Ghid Econometrie

Econometrie 2009 AAI / Ghid practic (teorie, probleme, TC)
1

MATERIAL UTIL PENTRU ACOPERIREA TUTUROR ELEMENTELOR
NECESARE VERIFICRII (Disponibil n format electronic)

A. TEORIE (27p)

Etapele demersului econometric sunt:
Delimitarea ipotezelor din teoria economic ce urmeaz a fi testate;
Formularea matematic a ipotezelor economice;
Specificarea modelului econometric;
Culegerea datelor;
Estimarea parametrilor;
Predicia pe baza modelului;
Concluzii i recomandri.

Modelul econometric
Dei n domeniul economic exist o mare diversitate de modele, modelarea acestora la orice nivel
micro sau macro economic se poate interpreta cu ajutorul modelului de sistem Intrare/Ieire: unde Y =
(
) volumul ieirilor din sistem, i=1,...,n

X = (
) factorii cantitativi i calitativi care influeneaz ieirile
, j=1,...,m
S structura sistemului prin intermediul creia factorii
determin ieirile

Modelele pot fi:
Modele deterministe: y= f(x) se utilizeaz frecvent n practica economic n analiza pe
factori a variaiei, n timp sau spaiu, a fenomenelor social economice (de exemplu: Q =
wL, unde Q este producia, w este productivitatea muncii iar L este fora de munc).
Modele nedeterministe (econometrice) descriu legtura statistic sau stochastic dintre
intrrile sistemului factorii de influen X i ieirile acestuia , variabilele rezultative Y,
dup o relaie de forma: Y = f(x)+
unde: X sunt factorii de influen, Y este variabila rezultativ, f este legea de manifestare a unui fenomen
sau proces economic, este variabila aleatoare

Modelul econometric este instrumentul de cercetare tiinific ce st la baza econometriei.
Modelul econometric, prin definiie, este un model economic formulat astfel nct parametrii s poat fi
estimai dac se face presupunerea c modelul este corect.
Un model econometric poate fi format din una sau mai multe relaii statistice. Aceste relaii pot
fi:
relaii de identitate sau deterministe: sunt formulri logice cu privire la procesul
economic descris (exemplu: VND=C + I, unde VND reprezint Venitul Naional Disponibil, C reprezint
consumul total, iar I reprezint investiiile publice i private);
relaii de comportament: au n vedere modificrile tradiiilor, atitudinilor, nclinaiilor
(sub raportul satisfacie/efort) (exemplu: C = a + bV, unde C este consumul, iar V este venitul);
relaii tehnologice: restriciile impuse output-urilor n raport cu input-urile (exemplu:
funcia Cobb Douglas: Q=
,0<<1);
relaii instituionale: sunt relaii de apar n conformitate cu unele reglementri impuse de
lege (exemplu: amortizarea, impozitul pe venit etc.).
Structura modelului econometric este determinat de variabilele economice. Acestea pot fi:
endogene: variabile determinate n cadrul sistemului;
exogene: variabile determinate n afara sistemului, despre care modelul econometric nu
are nimic de spus.

2

Din punct de vedere cronologic, observarea fenomenelor i proceselor se poate realiza static i
dinamic, datele primare putnd fi:
fie o imagine de tip static a populaiei statistice (datele fiind legate de starea populaiei la
un moment dat);
fie o imagine de tip dinamic, evolutiv n care datele ofer informaii despre evoluia n
timp a uneia din uniti sau a ntregii populaii.
Aceste dou modaliti de observare a unitilor unei populaii conduc la gruparea datelor n trei
categorii:
a) date de tip profil reprezint rezultatul unor msurtori efectuate la un anumit moment
dat asupra uneia sau mai multor variabile, pe mulimea unitilor populaiei.
Aceste date de profil se mai numesc date de tip secven sau date de tip seciune i reprezint
tieturi informaionale efectuate ntr-o populaie la un moment dat, tieturi care sunt de tip
transversal, n raport cu axa timpului.
Se remarc urmtoarele:
o observaie n contextul datelor de tip profil este reprezentat de valoarea sau valorile
unei singure entiti, ale unei singure uniti din populaie; numrul observaiilor coincide, n cazul datelor
de tip profil, cu numrul unitilor observate i investigate;
acest tip de date nu ncorporeaz, prin semnificaia pe care o poart, influena timpului
asupra formrii caracteristicilor (semnul scurgerii timpului) nici n mod explicit i nici n mod implicit;
ele se refer la starea pe care o au la un moment dat unitile populaiei statistice.

b) date de tip serii de timp numite i serii cronologice reprezint rezultate ale unor
msurtori efectuate asupra caracteristicilor, unitilor populaiei studiate, de-a lungul timpului, la
momente succesive sau la anumite intervale de timp.
Acestea sunt date de tip stoc sau de tip flux i reprezint seciuni informaionale de-a lungul
axei timpului, de-a lungul evoluiei; adic sunt seciuni longitudinale n raport cu axa timpului.

c) date de tip panel sunt combinaii, mixturi ale datelor de tip profil i ale datelor de tipul
seriilor de timp.
Ele sunt rezultate ale msurtorilor efectuate asupra caracteristicilor unor uniti individuale, att
de-a lungul unitilor individuale, ct i de-a lungul timplui, sunt tieturi informaionale mixte
transversale i longitudinale, n raport cu axa timpului. Caracteristica esenial a acestor date este, deci,
simultaneitatea.
Dei tipologia modelelor econometrice este foarte variat, ele se pot ncadra n cteva tipuri sau
clase principale:
1. Dup numrul factorilor luai n considerare:
modelele unifactoriale: y = f(x)+ se fundamenteaz pe ipoteza c, n rndul factorilor
de influen ai variabilei rezultative Y, exist un factor determinant X, ceilali factori, cu excepia acestuia
avnd o influen ntmpltoare (exprimat prin intermediul variabilei reziduale ) sau fiind invariabili n
perioada analizat;
modele multifuncionale: y = f(
)+ elimin deficiena modelului unifactorial,

ns trebuie ca numrul factorilor luai n considerare s nu fie foarte mare pentru a nu fi mult prea
complex, dificil de estimat etc.
2. Dup forma legturii dintre variabila rezultativ i variabilele cauz:
modele liniare: dac legtura este liniar;
modele neliniare: dac legtura este neliniar.
3. Dup includerea factorului timp n model:
modele statice: dependena variabilei endogene Y fa de valorile variabilei exogene
se
realizeaz n aceeai perioad de timp:
y = f(
)+


3

modele dinamice:
introducerea variabilei timp ca o variabil explicativ
y = f(
)+
;

autoregresive: variabila rezultativ cu valori decalate este una din variabilele explicative
y = f(
)+

model cu decalaj: variabila explicativ X i exercit influena asupra variaiei variabilei
rezultative pe mai multe perioade de timp:
y = f(
)+

4. Modele cu o ecuaie sau cu ecuaii multiple:
modele cu o singur ecuaie: toate modelele prezentate anterior
modele cu ecuaii multiple: sunt formate dintr-un sistem de ecuaii
{
,i=
variabile rezultative sau endogene
,j=
variabile explicative sau exogene

Transformarea datelor primare
Datele nregistrate, obinute prin msurarea pe o scal corespunztoare i nesupuse procesului de
transformare sau de prelucrare, se numesc date de intrare, date primare, date totale sau date originale.
a) Rafinarea datelor (purificarea datelor) primare este necesar deoarece le asigur
acestora: consisten, relevan, comparabilitate.
Aceste cerine sunt determinate de diveri factori: factori specifici, accidentali care conduc la date
aberante; datele exprimate valoric (mai ales ale indicatorilor macroeconomici) sunt afectate de influena
modificrii preurilor, modificarea structurilor i influeneaz n consecin comparabilitatea lor.
Rafinarea datelor se realizeaz n general prin: recalcularea datelor dup metodologii care au ca
ieire date comparabile; interpolarea sau completarea datelor omise; extrapolarea: completarea datelor
omise la capetele seriilor de timp; ajustarea datelor, netezirea datelor: pentru eliminarea perturbaiilor sau
zgomotelor (perturbaiile aleatoare sunt denumite i zgomote albe) i obinerea datelor care exprim
tendina (trendul evoluiei).
b) Prelucrarea primar a datelor se realizeaz prin operaii de centrare i standardizare.
Centrarea observaiilor. Operaia de centrare a datelor const n substituirea valorilor fiecrei
observaii aparinnd unei variabile numerice cu o valoare nou (transformat), reprezentnd abaterea
valorii originale fa de medie (calculat pe baza datelor iniiale), dup relaia:
, unde

este media variabilei i. Standardizarea observaiilor: presupune operaii prin care se substituie valoarea
individual a fiecrei variabile (observaie) cu o nou valoare (transformat) individual, reprezentnd
raportul individual dintre valoarea centrat i abaterea standard a respectivei variabile.
Deci:

Unde
este media variabilei i, iar
este abaterea standard a variabilei i.

