şi lung) exprimate în milioane EUR, la sfârşitul perioadei. Ecuaţia este
următoarea:


84
C
i
= a
0
+ a
1
⋅ RIB
i
+ ε
i


Pe baza eşantionului format din cele 30 valori lunare ale cursului
leului şi ale rezervelor internaţionale brute şi având în vedere faptul că, în urma
analizei preliminare, s-a ajuns la concluzia că nu există time–lag în transmiterea
influenţei, modelul este următorul:

Tabelul 4
Variabila dependentă: CURS LEU/EUR
Metoda celor mai mici pătrate
Eşantionul: 30
Nr. de observaţii: 30 după ajustare
CURS LEU/EUR = a
0
+ a
1
* RIB
Coeficienţi Eroarea
standard
t-Statistic Probabilitatea
0

43176,098 456,61391 94,5571 0,000
1

-0,898894 0,0422597 -21,2706 0,000
Coef. de determinaţie 0,941 Curs mediu 33.819
Eroarea standard 670,598 F-statistic 452,442
Durbin – Watson 2,985 F-critic 1,860

Valoarea coeficientului de determinaţie este foarte mare, cea mai mare de
până acum, ceea ce înseamnă că influenţa rezervelor internaţionale brute ale
BNR asupra cursului de schimb al leului este substanţială. Acest lucru se
datorează faptului că, la ora actuală, politica monetară şi valutară a băncii
naţionale este foarte importantă în determinarea cursului valutar şi a ratei
inflaţiei, existând o implicare semnificativă a autorităţilor în acest domeniu.
Erorile standard sunt mai mici decât în majoritatea cazurilor anterioare,
deci distorsiunile de estimare ale parametrilor modelului sunt suficient de mici.
Nivelurile de semnificaţie ale parametrilor
0
aˆ şi
1
aˆ , luate în valoare absolută,
sunt mari, mult peste nivelul critic, iar probabilităţile ca parametrii
0
aˆ şi
1
aˆ să
fie incorect estimaţi sunt nule, ceea ce înseamnă că modelul este, la rândul său,
corect din punct de vedere statistic. Valoarea lui F-statistic este foarte mare în
raport cu F-critic, ceea ce arată o legătură foarte puternică între cursul leului şi
rezervele internaţionale brute ale BNR, fapt pentru care acestea vor fi incluse în
modelul final.
Se observă valoarea negativă a parametrului
1
aˆ , care arată faptul că între
cursul valutar şi rezervele internaţionale brute există o corelaţie inversă. Acest

85
lucru înseamnă că atunci când rezervele internaţionale brute cresc, cursul
valutar va scădea, ceea ce înseamnă o apreciere a cursului şi, invers, dacă
rezervele internaţionale brute scad, cursul va creşte, adică se va deprecia.
Pe lângă influenţele majore pe care cursul de schimb le suferă din
partea unor variabile economice de tipul celor studiate până acum, prin natura
sa, cursul valutar are şi o puternică latură autoregresivă, de memorare a
comportamentului său istoric.
Din punct de vedere tehnic, termenul de autoregresiv defineşte măsura
în care o variabilă economică, în speţă cursul valutar al leului, prezintă
caracteristica de a se autocorela, în sensul că nivelul curent al acesteia este
determinat într-o măsură semnificativă de nivelurile sale anterioare, decalate cu
una sau mai multe perioade în urmă. Întocmai ca şi în cazul altor preţuri, aici
efectul nu este cauzat de influenţa directă a unei variabile factoriale, ci este unul
retroactiv, indus de încărcătura informaţională a cursului de schimb asupra
comportamentului operatorilor de pe piaţa valutară, care, pe această bază,
formulează anticipaţii.
În principal, efectul autoregresiv se concretizează în modul mai mult
sau mai puţin pregnant în care nivelul actual al cursului este influenţat de
nivelurile sale anterioare, time-lag-ul (decalajul în timp a influenţelor) putând
avea diferite valori. În general, cu cât acest time-lag este mai mare, adică
deplasarea în urmă faţă de momentul prezent este mai accentuată, cu atât
influenţele sunt mai slabe, problema care apare fiind cea a determinării
momentului când acestea devin nesemnificative, pentru a fi eliminate din
model. Această caracteristică ţine de capacitatea operatorilor de pe piaţa
valutară de a reţine comportamentele anterioare ale cursului de schimb şi de a
acţiona în funcţie de acestea în formarea anticipaţiilor lor pentru perioadele
următoare, determinând astfel modificări importante în cererea şi oferta de
monedă naţională, respectiv de valută.
32

În interpretarea capacităţii de memorare de către operatori a
comportamentului din trecut, trebuie delimitate diversele categorii de agenţi
economici şi motivaţiile specifice acestora. Astfel, dacă ne referim în mod
specific la participanţii pe piaţa valutară, din punctul de vedere al termenelor de
formare a anticipaţiilor, se poate distinge între operatori care intervin în mod
frecvent pe această piaţă şi care, în consecinţă, formulează anticipaţii pe termen
scurt şi foarte scurt, şi operatorii care intervin, direct sau indirect, mult mai rar
şi care sunt interesaţi în formularea de anticipaţii pe termen mediu şi lung.
Pentru România, volatilitatea crescută a pieţei valutare, gama relativ
redusă a activelor monetar – financiare libelate în valută, fragilitatea la diversele

32
C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006

86
categorii de şocuri, în condiţiile unor cursuri de schimb flotante, distorsionează
semnificativ acurateţea predicţiilor şi, deci, valoarea lor decizională. În aceste
condiţii, se poate afirma că agenţii economici din prima categorie, interesaţi în
formularea unor anticipaţii cu grad sporit de acurateţe – mai precis, interesaţi de
aspectul cantitativ al modificărilor survenite în cursul de schimb – urmăresc de
o manieră sistematică această evoluţie, orientându-se în estimarea nivelului
anticipat al cursului de schimb în funcţie de nivelul său din perioadele
precedente. Desigur, această formulare reprezintă o particularizare a celor
enunţate anterior, agenţii economici tinzând să-şi formuleze anticipaţiile prin
extrapolarea cvasi–mecanică a situaţiei curente, introducând, eventual, o
anumită corecţie în raport de evoluţiile precedente.
Introducerea anticipaţiilor în modelul de determinare a cursului leului
are la bază modelul autoregresiv de ordinul întâi (AR1), de forma:

C
t
= a
0
+ a
1
C
t–1
+ ε
t


Modelul pune în evidenţă memoria operatorilor referitoare la o
singură perioadă din urmă, deci, practic, se bazează pe o capacitate de
memorare şi asimilare a informaţiilor pe termen foarte scurt, fără a ţine seama
de ceea ce s-a întâmplat cu mai multe perioade în urmă.
Pe baza eşantionului format din cele 30 de valori lunare ale cursului
leului, modelul autoregresiv de ordinul întâi este:

Tabelul 5
Variabila dependentă: CURS LEU/EUR
Metoda celor mai mici pătrate
Eşantionul: 30
Nr. de observaţii: 29 după ajustare
CURS LEU/EUR = a
0
+ a
1
* C t-1
Coeficienţi Eroarea
standard
t-Statistic Probabilitatea
0

0 0 0 0,000
1

0,9924 0,003987 248,848 0,000
Coef. de autocorelaţie 0,963 Curs mediu 33.749
Coef. de autodeterminaţie 0,929 F-statistic 366,633
Eroarea standard 732,5082 F-critic 1,882

Se observă că valorile coeficienţilor de autocorelaţie, respectiv, de
autodeterminaţie sunt foarte mari (0,963, respectiv, 0,929), ceea ce înseamnă că

87
evoluţia cursului valutar al leului este puternic autoregresivă, nivelul anterior
având o influenţă extrem de mare asupra nivelului curent al cursului. Eroarea
standard este mică în comparaţie cu valorile cursului, fapt care ne arată că
modelul autoregresiv de ordinul întâi are distorsiuni minime.
Se observă valoarea foarte mare a nivelului de semnificaţie al
parametrului
1
aˆ , comparativ cu nivelul minim acceptat şi valoarea nulă a
probabilităţii ca parametrul să fie incorect estimat. Parametrul
0
aˆ s-a dovedit a
fi nesemnificativ, fapt pentru care a fost anulat.
Influenţa puternică pe care o exercită nivelul anterior al cursului asupra a
ceea ce se întâmplă în prezent, dă măsura importanţei anticipaţiilor operatorilor
pe piaţa valutară din România. Acest lucru înseamnă că o proporţie importantă a
evoluţiei monedei noastre naţionale se bazează încă pe anticipaţii şi mai puţin
pe influenţele obiective pe care cursul le suferă din partea celorlalte variabile
macroeconomice. Anticipaţiile sunt extrem de importante într-o economie de
piaţă liberă, fapt pentru care este necesar ca banca centrală şi celelalte autorităţi
să acorde o atenţie maximă semnalelor pe care le transmit spre piaţa valutară,
care este foarte sensibilă la informaţii referitoare la eventuale şocuri sau
deprecieri bruşte.
Aşa cum s-a putut constata, modelele unifactoriale, elaborate până
acum, pun în evidenţă influenţa mai mare sau mai mică pe care fiecare dintre
variabilele luate în considerare o exercită asupra cursului de schimb al leului.
Ele oferă informaţii utile despre comportamentul cursului de schimb al leului,
putând servi la înţelegerea acestuia. Influenţele ce se manifestă asupra cursului
de schimb al leului sunt, însă, integrate într-un sistem mai larg şi nu pot fi
reflectate decât cu ajutorul modelului multifactorial, care ia în considerare
acţiunea simultană a acestor variabile factoriale.
2.3. Estimarea parametrilor modelului
În urma selectării variabilelor factoriale semnificative, se poate trece
la elaborarea modelului final, care ia în considerare toţi factorii de influenţă
consideraţi importanţi în determinarea comportamentului cursului valutar al
leului. Modelul final este construit, prin urmare, pe baza influenţei simultane
exercitate de balanţa de plăţi externe (reprezentată de soldul comerţului exterior,
SCE), de masa monetară (M2), de rata dobânzii (d), de rezervele internaţionale
brute (RIB) şi de cursul de schimb din perioada anterioară (C
t-1
), conform
ecuaţiei generale:

C
t
= a
1
⋅ SCE
t-1
+ a
2
⋅ M2
t
+ a
3
⋅ d
t
+ a
4
⋅ RIB
t
+ a
5
⋅ C
t-1
+ ε
t



88
Utilizând eşantionul format din cele 30 valori lunare ale cursului
leului, ale soldului comerţului exterior, ale masei monetare, ale ratei dobânzii şi
ale rezervelor internaţionale brute, se determină valorile estimate ale
parametrilor modelului multifactorial, care pune în evidenţă influenţa simultană
a celor cinci variabile factoriale asupra comportamentului cursului de schimb al
leului, respectiv:

Tabelul 6
Variabila dependentă: CURS LEU/EUR
Metoda celor mai mici pătrate
Eşantionul: 30
Nr. de observaţii: 29 după ajustare
CURS LEU/EUR = a
1
⋅ SCE
t-1
+ a
2
⋅ M2
t
+ a
3
⋅ d
t
+ a
4
⋅ RIB
t
+ a
5
⋅ C
t-1

Coeficienţi Eroarea
standard
t-Statistic Probabilitatea
1

0,92207 0,95368 0,9668 0,34325
2
ˆ a
10,8304 7,79124 1,3900 0,17726
3
ˆ a
-121,501 81,3515 -1,4935 0,14832
4

-0,52145 0,33257 -1,568 0,12998
5


1,06487 0,04735 22,489 0,00000
Coef. de determinaţie 0,9414 Curs mediu 33.749
Eroarea standard 718,629 F-statistic 77,204
Durbin – Watson 1,971 F-critic 1,882

Se observă că valoarea coeficientului de determinaţie (0,9414) este foarte
mare, ceea ce arată că, practic, peste 94% din variaţia cursului de schimb al
leului se datorează influenţei cumulate a variaţiei soldului comerţului exterior, a
masei monetare, a ratei dobânzii, a rezervelor internaţionale brute şi ale cursului
din perioada anterioară. Aceasta înseamnă că legătura dintre cele cinci variabile
factoriale şi cursul valutar al leului este foarte puternică.
Erorile standard sunt destul de mici, adică distorsiunile de estimare ale
parametrilor sunt acceptabile, ceea ce înseamnă că modelul multifactorial care
include cele cinci variabile factoriale este semnificativ. Valoarea F-statistic este
destul de mare în raport cu F-critic, ceea ce înseamnă că influenţa celor cinci
variabile factoriale asupra cursului leului este puternică.
Din aceste interpretări, rezultă capacitatea relativ bună a modelului
multifactorial de a anticipa evoluţia monedei naţionale, el reuşind să se adapteze

89
destul de bine condiţiilor existente. Trebuie reţinut totuşi faptul că modelul este
construit pe valori lunare, perioadele aşa-zis scurte fiind, de fapt, de ordinul
săptămânilor sau chiar al lunilor. Alte încercări de ameliorare a modelului, în
sensul completării sale cu alte variabile de influenţă, nu au dat rezultate,
dovedind-se că modelul care ia în considerare influenţa simultană a soldului
comerţului exterior, masei monetare, ratei dobânzii, rezervelor internaţional
brute şi a cursului din perioada anterioară este cel mai ilustrativ pentru
comportamentul cursului valutar al leului în perioada studiată.
Analiza modelului econometric nu se încheie însă aici, urmând o etapă
importantă de verificare a rezultatelor obţinute cu ajutorul testelor statistice, în
vederea validării sau invalidării acestora, în funcţie de concluziile la care ne
conduce verificarea statistică.
2.4. Verificarea statistică a modelului
Etapa de verificare a modelului econometric pe baza unor teste
statistice este absolut necesară, datorită faptului că estimarea parametrilor săi se
realizează pe seama unor eşantioane de date mai mult sau mai puţin
reprezentative. Astfel, pe baza unui număr relativ redus de valori (în cazul
nostru, 30 de valori lunare), se doreşte să se ajungă la estimări valabile pentru o
colectivitate generală formată din sute de valori. Orice modificare a volumului
eşantionului duce, de regulă, la modificarea valorilor estimate, ceea ce înseamnă
că aceste valori au un grad ridicat de relativitate.
În aceste condiţii, apar probleme legate de măsura în care soluţiile
modelului propus pot fi generalizate, de faptul că estimaţiile obţinute pot fi
semnificative sau doar întâmplătoare, rezultat al unei conjuncturi de valori din
cadrul eşantionului, precum şi de limitele între care estimatorii pot varia fără a
influenţa aprecierile iniţiale şi concluziile referitoare la semnificaţia lor. Aceste
probleme sunt rezolvate în general cu ajutorul testelor statistice, care studiază
semnificaţia parametrilor modelului econometric şi calitatea acestuia de a
descrie relaţia de dependenţă dintre cursul de schimb şi variabilele factoriale
luate în considerare.
Pentru ca modelul elaborat să fie corect din punct de vedere statistic,
trebuie să îndeplinească, în primul rând, condiţia de normalitate a variabilei
aleatoare ε
i
, prezentată în etapa formulării ipotezelor de lucru. Aceasta se poate
verifica cu ajutorul mai multor teste statistice, dintre care s-a utilizat testul
Helmert
33
, bazat pe repartiţia χ
2
, care constă în compararea frecvenţelor
absolute efective, n
i
, ataşate valorilor variabilei aleatoare, cu valorile teoretice,
p
i
.

33
Elisabeta Jaba, Statistica, Editura Sedcom Libris, Iaşi, 1996, pag. 223 – 224

90
Efectuarea testului χ
2
presupune parcurgerea următoarelor etape:
7. Se formulează ipoteza nulă H
0
, prin care se admite normalitatea
distribuţiei variabilei aleatoare;
8. Se calculează valorile standardizate z
i
;
9. Se determină, din tabelul Gauss–Laplace
34
, valorile ϕ(z
i
)
corespunzătoare;
10. Se calculează valorile teoretice p
i
= ϕ(z
i
) – ϕ(z
i–1
);
11. Se determină o valoare calculată χ
2
c
:

χ
2
c
=
( )

=

k
1 i
i
2
i i
np
np n
= 7,42

12. Valorile calculate ale testului χ
2
se compară cu valoarea tabelată a
acestuia, χ
2
0,05;4
= 9,487, luată din anexa 3. Se observă că valoarea calculată este
mai mică decât valoarea tabelată, de unde rezultă că ipoteza de normalitate a
variabilei aleatoare se acceptă.
În vederea verificării modului în care este confirmată ipoteza
homoscedasticităţii de către comportamentul variabilei aleatoare – prezentată în
etapa formulării ipotezelor de lucru – se realizează un test Fisher (F). În acest
sens, s-a secţionat şirul valorilor variabilei aleatoare în trei segmente a câte 10
valori şi s-au determinat două valori calculate, F1
calculat
= 1,856 şi F2
calculat
=
1,942.
Aceste valori calculate se compară cu valoarea tabelară, F
tabelar
(9; 9;
0,05) = 3,178, corespunzătoare distribuţiei Fisher – Snedecor (anexa 4) şi
rezultă că ambele valori F
calculat
< F
tabelar
, ceea ce înseamnă că nu există
deosebiri semnificative între varianţe, adică variabila aleatoare este
homoscedastică.
Verificarea ipotezei autocorelării variabilei aleatoare se realizează cu
ajutorul testului Durbin – Watson
35
, care presupune parcurgerea următoarelor
etape:
1. Se stabileşte ipoteza nulă (H
0
) conform căreia variabila aleatoare este
autocorelată;
2. Se determină valoarea d
calculat
, după relaţia:


34
C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006
35
C. Chilărescu, Modele econometrice aplicate, Editura Mirton, Timişoara, 1994, pag. 25 – 28

91
d
calculat
=
( )


=
=


n
1 i
2
i
n
2 i
2
1 i i
ε
ε ε
= 1,971

3. Se determină din tabelele Durbin – Watson, pentru nivelul de
semnificaţie α = 0,05, numărul de grade de libertate n – 1 = 28 şi numărul de
variabile factoriale k = 5, valorile tabelare d
inferior
= 1,03 şi d
superior
= 1,85;
4. Se compară d
calculat
cu valorile tabelare şi rezultă că d
calculat
> d
superior
,
ceea ce înseamnă că ipoteza autocorelării variabilei aleatoare se respinge, adică
valorile variabilei aleatoare sunt independente între ele, ceea ce implică faptul
că şi înregistrările de date în eşantioane au fost independente.
Verificarea capacităţii modelului de a reconstitui valorile empirice ale
cursului de schimb C
t
prin intermediul valorilor estimate
t
C
ˆ
se realizează prin
compararea valorilor empirice C
t
cu valorile generate de model
t
C
ˆ
, precum şi a
valorilor estimate
t
C
ˆ
cu media acestora, pentru a pune în evidenţă două tipuri
de abateri.
Prima dintre acestea este abaterea valorilor estimate
t
C
ˆ
în raport cu
media, abateri care se consideră că apar datorită modificării factorilor de
influenţă. Valorile estimate ale cursului de schimb
t
C
ˆ
se situează fie sub medie,
fie peste medie, în funcţie de valorile variabilelor factoriale X1
i
, X2
i
, …, Xk
i
.
Existenţa acestor abateri este sintetizată de varianţele cursului valutar datorate
variabilelor factoriale (s
x1
2
, s
x2
2
, …, s
xk
2
).
A doua categorie o constituie abaterea valorilor empirice C
t
de la
valorile estimate
t
C
ˆ
, ca urmare a acţiunii variabilei aleatoare. Varianţa valorilor
empirice în raport cu dreapta de regresie exprimă, de fapt, împrăştierea
variabilelor aleatoare (
2
i
s
ε
).
Testarea capacităţii modelului de a reconstitui valorile empirice ale
cursului de schimb C
t
prin intermediul valorilor estimate
t
C
ˆ
se realizează prin
parcurgerea următoarelor etape:
1. Se stabileşte ipoteza nulă (H
0
), conform căreia împrăştierea valorilor
estimate ale cursului valutar
t
C
ˆ
datorită factorilor de influenţă nu diferă
semnificativ de împrăştierea aceloraşi valori datorită întâmplării;
2. Repartiţia pe baza căreia se realizează acest test este Fisher –
Snedecor, iar nivelul de semnificaţie este α = 0,05;

92
3. Se determină valoarea calculată F-statistic = 77,204
4. Se determină valoarea tabelară, F-critic = 1,882, din tabelul repartiţiei
Fisher – Snedecor (anexa 4) în funcţie de nivelul de semnificaţie α = 0,05 şi de
n
1
– 1 = 28 şi n
2
– 1 = 28 grade de libertate;
5. Se compară valoarea calculată cu valoarea tabelară şi se observă că F-
statistic > F-critic, deci, ipoteza nulă se respinge, ceea ce înseamnă că modelul
a rezistat verificării, fiind util analizei şi previzionării cursului de schimb.
Parcurgerea tuturor acestor etape ale verificării statistice a modelului
econometric, precum şi ale celor referitoare la verificarea parametrilor
modelului, duc la ideea unei anumite nesiguranţe privind calitatea rezultatelor
obţinute. În urma acestor multiple verificări, bazate pe ipoteza repartiţiei
normale a variabilelor analizate (rezultativă, factoriale, aleatoare), această
nesiguranţă dispare şi, chiar dacă nu există certitudini, există convingerea că,
pentru o probabilitate suficient de mare, concluzia la care se ajunge este cea
adevărată.
2.5. Previzionarea cursului de schimb al leului pe baza modelului
econometric multifactorial

Previziunea evoluţiei fenomenelor economice, în general, şi a cursurilor
valutare, în special, reprezintă de cele mai multe ori obiectivul final al modelării
econometrice, constituind elementul central al verificării validităţii modelului
elaborat. Previziunile generate de modelele econometrice urmăresc să
prefigureze comportamentul viitor al cursului valutar în raport cu influenţele
directe şi indirecte exercitate asupra lor de către variabilele factoriale.
Deoarece previziunea se bazează pe un număr relativ mare de elemente,
abordate în interacţiune, şi în contextul relaţiilor cauzale dintre cursul de schimb
şi factorii de influenţă, se poate afirma că modelele econometrice reprezintă o
modalitate superioară de cunoaştere anticipativă în economie. Este adevărat,
însă, că şi această variantă de analiză implică riscul comiterii de erori
semnificative, în ciuda aparatului statistic destul de complex pe care se bazează.
Un element extrem de important al previzionării cursului valutar îl
reprezintă orizontul de timp care trebuie avut în vedere, care poate fi scurt,
mediu sau lung. Nu există o unitate de păreri în ceea ce priveşte definirea exactă
a orizontului de timp, dar, în mod convenţional, se poate spune că o previziune
pe termen foarte scurt nu depăşeşte şapte zile, una pe termen scurt este cuprinsă
între şapte zile şi trei luni, o previziune pe termen mediu vizează un orizont de

93
timp cu o durată cuprinsă între trei luni şi trei ani, iar peste trei ani previziunea
este considerată ca fiind pe termen lung.
36

Există mai multe metode de previzionare a cursului valutar. Unele se
bazează pe o analiză economică care porneşte de la premisa existenţei unor
relaţii stabile între cursul valutar şi alte variabile economice. Aceste metode
permit elaborarea unor previziuni pe termen mediu şi lung. Altele, se
fundamentează pe formularea unor previziuni pe termen foarte scurt pe seama
comportamentului din trecut al cursului de schimb al leului, cu ajutorul
modelelor autoregresive.
Previziunile bazate pe modelul multifactorial al cursului valutar al leului
se realizează astfel: se atribuie variabilelor factoriale (masa monetară, rata
dobânzii, soldul comerţului exterior şi rezervele internaţionale brute) valori
preconizate – rezultate din aplicarea modelului pe perioade de timp cunoscute şi
apoi se determină viitoarele valori ale cursului valutar pe baza modelului.
Corectitudinea acestor previziuni depinde de următoarele condiţii:
– valorile atribuite variabilelor factoriale sunt reale;
– comportamentul constatat în trecut în ceea ce priveşte relaţiile dintre
variabilele modelului, nu se va modifica semnificativ, astfel încât structura
exprimată prin parametrii de regresie va rămâne neschimbată;
– nu vor interveni noi factori semnificativi şi nici situaţii excepţionale
care să modifice esenţial comportamentul cursului valutar al leului.
O modalitate importantă de îmbunătăţire a performanţelor modelelor
econometrice constă în depăşirea cadrului strict matematic sau statistic al
analizei, ceea ce presupune:
– luarea în considerare a soluţiilor previzionate deja pentru cele mai
recente perioade de timp, în sensul reevaluării şi ajustării predicţiilor;
– utilizarea informaţiilor de natură calitativă în vederea ajustării
previziunilor şi apropierii lor cât mai mult de realitate;
– asigurarea unui anumit rol experienţei şi intuiţiei în analiza
rezultatelor obţinute.
În ceea ce priveşte modalitatea de obţinere a valorilor estimate ale
cursului de schimb, dacă procedeul în sine nu ridică probleme, în schimb
asigurarea acurateţei previziunii presupune parcurgerea unei serii de etape care
include analize, verificări, reevaluări care au drept scop final diminuarea
erorilor de previzionare.

36
C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006

94
Astfel, eroarea de previziune (
t
ε′ ) reprezintă abaterea valorii previzionate
t
C
ˆ
în raport cu valoarea reală C
t
, obţinută sub formă de diferenţă
(
t t t
C C
ˆ
− = ′ ε ) şi apariţia ei poate fi atribuită următoarelor cauze:
– acţiunea factorilor întâmplători, care determină abateri aleatoare de
distribuţie normală;
– distorsionarea parametrilor estimaţi ca urmare a faptului că datele
utilizate provin de multe ori din eşantioane de volum redus, ceea ce le face
neconforme cu ipotezele metodei celor mai mici pătrate sau ale altor metode de
estimare;
– omiterea unor factori importanţi de influenţă (unii de natură calitativă)
sau alegerea unor funcţii neadecvate;
– determinarea unor valori eronate, sub sau supraevaluate, ale
variabilelor factoriale prevăzute pentru perioadele de predicţie.
În acest fel, pentru a verifica dacă modelul final al leului a fost corect
elaborat, neafectat de distorsiuni sistematice, trebuie să se determine dacă
erorile de previzionare sunt minime şi dacă sunt datorate exclusiv unor factori
aleatori.
Pentru a putea atinge acest deziderat, se parcurg următoarele etape:
1. Pregătirea elaborării previziunii. În cadrul acestei etape, se verifică
datele, în sensul eliminării erorilor de observare sistematice, se asigură
omogenitatea datelor, prin utilizarea unei singure surse de provenienţă, se
verifică statistic modelul şi se procedează la stabilirea valorilor cunoscute ale
variabilelor factoriale.
2. Elaborarea previziunii în varianta iniţială. Se realizează prin
estimarea parametrilor de regresie pentru perioada cunoscută t şi se obţin
valorile estimate ale parametrilor modelului:
1
aˆ ,
2
aˆ ,
3
aˆ ,
4
aˆ ,
5
aˆ conform tabelului 7.6.
3. Analiza erorilor de previzionare rezultate. În această etapă, se
studiază abaterile dintre valorile estimate şi cele reale, atât prin prisma
dimensiunii şi a capacităţii lor de a reflecta modificările semnificative ale
tendinţei de evoluţie, cât şi din punctul de vedere al calităţii acestor abateri de a
fi conforme cu ipotezele metodei celor mai mici pătrate.
Pentru a obţine previziuni cât mai precise, se poate verifica modelul şi
cu ajutorul previziunilor ex–post. Aceste previziuni se referă la perioade de timp
pentru care se cunosc date reale, existând posibilitatea testării preciziei
prognozei.
Posibilele distorsiuni aferente previzionării cursului leului cu ajutorul
modelului multifactorial se datorează faptului că datele utilizate au fost

95
prezentate sub forma valorilor lunare – deoarece aceasta este perioada de timp
minimă pentru care pot fi înregistrate masa monetară, rata dobânzii, comerţul
exterior şi rezervele internaţionale brute – date lunare care implică prelucrări
suplimentare pentru analiza unei variabile de tipul cursului valutar, care
evoluează zilnic. Acest lucru este, însă, în mare măsură compensat de influenţa
majoră pe care o au respectivele variabile asupra cursului de schimb al leului.
Ca urmare, modelul multifactorial poate fi utilizat cu o probabilitate suficient de
mare de acurateţe pentru estimări ale comportamentului cursului de schimb al
leului pe termen mediu (pe perioade de până la un an), cu condiţia completării
lui permanente cu datele noi care apar pe parcurs şi, mai ales, cu condiţia ca
piaţa valutară să nu fie influenţată în mod semnificativ de factori exogeni, care
nu au fundament economic, de tip instituţional sau politic.
4. Analiza calitativă a valorilor previzionate ale cursului valutar.
Această etapă este una de apreciere a concordanţei evoluţiei previzionate a
cursului valutar cu ceea ce se cunoaşte din teoria economică de specialitate sau
din experienţa practică.
Pentru a putea aprecia corect concordanţa valorilor previzionate pe baza
modelului multifactorial cu evoluţia reală a cursului de schimb al leului, este
necesar să ţinem seama de faptul că politica valutară în România se află într-o
perioadă de schimbări radicale. Această schombare este rezultatul opţiunii de
reducere a subordonării politicii cursului de schimb obiectivului privind
echilibrul extern şi de valorificare a tendinţei de apreciere în termeni reali a
leului în scopul accelerării dezinflaţiei, prin adoptarea strategiei inflation
targeting.
În aceste condiţii, regimul cursului de schimb al leului îşi păstrează, în
anumite limite, caracteristicile flotării controlate, managed floating, trăsătură
care însă se estompează, pe măsura creşterii aportului productivităţii la
susţinerea productivităţii externe, ceea ce va permite trecerea, în final, la o
flotare liberă a cursului de schimb.
Totodată, trebuie să ţină seama şi de faptul că obiectivul major pe termen
mediu şi lung al României este integrarea în Uniunea Europeană, care
presupune legarea mecanismului cursului de schimb al leului de ERM2 şi,
ulterior, când vor fi îndeplinite criteriile necesare, adoptarea euro drept monedă
naţională.
5. Actualizarea modelului. Deoarece modelul transpune condiţii trecute în
previzionarea evoluţiei viitoare a comportamentului cursului de schimb al
leului, orizontul său de predicţie este relativ restrâns, apărând necesitatea
obiectivă a actualizării sale permanente. Acest lucru se realizează prin
introducerea de noi date, pe măsură ce acestea apar, prin verificarea periodică şi
modificarea, dacă este cazul, a valabilităţii relaţiilor descrise de ecuaţiile

96
modelelor, precum şi prin introducerea unor noi variabile factoriale atunci când
se consideră că este necesar.
Din prezentarea etapelor de elaborare a modelului econometric, ce
caracterizează evoluţia cursului valutar al leului, rezultă că previziunile realizate
pe baza acestuia se fundamentează în mare măsură pe ştiinţa modelării
cantitative, dar şi pe arta de a aprecia şi corecta rezultatele obţinute cu ajutorul
unor analize calitative, răspunzând, în acelaşi timp, necesităţilor activităţii
practice.

3. Model econometric de evaluare a riscului valutar

În general, riscul este un concept aplicabil fenomenelor sociale,
economice, politice sau naturale, originea sa aflându-se în incertitudinea care
poate sau nu să genereze o pagubă, în funcţie de o evoluţie viitoare
necunoscută. În fapt, riscul este un element de incertitudine care poate genera o
pagubă. Pentru înţelegerea noţiunii de risc, se porneşte de la termenul de
incertitudine, termen ce exprimă o stare de nesiguranţă cu privire la viitor, o
necunoaştere a ceea ce urmează să se întâmple în legătură cu rezultatele unei
decizii luate într-un anumit domeniu.
Astfel, o acţiune este considerată incertă atunci când este posibilă
obţinerea mai multor rezultate, fără să se cunoască probabilitatea de apariţie a
unuia sau altuia dintre ele. Spre deosebire de incertitudine, riscul se
caracterizează prin posibilitatea determinării unei legi de probabilitate pentru
rezultatele scontate, indicând posibilitatea cunoaşterii acestei legi de către
decidenţi. Riscul şi incertitudinea se combină în diverse proporţii, deoarece, în
realitate, incertitudinea, nesiguranţa nu pot fi eliminate în totalitate, existând în
permanenţă posibilitatea apariţiei unor evenimente imprevizibile, care pot
provoca abateri de natură să modifice fundamental condiţiile iniţiale şi care
generează pierderi.
Deasemenea, riscul poate fi asimilat cu probabilitatea ca un anumit
eveniment nefavorabil să aibă loc, măsurarea lui fiind realizată cu ajutorul unor
metode de evaluare bazate pe teoria probabilităţilor. Trebuie subliniat însă
faptul că, pe de o parte, probabilitatea şi riscul sunt fenomene ce se însoţesc pe
o anumită arie de manifestare, dar, pe de altă parte, sunt concepte diferite.
Probabilitatea ne indică în ce măsură este posibilă producerea unui anumit
eveniment în condiţii bine determinate, pentru fiecare eveniment posibil
existând o anumită probabilitate de apariţie. Riscul este o caracteristică
specifică întregii distribuţii de probabilităţi, el fiind asociat unei probabilităţi de
apariţie a unor evenimente nedorite.