Variabile aleatoare
n activitatea economic se ntlnesc multe mrimi numerice care variaz ntmpltor (aleator).
Exemple:
1) Numrul calculatoarelor vndute la un magazin ntr-o zi este o variabil aleatoare care
poate lua una din valorile 0, 1 ,2 ,..., n, unde n este numrul total de calculatoare din magazin. Aici,
mulimea valorilor posibile este {0, 1 ,2 ,..., n}.

4

2) Timpul necesar servirii unui automobilist la o staie de benzin este o variabil aleatoare
care poate lua o valoare dintr-un interval dat (a, b). Aici, mulimea valorilor posibile este (a, b).
Variabila aleatoare reprezint o mrime care, n urma unei experiene, poate lua o valoare dintr-o
mulime bine definit, numit mulimea valorilor posibile. Nu se cunoate dinainte ce valoare ia variabila
aleatoare; aceast valoare va fi cunoscut numai dup efectuarea experimentului.
Dac mulimea valorilor posibile este discret, atunci variabila aleatoare se numete discret, iar dac
mulimea valorilor posibile este continu (un interval finit sau infinit din R), variabila aleatoare se
numete continu.
Variabilele aleatoare se noteaz, de regul, cu litere mari de la sfritul alfabetului, X, Y, Z etc., iar
valorile pe care le pot lua variabilele aleatoare cu litere mici , x, y, z etc.

3.1.1 Variabile aleatoare discrete
Pentru a defini o variabil aleatoare discret, trebuie s enumerm toate valorile posibile ale
variabilei aleatoare precum i probabilitile corespunztoare.
Exemplu. n cazul aruncrii unui zar, definim variabila aleatoare astfel:
1 2 3 4 5 6
1 1 1 1 1 1
6 6 6 6 6 6
: X
| |
|
|
|
\ .

Se numete repartiie a unei variabile aleatoare discrete enumerarea tuturor valorilor posibile ale
variabilei aleatoare precum i a probabilitilor corespunztoare. n general, fie variabila aleatoare X i x
i
,
(i=1, 2, ..., n) valorile ei posibile. Fie E
i
evenimentul ca variabila aleatoare
i
X x = , i=1, 2, ..., n i fie
( ) ( ) ( )
i i i i
P E P X x f x p = = = = , probabilitatea corespunztoare unde
( )
i
f x este funcia de
probabilitate. Atunci putem scrie:
( ) ( ) ( )
1 2
1 2
...
:
...
n
n
x x x
X
f x f x f x
| |
|
\ .

Mulimea perechilor ordonate (
( ) ,
i i
x f x ) se numete repartiia variabilei aleatoare discrete X.
Din exemplele prezentate rezult c funcia de probabilitate trebuie s ndeplineasc urmtoarele dou
condiii:
1)
( ) 0, 1, ,
i
f x i n > = . ; 2) ( )
1
1
i
n
i
f x
=
=
, deoarece E
i
=(X=x
i
) este un sistem complet de
evenimente, adic:
1
, , , , 1, ,
n
i i j
i
E E E i j i j n
=
= O = u = = . .
Exemple:
1. Repartiia binomial (Bernoulli):

( )
: , 0,1, ,
x x n x
n
x
X x n
f x C p q

| |
= .
|
=
\ .
.
( )
x x n x
n
f x C p q

= arat probabilitatea ca din n extrageri, x s fie bile albe. Artm n continuare c f(x)
este o funcie de probabilitate.
1) Evident,
( ) 0 f x > ;
2) ( )
0
( ) 1
n n
x x n
x o
x n
x
n
f x C p q p q
= =
= = + =

(binomul lui Newton).
2. Repartiia geometric (Pascal):

5

Fie X evenimentul ca extragerea bilei albe s se realizeze prima dat la extragerea de ordinul x:

, deci
( )
1 x
P x pq

= .
( )
1
:
x
X
x
f x p q

| |
|
=
\ .
, x=1,2,3,...,n, unde p>0, q>0 i
p+q=1. Evident :
( ) 0 f x > ;
1
1 1
1
1
1
1
x x
x x
p
p q p q p
q p

=
= = = =

, deoarece seria
1
1 x
x
q
=
este
seria geometric de raie 0<q<1, convergent, cu suma
1
1 q
.
Operaii cu variabile aleatoare discrete; variabile aleatoare independente
Fie
1
1
... ...
:
... ...
i n
i n
x x x
X
p p p
| |
|
\ .
;
1
1
... ...
:
... ...
j m
j m
y y y
X
q q q
| |
|
\ .
.
( ) ( )
1 1
0; 1; 0; 1
n m
i i i j j j
i j
p f x p q f y q
= =
= > = = > =

.
Evenimentul care const n faptul c:
X ia valoarea x
i
l notm
( ) ( ) , 1, , ,
i i i
X x i n P X x p = = . = = ;
Y ia valoarea y
j
l notm
( ) ( )
, 1, , ,
j j j
Y y j m P Y y q = = . = = .
Evenimentul
i
X x = i
j
Y y = este
( ) ( )
, 1, , ; 1, ,
i j
X x Y y i n j m = = = . = . .
( ) ( ) ( ) ( )
[ ; [ ] ]
i j i j
P X x Y y P X x Y y = = = = = are o probabilitate bine determinat, notat p
ij
.
Variabilele aleatoare X i Y se numesc independente dac evenimentele (
i
X x = ) i (
j
Y y = ),
1, , ; 1, , i n j m = . = . sunt independente. n acest caz:
( ) ( ) ( ) ( )
;
i j i j ij i j
P X x Y y P X x Y y p p q
( (
= = = = = = =

.

3.1.2 Variabile aleatoare continue. Fie Y variabila aleatoare
( )
:
x
X
f x
| |
|
\ .
, unde x e[a,b], iar f(x) este
probabilitatea de apariie a lui x. Funcia f(x) se numete densitatea de probabilitate a variabilei
aleatoare X.
Proprietile densitii de probabilitate:
1) ( ) 0 f x > ;
2) ( ) 1
b
a
f x dx =
}
.

Funcia de repartiie a unei variabile aleatoare:
Prezentarea unei variabile aleatoare prin funcia de probabilitate f(x
i
) sau prin densitatea de
probabilitate prezint aspecte diferite. Considerm evenimentul (X < x), xe R.
Se numete funcie de repartiie a variabilei aleatoare X, funcia dat de
.
Variabila aleatoare X este discret (continu), dup cum funcia de repartiie F(x) este o funcie discret
(continu).


6

Concepte generale in testarea ipotezelor statistice

Procesul de luare a deciziilor presupune analiza, judecarea si interpretarea evidenelor oferite de datele pe
care le avem la dispoziie. Managerii trebuie s fie pregtii s ia decizii privind aciunile viitoare pe baza
informaiilor disponibile. Astfel, ei emit ipoteze pe care le pot testa tiinific utiliznd metodele si
tehnicile statistice. Testarea ipotezelor statistice reprezint o alt modalitate, alturi de estimaia pe
interval de ncredere, de a realiza inferen statistic. Scopul acestui tip de inferen statistic este s
determinm dac exist suficiente dovezi statistice care s ne permit s concluzionm c o afirmaie (sau
o ipotez) dspre un parametru este adevrat.