97
În contextul economiei mondiale contemporane, atitudinea faţă de riscul
valutar poate varia de la indiferenţă faţă de acesta, cu suportarea consecinţelor
financiare ale acestui risc, care uneori sunt dezastruoase pentru o firmă şi până
la o atitudine de conştientizare riguroasă a posibilelor efecte ale acestui risc şi
administrarea lui în mod profesional prin intermediul a diverse metode de
acoperire. Această gestionare a riscului valutar are ca scop reducerea la
minimum a costurilor cu diferenţele de schimb valutar care la un moment dat
pot avea un impact negativ serios asupra patrimoniului sau veniturilor firmei,
având atât o componentă pe termen scurt, cât şi una pe termen lung.
Pe termen scurt, administrarea riscului valutar are drept scop realizarea
unor cheltuieli de evitare a riscului cât mai mici, astfel încât ele să se situeze sub
cuantumul sumelor care s-ar pierde în absenţa protecţiei, în timp ce pe termen
lung se urmăreşte ca aceste cheltuieli de protejare împotriva riscului valutar să
nu reprezinte decât o proporţie redusă din valoarea pierderilor potenţiale.
Pentru exportator există riscul ca, în perioada de derulare a contractului –
scursă între data încheierii contractului şi data efectuării plăţii – cursul de
schimb al valutei în care este libelată creanţa să scadă în raport cu moneda
naţională (aceasta din urmă se repreciază) şi, astfel, preţul pe care îl obţine
pentru prestaţia sa, preţ exprimat în unităţi monetare naţionale, să fie mai mic
decât cel previzionat, înregistrându-se o pierdere. De cealaltă parte, pentru
importator există riscul ca, în perioada de derulare a contractului, cursul de
schimb al valutei în care este libelată datoria să crească în raport cu moneda
naţională (aceasta din urmă se depreciază), majorându-se astfel, preţul de
cumpărare, exprimat în unităţi monetare naţionale, ceea ce provoacă, de
asemenea, o pierdere. Aceste două ipoteze se referă la evoluţiile nefavorabile
ale cursului de schimb pentru importator şi pentru exportator, însă trebuie avut
în vedere şi faptul că evoluţiile cursului de schimb se pot petrece şi în sens
invers celui prezentat anterior, ceea ce poate aduce profituri suplimentare, atât
importatorului, cât şi exportatorului.
Singura posibilitate de protecţie împotriva riscului valutar este o
evaluare cât mai riguroasă a acestuia şi utilizarea selectivă a metodelor de
acoperire cele mai indicate la un moment dat. Această selecţie trebuie să aibă ca
obiectiv minimizarea pierderilor din diferenţele nefavorabile de curs sau chiar
obţinerea unui profit de pe urma acestor diferenţe, dacă gestionarea riscului este
corect realizată.
În teoria economică s-au cristalizat, la ora actuală, o serie de modele
statistico-matematice care formalizează un obiectiv complex al gestiunii
financiare, şi anume, cel al optimizării corelaţiei dintre randamentul unei
activităţi şi riscul implicat de realizarea acesteia, în vederea obţinerii unei
gestionări eficiente a capitalului deţinut. Această problematică înregistrează o

98
preocupare tot mai evidentă din partea specialiştilor, în condiţiile în care pieţele
valutare şi financiare înregistrează volatilităţi sporite, determinând o relaţie
directă între randamentul obţinut şi riscul aferent.
De regulă, realizarea unui profit mare într-o perioadă scurtă de timp este
însoţită de un risc maxim, care se poate concretiza fie în obţinerea unui profit
mai mic decât cel scontat, fie în pierderea totală a sumei investite sau chiar în
falimentul firmei care a riscat. Dimpotrivă, dezideratul obţinerii unor profituri
mai mici şi pe o perioadă mai lungă de timp este însoţit de cele mai multe ori de
un risc minim, existând toate şansele ca activitatea în care s-a investit să aibă
rezultatele aşteptate.
Dacă în activitatea financiară în general discutăm despre o anumită
rentabilitate a unei investiţii, fie ea direct productivă sau de plasare de capital,
pe piaţa valutară putem vorbi despre randamentul cursului de schimb. Astfel,
din perspectiva unui exportator autohton care efectuează cheltuieli de obţinere a
unui produs exprimate în monedă naţională, iar apoi vinde acest produs în
exterior primind un preţ în valută, orice devalorizare a monedei naţionale pe
parcursul derulării contractului reprezintă o diferenţă favorabilă care poate fi
interpretată ca un profit suplimentar. Acest profit suplimentar care a fost realizat
datorită variaţiei cursului de schimb al monedei naţionale faţă de valuta în care
a fost libelată creanţa, poate fi interpretat ca un randament al cursului de
schimb.
Cu alte cuvinte, dacă variaţia cursului de schimb este în sensul deprecierii
monedei naţionale se înregistrează un randament pozitiv al cursului, şi el
produce un profit pentru exportator, iar dacă cursul de schimb se apreciază, vom
înregistra un randament negativ, adică o pierdere pentru exportator. Bineînţeles
că din punctul de vedere al unui importator lucrurile stau exact invers, acestuia
fiindu-i favorabilă aprecierea cursului şi înregistrând pierderi în cazul
deprecierii acestuia, însă noţiunea de randament al cursului de schimb rămâne
neschimbată.
Pentru evaluarea riscului valutar, teoria probabilităţilor a reţinut ca
relevanţi următorii parametri statistici:
1. Valoarea medie r a randamentelor r
i
ponderate cu probabilităţile de
apariţie p
i
:


=
⋅ =
n
1 i
i i
p r r



99
2. Varianţa (dispersia) randamentelor faţă de valoarea medie σ
2
,
calculată ca sumă a pătratelor diferenţelor dintre randamentele r
i
şi media
acestora r ponderate cu probabilităţile de apariţie p
i
:

( )

=
⋅ − =
n
1 i
i
2
i
2
p r r σ


3. Abaterea medie pătratică sau abaterea standard σ, calculată ca
rădăcină pătrată a varianţei:

2
σ σ =

Din perspectiva evaluării riscului valutar, parametrii respectivi au o
importanţă deosebită, având în vedere faptul că toate studiile sunt efectuate pe
baza valorilor pe care le iau aceştia.
Media poate fi asimilată cu randamentul (deprecierea) scontată a
cursului de schimb pentru perioada viitoare, respectiv deprecierea care are cea
mai mare probabilitate de a se realiza.
Varianţa se poate asimila cu riscul ca deprecierea reală să se abată de
la valoarea medie, având în vedere faptul că ea este determinată ca o sumă a
abaterilor faţă de medie înregistrate anterior. Deoarece varianţa, prin relaţia ei
de calcul, este de ordinul pătratului valorilor analizate, fapt care îngreunează
cercetarea, în practica statistică riscul este evaluat de obicei prin intermediul
abaterii medii pătratice (standard) care, reprezentând rădăcina pătrată a
varianţei, este de ordinul valorilor luate în studiu. Astfel, se poate admite că
riscul este măsurabil prin intermediul valorilor negative ale abaterii standard,
care înseamnă pierderi de randament, în timp ce valorile pozitive ale abaterii
standard reprezintă creşteri de randament, adică prima de risc.
Pe baza parametrilor statistici prezentaţi, care formalizează variabilele
economice implicate de analiza riscului valutar, se pot construi diverse modele
de evaluare ale acestui risc, luând în considerare datele oferite de evoluţia
cursului de schimb pe anumite perioade de timp.
Riscul valutar aferent unor operaţiuni de comerţ internaţional ce
presupune utilizarea mai multor monede naţionale este cuantificat şi în principal
ajutorul varianţei.
Varianţa sau dispersia (σ
2
) valorilor cursului de schimb faţă de cursul
mediu este un parametru statistic determinat ca sumă a pătratelor diferenţelor
dintre valorile cursului de schimb şi media acestora.

100
Relaţia respectivă arată că varianţa se poate asimila cu riscul ca
deprecierea reală să se abată de la valoarea medie, având în vedere faptul că ea
este determinată ca o sumă a abaterilor faţă de medie înregistrate anterior.
Din acest motiv, analiza dinamicii riscului valutar propusă în continuare
se va baza pe analiza dinamicii şi a factorilor de influenţă ce determină apariţia
varianţei (a fluctuaţiilor) cursului valutar. Acestea pot fi analizate cu ajutorul
unei tehnici cunoscute sub numele de analiză dispersională sau ANOVA.
37

Tehnica respectivă reprezintă un procedeu de studiere a varianţei unei
variabile – în cazul nostru cursul valutar al leului – în raport cu factorii de
influenţă ai acesteia. Procedeul constă în descompunerea variaţiei totale a unui
ansamblu de date înregistrate pentru variabila studiată în componente ale
variaţiei, definite după sursele acesteia, precum şi compararea componentelor
respective pentru a stabili dacă factorii consideraţi cauză au influenţă
semnificativă asupra cursului.
În funcţie de cauzele care determină variaţia, componentele acesteia pot fi
grupate în două categorii:
– componenta explicativă sau efect, ce reprezintă variaţia determinată de
factorii de influenţă luaţi în considerare;
– componenta reziduală, care nu poate fi pusă pe seama unui anumit
factor de influenţă, fiind efectul cumulat al tuturor factorilor aleatori ce
acţionează asupra cursului valutar.
În funcţie de numărul factorilor de influenţă incluşi în analiză, ANOVA
poate fi aplicată fie ca o analiză unifactorială, fie ca una multifactorială. Pentru
studiul de faţă, s-a ales varianta bifactorială, cu interacţiune între factori, în
scopul separării influenţelor asupra varianţei cursului valutar pe trei
componente: una pe termen scurt, una pe termen mediu şi una pe termen lung.
Având în vedere faptul că varianţele sunt în principiu neaditive, pentru
descompunerea variaţiei se poate recurge la suma pătratelor abaterilor valorilor
cursului de schimb de la media acestuia, sumă cunoscută sub numele de
variaţie.
În vederea aplicării modelului ANOVA bifactorial pe datele aferente
cursului valutar al leului, au fost înregistrate 30 de valori lunare în perioada
2002 – 2005, iar apoi valorile respective au fost separate pe trei eşantioane a
câte zece valori consecutive.
Fluctuaţiile (varianţa) cursului de schimb al leului au fost analizate ca şi
dinamică şi factori de influenţă pentru o perioadă formată din cele trei perioade
rezultate din acest mod de eşantionare, considerându-se că variaţiile pe coloane
(date de variaţiile lunare ale cursului) reprezintă factorul de influenţă pe termen

37
T. Baron, C. Anghelache, Emilia Ţiţan, Statistică, Editura Economică, Bucureşti, 1996, pag.
127 – 137; Elisabeta Jaba, op. cit., pag. 303 – 320

101
scurt, iar variaţiile pe linii (date de variaţiile de la un an la altul ale
randamentului) reprezintă factorul de influenţă pe termen lung. Interacţiunea
dintre acestea reprezintă factorul de influenţă pe termen mediu.
Pentru a putea realiza analiza varianţei, se efectuează următoarele notaţii:
se presupune că factorii pe termen scurt se manifestă în n
S
nivele independente,
iar factorii pe termen lung se manifestă în n
L
nivele independente, în timp ce
interacţiunea dintre cele două categorii de factori se manifestă pentru n
SL

observaţii. Numărul total de observaţii va fi:

n = n
S
+ n
L
+ n
SL
+ n
ε


Pentru nivelurile factorilor de influenţă, vom avea următorii indecşi de
variaţie:
– în raport cu factorul de influenţă pe termen scurt:
i = 1, 2, … , n
S
;
– în raport cu factorul de influenţă pe termen lung:
j = 1, 2, … , n
L
;
– în raport cu interacţiunea dintre factorii de influenţă (termen mediu): k
= 1, 2, … , n
SL
;
Sursele variaţiei cursului valutar sunt sistematizate într-un tablou de tip
şah (tabelul 7), în care sunt reprezentate nivelurile independente n
S
şi n
L
ale
celor doi factori de influenţă, respectiv cele n
SL
niveluri ale interacţiunii dintre
aceştia:
Tabelul 7
Nivelul
factorilor de
influenţă pe
termen scurt
Nivelul factorilor de influenţă pe
termen lung
Medii pentru
fiecare nivel al
factorului pe
termen scurt
1 ..… j ..… n
L

1 c
11k
..… c
1jk
..… c
1nLk
1
c
M M M M M
i c
i1k
..… c
ijk
..… c
inLk
i
c
M M M M M
n
S
c
nS1k
..… c
nSjk
..… c
nSnLk
S
n
c
Medii pentru
fiecare nivel al
factorului pe
termen lung

1
c

..…

j
c

..…

L
n
c

c


102
În ultima coloană şi ultima linie a tabelului şah sunt reprezentate mediile
cursului de schimb corespunzătoare fiecărui nivel al celor doi factori de
influenţă luaţi independent, calculate pentru cele k eşantioane a câte n
SL

observaţii.
Cu c s-a notat media cursului de schimb aferentă tuturor celor n
observaţii, care se determină după relaţia:

∑ ∑ ∑
= = =
=
S L SL
n
1 i
n
1 j
n
1 k
ijk
c
n
1
c

Cu
ij
c s-a notat media cursului de schimb corespunzătoare fiecărui
eşantion k, determinată după relaţia:


=
=
SL
n
1 k
ijk
SL
ij
c
n
1
c

Cu
i
c s-a notat media cursului de schimb corespunzătoare tuturor
grupelor asupra cărora acţionează nivelul i al factorului pe termen scurt, care se
determină astfel:

∑ ∑
= =
=
L SL
n
1 j
n
1 k
ijk
SL S
i
c
n n
1
c

Cu
j
c s-a notat media cursului de schimb corespunzătoare tuturor
grupelor asupra cărora acţionează nivelul j al factorului pe termen lung, care se
determină după relaţia:

∑ ∑
= =
=
S SL
n
1 i
n
1 k
ijk
SL L
j
c
n n
1
c

După ce se determină aceste medii ale cursului de schimb al leului,
aferente eşantioanelor respective, pentru a trece la analiza bifactorială, se
descompune variaţia totală astfel:

V
T
= V
TS
+ V
TL
+ V
TS+TL
+ V
ε



103
unde V
T
– variaţia totală a cursului de schimb;
V
TS
– variaţia cursului de schimb datorită influenţei factorilor ce
acţionează pe termen scurt, numită şi variaţie intergrupe;
V
TL
– variaţia cursului de schimb datorită influenţei factorilor ce
acţionează pe termen lung, numită şi variaţie intergrupe;
V
TS+TL
– variaţia cursului de schimb datorită interacţiunii dintre cei doi
factori;
V
ε
– variaţia reziduală datorită factorilor aleatori, numită şi variaţie
intragrupă, deoarece exprimă variaţia din interiorul fiecărei grupe sau
eşantion.
Variaţia totală (V
T
), este definită ca sumă a pătratelor abaterilor valorilor
cursului de schimb de la medie şi se determină astfel:

( )
∑ ∑ ∑
= = =
− =
S L SL
n
1 i
n
1 j
n
1 k
2
ijk T
c c V

Estimatorul varianţei (dispersiei) totale se determină împărţind variaţia
totală la numărul gradelor de libertate asociat, care este n – 1:

1 n
V
s
T 2
T

=

Variaţia cursului de schimb datorită influenţei factorilor ce acţionează pe
termen scurt (V
TS
) se determină după relaţia:

( )

=
− =
S
n
1 i
2
i SL L TS
c c n n V

Estimatorul varianţei pe termen scurt se determină împărţind variaţia pe
termen scurt la numărul gradelor de libertate asociat, care este n
S
– 1:

1 n
V
s
S
TS 2
TS

=

Variaţia cursului de schimb datorită influenţei factorilor ce acţionează pe
termen lung (V
TL
) se determină astfel:


104
( )

=
− =
L
n
1 j
2
j SL S TL
c c n n V

Estimatorul varianţei pe termen lung se determină împărţind variaţia pe
termen lung la numărul gradelor de libertate asociat, care este n
L
– 1:

1 n
V
s
L
TL 2
TL

=

Variaţia cursului de schimb datorită interacţiunii factorilor pe termen
scurt şi pe termen lung (V
TS+TL
) se determină astfel:

( )
∑ ∑
= =
+
+ − − =
S L
n
1 i
n
1 j
2
j i ij SL TL TS
c c c c n V

Estimatorul varianţei interacţiunii factorilor pe termen scurt şi pe termen
lung se determină împărţind variaţia TS+TL la numărul gradelor de libertate
asociat, care este (n
S
– 1) (n
L
– 1):

( )( ) 1 n 1 n
V
s
L S
TL TS 2
TL TS
− −
=
+
+


Variaţia reziduală (V
ε
), ce cuantifică influenţa factorilor aleatori asupra
cursului de schimb, se calculează astfel:

( )
∑ ∑ ∑
= = =
− =
S L SL
n
1 i
n
1 j
n
1 k
2
ij ijk
c c V
ε


Estimatorul varianţei reziduale se determină împărţind variaţia reziduală
la numărul gradelor de libertate asociat, care este n
S
+ n
L
+ (n
SL
– 1):

( ) 1 n n n
V
s
SL L S
2
− + +
=
ε
ε


Valorile variaţiilor şi ale estimatorilor, calculate pe baza celor trei
eşantioane de date sunt date în tabelul 7.8:

105

Tabelul 8
Sursa
variaţiei
Componentele
variaţiei totale
Grade de
libertate
Estimatorii
varianţelor

Factorul pe termen
scurt
V
TS
= 64865730 2 s
2
TS
= 32432865
Factorul pe termen
lung
V
TL
= 3179174 4 S
2
TL
= 794793
Interacţiunea dintre
factori
V
TS+TL
= 42947881 8 s
2
TS+TL
= 5368485
Variaţia reziduală V
ε
= 3160300 15 s
2
ε
= 210686
Variaţia totală V
T
= 114153085 29 S
2
T
= 3936313

Pornind de la valorile variaţiilor şi ale estimatorilor varianţelor aferente,
se trece la formularea şi testarea ipotezelor din cadrul analizei bifactoriale cu
interacţiune între factori.
Ipotezele pentru ANOVA bifactorială cu interacţiune între factori sunt în
număr de trei, şi anume:
1. Ipoteza nulă conform căreia toate mediile de tip
i
c sunt egale, cu
ipoteza contrară că cel puţin o medie de acest tip este diferită de celelalte:

H
0
:
1
c = … =
i
c = … =
S
n
c

2. Ipoteza nulă conform căreia toate mediile de tip
j
c sunt egale, cu
ipoteza contrară că cel puţin o medie de acest tip este diferită de celelalte:

H
0
:
1
c = … =
j
c = … =
L
n
c

3. Ipoteza nulă conform căreia toate mediile de tip
ij
c sunt egale, cu
ipoteza contrară că cel puţin o medie de acest tip este diferită de celelalte:

H
0
:
11
c =
12
c = … =
L
n 1
c =
21
c =
22
c = … =
L S
n n
c

Primele două ipoteze se testează cu ajutorul testului Fisher, considerând
la numărătorul raportului F al acestui test o estimaţie a variaţiei explicată pe

106
seama factorului pe termen scurt, respectiv, pe termen lung, iar la numitor
estimatorul varianţei intragrupe (s
ε
2
).
Pentru cea de-a treia ipoteză, se foloseşte valoarea testului F, calculată ca
raport între estimatorul varianţei interacţiunii dintre factorii pe termen scurt şi
pe termen lung, şi estimatorul varianţei intragrupe (s
ε
2
).
Pentru prima ipoteză nulă, calculul valorii F a testului Fisher se face cu
relaţia:

2
2
TS
TS
s
s
F
ε
=

Valoarea obţinută este F
TS
= 153,938. Această valoare calculată se
compară cu valoarea tabelară (critică) F
critic
= 3,682 care a fost aleasă din
tabelele repartiţiei Fisher.
În urma comparaţiei, rezultă că F
TS
este mult mai mare decât F
critic
, adică
ipoteza nulă se respinge şi se trage concluzia că factorul pe termen scurt
influenţează semnificativ fluctuaţiile cursului de schimb.
Pentru a doua ipoteză nulă, valoarea F a testului Fisher se determină cu
relaţia:

2
2
TL
TL
s
s
F
ε
=

Valoarea obţinută este F
TL
= 3,772. Această valoare calculată se compară
cu valoarea tabelară F
critic
= 3,055 care a fost aleasă din tabelele repartiţiei
Fisher.
În urma comparaţiei, se observă că F
TL
este cu puţin mai mare decât F
critic
,
deci ipoteza nulă se respinge şi spunem că şi factorul pe termen lung
influenţează semnificativ fluctuaţiile cursului de schimb. Se poate vedea, însă că
pe termen lung, fluctuaţiile cursului sunt mult mai slabe, deci riscul aferent este
mult mai mic decât pe termen scurt.
Pentru a treia ipoteză nulă, valoarea F a testului Fisher se calculează
astfel:

2
2
TL TS
TL TS
s
s
F
ε
+
+
=


107
Valoarea calculată este F
TS+TL
= 25,480 şi se compară cu valoarea
tabelară F
critic
= 2,640. În urma comparaţiei, rezultă că F
TS+TL
este mai mare
decât F
critic
, deci ipoteza nulă se respinge şi se trage concluzia că interacţiunea
dintre factorii pe termen scurt şi termen lung influenţează semnificativ
fluctuaţiile cursului de schimb.
O primă concluzie care se poate trage din rezultatele testării celor trei
ipoteze este aceea că toţi factorii de influenţă, atât pe termen scurt, cât şi pe
termen lung, precum şi interacţiunea dintre aceştia au influenţe semnificative
asupra fluctuaţiilor cursului de schimb al leului, ceea ce înseamnă că acesta
prezintă un grad destul de mare de volatilitate pentru fiecare factor temporal
analizat.
În al doilea rând, se observă că pentru factorul pe termen scurt apare cea
mai mare diferenţă între valoarea calculată şi cea critică, ceea ce înseamnă că pe
termen scurt fluctuaţiile şi, în consecinţă, riscul sunt cele mai mari. Altfel spus,
volatilitatea pe termen scurt a cursului leului este relativ ridicată.
A treia concluzie este că pe termen lung, această volatilitate se atenuează
foarte mult, diferenţa dintre valoarea calculată şi cea tabelară fiind practic
nesemnificativă. Înseamnă că, pe termen lung, operaţiunile valutare care implică
leul românesc au un risc redus şi că operatorii de pe piaţa valutară trebuie să
aibă încredere pe termen lung în moneda noastră naţională.
În fine, interacţiunea dintre factorii pe termen scurt şi pe termen lung are
şi ea o oarecare influenţă, aceasta fiind însă şi ea destul de slabă, diferenţa dintre
F calculat şi F critic fiind destul de mică, ceea ce înseamnă că influenţele pe
termen scurt şi cele pe termen lung se intercondiţionează într-o măsură destul de
scăzută.
În principiu, se poate, deci, spune că, în perioada studiată, a existat un
anumit grad de risc valutar aferent tranzacţiilor internaţionale care au implicat
utilizarea leului, care a acţionat atât pe termen scurt, cât şi pe termen mediu şi
lung. De aceea, riscul valutar constituie, încă, un factor perturbator al activităţii
exportatorilor şi importatorilor români. Acest lucru se întâmplă, însă, într-o
măsură mult mai mică decât în anii anteriori, ceea ce arată o stabilizare
semnificativă a pieţei valutare din România.
Concluzia finală este că variaţiile cursului de schimb al leului generează
un risc valutar moderat, îndeosebi pe termen scurt. Acest risc este datorat în cea
mai mare măsură condiţiilor interne, ceea ce face ca tranzacţiile internaţionale
ce implică utilizarea leului să aibă un anumit grad de nesiguranţă, atât pentru
operatorii români, cât şi pentru cei străini. Trebuie, totuşi, subliniat că aceeaşi
evoluţie arată foarte limpede că aprecierea continuă a leului, controlată într-o
anumită măsură de Banca Naţională a României, nu este suficientă. Este
necesară finalizarea restructurării economiei româneşti şi orientarea acesteia şi

108
mai pregnant spre economia mondială. Cursul de schimb al leului reprezintă o
pârghie importantă de reglare a comerţului exterior românesc, care trebuie însă
completată şi cu alte elemente stimulatoare, care să integreze armonios spaţiul
economico–social românesc în cel european şi mondial.
Elementele specifice ale modelelor construite de-a lungul acestui capitol
fac ca utilizarea lor în modelarea dinamicii cursului de schimb al leului să fie
diferită. Modelele bazate pe influenţa parametrilor economiei româneşti sunt
mai eficiente pentru perioadele normale, caracterizate de o evoluţie a cursului
lipsită de fluctuaţii majore, în timp ce modelele de cuantificare a efectului în
timp sunt mai indicate pentru perioadele de criză, de fluctuaţii accentuate ale
cursului. Oricare ar fi însă mărimea decalajului în timp a analizei, modelele
respective trebuie utilizate pentru previziuni pe termen relativ scurt, având în
vedere că ele, de fapt, extrapolează anumite concluzii bazate pe evoluţia
anterioară, ceea ce înseamnă că orice modificare semnificativă în condiţiile
iniţiale duce la distorsionarea modelului.
Faţă de alte metode de cercetare a cursurilor valutare, metodele
cantitative, bazate pe instrumente matematice şi statistice, aduc elemente noi de
caracterizare, care altfel nu ar fi putut fi puse în evidenţă, fapt care a constituit
motivaţia principală a orientării studiului întreprins spre utilizarea modelelor
econometrice ale cursului valutar al leului.
Problematica modelării variabilelor economice este extrem de complexă,
elementele specifice procesului de tranziţie adăugându-i noi dimensiuni,
neputându-se astfel formula concluzii cu caracter definitiv. Se poate, însă,
aprecia că modelele econometrice aduc un aport ştiinţific, teoretic şi operaţional
semnificativ în vederea susţinerii unor decizii atât la nivel micro, cât şi la nivel
macroeconomic.













109
BIBLIOGRAFIE PARTE APLICATIVĂ


15. Baron T., Anghelache C., Ţiţan E., Statistică, Editura Economică,
Bucureşti, 1996

16. Chilărescu C., Modele econometrice aplicate, Editura Mirton, Timişoara,
1994

17. Levine D.M., Stephan D., Krehbiel T.C., Berenson M.L., Statistics for
Managers using Microsoft Excel, Third Edition, Prentice Hall,
2002

18. Pecican E., Econometrie, Editura ALL, Bucureşti, 1994

19. Pindyck R.S., Rubinfeld D.L., Econometric Models and Economic
Forecasts, McGraw–Hill, Fourth Edition, 1998

20. Şipoş C., Modelarea comportamentului cursului de schimb al leului,
Editura Universităţii de Vest, Timişoara, 2003

21. Şipoş C., Preda C., Statistică Economică, Editura Mirton, Timişoara, 2004

22. Şipoş C., Preda C., Econometrie, Editura Mirton, Timişoara, 2006

23. Anuarul Statistic al României, anii 2000 – 2009

24. Rapoartele lunare şi anuale ale Băncii Naţionale a României, anii 2000 -
2009


CUPRINS
CAPITOLUL 1. PRINCIPII ALE MODELĂRII ECONOMETRICE 1.1. Tipologia legăturilor dintre variabilele economice …………….. 1.2. Modelul – element fundamental al analizei econometrice …...… CAPITOLUL 2. MODELE ECONOMETRICE UNIFACTORIALE 2.1. Modelul unifactorial liniar ……………………………….…..…. 2.1.1. Prezentarea modelului .…………………….……….…… 2.1.2. Estimarea parametrilor ………………………………….. 2.1.3. Verificarea statistică a modelului …………………….…. 2.2. Modele unifactoriale neliniare ……………………………..…… 2.2.1. Modelul hiperbolic .…………………….………......…… 2.2.2. Modelul parabolic ………………………………........….. 2.2.3. Modelul exponen ial …………………….…..................... 7 7 9 15 15 15 17 20 28 29 31 32

CAPITOLUL 3. MODELE ECONOMETRICE MULTIFACTORIALE 3.1. Modelul multifactorial liniar …………………………….…..…. 3.1.1. Prezentarea modelului şi estimarea parametrilor .………. 3.1.2. Verificarea statistică a modelului multifactorial .……….. 3.2. Modele unifactoriale neliniare ……………………………...…… 3.3. Func ii de produc ie …………………………………..………….

35 35 35 39 44 46

CAPITOLUL 4. MODELE ECONOMETRICE BAZATE PE FACTORUL TIMP 4.1. Analiza econometrică a evolu iei în timp a variabilelor economice 4.2. Func ii de timp …………………………………………..…..…. 4.2.1. Func ia liniară de timp …………………………..………. 4.2.2. Func ii de timp neliniare .…………………………….….. 4.3. Modele econometrice cu time – lag ……………………………. 4.4. Modele autoregresive ………………………………...…………. 4.4.1. Caracterul autoregresiv al variabilelor economice …...…. 4.4.2. Modelul autoregresiv de ordinul k …………………...….. APLICA IE ECONOMETRICĂ PE CURSUL VALUTAR ...............

51 51 58 59 61 64 68 68 70 75

5

OBIECTIVELE DISCIPLINEI ECONOMETRIE

Să argumenteze necesitatea şi posibilitatea utilizării metodelor matematice şi statistice în analiza comportamentului variabilelor economice; Să prezinte modul de elaborare şi de interpretare a principalelor categorii de modele cantitative utilizate în cercetarea economică; Să formeze studen ilor deprinderea de a exprima în rela ii econometrice fenomenele şi procesele economice; Să pună în eviden ă modalită ile de utilizare a modelelor econometrice în analiza la nivel microeconomic, având drept variabile endogene şi exogene principalii indicatori ce reflectă activitatea economică la nivel de firmă; Să abordeze problemele legate de elaborarea unor modele de analiză macro–econometrică, la nivel global, care depind în mare măsură de dimensiunile seturilor de date avute la dispozi ie şi de posibilită ile de definire a variabilelor şi a legăturilor dintre acestea; Să formeze aptitudini în determinarea caracteristicilor parametrilor modelelor econometrice cu ajutorul aparatului matematic şi statistic adecvat;

6

selectarea şi ierarhizarea factorilor de influen ă. 7 . utilizarea unor func ii cu o singură variabilă de influen ă. Varietatea acestor interdependen e necesită identificarea. dar s-au re inut numai cele uzuale. PRINCIPII ALE MODELĂRII ECONOMETRICE Rezumat: Asupra fenomenelor social – economice ac ionează un număr mare de factori principali şi secundari. Criteriile avute în vedere sunt numeroase. în primul rând. sau multiple (modele multifactoriale). determinarea tipologiei variabilelor factoriale (de influen ă) cu ajutorul unei analize calitative multilaterale. poate studia manifestarea concretă a acestor legături. sunt întâlni i factori care nu pot fi cuantifica i decât cu ajutorul unor metode conven ionale. se pot face estimări asupra tendin elor în evolu ia fenomenului cercetat.CAPITOLUL 1. Cunoaşterea lor este condi ie esen ială a interpretării legăturilor de cauzalitate dintre variabila rezultativă şi factorii săi de influen ă (variabilele factoriale). Modelarea econometrică. datorită complexită ii rela iilor economice interna ionale care nu permit. atunci când varia ia variabilei rezultative este exprimată în func ie de o singură variabilă factorială. endogeni sau exogeni. cu atât mai mult cu cât. mai departe. Tipologia legăturilor dintre variabilele economice Există numeroase varietă i de legături între variabilele economice. 1. pe baza cărora s-a alcătuit o posibilă tipologie de interdependen e între variabilele analizate. atunci când varia ia variabilei rezultative este exprimată în func ie de varia ia simultană a mai multor variabile factoriale. variabilele economice sunt privite prin prisma interdependen elor pe care acestea le generează. în mod curent. Din punct de vedere econometric. În practică.1. este necesară. iar descrierea lor analitică poate fi făcută cu ajutorul analizei de regresie şi a analizei intensită ii legăturilor (corela ia). le poate exprima cantitativ şi poate măsura intensitatea cu care acestea se produc şi. legăturile pot fi simple (modele unifactoriale). cu ajutorul unei game variate de procedee şi metode. De aceea. În raport cu numărul variabilelor corelate. care se manifestă de regulă într-un sistem complex de interdependen e. cel mai des întâlnite sunt legăturile multiple. în general.

Particularitatea lor principală constă în faptul că la o valoare dată a factorului de influen ă corespunde o distribu ie de valori posibile ale variabilei rezultative. caz în care dacă variabila factorială se modifică şi variabila rezultativă se va modifica în acelaşi timp. iar pe alte por iuni să existe legături inverse. etc. Conexiunea relativă sau statistică (stochastică) este tipul de legătură cel mai des întâlnit în studiul fenomenelor din economie. atunci când variabila rezultativă se modifică în sens contrar modificării factorului de influen ă. 8 . După momentul în care se realizează legătura. prin urmare. unde practic nu există astfel de dependen e totale. În modelele econometrice pot exista situa ii în care între aceleaşi variabile pe anumite por iuni să existe legături directe. prin modul de transpunere a punctelor în planul de reprezentare grafică a variabilelor rezultative şi factoriale. hiperbolice. Conexiunea nulă semnifică absen a oricărei legături între variabila rezultativă şi factorii de influen ă lua i în considerare. În func ie de forma legăturii dintre variabile. Interes aparte. sau legături inverse. sau în formulare statistică. îl prezintă acest din urmă tip de legături. absen a reciprocă a corela iilor dintre aceste variabile. legătura liniară ocupă un loc aparte. exponen iale.). Forma legăturii se determină cel mai adesea intuitiv. logistice. atunci când modificarea variabilei rezultative este în acelaşi sens cu modificarea factorului de influen ă analizat. cu toate că în natură şi în evolu ia reală a fenomenelor economice este mai pu in întâlnită. în timp ce conexiunea func ională apare atunci când la fiecare valoare posibilă a variabilei rezultative corespunde o singură valoare a factorului de influen ă. După intensitatea conexiunii cauzale distingem independen ă totală sau lipsa de legături. acestea pot fi legături directe. Această conexiune este una specifică ştiin elor tehnice şi ale naturii. În modele econometrice. folosind clasificarea dihotomică. legăturile pot fi concomitente sau sincrone. Aceste conexiuni sunt rar întâlnite în economie. legături func ionale sau totale şi legături relative sau statistice. în care pentru o valoare dată a factorului de influen ă există o singură valoare posibilă a variabilei rezultative. în interpretarea parametrilor. Există şi situa ii în care modele de tip neliniar pot fi liniarizate prin anumite metode (cel mai adesea prin logaritmare) şi interpretate prin prisma legăturilor de tip liniar. ori legături asincrone sau cu decalaj. distingem legături liniare şi legături neliniare. Identificarea modelelor neliniare (parabolice. caz în care varia ia variabilei rezultative se produce după scurgerea unei perioade de timp de la modificarea variabilei factoriale. uneori mult mai adecvate. datorită accesibilită ii prezentării şi a posibilită ilor numeroase de interpretare. în func ie de evolu ia factorilor de influen ă. mai ales.După sensul legăturii. ridică probleme mari şi diverse în determinarea şi.

însăşi realitatea avută în vedere. exprimă 1 S. El redă ceea ce este esen ial în agregatul economiei. existând două mari categorii de modele:1 – modele destinate elaborării unei anumite teorii economice. oricare i-ar fi întrebuin area este.2. reprezentarea unei teorii prin intermediul căreia se reprezintă. Apoi. din acest punct de vedere. în descoperirea unor noi rela ii şi concepte. – modele destinate explicării faptelor economice observate şi previzionării desfăşurării lor viitoare. teoria explicativă inteşte atât fenomenul economic cercetat. dintr-un sistem de ecua ii. metodele de analiză matematico–statistică. de regulă. Bucureşti. Importan a modelelor econometrice. pag. Elemente de analiză monetară. se afirmă în verificarea consisten ei unei teorii economice. Aici. care se referă atât la definirea variabilelor. Modelul. de regulă. apoi. Deşi încadrarea precisă a modelelor utilizate în analiza comportamentului diverselor variabile economice în una sau alta din categoriile amintite este destul de dificilă. cât şi reprezentarea prin model. aceste modele pot fi numite modele func ionale sau modele de ac iune şi au la bază. I. înainte de toate. care întotdeauna este construit pe baza unei teorii (sau cel pu in a unui enun cvasiteoretic). Principala problemă care se pune cu ocazia elaborării unui model econometric este definirea scopului acestuia. Vol. în final. verificării coeren ei sale logice şi testării sale empirice. Banii şi creditul în economiile contemporane. descriind global transformarea cauzelor în efecte. în crearea unei legături cantitativ – econometrice de verificare între teorie şi obiectivul pragmatic şi. în condi iile fixate prin ipotezele de pornire şi cu o anumită precizie. aceste modele pot fi numite modele teoretice sau modele de cercetare. Editura Enciclopedică. Un model econometric constă. 325 – 338 9 . imposibil de relevat altfel. pot fi totuşi construite o serie de modele econometrice care să se includă în categoria modelelor func ionale. 1994. modelarea econometrică reprezintă o metodă care se defineşte ca instrument de cunoaştere ştiin ifică. având drept scop construirea unor asemenea modele care să contribuie la în elegerea şi cunoaşterea segmentului investigat. care. Modelul – element fundamental al analizei econometrice Modelul econometric reprezintă o imagine simplificată a rela iilor dintre variabilele economice. ca instrument fundamental de analiză al economistului modern. Cerna. cât şi la determinarea intercondi ionărilor dintre acestea.1.