Exemplu. Sute de produse noi sunt lansate n fiecare an. Dintr-o varietate de motive, multe dintre
acestea nu reuesc s cucereasc piaa. De aceea, produsele care ajung in stagiul final de lansare pe pia
sunt evaluate de specialitii n marketing, care doresc s fac predicii asupra succesului (cu alte cuvinte,
ct de bine se vor vinde). Evident, informaii complete i sigure nu se pot obine i atunci specialitii vor
dori s trag concluzii valide, pe baza datelor disponibile din cercetri pariale. S presupunem c un lan
de magazine dorete s vnd un nou produs lansat pe pia i sper s aib succes. Dup o analiz
financiar, specialitii determin c, dac mai mult de 10% din potenialii cumprtori vor cumpra
produsul, lanul de magazine va obine profit. Un eantion aleator de clieni poteniali este selectat i
persoanele sunt ntrebate dac ar cumpra produsul. Procedeul de eantionare i de culegere a datelor este
cunoscut din capitolele precedente, iar parametrul reprezint proporia clienilor care ar cumpra
produsul. Testarea ipotezei statistice se refer, atunci, la a determina dac proporia cumprtorilor este
mai mare de 10%. n urma prelevrii unui eantion dintr-o populaie statistica, prin prelucrarea datelor
provenite din sondaj se obine un estimator al parametrului urmrit n populaia de origine. Se pune atunci
problema n ce msur parametrul estimat pe baza rezultatelor sondajului asigur credibilitatea
aprecierilor fcute asupra ntregii colectiviti. Estimatorul este, aadar, o presupunere asupra
parametrului, deci o ipotez statistic. Nu este nevoie s testm ipoteze statistice atunci cnd tim totul
despre un fenomen, ci doar cnd exist incertitudine.
Ipoteza statistic este ipoteza care se face cu privire la parametrul unei repartiii sau la legea de
repartiie pe care o urmeaz anumite variabile aleatoare. O ipoez statistic nu este neaprat adevrat.
Ea poate fi corect sau greit. n statistic, ipotezele apar ntotdeauna n perechi: ipoteza nul si ipoteza
alternativ. Ipoteza statistic ce urmeaz a fi testat se numete ipotez nul i este notat, uzual, H
0
. Ea
const ntotdeauna n admiterea caracterului ntmpltor al deosebirilor, adic n presupunerea c nu
exist deosebiri eseniale. Respingerea ipotezei nule care este testat implic acceptarea unei alte ipoteze.
Aceast alt ipotez este numit ipotez alternativ, notat H
1
. Cele dou ipoteze reprezint teorii,
mutual exclusive si exhaustive, asupra valorii parametrului populaiei sau legii de repartiie. Spunem c
ele sunt mutual exclusive deoarece este imposibil ca ambele ipoteze s fie adevrate. Spunem c ele sunt
exhaustive deoarece acoper toate posibilitile, adic ori ipoteza nul, ori ipoteza alternativ trebuie s
fie adevrat. Procedeul de verificare a unei ipoteze statistice se numete test sau criteriu de
semnificaie. O secven general de pai se aplic la toate situaiile de testare a ipotezelor statistice.
Exist patru componente principale ale unui test privind o ipotez:
- ipoteza nul;
- ipoteza alternativ;
- testul statistic;
- regiunea critic (de respingere).

7

Ipotezele se vor schimba, tehnicile statistice aplicate se vor schimba, dar procesul rmne acelai,
parcurgndu-se urmtorii pai:
1) Se identific ipoteza statistic special despre parametrul populaiei sau legea de
repartiie (H
0
). Ipoteza statistic numit i ipotez nul specific ntotdeauna o singur valoare a
parametrului populaiei i reprezint status-quo-ul, ceea ce este acceptat pn se dovedete a fi fals.
2) ntotdeauna, ipoteza nul este nsoit de ipoteza alternativ (de cercetat), H
1
, ce reprezint o
teorie care contrazice ipoteza nul. Ea va fi acceptat doar cnd exist suficiente dovezi, evidene,
pentru a se stabili c este adevrat.
Ipoteza alternativ este cea mai important, deoarece este ipoteza care ne rspunde la ntrebare.
Ipoteza alternativ poate cpta trei forme, care rspund la trei tipuri de ntrebri referitoare la parametrul
studiat: dac parametrul este diferit (mai mare sau mai mic) dect valoarea specificat n ipoteza nul;
dac parametrul este mai mare dect valoarea specificat n ipoteza nul; dac parametrul este mai mic
dect valoarea specificat n ipoteza nul.
3) Se calculeaz indicatorii statistici n eantion, utilizai pentru a accepta sau a respinge ipoteza
nul i se determin testul statistic ce va fi utilizat drept criteriu de acceptare sau de respingere a ipotezei
nule. Pentru cele mai multe testri statistice ale ipotezelor, testul statistic este derivat din estimatorul
punctual al parametrului ce va fi testat. Spre exemplu, deoarece media eantionului este un estimator
punctual al mediei din colectivitatea general, ea va fi utilizat n testarea ipotezelor privind parametrul
media colectivitii generale.
4) Se stabilete regiunea critic, R
c
. Regiunea critic reprezint valorile numerice ale testului
statistic pentru care ipoteza nul va fi respins. Regiunea critic este astfel aleas nct probabilitatea ca
ea s conin testul statistic, cnd ipoteza nul este adevrat, s fie , cu mic ( = 0.01 etc). Verificarea
ipotezei nule se face pe baza unui eantion de volum n, extras din populaia X, care este o variabil
aleatoare. Dac punctul definit de vectorul de sondaj x
1
, x
2
, ...,

x
n
cade n regiunea critic R
c
, ipoteza H
0
se
respinge, iar dac punctul cade n afara regiunii critice R
c
, ipoteza H
0
se accept. Regiunea critic este
delimitat de valoarea critic, C punctul de tietur n stabilirea acesteia. n baza legii numerelor mari,
numai ntr-un numr foarte mic de cazuri punctul rezultat din sondaj va cdea n R
c
, majoritatea vor cdea
n afara regiunii critice. Nu este ns exclus ca punctul din sondaj s cad n regiunea critic, cu toate c
ipoteza nul despre parametrul populaiei este adevarat. Cu alte cuvinte, atunci cnd respingem ipoteza
nul, trebuie s ne gndim de dou ori, deoarece exist dou posibiliti: ea este fals ntr-adevr i ea este
totui adevrat, dei pe baza datelor din sondaj o respingem. La fel i pentru situaia n care acceptm
ipoteza nul H
0
. Cnd ipoteza nul nu poate fi respins (nu exist suficiente dovezi pentru a fi respins),
sunt dou posibiliti: ipoteza nul este adevrat si ipoteza nul este totui fals, greit, dei nu am
respins-o. De aceea, este mai corect s spunem c, pe baza datelor din eantionul studiat,nu putem
respinge ipoteza nul, dect s spunem c ipoteza nul este adevrat.Eroarea pe care o facem eliminnd
o ipotez nul, dei este adevrat, se numete eroare de genul nti. Probabilitatea comiterii unei astfel
de erori reprezint riscul de genul nti () i se numete nivel sau prag de semnificaie. Nivelul de
ncredere al unui test statistic este (1 ), iar n expresie procentual, (1 )100 reprezint probabilitatea
de garantare a rezultatelor. Eroarea pe care o facem acceptnd o ipotez nul, dei este fals, se numete
eroare de genul al doilea, iar probabilitatea (riscul) comiterii unei astfel de erori se noteaz cu .
Puterea testului statistic este (1 ).

Tabelul 6.1. ilustreaz legtura dintre decizia pe care o lum referitor la ipoteza nul i adevrul sau
falsitatea acestei ipoteze.

8

Tabelul 6.1. Erorile n testarea ipotezelor statistice
Decizia de acceptare
Ipoteza adevrat
H
0
H
1
H
0
Decizie corect
(probabilitate 1 )
Eroare de gen II
(risc )
H
1
Eroare de gen I
(risc )
Decizie corect
(probabilitate 1 )

Cu ct probabilitile comiterii erorilor de genul nti i de genul al doilea sunt mai mici, cu att
testul este mai bun. Acest lucru se poate realiza prin mrirea volumului eantionului, n. Nivelurile
riscurilor se stabilesc n funcie de considerente economice i de natura testului. Am vzut c:
= P (respingere H
0
| H
0
este corect) = P (eroare de gen I);
= P (acceptare H
0
| H
0
este fals) = P (eroare de gen II).
Alegerea nivelului (pragului) de semnificaie depinde i de costurile asociate cu producerea
unei erori de genul I.

Exemplu
Pragul de semnificaie ales de o firm ce fabric ngheat, interesat n reutatea medie a cutiilor
de ngheat, va putea fi diferit de pragul de semnificaie ales de o companie farmaceutic, interesat de
cantitatea medie a unui ingredient activ dintr-un tip de medicament. Evident, costul n prima situaie
prezentat este mult mai mic, comparativ cu costul asociat n cazul producerii unei erori de genul I pentru
compania farmaceutic: o cantitate prea mic de ingredient activ poate face medicamentul ineficient; o
cantitate prea mare de ingredient activ poate cauza efecte secundare, duntoare sau poate avea, chiar,
efecte letale. Similar, exist costuri asociate cu producerea unei erori de genul al II-lea. ntre eroarea de
genul I i eroarea de genul al II-lea exist o legatur, o condiionare. O modalitate de a vizualiza aceast
legtur este s presupunem c exist doar dou distribuii care ne intereseaz. O distribuie corespunde
ipotezei nule H
0
, iar cealalt corespunde ipotezei alternative H
1
. n acest caz, presupunem c i ipoteza
nul i cea alternativ sunt ipoteze simple. ntr-o manier uor de neles, considerm c ipoteza nul este
de forma H
0
: =
0
, iar ipoteza alternativ este de forma H
1
: =
1
(figura 6.1.):

Figura 6.1. Legtura dintre probabilitile o i |
Pe grafic se observ c cele dou distribuii se suprapun i, din procesul de testare a ipotezei nule, pot
rezulta dou tipuri de erori.
Eroarea de genul I apare atunci cnd respingem ipoteza nul H
0
, n situaia n care, de fapt,
aceasta este adevrat. Adic, dei distribuia lui x este cea corespunztoare ipotezei H
0
, respingem H
0
,

9

deoarece media de sondaj este mai mare dect valoarea critic, C, i se situeaz n regiunea critic.
Probabilitatea comiterii unei astfel de erori () este aria de sub curba de distribuie H
0
, care se situeaz la
dreapta valorii critice C. Deseori, cnd lucrm cu soft-ware specializat, ntlnim valoarea-p (p-value).
Aceasta reprezint nivelul observat de semnificaie, adic cel mai mic nivel la care H
0
poate fi respins
pentru un set de valori date.
Eroarea de genul al doilea apare atunci cnd nu respingem (adic acceptm) H
0
, dei H
1
n loc
de H
0
este corect. n acest caz, dei distribuia lui x este cea corespunztoare ipotezei H
1
, acceptm H
0

deoarece media de sondaj este mai mic dect valoarea critic, C (nu se afl n regiunea critic).
Probabilitatea comiterii unei astfel de erori () este aria de sub curba de distribuie H
1
, care se situeaz la
stnga valorii critice, C. Dac alegem un prag de semnificaie, , mai mic (adic reducem riscul comiterii
unei erori de genul nti), va crete (riscul comiterii unei erori de genul al doilea). Cu toate acestea, prin
creterea volumului n al eantionului, este posibil s reducem riscul , fr a crete riscul .
Cum
x
x
s
s
n
= , o dat cu creterea volumului n al eantionului, abaterile medii ptratice ale
distribuiilor pentru H
0
i H
1
devin mai mici i, evident, att , ct i descresc (figura 6.2.).

Figura 6.2. o i | cnd volumul eantionului n
>n

5) Dup ce am stabilit pragul de semnificaie i regiunea critic, trecem la pasul urmtor, n care
vom face principalele presupuneri despre populaia sau populaiile ce sunt eantionate (normalitate
etc.).
6) Se calculeaz apoi testul statistic i se determin valoarea sa numeric, pe baza datelor din
eantion.
7) La ultimul pas, se desprind concluziile: ipoteza nul este fie acceptat, fie respins, astfel: a)
dac valoarea numeric a testului statistic cade n regiunea critic (R
c
), respingem ipoteza nul i
concluzionm c ipoteza alternativ este adevrat. Vom ti c aceast decizie este incorect doar n 100
% din cazuri; b) dac valoarea numeric a testului nu cade n regiunea critic (R
c
), se accept ipoteza
nul H
0
.
Ipoteza alternativ poate avea, aa cum am artat, una din trei forme (pe care le vom
exemplifica pentru testarea egalitaii parametrului media colectivitii generale, cu valoarea
0
):
i)

s testm dac parametrul din colectivitatea general (media ) este egal cu o anumit valoare
(inclusiv zero,
0
), cu alternativa media diferit de valoarea
0
. Atunci:
0 0
: H = ,
( )
1 0 0 0
: H sau = < >
i acest test este un test bilateral;

10

ii) s testm poteza nul =
0
, cu alternativa media este mai mare dect
0
,
H
0
: =
0
, H
1
: >
0
,
care este un test unilateral dreapta;
iii) s testm ipoteza nul =
0
, cu alternativa media este mai mic dect
0
,
H
0
: =
0
, H
1
: <
0
,
care este un test unilateral stnga. Regiunea critic pentru testul bilateral difer de cea pentru testul
unilateral. Cnd ncercm s detectm o diferen fa de ipoteza nul, n ambele direcii, trebuie s
stabilim o regiune critic R
c
n ambele cozi ale distribuiei de eantionare pentru testul statistic. Cnd
efectum un test unilateral, vom stabili o regiune critic ntr-o singur parte a distribuiei de eantionare,
astfel (figura 6.3.):

a) b) c)
Figura 6.3.Regiunea critic:
a) test bilateral; b) test unilateral dreapta; c) test unilateral stnga.

Modelul de analiz dispersional unifactorial

n modelul de analiz dispesional unifactorial se testeaz ipoteza nul: mediile din populaii sunt
egale
0 1 2
: ...
y y yr
H = = = , cu ipoteza alternativ: cel puin dou medii din populaie nu sunt egale
1
: ( )
yi yj
H i j = =

Se testeaz, cu alte cuvinte, dac diferenele dintre mediile de grup din eantion sunt prea mari pentru a
fi atribuite doar ntmplrii. Dac rezultatul testului indic faptul c mediile sunt semnificativ diferite, se

y
y
1 2 r
y y y = = =

x o
x
1
x
2
. x
r

x o
x
1
x
2
x
r

a)medii de grup; b) mediile de grup inegale
Figura 7.1.

11

concluzioneaz c factorul X are un impact asupra variabilei Y. Testul statistic este dezvoltat n
concordan cu urmtorul raionament. Dac ipoteza nul este adevrat, mediile celor r populaii ar
trebui s fie, toate, egale. Ne ateptm atunci ca mediile celor r eantioane s fie aproximativ egale. Dac
ipoteza alternativ este adevrat exist diferene mari ntre unele medii ale eantioanelor. Setul de date
pentru analiza dispersional unifactorial const n valorile variabilei Y pentru cele r grupe independente.
Volumele grupelor pot fi diferite
1 2
...
r
n n n = = = (tabelul 7.1.):
Tabelul 7.1. Sistematizarea datelor pentru ANOVA
Grupe dup factorul cauz
Gr. 1 Gr. 2 ..... Gr. r

y
11
y
21
..... y
11

y
12
y
22
..... y
11

.....