10 .legăturile dintre variabilele exogene şi endogene şi. reale. iar aceasta din mai multe motive. permite rezolvarea unei serii de probleme economice. Fără îndoială că. erorile de specificare a modelului. cum ar fi. endogene şi exogene. în urma comparării valorilor estimate. eficacitatea modelelor econometrice este. Această variabilă apare datorită unor numeroase cauze. în modul acesta. a formei legăturii printr-un model teoretic şi scrierea ecua iei corespunzătoare modelului de regresie. uneori. conferind o calitate maximă analizei. spre deosebire de variabilele rezultative şi factoriale nu este căutată şi introdusă în model într-un mod explicit şi argumentat. se prezintă sub forma: Ci = f(Xi) + εi unde: Ci reprezintă nivelul variabilei rezultative sau explicate la momentul i. Din păcate. erorile de măsurare care presupun aprecieri numerice greşite sau neconcludente. generate de model. ◊ construirea corelogramei. Construirea şi analiza unui model de regresie care are la bază o legătură de tip stochastic între variabila rezultativă şi factorii de influen ă care îl determină presupune parcurgerea următoarelor etape: ◊ stabilirea ipotezelor de pornire şi a variabilelor factoriale. ea rezultând dintr-o etapă ulterioară elaborării modelului. destul de limitată. adică a reprezentării grafice a perechilor de valori ale variabilelor studiate într-un sistem de axe de coordonate. εi reprezintă variabila aleatoare care ia în considerare ac iunea altor factori decât variabila factorială Xi . O dependen ă statistică. cel mai adesea cu ajutorul metodei celor mai mici pătrate. larg utilizată în econometrie. Xi reprezintă nivelul factorului de influen ă (variabila factorială sau independentă) la momentul i. ◊ estimarea parametrilor ecua iei de regresie. f reprezintă func ia de regresie care cuantifică legătura dintre variabila rezultativă (Ci) şi factorul de influen ă (Xi). pe baza reprezentării grafice. concretizate prin includerea unui număr prea mic de factori esen iali. cu valorile empirice. modelele econometrice sunt întotdeauna de preferat. Variabila aleatoare este cea care distinge o legătură func ională de una statistică şi. întâmplători în raport cu legătura studiată. ◊ aproximarea. privind lucrurile în mod abstract. sau erorile de eşantionare datorate accesului limitat şi probabilist la volumul total al informa iei.

cum mai sunt ele denumite. ◊ previzionarea variabilei rezultative pe baza modelului construit. ◊ varia iile aleatoare (εt) apar datorită unor factori necuantificabili şi cu ac iuni imprevizibile. 3. pag. O altă direc ie în domeniul analizei cantitative a desfăşurării proceselor economice o reprezintă studiul. 1995. considera i independen i unul fa ă de celălalt. Editura ALL. prezintă o relativă inconstan ă în decursul timpului. Stancu – Statistica. respectiv. Sub ac iunea unui complex de factori de influen ă. aspect exprimat frecvent prin şirul numerelor naturale (1. Seriile lungi de date oferite de publica iile statistice scot în eviden ă repetabilită i care pot fi descrise de modele adecvate de analiză şi previziune a evolu iei în timp a cursurilor de schimb. ◊ varia iile sezoniere (st) sunt acea componentă sistematică ce se manifestă prin oscila ii de perioadă mai mică sau cel mult egală cu un an. ◊ interpretarea rezultatelor ob inute în func ie de semnul şi nivelul parametrilor respectivi. a comportamentului seriilor cronologice. de erorile sau valorile reziduale datorite influen ei factorilor aleatori. În cazul acestor serii cronologice. prin metode statistice. .. în sensul că atât intervalele la care oscila iile se manifestă. 2. În măsura în care volumul de date studiat este suficient de mare. 385 11 . repetabile în timp. ◊ varia iile ciclice (ct) reprezintă oscila iile interanuale în jurul tendin ei centrale cu un caracter mai pu in sistematic. factorii de influen ă utiliza i în func iile de regresie sunt înlocui i de către factorul timp în eles ca o acumulare de perioade de timp egale. Bucureşti. 2 T. t). în cadrul unei serii dinamice se pot identifica următoarele componente:2 ◊ trendul sau tendin a centrală (tt) reflectă legitatea specifică de evolu ie a variabilei rezultative pe o perioadă lungă de timp (de ordinul anilor). …. În func ie de proprietă ile variabilei aleatoare pot fi aplicate anumite tehnici de estimare şi previziune a seriei cronologice. de timp sau dinamice. S.◊ testarea statistică a semnifica iei parametrilor estima i. făcând abstrac ie de abaterile fa ă de nivelul mediu. în analiza unei serii cronologice se regăsesc mai multe tipuri de scheme de descompunere. Teorie şi aplica ii. Sezonalitatea se manifestă sub forma unor abateri de la medie care revin regulat de-a lungul unui an şi are un caracter mai mult sau mai pu in pregnant în func ie de specificul domeniului studiat. Andrei. cât şi intensitatea lor. Cea mai utilizată formă de analiză a seriilor cronologice este reprezentată de descompunerea evolu iei seriei pe componente determinate de ac iunea diferi ilor factori de influen ă.

Efectul întârziat manifestat ca urmare a iner iei sau autodeterminării se manifestă frecvent sub forma autocorelării variabilei rezultative. schema este următoarea: Ct = dt (1 + st)(1 + εt) Această ultimă schemă.O primă schemă o reprezintă schema aditivă în care cele patru componente ale seriei studiate sunt însumabile direct. unde Ct reprezintă variabila rezultativă la momentul t. având forma: ln Ct = ln dt + ln(1 + st) + ln(1 + εt) Seriile cronologice trebuie să ină însă seama de caracteristica fenomenelor economice de a-şi manifesta influen a cu o întârziere mai mică sau mai mare în timp. Acest fapt a dus la utilizarea termenului de “time–lag” (decalaj în timp) care evită pericolul falselor corela ii în situa iile în care se analizează serii de date care includ tendin e de evolu ie. ceea ce infirmă ipoteza independen ei factorilor care generează componentele seriei cronologice şi limitează aplicarea metodei schemelor de descompunere. Din acest considerent în studiul seriilor cronologice s-au impus modelele autoregresive. după rela ia: dt = tt + ct O a doua schemă este cea multiplicativă care are două variante: 1. se analizează împreună sub forma componentei extrasezoniere (dt). schema de compunere se prezintă în felul următor: Ct = dt + dt ⋅ st + εt = dt (1 + st) + εt 2. prin logaritmare. reprezentate sub conform rela iei: 12 . poate fi transformată într-o schemă aditivă. Atunci când componenta aleatoare este propor ională cu suma celorlalte componente. astfel: Ct = tt + ct + st + εt . trendul şi varia iile ciclice. Atunci când componenta sezonieră este propor ională cu componenta extrasezonieră. În literatura de specialitate primele două componente.

Aceste modele econometrice. astfel încât rolul econometriei în cadrul analizei economice să fie consolidat. Care sunt etapele care trebuie parcurse în elaborarea unui model econometric? 4.Ct = f(Ct-1. fie ele regresii sau serii cronologice. Care sunt componentele unei serii dinamice? 13 . important fiind ca solu iile noi oferite de către aceasta. ÎNTREBĂRI TEORETICE DE AUTOEVALUARE LA CAPITOLUL 1: 1. Ce reprezintă modelul econometric? 3.Ct-k) + εt unde prin k s-a desemnat numărul perioadelor din trecut care ac ionează asupra valorii prezente a cursului de schimb. Desigur. dar şi destule limite. care duce de cele mai multe ori la ruperea legăturii cu realită ile economice studiate. Ce tipuri de legături se pot stabili între variabilele economice? 2. econometria prezintă numeroase avantaje. care se dovedesc a fi serios argumentate şi rezistente la rigorile practicii economice. …… . fapt pentru care se impune evitarea matematizării lor excesive. să fie preluate în rândul metodelor general acceptate. nu pot fi utilizate fără a se ine cont de principiile stabilite de teoriile economice care analizează comportamentul variabilelor economice. Ct-2.

14 .

cu atât numărul de puncte din cadrul “norului de puncte” este mai mare şi posibilită ile de găsire a unei func ii care să exprime corect legătura dintre variabile cresc. între variabilele economice există. Stock. care să descrie legătura dintre variabilele corelate. Varia iile unei mărimi economice y pot fi mai mari sau mai mici decât cele determinate de un factor oarecare x. ci numai în general. Addison – Wesley. MODELE ECONOMETRICE UNIFACTORIALE Rezumat: Aşa cum s-a arătat anterior.1.CAPITOLUL 2. ca tendin ă a unui număr suficient de mare de cazuri. iar ε este variabila aleatoare (reziduală sau perturbatoare)3. dependen a dintre variabile nu se manifestă individual. În aceste condi ii. esen iali sau nesemnificativi. Modelul unifactorial liniar 2. 3 J.W. cu un impact determinant sau accidental. 93 – 96 15 . caracterizată prin faptul că unei valori oarecare a factorului de influen ă x îi corespunde o distribu ie de valori posibile ale variabilei rezultative y. Introduction to Econometrics. pag. Cu cât acestea sunt mai mari. 2. sau chiar contrare celor aşteptate. comportamentul variabilelor economice este rezultatul ac iunii unui număr mai mare sau mai mic de factori. 2003. Alegerea unui anumit tip de model unifactorial. Watson. Acest tip de dependen ă este studiat cu ajutorul modelelor econometrice unifactoriale.1. Prezentarea modelului Modelul unifactorial liniar studiază legătura dintre variabila factorială x şi variabila rezultativă y cu ajutorul unei func ii stochastice de forma: y=α+β⋅x+ε în care α şi β se numesc parametrii sau coeficien ii modelului şi reprezintă valori necunoscute ce urmează a fi estimate. Cu alte cuvinte. pentru fiecare caz în parte.H. depinde în mare măsură de volumul eşantioanelor avute la dispozi ie. o dependen ă stochastică.1. M. de regulă.

Dacă β < 0. D. iar când x evoluează descrescător. Econometric Models and Economic Forecasts. atunci legătura dintre variabila factorială x şi variabila rezultativă y este inversă. parametrii α şi β nu sunt valori unice. Parametrul β . ci au con inut de medii. dacă β = 1. y are o evolu ie descrescătoare. atunci influen a variabilei factoriale asupra celei rezultative este mai slabă (la varia ia cu o unitate a variabilei factoriale x. 4 R. adică valoarea cu care se modifică variabila rezultativă y atunci când variabila factorială x se modifică cu o unitate. care se estimează cu ajutorul metodelor specifice oferite de matematică şi statistică4. numit şi coeficient de regresie.L. pag. y are o evolu ie crescătoare). dacă β > 1.Parametrul α reprezintă valoarea pe care o ia variabila rezultativă y atunci când variabila factorială are valoarea zero şi poate avea relevan ă în model sau nu. atunci legătura dintre variabila factorială x şi variabila rezultativă y este directă (când x are evolu ie crescătoare. În situa ia în care β = 0. variabila rezultativă y este complet independentă în raport cu variabila factorială x. Semnul şi valoarea parametrului β prezintă o importan ă majoră în descrierea interdependen ei dintre variabila rezultativă şi cea factorială. variabila rezultativă y variază cu o valoare subunitară). în func ie de cazul concret analizat. prin determinarea a doi estimatori α şi β . McGraw – Hill. atunci influen a variabilei factoriale asupra celei rezultative este foarte puternică (la varia ia cu o unitate a variabilei factoriale x. reprezintă panta dreptei de regresie. iar când x are evolu ie descrescătoare. y Deoarece func ia de regresie utilizată este de tip stochastic. creşte şi y. Aceşti estimatori trebuie calcula i astfel încât diferen a dintre valorile reale ale variabilei rezultative (yi) şi valorile estimate cu ajutorul parametrilor ˆ ˆ y calcula i ( ˆ i = α + β ⋅ x i ) să fie cât mai mică ( yi − ˆ i = minim). Rubinfeld. 1998. Când β este pozitiv se pot distinge trei situa ii: dacă β < 1. Fourth Edition. atunci variabila rezultativă y variază direct propor ional cu varia ia variabilei factoriale x. dacă β > 0. variabila rezultativă y variază cu o valoare supraunitară). Astfel. de sens contrar (când x evoluează crescător.S. scade şi y). Pindyck. Analiza de regresie în cazul modelului unifactorial liniar constă în ˆ ˆ estimarea parametrilor α şi β. 57 – 66 16 .

Cu cât volumul eşantionului este mai mare. pag. cu atât aceste presupuneri sunt mai apropiate de realitate.2. valorile variabilei aleatoare nu sunt autocorelate.A. 50 17 . Editura ALL. variabila aleatoare ε urmează o distribu ie independentă de valorile variabilei factoriale x. Econometrie. O cuantificare deterministă. În aceste condi ii. Aceste ipoteze permit abordarea în condi ii de rigurozitate ştiin ifică a problematicii estimării parametrilor α şi β. de medie α + β ⋅ xi şi varian ă constantă. Pecican. de medie nulă (E(εi) = 0) şi de varian ă constantă şi diferită de zero. respectiv la variabila factorială.S. Variabila aleatoare se presupune că are o reparti ie normală de medie nulă şi varian ă constantă pentru eşantionul de date analizat.L.1. ˆ ˆ Valorile estimatorilor parametrilor. 1994.M. Una din metodele care ine seama de restric iile prezentate este metoda celor mai mici pătrate ini iată de matematicianul francez A. se va observa că reprezentarea grafică a modelului liniar aproximează mai mult sau mai pu in exact legătura dintre cele două variabile. conform rela iei: 5 E. care însumează efectul tuturor factorilor rămaşi în afara modelului. Estimarea parametrilor Dacă se ia în studiu un set de date reale referitoare la variabila rezultativă. Este pu in probabil ca cele două variabile să fie legate strict printr-o rela ie liniară. Markov. Acest lucru a determinat introducerea în model a variabilei aleatoare. deoarece nu se pot cuprinde în model absolut toate influen ele existente. Gauss. Bucureşti. fie ei nesemnificativi sau necuantificabili. de tip func ional. notate mai sus cu α şi β pot fi determinate cu ajutorul mai multor metode matematice şi statistice.2. Laplace. exactă a valorilor parametrilor α şi β este imposibil de realizat. Principiul metodei celor mai mici pătrate constă în minimizarea sumei pătratelor erorilor de estimare. fiecărei valori date xi a variabilei factoriale îi corespunde o distribu ie normală de valori yi ale variabilei rezultative. P. Legendre şi îmbunătă ită de K. variabila aleatoare sau reziduală ε este de distribu ie normală. P. perturbatoare ε. Cebîşev şi A.5 Aplicarea ei are la bază câteva ipoteze fundamentale: datele privind variabila rezultativă şi cea factorială sunt ob inute fără erori de observare sau măsurare.

pag.. Se poate demonstra că acest extrem este un minim deoarece pentru ca el să fie un maxim ar trebui ca α şi β să fie egali cu ±∞. conform teoremei lui Fermat. Estimatorii astfel determina i corespund obiectivului urmărit dacă valoarea medie a estimatorului este egală cu valoarea reală a parametrului corespunzător. cit. Pecican. deoarece aceasta ne conduce la un extrem al func iei respective. Derivatele par iale ale func iei în raport cu parametrii α şi β se egalează cu zero şi rezultă rela iile: ˆ ˆ 2 ∑ y i − α − β ⋅ xi (− 1) = 0 i =1 n ( ) ˆ ˆ 2 ∑ yi − α − β ⋅ xi (− xi ) = 0 i =1 n ( ) Din aceste două rela ii se poate ajunge la un sistem de două ecua ii cu ˆ ˆ necunoscutele α şi β . 6 E. 51 18 . iar varian a fiecărui estimator este relativ mică în raport cu numărul de eşantioane pe baza cărora s-a efectuat analiza.i =1 2 2 ˆ ˆ y ∑ ε i = ∑ ( yi − ˆ i ) = ∑ yi − α − β ⋅ xi i =1 i =1 n ( ) n n ( ) 2 = min Condi ia necesară pentru îndeplinirea acestei restric ii este ca derivatele par iale ale sumei pătratelor erorilor de estimare în raport cu α şi β să fie egale cu zero. op. iar posibilitatea de a fi un punct de inflexiune este exclusă dată fiind natura pătratică a func iei6. de forma: n ⋅ α + β ⋅ n x = n y ˆ ˆ ∑ i ∑ i  i =1 i =1  n n n ˆ α ⋅ ∑ xi + β ⋅ ∑ xi2 = ∑ xi yi ˆ i =1 i =1  i =1 Prin rezolvarea acestui sistem de ecua ii se ob in valorile estimatorilor ˆ ˆ α şi β .

Cu cât această varian ă este mai mică. Reparti ia variabilei aleatoare se modifică. ob inută pe baza unui număr cât mai mare de eşantioane. Preda. fa ă de medie. Trebuie avut însă în vedere faptul că această modalitate de calcul atribuie o importan ă destul de mare abaterilor mari. este indicată minimizarea sumei abaterilor luate în calcul la valoarea lor absolută: i =1 y ∑ y i − ˆ i = min. a raportului de corela ie simplă şi a coeficientului de determina ie. Timişoara. să fie nedistorsiona i. eficien i şi consisten i. De aceea. precum şi varian a valorilor estimate în jurul mediei. se utilizează metodele neparametrice de măsurare a intensită ii legăturii. pentru eşantioane mai mici de 30 de valori este dificil să se ajungă la estimatori ai parametrilor modelului care să respecte toate restric iile. De aceea. Statistică Economică. atunci când se studiază perioadele cu fluctua ii foarte mari ale variabilei rezultative în raport cu media.Calitatea estimatorilor calcula i poate fi apreciată în func ie de îndeplinirea de către aceştia a unor condi ii absolut necesare unei analize corecte: să conducă spre un grad înalt de determinare. Analiza corela iei în cazul modelului unifactorial liniar se realizează cu ajutorul coeficientului de corela ie liniară simplă. 2004. să fie egală cu valoarea reală a parametrului corespunzător. modelele cu cele mai mari şanse de reuşită sunt cele bazate pe eşantioane de volum mare. ceea ce reprezintă un element pozitiv. cu atât estimatorii sunt mai pu in distorsiona i. varian a estimatorilor creşte. iar distorsiunea devine tot mai mare. 129 – 130 19 . n calitatea estimatorilor de a fi nedistorsiona i nu implică neapărat egalită ile ˆ şi β = β . este importantă reparti ia valorilor variabilei aleatoare ε . pag. iar dacă variabilele sunt calitative. Atunci când se utilizează metoda celor mai mici pătrate este necesar să fie cunoscute câteva considera ii privind calitatea estimatorilor rezulta i7: ridicarea la pătrat a abaterilor ( yi − ˆ i ) y conduce la pătratele de arie minimă a erorilor de estimare. Ob inerea valorilor estimate ale parametrilor α şi β înseamnă finalizarea analizei de regresie a modelului unifactorial liniar. dacă variabilele sunt cantitative. în sus sau în jos. Din acest punct de vedere. Şipoş. C. pe măsură ce volumul eşantionului scade. ˆ α =α 7 C. afectând corespunzător estima iile. ci presupune ca media estimatorului. deoarece acestea prin ridicare la pătrat devin extrem de mari. Editura Mirton.

Func ia de reparti ie F(x) se referă la probabilitatea ca variabila x să ia o valoare mai mică decât un anumit nivel dat xi: xi F(x) = P(x < xi) = ∫ f ( x )dx 0 sau la probabilitatea ca variabila x să se situeze în intervalul dat de două valori x1 şi x2: 8 C. 80 20 . pag. cu ajutorul testelor statistice. Verificarea statistică a modelului În urma analizei de regresie şi a analizei corela iei s-au stabilit forma. în general. ceea ce înseamnă că aceste valori au un grad ridicat de relativitate. Timişoara. Orice modificare a volumului eşantionului duce. datorită faptului că estimarea parametrilor modelelor se realizează pe baza unor eşantioane de date. rezultat al unei conjuncturi de valori din cadrul eşantionului. factorială şi aleatoare. Legea de reparti ie a unei variabile aleatoare x exprimă probabilitatea P ca variabila respectivă să ia o anumită valoare. la modificarea valorilor estimate. Editura Universită ii de Vest. Pentru aceasta. 2003.8 În aceste condi ii.3. Aceste probleme sunt rezolvate. care studiază semnifica ia parametrilor modelului econometric şi calitatea acestuia de a descrie rela ia de dependen ă dintre variabila rezultativă şi factorii de influen ă lua i în considerare. Modelul rezultat în urma parcurgerii acestor etape îşi propune să aproximeze cât mai bine realitatea economică studiată. luând în considerare un număr destul de redus de valori (uneori sub 30 de date) se doreşte să se ajungă la estimări valabile pentru o colectivitate generală formată din sute sau chiar mii de cazuri. Gradul de îndeplinire a acestui deziderat se determină printr-un ansamblu de metode şi teste statistice care sunt numite generic verificarea statistică a modelului. de faptul că estima iile ob inute pot fi semnificative sau doar întâmplătoare. trebuie cunoscută legea de reparti ie care caracterizează comportamentul variabilelor studiate – rezultativă.2. în primul rând.1. precum şi de limitele între care estimatorii pot varia fără a influen a aprecierile ini iale şi concluziile referitoare la semnifica ia lor. de regulă. mai mult sau mai pu in reprezentative. sensul şi intensitatea legăturii dintre variabila rezultativă şi variabila factorială. apar probleme legate de măsura în care solu iile unui model pot fi generalizate. Astfel. Şipoş. Modelarea comportamentului cursului de schimb al leului. Această etapă de verificare a modelelor econometrice pe baza unor teste statistice este absolut necesară.

x2 F(x) = P(x1 < x < x2) = ∫ f ( x )dx x1 unde f(x) este prima derivată a func iei de reparti ie şi exprimă densitatea. N(m. Func ia de reparti ie. se preferă o transformare a reparti iei normale prin utilizarea variabilei standardizate z: z= x−m σ Atunci densitatea de probabilitate a variabilei z este: ⋅z 2 1 f (z ) = ⋅e 2 σ 2π −1 şi se numeşte densitatea de probabilitate a variabilei normale de medie nulă şi abatere medie pătratică egală cu unitatea N(0. Distribu ia normală prezintă importan ă atât din motive teoretice cât şi practice. reprezentând un model adecvat ori de câte ori o variabilă este dependentă de unul sau mai mul i factori care exercită asupra ei influen e de intensitate relativ mică şi în diverse sensuri. din acest motiv. σ). Dacă x este o variabilă aleatoare continuă care urmează o reparti ie normală de medie m şi abatere medie pătratică σ. aglomerarea variabilei în punctul x. legea care guvernează variabilele şi frecven a apari iei acestora în economie este legea de reparti ie normală. notată cu N(m. De regulă. care dă ponderea unită ilor care au valoarea caracteristicii mai mică decât o valoare x fixată este: 21 . σ). 1). atunci densitatea de probabilitate este: 1 f (x ) = ⋅e σ 2π − ( x − m )2 2σ 2 Calculul diferitelor valori ale densită ii de reparti ie pentru diverse valori ale mediei şi abaterii medii pătratice este destul de dificil şi.

în func ie de concluziile ei luându-se decizia de confirmare sau de infirmare a posibilită ilor acestuia de a reflecta corect situa ia reală. Erorile standard reprezintă abateri ale valorilor estimate de la valorile reale şi se împart în două categorii: • prima categorie. Dacă se au în vedere parametrii α şi β din modelul liniar unifactorial. de fapt. calculată ca abatere a valorilor estimate ale $ variabilei rezultative yi fa ă de cele reale yi. 9 σ 2π Această lege de reparti ie a fost luată în considerare atunci a fost y caracterizată variabila aleatoare şi când au fost apreciate valorile ˆ i în func ie de un nivel dat al variabilei factoriale xi. Editura Universită ii de Vest. C. Bazele statisticii. înseamnă că aceşti parametri sunt ei înşişi normal distribui i. Ciorîcă. Timişoara. atunci. O primă verificare constă în determinarea şi interpretarea erorilor standard generate de model. Verificarea statistică este. C. 110 – 114 22 . iar α şi β sunt combina ii liniare ale variabilei εi .x 1 F ( x) = P( X < x) = ∫ f (t )dt = ⋅ ∫e σ 2π −∞ −∞ x − ( t − m) 2 2σ 2 dt Din ecua ia f(x) = 0 se ob ine x = m şi valoarea maximă a densită ii de probabilitate este atinsă în punctul (m. în ipoteza unei estima ii nedistorsionate. prezentate sintetic în cele ce urmează. pag. Varian a estimatorului fiecărui parametru. în cazul unei estima ii eficiente. 1 ). Surulescu. Preda. este mărimea parametrului din colectivitatea generală. depinde de împrăştierea variabilei aleatoare şi de împrăştierea valorilor variabilei factoriale. O. Şipoş. N. 2002. o opera iune de validare a modelului. Chilărescu. Media estimatorului fiecărui parametru. se numeşte eroare standard a modelului (sε) şi se determină cu rela ia: n 1 2 y ∑ ( yi − ˆ i ) (n − 2 ) i = 1 sε = 9 C. Setul de metode statistice care stă la baza verificării unui model econometric unifactorial este compus din mai multe tipuri de teste specifice. deoarece variabila εi urmează o reparti ie ˆ ˆ normală.

pi. Pentru ca modelul elaborat să fie corect din punct de vedere statistic. dintre care mai des utilizat este testul χ2. ataşate valorilor variabilei aleatoare. Se calculează valorile standardizate zi. fapt pentru care utilitatea acesteia constă mai degrabă în a fi folosită în determinarea altor parametri statistici de verificare a modelului. Interpretarea calită ii modelului în func ie de valoarea erorii standard a modelului este destul de relativă. care constă în compararea frecven elor absolute efective. În cazul modelului unifactorial liniar. Editura Mirton. respectiv.În principiu. 2006 23 . • a doua categorie reprezintă abateri ale valorilor estimate ale parametrilor func iei de regresie de la valorile lor reale şi se numesc erori standard ale parametrilor modelului. C. prezentată în etapa formulării ipotezelor ini iale10. Se formulează ipoteza nulă H0. Şipoş. ni. notate cu sα . cu cât această eroare este mai mică în raport cu valorile variabilei rezultative. cu atât modelul aproximează mai corect realitatea economică studiată. conform rela iei: 10 C. Aceasta se poate verifica cu ajutorul mai multor teste statistice. Ele se determină pentru fiecare parametru în parte. 2. Timişoara. cu atât valorile estimate ale parametrilor respectivi sunt mai apropiate de cele reale. Efectuarea testului χ2 presupune parcurgerea următoarelor etape: 1. prin care se presupune că distribu ia variabilei aleatoare este normală. cele două erori standard ale parametrilor α şi β . el trebuie să îndeplinească condi ia de normalitate a variabilei aleatoare ε. Econometrie. sβ sunt: sα = sε i =1 n 2 i ∑ xi n 2 2 n n ⋅ ∑ x −  ∑ xi    i =1  i =1  s β = sε n n n ⋅ ∑ x −  ∑ xi    i =1  i =1  n 2 i 2 Cu cât aceste erori ale parametrilor modelului sunt mai mici în raport cu valorile absolute ale parametrilor pe care îi caracterizează. cu valorile teoretice. Preda.

Se determină valoarea calculată a testului. Modele econometrice aplicate. în func ie de numărul de observa ii. 4.zi = xi − m σ 3. Valorile respective se iau din tabele în func ie de nivelul de semnifica ie al testului. Se compară d cu valorile tabelare şi pot rezulta trei situa ii: 11 C. notate dL şi dU . astfel: 2 χc= ∑ i =1 k (ni − npi )2 npi 6. Dacă valoarea calculată este mai mică sau cel mult egală cu valoarea tabelară. după rela ia: ∑ (ε i − ε i−1 ) d= i=2 n 2 ∑ ε i2 i =1 n Se determină din tabelele statistice aferente testului Durbin – Watson două valori tabelare. Valoarea calculată a testului χ2 se compară cu valoarea tabelară corespunzătoare. precum şi în raport de numărul de variabile factoriale. rezultă că ipoteza de normalitate a variabilei aleatoare se acceptă şi modelul este corect. d. Se determină o valoare calculată χ2c . fie în sensul creşterii volumului eşantionului de date pe care se face analiza. α. N. 25 – 26 24 . Editura Mirton. pag. Verificarea unei alte ipoteze ini iale a modelului. Se determină din tabelul Laplace valorile ϕ(zi) corespunzătoare. Se calculează valorile teoretice pi = ϕ(zi) – ϕ(zi–1). rezultă că ipoteza de normalitate a variabilei aleatoare se respinge şi modelul nu respectă condi ia ini ială impusă. 5. iar dacă valoarea calculată este mai mare decât valoarea tabelară. cea referitoare la autocorelarea variabilei aleatoare se realizează cu ajutorul testului Durbin – Watson11. Timişoara. una inferioară şi alta superioară. În această a doua situa ie sunt necesare corec ii. care presupune parcurgerea următoarelor etape: Se stabileşte ipoteza nulă H0 conform căreia variabila aleatoare este autocorelată. Chilărescu. fie în sensul suplimentării factorilor de influen ă. 1994. k (care în cazul modelului unifactorial este egal cu unu).

Fifth Edition.12 În prima situa ie. r va fi un estimator al coeficientului de corela ie ρ care arată intensitatea legăturii între εi şi εi-1 13 şi se determină cu rela ia: r= i =2 ∑ ε i ⋅ ε i −1 i =1 n ∑ εi n 2 Dacă valoarea lui r este cunoscută. după cum urmează: Având în vedere faptul că variabila aleatoare este autocorelată. În această situa ie. Editura Mirton. rareori. având în vedere faptul că. adică valorile variabilei aleatoare sunt dependente una fa ă de cealaltă. Algoritmul de corectare 12 13 C. Deoarece variabila aleatoare este autocorelată. Preda. εi-1 ) există o rela ie care poate fi descrisă cu ajutorul unei func ii de regresie de forma: εi = r⋅ εi-1 + ui unde r este panta dreptei de regresie. – dacă dL ≤ d ≤ dU. însă. 2006 W. ceea ce implică faptul că şi înregistrările de date în eşantioane sunt dependente unele de altele şi modelul trebuie corectat. iar ui este perturba ia aferentă acestei func ii. ceea ce implică faptul că şi înregistrările de date în eşantioane au fost independente. Pentru rigurozitate ştiin ifică. pag. – dacă d > dU. Prentice Hall. 2003. înseamnă că între fiecare pereche de valori (εi. este de preferat să se tragă concluziile după compararea lui d cu valorile tabelare aferente testului Durbin – Watson. modelul este corect din punct de vedere statistic. C. Timişoara. valorile tabelare ale acestui test depăşesc valoarea 2 se spune că dacă valoarea calculată d este mai mare decât 2. se parcurge un algoritm de corec ie. atunci modelul este corect. înseamnă că ipoteza autocorelării variabilei aleatoare se acceptă. se poate ajusta regresia liniară simplă astfel încât parametrii modelului să fie eficien i.H.– dacă d < dL. Şipoş. 268 – 271 25 . În practica econometrică. Econometrie. adică valorile variabilei aleatoare sunt independente între ele. Greene. cea în care modelul trebuie corectat. înseamnă că ipoteza autocorelării variabilei aleatoare se respinge. testul este neconcludent şi trebuie refăcut pe alte eşantioane de date. Econometric Analysis.

Se alege reparti ia utilizată pentru efectuarea testului şi nivelul de semnifica ie α. Etapa II. x şi ε. se poate spune că. de fapt. conform căreia împrăştierea $ valorilor ajustate ale variabilei rezultative yi datorită influen ei variabilei factoriale nu diferă semnificativ de împrăştierea aceloraşi valori datorită întâmplării. Rubinfeld. Pindyck. cit. Se stabileşte ipoteza nulă. la momentul i – 1 este valabilă rela ia: yi-1 = α + β ⋅ xi-1 + εi-1 Înmul ind ecua ia cu r şi scăzând-o din ecua ia ini ială a modelului. cu variabila aleatoare cu o distribu ie independentă de medie nulă şi varian ă constantă. O altă modalitate de testare statistică o constituie testul Fisher de verificare a varia iei variabilei rezultative. xi* şi ui sunt diferen ele generalizate ale lui y. Astfel. op. care conduce la un model în care valorile variabilei aleatoare sunt independente între ele.L. iar etapele următoare ale testului o vor confirma sau o vor infirma. se ob ine func ia corectată. D. H0. iar parametrul α din ecua ia originală se va ob ine prin împăr irea valorii estimate ob inute la 1 – r. definite de rela iile: yi* = yi – r ⋅ yi-1 xi* = xi – r ⋅ xi-1 ui = εi – εi-1 Aplicând metoda celor mai mici pătrate se ob in parametri nedistorsiona i şi eficien i. Reparti ia pe baza căreia se realizează acest test este cea cunoscută sub numele de reparti ia Fisher – Snedecor. presupunând că modelul analizat este valabil pentru orice moment luat în considerare. conform rela iei: yi* = α (1 – r)+ β ⋅ xi* + ui unde yi*. care stabileşte capacitatea modelului de a reconstitui valorile empirice ale variabilei rezultative yi prin intermediul $ valorilor estimate yi . 161 – 162 26 . că modelul este irelevant.S. 14 R. pag.implică utilizarea metodei diferen elor generalizate14.. Această ipoteză presupune. Această verificare se realizează prin parcurgerea mai multor etape: Etapa I.

Etapele verificării semnifica iei parametrilor cu ajutorul testului Student sunt următoarele: Etapa I. ceea ce înseamnă că modelul a rezistat verificării. Se alege valoarea tabelară sau critică (Ft) din tabelul reparti iei Fisher – Snedecor în func ie de nivelul de semnifica ie α şi de numărul de grade de libertate. Se determină valorile calculate ale testului Student pentru fiecare parametru în parte. Pentru a cerceta dacă parametrii ob inu i în urma aplicării metodei celor mai mici pătrate sunt consisten i se utilizează testul Student de verificare a semnifica iei parametrilor modelului. ca raport între valoarea absolută a parametrului estimat şi eroarea sa standard. Ceea ce interesează în mod deosebit este semnifica ia parametrului corespunzător variabilei factoriale. după rela ia: 2 sy / x Fc = sε2 Etapa IV. depinde de împrăştierea variabilei aleatoare şi de împrăştierea valorilor variabilelor factoriale. conform rela iilor: 27 . Se stabileşte ipoteza nulă H0 conform căreia parametrii ˆ ˆ estima i α şi β nu diferă semnificativ de zero. Se compară valoarea calculată Fc cu valoarea tabelară Ft şi pot rezulta două situa ii: – dacă Fc ≤ Ft. Se stabileşte nivelul de semnifica ie al testului. ipoteza nulă se respinge cu probabilitatea p = 1 – α. notat cu α . fie în sensul optării pentru o altă formă a func iei de regresie. ipoteza nulă se acceptă cu probabilitatea p = 1 – α. fie în sensul alegerii altui factor de influen ă. Etapa V. Se determină valoarea calculată (Fc) ca raport între estimatorul varian ei explicate s2y/x şi estimatorul varian ei reziduale sε2. Acest lucru înseamnă că se porneşte de la presupunerea că modelul este irelevant. Etapa III. Media estimatorului fiecărui parametru. ceea ce înseamnă că modelul trebuie reconsiderat. este mărimea reală a parametrului. – dacă Fc > Ft. în cazul unei estima ii eficiente. adică variabila factorială are o influen ă semnificativă asupra variabilei rezultative. Varian a estimatorului fiecărui parametru. Etapa II. β. dată fiind importan a lui în măsurarea influen ei acesteia asupra evolu iei variabilei rezultative. în ipoteza unei estima ii nedistorsionate.Etapa III.

Modele unifactoriale neliniare De multe ori. această nesiguran ă dispare şi. tβ > tcritic). iar modelul este corect din punct de vedere statistic. în raport cu mărimea lor. chiar dacă nu există certitudini. Parcurgerea tuturor acestor etape ale verificării statistice a modelului unifactorial liniar. Se determină din tabelul aferent reparti iei Student valoarea tabelară a variabilei standardizate (tcritic) în func ie de ν = n – 1 grade de libertate şi de probabilitatea α/2. În aceste situa ii trebuie găsite func iile matematice corespunzătoare tipului de curbă sugerată de reprezentarea grafică. fie găsirea unei noi forme a legăturii. datele nu confirmă existen a legăturii între variabila factorială şi cea rezultativă. În aceste condi ii. fiind necesară fie alegerea altui factor de influen ă. “norul de puncte” sugerează diverse curbe. Se compară valorile calculate cu valoarea tabelară şi. În urma verificărilor. Linia dreaptă nu poate fi utilizată pentru a descrie orice legătură. poate conduce la ideea unei anumite nesiguran e privind calitatea rezultatelor ob inute. concluzia la care se ajunge este cea adevărată. – dacă nivelul calculat al ambilor parametri ai modelului este mai mare decât valoarea critică (tα . rezultă următoarele situa ii: – dacă nivelul calculat al ambilor parametri ai modelului este mai mic sau cel mult egal cu valoarea critică (tα .2. în multe cazuri. deoarece. Etapa V. există convingerea că. tβ < tcritic). în economie. 2. pentru o probabilitate suficient de mare. ipoteza nulă se acceptă şi se ˆ ˆ poate spune cu probabilitatea p = 1 – α că estimatorii α şi β nu diferă semnificativ de zero. ipoteza nulă se respinge şi se poate spune ˆ ˆ cu probabilitatea p = 1 – α că estimatorii α şi β diferă semnificativ de zero. dependen a dintre două variabile nu este de tip liniar.tα = ˆ α sα ˆ β tβ = sβ Etapa IV. însă. adică parametrii estima i sunt semnificativi. 28 . ci urmează diverse func ii analitice neliniare.

1) sunt egali (R = ρ ). modelul parabolic şi modelul exponen ial. În principiu. Modelul hiperbolic Ajustarea cu ajutorul hiperbolei se utilizează atunci când “norul de puncte” urmează o traiectorie de tip hiperbolă.Existen a sau absen a unei legături liniare între variabila rezultativă y şi variabila factorială x se probează cel mai simplu prin verificarea egalită ii dintre raportul de corela ie R şi valoarea absolută a coeficientului de corela ie liniară simplă. nu este constantă pentru orice valoare a lui x. – dacă cei doi parametri sunt diferi i (R ≠ ρ ). dependen a dintre cele două variabile poate fi inversă sau directă. legătura este neliniară. dată de parametrul β. iar reprezentarea grafică este de forma: yi β>0 α β<0 0 Figura 1. în alegerea formei func iei de regresie au un rol important.2. Estimarea parametrilor unei astfel de func ii se realizează fie direct prin metoda celor mai mici pătrate. pe lângă cunoştin ele teoretice şi procedeele econometrice. În afara acestui procedeu. legătura este liniară. În econometrie. astfel: – dacă cei doi parametri ai corela iei (prezenta i în paragraful 3. fie prin diverse transformări care duc la liniarizarea func iei. o func ie de regresie neliniară este acea func ie a cărei pantă. 2. În acest caz. şi experien a practică şi rezultatele cercetărilor similare. fie prin utilizarea unor metode numerice de estimare. ρ.1. Reprezentarea grafică a func iei hiperbolice 29 xi . cele mai cunoscute şi mai des întâlnite modele unifactoriale neliniare sunt: modelul hiperbolic.1.

creşte asimptotic către o valoare reală dată de parametrul α. În func ie de reprezentarea grafică a legăturii. ob inut conform algoritmului prezentat în cazul modelului unifactorial liniar. 30 . astfel: ' yi = α + β ⋅ xi' + ε i În aceste condi ii. y= β α+ 1 x . fapt ilustrat şi de figura 1. prin utilizarea transformării de variabilă: xi = Modelul devine. xi Parametrii α şi β ai modelului pot fi estima i cu ajutorul metodei celor mai mici pătrate. respectiv. este:  n ⋅ α + β ⋅ n x' = n y ˆ ˆ ∑ i ∑ i  i =1 i =1   2 n n n ˆ α ⋅ ∑ x' + β ⋅ ∑ x' = ∑ x' ⋅ y ˆ i i i  i =1 i i =1 i =1  ( ) ( ) Ajustarea prin hiperbolă se recomandă atunci când variabila rezultativă y scade. Verificarea statistică a modelului şi discu iile referitoare la homoscedasticitatea variabilei aleatoare sunt similare cu cele prezentate la modelul unifactorial liniar. sistemul de ecua ii care conduce la valorile estimate ale parametrilor α şi β . pot fi utilizate variante β ale func iei hiperbolice.Modelul hiperbolic are la bază următoarea ecua ie: yi = α + β ⋅ 1 + εi xi 1 . care au la bază diverse ecua ii: y =α ⋅e x . y= 1 α +β ⋅x etc. Analiza de corela ie în cazul modelului hiperbolic se realizează cu ajutorul raportului de corela ie R şi a coeficientului de determina ie simplă R2.

pentru estimarea parametrilor α. Pentru exprimarea modelului parabolic se utilizează func ia de gradul doi. este folosit. β1 şi β2 se poate aplica metoda celor mai mici pătrate. atunci când ritmul de evolu ie al caracteristicii urmează o curbă de tip U. numit şi modelul pătratic. de regulă. Modelul parabolic Acest model. după rela ia: yi = α + β1⋅xi +β2⋅xi2 + εi Reprezentarea grafică a unei func ii parabolice este următoarea: yi β2 > 0 β2 < 0 0 xi Figura 2. rezultând următorul sistem de trei ecua ii cu trei necunoscute: n ⋅ α + β ⋅ n x + β ⋅ n x 2 = n y ˆ ˆ1 ∑ i ˆ 2 ∑ i ∑ i  i =1 i =1 i =1  n n n n  ˆ ˆ ˆ α ⋅ ∑ xi + β 1 ⋅ ∑ xi2 + β 2 ⋅ ∑ xi3 = ∑ xi yi  i =1 i =1 i =1  i=1 α ⋅ n x 2 + β ⋅ n x 3 + β ⋅ n x 4 = n x 2 y ˆ ∑ ˆ ∑ ˆ ∑ i i 1 i 2 i  i∑ i i =1 i =1 i =1  =1 31 .2.2. cu vârfurile în jos sau în sus.2. Reprezentarea grafică a func iei parabolice Şi în cazul acestei func ii.

la rândul său.Dacă β2 > 0.2. foarte multe variante de exprimare. vârful parabolei este dat de maximul func iei (parabola este cu ramurile în jos). Ecua ia modelului este de forma: yi = α ⋅ β x i Reprezentarea grafică a func iei exponen iale este dată de figura 3: yi β>1 0<β<1 0 xi Figura 3. Reprezentarea grafică a func iei exponen iale 32 . Verificarea statistică a modelului şi discu iile referitoare la homoscedasticitatea variabilei aleatoare sunt. de asemenea. 2. y = α + β ⋅ x2 . y = α ⋅ e β ⋅x+ β ⋅x . similare cu cele prezentate la modelul unifactorial liniar. are la bază determinarea şi interpretarea raportului de corela ie R şi a coeficientului de determina ie simplă R2. y = α + β 1 ⋅ lg x + β 2 ⋅ (lg x )2 etc. cum 1 2 ar 2 fi: lg y = α + β 1 ⋅ x + β 2 ⋅ x 2 . de tip exponen ial. Analiza de corela ie în cazul modelului parabolic. vârful parabolei va fi dat de minimul func iei (parabola este cu ramurile în sus). Modelul exponen ial Este utilizat atunci când “norul de puncte” are un trend curbiliniu crescător sau descrescător. similar cu modelul hiperbolic.3. Modelul parabolic are. iar dacă β2 < 0.

ca şi în celelalte cazuri neliniare. β ⋅x α + β ⋅x 33 . importan a deosebită a modelului unifactorial liniar. cum ar fi: y = α ⋅ e . în primul rând. y = e etc. astfel: log yi = log α + xi ⋅ log β Apoi. În afara acestor tipuri de modele neliniare simple. Analiza de corela ie în cazul modelului exponen ial. se realizează prin determinarea şi interpretarea raportului de corela ie R şi a coeficientului de determina ie simplă R2. atunci când unei varia ii în progresie aritmetică a variabilei factoriale x îi corespunde o varia ie în progresie geometrică a variabilei rezultative y. însă. care ac ionează simultan. în func ie de modul de dispunere a punctelor din reprezentarea grafică. principalul dezavantaj al unui model unifactorial este acela că ia în considerare prea pu ine variabile factoriale. se aplică metoda celor mai mici pătrate şi se ob ine sistemul de ecua ii: n ⋅ log α + log β ⋅ n x = n (log y ) ˆ ∑ ˆ ∑ i i  i =1 i =1  n n n ˆ log α ⋅ ∑ xi + log β ⋅ ∑ xi2 = ∑ ( xi ⋅ log yi ) ˆ i =1 i =1 i =1  Acest model se utilizează. Verificarea statistică a modelului şi discu iile referitoare la homoscedasticitatea variabilei aleatoare sunt.În cazul acestei func ii. pentru a estima parametrii α şi β este necesar. la rândul său. fapt pentru care este necesar să se apeleze la modele care studiază dependen a dintre variabila rezultativă şi mai mul i factori de influen ă. numeroase variante de exprimare. Cu toate acestea. deoarece aproape toate modelele se raportează la acesta într-o formă sau alta. similar cu celelalte modele neliniare. Trebuie observată. similare cu cele prezentate la modelul unifactorial liniar. Modelul exponen ial are. să se liniarizeze func ia prin logaritmare. pot fi luate în considerare multe altele. de obicei.

Care sunt etapele testului Durbin-Watson? 4. Cum se interpretează valorile parametrilor α şi β ale modelului liniar unifactorial? 2. Care sunt principalele tipuri de modele unifactoriale neliniare? 34 .ÎNTREBĂRI TEORETICE DE AUTOEVALUARE LA CAPITOLUL 2: 1. Ce reprezintă verificarea statistică a modelului econometric? 3.

Estimarea parametrilor regresiei liniare multiple se realizează tot cu metoda celor mai mici pătrate. βk sunt parametrii modelului. α.CAPITOLUL 3. Astfel. x1i. 3. În aceste condi ii.1. 35 . de orice natură ar fi ea. deoarece sunt omise din analiză variabile factoriale cu impact semnificativ asupra variabilei rezultative. Prezentarea modelului şi estimarea parametrilor Func ia de regresie care stă la baza modelului multifactorial liniar este de forma: yi = α + β 1⋅ x1i + β2⋅ x2i + … + βk⋅ xki + ε în care: yi reprezintă valorile variabilei rezultative. corespunzători variabilelor factoriale x1i. β1. …. variabila aleatoare nu mai are comportamentul presupus de către ipotezele ini iale ale modelului şi. drept urmare. estimatorii ob inu i nu sunt de calitate (deplasa i. de medie nulă (E(εi) = 0) şi de varian ă constantă şi diferită de zero (homoscedastică). deseori. xki sunt valorile variabilelor factoriale luate în considerare. • variabila aleatoare sau reziduală εi este de distribu ie normală.1. Aplicarea ei porneşte de la aceleaşi ipoteze fundamentale: • datele privind variabila rezultativă şi variabilele factoriale sunt ob inute fără erori de observare sau măsurare. În marea majoritate a cazurilor. Modelul multifactorial liniar 3. εi este variabila aleatoare sau reziduală. xki. …. variabilele economice sunt rezultanta îmbinării mai multor factori importan i la care se adaugă şi influen a unor factori nesemnificativi sau necuantificabili. modelele unifactoriale nu reuşesc să respecte restric iile impuse de metodele de estimare a parametrilor. x2i. x2i. …. neconsisten i. să depindă semnificativ de un singur factor de influen ă.1. în activitatea socio–economică se întâmplă destul de rar ca o variabilă. utilizată şi la modelele unifactoriale. ineficien i). MODELE ECONOMETRICE MULTIFACTORIALE Rezumat: Problema fundamentală a modelelor unifactoriale este dată de faptul că.

.. ….. β1... xki. β estimatorii parametrilor α. rezultând rela iile: ˆ ˆ ˆ ˆ − 2 ∑ yi − α − β 1 x1i − β 2 x 2i − .. β 1 ˆ . …. − β k xki = 0 i =1 n ( ) ˆ ˆ ˆ ˆ − 2 ∑ x1i yi − α − β1 x1i − β 2 x2i − . Ceea ce interesează. valorile variabilei aleatoare εi prin ridicare la pătrat. βk. însă.. adică cele mai mici erori de estimare. x2i.. β 1 . iar α . • valorile variabilei aleatoare nu sunt autocorelate. încât să fie valabilă următoarea rela ie: ∑ ε i2 = minim i =1 n În acest scop. − βk xki = 0 i =1 n [ ( )] 36 .. conduc la ob inerea expresiei: 2 2 ˆ ˆ ˆ y ∑ ε i = ∑ ( yi − ˆ i ) = ∑ yi − α − β1 ⋅ x1i − . urmată de însumarea acestora.. deoarece aceasta ne conduce la minim (demonstra ia afirma iei este similară cu cazul unifactorial).... obiectivul urmărit este ob inerea unei astfel de solu ii pentru parametri.. − β k ⋅ xki i =1 i =1 n n n i =1 ( ) 2 în care $ yi reprezintă valorile estimate ale variabilei rezultative corespunzătoare 1 ˆ ˆ nivelurilor variabilelor factoriale x1i.. β k conduce la valori diferite pentru suma pătratelor erorilor de estimare. Ob inerea unor valori diferite pentru ˆ .. xki.• variabila aleatoare εi urmează o distribu ie independentă de valorile variabilelor factoriale x1i. x2i. condi ia necesară este ca derivatele par iale ale sumei ˆ ˆ date în raport cu α . …. Conform principiului metodei celor mai mici pătrate. β k sunt parametrii estima i ˆ ˆ ˆ α . β k să fie egale cu zero. • variabilele factoriale nu sunt corelate liniar unele fa ă de celelalte (ipoteza absen ei multicoliniarită ii). este ob inerea acelui set de estimatori ai parametrilor modelului care determină cea mai mică sumă... Aşadar.

.+ β n xk = n y ˆ ∑ ˆ ˆ1 ∑ i ˆ 2 ∑ i ∑ i k i  i=1 i=1 i=1 i=1  n n n n n ˆ ˆ ˆ α ∑ x1i + β1 ∑ x1i2 + β2 ∑ x1i ⋅ x2i + .... Din punct de vedere economic. Similar cu modelul unifactorial. iar varian a fiecărui estimator este cea mai mică posibilă în raport cu numărul de eşantioane.... Estima ia termenului liber α.+ βk ∑ xki2 = ∑ xki ⋅ yi ˆ i=1 i=1 i=1 i=1  i=1   În urma rezolvării acestui sistem se ob in valorile estimate ale ˆ ˆ parametrilor modelului α .. β 1 ˆ .. − β k xk i = 0 i =1 n )] Din rela iile anterioare rezultă sistemul de k + 1 ecua ii cu k + 1 necunoscute: nα + β n x1 + β n x2 + ..+ βk ∑ x1i ⋅ xki = ∑ x1i ⋅ yi ˆ i=1 i=1 i=1 i=1  i=1 n n n n  n  ˆ ˆ ˆ ˆ α ∑ x2i + β1 ∑ x1i ⋅ x2i + β2 ∑ x2i2 + . arată nivelul variabilei rezultative atunci când toate variabilele de influen ă (x1i. această valoare are relevan ă numai atunci când variabila rezultativă poate lua valori diferite de zero şi în condi iile în care toate variabilele factoriale sunt nule. Informa iile oferite de parametrii de regresie se referă la cuantificarea efectelor varia iilor variabilelor factoriale luate în considerare asupra varia iei variabilei rezultative. xki) au valoarea zero.+ βk ∑ x2i ⋅ xki = ∑ x2i ⋅ yi  i=1 i=1 i=1 i=1  i=1 M  n n n n n ˆ ˆ ˆ α ∑ xki + β1 ∑ x1i ⋅ xki + β2 ∑ x2i ⋅ xki + . …. Dacă este vorba însă de variabile 37 ..ˆ ˆ ˆ ˆ − 2 ∑ x 2i yi − α − β1 x1i − β 2 x 2i − .... estimatorii determina i cu metoda celor mai mici pătrate corespund obiectivului urmărit dacă valoarea aşteptată pentru fiecare estimator este egală cu valoarea reală a parametrului.. x2i. − β k xki = 0 i =1 n [ ( [ ( )] M ˆ ˆ ˆ ˆ − 2 ∑ xk i yi − α − β 1 x1i − β 2 x 2i − . β k . similar cu ceea ce s-a prezentat la modelul unifactorial..

βk se realizează tot cu ajutorul metodei celor mai mici pătrate. 38 . x3.. variabila rezultativă y variază cu o valoare subunitară). în condi iile în care to i ceilal i factori sunt constan i. …. iar x2. rezultând următorul sistem de k ecua ii cu k necunoscute: β n x12 + β n x1 ⋅ x2 + . atunci variabila rezultativă y variază direct propor ional cu varia ia variabilei factoriale x1. conform rela iei: yi = β1⋅ x1i + β2⋅ x2i + … + βk⋅ xki + εi Estimarea parametrilor β1. atât în cazul modelului cu termen liber. β2.. scade şi y). arată cu cât variază variabila rezultativă atunci când factorul de influen ă corespunzător parametrului respectiv variază cu o unitate. cât şi în cazul modelului fără termen liber. Dacă β1 > 0. β k. Acest lucru se realizează prin construirea unei ecua ii liniare multiple fără termen liber. β2. valoarea lui β1 arată cu cât se modifică variabila rezultativă y atunci când x1 se modifică cu o unitate. atunci termenului liber α nu are relevan ă economică şi trebuie eliminat din func ie.+ βk ∑ x2i ⋅ xki = ∑ x2i ⋅ yi  i=1 i=1 i=1  i=1 M  n n n n ˆ ˆ ˆ β ∑x1 ⋅ xk + β ∑ x2 ⋅ xk + . Când β1 este pozitiv se pot distinge trei situa ii: dacă β 1 < 1. dacă β1 = 1.+ β n x1 ⋅ xk = n x1 ⋅ y ˆ ˆ ∑ ˆ ∑ ∑ i i 2 i i k i i  1 i∑ i =1 i=1 i=1 i=1  n n n n ˆ ˆ ˆ β1 ∑x1i ⋅ x2i + β2 ∑x2i2 + . Din acest motiv parametrul β1 mai este numit efectul par ial al ac iunii variabilei x1 asupra lui y.. dacă β 1 > 1. iar când x1 are evolu ie descrescătoare. De exemplu. variabila rezultativă y variază cu o valoare supraunitară). atunci influen a variabilei factoriale asupra celei rezultative este mai slabă (la varia ia cu o unitate a variabilei factoriale x1. atunci legătura dintre variabila factorială x1 şi variabila rezultativă y este directă (când x1 are evolu ie crescătoare... creşte şi y. atunci influen a variabilei factoriale asupra celei rezultative este foarte puternică (la varia ia cu o unitate a variabilei factoriale x1.+ β ∑ xk2 = ∑xk ⋅ y 1 i i 2 i i k i i i  i=1 i=1 i=1 i=1  Estima iile parametrilor β1.fundamentale. xk sunt constante. …. în absen a cărora variabila rezultativă nu există. …..

În principiu. iar când x1 evoluează descrescător. variabila rezultativă y este complet independentă în raport cu variabila factorială x1. unele dintre ele similare cu modelul unifactorial: Determinarea erorilor standard. care în mare parte se bazează pe metode statistice similare cu cele utilizate în cazul modelului unifactorial. …. β1. β3. modelul a fost elaborat astfel încât să aproximeze cât mai bine realitatea economică studiată. β2. se notează sε şi se determină după rela ia: 39 .1. precum şi a coeficien ilor de corela ie şi determina ie par ială . y are o evolu ie crescătoare. În situa ia în care β1 = 0. y are o evolu ie descrescătoare. …. Aşa cum s-a arătat la modelul unifactorial. Erorile standard reprezintă abateri ale valorilor estimate de la valorile reale şi se determină astfel: $ 1. sensul şi intensitatea legăturii dintre variabila rezultativă şi variabilele factoriale. Măsura în care s-a reuşit acest lucru se determină în cadrul etapei de verificare statistică a modelului multifactorial. caz în care se numeşte eroare standard a modelului multifactorial. Ob inerea valorilor estimate ale parametrilor α. Dacă modelul multifactorial con ine variabile calitative. 3.2. Similar se interpretează şi valorile lui β2. βk. a coeficientului de determina ie multiplă. Ca abatere a valorilor estimate ale variabilei rezultative yi fa ă de cele reale yi.Dacă β1 < 0. datorită faptului că estimarea parametrilor modelelor se realizează pe seama unor eşantioane de date. Verificarea statistică a modelului multifactorial Prin analiza de regresie şi corela ie a modelului multifactorial s-au stabilit forma. această etapă de verificare a modelelor de regresie pe baza unor teste statistice este absolut necesară. Setul de metode statistice care stă la baza verificării unui model multifactorial con ine mai multe componente. mai mult sau mai pu in reprezentative. de sens contrar – când x1 evoluează crescător. se utilizează metodele neparametrice de măsurare a intensită ii legăturii. Analiza corela iei în cazul modelului multifactorial liniar cu variabile cantitative se realizează cu ajutorul raportului de corela ie multiplă. βk înseamnă finalizarea analizei de regresie a modelului multifactorial liniar. atunci legătura dintre variabila factorială x1 şi variabila rezultativă y este inversă.

pag. βk.. cu atât modelul aproximează mai corect realitatea economică studiată. 1994. cu atât valorile estimate ale parametrilor respectivi sunt mai apropiate de cele reale. Dacă se notează elementele respective cu cjj. β2. Econometrie. 2. În principiu. determinarea erorilor standard ale parametrilor α. Efectuarea testului χ2 presupune parcurgerea următoarelor etape: 15 E. atunci eroarea standard a parametrului βj se determină conform rela iei15: sβ = sε ⋅ c jj j Cu cât aceste erori sunt mai mici în raport cu valorile absolute ale parametrilor pe care îi caracterizează (|β j|). ni. β2. Pentru modelele multifactoriale. prezentată în etapa formulării ipotezelor ini iale. β k de la valorile lor reale α. fapt pentru care utilitatea acesteia constă mai degrabă în a sta la baza la determinării altor parametri statistici de validare a modelului. Condi ia de normalitate a variabilei aleatoare εi. Erorile standard ale parametrilor depind de eroarea standard a func iei de regresie sε şi de varian ele variabilelor factoriale x1. Aceste varian e sunt date de elementele de pe diagonala inversei matricei asociate sistemului de ecua ii al modelului. ataşate valorilor variabilei aleatoare. Bucureşti.xk . …. Pecican. cu cât această eroare este mai mică în raport cu valorile variabilei rezultative. unde j = k + 1. Editura ALL.n 1 2 $ sε = ∑ ( yi − yi ) ( n − k − 1) i =1 unde k reprezintă numărul de variabile factoriale. β 2 . x2 . interpretarea calită ii modelului în func ie de valoarea erorii standard a regresiei este destul de relativă. care constă în compararea frecven elor absolute efective. Aşa cum s-a arătat şi în cazul modelului unifactorial. … . β 1 .. β1. se consideră că. Ca abateri ale valorilor estimate ale parametrilor func iei de regresie ˆ ˆ ˆ ˆ α . se poate verifica cu ajutorul testului χ2. β1. caz în care se numesc erori standard ale parametrilor modelului şi se determină pentru fiecare parametru în parte. βk este pu in mai dificilă decât în cazul modelului unifactorial. …... pi. 75 – 82 40 . cu valorile teoretice.

Se determină. Etapa 5. Etapa 4. ale cărui etape au fost prezentate pe larg pe cazul modelului unifactorial. x2. prin care se presupune că distribu ia variabilei aleatoare este normală. Etapa 2. Se determină valoarea calculată F ca raport între estimatorul varian ei explicate (s2y/x1. În această a doua situa ie sunt necesare corec ii. …. conform rela iei: zi = εi − m σ Etapa 3. astfel: 41 . cea referitoare la autocorelarea variabilei aleatoare se realizează cu ajutorul testului Durbin – Watson. Se calculează valorile teoretice pi = ϕ(zi) – ϕ(zi–1). Dacă valoarea calculată este mai mică sau cel mult egală cu valoarea tabelară. fie în sensul suplimentării factorilor de influen ă. Se alege nivelul de semnifica ie α. Se formulează ipoteza nulă H0. Se calculează valorile standardizate zi. rezultă că ipoteza de normalitate a variabilei aleatoare se acceptă şi modelul este corect. iar dacă valoarea calculată este mai mare decât valoarea tabelară. Verificarea unei alte ipoteze ini iale a modelului.Etapa 1. Etapa 3. din tabelul Laplace. Se determină o valoare calculată χ2c . xk) şi estimatorul varian ei reziduale (sε2). conform căreia împrăştierea $ valorilor ajustate ale variabilei rezultative yi datorită factorilor de influen ă nu diferă semnificativ de împrăştierea aceloraşi valori datorită întâmplării. rezultă că ipoteza de normalitate a variabilei aleatoare se respinge şi modelul nu respectă condi ia ini ială impusă. Testarea capacită ii modelului de a reconstitui valorile reale ale variabilei rezultative prin intermediul valorilor estimate se realizează astfel: Etapa 1. Testul Fisher de analiză a varia iei variabilei rezultative verifică modalitatea în care modelul reuşeşte să conducă la reconstituirea valorilor $ empirice ale variabilei rezultative yi prin intermediul valorilor estimate yi . Etapa 2. astfel: χ2c = ∑ i =1 k (ni − npi )2 npi Valoarea calculată a testului χ2 se compară cu valoarea tabelară corespunzătoare. fie în sensul creşterii volumului eşantionului de date pe care se face analiza. valorile ϕ(zi) corespunzătoare. Se stabileşte ipoteza nulă H0.

Efectul de multicoliniaritate face practic imposibilă interpretarea estimatorilor parametrilor modelului. C. – dacă F > Fcritic. însă.. deoarece erorile standard devin foarte mari. O altă ipoteză importantă a metodei celor mai mici pătrate referitoare la modelele multifactoriale este aceea că variabilele factoriale nu sunt corelate liniar între ele. nu mai poate fi cuantificat efectul unei variabile factoriale xk asupra variabilei rezultative y. efectul se determină. ceea ce înseamnă că modelul trebuie reconsiderat. Dacă există o astfel de rela ie liniară între două sau mai multe variabile factoriale din cadrul modelului.. fiind corelate între ele. Şipoş. fie în sensul alegerii altor factori de influen ă sau a suplimentării lor. De asemenea.. Estimatorii corespunzători variabilelor corelate între ele nu mai pot fi defini i şi interpreta i. xk y sε2 Etapa 4. Nu s-au elaborat până la ora actuală teste statistice suficient de sigure de determinare a multicoliniarită ii. prin calcularea coeficien ilor de corela ie liniară între variabilele factoriale. De aceea. x 2 . valorile coeficien ilor de corela ie liniară sunt apropiate de unu. deoarece celelalte variabile factoriale nu sunt constante când aceasta variază.F = s 2 / x 1 . ceea ce înseamnă că modelul a rezistat verificării. Se alege valoarea critică Fcritic din tabelul reparti iei Fisher – Snedecor în func ie de nivelul de semnifica ie α şi de numărul de grade de libertate. multicoliniaritatea nu există sau este foarte slabă. apare efectul de multicoliniaritate16. ipoteza nulă se respinge cu probabilitatea p = 1 – α. 2006 42 . Etapa 5. Timişoara.. Econometrie. fie în sensul optării pentru o altă formă a modelului. fiind util analizei şi previzionării variabilei rezultative. ceea ce afectează semnificativ calitatea estimatorilor. chiar dacă ei matematic pot fi calcula i pe baza ecua iilor sistemului rezultat în urma aplicării metodei celor mai mici pătrate. efectul există şi trebuie înlăturat. În aceste condi ii. Dacă valorile acestor coeficien i sunt nule sau foarte apropiate de zero. existen a multicoliniarită ii într-o măsură semnificativă 16 C. Dacă. cel mai adesea. Editura Mirton. ipoteza nulă se acceptă cu probabilitatea p = 1 – α. Preda. Se compară valoarea calculată F cu valoarea critică Fcritic şi pot rezulta două situa ii: – dacă F < Fcritic.

variabilele factoriale nu sunt complet independente unele de celelalte... însă. Eliminarea efectelor multicoliniarită ii se face cel mai sigur prin eliminarea variabilelor factoriale corelate (eventual. numai dacă modelul cuprinde suficient de multe variabile factoriale. Etapa 3. Pentru aceasta se calculează estimatorii varian elor acestor parametri 2 sβ ˆ k în func ie de varian a variabilei aleatoare sε2 şi de varian ele variabilelor factoriale. β 2 . O altă modalitate de evitare a multicoliniarită ii este segmentarea eşantionului de date în mai multe păr i şi analizarea separată a fiecărei por iuni. Etapele verificării semnifica iei parametrilor cu ajutorul testului Student sunt următoarele: Etapa 1. Se stabileşte ipoteza nulă H0 conform căreia parametrii ˆ ˆ ˆ ˆ estima i α . Acest lucru este posibil. Problema care se pune este a gradului de multicoliniaritate peste care modelul devine ineficient. Un ultim test utilizat în cadrul acestei etape este testul Student de verificare a semnifica iei parametrilor modelului. întotdeauna într-un model econometric va exista un anumit efect de multicoliniaritate. conform rela iei: tβ = k ˆ βk sβ k 43 . β 1 . păstrarea uneia dintre ele şi eliminarea celorlalte). ca raport între valoarea absolută a parametrului estimat ˆ βk şi eroarea sa standard sβ k . Se stabileşte nivelul de semnifica ie al testului. Se determină valorile calculate ale testului Student tβ k pentru fiecare parametru în parte. în economie. dat fiind rolul lor în măsurarea impactului fiecărei variabile factoriale asupra evolu iei variabilei rezultative. Acest lucru înseamnă că. β k nu diferă semnificativ de zero. Calitatea parametrilor corespunzători variabilelor factoriale este foarte importantă. cu condi ia ca eşantioanele rezultate în urma segmentării să fie suficient de mari.. Etapa 2. De obicei.este semnalată şi de valorile mari ale erorilor standard ale parametrilor şi de nivelurile de semnifica ie mici ale acestora. α ..

Problema principală care trebuie rezolvată la ora actuală cu privire la utilizarea acestor instrumente computerizate este cea referitoare la alegerea func iei cele mai potrivite în raport cu fenomenul studiat. ipoteza nulă se respinge şi se poate spune cu probabilitatea p = 1 – α că to i estimatorii determina i cu metoda celor mai mici pătrate diferă semnificativ de zero. cu variabile cantitative şi calitative. În această situa ie. În aceste condi ii. ipoteza nulă se acceptă şi se poate spune cu probabilitatea p = 1 – α că estimatorii nu diferă semnificativ de zero şi rezultatul ob inut este întâmplător. – dacă unele valori calculate sunt mai mari decât nivelul critic. Astfel. pot rezulta trei situa ii: – dacă toate valorile calculate sunt mai mari decât nivelul critic ( t βk > tcritic). Se determină din tabelul aferent reparti iei Student valoarea tabelară a variabilei standardizate tcritic în func ie de ν = n – 1 grade de libertate şi de probabilitatea α/2.2. parametrii aferen i valorilor calculate mai mari decât nivelul critic sunt semnificativi şi trebuie păstra i în model. iar modelul este corect din punct de vedere statistic. a apărut posibilitatea utilizării unor modele mai complexe. Cel mai des întâlnite modele neliniare multiple care descriu evolu ia unor variabile economice sunt func iile exponen iale şi func iile de putere. Etapa 5. modelul se va reface în raport de variabilele factoriale rămase semnificative. fiind necesară fie alegerea altor factori. 44 . Se compară valoarea calculată cu valoarea tabelară şi. iar altele sunt mai mici. modelele multifactoriale neliniare pot fi de diverse forme. 3. în timp ce parametrii aferen i valorilor calculate mai mici decât nivelul critic sunt nesemnificativi şi trebuie elimina i din model. fie găsirea unei noi forme a legăturii. însă. liniare sau neliniare. care au la bază diverse tipuri de func ii. adică parametrii estima i sunt semnificativi. O dată. în raport cu mărimea lor. – dacă toate valorile calculate sunt mai mici decât nivelul critic ( tak < tcritic). Modele multifactoriale neliniare Modelele liniare au o largă aplicabilitate în econometrie datorită relativei uşurin e cu care parametrii acestor modele pot fi estima i şi interpreta i. cu dezvoltarea unor programe computerizate specializate.Etapa 4. datele studiate nu confirmă existen a legăturii între variabila rezultativă şi factorii de influen ă analiza i. în func ie de curba descrisă de graficul “norului de puncte”.