Media

Vol. grup
.....

y
12
y
12
..... y
12

Presupunerile sub care se aplic testul F n analiza dispersional unifactorial ofer un cadru
solid pentru interfaa statistic pe baza datelor observate, anume: cele r grupe din eantion sunt extrase
aleator i independent din cele r grupe ale colectivitii generale; fiecare grup din colectivitatea general
are o distribuie normal, iar abaterile medii ptratice sunt egale
1 2
...
r
o o o = = = .
Testul statistic F pentru analiza dispersional unifactorial este raportul indicatorilor de
variabilitate pentru cele dou surse de variaie: variabilitatea dintre grupe mprit la variabilitatea din
interiorul grupelor. El poate fi interpretat ca msurnd de cte ori este mai mare variabilitatea mediilor de
grup, comparativ cu ce ne-am ateptat dac ele erau doar aleator diferite. Pentru testarea ipotezei nule,
vom estima mediile de grup i media total din colectivitatea general pe baza datelor din eantion.
1
i
n
ij
j
i
i
y
y
n
=
=
, 1, i r =

1 1
1
i
n r
r
ij
i i
i j
i
i
y
y n
y
n n
= =
=
= =

,
1
r
i
i
n n
=
=
.
Variana dintre grupe, dat de influena factorului cauzal, numit i variana factorial, este
suma ptratelor abaterilor mediilor de grup de la media general:
2
1
1
( )
r
i i
i
S y y n
=
=
.
Din relaie rezult c, dac
1 2
...
r
y y y y = = = = ,
1
0 S = . Variana din interiorul grupelor, numit i
variana rezidual, este suma ptratelor abaterilor valorilor individuale de la mediile de grup:
2
2
1 1
( )
i
n r
ij i
i j
S y y
= =
=
.
mprtierea total a valorilor individuale fat de media general y este dat de variana total:

12

2
1 1
( )
i
n r
ij
i j
S y y
= =
=
.

Raionamentul analizei dispersionale se bazeaz pe partiionarea sumei ptratelor abaterilor:
( ) ( )
( )
2 2
2
1 2
1 1 1 1 1
r ni r r ni
ij i i ij
i j i i j
y y y y n y y S S S
= = = = =
= + = +

Pentru a face comparabile aceste msuri ale variabilitii, le vom raporta pe fiecare la gradele de
libertate, transformnd astfel suma de ptrate n media ptratelor abaterilor. Pentru variana factorial
1
S ,
numrul gradelor de libertate este 1 r i acest lucru nseamn c msurm variabilitatea a r medii, dar se
pierde un grad de libertate, deoarece media total a fost estimat. Pentru variana rezidual (din interiorul
grupelor )
2
S , numrul gradelor de libertate este n r ; acest lucru nseamn c msurm variabilitatea
tuturor celor n valori, dar pierdem r grade de libertate, deoarece au fost estimate mediile celor r grupe.
Obinem astfel dispersia factorial corect:
( )
2
2 1 1
1
1 1
r
i i
i
y y n
S
s
r r
=

= =

i dispersia corectat rezidual:
( )
2
1 1 2 2
2
r ni
ij i
i j
y y
S
s
n r n r
= =

= =

.
Statistica F pentru analiza dispersional unifactorial are forma:
2
1
2
2
s
F
s
= =

,

cu gradele de libertate ( 1 r ) la numrtor i ( n r ) la numitor. Testul statistic F se realizeaz
comparnd valoarea calculat a statisticii F cu valoarea critic (tabelat) F
o
pentru ( 1 r ) i ( n r )
grade de libertate i probabilitatea aleas 100(1 )% o de grantare a rezultatelor. Rezultatul este
semnificativ dac:
,( 1),( ) r n r
F F
o
> , deoarece acest lucru indic diferenele mai mari ntre mediile
grupelor dect cele datorate ntmplrii. Regiunea critic este dat deci de valorile lui F pentru care
,( 1),( ) r n r
F F
o
> . Astfel spus, dac valoarea F este mai mic dect maloarea critic F
o
, atunci se pot
face urmtoarele afirmaii echivalente: acceptm ipoteza nul
0
H ; nu acceptm ipoteza alternativ
1
H ; mediile grupelor nu sunt semnificativ diferite una fa de alta; diferenele observate ntre mediile
grupelor pot fi datorate doar ntmplrii; rezultatul nu este semnificativ statistic. Dac valoarea F este
mai mare dect valoarea critic F
o
, atunci: accentum ipoteza alternativ
1
H ; respingem ipoteza nul
0
H ; mediile grupelor sunt semnificativ diferite una fa de alta; diferenele observate ntre mediile
grupelor nu sunt datorate doar ntmplrii; rezultatul este semnificativ statistic.


13

Modelul unifactorial de regresie. Regresia liniar
Definiie, specificare, identificare

Deseori, apare necesitatea de a explica i controla, pe ct posibil, fenomenele i procesele din
economie, care pot reflecta situaii mai mult sau mai puin favorabile. De aceea, se elaboreaz o serie de
instrumente eficiente cu ajutorul crora s explicm situaiile existente i s eliminm (sau eventual s
diminum) efectele nedorite ce pot aprea ntr-un anumit context economic. n acest fel, se pot verifica
ipotezele teoriei economice, se poate renuna la unele care nu s-au dovedit viabile sau se pot elabora altele
noi, contribuind astfel la mbigirea sistemului informaional privind un anumit fenomen sau proces
economic. Modelul devine, astfel, o verig intermediar ntre teorie i practic, o oglind sintetic,
simplificat a realitii economice, ale crei componente principale sunt exprimate sintetic printr-un set de
variabile, precum i prin relaiile, intercondiionrile dintre aceste variabile. Modelul poate fi constituit
dintr-una sau mai multe ecuaii care exprim dependena variabilelor complexe de un ansamblu de factori
principali i secundari, sistematici i aleatori, care acioneaz n acelai sens sau n sensuri diferite, sistem
care exprim ntr-o form matematic, abstract, problema creia i trebuie gsit rezolvarea. Pentru
rezolvarea acestui sistem sunt enunate o serie de ipoteze raionale, n concordan cu teoria economic,
iar soluiile trebuie obinute n condiii de verosimilitate maxim, pe baza unui eantion de date privind
evoluia variabilelor factoriale i a variabilelor rezultative. n plus, modelele econometrice pot servi la
analiza i a altor aspecte ale realitii economice, precum: identificarea i msurarea efectului ntrziat al
unor factori economico-sociali, previzionarea evoluiei unor fenomene, sintetizate printr-un set de
variabile, oscilaiile sistematice, sezoniere sau ciclice ce pot nsoi evoluia acestora, simularea i
prognoza proceselor economico-sociale, identificarea i msurarea aciunii unor variabile dihotomice,
alternative sau binare.
Legturile care exist ntre dou variabile statistice pot fi studiate folosind dou tehnici: regresia
i corelaia. Corelaia va arta ct de puternic este legtura, dependena dintre variabile, n timp ce
regresia va ajuta n explicarea i previzionarea unui factor pe baza valorii altuia (altora), ceea ce, evident,
va reduce incertitudinea privitoare la fenomene importante, dar aleatoare. n sens statistic, termenul
regresie i aparine statisticianului englez F. Galton (1822-1911). Exist trei scopuri principale, atunci
cnd analiz, legturile dintre variabile statistice: - s descriem i s nelegem relaiile de dependen;
- s previzionm o nou valoare a variabilei efect; - s ajustm i s controlm variabila efect,
prin intervenia asupra variabilei cauz. Un studiu econometric ncepe cu o serie de presupuneri teoretice
despre anumite aspecte ale economiei.

Definimmodelul unifactorial de regresie printr-o relaie matematic construit pe baza teoriei
economice, care presupune c fenomenul economic Y (fenomenul efect) este rezultatul aciunii a dou
categorii de factori:
prima, constituit dintr-un singur factor principal, esenial, determinant X,
a doua format din toi ceilali factori considerai neeseniali, cu aciune ntmpltoare
(specificai prin variabila rezidual ) sau constant, invariabil, asupra lui Y (i deci nu au sens a fi
specificai n model).
Specificarea modelului unifactorial const n precizarea variabilei endogene Y i a celei exogene
X, pe baza teoriei economice; ca orice ipotez teoretic, ea poate fi adevrat sau fals.
( ) y f x c = +
I dentificarea modelului const n alegerea unei funii (sau a unui grup de funcii) matematice, cu
ajutorul creia se urmrete descrierea valorilor variabilei endogene, doar n funcie de variaia variabilei
exogene X. Identificarea modelului se poate face prin: - procedeul grafic; - procedeul conversrii ariilor;
- procedeul calculelor algebrice.