Ecua ia cea mai cunoscută care stă la baza unui model de putere este următoarea: y = α ⋅ x1 β1 ⋅ x2 β2⋅ …⋅ xk βk⋅ ε Liniarizarea unei astfel de func ii se realizează tot prin logaritmare. estimarea parametrilor func iei rezultate se poate realiza tot cu metoda celor mai mici pătrate. care pot fi estima i cu metoda celor mai mici pătrate. O func ie exponen ială multifactorială cunoscută este de forma: y = α ⋅ β1 x1 ⋅ β2 x2 ⋅ … ⋅ βk xk ⋅ ε Liniarizarea acestei func ii se realizează prin logaritmare: log y = log α + x1⋅ log β1 + … + xk⋅ log βk + log ε În acest fel.Func iile exponen iale pot fi. cele mai utilizate fiind cele care pot fi uşor liniarizate prin diverse transformări. A doua categorie de func ii multifactoriale neliniare sunt func iile de putere. log βk...⋅ e β xk ⋅ ε 1 2 k Liniarizarea acestei func ii se realizează prin logaritmare cu logaritm natural şi se ob ine: ln y = ln α + β 1⋅ x1 + β2⋅ x2 + … + β k⋅ xk + ln ε Din nou se ajunge la un model multifactorial liniar care poate fi analizat cu metodele cunoscute. 45 . log β1. rezultând o ecua ie de forma: log y = log α + β1 ⋅ log x1 + … + βk ⋅ log xk + log ε Similar cu func iile exponen iale. O altă func ie exponen ială utilizată destul de des în econometrie este de forma: y = α ⋅ e β x1 ⋅ e β x 2 ⋅ . în urma efectuării opera iunii de logaritmare. la rândul lor. …. modelul este unul multifactorial liniar cu parametrii log α. de diverse forme.

Pe lângă func iile liniarizabile există, însă, şi numeroase func ii neliniare care nu se pretează la liniarizare şi ale căror parametri trebuie estima i ca atare. Acest lucru, de obicei, este dificil de realizat cu metode mai simple, fapt pentru care se apelează la metodele computerizate specializate, iar analistul interpretează doar rezultatele ob inute. Func iile exponen iale şi cele de putere prezentate au o largă utilizare în econometrie, o aplica ie foarte cunoscută a lor constituind-o func iile de produc ie.

3.3. Func ii de produc ie
Un caz particular al func iilor multifactoriale de putere îl reprezintă un model bifactorial neliniar, care pune în eviden ă legătura la nivel macroeconomic dintre venitul ob inut şi factorii de produc ie fundamentali care concură la realizarea venitului respectiv. Acest model este cunoscut sub numele de func ia de produc ie Cobb – Douglas 17, după numele autorilor săi şi are la bază următoarea ecua ie: Y = L α⋅ K β în care: Y reprezintă venitul realizat la nivelul economiei na ionale pe timp de un an, cuantificat ini ial de către autori cu ajutorul venitului na ional, iar, mai recent, prin produsul na ional brut sau produsul intern brut ; L este for a de muncă utilizată în economie în timpul unui an, cuantificată prin cuantumul salariilor; K reprezintă capitalul fix productiv aferent aceleiaşi perioade; α şi β sunt coeficien ii de elasticitate ai venitului în raport cu L şi K. Prin logaritmare, rezultă func ia liniară de forma: log Y = α ⋅ log L + β ⋅ log K Estimatorii parametrilor α şi β se ob in prin aplicarea metodei celor mai mici pătrate, în urma căreia rezultă sistemul de două ecua ii cu două necunoscute de forma:

17

C. Chilărescu, Modele econometrice aplicate, Editura Mirton, Timişoara, 1994, pag. 81 – 85

46

α ⋅ n (log L )2 + β ⋅ n (log L ⋅ log K ) = n (log Y ⋅ log L ) ˆ ∑ ˆ ∑ i i i i i  i∑ =1 i =1 i =1  n n n ˆ α ⋅ ∑ (log Li ⋅ log K i ) + β ⋅ ∑ (log K i )2 = ∑ (log Yi ⋅ log K i ) ˆ i =1 i =1  i =1
în care Yi, Li şi Ki reprezintă valorile venitului, ale for ei de muncă şi ale

ˆ ˆ capitalului fix aferente perioadei de timp analizate, iar α şi β sunt estimatorii elasticită ilor α şi β . Valoarea estimată pentru elasticitatea α arată, în valoare procentuală, cu cât se modifică venitul Y, atunci când for a de muncă L se modifică cu o unitate. Similar, valoarea estimată a elasticită ii β arată, în valoare procentuală, cu cât se modifică venitul Y, atunci când capitalul fix K se modifică cu o unitate. Ini ial, autorii au ajuns la concluzia că, pe termen lung, într-o economie deschisă de pia ă, suma elasticită ilor α şi β tinde către 1, ipoteză infirmată, însă, de cercetări ulterioare18. O altă func ie de produc ie, care este o completare a func iei Cobb – Douglas, o reprezintă func ia de produc ie Solow, care pe lângă for a de muncă şi capitalul fix, ia în considerare şi impactul tehnologic (progresul tehnic sau inovarea) ca fiind factor esen ial de produc ie. Această func ie are la bază următoarea ecua ie:
Y = Lα⋅ Kβ⋅ eγ t în care, termenul nou introdus eγ⋅t semnifică impactul tehnologic. Liniarizarea func iei se realizează prin logaritmare cu logaritmul natural, astfel: ln Y = α ⋅ ln L + β ⋅ ln K + γ ⋅ t unde γ reprezintă elasticitatea venitului Y la modificările tehnologice, iar t cuantifică factorul timp. Estimatorii parametrilor α, β şi γ se ob in prin aplicarea metodei celor mai mici pătrate, în urma căreia rezultă sistemul de trei ecua ii cu trei necunoscute de forma:

18

C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006

47

α ⋅ n (ln L )2 + β ⋅ n (ln L ⋅ ln K ) + γ ⋅ n (t ⋅ ln L ) = n (ln Y ⋅ ln L ) ˆ ∑ ˆ ˆ ∑ i ∑ i i i i i i  i∑ =1 i =1 i =1 i =1  n n n n  2 ˆ ˆ ˆ α ⋅ ∑ (ln Li ⋅ ln K i ) + β ⋅ ∑ (ln K i ) + γ ⋅ ∑ (ti ⋅ ln K i ) = ∑ (ln Yi ⋅ ln K i ) i =1 i =1 i =1  i=1 n n n 2 n α ⋅ (t ⋅ ln L ) + β ⋅ (t ⋅ ln K ) + γ ⋅ t = (t ⋅ ln Y ) ˆ ∑ ˆ ˆ ∑ i ∑ i i i i i  i∑ i i =1 i =1 i =1  =1 ˆ ˆ ˆ unde α , β şi γ sunt estimatorii elasticită ilor α, β şi γ. O altă func ie de produc ie cunoscută în econometrie este func ia de produc ie CES,19 care porneşte de la ipoteza elasticită ii constante a substitu iei factorilor de produc ie L şi K. Ecua ia acestei func ii este de forma:

ln Y = ln γ −

ν ln δK − ρ + (1 − δ )L− ρ + ε ρ

[

]

O aproximare de tip serie Taylor a acestei func ii în jurul punctului ρ = 0 este:

 1 2 ln Y = ln γ + νδ ln K + ν (1 − δ ) ln L + ρνδ (1 − δ )− (ln K − ln L)  + ε '  2 
= β1 ⋅ x1 + β2 ⋅ x2 + β3 ⋅ x3 + β4 ⋅ x4 + ε’ unde: x1 = 1; x2 = ln K; x3 = ln L; x 4 = − efectuate sunt:

1 2 ln (K / L ) , iar transformările 2

γ = eβ1; δ = β2/(β2 + β3); ν = β2 + β3; ρ = β4(β2 + β3)/ (β2β3)
Valorile estimate ale parametrilor β1, β2, β3 şi β4 se pot ob ine cu ajutorul metodei celor mai mici pătrate aplicată func iei liniare. Pe baza acestora se ob in valorile estimate ale parametrilor γ, δ, ν şi ρ.

19

W.H. Greene, Econometric Analysis, Fifth Edition, Prentice Hall, 2003, pag. 128 – 130

48

Ce este efectul de multicoliniaritate? 3. Care sunt principalele tipuri de modele multifactoriale neliniare? 4. βk ale modelului liniar multifactorial? 2. Cum se interpretează valorile parametrilor α.. β1 ...ÎNTREBĂRI TEORETICE DE AUTOEVALUARE LA CAPITOLUL 3: 1.. Ce sunt func iile de produc ie? 49 .

50 .

de regulă. să se măsoare atât influen a factorilor esen iali. 4. t2. Şipoş.. În cazul modelelor care includ factorul timp – serii de timp. care este dată de faptul că fiecare termen se ob ine prin centralizarea unor date individuale cu caracteristici diferite. în analiza unei serii de timp.. Editura Mirton. tn poate fi reprezentată astfel20:   y1  t  1  y 2 . Econometrie.. Timişoara.. în care primul şir arată varia ia caracteristicii de timp..CAPITOLUL 4. iar cel de-al doilea şir arată varia ia caracteristicii studiate de la o unitate de timp la alta. cu atât apar diferen e mai mari între comportamentele termenilor seriei. cronologice sau dinamice. ti. …. Cu cât ac iunea caracteristicilor individuale este mai pregnantă... 2006 51 . Având în vedere această trăsătură. cum mai sunt ele denumite – variabilele factoriale sunt înlocuite de un şir de valori care exprimă.. prin două şiruri de date paralele. . t2 y i . … . fluctua iile în cadrul seriei să fie mai puternice. t i . Variabilitatea termenilor unei serii de timp. MODELE ECONOMETRICE BAZATE PE FACTORUL TIMP Rezumat: Analiza econometrică a evolu iei în timp a fenomenelor şi proceselor economice reprezintă o latură distinctă a cercetării variabilelor economice cu ajutorul metodelor cantitative. C. rezultată din influen a factorilor neesen iali. Modelele econometrice bazate pe factorul timp sunt reprezentate. este necesar ca.1.  yn   tn    Un model econometric bazat pe influen a timpului asupra evolu iei unei variabile economice prezintă câteva caracteristici fundamentale: 1. cât şi marja de abatere de la această tendin ă. Analiza econometrică a evolu iei în timp a variabilelor economice O serie de timp care redă evolu ia unei variabile economice Y pe o anumită perioadă de timp t1. de obicei. 20 C. o acumulare de perioade egale de timp. Preda. care imprimă fenomenului o anumită tendin ă specifică de evolu ie. ceea ce face ca varia iile.

Editura ALL. 4. Bucureşti. Omogenitatea termenilor. de erorile sau valorile 21 T. trebuie păstrată aceeaşi metodologie de culegere a datelor. de regulă. care poate fi studiat cu ajutorul unor modele specifice. Trendul sau tendin a centrală Tt. Dacă aceste interdependen e sunt foarte puternice. de calcul a indicatorilor şi evaluare a rezultatelor. Sub ac iunea unui sistem complex de variabile factoriale sau aleatoare. este necesar să se verifice dacă datele provin din aceeaşi sursă. fiind necesar un număr suficient de mare de termeni. precum şi men inerea lungimii intervalelor de grupare şi a unită ii de măsurare a timpului. deceniilor sau chiar secolelor. făcând abstrac ie de abaterile fa ă de nivelul mediu. care constă în includerea în cadrul unei serii de timp numai a fenomenelor de acelaşi gen. în func ie de specificul variabilelor economice analizate. 385 52 . adică relevarea unor interdependen e între nivelul curent al variabilei şi nivelurile înregistrate în perioadele anterioare. Un alt element fundamental îl reprezintă alegerea formei optime de analiză a seriei de date. respectiv. considerate independente una fa ă de cealaltă. cea mai utilizată modalitate de analiză a seriilor de timp o reprezintă descompunerea evolu iei seriei dinamice pe componente determinate de ac iunea diferi ilor factori de influen ă. care înseamnă existen a unor legături între valorile înregistrate la perioade diferite de timp. Pentru a asigura omogenitatea seriei. Atunci când se analizează o serie de timp. Andrei.2. cu largă utilizare în econometrie. care sunt rezultatul ac iunii aceloraşi cauze esen iale. pag. Un element fundamental al analizei econometrice cu ajutorul seriilor de timp îl reprezintă alegerea lungimii seriei de date. S. începând de la unită i de timp de ordinul minutelor. Statistica. Teorie şi aplica ii. 3. cu acelaşi grad de cuprindere şi dacă au fost folosite aceleaşi principii şi metode de culegere şi prelucrare a datelor. Stancu. Din acest punct de vedere. care presupune asigurarea continuită ii datelor în raport cu timpul şi reprezintă o caracteristică foarte importantă în utilizarea metodelor analitice de analiză a seriilor dinamice. atunci se poate vorbi despre un caracter “autoregresiv” al variabilei analizate. orelor sau zilelor şi continuând cu perioade de ordinul anilor. în cadrul unei serii dinamice se pot identifica următoarele componente:21 1. Variabila timp poate fi înregistrată cu periodicită i diferite. 1995. Periodicitatea termenilor. Interdependen a termenilor seriei de timp. astfel încât să poată fi aplicate principiile legii numerelor mari şi să poată fi fundamentate corect previziunile pe diferite perioade de timp. care reflectă legitatea specifică de evolu ie a variabilelor economice studiate pe o perioadă lungă de timp.

Sezonalitatea se manifestă sub forma unor abateri de la medie care apar regulat în timpul unui an şi are un caracter mai mult sau mai pu in pregnant în func ie de specificul domeniului studiat. cât şi intensitatea lor. Varia iile sezoniere St sunt acea componentă sistematică ce se manifestă prin oscila ii de perioadă mai mică sau cel mult egală cu un an. cunoscute generic sub numele de “ajustarea seriilor de timp”. conform rela iei: yt = Tt + Ct + St + εt . unde yt reprezintă valoarea variabilei studiate la momentul t. W.L. Identificarea trendului unei serii de timp se realizează cu ajutorul a diverse metode econometrice. Carlson. în sensul că atât intervalele la care oscila iile se manifestă. Atunci când componenta aleatoare este propor ională cu suma celorlalte componente.reziduale datorate influen ei factorilor aleatori. Newbold. 2. 3. Fifth Edition. Pearson Prentice Hall. în care cele patru componente ale seriei se însumează direct. Schema cea mai simplă şi mai des utilizată este schema aditivă. Varia iile aleatoare sau reziduale (perturbatoare) εt apar datorită unor factori necuantificabili şi cu ac iuni absolut imprevizibile. Primele două componente. 668 – 671 53 . Statistics for Business and Economics. Betty Thorne. schema este următoarea: 22 P. pag. în analiza unei serii de timp se regăsesc mai multe tipuri de scheme de descompunere a influen elor pe cele patru componente22. 2003. schema de compunere se prezintă în felul următor: yt = Dt + Dt ⋅ St + εt = Dt (1 + St) + εt 2. cu două variante: 1. după rela ia: Dt = Tt + Ct A doua schemă este cea multiplicativă. care reprezintă oscila iile interanuale în jurul tendin ei centrale cu un caracter nesistematic. Varia iile ciclice Ct. se pot analiza împreună sub forma componentei extrasezoniere Dt. 4. În măsura în care volumul de date studiat este suficient de mare. Atunci când componenta sezonieră este propor ională cu componenta extrasezonieră. repetabile în timp. sunt diferite de-a lungul timpului. În func ie de proprietă ile atribuite variabilei aleatoare pot fi aplicate anumite tehnici de estimare şi previziune a comportamentului seriei de date. trendul şi varia iile ciclice.

• serii de timp bazate pe indicatori medii. fapt pentru care este necesară o clasificare a lor. se poare observa că modelele care include factorul timp sunt diverse. între altele. Având în vedere caracteristicile lor. de regulă. În această situa ie.m. deoarece con in înregistrări repetate (de exemplu. În cazul acestei modalită i de exprimare este foarte importantă alegerea şi specificarea clară a perioadei luate ca bază de referin ă. Seriile pe intervale se utilizează. seriile de timp pot fi: • serii de timp de intervale (continue). în cazul variabilelor exprimate în unită i monetare şi au drept trăsătură esen ială faptul că termenii lor sunt însumabili (de exemplu. şi de caracteristica fenomenelor economice de a-şi manifesta influen a cu o întârziere mai mică sau mai mare în timp. în cazul cărora fiecare nivel al caracteristicii se referă la un moment dat.a. 2003 ş. care arată varia ii de la o perioadă la alta.yt = Dt (1 + St)(1 + εt) Această ultimă schemă. în vederea stabilirii metodelor optime de ajustare. Astfel. Acest fapt a dus la utilizarea termenului de time – lag (decalaj în timp) care evită pericolul falselor corela ii în situa iile în care se analizează serii de date care includ tendin e de evolu ie. exprimate. datorită faptului că cele două valori se includ una pe cealaltă). care sunt exprimate sub forma unor indicatori calcula i ca medii. în raport de perioada de timp la care se referă datele. sub formă procentuală. care reprezintă forma fundamentală de exprimare a unei serii de timp şi pe baza căreia se pot ob ine indicatori generalizatori aferen i întregii perioade studiate. • serii de timp de momente (discrete). prin logaritmare. termenii seriei nu sunt însumabili.) . profitul din anul 2005 poate fi adunat cu profitul aceleiaşi firme înregistrat în anii 2004. astfel: ln yt = ln Dt + ln(1 + St) + ln(1 + εt) Modelele econometrice bazate pe factorul timp trebuie să ină însă seama.d. poate fi transformată într-o schemă aditivă. de obicei. folosite îndeosebi atunci când se analizează 54 . în cazul cărora fiecare nivel al caracteristicii se referă la o perioadă de timp. Un alt criteriu important de clasificare este cel în raport cu modul de exprimare a termenilor seriei: • serii de timp bazate pe indicatori absolu i. popula ia României din anul 2005 nu poate fi însumată cu popula ia României din anul 2004. • serii de timp bazate pe indicatori relativi.

Ajustarea unei serii de timp constă în determinarea trendului sau a tendin ei centrale prin diverse metode. numărul mediu anual de lucrători etc. Ele pornesc.fenomene care se produc în anumite perioade de timp (media anuală sau lunară a produc iei. altele mai complexe. a metodei sporului mediu sau a ritmului mediu. produc ia medie a unui utilaj etc. bazate pe func ii matematice care descriu evolu ia fenomenului cercetat. În econometrie. Scopul principal al analizei econometrice a unei serii de date este acela de a studia evolu ia fenomenelor şi proceselor economice pe o perioadă de timp trecută. este ajustarea pe baza mediilor mobile. istorică. Metoda grafică este una dintre cele mai simple modalită i de determinare a trendului unei serii de timp. unele mai simple. comună tuturor acestor metode. astfel încât să existe abateri 55 . Varian a totală a termenilor seriei. cuantificată prin varian a termenilor reali fa ă de valorile ajustate. care semnifică varia ia medie produsă de influen a tuturor factorilor. care au la bază principiul înlocuirii termenilor seriei studiate cu termenii unei serii teoretice. de lungimea seriei de date. servind la alegerea modelului de evolu ie care descrie cel mai bine evolu ia fenomenului sau procesului economic studiat. O metodă mai elaborată. de periodicitatea şi varia iile acesteia şi de alte elemente specifice variabilei studiate. cele mai des utilizate metode de ajustare a seriilor de timp sunt cele de tip analitic. de la încercarea de a determina forma şi sensul legăturii cu ajutorul unor metode elementare de tipul metodei grafice. în vederea extrapolării rezultatelor pentru fundamentarea unor previziuni pentru perioadele viitoare. O condi ie esen ială.). cuantificată cu ajutorul varian ei valorilor ajustate fa ă de medie şi din varia ia reziduală. este compusă din varia ia datorată factorului timp. Aplicarea acestei metode constă în reprezentarea grafică a seriei de date empirice avute la dispozi ie şi în trasarea vizuală a segmentului de dreaptă sau curbă care uneşte punctele extreme ale seriei. să se asigure caracterul de tendin ă al analizei. Valorile teoretice (ajustate) în func ie de timp se pot determina folosind numeroase metode. Ea reprezintă o metodă preliminară altor metode de ajustare. astfel. Această analiză econometrică se realizează diferen iat în func ie de tipul seriei (de intervale sau de momente). care ajută semnificativ abordările analitice ulterioare aplicării ei. Termenii teoretici pot fi determina i prin aplicarea a diverse procedee de cuantificare a legită ii specifice de dezvoltare pe termen lung datorată unor factori esen iali şi de eliminare a fluctua iilor periodice sau aleatoare.) sau în anumite unită i de spa iu (recolta medie la hectar. ob inu i prin calcule. este aceea că numărul termenilor seriei trebuie să fie suficient de mare pentru a se putea aplica legea numerelor mari şi. însă. atât esen iali. cât şi întâmplători.

Metoda. yt reprezintă un termen ajustat al seriei. ajustarea pe baza 56 . Metoda sporului mediu se utilizează în cazul în care seria de date evoluează aproximativ după o progresie aritmetică. Reprezentarea grafică poartă numele de cronogramă şi este prezentată în figura 4: yn • • • • • • • • • yi • • • • • • • • • • y1 0 • • t1 ti Figura 4. ca în figura 4. termenilor seriei o regulă de varia ie comună. Termenii seriei ajustate se vor calcula după rela ia termenului general al unei progresii aritmetice. atunci se va utiliza func ia neliniară care ajustează cel mai bine curba respectivă. care poate fi descrisă de segmentul de dreaptă sau curbă trasat. iar ∆ este sporul mediu. Dacă fluctua iile înregistrează valori extreme. astfel: yt = y1 + (t – 1)⋅ ∆ în care. Cronograma tn Dacă “norul de puncte” sugerează o linie dreaptă. y1 reprezintă primul termen al seriei empirice. imprimând. t este factorul timp. astfel. se recomandă numai în cazurile în care varia iile nivelurilor absolute sunt relativ constante pe parcursul perioadei studiate.minime fa ă de pozi ia valorilor reale. iar dacă reprezentarea grafică sugerează o curbă. Ajustarea vizuală porneşte de la premisa că ac iunea factorilor de influen ă a fost relativ constantă pe toată perioada studiată. destul de simplă dealtfel. se va utiliza o func ie analitică de tip liniar.

conform rela iei: y t = y 1 ⋅ I t −1 Metoda ritmului mediu este similară cu metoda sporului mediu. Metoda ritmului mediu se utilizează atunci când termenii seriei de timp urmează aproximativ o progresie geometrică. care se foloseşte atunci când seria de timp prezintă un pronun at caracter ciclic sau sezonier. avem de-a face cu medii mobile provizorii. care se centrează prin calcularea mediei aritmetice simple a două medii provizorii consecutive şi se ob in mediile mobile centrate. Termenii ajusta i rezultă în urma înmul irii primului termen al seriei y1 cu ritmul mediu de varia ie I . care vor afecta negativ acurate ea trendului ob inut. ridicat la puterea t – 1. Dacă numărul de termeni lua i în calcul la determinarea mediilor mobile este par.S. ambele metode dau rezultate destul de aproximative. Aplicarea metodei mediilor mobile constă în determinarea mediilor aritmetice a unui număr par sau impar de termeni şi în înlocuirea termenilor empirici ai seriei cu mediile astfel ob inute. Rubinfeld. cu o tendin ă de evolu ie uşor de observat23. Dacă numărul de termeni lua i în considerare la determinarea mediilor mobile este impar. D. astfel încât seria ajustată să aibă o varia ie lină. care se plasează în dreptul termenilor seriei şi cu care se face ajustarea termenilor ini iali. dar prezintă avantajul major al simplită ii şi operativită ii aplicării lor. pag. Pindyck. continuă. Şipoş. Oricum. doar că trendul urmează o progresie geometrică în loc de una aritmetică. conform căreia nu poate fi utilizată decât în cazul unui trend relativ stabil. 2006 57 .sporului mediu va da rezultate eronate. Editura Mirton.L. În aceste condi ii. Preda.24 23 R. 1998. Econometrie. Timişoara. reprezentând o bază de pornire pentru utilizarea func iilor analitice de ajustare a trendului. Prin ajustarea cu medii mobile se înlocuiesc termenii empirici ai seriei de date cu termeni calcula i sub formă de medii par iale. 476 – 478 24 C. Fourth Edition. Ajustarea pe baza mediilor mobile este o metodă mai elaborată decât cele anterioare. McGraw–Hill. valorile ob inute vor fi pozi ionate între două valori reale. şi această metodă prezintă aceeaşi limită. valorile ob inute corespund pozi iilor valorilor reale şi pot fi înlocuite direct. C. caz în care avem de-a face cu medii mobile definitive. ce vor înlocui termenii ini iali. Econometric Models and Economic Forecasts. Drept urmare.

Func ii de timp Prima categorie de metodele care folosesc modele matematice sunt cunoscute sub numele generic de func ii de timp şi au drept caracteristică principală exprimarea trendului unei serii de timp sub forma unei func ii de forma: yt = f(t) + εt în care. independentă. Un inconvenient al acestei metode este acela că. Pentru a determina forma func iei ce urmează a fi utilizată. Parametrii acestor func ii de timp. Toate aceste metode elementare de ajustare a seriilor de timp sunt etape preliminare analizei econometrice propriu-zise. tendin a de varia ie se aproximează. se pierd informa iile referitoare la primii şi la ultimii termeni ai seriei. dacă reprezentarea grafică sugerează o linie dreaptă sau se poate utiliza o func ie de timp neliniară. cu ajutorul func iilor ale căror curbe şi ecua ii de estimare au fost prezentate în capitolul de modele unifactoriale. 4. considerate variabila rezultativă sau dependentă. valorile medii mobile corespund liniei tendin ei centrale. t este factorul timp. indiferent că se ia un număr par sau impar de termeni. se poate lua în considerare utilizarea unei func ii liniare de timp. yt reprezintă valorile seriei de date studiate. f reprezintă func ia matematică (deterministă) care modelează evolu ia în timp a fenomenului studiat. După cum se poate observa. Utilizarea unei func ii analitice de determinare a trendului stabileşte cu o exactitate mai mare sau mai mică legea de dezvoltare pe termen lung a fenomenului sau procesului economic studiat. iar εt este variabila aleatoare. privit ca variabilă factorială. Cele mai cunoscute modele analitice de ajustare sunt: func iile de timp liniare şi neliniare.Transpuse grafic. iar abaterile de la tendin a centrală redau fluctua iile ciclice sau sezoniere. 58 . În raport de curba relevată de corelogramă. dacă reprezentarea grafică sugerează o curbă.2. variabila x din modelele respective devenind acum factorul timp t. se construieşte mai întâi corelograma. de cele mai multe ori. modelele cu time – lag şi modelele autoregresive. care arată influen a factorilor aleatori la momentul t. în func ie de împrăştierea valorilor în jurul tendin ei centrale. care presupune utilizarea func iilor matematice şi statistice de ajustare a trendului.

1.similar cu cei ai modelelor de regresie. Factorul timp t este reprezentat. Aceşti estimatori trebuie calcula i astfel încât diferen a dintre valorile reale ale variabilei rezultative yt şi valorile estimate cu ajutorul parametrilor calcula i ˆ t = α + β ⋅ t să fie cât mai mică ( yt − ˆ t = min im ). prin determinarea a doi estimatori α şi β . Parametrul β. Dacă β < 0. reziduală sau perturbatoare care ac ionează la momentul t. Astfel. ˆ ˆ y y Dacă se ia în studiu un set de date istorice referitoare la variabila rezultativă. Este pu in probabil ca variabila rezultativă să evolueze în timp strict liniar. creşterea este direct propor ională cu timpul. creşterea de la o perioadă la alta este mai pu in accentuată. adică valoarea cu care se modifică variabila rezultativă yt în perioada dintre două momente consecutive t – 1 şi t. Func ia liniară de timp Func ia liniară de timp studiază legătura dintre factorul timp t şi variabila rezultativă yt cu ajutorul unei func ii de forma: yt = α + β ⋅ t + εt în care α şi β sunt parametrii sau coeficien ii func iei de timp şi reprezintă valori necunoscute ce urmează a fi estimate. iar εt este variabila aleatoare. în cadrul acestor func ii de şirul numerelor naturale (0. Pot fi distinse trei situa ii: dacă β < 1. atunci variabila rezultativă yt are o evolu ie descrescătoare în timp (y0 > y1 > … > yn).2. dacă β > 1. similar cu modelul ˆ ˆ unifactorial liniar. de obicei. atunci variabila rezultativă yt are o evolu ie crescătoare în timp (y0 < y1 < … < yn). în func ie de cazul concret analizat. se va observa că reprezentarea grafică a func iei liniare de timp aproximează mai mult sau mai pu in exact evolu ia în timp a variabilei studiate. Semnul şi valoarea parametrului β prezintă o importan ă deosebită în descrierea evolu iei în timp a variabilei studiate. dacă β > 0. Estimarea valorilor parametrilor α şi β. reprezintă panta dreptei de regresie. iar dacă β = 1. iar dacă β = 0. …. se face. se estimează în cele mai multe cazuri cu metoda celor mai mici pătrate. creşterea variabilei rezultative este mai puternică. n). În 59 . 4. variabila rezultativă yt se men ine constantă în timp (y0 = y1 = … = yn). Parametrul α al func iei liniare de timp reprezintă valoarea pe care o ia variabila rezultativă yt la momentul zero (y0 = α) şi poate avea relevan ă în model sau nu. 1. 2.

exactă a valorilor parametrilor α şi β este imposibil de realizat. de forma: n ⋅ α + β ⋅ n t = n y ˆ ˆ ∑ ∑ t  t =1 t =1  n n n ˆ α ⋅ ∑ t + β ⋅ ∑ t 2 = ∑ t ⋅ yt ˆ t =1 t =1  t =1 Prin rezolvarea acestui sistem de ecua ii se ob in valorile estimatorilor ˆ ˆ α şi β . aplicarea metodei presupune respectarea aceloraşi restric ii: • datele privind variabila rezultativă sunt ob inute fără erori de observare sau măsurare. este uşor de în eles că o cuantificare deterministă. Aşa cum s-a mai arătat. În aceste condi ii. de medie nulă (E(εt) = 0) şi de varian ă constantă şi diferită de zero în timp. iar varian a fiecărui estimator este relativ mică în raport cu numărul de date pe baza cărora s-a efectuat analiza. • valorile variabilei aleatoare nu sunt autocorelate.aceste condi ii. de medie α + β ⋅ t şi varian ă constantă. • variabila aleatoare εt este de distribu ie normală. 60 . perturbatoare εt. Cu cât volumul seriei de date este mai mare. ˆ ˆ Valorile estimatorilor parametrilor. În principiu. • variabila aleatoare εt urmează o distribu ie independentă fa ă de timp. estimatorii determina i cu această metodă corespund obiectivului urmărit dacă valoarea medie a estimatorului este egală cu valoarea reală a parametrului corespunzător. deoarece nu se pot cuprinde în model absolut toate influen ele existente. care însumează efectul tuturor factorilor rămaşi în afara modelului. cu atât estimările sunt mai apropiate de realitate. pot fi determinate cu ajutorul mai multor metode matematice şi statistice. notate cu α şi β . ca şi în cazul modelului unifactorial liniar. este metoda celor mai mici pătrate. În urma aplicării metodei se ajunge la un sistem de două ecua ii cu ˆ ˆ necunoscutele α şi β . Acest lucru a determinat introducerea în model a variabilei aleatoare. fiecărui moment dat t îi corespunde o distribu ie normală de valori yt ale variabilei rezultative. dintre care mai des utilizată. fie ei nesemnificativi sau necuantificabili.

În principiu. fie prin utilizarea unor metode numerice de estimare. pe perioade foarte scurte. evolu ia este neliniară. mai mul sau mai pu in. şi experien a practică şi rezultatele cercetărilor similare. Dacă în cazul modelelor unifactoriale sau multifactoriale se poate înregistra corela ie nulă. eventual.2. acestea sunt similare cu cele parcurse în cazul modelului unifactorial. ρ. În econometrie. care. a raportului de corela ie şi a coeficientului de determina ie. În aceste situa ii trebuie găsite func iile matematice corespunzătoare tipului de curbă sugerată de reprezentarea grafică. “norul de puncte” sugerează diverse curbe.Analiza corela iei în cazul func iei liniare de timp are un caracter aparte. astfel: dacă cei doi parametri ai corela iei sunt egali (R = ρ ). în alegerea formei func iei de timp au un rol important. dată de parametrul β. înseamnă că modelarea econometrică trebuie să utilizeze diverse func ii analitice neliniare. pe lângă cunoştin ele teoretice. variabila studiată are o evolu ie stabilă în timp şi se poate determina un trend liniar. linia dreaptă nu poate fi utilizată pentru a descrie orice legătură. deoarece. Estimarea parametrilor unei astfel de func ii se realizează fie direct prin metoda celor mai mici pătrate. evolu ia este haotică. Existen a sau absen a unei evolu ii liniare a variabilei rezultativă yt se probează prin verificarea egalită ii dintre raportul de corela ie R şi valoarea absolută a coeficientului de corela ie liniară simplă. ca şi în cazul modelelor unifactoriale neliniare. decât. func ia parabolică şi func ia exponen ială. o func ie de timp neliniară este acea func ie a cărei pantă.2. Func ii de timp neliniare Atunci când corelograma evolu iei în timp a fenomenului studiat sugerează o curbă. cele mai cunoscute şi mai des întâlnite func ii de timp neliniare sunt: func ia hiperbolică. în cadrul func iilor de timp acest lucru este practic imposibil. Se pot calcula şi aici valorile coeficientului de corela ie liniară (pentru a verifica existen a evolu iei liniare în timp). evolu ia este liniară. 4. instabilă şi nu poate fi ajustată cu un trend liniar. deoarece toate variabilele economice sunt influen ate de timp. nu este constantă pentru orice valoare a lui t. În general. Aşa cum s-a mai arătat. fie prin diverse transformări care duc la liniarizarea func iei. 61 . deoarece nici o variabilă economică nu este constantă în timp. În afara acestui procedeu. în principiu. au aceeaşi interpretare: dacă valorile lor sunt apropiate de 1. Şi în cazul func iilor de timp este necesară parcurgerea etapelor de verificarea statistică a modelului. în multe cazuri. iar dacă valorile acestor coeficien i sunt apropiate de 0. iar dacă cei doi parametri sunt diferi i (R ≠ ρ ).

pot fi utilizate variante β ale func iei hiperbolice. t yt = α + β ⋅ t' + ε t În aceste condi ii. verificarea statistică a func iei este aceeaşi cu verificarea modelului unifactorial liniar. sistemul de ecua ii care conduce la valorile estimate ale parametrilor α şi β este: n ⋅ α + β ⋅ n t' = n y ˆ ˆ ∑ ∑ t  t =1 t =1   2 n n n ˆ α ⋅ ∑ t ' + β ⋅ ∑ t ' = ∑ t ' ⋅ y ˆ t  t =1 t =1 t =1  () ( ) Ajustarea prin hiperbolă se recomandă atunci când variabila rezultativă yt scade. yt = 1 etc. prin utilizarea transformării de variabilă: t = Modelul devine. α + β ⋅t 62 . astfel: ' 1 . Func ia hiperbolică are la bază următoarea ecua ie: 1 yt = α + β ⋅ + ε t t Parametrii α şi β ai modelului pot fi estima i cu ajutorul metodei celor mai mici pătrate. yt = β 1 α+ t . De asemenea.Func ia de timp hiperbolică se utilizează atunci când “norul de puncte” urmează o traiectorie de tip hiperbolă. respectiv. Analiza de corela ie în cazul modelului hiperbolic se realizează cu ajutorul raportului de corela ie R şi a coeficientului de determina ie simplă R2. care au la bază diverse ecua ii: yt = α ⋅ e t . a căror interpretare este similară cu cele prezentate la func ia de timp liniară. creşte asimptotic către o valoare reală dată de parametrul α al func iei. În func ie de reprezentarea grafică a legăturii.

sau pătratică. pentru estimarea parametrilor α. atunci când ritmul de evolu ie al variabilei studiate urmează o curbă de tip U. rezultând următorul sistem de trei ecua ii cu trei necunoscute: n ⋅ α + β ⋅ n t + β ⋅ n t 2 = n y ˆ ∑ ˆ ˆ1 ∑ ∑ t 2  t =1 t =1 t =1  n n n n  2 3 ˆ ˆ ˆ α ⋅ ∑ t + β1 ⋅ ∑ t + β 2 ⋅ ∑ t = ∑ (t ⋅ yt ) t =1 t =1 t =1  t =1 n n n α ⋅ t 2 + β ⋅ t 3 + β ⋅ t 4 = n t 2 ⋅ y ˆ ∑ ˆ ∑ ˆ ∑ 1 2 t  t∑1 t =1 t =1 t =1  = ( ) Dacă β2 > 0. 2 yt = α + β ⋅ t 2 . vârful parabolei este dat de maximul func iei (parabola este cu ramurile în jos). iar dacă β2 < 0. de asemenea. Pentru exprimarea func iei de timp parabolică se utilizează func ia de gradul doi. Func ia parabolică are. la rândul său. Verificarea statistică a func iei este. este folosită. foarte multe variante de exprimare.Func ia de timp parabolică. cu vârfurile în jos sau în sus. de regulă. vârful parabolei va fi dat de minimul func iei (parabola este cu ramurile în sus). are la bază determinarea şi interpretarea raportului de corela ie R şi a coeficientului de determina ie simplă R2. Analiza de corela ie în cazul func iei de timp parabolică. β1 şi β2 se poate aplica metoda celor mai mici pătrate. similară cu cele prezentate la modelul unifactorial liniar. de tip exponen ial. yt = α ⋅ eβ ⋅t + β . după rela ia: yt = α + β 1⋅ t +β2⋅ t2 + εt Şi în cazul acestei func ii. Func ia de timp exponen ială este utilizată atunci când “norul de puncte” are un trend curbiliniu crescător sau descrescător. yt = α + β 1 ⋅ lg t + β 2 ⋅ (lg t ) etc. similar cu func ia hiperbolică. cum 1 ar 2 ⋅t 2 fi: lg yt = α + β 1 ⋅ t + β 2 ⋅ t 2 . Ecua ia func iei este de forma: yt = α ⋅ β t 63 .

yt = eα + β ⋅t etc. numeroase variante de exprimare. Modelele care studiază astfel de legături cu efecte decalate în timp sunt cunoscute în econometrie sub numele de modele cu time – lag. se realizează prin determinarea şi interpretarea raportului de corela ie R şi a coeficientului de determina ie simplă R2. De multe ori. de obicei. Analiza de corela ie în cazul func iei exponen ial. 4. fapt care duce la un decalaj mai mare sau mai mic între momentul modificării variabilei factoriale şi momentul modificării corespunzătoare a variabilei factoriale. astfel: log yt = log α + t ⋅ log β Pe ecua ia dată de rela ia 6. un 64 . în primul rând. lag-ul. pentru a estima parametrii α şi β este necesar. pot fi luate în considerare multe altele. similară cu cele prezentate la modelul unifactorial liniar. însă. după cum urmează: yt = α ⋅ e β ⋅t . Verificarea statistică a modelului este. Modele econometrice cu time – lag Modelele prezentate până acum au presupus o transmitere instantanee a influen ei dinspre variabilele factoriale spre variabila rezultativă. să se liniarizeze func ia prin logaritmare. similar cu celelalte func ii de timp neliniare. atunci când variabila rezultativă yt prezintă o evolu ie în timp de tip progresie geometrică.18 se aplică metoda celor mai mici pătrate şi se ob ine sistemul de ecua ii: n ⋅ log α + log β ⋅ n t = n (log y ) ˆ ∑ ˆ ∑ t  t =1 t =1  n n n ˆ log α ⋅ ∑ t + log β ⋅ ∑ t 2 = ∑ (t ⋅ log yt ) ˆ t =1 t =1 t =1  Acest model se utilizează.În cazul acestei func ii. ca şi în celelalte cazuri neliniare. este suficient de mare încât să influen eze semnificativ analiza (de exemplu. Aceste modele trebuie utilizate atunci când decalajul. în func ie de modul de dispunere a punctelor din reprezentarea grafică. Func ia de timp exponen ială are. în economie. efectele se transmit cu o oarecare întârziere. În afara acestor tipuri de func ii de timp neliniare.3. şi ea.

Probleme apar în momentul în care influen ele sunt decalate cu multe perioade în urmă. t – 1. …. …. Acest model are la bază o ecua ie de forma: yt = α + β 0⋅ xt + β1⋅ xt-1 + β2⋅ xt-2 + … + βk⋅ xt-k + εt unde: yt este variabila rezultativă la momentul t. εt reprezintă variabila reziduală la momentul t. Preda. atunci estimarea parametrilor modelului se poate face cu metoda celor mai mici pătrate. unele cu efect mai rapid. β0. În această situa ie. datorită posibilită ii apari iei fenomenului de multicoliniaritate. Timişoara.decalaj de câteva zile nu are nici o importan ă pentru variabilele înregistrate anual. iar informa iile de inute despre ceea ce s-a întâmplat în trecut sunt insuficiente. În aceste condi ii. altele cu efecte mai îndepărtate în timp. Deficien ele aplicării metodei celor mai mici pătrate pot fi eliminate prin specificarea unor restric ii referitoare la distribu ia decalajelor. Valorile estimate ale parametrilor se ob in şi se interpretează similar cu modelele multifactoriale. de medie nulă şi homoscedastică. Cea mai generală formă a unui model cu time – lag porneşte de la premisa că efectele ac iunii unei variabile factoriale sunt distribuite în timp. iar variabila factorială şi cea aleatoare nu sunt autocorelate (nivelurile anterioare nu au nici o influen ă asupra nivelului prezent). dar este foarte important pentru variabile înregistrate zilnic). Econometrie. t – k. β1. Editura Mirton. xt-k sunt valorile înregistrate de către variabila factorială la momentele t. Există mai multe variante de atingere a acestui deziderat. xt-1 . Rela ia poate fi scrisă pe scurt astfel: yt = α + ∑ β k ⋅ xt −k + ε t k =0 t Dacă numărul de perioade k pe care se manifestă în urmă influen ele este suficient de mic25. βk sunt parametrii modelului. …. aplicarea directă a metodei celor mai mici pătrate poate genera estimatori deplasa i şi neconsisten i. ipotezele de pornire ale modelului sunt date de restric iile metodei celor mai mici pătrate. 2006 65 . 25 C. în care variabila aleatoare este de reparti ie normală. Şipoş. C. xt . α.

Din ecua ia ini ială a modelului se poate scrie ecua ia aferentă momentului t – 1. modelul ia în considerare influen ele din perioade considerate rezonabil de îndepărtate în timp. după rela ia: ∑ k ⋅ β ⋅η d = k =0 t k ∑ β ⋅η k =0 t k β ⋅ ∑ k ⋅η k = k =0 t k =0 t = k ∑η η / (1 − η )2 η = 1 / (1 − η ) 1 − η Astfel. numit al decalajului în progresie geometrică.O primă modalitate este cea care porneşte de la presupunerea că parametrii modelului aferen i variabilelor decalate sunt pozitivi subunitari (0 < η < 1) şi descresc în progresie geometrică.. Este util să fie descrisă structura influen elor modelului sub forma comportamentului pe termen lung a variabilei rezultative în urma modificării influen elor suferite. Astfel. Acest lucru se realizează prin calcularea decalajului mediu al influen elor d .. ceea ce înseamnă că jumătate din efectul total resim it de către yt se datorează momentului t. este de forma: yt = α + β ⋅ xt + η ⋅ xt −1 + η 2 ⋅ xt −2 + . înseamnă că influen a în timp este luată în considerare pentru perioade foarte lungi. η = 0. dacă. dar nu devin niciodată nule... + η k ⋅ xt −k + ε t Forma scurtă a modelului este: ( ) yt = α + β ⋅ ∑ η k ⋅ xt −k + ε t k =0 t Deoarece valorile parametrilor descresc pe măsură ce ne îndepărtăm în timp. de exemplu. Pentru a estima parametrii acestui model se apelează la o formă simplificată a acestuia. + η k ⋅ xt −k −1 + ε t −1 ( ) 66 . astfel: yt −1 = α + β ⋅ xt −1 + η ⋅ xt −2 + . Modelul. dar de la un moment dat devine nesemnificativă.5 ⇒ d = 1. iar restul se datorează perioadelor mai vechi de timp. dar după aceea efectele decalate sunt neglijabile.

Prin induc ie matematică. luând în considerare valorile reale ale lui x. astfel: xt* – xt-1* = λ⋅( xt – xt-1*) unde 0 < λ ≤ 1. Ecua ia poate fi rescrisă sub forma: xt* = λ⋅( xt – xt-1*) + xt-1* = λ⋅ xt + (1 –λ)⋅ xt-1* Astfel.Apoi. notat cu xt*. O altă modalitate de a uşura estimarea parametrilor modelului cu time – lag este apelarea la modelul aşteptărilor adaptive. dacă se calculează efectul ponderat al varia iei lui y de la un moment la altul. În acest mod. nivelurile aşteptate ale lui x se ajustează permanent. se poate ob ine forma generalizată a modelului. nivelul aşteptat al lui x este o medie ponderată dintre nivelul prezent al lui x şi nivelul anterior aşteptat al lui x. Din rela ia anterioară se poate deduce că: yt = α⋅ (1 – η) + η⋅ yt-1 + β⋅ xt + ut Această ultimă ecua ie face uşor de măsurat efectul modificărilor anterioare asupra nivelului curent. printr-un model combinat. se ob ine: yt – η⋅ yt-1 = α⋅ (1 – η) + β⋅ xt + ut unde ut = εt – η⋅εt-1. Acest model presupune că modificările variabilei rezultative y se datorează modificărilor în nivelul aşteptat (sau dorit) al variabilei factoriale x. scrisă scurt: 67 . Ecua ia modelului este de forma: yt = α + β ⋅ xt* + εt Nivelul aşteptat al lui x se defineşte printr-o rela ie care porneşte de la presupunerea că aşteptările se modifică de la o perioadă la alta sub forma unei permanente ajustări între valoarea curentă reală a lui x şi valoarea anterioară aşteptată a lui x.

2003. Modelarea comportamentului cursului de schimb al leului. au şi un caracter autoregresiv. Şipoş. Din punct de vedere econometric. 133 – 135 68 . adică deplasarea în urmă fa ă de 26 C. se ob ine: yt = α + β⋅ λ ⋅ ∑ (1 − λ ) ⋅ xt −k + εt k k =0 t Parametrii modelului astfel ob inut pot fi estima i cu metoda celor mai mici pătrate. Timişoara. decalate cu una sau mai multe perioade în urmă. în sensul că nivelul curent al acesteia este determinat într-o măsură semnificativă de nivelurile sale anterioare. pag. care să ac ioneze în paralel cu variabilele cu influen ă decalată. în practica economică. Aceste modele cu time – lag pot fi diversificate prin introducerea în model a unor variabile factoriale cu influen ă instantanee. efectul asupra variabilei rezultative nu este cauzat de influen a directă a unor variabile factoriale. de memorare a comportamentului anterior. În general. indus de încărcătura informa ională a variabilei studiate. Modele autoregresive 4. valoarea aşteptată a lui x este media ponderată a tuturor valorilor prezente şi trecute ale lui x.26 În această situa ie. cu cât acest decalaj este mai mare.1. În principal. decalajul în timp a influen elor putând avea diferite valori.4. Înlocuind valoarea lui xt* din rela ia de mai sus în ecua ia ini ială a modelul aşteptărilor adaptive.x* = λ ⋅ ∑ (1 − λ ) ⋅ xt −k t k k =0 t În acest model. Caracterul autoregresiv al variabilelor economice De obicei. Editura Universită ii de Vest. pe lângă influen ele importante pe care le suferă din partea unor variabile factoriale. efectul autoregresiv se concretizează în modul mai mult sau mai pu in pregnant în care nivelul actual al cursului este influen at de nivelurile sale anterioare.4. 4. ci este unul retroactiv. variabilele economice. termenul de autoregresiv defineşte măsura în care o variabilă economică prezintă caracteristica de a se autocorela.

de asemenea. o natură mixtă. Această categorie de anticipa ii este înglobată de informa ia dată de variabilele factoriale incluse într-un model multifactorial şi nu necesită un studiu aparte a fenomenului anticipa iilor. uneori. în sens friedmanian. problema care apare fiind cea a determinării momentului când acestea devin nesemnificative. În lipsa unor informa ii actuale complete. o anumită corec ie în raport de evolu iile precedente. se pot distinge cel pu in două mari categorii de operatori. pentru a fi eliminate din model. subiec ii economici tinzând să-şi formuleze anticipa iile prin extrapolarea cvasi– mecanică a situa iei curente. Această afirma ie echivalează cu adoptarea ipotezei existen ei unei rela ii de dependen ă liniară între nivelul estimat al variabilei studiate şi nivelurile sale 69 . imprevizibilă a anticipa iilor din economie fac din acestea o categorie specifică. Această caracteristică ine de capacitatea mediului înconjurător de a re ine comportamentele anterioare ale variabilei studiate şi de a ac iona în func ie de acestea în formarea anticipa iilor pentru perioadele următoare.momentul prezent este mai accentuată. introducând. viteza de propagare fiind foarte mare. fiind. Această asimetrie poate fi însă atenuată prin realizarea estima iilor pe perioade de timp distincte. Volatilitatea crescută şi. capabili să înve e din erorile de anticipa ie comise în aceste perioade. Desigur. ceea ce înseamnă că principiul de formare poate fi de tip bulgăre de zăpadă. eventual. Mecanismul de formare al anticipa iilor în condi ii de informare incompletă. fie şi par ială. a situa iei actuale. cu atât influen ele sunt mai slabe. Subiec ii economici din a doua categorie. interesa i de aspectul cantitativ al modificărilor survenite în variabila studiată – urmăresc de o manieră sistematică această evolu ie. orientându-se în estimarea nivelului anticipat al variabilei în func ie de nivelul său din perioadele precedente. Comportamentul operatorilor din prima categorie se consideră că are impact cu precădere pe termen mediu şi lung. are. prin intermediul variabilelor factoriale luate în considerare. iar efectul anticipa iilor este indirect pus în eviden ă. iar sensul de evolu ie contrar teoriei. anticipa iile fiind atât adaptive. Totuşi. ceea ce echivalează cu forme diferite ale func iilor ce descriu formal mecanismele lor anticipa ionale. similar cu cele prezentate la modelele cu time – lag. agen ii economici ac ionează inând cont şi de informa iile din perioadele precedente. această formulare reprezintă o particularizare a celor enun ate anterior. O problemă importantă este aceea că între diversele categorii de agen i economici există o importantă asimetrie informa ională. interesa i în formularea unor anticipa ii cu grad sporit de acurate e – mai precis. pseudo–adaptivă. de regulă. adică bazate pe cunoaşterea. cât şi ra ionale.

În func ie de numărul de perioade cu care analiza este decalată în urmă există mai multe tipuri de modele. El se bazează pe o capacitate de memorare şi asimilare a informa iilor pe termen foarte scurt.4. În func ie de condi iile existente în economie. începând cu modelul autoregresiv de ordinul întâi – în cazul căruia efectul în timp este analizat pe o perioadă în urmă – şi continuând cu modelele de ordine superioare – doi.2. deci. se pot construi modele autoregresive de ordine superioare. 70 .anterioare. Acest model este cunoscut sub numele de model autoregresiv de ordinul întâi AR(1). Modelul autoregresiv de ordinul k Un model autoregresiv este un model econometric care presupune că între nivelul curent al variabilei studiate şi comportamentul său anterior există o legătură liniară sau neliniară. etc. În modul acesta. eviden iat de modelul de ordinul întâi. decalat cu două sau mai multe perioade în urmă. Astfel. deoarece pune în eviden ă memoria operatorilor referitoare la o singură perioadă din urmă. care are la bază următoarea ecua ie: yt = α + β1⋅ yt–1 + β2⋅ yt–2 + εt Acest model eviden iază memoria operatorilor decalată cu două perioade în urmă. iar εt este variabila reziduală. Rela ia presupusă între nivelul curent şi nivelurile anterioare este de tip liniar. trei. următorul model este modelul autoregresiv de ordinul doi AR(2). 6. O astfel de rela ie poate fi studiată cu ajutorul modelelor autoregresive de diverse ordine. – în cazul cărora efectul în timp este studiat pe k perioade în urmă. Cel mai simplu model care pune în eviden ă caracterul autoregresiv al unei variabile economice este cel care ia în considerare influen ele liniare pe care le exercită nivelul precedent yt–1 asupra nivelului curent al variabilei yt. după rela ia: yt = α + β 1⋅ yt–1 + εt unde α şi β1 sunt parametrii modelului. practic. se bazează pe o capacitate de memorare şi asimilare a informa iilor pe termen mai lung decât modelul de ordinul întâi. anticipa iile operatorilor pot să se bazeze nu numai pe nivelul imediat anterior al variabilei. ci şi pe comportamentul mai vechi al acesteia. fără a ine seama de ceea ce s-a întâmplat cu mai multe perioade în urmă.

Estimarea corectă a parametrilor unui model autoregresiv se poate realiza numai dacă acesta îndeplineşte condi ia de sta ionaritate. β1. Pentru a studia dacă memoria operatorilor se întinde şi mai mult în trecut. yt–k sunt nivelurile decalate cu una. Cu cât influen a nivelurilor anterioare asupra nivelului curent al variabilei studiate este mai mare. …. Anticipa iile operatorilor pot avea o memorie mai lungă decât perioada imediat anterioară. yt–1. t – 2. yt–2. care analizează evolu ia variabilei studiate în func ie de ceea ce s-a întâmplat în perioadele t – 1. două. xt-2. βk sunt parametrii modelului autoregresiv de ordinul k. Modelul general care studiază caracterul autoregresiv al unei variabile economice se numeşte model autoregresiv de ordinul k AR(k) şi are la bază următoarea ecua ie: yt = α + β 1⋅ yt–1 + β2⋅ yt–2 + … + βk⋅ yt–k + εt în care: yt reprezintă nivelul curent al variabilei rezultative. Această condi ie 71 . respectiv. …. ei luând în considerare şi ceea ce s-a întâmplat cu două perioade în urmă. unde în locul valorilor variabilei factoriale cu influen ă decalată în timp xt-1. α. yt-2. se pot elabora modele autoregresive de diverse ordine. t – k. …. realizând o anticipa ie bazată pe informa iile aferente ambelor perioade. cu atât sunt mai importante anticipa iile operatorilor în determinarea comportamentului variabilei respective. yt-k . Dacă modelul autoregresiv arată o legătură puternică între nivelurile anterioare şi nivelul curent. se utilizează metodele de estimare prezentate la modelele cu time – lag. …. Parametrii unui model autoregresiv de ordin k se estimează direct cu metoda celor mai mici pătrate. dacă valoarea lui k este suficient de mică încât să existe informa ii despre perioadele anterioare analizate. …. Dacă valoarea lui k este mai mare. xt-k se introduc valorile anterioare ale variabilei rezultative yt-1. k perioade în urmă ale variabilei studiate. Un modelul autoregresiv semnificativ eviden iază importan a sporită a factorilor subiectivi în determinarea evolu iei variabilelor economice în detrimentul factorilor obiectivi.În anumite situa ii s-ar putea ca modelul de ordinul doi să poată fi utilizat pentru previzionarea variabilei studiate în condi ii mai bune decât modelul anterior. înseamnă că o propor ie semnificativă a evolu iei variabilei studiate se bazează pe anticipa ii şi mai pu in pe influen ele obiective pe care aceasta le suferă din partea celorlalte variabile factoriale. εt este variabila aleatoare.

Totodată. al coeficientului de determina ie. în locul variabilelor factoriale x1. yt-k .βk sunt consisten i şi nedeplasa i. x2.înseamnă că media variabilei rezultative este considerată constantă. yt-2. respectiv. β1. 72 . altfel procesul evoluează tot mai departe de punctul de referin ă (în formă de spirală) şi nu mai este sta ionar. …. iar varian a este nulă de-a lungul timpului.37 rezultă media m: m= α 1 − β 1 − β 2 − . conform rela iei: E(yt) = E(yt-1) = E(yt-2) = … = E(yt-k) = m De aici rezultă că modelul autoregresiv de ordinul k poate fi scris sub forma: m = α + β1 ⋅ m + β2 ⋅ m + … + β k ⋅ m Din rela ia 6. adică: β1 + β 2 + … + β k ≠ 1 Analiza de corela ie în cazul modelelor autoregresive se realizează cu ajutorul a doi coeficien i similari cu cei utiliza i în cazul modelelor multifactoriale. Dacă media m este finită.. − β k Dacă media m calculată pentru modelul autoregresiv analizat verifică această rela ie. este necesar ca valoarea mediei m să fie finită. numai că. raportul de autocorela ie şi coeficientul de autodetermina ie. înseamnă că numitorul rela iei anterioare trebuie să fie nenul. …. Con inutul acestor coeficien i este similar cu cel al raportului de corela ie.. …. înseamnă că modelul îndeplineşte condi ia de sta ionaritate şi estimatorii parametrilor α. β2. xk se introduc valorile anterioare ale variabilei rezultative yt-1.

2003 8. Editura Universită ii de Vest.. 3. Greene W. Şipoş C. Statistică.C. Baron T.L. Care sunt componentele unei serii dinamice ? 3. Prentice Hall. Statistics for Business and Economics. 1994 4.. Bazele statisticii. Care sunt caracteristicile fundamentale ale unui model econometric bazat pe influen a factorului timp? 2.. Thorne B. Ciorîcă O. 2002 5.. 1996 i an E. Teorie şi aplica ii.L.. Krehbiel T. Preda C..M... Fifth Edition.. Chilărescu C. Editura ALL.H. Ce reprezintă un model econometric cu time–lag? 5. Berenson M.. Editura ALL. Ce înseamnă „caracter autoregresiv” al unei variabile economice? BIBLIOGRAFIE PARTE TEORETICĂ 1. Andrei T. Chilărescu C. Editura Economică. Stancu S. Cum se interpretează valorile parametrilor α şi β ale func iei liniare de timp? 4.. Modele econometrice aplicate. Fifth Edition. Editura Mirton.. Pearson Prentice Hall. Statistics for Managers using Microsoft Excel... Statistica. Levine D. Third Edition. Carlson W. Prentice Hall..ÎNTREBĂRI TEORETICE DE AUTOEVALUARE LA CAPITOLUL 4: 1.. Econometric Analysis. Bucureşti. Newbold P... Pecican E. 1995 2. Bucureşti. Timişoara. 1994 73 . 2003 6.. 2002 7. Bucureşti. Econometrie. Timişoara.. Anghelache C. Stephan D. Surulescu N.

Editura Mirton.. Bucureşti.. Editura Economică. Econometric Models and Economic Forecasts.. Statistică Economică. Macroeconometrie – Politici economice guvernamentale şi econometrice. Pindyck R. Rubinfeld D. Modelarea comportamentului cursului de schimb al leului. Timişoara.9. 2003 12. Şipoş C.E. Bucureşti. 1994 10.. Fourth Edition.S. Editura Mirton. 1996 74 .. Pecican E.L. A. Timişoara. McGraw–Hill.S.. 2006 14. 2004 13.. Timişoara. i an E. Şipoş C. Şipoş C. Preda C... Editura Universită ii de Vest.. Statistică macroeconomică. 1998 11. Econometrie. Preda C.

89 – 101 75 . caracterizate prin multiple interven ii administrative. inconsisten a mecanismelor de guvernare de ansamblu şi inadaptabilitatea unor manageri şi întreprinderi la mediul economic au creat o divergen ă semnificativă între obiectivele politicii economice şi rezultatele concrete ale acesteia. implicit. mai mult sau mai pu in justificate. Pentru a se putea analiza în detaliu evolu ia cursului valutar în raport cu factorii de influen ă cei mai semnificativi. s-a luat în considerare cazul României. Şipoş. în perioada 2003 – 2005. în esen ă. ca şi alte mecanisme vitale ale economiei na ionale. Editura Universită ii de Vest. Modelarea comportamentului cursului de schimb al leului. fapt explicat adesea prin comportamente necooperante ale agen ilor economici şi prin ineficien a pârghiilor de transmitere a deciziilor macroeconomice. unele imixtiuni ale factorilor politici în deciziile macroeconomice. evolu ia cursului leului a fost caracterizată de numeroase puncte de inflexiune.27 În aceste condi ii. pag. etapele parcurse conformându-se. concep iei reformei economice din România. regimul valutar şi. Alegerea acestei perioade de analiză a avut la bază. astfel. Reglementarea par ială şi treptată a regimului valutar şi imposibilitatea adoptării unei legi a gestionării 27 C. regimul valutar nu a putut fi reorientat dintr-o dată. Insuficienta legitimitate a guvernelor din perioadele respective. Timişoara. precum şi rigiditatea institu ională a administra iei. cât şi în previzionarea lor pentru perioadele următoare. 2003. mai predictibile. Premisele modelării econometrice a cursului valutar Abordarea cursurilor valutare prin perspectiva modelării econometrice poate găsi o puternică relevan ă atât în analiza comportamentului acestora. dificil de analizat cu ajutorul metodelor econometrice. Perioadele anterioare. în condi iile concrete determinate de schimbările politice. în principal. faptul că o dată cu ajustarea structurală începută în anul 2000 şi consolidată în ultimii ani. evolu ia cursului leului au devenit mult mai echilibrate. Datorită acestor stări de lucruri.APLICA IE ECONOMETRICĂ PE CURSUL VALUTAR 1. se pretează într-o măsură redusă la abordări de tip econometric. greu de explicat economic şi.

se pune problema construirii unor modele econometrice care să reflecte cât mai corect evolu ia cursului leului. ceea ce oferă 28 Rapoartele anuale ale Băncii Na ionale a României.). Abordarea econometrică a cursului leului se înscrie în tentativa modernă de explicare mai riguroasă. anii 1991 – 2005 76 . modificări abrupte şi. în termeni nominali şi reali. Cu toate progresele în procesul de stabilizare şi reformă din ultimii ani. mai ales. în special pe seama creşterilor salariale în sectorul public şi a slabelor performan e financiare din întreprinderile de stat. reducerea costurilor de regie etc. ca un proces desfăşurat de-a lungul mai multor etape.valutelor au fost determinate de condi iile impuse de evolu ia parametrilor economiei na ionale şi de schimbările institu ionale apărute de-a lungul timpului. cu decizii ineficiente.28 Economia românească a evoluat pozitiv în ultima perioadă. cu toate efectele pozitive implicate. Respectivele criterii pot fi îndeplinite. Luând ca punct de pornire aceste considerente. o dată cu cristalizarea op iunilor şi strategiei de reformă economică. candidate la integrarea europeană. însă. după o perioadă destul de lungă de scădere a produsului intern brut. iar prin ajustarea sus inută a pre urilor relative se va reduce treptat decalajul României fa ă de Uniunea Europeană. performan ele economice ale României continuă să fie nefavorabile comparativ cu alte economii din Europa centrală şi de est. cu evolu ii oscilante. ar putea pune în pericol obiectivele de dezinfla ie şi echilibrul extern. Lansarea economiei pe un trend crescător. în unele cazuri. politica ocupării for ei de muncă) şi microeconomice (creşterea productivită ii muncii. Leul se apreciază gradual. s-a putut contura regimul valutar. Acest lucru va conduce la atingerea concomitentă a celui mai important criteriu al convergen ei nominale – reducerea ratei infla iei – şi a celui mai important criteriu al convergen ei reale – creşterea PIB/locuitor (la paritatea puterii de cumpărare). Creşterea produsului intern brut în aceşti ani şi accentuarea deficitului balan ei comerciale reflectă creşterea rapidă a cererii interne. ceea ce a avut ca rezultat îmbunătă irea substan ială a pozi iei externe şi a pus bazele revenirii la o creştere economică pozitivă începând cu anul 2001. au condus spre o relativă stabilitate a politicii monetare şi valutare. în ce măsură este el influen at de mediul în care se manifestă. Astfel. precum şi consecven a mixului de politici economice aplicate. mai exactă a efectelor pe care acesta le are asupra celorlalte variabile micro sau macroeconomice şi. numai cu condi ia ca problema competitivită ii externe să fie rezolvată printr-un set coerent de politici macroeconomice (politica salarială. Men inerea la acest nivel ridicat. fa ă de moneda europeană.

astfel încât legea numerelor mari să se manifeste nedistorsionat. iar factorii de influen ă ai acestuia reprezintă variabilele factoriale sau independente. întâmplători în raport cu legătura studiată. ceea ce face ca ele să îndeplinească această restric ie. care trebuie să fie suficient de mare. posibilită i cărora le corespund diverse tipuri de modele. Elaborarea şi utilizarea unui model econometric al cursului leului presupune. în sensul că ob inerea lor trebuie să aibă o singură sursă sau surse similare din punct de vedere calitativ. Din acest punct de vedere. metoda care ine seama de majoritatea condi iilor implicate este metoda celor mai mici pătrate. De aceea. 77 . aplicarea ei în cazul datelor statistice privind variabilitatea cursului de schimb şi a factorilor săi de influen ă pornind de la următoarele ipoteze: Ipoteza 1.1. precum şi cele aferente celorlal i parametri ai economiei româneşti sunt culese dintr-o singură sursă. în care cursul valutar este variabila rezultativă sau explicată. există o multitudine de posibilită i de abordare. rapoartele anuale ale Băncii Na ionale a României. Ipotezele ini iale ale modelului Aşa cum s-a arătat în partea teoretică. Un alt aspect legat de calitatea datelor este cel de natură cantitativă în sensul că se referă la volumul eşantionului studiat. parcurgerea unei etape preliminare de formulare a ipotezelor de lucru şi a restric iilor care vor sta la baza elaborării modelului.toate premisele efectuării unei analize econometrice consistente a comportamentului cursului de schimb al leului. calitatea concluziilor. 2. Neomogenitatea pune sub semnul întrebării comparabilitatea datelor şi. unele mai simple. în ultimă instan ă. altele mai complexe. în func ie de variabilele luate în considerare. 2. Model multifactorial al cursului leului Modelul multifactorial care poate fi utilizat cu rezultate optime în studiul evolu iei cursului leului este modelul de regresie liniar. datele aferente cursului leului. Şi din acest punct de vedere ipoteza de lucru este îndeplinită. iar indicatorii sintetici ob inu i să prezinte stabilitate. aferente unei perioade de aproape 3 ani: ianuarie 2003 – iunie 2005. Datele privind variabilele rezultative şi cele factoriale sunt ob inute fără erori de observare sau măsurare. O importan ă deosebită din acest punct de vedere o prezintă omogenitatea datelor. Variabila aleatoare a modelului ia în considerare ac iunea altor factori decât variabilele factoriale. în primul rând. deoarece volumul eşantionului analizat este satisfăcător: 30 de date lunare.

a datelor exprimate în unită i naturale sau valorice cu variabile rezultate în urma unor prelucrări simple (ritmuri de creştere. şi prin înlocuirea. Dacă variabilele factoriale fac parte dintr-un sistem complex de interdependen e. Variabila aleatoare sau reziduală (εi) este de distribu ie normală. acolo unde a fost necesar. Această ipoteză se va verifica în etapa de testare statistică a modelului final. Totodată. pentru a evita riscul corelării datelor. ne aflăm în situa ia de multicoliniaritate. Această ipoteză se va testa în sec iunea de verificare statistică a modelului şi normalitatea reparti iei variabilei aleatoare se va confirma. alături de erorile de sondaj şi de inconstan a în timp a rela iilor dintre variabile. semnalele referitoare la fenomenul de multicoliniaritate sunt date de valorile apropiate de ± 1 ale coeficien ilor de corela ie calcula i pentru legăturile dintre variabilele factoriale sau de valorile apropiate de 100% ale coeficientului de determinare multiplă. în interpretarea valorilor acestora. datorită volumului suficient de mare de date studiat (un număr mai mare de unită i poate pune mai pregnant în eviden ă caracterul normal al reparti iei). Dacă nu se acordă importan ă acestei ipoteze. rămânând în analiză doar factorii de influen ă reprezentativi. Variabila reziduală (εi) urmează o distribu ie independentă de valorile variabilelor factoriale. Prin urmare. Ipoteza 3. Verificarea acestei ipoteze se realizează prin determinarea mediei şi a varian ei valorilor reziduale şi prin efectuarea unui test fundamentat pe presupunerea că variabila aleatoare (εi) urmează o lege normală.Ipoteza 2. ceea ce denotă o relativă stabilitate a legăturii dintre cursul valutar şi factorii de influen ă lua i în considerare. reprezintă principalele surse de instabilitate ale estima iilor parametrilor de regresie. varian a variabilei aleatoare (σ2(εi)) nu diferă semnificativ în raport cu segmentele de valori ale variabilelor factoriale. studiată în cadrul capitolului cinci. sporuri sau indici). Aşa cum s-a arătat. Multicoliniaritatea. 78 . având în vedere că pot apărea mari erori şi distorsiuni în estimarea parametrilor modelului şi. implicit. adică este homoscedastică. de medie nulă (E(εi) = 0) şi de dispersie constantă şi diferită de zero. exercitându-şi influen a numai asupra variabilei rezultative. Gauss-Laplace. Atenuarea sau chiar eliminarea multicoliniarită ii s-a realizat prin utilizarea unor eşantioane de dimensiuni cât mai mari. Normalitatea reparti iei variabilei aleatoare este confirmată atunci când valorile acesteia se situează între limitele (± zα/2 ⋅ s(εi)). Ipoteza 4. analiza are toate şansele să devină irelevantă. s-au eliminat unele variabile corelate strâns cu altele. Variabilele factoriale sunt independente unele de celelalte. în condi iile în care estimatorii parametrilor de regresie sunt nesemnificativi din punct de vedere statistic. precum şi datorită gradului ridicat de omogenitate şi comparabilitate a datelor analizate.

de aspectele scoase în eviden ă de practica economică în perioada şi spa iul avute în vedere. volumul importurilor. Cursul valutar considerat variabilă rezultativă este cursul real al leului în raport cu euro. Astfel. care influen ează decisiv comportamentul cursului de schimb al leului. Autocorelarea poate apare în condi iile în care s-a omis introducerea în model a unei variabile factoriale importante. tot în sec iunea de verificare statistică a modelului final. 29 C. aferente perioadei ianuarie 2003 – iunie 2005. gradul de acoperire al importurilor prin exporturi şi soldul comer ului exterior. cu ajutorul testului Durbin – Watson. vor fi elaborate modele unifactoriale care analizează. Efectele negative ale unei eventuale autocorelări a variabilei aleatoare se răsfrâng asupra calită ii parametrilor de a fi nedistorsiona i şi asupra testării semnifica iei acestora. aşa cum este el relevat de către datele analizate. deflatat cu indicele pre urilor industriale (PPI). fapt pentru care se va încerca ilustrarea influen ei condi iilor comer ului exterior românesc asupra cursului valutar al leului cu ajutorul acestui indicator. În cele ce urmează. influen a variabilelor considerate semnificative. Verificarea ipotezei autocorelării variabilei aleatoare se va realiza. Timişoara. În acest sens. Apoi. pe rând. Editura Mirton. precum şi de volumul şi structura datelor disponibile sau posibil de a fi ob inute. componenta fundamentală a balan ei de plă i externe o constituie contul curent al acesteia. Cel mai semnificativ parametru s-a dovedit a fi soldul comer ului exterior (SCE). se analizează dependen a cursului valutar în raport cu posibilii factori de influen ă. Acest lucru înseamnă că valorile respective sunt independente între ele. 2.Ipoteza 5. Valorile variabilei aleatoare nu sunt autocorelate. ceea ce implică utilizarea unor metode statistice specifice. se verifică premisele teoretice prin prisma comportamentului variabilelor luate în considerare. 2006 79 . un prim parametru al economiei na ionale. cu influen ă puternică asupra cursului valutar. În condi iile actuale ale dezvoltării rela iilor economice externe ale României. inând seama de ceea ce admite teoria domeniului. care se exprimă cu ajutorul unor parametri ca: volumul exporturilor. Alegerea variabilelor factoriale În cadrul acestei etape sunt selecta i şi defini i factorii de influen ă ai cursului valutar sau variabilele factoriale. ceea ce implică faptul că şi înregistrările de date în eşantioane au fost independente. îl reprezintă balan a de plă i externe a României.2. Preda. C.29 Ac iunea variabilelor factoriale asupra cursului leului va fi studiată pe baza unui set de 30 de date lunare ajustate. Econometrie. Şipoş.