14

Una dintre funciile matematice utilizate cel mai des o constituie funcia liniar. Relaia dintre
variabila efect (Y) i variabila cauz (X) studiat de regresia simpl liniar ntr-o populaie statistic
general poate fi descris prin modelul probabilistic liniar:
i i i
y x o | c = + + , n care:
( , )
i i
x y reprezint valorile numerice ale variabilelor cauz (X) i efect (Y), nregistrate la
nivelul unitii statistice i; , o | reprezint parametrii ecuaiei de regresie (n literatura de
specialitate se mai noteaz
0
| i
1
| ); o reprezint punctul de intersecie al dreptei de regresie cu axa
O
y
; | reprezint panta dreptei, se mai numete i coeficient de regresie i arat cu cte uniti de
msur se modific Y dac X se modific cu o unitate de msur;

i
reprezint componenta rezidual (eroare aleatoare) pentru unitatea statistic i.

Dup cum observm, modelul probabilistic conine: a) componenta deterministic, adic partea din
valoarea lui
i
y , care poate fi determinat cunoscnd valoarea ( )
i i i
x x y o | + = ; b) componenta
rezidual este partea din valoarea lui
i
y , care nu poate fi determinat cunoscnd valoarea individual
( )
i i
x c . Atunci:
i
y = componenta predictual (deterministic) + eroarea aleatoare sau
i i i
y y c = + .
Dac datele disponibile provin dintr-un eantion (aa cum se ntmpl n cele mai multe aczuri), avem la
dispoziie n perechi de observaii ,
1 1 2 2
( , ), ( , ),..., ( , )
n n
x y x y x y iar modelul de regresie liniar n eantion
este:
i i i
y a bx e = + +

cu componenta predictibil:
i i
y a bx = + , unde a i b sunt estimatorii punctului
de intersecie (o) i ai pantei liniei de regresie (|), obinui pe eantion, iar
i
e , estimatorul componentei
reziduale,
i
c .

Ipotezele modelului de regresie liniar. Pentru a obine proprietile dorite ale estimatorilor regresiei, se
fac, de obicei, ase presupuneri (ipoteze) standard pentru modelul din populaia general. Ipotezele ce
trebuie verificate sunt formulate astfel:
1. Formula funcional:
2. Media zero a erorilor:
3. Homoscedasticitatea:
4. Non-autocorelarea erorilor:
i i i
y x o | c = + + , 1, i n =
( ) 0
i
E i c =
2
( )
i
Var c o = constant i
o
|
1
0,5
1 2 3 4 x
y
3

2
1

0
Figura 8.1. Modelul liniar unifactorial

15

5. Necorelarea ntre regresor i erori:
6. Normalitatea erorilor.
( , ) 0
i j
Cov i j c c = =
( , ) 0
i j
Cov x c = i i j
2
(0, )
j
N c o

1. Forma funcional
Ipoteza de liniaritate nu este att de restrictiv pe ct pare. Aceasta se refer la felul n care
parametrii intr n ecuaie, nu neaprat la relaia dintre variabilele X i Y. n exemplele prezentate n
continuare s-a procedat la transformarea unor variabile n vederea liniarizrii modelelor.
a. y a bx = +
b. ,
x
y a bz z e = + =
c. , 1 y a br r x = + =
d. , ln( ) y a bq q x = + =

n exemplele anterioare, doar variabila X a fost transformat. Acelai lucru se poate ntmpla i cu
variabila Y, aa cum este cazul modelului: ln( ) ln( ) y Ax y x
|
o | = = + , forma general a acestuia
fiind: ( ) ( )
i i i
f y g x o | c = + +
Exist ns i modele ce nu pot fi liniarizat, cum este cel de forma:
1
y
x
o
|
= +
+
.
Ipoteza de liniaritate a modelului include i aditivitatea erorilor. Modelul trebuie s fie de forma:
y x o | c = + + , fie n variabilele iniiale, fie dup ce au fost fcute transformrile potrivite. De
exemplu, modelul y Ax e
| c
= se transform prin logaritmare n modelul liniar:
ln( ) ln( ) ln( ) y A x | c = + + . ns modelul y Ax
|
c = + nu mai poate fi transformat n model liniar.
Dac ipoteza de liniaritate este verificat, variabila dependent observat este suma a dou
elemente:
componenta predictibil: x o | +
o component aleatoare: .

Figura 8.2. Modele ce pot fi liniarizate
Y
a + b e
x
a+b ln(x)
X
a + b (
)
a + b x

16

2. Media erorilor este zero: ( ) 0
i
i c = , este natural atta timp ct este vzut ca suma
efectelor individuale, cu semne diferite. Aceast presupunere indic faptul c media valorilor Y este
condiionat de ionat de X,
( )
i i
Y X X X o | = = + , adic nu exist variabile omise asiciate cu regresia
n populaie (vezi figura 8.3.):

Figura 8.3. Distribuia de probabilitate pentru
i

3. Ipoteza de homoscedasticitate:
2
( )
i
Var c o = constant i
Variabilele aleatoare
i
c au dispersia constant,
2
c
o , adic dispersia reziduurilor n populaie este
constant pentru toate valorile X
i
(figurile 8.3. i 8.4.)

4. Non-autocorelarea erorilor: ( ) 0
i j
E i j c c = =
Aceast ipotez nu implic faptul c
i
y i
j
y sunt necorelate, ci faptul c deviaiile observaiilor
de la valorile de ateptare sunt necorelate.
De asemenea, este convenabil a considera c erorile sunt independente i normal distribuite cu
medie zero i variaie constant pentru obinerea de rezultate statistice exacte.

5. Variabila aleatoare
i
este normal distribuit (figura 8.3.)

6. Necorelarea ntre regresor i erori: ( , ) 0
i j
Cov x c = i i j

x
o

y
x
o

y
a) b)
Figura 8.4. Dispersia reziduurilor:a) constant; b) variabil;

17

Chiar dac
i
x sunt numere fixate (de exemplu: de cercettor) sau sunt variabile aleatoare, ele sunt
statistic independente de variabila aleatoare
i
c ;
Ipotezele modelului de regresie liniar vor fi analizate mai detaliat n capitolul 6.

8.1.3. Estimarea parametrilor modelului de regresie

Regresia simpl liniar
Modelul de regresie liniar n eantion este:
i i i
y a bx e = + +
cu componenta predictibil:
i i
y a bx = +
unde a i b sunt coeficienii funciei de regresie, iar
i
e , valoarea rezidual (pentru unitatea i) n eantion:
( )
i i i
e y a bx = +
nu este altceva dect o msur a distanei de la un punct ( ,
i i
x y ) la linia de regresie (figura 8.6.):

Figura 8.6. Abaterea e
i
de la linia de regresie
Procedeul de determinare a liniei de regresie n eantion urmrete s gseasc valorile lui a i b,
astfel nct valorile estimate ale variabilei dependente ( y ) s fie ct mai aproape posibil de valorile
observate (y) (dreapta s treac ct mai aproape de toate punctele observate). Un criteriu pentru
determinarea valorilor a i b este metoda minimizrii sumei ptratelor deviaiilor (abaterilor sau
reziduurilor) e
i
. Cu ct este mai mic valoarea
i
e , cu att este mai aproape
i
y de valoarea
i
y . Metoda,
cunoscut ca metoda celor mai mici ptrate, nseamn minimizarea relaiei:
( )
2
2
( , ) min min
i i i
i i
S a b e y a bx = =

Condiiile de ordin 1 de minimizare a funciei sunt:
( ) ( )
( ) ( )
2
0
0 2 1 0
2 0 0
0
i i i i
i i i i i i i
S
y na b x y a b x
a
S
y a b x x x y a x b x
b
c
=
= =
c

c
= =

=
c

obinndu-se sistemul de ecuaii normale:

18

1 1
2
1 1 1
n n
i i
i i
n n n
i i i i
i i i
na b x y
a x b x x y
= =
= = =
+ =
+ =

Rezolvarea sistemului poate fi realizat folosind metoda determinanilor, dup cum urmeaz:
a
a
A
=
A
;
b
b
A
=
A
, unde:
2
i i
i i i
y x
a
x y x
A =

i
i i i
n y
b
x x y
A =

2
i
i i
n x
x x
A =

( )
( )
2
2
2
2
2
i i i i i
i i
i i i i
i i
y x x x y
a
a
n x x
n x y x y
b
b
n x x

A
= =
= =

Sau
( )( )
( )
1 1
1
2 2 2
2
1
n n
i i
i i
n
i i
i
i i
xy
i
n
x
i
i
i
i
y b x
a y bx
n
x x y y
x y nxy
s
n
b
s
x nx
x x
n
= =
=
=
| |
|
\ .
= =
= = =

Rmne de verificat dac este ndeplinit condiia de ordin 2, adic soluia gsit este un punct
de minim. Matricea derivatelor pariale de ordin doi trebuie s fie pozitiv definit:
2 2
2 2
2 2 2
2 2
( ) ( )
2 2
2 2 ( ) ( )
i
i
i i
i i
S S
n x
a a b
x x S S
b a b
( c c
(
(
c c c (
( =
(
c c (
(

(
c c c

2 2 2
2 0
4 4( ) 4 ( ) 0
i i i
i i i
n
n x x n x x
>
= >


19

Deci matricea este pozitiv definit.
Coeficientul a (intercepia) poate lua valori negative sau pozitive. Coeficientul b (panta liniei
drepte) numit i coeficient de regresie are ntotdeauna semnul indicatorului
xy
s , numit i covariana ntre
X i Y. Aadar, n cazul unei legturi directe rezult 0 b > (figura 8.7.a), iar n cazul unei legturi inverse,
0 b < (figura 8.7.b). dac 0 b = , acest lucru semnific lipsa legturii liniare ntre X la Y, iar linia de
regresie este paralel cu axa absciselor (figura 8.7.c)

n urma determinrii coeficienilor a i b ai ecuaiei de regresie, se calculeaz valorile ajustate
date de
i i
y a bx = + . Vom obine astfel:
1 1
n n
i i
i i
y y
= =
=

.
Este de remarcat faptul c, dac datele au fost sistematizate utiliznd metoda gruprii, iar valorile
i
x i
i
y se ntlnesc cu frecvenele
i
n , atunci sistemul de ecuaii normale, pentru determinarea
coeficienilor a i b, devine:
1 1 1
2
1 1 1
r r r
i i i i i
i i i
r r r
i i i i i i i
i i i
a n b x n y n
a x n b x n x y n
= = =
= = =
+ =
+ =

;
n urma ajustrii vom obine:
1 1
r r
i i i i
i i
y n y n
= =
=

.

n cazul n care datele au fost sistematizate ntr-un tabel cu dubl intrare, iar valorile
i
x i
i
y se
ntlnesc cu frecvenele
ij
n , sistemul devine:
y =a+bx
b>0
x
o
y
x
o
y
x
o
y
y =a+bx
b<0
y =a+bx
b=0
a) b) c)
Figura 8.7. Linii de regresie cu:
a) pant pozitiv; b) pant negativ; c) pant egal cu zero


20

1 1 1 1
2
. .
1 1 1 1
r m r m
ij i i j j
i j i j
r r r m
i i i i i i ij
i i i j
a n b x n y n
a x n b x n x y n
= = = =
= = = =
+ =
+ =

;

Determinarea coeficienilor ai b pe baza acestor sisteme de ecuaii se adapteaz corespunztor.
n urma ajustrii vom obine:
1 1
m m
j j j j
j j
y n y n
= =
=

.

Reamintim c, n cazul legturii simple liniare, o msur relativ a dependenei dintre dou
variabile o constituie coeficientul de corelaie. Acest indicator al corelaiei standardizeaz media
produselor abaterilor, semnul lui indicnd direcia legturii, iar valoarea intensitatea legturii.
( )( )
( ) ( )
1
2 2
1 1
cov( , )
n
i i
x y
i
xy
n n
x y x y
i i
i i
x x y y
s
x y
r
s s s s
x x y y
=
= =

= = =
( (

( (
( (

sau, prin transformri elementare:
1 1 1
2 2
2 2
1 1 1 1
n n n
i i i i
i i i
xy
n n n n
i i i i
i i i i
n x y x y
b
r
n x x n y y
= = =
-
= = = =
A
= =
A A ( (
| | | |
( (
| |
\ . \ . ( (

,
unde
2
2
1 1
n n
i i
i i
n y y
-
= =
| |
A =
|
\ .

Valoarea coeficientului de corelaie (
xy
r sau simplu, r) este situat ntre -1 i 1. O valoare 1 indic
o corelaie liniar direct i perfect (funcional), iar o valoare -1 indic o corelaie liniar invers
perfect. O valoare zero arat (de obicei) lips legturii ntre variabile. Totui, aceast interpretare trebuie
fcut cu precauie, deoarece o legtur neliniar, valorile extreme sau aberante pot distorsiona
interpretarea coeficientului de corelaie. Diagrama de mprtiere ne va ajuta, n plus, la interpretarea lui
r.
Aadar, coeficientul de corelaie, r, este un indicator ce caracterizeaz direcia i intensitatea
legturii liniare. De altfel, se observ c
x y
xy
x y
s
r
s s
= , iar b, coeficientul de regresie (panta liniei drepte),
este
2
x y
x
s
b
s
= . Aadar
x
y
s
r b
s
= .
Coeficientul de corelaie (r) are, deci, acelai semn cu coeficientul de regresie (b) i anume
semnul dat de direcia legturii dintre variabile, deoarece
x
s i
y
s sunt ntotdeauna pozitive.


21

MODELAREA ECONOMETRIC A SERIILOR CRONOLOGICE

Componentele unei serii cronologice. tim c dac datele statistice sunt transversale (sau dinamice),
adic dac variabila este msurat n timp, n ordine secvenial, atunci, n urma sistematizrii, se obine o
serie cronologic de tipul:
1 2
1 2 ... ...
... ...
t n t
t n t
y y y y y

=
` `
) )
, 1, t n =
unde 1, t n = reprezint unitile de timp (perioade sau momente), iar y
t
reprezint nivelurile variabilei
studiate, Y. Aadar, ntr-o serie cronologic, ordinea datelor ofer informaii importante. O serie
cronologic poate fi format din patru componente diferite i anume: 1. Componenta de lung durat
trend (Y
T
); 2. Componenta sezonier (Y
S
); 3. Componenta ciclic (Y
C
); 4. Componenta rezidual (Y
R
).
1. Tendina de lung durat (numit i trend, tendin secular sau tendin pe termen lung) se
manifest sub influena unor factori sistematici cu aciune ndelungat i confer o form aproximativ
neted i o direcie aproximativ stabil de evoluie a fenomenului. Tendina de lung durat se manifest
i se pune n eviden pe un numr mare de termeni, peste 10-15 termeni. Spre exemplu, populaia
Romniei (indicator de interes pentru multe din activitile sectorului teriar), a cunoscut urmtoarea
evoluie n perioada 1980-2005 (numr mediu de locuitori la 1 iulie):

Figura 11.1. Populaia Romniei n perioada 1980-2005
Sursa: Anuarul Statistic al Romniei, 2006

Dup cum se observ (figura 11.1), tendina de lung durat nu trebuie ntotdeauna s fie liniar. n acest
exemplu, numrul populaiei a crescut pn n 1990, dup care se constat o tendin descresctoare, n
perioada 1990-2005. Cu toate acestea, multe variabile social-economice de interes pot avea o tendin
liniar pe termen lung, cresctoare ori descresctoare.
2. Componenta sezonier are tot o influen sistematic, sub forma unor valuri (cicluri)
repetitive, care apar la perioade calendaristice scurte i, prin definiie, au o durat mai mic de un an de
zile. Termenul de variaii sezoniere se poate referi, n mod tradiional, la cele patru anotimpuri (sau
trimestre), ori la fluctuaiile ce apar n timpul unei luni, unei zile sau chiar n cursul unei zile. Cererea de
produse turistice, producia i preul de vnzare al unor produse agroalimentare, tarifele unor servicii etc.
Pot prezenta astfel de variaii sezoniere. n general, industria turismului este afectat de sezonalitate. n
funcie de momentul de re-ferin anchetele statistice pot oferi date i informaii privind fie trimestrele
calendaristice, fie trimestrele sezoniere. Anchetele bazate pe trimestre sezoniere ofer date decalate cu o
lun fa de cele calendaristice (Sursa: CANSTAT, Statistical Bulletin, Bucharest, 2002, pg. 96).