.7010391 0.689 6. însă.196 2510.610693 2.determinat ca diferen ă între nivelul lunar al exportului şi nivelul importului aferent aceleiaşi luni şi exprimat în milioane EUR. Ecua ia pe care se fundamentează acest model este următoarea: Ci = a0 + a1 ⋅ SCEi + εi Pe baza unei analize statistice preliminare. ceea ce înseamnă că influen a soldului comer ului exterior asupra cursului de schimb real nu este foarte puternică la ora actuală.882 ˆ a ˆ a 0 1 36424.819 2.000 0. de observa ii: 29 după ajustare CURS LEU/EUR = a0 + a1 * SCE(-1) Coeficien i Eroarea standard t-Statistic Probabilitatea 0. ceea ce arată că există al i factori mai semnificativi. conform cărora pentru n – 1 = 28 grade de libertate şi pentru 80 . se compară cu valorile tabelate aferente reparti iei Student. distorsiunile de estimare ale parametrilor modelului sunt destul de mici. de politica monetară a statului. care in.588 1. relativ mică în raport cu media cursului de schimb.248 1141.566766 Curs mediu F-statistic F-critic Coef.749 6. Pe baza eşantionului format din cele 30 valori lunare ajustate ale cursului leului şi ale soldului comer ului exterior. luate în mărime absolută. mai ales. Eroarea standard a regresiei este. ˆ ˆ Nivelurile de semnifica ie ale parametrilor estima i a0 şi a 1 (coloana tStatistic).016 33. deci. modelul este următorul: Tabelul 1 Variabila dependentă: CURS LEU/EUR Metoda celor mai mici pătrate Eşantionul: 30 Nr. s-a ajuns la concluzia că influen a soldului comer ului exterior asupra cursului de schimb prezintă un time–lag de o lună. de determina ie Eroarea standard Durbin – Watson Se observă că valoarea coeficientului de determina ie este destul de mică.991 31.89576 2.

Timişoara. Dacă randamentul altor active financiare sau reale este inferior randamentului activelor financiar-valutare. atunci agen ii economici vor încerca să procedeze la substituirea acestor genuri de active financiare sau reale cu de inerile de mijloace de plată străine. Modern Business Statistics. exprimate în valută. aceasta va face ca agen ii economici care ajung. 788 – 789 31 C. un factor important de influen ă al cursului de schimb al leului. pag. Acest lucru se datorează faptului că depozitele în valută reprezintă o componentă exprimată indirect în moneda na ională. la sfârşitul perioadei. modelul este de forma: R. O altă variabilă cu impact semnificativ asupra cursului leului o reprezintă masa monetară (M2). 1989. deci. Se observă că ambele valori ale nivelurilor de semnifica ie sunt peste valoarea ˆ ˆ critică. Conover. W. ˆ ˆ Probabilită ile ca parametrii a0 şi a1 să fie incorect estima i (coloana Probabilitatea) sunt foarte mici. 2006 30 81 . Ecua ia pe care se fundamentează acest model este următoarea: Ci = a0 + a1 ⋅ M2i + εi Pe baza eşantionului format din cele 30 valori lunare ale cursului real al leului şi ale masei monetare în sens larg. Iman.J. Econometrie. Preda. 31 Masa monetară în sens larg. pe diverse căi. în scopul realizării unei structuri optimale a patrimoniului lor. în posesia acestei cantită i suplimentare de monedă. John Wiley & Sons. este formată. reale şi financiare. Editura Mirton.05 nivelul critic (minim acceptat) este de 2.048 30. În ipoteza că oferta de monedă na ională va creşte. din masa monetară în sens restrâns M1 (care include numerarul din afara sistemului bancar şi disponibilită ile la vedere) şi cvasi-banii (care includ economiile popula iei. Se precizează că nu sunt luate în calculul masei monetare M2 depozitele în valută ale reziden ilor. cu cursul de schimb oficial. Second Edition. soldul comer ului exterior reprezentând. exprimate în miliarde lei. C. iar valoarea F-statistic este mai mare decât Fcritic. după cum se ştie. deoarece s-a considerat că includerea acestora poate distorsiona concluziile analizei. ceea ce va conduce la creşterea cererii pentru astfel de mijloace pe pia a valutară internă şi la modificarea nivelului cursului de schimb al monedei na ionale. M2.o probabilitate P (t≤ t0)= 0. să-şi modifice cererea pentru diferite active. ceea ce înseamnă că modelul este semnificativ din toate punctele de vedere. Şipoş. prin înmul irea valorii lor. ceea ce înseamnă că parametrii a 0 şi a 1 sunt corec i. depozitele în lei la termen şi condi ionate).L.

Valoarea coeficientului de determina ie este foarte mare (0. luate în valoare ˆ absolută sunt mari. de observa ii: 30 după ajustare CURS LEU/EUR = a0 + a1 * M2 Coeficien i Eroarea standard t-Statistic Probabilitatea 50. conform analizei preliminare. pe baza eşantionului format din cele 30 valori lunare ale cursului leului şi ale ratei medii a dobânzii.282 1. un factor de influen ă esen ial în determinarea comportamentului cursului de schimb al leului şi va reprezenta o componentă de bază a modelului final. de unde rezultă. nivelurile de semnifica ie t-Statistic. iar probabilită ile ca parametrii a0 şi ˆ a1 să fie incorect estima i sunt nule. ceea ce arată că acest model este foarte corect. Erorile standard sunt mici în raport cu valorile ˆ ˆ parametrilor a0 şi a1 .53359 0. ceea ce înseamnă că modelul este semnificativ din toate punctele de vedere. aşadar.075 2.54 -21.6206 Curs mediu F-statistic F-critic Masa monetară are o puternică influen ă asupra cursului leului. o altă variabilă care influen ează semnificativ cursul de schimb al leului o constituie rata dobânzii (d). exprimată procentual.000 0.850). Masa monetară constituie. În continuare. peste nivelul critic. că modelul este următorul: 82 .819 159.5188 0.536 885.Tabelul 2 Variabila dependentă: CURS LEU/EUR Metoda celor mai mici pătrate Eşantionul: 30 Nr. conform următoarei ecua ii: Ci = a0 + a1 ⋅ di + εi Influen a ratei dobânzii asupra cursului leului.046 Coef. Valoarea F-statistic este mult mai mare decât F-critic.860 ˆ a ˆ a 0 1 44711.000 33.850 1074. ceea ce conduce la concluzia că varia ia cursului de schimb al leului este influen ată foarte puternic de varia ia masei monetare. nu are time–lag.70621 -12. de determina ie Eroarea standard Durbin – Watson 1.

la sfârşitul perioadei. de determina ie Eroarea standard Durbin – Watson 73. ˆ Valoarea parametrului a1 este pozitivă.686 1555.321 1348. care includ aurul. ceea ce înseamnă că între cursul valutar şi rata dobânzii există o legătură directă. Cu toate acestea.819 61. din punct de vedere statistic. având în vedere faptul că. disponibilul libelat în DST la Fondul Monetar Interna ional şi alte active externe convertibile (bonuri de tezaur pe termen mediu şi lung) exprimate în milioane EUR.537 Coef. FED şi la bănci străine). iar probabilită ile ca parametrii a0 şi a1 să fie incorect estima i sunt nule.255 1. valutele convertibile (efective şi cecuri. chiar dacă are un impact ceva mai mic decât cel al masei monetare. ˆ Erorile standard sunt mici.4274 0.000 0.Tabelul 3 Variabila dependentă: CURS LEU/EUR Metoda celor mai mici pătrate Eşantionul: 30 Nr. Valoarea F-statistic este destul de mare în raport cu F-critic. Ecua ia este următoarea: 83 . Drept urmare.82660 Curs mediu F-statistic F-critic Se observă că valoarea coeficientului de determina ie este cu ceva mai mică decât în cazul masei monetare. ceea ce înseamnă că modelul este semnificativ din toate punctele de vedere.860 ˆ a ˆ a 0 1 23501. ceea ce înseamnă că modelul este corect. disponibil la BRI.9124 0.58392 7. se poate spune că rata dobânzii este un factor de influen ă semnificativ al cursului de schimb al leului. nivelurile de semnifica ie ale parametrilor a 0 şi ˆ ˆ ˆ a1 sunt mult peste nivelul critic.6 575.000 33. Un alt parametru utilizat în modelarea cursului de schimb al leului îl constituie rezervele interna ionale brute ale BNR (RIB). dobânda rămâne un factor semnificativ de influen ă. ceea ce înseamnă că influen a ratei dobânzii asupra cursului valutar al leului este pu in mai slabă decât cea exercitată de către masa monetară.84 2. modelul acesta este mai bun decât cel al soldului comer ului exterior. ambele variază în acelaşi sens. bonurile de tezaur SUA. de observa ii: 30 după ajustare CURS LEU/EUR = a0 + a1 * d Coeficien i Eroarea standard t-Statistic Probabilitatea 17.

deci distorsiunile de estimare ale parametrilor modelului sunt suficient de mici. de observa ii: 30 după ajustare CURS LEU/EUR = a0 + a1 * RIB Coeficien i Eroarea standard t-Statistic Probabilitatea 94. Acest 84 . de determina ie Eroarea standard Durbin – Watson 0. ˆ ˆ sunt mari.Ci = a0 + a1 ⋅ RIBi + εi Pe baza eşantionului format din cele 30 valori lunare ale cursului leului şi ale rezervelor interna ionale brute şi având în vedere faptul că. corect din punct de vedere statistic. s-a ajuns la concluzia că nu există time–lag în transmiterea influen ei. la rândul său. ˆ Se observă valoarea negativă a parametrului a 1 . modelul este următorul: Tabelul 4 Variabila dependentă: CURS LEU/EUR Metoda celor mai mici pătrate Eşantionul: 30 Nr.442 1. ˆ ˆ Nivelurile de semnifica ie ale parametrilor a 0 şi a1 . luate în valoare absolută.2706 Curs mediu F-statistic F-critic Valoarea coeficientului de determina ie este foarte mare.941 670.898894 0. Acest lucru se datorează faptului că. politica monetară şi valutară a băncii na ionale este foarte importantă în determinarea cursului valutar şi a ratei infla iei. mult peste nivelul critic. la ora actuală.860 ˆ a ˆ a 0 1 43176. existând o implicare semnificativă a autorită ilor în acest domeniu.000 33.598 2. ceea ce înseamnă că modelul este. care arată faptul că între cursul valutar şi rezervele interna ionale brute există o corela ie inversă. Valoarea lui F-statistic este foarte mare în raport cu F-critic. Erorile standard sunt mai mici decât în majoritatea cazurilor anterioare.5571 0. ceea ce înseamnă că influen a rezervelor interna ionale brute ale BNR asupra cursului de schimb al leului este substan ială. ceea ce arată o legătură foarte puternică între cursul leului şi rezervele interna ionale brute ale BNR. iar probabilită ile ca parametrii a0 şi a1 să fie incorect estima i sunt nule.0422597 -21. fapt pentru care acestea vor fi incluse în modelul final.098 -0.61391 Coef. în urma analizei preliminare.000 0. cea mai mare de până acum.985 456.819 452.

pe această bază. 2006 85 . Din punct de vedere tehnic. gama relativ redusă a activelor monetar – financiare libelate în valută. Pentru România. invers. Şipoş. din punctul de vedere al termenelor de formare a anticipa iilor. respectiv de valută. care. formulează anticipa ii pe termen scurt şi foarte scurt. aici efectul nu este cauzat de influen a directă a unei variabile factoriale. Întocmai ca şi în cazul altor pre uri. în spe ă cursul valutar al leului.32 În interpretarea capacită ii de memorare de către operatori a comportamentului din trecut. Editura Mirton. prezintă caracteristica de a se autocorela. C. prin natura sa. dacă rezervele interna ionale brute scad. decalate cu una sau mai multe perioade în urmă. Această caracteristică ine de capacitatea operatorilor de pe pia a valutară de a re ine comportamentele anterioare ale cursului de schimb şi de a ac iona în func ie de acestea în formarea anticipa iilor lor pentru perioadele următoare. Preda. mult mai rar şi care sunt interesa i în formularea de anticipa ii pe termen mediu şi lung. cursul valutar are şi o puternică latură autoregresivă. ci este unul retroactiv. adică se va deprecia. În principal. Econometrie. în sensul că nivelul curent al acesteia este determinat într-o măsură semnificativă de nivelurile sale anterioare. Pe lângă influen ele majore pe care cursul de schimb le suferă din partea unor variabile economice de tipul celor studiate până acum. se poate distinge între operatori care intervin în mod frecvent pe această pia ă şi care. Astfel. în consecin ă. cursul va creşte. şi operatorii care intervin. În general. volatilitatea crescută a pie ei valutare. problema care apare fiind cea a determinării momentului când acestea devin nesemnificative. indus de încărcătura informa ională a cursului de schimb asupra comportamentului operatorilor de pe pia a valutară. Timişoara. de memorare a comportamentului său istoric. determinând astfel modificări importante în cererea şi oferta de monedă na ională. fragilitatea la diversele 32 C. cu cât acest time-lag este mai mare.lucru înseamnă că atunci când rezervele interna ionale brute cresc. time-lag-ul (decalajul în timp a influen elor) putând avea diferite valori. trebuie delimitate diversele categorii de agen i economici şi motiva iile specifice acestora. formulează anticipa ii. termenul de autoregresiv defineşte măsura în care o variabilă economică. adică deplasarea în urmă fa ă de momentul prezent este mai accentuată. ceea ce înseamnă o apreciere a cursului şi. efectul autoregresiv se concretizează în modul mai mult sau mai pu in pregnant în care nivelul actual al cursului este influen at de nivelurile sale anterioare. dacă ne referim în mod specific la participan ii pe pia a valutară. cu atât influen ele sunt mai slabe. cursul valutar va scădea. direct sau indirect. pentru a fi eliminate din model.

valoarea lor decizională.5082 Coef. în condi iile unor cursuri de schimb flotante. orientându-se în estimarea nivelului anticipat al cursului de schimb în func ie de nivelul său din perioadele precedente. se poate afirma că agen ii economici din prima categorie. ceea ce înseamnă că 86 . de forma: Ct = a0 + a1Ct–1 + εt Modelul pune în eviden ă memoria operatorilor referitoare la o singură perioadă din urmă.003987 248. practic. introducând. o anumită corec ie în raport de evolu iile precedente.749 366. interesa i în formularea unor anticipa ii cu grad sporit de acurate e – mai precis.633 1. deci.963.9924 0. Introducerea anticipa iilor în modelul de determinare a cursului leului are la bază modelul autoregresiv de ordinul întâi (AR1). respectiv. eventual.882 ˆ a ˆ a 0 1 0 0. modelul autoregresiv de ordinul întâi este: Tabelul 5 Variabila dependentă: CURS LEU/EUR Metoda celor mai mici pătrate Eşantionul: 30 Nr.000 33. Desigur. deci. se bazează pe o capacitate de memorare şi asimilare a informa iilor pe termen foarte scurt.000 0.963 0. de autodetermina ie Eroarea standard 0. această formulare reprezintă o particularizare a celor enun ate anterior. interesa i de aspectul cantitativ al modificărilor survenite în cursul de schimb – urmăresc de o manieră sistematică această evolu ie. agen ii economici tinzând să-şi formuleze anticipa iile prin extrapolarea cvasi–mecanică a situa iei curente. respectiv.929 732. de autocorela ie Coef. de autodetermina ie sunt foarte mari (0. distorsionează semnificativ acurate ea predic iilor şi. Pe baza eşantionului format din cele 30 de valori lunare ale cursului leului.848 Curs mediu F-statistic F-critic Se observă că valorile coeficien ilor de autocorela ie. fără a ine seama de ceea ce s-a întâmplat cu mai multe perioade în urmă.categorii de şocuri. În aceste condi ii. 0. de observa ii: 29 după ajustare CURS LEU/EUR = a0 + a1 * C t-1 Coeficien i Eroarea standard t-Statistic Probabilitatea 0 0 0.929).

Ele oferă informa ii utile despre comportamentul cursului de schimb al leului. care este foarte sensibilă la informa ii referitoare la eventuale şocuri sau deprecieri bruşte. de rata dobânzii (d). de rezervele interna ionale brute (RIB) şi de cursul de schimb din perioada anterioară (Ct-1). Influen ele ce se manifestă asupra cursului de schimb al leului sunt. care ia în considerare to i factorii de influen ă considera i importan i în determinarea comportamentului cursului valutar al leului. SCE). pun în eviden ă influen a mai mare sau mai mică pe care fiecare dintre variabilele luate în considerare o exercită asupra cursului de schimb al leului. Acest lucru înseamnă că o propor ie importantă a evolu iei monedei noastre na ionale se bazează încă pe anticipa ii şi mai pu in pe influen ele obiective pe care cursul le suferă din partea celorlalte variabile macroeconomice. Anticipa iile sunt extrem de importante într-o economie de pia ă liberă. prin urmare. Se observă valoarea foarte mare a nivelului de semnifica ie al ˆ parametrului a1 .evolu ia cursului valutar al leului este puternic autoregresivă. se poate trece la elaborarea modelului final. pe baza influen ei simultane exercitate de balan a de plă i externe (reprezentată de soldul comer ului exterior. comparativ cu nivelul minim acceptat şi valoarea nulă a ˆ probabilită ii ca parametrul să fie incorect estimat. fapt pentru care este necesar ca banca centrală şi celelalte autorită i să acorde o aten ie maximă semnalelor pe care le transmit spre pia a valutară. Estimarea parametrilor modelului În urma selectării variabilelor factoriale semnificative. de masa monetară (M2). elaborate până acum. Eroarea standard este mică în compara ie cu valorile cursului. dă măsura importan ei anticipa iilor operatorilor pe pia a valutară din România. fapt pentru care a fost anulat. nivelul anterior având o influen ă extrem de mare asupra nivelului curent al cursului. integrate într-un sistem mai larg şi nu pot fi reflectate decât cu ajutorul modelului multifactorial. însă. Influen a puternică pe care o exercită nivelul anterior al cursului asupra a ceea ce se întâmplă în prezent. 2. conform ecua iei generale: Ct = a1 ⋅ SCEt-1 + a2 ⋅ M2t + a3 ⋅ dt + a4 ⋅ RIBt + a5 ⋅ Ct-1 + εt 87 . modelele unifactoriale. Aşa cum s-a putut constata. Modelul final este construit. Parametrul a 0 s-a dovedit a fi nesemnificativ. fapt care ne arată că modelul autoregresiv de ordinul întâi are distorsiuni minime.3. putând servi la în elegerea acestuia. care ia în considerare ac iunea simultană a acestor variabile factoriale.

489 0. Din aceste interpretări.882 ˆ a2 ˆ a3 ˆ a4 ˆ a5 Coef.9414 718. a ratei dobânzii.971 0. ceea ce înseamnă că influen a celor cinci variabile factoriale asupra cursului leului este puternică.95368 7. care pune în eviden ă influen a simultană a celor cinci variabile factoriale asupra comportamentului cursului de schimb al leului.14832 0. ale masei monetare.629 1. a rezervelor interna ionale brute şi ale cursului din perioada anterioară. ale soldului comer ului exterior. Valoarea F-statistic este destul de mare în raport cu F-critic.04735 Curs mediu F-statistic F-critic 0. de determina ie Eroarea standard Durbin – Watson Se observă că valoarea coeficientului de determina ie (0.204 1.3900 -1. practic. de observa ii: 29 după ajustare CURS LEU/EUR = a1 ⋅ SCEt-1 + a2 ⋅ M2t + a3 ⋅ dt + a4 ⋅ RIBt + a5 ⋅ Ct-1 Coeficien i Eroarea t-Statistic Probabilitatea standard ˆ a 1 0.9668 1.749 77.Utilizând eşantionul format din cele 30 valori lunare ale cursului leului.9414) este foarte mare.4935 -1. Erorile standard sunt destul de mici.501 -0.92207 10.34325 0. a masei monetare. ale ratei dobânzii şi ale rezervelor interna ionale brute.52145 1.8304 -121. ceea ce înseamnă că modelul multifactorial care include cele cinci variabile factoriale este semnificativ.06487 0. ceea ce arată că.00000 33.79124 81.3515 0. el reuşind să se adapteze 88 . Aceasta înseamnă că legătura dintre cele cinci variabile factoriale şi cursul valutar al leului este foarte puternică.12998 0.33257 0. adică distorsiunile de estimare ale parametrilor sunt acceptabile.568 22. respectiv: Tabelul 6 Variabila dependentă: CURS LEU/EUR Metoda celor mai mici pătrate Eşantionul: 30 Nr.17726 0. peste 94% din varia ia cursului de schimb al leului se datorează influen ei cumulate a varia iei soldului comer ului exterior. rezultă capacitatea relativ bună a modelului multifactorial de a anticipa evolu ia monedei na ionale. se determină valorile estimate ale parametrilor modelului multifactorial.

1996. Orice modificare a volumului eşantionului duce. de regulă.4. în sensul completării sale cu alte variabile de influen ă. ni. ratei dobânzii. se doreşte să se ajungă la estimări valabile pentru o colectivitate generală formată din sute de valori. perioadele aşa-zis scurte fiind. în primul rând. Iaşi. de ordinul săptămânilor sau chiar al lunilor. care constă în compararea frecven elor absolute efective. cu valorile teoretice. condi ia de normalitate a variabilei aleatoare εi. datorită faptului că estimarea parametrilor săi se realizează pe seama unor eşantioane de date mai mult sau mai pu in reprezentative. în vederea validării sau invalidării acestora. prezentată în etapa formulării ipotezelor de lucru. pi. Statistica. rezervelor interna ional brute şi a cursului din perioada anterioară este cel mai ilustrativ pentru comportamentul cursului valutar al leului în perioada studiată. În aceste condi ii. la modificarea valorilor estimate. de faptul că estima iile ob inute pot fi semnificative sau doar întâmplătoare. Aceasta se poate verifica cu ajutorul mai multor teste statistice. Alte încercări de ameliorare a modelului. Verificarea statistică a modelului Etapa de verificare a modelului econometric pe baza unor teste statistice este absolut necesară. Trebuie re inut totuşi faptul că modelul este construit pe valori lunare. masei monetare. ataşate valorilor variabilei aleatoare. 30 de valori lunare). Aceste probleme sunt rezolvate în general cu ajutorul testelor statistice. precum şi de limitele între care estimatorii pot varia fără a influen a aprecierile ini iale şi concluziile referitoare la semnifica ia lor. în func ie de concluziile la care ne conduce verificarea statistică. Editura Sedcom Libris. pe baza unui număr relativ redus de valori (în cazul nostru. 33 Elisabeta Jaba. de fapt. rezultat al unei conjuncturi de valori din cadrul eşantionului. Analiza modelului econometric nu se încheie însă aici. pag. 223 – 224 89 . urmând o etapă importantă de verificare a rezultatelor ob inute cu ajutorul testelor statistice. dovedind-se că modelul care ia în considerare influen a simultană a soldului comer ului exterior. trebuie să îndeplinească. ceea ce înseamnă că aceste valori au un grad ridicat de relativitate. Pentru ca modelul elaborat să fie corect din punct de vedere statistic. nu au dat rezultate. Astfel. apar probleme legate de măsura în care solu iile modelului propus pot fi generalizate. dintre care s-a utilizat testul Helmert33. 2. care studiază semnifica ia parametrilor modelului econometric şi calitatea acestuia de a descrie rela ia de dependen ă dintre cursul de schimb şi variabilele factoriale luate în considerare.destul de bine condi iilor existente. bazat pe reparti ia χ2.

Verificarea ipotezei autocorelării variabilei aleatoare se realizează cu ajutorul testului Durbin – Watson35. Valorile calculate ale testului χ2 se compară cu valoarea tabelată a acestuia.42 npi i =1 12. Preda. 10.4 = 9. Se stabileşte ipoteza nulă (H0) conform căreia variabila aleatoare este autocorelată. Se calculează valorile standardizate zi.178.487. Econometrie. după rela ia: 34 35 C. Şipoş. Timişoara. pag. Se determină valoarea dcalculat. Ftabelar(9. din tabelul Gauss–Laplace34. 11. Se observă că valoarea calculată este mai mică decât valoarea tabelată. În acest sens. Editura Mirton.05) = 3. Aceste valori calculate se compară cu valoarea tabelară. Se determină o valoare calculată χ2c: χc= ∑ 2 k (ni − npi )2 = 7. C. Se calculează valorile teoretice pi = ϕ(zi) – ϕ(zi–1). 2006 C. F1calculat = 1. 8. 0. prin care se admite normalitatea distribu iei variabilei aleatoare. Chilărescu. corespunzătoare distribu iei Fisher – Snedecor (anexa 4) şi rezultă că ambele valori Fcalculat < Ftabelar. 1994.942. Se determină.Efectuarea testului χ2 presupune parcurgerea următoarelor etape: 7. Timişoara. 9. adică variabila aleatoare este homoscedastică. ceea ce înseamnă că nu există deosebiri semnificative între varian e. Se formulează ipoteza nulă H0. Modele econometrice aplicate. s-a sec ionat şirul valorilor variabilei aleatoare în trei segmente a câte 10 valori şi s-au determinat două valori calculate. 2. În vederea verificării modului în care este confirmată ipoteza homoscedasticită ii de către comportamentul variabilei aleatoare – prezentată în etapa formulării ipotezelor de lucru – se realizează un test Fisher (F). Editura Mirton.05. care presupune parcurgerea următoarelor etape: 1. χ20. 9. 25 – 28 90 . de unde rezultă că ipoteza de normalitate a variabilei aleatoare se acceptă.856 şi F2calculat = 1. luată din anexa 3. valorile ϕ(zi) corespunzătoare.

Se compară dcalculat cu valorile tabelare şi rezultă că dcalculat > dsuperior. 4. Se stabileşte ipoteza nulă (H0). în func ie de valorile variabilelor factoriale X1i. pentru nivelul de semnifica ie α = 0. 91 . sx22. Se determină din tabelele Durbin – Watson.∑ (ε i − ε i−1 ) dcalculat = i=2 n 2 ∑ε i =1 n = 1. Reparti ia pe baza căreia se realizează acest test este Fisher – Snedecor. valorile tabelare dinferior = 1. ceea ce implică faptul că şi înregistrările de date în eşantioane au fost independente. Xki . Existen a acestor abateri este sintetizată de varian ele cursului valutar datorate variabilelor factoriale (sx12. Testarea capacită ii modelului de a reconstitui valorile empirice ale 2 ˆ cursului de schimb Ct prin intermediul valorilor estimate Ct se realizează prin parcurgerea următoarelor etape: 1. numărul de grade de libertate n – 1 = 28 şi numărul de variabile factoriale k = 5. adică valorile variabilei aleatoare sunt independente între ele. iar nivelul de semnifica ie este α = 0. sxk2).03 şi dsuperior = 1.05. …. ˆ Prima dintre acestea este abaterea valorilor estimate Ct în raport cu media. A doua categorie o constituie abaterea valorilor empirice Ct de la ˆ valorile estimate Ct . Varian a valorilor empirice în raport cu dreapta de regresie exprimă. 2.971 2 i 3. ceea ce înseamnă că ipoteza autocorelării variabilei aleatoare se respinge. …. conform căreia împrăştierea valorilor ˆ estimate ale cursului valutar Ct datorită factorilor de influen ă nu diferă semnificativ de împrăştierea aceloraşi valori datorită întâmplării. ca urmare a ac iunii variabilei aleatoare. de fapt. precum şi a ˆ valorilor estimate Ct cu media acestora. fie peste medie.85. X2i. împrăştierea variabilelor aleatoare ( sε i ). Verificarea capacită ii modelului de a reconstitui valorile empirice ale ˆ cursului de schimb Ct prin intermediul valorilor estimate Ct se realizează prin ˆ compararea valorilor empirice Ct cu valorile generate de model Ct . abateri care se consideră că apar datorită modificării factorilor de ˆ influen ă. pentru a pune în eviden ă două tipuri de abateri. Valorile estimate ale cursului de schimb Ct se situează fie sub medie.05.

Previziunile generate de modelele econometrice urmăresc să prefigureze comportamentul viitor al cursului valutar în raport cu influen ele directe şi indirecte exercitate asupra lor de către variabilele factoriale. mediu sau lung. dar.5. o previziune pe termen mediu vizează un orizont de 92 . chiar dacă nu există certitudini. fiind util analizei şi previzionării cursului de schimb. care poate fi scurt. însă. şi a cursurilor valutare. că şi această variantă de analiză implică riscul comiterii de erori semnificative. reprezintă de cele mai multe ori obiectivul final al modelării econometrice. 2. şi în contextul rela iilor cauzale dintre cursul de schimb şi factorii de influen ă. există convingerea că.204 4. această nesiguran ă dispare şi. factoriale. Nu există o unitate de păreri în ceea ce priveşte definirea exactă a orizontului de timp. Se compară valoarea calculată cu valoarea tabelară şi se observă că Fstatistic > F-critic. în ciuda aparatului statistic destul de complex pe care se bazează. Un element extrem de important al previzionării cursului valutar îl reprezintă orizontul de timp care trebuie avut în vedere. constituind elementul central al verificării validită ii modelului elaborat. aleatoare). Previzionarea cursului de schimb al leului pe baza modelului econometric multifactorial Previziunea evolu iei fenomenelor economice. Deoarece previziunea se bazează pe un număr relativ mare de elemente. bazate pe ipoteza reparti iei normale a variabilelor analizate (rezultativă. deci. Parcurgerea tuturor acestor etape ale verificării statistice a modelului econometric. în mod conven ional. se poate spune că o previziune pe termen foarte scurt nu depăşeşte şapte zile. În urma acestor multiple verificări. în special. abordate în interac iune. duc la ideea unei anumite nesiguran e privind calitatea rezultatelor ob inute. una pe termen scurt este cuprinsă între şapte zile şi trei luni. din tabelul reparti iei Fisher – Snedecor (anexa 4) în func ie de nivelul de semnifica ie α = 0.05 şi de n1 – 1 = 28 şi n2 – 1 = 28 grade de libertate. pentru o probabilitate suficient de mare. Se determină valoarea tabelară. Este adevărat. 5.3. în general. se poate afirma că modelele econometrice reprezintă o modalitate superioară de cunoaştere anticipativă în economie. precum şi ale celor referitoare la verificarea parametrilor modelului. concluzia la care se ajunge este cea adevărată. ceea ce înseamnă că modelul a rezistat verificării.882. ipoteza nulă se respinge. F-critic = 1. Se determină valoarea calculată F-statistic = 77.

în schimb asigurarea acurate ei previziunii presupune parcurgerea unei serii de etape care include analize. Aceste metode permit elaborarea unor previziuni pe termen mediu şi lung. iar peste trei ani previziunea este considerată ca fiind pe termen lung. Econometrie. ceea ce presupune: – luarea în considerare a solu iilor previzionate deja pentru cele mai recente perioade de timp. Editura Mirton. – asigurarea unui anumit rol experien ei şi intui iei în analiza rezultatelor ob inute. C. – utilizarea informa iilor de natură calitativă în vederea ajustării previziunilor şi apropierii lor cât mai mult de realitate. reevaluări care au drept scop final diminuarea erorilor de previzionare.timp cu o durată cuprinsă între trei luni şi trei ani. astfel încât structura exprimată prin parametrii de regresie va rămâne neschimbată. Preda. soldul comer ului exterior şi rezervele interna ionale brute) valori preconizate – rezultate din aplicarea modelului pe perioade de timp cunoscute şi apoi se determină viitoarele valori ale cursului valutar pe baza modelului. Altele. rata dobânzii. verificări. nu se va modifica semnificativ. Timişoara. în sensul reevaluării şi ajustării predic iilor. Previziunile bazate pe modelul multifactorial al cursului valutar al leului se realizează astfel: se atribuie variabilelor factoriale (masa monetară. Corectitudinea acestor previziuni depinde de următoarele condi ii: – valorile atribuite variabilelor factoriale sunt reale. se fundamentează pe formularea unor previziuni pe termen foarte scurt pe seama comportamentului din trecut al cursului de schimb al leului. În ceea ce priveşte modalitatea de ob inere a valorilor estimate ale cursului de schimb. 2006 93 . – comportamentul constatat în trecut în ceea ce priveşte rela iile dintre variabilele modelului. – nu vor interveni noi factori semnificativi şi nici situa ii excep ionale care să modifice esen ial comportamentul cursului valutar al leului. dacă procedeul în sine nu ridică probleme. cu ajutorul modelelor autoregresive. Unele se bazează pe o analiză economică care porneşte de la premisa existen ei unor rela ii stabile între cursul valutar şi alte variabile economice.36 Există mai multe metode de previzionare a cursului valutar. O modalitate importantă de îmbunătă ire a performan elor modelelor econometrice constă în depăşirea cadrului strict matematic sau statistic al analizei. Şipoş. 36 C.

atât prin prisma dimensiunii şi a capacită ii lor de a reflecta modificările semnificative ale tendin ei de evolu ie. se asigură omogenitatea datelor. Aceste previziuni se referă la perioade de timp pentru care se cunosc date reale. existând posibilitatea testării preciziei prognozei. Pentru a ob ine previziuni cât mai precise. Pregătirea elaborării previziunii.a 3 ˆ . eroarea de previziune ( ε t′ ) reprezintă abaterea valorii previzionate ˆ Ct în raport cu valoarea reală Ct . Posibilele distorsiuni aferente previzionării cursului leului cu ajutorul modelului multifactorial se datorează faptului că datele utilizate au fost 94 . Se realizează prin estimarea parametrilor de regresie pentru perioada cunoscută t şi se ob in ˆ a1 . 3. ceea ce le face neconforme cu ipotezele metodei celor mai mici pătrate sau ale altor metode de estimare. Elaborarea previziunii în varianta ini ială.Astfel. se poate verifica modelul şi cu ajutorul previziunilor ex–post.a 4 ˆ . ale variabilelor factoriale prevăzute pentru perioadele de predic ie. prin utilizarea unei singure surse de provenien ă. În acest fel. trebuie să se determine dacă erorile de previzionare sunt minime şi dacă sunt datorate exclusiv unor factori aleatori. pentru a verifica dacă modelul final al leului a fost corect elaborat. 2. cât şi din punctul de vedere al calită ii acestor abateri de a fi conforme cu ipotezele metodei celor mai mici pătrate. – determinarea unor valori eronate.6. se parcurg următoarele etape: 1. ob inută sub formă de diferen ă ˆ ( ε ′ = C − C ) şi apari ia ei poate fi atribuită următoarelor cauze: t t t – ac iunea factorilor întâmplători. se verifică statistic modelul şi se procedează la stabilirea valorilor cunoscute ale variabilelor factoriale. în sensul eliminării erorilor de observare sistematice. se studiază abaterile dintre valorile estimate şi cele reale. valorile estimate ale parametrilor modelului: ˆ a 2 ˆ . În această etapă. se verifică datele. Analiza erorilor de previzionare rezultate. neafectat de distorsiuni sistematice. – omiterea unor factori importan i de influen ă (unii de natură calitativă) sau alegerea unor func ii neadecvate.a 5 conform tabelului 7. care determină abateri aleatoare de distribu ie normală. – distorsionarea parametrilor estima i ca urmare a faptului că datele utilizate provin de multe ori din eşantioane de volum redus. În cadrul acestei etape. Pentru a putea atinge acest deziderat. sub sau supraevaluate.

În aceste condi ii. Această schombare este rezultatul op iunii de reducere a subordonării politicii cursului de schimb obiectivului privind echilibrul extern şi de valorificare a tendin ei de apreciere în termeni reali a leului în scopul accelerării dezinfla iei. în anumite limite. Analiza calitativă a valorilor previzionate ale cursului valutar. a valabilită ii rela iilor descrise de ecua iile 95 . 5. cu condi ia ca pia a valutară să nu fie influen ată în mod semnificativ de factori exogeni. pe măsură ce acestea apar. regimul cursului de schimb al leului îşi păstrează. dacă este cazul. când vor fi îndeplinite criteriile necesare. prin verificarea periodică şi modificarea. la o flotare liberă a cursului de schimb. Ca urmare. rata dobânzii. comer ul exterior şi rezervele interna ionale brute – date lunare care implică prelucrări suplimentare pentru analiza unei variabile de tipul cursului valutar. prin adoptarea strategiei inflation targeting. ulterior. de tip institu ional sau politic. trebuie să ină seama şi de faptul că obiectivul major pe termen mediu şi lung al României este integrarea în Uniunea Europeană. în mare măsură compensat de influen a majoră pe care o au respectivele variabile asupra cursului de schimb al leului. care nu au fundament economic. Deoarece modelul transpune condi ii trecute în previzionarea evolu iei viitoare a comportamentului cursului de schimb al leului. Acest lucru este. ceea ce va permite trecerea. managed floating. mai ales. Pentru a putea aprecia corect concordan a valorilor previzionate pe baza modelului multifactorial cu evolu ia reală a cursului de schimb al leului. însă. este necesar să inem seama de faptul că politica valutară în România se află într-o perioadă de schimbări radicale. în final. Această etapă este una de apreciere a concordan ei evolu iei previzionate a cursului valutar cu ceea ce se cunoaşte din teoria economică de specialitate sau din experien a practică. apărând necesitatea obiectivă a actualizării sale permanente.prezentate sub forma valorilor lunare – deoarece aceasta este perioada de timp minimă pentru care pot fi înregistrate masa monetară. Actualizarea modelului. orizontul său de predic ie este relativ restrâns. cu condi ia completării lui permanente cu datele noi care apar pe parcurs şi. trăsătură care însă se estompează. pe măsura creşterii aportului productivită ii la sus inerea productivită ii externe. Acest lucru se realizează prin introducerea de noi date. adoptarea euro drept monedă na ională. modelul multifactorial poate fi utilizat cu o probabilitate suficient de mare de acurate e pentru estimări ale comportamentului cursului de schimb al leului pe termen mediu (pe perioade de până la un an). care presupune legarea mecanismului cursului de schimb al leului de ERM2 şi. caracteristicile flotării controlate. care evoluează zilnic. Totodată. 4.

pe de altă parte. 3. riscul este un concept aplicabil fenomenelor sociale. el fiind asociat unei probabilită i de apari ie a unor evenimente nedorite. o necunoaştere a ceea ce urmează să se întâmple în legătură cu rezultatele unei decizii luate într-un anumit domeniu. 96 . Din prezentarea etapelor de elaborare a modelului econometric.modelelor. fără să se cunoască probabilitatea de apari ie a unuia sau altuia dintre ele. o ac iune este considerată incertă atunci când este posibilă ob inerea mai multor rezultate. Riscul este o caracteristică specifică întregii distribu ii de probabilită i. care pot provoca abateri de natură să modifice fundamental condi iile ini iale şi care generează pierderi. precum şi prin introducerea unor noi variabile factoriale atunci când se consideră că este necesar. incertitudinea. deoarece. termen ce exprimă o stare de nesiguran ă cu privire la viitor. indicând posibilitatea cunoaşterii acestei legi de către deciden i. răspunzând. economice. necesită ilor activită ii practice. ce caracterizează evolu ia cursului valutar al leului. în realitate. dar şi pe arta de a aprecia şi corecta rezultatele ob inute cu ajutorul unor analize calitative. nesiguran a nu pot fi eliminate în totalitate. măsurarea lui fiind realizată cu ajutorul unor metode de evaluare bazate pe teoria probabilită ilor. originea sa aflându-se în incertitudinea care poate sau nu să genereze o pagubă. În fapt. Riscul şi incertitudinea se combină în diverse propor ii. Probabilitatea ne indică în ce măsură este posibilă producerea unui anumit eveniment în condi ii bine determinate. existând în permanen ă posibilitatea apari iei unor evenimente imprevizibile. Deasemenea. probabilitatea şi riscul sunt fenomene ce se înso esc pe o anumită arie de manifestare. Trebuie subliniat însă faptul că. sunt concepte diferite. în acelaşi timp. pe de o parte. Spre deosebire de incertitudine. Pentru în elegerea no iunii de risc. riscul poate fi asimilat cu probabilitatea ca un anumit eveniment nefavorabil să aibă loc. Model econometric de evaluare a riscului valutar În general. se porneşte de la termenul de incertitudine. în func ie de o evolu ie viitoare necunoscută. Astfel. rezultă că previziunile realizate pe baza acestuia se fundamentează în mare măsură pe ştiin a modelării cantitative. politice sau naturale. pentru fiecare eveniment posibil existând o anumită probabilitate de apari ie. riscul se caracterizează prin posibilitatea determinării unei legi de probabilitate pentru rezultatele scontate. riscul este un element de incertitudine care poate genera o pagubă. dar.

În contextul economiei mondiale contemporane, atitudinea fa ă de riscul valutar poate varia de la indiferen ă fa ă de acesta, cu suportarea consecin elor financiare ale acestui risc, care uneori sunt dezastruoase pentru o firmă şi până la o atitudine de conştientizare riguroasă a posibilelor efecte ale acestui risc şi administrarea lui în mod profesional prin intermediul a diverse metode de acoperire. Această gestionare a riscului valutar are ca scop reducerea la minimum a costurilor cu diferen ele de schimb valutar care la un moment dat pot avea un impact negativ serios asupra patrimoniului sau veniturilor firmei, având atât o componentă pe termen scurt, cât şi una pe termen lung. Pe termen scurt, administrarea riscului valutar are drept scop realizarea unor cheltuieli de evitare a riscului cât mai mici, astfel încât ele să se situeze sub cuantumul sumelor care s-ar pierde în absen a protec iei, în timp ce pe termen lung se urmăreşte ca aceste cheltuieli de protejare împotriva riscului valutar să nu reprezinte decât o propor ie redusă din valoarea pierderilor poten iale. Pentru exportator există riscul ca, în perioada de derulare a contractului – scursă între data încheierii contractului şi data efectuării plă ii – cursul de schimb al valutei în care este libelată crean a să scadă în raport cu moneda na ională (aceasta din urmă se repreciază) şi, astfel, pre ul pe care îl ob ine pentru presta ia sa, pre exprimat în unită i monetare na ionale, să fie mai mic decât cel previzionat, înregistrându-se o pierdere. De cealaltă parte, pentru importator există riscul ca, în perioada de derulare a contractului, cursul de schimb al valutei în care este libelată datoria să crească în raport cu moneda na ională (aceasta din urmă se depreciază), majorându-se astfel, pre ul de cumpărare, exprimat în unită i monetare na ionale, ceea ce provoacă, de asemenea, o pierdere. Aceste două ipoteze se referă la evolu iile nefavorabile ale cursului de schimb pentru importator şi pentru exportator, însă trebuie avut în vedere şi faptul că evolu iile cursului de schimb se pot petrece şi în sens invers celui prezentat anterior, ceea ce poate aduce profituri suplimentare, atât importatorului, cât şi exportatorului. Singura posibilitate de protec ie împotriva riscului valutar este o evaluare cât mai riguroasă a acestuia şi utilizarea selectivă a metodelor de acoperire cele mai indicate la un moment dat. Această selec ie trebuie să aibă ca obiectiv minimizarea pierderilor din diferen ele nefavorabile de curs sau chiar ob inerea unui profit de pe urma acestor diferen e, dacă gestionarea riscului este corect realizată. În teoria economică s-au cristalizat, la ora actuală, o serie de modele statistico-matematice care formalizează un obiectiv complex al gestiunii financiare, şi anume, cel al optimizării corela iei dintre randamentul unei activită i şi riscul implicat de realizarea acesteia, în vederea ob inerii unei gestionări eficiente a capitalului de inut. Această problematică înregistrează o

97

preocupare tot mai evidentă din partea specialiştilor, în condi iile în care pie ele valutare şi financiare înregistrează volatilită i sporite, determinând o rela ie directă între randamentul ob inut şi riscul aferent. De regulă, realizarea unui profit mare într-o perioadă scurtă de timp este înso ită de un risc maxim, care se poate concretiza fie în ob inerea unui profit mai mic decât cel scontat, fie în pierderea totală a sumei investite sau chiar în falimentul firmei care a riscat. Dimpotrivă, dezideratul ob inerii unor profituri mai mici şi pe o perioadă mai lungă de timp este înso it de cele mai multe ori de un risc minim, existând toate şansele ca activitatea în care s-a investit să aibă rezultatele aşteptate. Dacă în activitatea financiară în general discutăm despre o anumită rentabilitate a unei investi ii, fie ea direct productivă sau de plasare de capital, pe pia a valutară putem vorbi despre randamentul cursului de schimb. Astfel, din perspectiva unui exportator autohton care efectuează cheltuieli de ob inere a unui produs exprimate în monedă na ională, iar apoi vinde acest produs în exterior primind un pre în valută, orice devalorizare a monedei na ionale pe parcursul derulării contractului reprezintă o diferen ă favorabilă care poate fi interpretată ca un profit suplimentar. Acest profit suplimentar care a fost realizat datorită varia iei cursului de schimb al monedei na ionale fa ă de valuta în care a fost libelată crean a, poate fi interpretat ca un randament al cursului de schimb. Cu alte cuvinte, dacă varia ia cursului de schimb este în sensul deprecierii monedei na ionale se înregistrează un randament pozitiv al cursului, şi el produce un profit pentru exportator, iar dacă cursul de schimb se apreciază, vom înregistra un randament negativ, adică o pierdere pentru exportator. Bineîn eles că din punctul de vedere al unui importator lucrurile stau exact invers, acestuia fiindu-i favorabilă aprecierea cursului şi înregistrând pierderi în cazul deprecierii acestuia, însă no iunea de randament al cursului de schimb rămâne neschimbată. Pentru evaluarea riscului valutar, teoria probabilită ilor a re inut ca relevan i următorii parametri statistici: 1. Valoarea medie r a randamentelor ri ponderate cu probabilită ile de apari ie pi:

r =

∑r ⋅ p
i i =1

n

i

98

2. Varian a (dispersia) randamentelor fa ă de valoarea medie σ2, calculată ca sumă a pătratelor diferen elor dintre randamentele ri şi media acestora r ponderate cu probabilită ile de apari ie pi:

σ 2 = ∑ (ri − r )2 ⋅ pi
i =1

n

3. Abaterea medie pătratică sau abaterea standard σ, calculată ca rădăcină pătrată a varian ei:

σ = σ2
Din perspectiva evaluării riscului valutar, parametrii respectivi au o importan ă deosebită, având în vedere faptul că toate studiile sunt efectuate pe baza valorilor pe care le iau aceştia. Media poate fi asimilată cu randamentul (deprecierea) scontată a cursului de schimb pentru perioada viitoare, respectiv deprecierea care are cea mai mare probabilitate de a se realiza. Varian a se poate asimila cu riscul ca deprecierea reală să se abată de la valoarea medie, având în vedere faptul că ea este determinată ca o sumă a abaterilor fa ă de medie înregistrate anterior. Deoarece varian a, prin rela ia ei de calcul, este de ordinul pătratului valorilor analizate, fapt care îngreunează cercetarea, în practica statistică riscul este evaluat de obicei prin intermediul abaterii medii pătratice (standard) care, reprezentând rădăcina pătrată a varian ei, este de ordinul valorilor luate în studiu. Astfel, se poate admite că riscul este măsurabil prin intermediul valorilor negative ale abaterii standard, care înseamnă pierderi de randament, în timp ce valorile pozitive ale abaterii standard reprezintă creşteri de randament, adică prima de risc. Pe baza parametrilor statistici prezenta i, care formalizează variabilele economice implicate de analiza riscului valutar, se pot construi diverse modele de evaluare ale acestui risc, luând în considerare datele oferite de evolu ia cursului de schimb pe anumite perioade de timp. Riscul valutar aferent unor opera iuni de comer interna ional ce presupune utilizarea mai multor monede na ionale este cuantificat şi în principal ajutorul varian ei. Varian a sau dispersia (σ2) valorilor cursului de schimb fa ă de cursul mediu este un parametru statistic determinat ca sumă a pătratelor diferen elor dintre valorile cursului de schimb şi media acestora.

99

considerându-se că varia iile pe coloane (date de varia iile lunare ale cursului) reprezintă factorul de influen ă pe termen 37 T. ANOVA poate fi aplicată fie ca o analiză unifactorială. având în vedere faptul că ea este determinată ca o sumă a abaterilor fa ă de medie înregistrate anterior. care nu poate fi pusă pe seama unui anumit factor de influen ă. una pe termen mediu şi una pe termen lung. pag. au fost înregistrate 30 de valori lunare în perioada 2002 – 2005. Emilia i an. sumă cunoscută sub numele de varia ie. Statistică. 1996. iar apoi valorile respective au fost separate pe trei eşantioane a câte zece valori consecutive. Pentru studiul de fa ă. fie ca una multifactorială. ce reprezintă varia ia determinată de factorii de influen ă lua i în considerare. Elisabeta Jaba. Având în vedere faptul că varian ele sunt în principiu neaditive. cu interac iune între factori. Acestea pot fi analizate cu ajutorul unei tehnici cunoscute sub numele de analiză dispersională sau ANOVA. Bucureşti. în scopul separării influen elor asupra varian ei cursului valutar pe trei componente: una pe termen scurt. Procedeul constă în descompunerea varia iei totale a unui ansamblu de date înregistrate pentru variabila studiată în componente ale varia iei. – componenta reziduală. pentru descompunerea varia iei se poate recurge la suma pătratelor abaterilor valorilor cursului de schimb de la media acestuia.Rela ia respectivă arată că varian a se poate asimila cu riscul ca deprecierea reală să se abată de la valoarea medie. Anghelache. op. definite după sursele acesteia. C.. analiza dinamicii riscului valutar propusă în continuare se va baza pe analiza dinamicii şi a factorilor de influen ă ce determină apari ia varian ei (a fluctua iilor) cursului valutar. cit. pag. Din acest motiv. Editura Economică. Fluctua iile (varian a) cursului de schimb al leului au fost analizate ca şi dinamică şi factori de influen ă pentru o perioadă formată din cele trei perioade rezultate din acest mod de eşantionare. În func ie de numărul factorilor de influen ă incluşi în analiză. componentele acesteia pot fi grupate în două categorii: – componenta explicativă sau efect.37 Tehnica respectivă reprezintă un procedeu de studiere a varian ei unei variabile – în cazul nostru cursul valutar al leului – în raport cu factorii de influen ă ai acesteia. 303 – 320 100 . 127 – 137. precum şi compararea componentelor respective pentru a stabili dacă factorii considera i cauză au influen ă semnificativă asupra cursului. În func ie de cauzele care determină varia ia. În vederea aplicării modelului ANOVA bifactorial pe datele aferente cursului valutar al leului. fiind efectul cumulat al tuturor factorilor aleatori ce ac ionează asupra cursului valutar. s-a ales varianta bifactorială. Baron.

… nL termen scurt termen scurt 1 c11k . se efectuează următoarele nota ii: se presupune că factorii pe termen scurt se manifestă în nS nivele independente. 2.… c1jk .. în timp ce interac iunea dintre cele două categorii de factori se manifestă pentru nSL observa ii. – în raport cu factorul de influen ă pe termen lung: j = 1. în care sunt reprezentate nivelurile independente nS şi nL ale celor doi factori de influen ă.… . vom avea următorii indecşi de varia ie: – în raport cu factorul de influen ă pe termen scurt: i = 1.… .… c1nLk c1 M i M ci1k .… . – în raport cu interac iunea dintre factorii de influen ă (termen mediu): k = 1.. Interac iunea dintre acestea reprezintă factorul de influen ă pe termen mediu. 2. nL. … . … . Pentru a putea realiza analiza varian ei... nSL. iar factorii pe termen lung se manifestă în nL nivele independente..… M cinLk M nS Medii pentru fiecare nivel al factorului pe termen lung M cnS1k M cnSjk M cnSnLk M ci M cnS c c1 cj cn L 101 ...… M cijk .… j . Sursele varia iei cursului valutar sunt sistematizate într-un tablou de tip şah (tabelul 7). … . respectiv cele nSL niveluri ale interac iunii dintre aceştia: Tabelul 7 Medii pentru Nivelul Nivelul factorilor de influen ă pe fiecare nivel al factorilor de termen lung factorului pe influen ă pe 1 .scurt.. nS. Numărul total de observa ii va fi: n = nS + nL + nSL + nε Pentru nivelurile factorilor de influen ă. 2.… . iar varia iile pe linii (date de varia iile de la un an la altul ale randamentului) reprezintă factorul de influen ă pe termen lung...

pentru a trece la analiza bifactorială. care se determină după rela ia: c = 1 n S n L n SL ∑ ∑ ∑ c ijk n i=1 j=1k =1 Cu cij s-a notat media cursului de schimb corespunzătoare fiecărui eşantion k.În ultima coloană şi ultima linie a tabelului şah sunt reprezentate mediile cursului de schimb corespunzătoare fiecărui nivel al celor doi factori de influen ă lua i independent. care se determină după rela ia: cj = n S n SL 1 ∑ ∑ c ijk n L n SL i = 1 k = 1 După ce se determină aceste medii ale cursului de schimb al leului. care se determină astfel: ci = n L n SL 1 ∑ ∑ c ijk n S n SL j = 1 k = 1 Cu c j s-a notat media cursului de schimb corespunzătoare tuturor grupelor asupra cărora ac ionează nivelul j al factorului pe termen lung. determinată după rela ia: c ij = 1 n SL ∑ c ijk n SL k = 1 Cu ci s-a notat media cursului de schimb corespunzătoare tuturor grupelor asupra cărora ac ionează nivelul i al factorului pe termen scurt. se descompune varia ia totală astfel: VT = VTS + VTL + VTS+TL + Vε 102 . Cu c s-a notat media cursului de schimb aferentă tuturor celor n observa ii. aferente eşantioanelor respective. calculate pentru cele k eşantioane a câte nSL observa ii.

este definită ca sumă a pătratelor abaterilor valorilor cursului de schimb de la medie şi se determină astfel: V T = ∑ ∑ ∑ (c ijk − c ) i=1 j=1k =1 nS n L n SL 2 Estimatorul varian ei (dispersiei) totale se determină împăr ind varia ia totală la numărul gradelor de libertate asociat. numită şi varia ie intergrupe. deoarece exprimă varia ia din interiorul fiecărei grupe sau eşantion. care este n – 1: 2 sT = VT n −1 Varia ia cursului de schimb datorită influen ei factorilor ce ac ionează pe termen scurt (VTS) se determină după rela ia: V TS = n L n SL ∑ (c i − c ) i=1 nS 2 Estimatorul varian ei pe termen scurt se determină împăr ind varia ia pe termen scurt la numărul gradelor de libertate asociat. numită şi varia ie intergrupe. numită şi varia ie intragrupă. VTS – varia ia cursului de schimb datorită influen ei factorilor ce ac ionează pe termen scurt. VTL – varia ia cursului de schimb datorită influen ei factorilor ce ac ionează pe termen lung. Varia ia totală (VT).unde VT – varia ia totală a cursului de schimb. VTS+TL – varia ia cursului de schimb datorită interac iunii dintre cei doi factori. Vε – varia ia reziduală datorită factorilor aleatori. care este nS – 1: 2 sTS = VTS nS − 1 Varia ia cursului de schimb datorită influen ei factorilor ce ac ionează pe termen lung (VTL) se determină astfel: 103 .

care este nL – 1: 2 sTL = VTL nL − 1 Varia ia cursului de schimb datorită interac iunii factorilor pe termen scurt şi pe termen lung (VTS+TL) se determină astfel: V TS + TL = n SL ∑ ∑ (c ij − c i − c j + c ) i=1 j =1 nS nL 2 Estimatorul varian ei interac iunii factorilor pe termen scurt şi pe termen lung se determină împăr ind varia ia TS+TL la numărul gradelor de libertate asociat. care este (nS – 1) (nL – 1): 2 sTS +TL = VTS +TL (nS − 1)(nL − 1) Varia ia reziduală (Vε). se calculează astfel: V ε = ∑ ∑ ∑ (c ijk − c ij ) i = 1 j = 1k = 1 nS n L n SL 2 Estimatorul varian ei reziduale se determină împăr ind varia ia reziduală la numărul gradelor de libertate asociat. calculate pe baza celor trei eşantioane de date sunt date în tabelul 7. care este nS + nL + (nSL – 1): sε2 = Vε nS + nL + (nSL − 1) Valorile varia iilor şi ale estimatorilor. ce cuantifică influen a factorilor aleatori asupra cursului de schimb.V TL = n S n SL ∑ (c j − c ) j =1 nL 2 Estimatorul varian ei pe termen lung se determină împăr ind varia ia pe termen lung la numărul gradelor de libertate asociat.8: 104 .

se trece la formularea şi testarea ipotezelor din cadrul analizei bifactoriale cu interac iune între factori. Ipotezele pentru ANOVA bifactorială cu interac iune între factori sunt în număr de trei. şi anume: 1. cu ipoteza contrară că cel pu in o medie de acest tip este diferită de celelalte: H0: c1 = … = c j = … = cn L 3. Ipoteza nulă conform căreia toate mediile de tip cij sunt egale. cu ipoteza contrară că cel pu in o medie de acest tip este diferită de celelalte: H0: c1 = … = ci = … = cnS 2. considerând la numărătorul raportului F al acestui test o estima ie a varia iei explicată pe 105 . cu ipoteza contrară că cel pu in o medie de acest tip este diferită de celelalte: H0: c11 = c12 = … = c1nL = c21 = c22 = … = cnS nL Primele două ipoteze se testează cu ajutorul testului Fisher. Ipoteza nulă conform căreia toate mediile de tip c j sunt egale. Ipoteza nulă conform căreia toate mediile de tip ci sunt egale.Sursa varia iei Componentele varia iei totale Grade de libertate 2 4 8 15 29 Tabelul 8 Estimatorii varian elor s2TS = 32432865 S2TL = 794793 s2TS+TL = 5368485 s2ε = 210686 S2T = 3936313 Factorul pe termen VTS = 64865730 scurt Factorul pe termen VTL = 3179174 lung Interac iunea dintre VTS+TL = 42947881 factori Varia ia reziduală Vε = 3160300 Varia ia totală VT = 114153085 Pornind de la valorile varia iilor şi ale estimatorilor varian elor aferente.

Pentru a treia ipoteză nulă.seama factorului pe termen scurt.682 care a fost aleasă din tabelele reparti iei Fisher. Pentru cea de-a treia ipoteză. valoarea F a testului Fisher se calculează astfel: FTS +TL = 2 sTS +TL sε2 106 . În urma compara iei. Pentru a doua ipoteză nulă. pe termen lung. şi estimatorul varian ei intragrupe (sε2). rezultă că FTS este mult mai mare decât Fcritic. adică ipoteza nulă se respinge şi se trage concluzia că factorul pe termen scurt influen ează semnificativ fluctua iile cursului de schimb. Se poate vedea. se observă că FTL este cu pu in mai mare decât Fcritic.772. deci riscul aferent este mult mai mic decât pe termen scurt. valoarea F a testului Fisher se determină cu rela ia: 2 sTL sε2 FTL = Valoarea ob inută este FTL = 3. iar la numitor estimatorul varian ei intragrupe (sε2). fluctua iile cursului sunt mult mai slabe. însă că pe termen lung. se foloseşte valoarea testului F. deci ipoteza nulă se respinge şi spunem că şi factorul pe termen lung influen ează semnificativ fluctua iile cursului de schimb. Această valoare calculată se compară cu valoarea tabelară (critică) Fcritic = 3.055 care a fost aleasă din tabelele reparti iei Fisher. În urma compara iei. respectiv. Pentru prima ipoteză nulă. calculul valorii F a testului Fisher se face cu rela ia: 2 sTS sε2 FTS = Valoarea ob inută este FTS = 153.938. calculată ca raport între estimatorul varian ei interac iunii dintre factorii pe termen scurt şi pe termen lung. Această valoare calculată se compară cu valoarea tabelară Fcritic = 3.

încă. Concluzia finală este că varia iile cursului de schimb al leului generează un risc valutar moderat. Acest risc este datorat în cea mai mare măsură condi iilor interne. nu este suficientă. diferen a dintre F calculat şi F critic fiind destul de mică. a existat un anumit grad de risc valutar aferent tranzac iilor interna ionale care au implicat utilizarea leului. A treia concluzie este că pe termen lung. O primă concluzie care se poate trage din rezultatele testării celor trei ipoteze este aceea că to i factorii de influen ă. volatilitatea pe termen scurt a cursului leului este relativ ridicată. care a ac ionat atât pe termen scurt. În principiu. însă. atât pe termen scurt. în consecin ă. ceea ce înseamnă că acesta prezintă un grad destul de mare de volatilitate pentru fiecare factor temporal analizat. în perioada studiată. interac iunea dintre factorii pe termen scurt şi pe termen lung are şi ea o oarecare influen ă. se poate. În al doilea rând. Altfel spus. ceea ce arată o stabilizare semnificativă a pie ei valutare din România.480 şi se compară cu valoarea tabelară Fcritic = 2. opera iunile valutare care implică leul românesc au un risc redus şi că operatorii de pe pia a valutară trebuie să aibă încredere pe termen lung în moneda noastră na ională. Este necesară finalizarea restructurării economiei româneşti şi orientarea acesteia şi 107 . controlată într-o anumită măsură de Banca Na ională a României. atât pentru operatorii români. Trebuie. diferen a dintre valoarea calculată şi cea tabelară fiind practic nesemnificativă. precum şi interac iunea dintre aceştia au influen e semnificative asupra fluctua iilor cursului de schimb al leului. spune că.640. totuşi. În fine. această volatilitate se atenuează foarte mult. îndeosebi pe termen scurt. De aceea. Înseamnă că. Acest lucru se întâmplă. cât şi pentru cei străini. ceea ce face ca tranzac iile interna ionale ce implică utilizarea leului să aibă un anumit grad de nesiguran ă. cât şi pe termen lung. rezultă că FTS+TL este mai mare decât Fcritic. cât şi pe termen mediu şi lung. se observă că pentru factorul pe termen scurt apare cea mai mare diferen ă între valoarea calculată şi cea critică. aceasta fiind însă şi ea destul de slabă. pe termen lung. În urma compara iei. un factor perturbator al activită ii exportatorilor şi importatorilor români. subliniat că aceeaşi evolu ie arată foarte limpede că aprecierea continuă a leului. într-o măsură mult mai mică decât în anii anteriori. riscul sunt cele mai mari. deci ipoteza nulă se respinge şi se trage concluzia că interac iunea dintre factorii pe termen scurt şi termen lung influen ează semnificativ fluctua iile cursului de schimb. ceea ce înseamnă că pe termen scurt fluctua iile şi. ceea ce înseamnă că influen ele pe termen scurt şi cele pe termen lung se intercondi ionează într-o măsură destul de scăzută. riscul valutar constituie. deci.Valoarea calculată este FTS+TL = 25.

Oricare ar fi însă mărimea decalajului în timp a analizei. teoretic şi opera ional semnificativ în vederea sus inerii unor decizii atât la nivel micro. Fa ă de alte metode de cercetare a cursurilor valutare. aprecia că modelele econometrice aduc un aport ştiin ific. Cursul de schimb al leului reprezintă o pârghie importantă de reglare a comer ului exterior românesc. care trebuie însă completată şi cu alte elemente stimulatoare. de fluctua ii accentuate ale cursului. care altfel nu ar fi putut fi puse în eviden ă. extrapolează anumite concluzii bazate pe evolu ia anterioară. Problematica modelării variabilelor economice este extrem de complexă. fapt care a constituit motiva ia principală a orientării studiului întreprins spre utilizarea modelelor econometrice ale cursului valutar al leului. neputându-se astfel formula concluzii cu caracter definitiv. metodele cantitative. de fapt. Modelele bazate pe influen a parametrilor economiei româneşti sunt mai eficiente pentru perioadele normale. Se poate. care să integreze armonios spa iul economico–social românesc în cel european şi mondial. 108 . cât şi la nivel macroeconomic. având în vedere că ele. bazate pe instrumente matematice şi statistice. modelele respective trebuie utilizate pentru previziuni pe termen relativ scurt. în timp ce modelele de cuantificare a efectului în timp sunt mai indicate pentru perioadele de criză. ceea ce înseamnă că orice modificare semnificativă în condi iile ini iale duce la distorsionarea modelului. Elementele specifice ale modelelor construite de-a lungul acestui capitol fac ca utilizarea lor în modelarea dinamicii cursului de schimb al leului să fie diferită.mai pregnant spre economia mondială. însă. elementele specifice procesului de tranzi ie adăugându-i noi dimensiuni. aduc elemente noi de caracterizare. caracterizate de o evolu ie a cursului lipsită de fluctua ii majore.

Statistică. Bucureşti.. Rapoartele lunare şi anuale ale Băncii Na ionale a României. Editura Mirton. Statistics for Managers using Microsoft Excel. Preda C... Baron T..L. 16. 1998 20. 1994 19.M. Şipoş C. 1994 17. Rubinfeld D. Timişoara. Stephan D. 2006 23. Editura ALL. Econometrie. Editura Mirton. Fourth Edition.BIBLIOGRAFIE PARTE APLICATIVĂ 15. Pecican E. Third Edition. Econometric Models and Economic Forecasts. Statistică Economică. Timişoara.C.... 1996 i an E. Modelarea comportamentului cursului de schimb al leului... Şipoş C... anii 2000 2009 109 . anii 2000 – 2009 24. Bucureşti. Berenson M. Editura Economică. Chilărescu C. Prentice Hall. Şipoş C.L. Editura Universită ii de Vest.. 2002 18. Timişoara. Preda C. 2003 21. Timişoara.. Econometrie.. Editura Mirton. Krehbiel T.. Pindyck R.. Modele econometrice aplicate. Anghelache C. McGraw–Hill. 2004 22. Levine D.S. Anuarul Statistic al României.