21000000
21500000
22000000
22500000
23000000
23500000
1980198419881992199620002004
P
e
r
s
o
a
n
e


22

Exemplu
Hotelul CREASTA dintr-o zon montan, cu o capacitate de cazare existent de 140 locuri a nregistrat,
n perioada 2003-2006, urmtorii indici trimestriali de utilizare net a capacitii n funciunee (%)
(tabelul 11.1.):
Tabelul 11.1. I ndici de utilizare net a capacitii n funciune (%)
Anul
Trimestrul
I II III IV
2003
2004
2005
2006
30,0
30,8
32,2
32,8
21,2
22,4
22,8
23,0
62,8
64,4
66,2
68,0
44,2
46,0
48,0
48,4

Din reprezentarea grafic (figura 11.2.) se observ cu uurin c, n trimestrul III, indicii de utilizare net
a capacitii n funciune sunt mai ridicai dect n celelalte trimestre.

Figura 11.2. Indici de utilizare net a capacitii n
funciune la hotelul CREASTA, n perioada 2003-2006
3. Componenta ciclic are, de asemenea, o influen sistematic sub forma unor valuri, dar care
apar la un numr mai mare de ani (2-10 ani). Prin definiie, ciclurile au o durat mai mare de un an de zile
i sunt determinate de interaciunea unor factori ce influeneaz economia ori planul social (figura 11.3.).
Exemple de astfel de cicluri includ bine-cunoscutele cicluri de afaceri ce includ perioade de recesiune i
expansiune, ciclurile pe termen lung privind cererea unor mrfuri, ciclurile n sectorul monetar i
financiar. n practic, ciclurile apar rareori cu regularitate i adesea se manifest n combinaie cu alte
componente. n industria turismului, ntlnim cicluri de via ale destinaiilor turistice (vezi Stnciulescu,
Gabriela coord. Lexicon de termeni turistici, Editura Oscar Print, Bucureti, 2002).

Figura 11.3. Variaie ciclic ntr-o serie cronologic
0.0
10.0
20.0
30.0
40.0
50.0
60.0
70.0
80.0
Tr.
I
'03
Tr.
II
'03
Tr.
III
'03
Tr.
IV
'03
Tr.
I
'04
Tr.
II
'04
Tr.
III
'04
Tr.
IV
'04
Tr.
I
'05
Tr.
II
'05
Tr.
III
'05
Tr.
IV
'05
Tr.
I
'06
Tr.
II
'06
Tr.
III
'06
Tr.
IV
'06
I
n
d
i
c
i

d
e

u
t
i
l
i
z
a
r
e

n
e
t
a

(
%
)


23

4. Componenta rezidual determin variaii ntmpltoare, manifestate ca devieri neregulate ntr-
o serie cronologic i care nu sunt cauzate de nicio alt component. Uneori aceast component poate
ascunde existena altora, mai predictibile, dar trebuie s subliniem c variaiile aleatoare apar n aproape
toate seriile cronologice, ceea ce face necesar identificarea lor, n scopul efecturii cu acuratee a
previzionrilor. Dac examinm figurile anterioare, vom observa astfel de variaii reziduale i, tocmai de
aceea, chiar dac vom caracteriza precis i exact celelalte componente, nu vom putea previziona la fel de
exact evoluia viitoare a unei variabile.
Componentele unei serii cronologice pot fi prezentate, pe scurt, astfel (tabelul 11.2.):
Tabelul 11.2. Componentele unei serii cronologice
Denumire
Componenta de
lung durat
Componenta
sezonier
Componenta
ciclic
Componenta
rezidual
Tip Sistematic Sistematic Sistematic Nesistematic
Definiie
Tendina de
modificare pe
termen lung
Fluctuaii regulate
ce apar n
interiorul unei
perioade de 12 luni
i se repet an de
an
Fluctuaii
aproximativ
regulate ce apar la
intervale de timp
mari de 1 an de
zile
Fluctuaii reziduale
(ntmpltoare),
care rmn dup
evidena celorlalte
componente
Factori de
influena
Schimbri n
populaie,
tehnologie,
educaie, nivel de
trai etc.
Condiii climatice,
obiceiuri
religioase, sociale
etc.
Interaciunea unor
factori ce
influeneaz
economia
Evenimente
neprevzute
(greve, inundaii,
rzboaie etc.) sau
variaii aleatoare
ale datelor
Durat
Un numr mare de
termeni
Mai mic sau
egal cu 12 luni
De obicei 2-10 ani
Durat scurt i
care nu se repet
Modelul general al unei serii cronologice poate fi exprimat ca un model aditiv, unde valoarea variabilei la
momentul (n perioada) t poate fi descris ca:
t Tt St Ct Rt
y y y y y = + + + , sau ca un model multiplicativ,
dac valoarea variabilei este descris ca:
t Tt St Ct Rt
y y y y y = . Ambele modele sunt acceptabile. n
general, modelul multiplicativ se utilizeaz atunci cnd fluctuaiile (regulate i neregulate) se amplific
ori se diminueaz fa de tendina secular, iar modelul aditiv se utilizeaz atunci cnd fluctuaiile rmn
constante n amplitudine, fa de trend.

11.1.1. Estimarea componentei trend

Dac putem determina i caracteriza componentele care exist ntr-o serie cronologic, vom
putea, apoi, s efectum o previzionare valid a evoluiei viitoare. Caracterizarea i descrierea tendinei de
lung durat se poate face folosind metode statistice (simple) sau analitice. n alegerea uneia sau alteia
dintre metode un rol important l joac graficul statistic i modul n care reuim s descoperim existena i
forma diferitelor componente din reprezentarea seriei cronologice. Metodele mecanice de descriere a
trendului unei serii cronologice cuprind: metoda modificrii medii absolute, metoda indicelui mediu de
modificare i metoda mediilor mobile. Metodele analitice presupun utilizarea unei funcii analitice de
tendin. Tehnicile de netezire (sau ajustare) a seriei cronologice urmresc, aadar, eliminarea sau
atenuarea oscilaiilor (fluctuaiilor) sistematice i nesistematice. Prezentm, n continuare, modul de
estimare a tendinei de lung durat a unei serii cronologice prin metoda mediilor mobile. Metoda
mediilor mobile este utilizat cu deosebire atunci cnd seria cronologic prezint fluctuaii regulate
(sezoniere sau ciclice), pentru a netezi evoluia fenomenului. Tendina pe termen lung se determin sub
forma unor medii, calculate din atia termeni (m), la ci se manifest o oscilaie complet. Mediile se
numesc mobile, glisante, deoarece, n permanen, n calculul unei astfel de medii se las n afar primul

24

termen al mediei anterioare i se introduce urmtorul termen. Astfel, dac mediile mobile sunt calculate,
spre exemplu, din cinci termeni, fiecare valoare ajustat va cuprinde termenul din perioada respectiv, cei
doi termeni anteriori i cei doi termeni urmtori.
2 1 1 2
5
t t t t t
tTMM
y y y y y
y
+ +
+ + + +
= , 3, 2 t n = .
n general, dac mediile sunt calculate din mtermeni (m, numr impar) se vor pierde, prin
calculul mediilor, (m 1) termeni i fiecare valoare ajustat va fi situat n dreptul unei valori nregistrate.
Dac, ns, mediile mobile se calculeaz din mtermeni (mnumr par), atunci valorile medii se situeaz
ntre termenii reali i vom centra nivelurile, astfel ajustate, prin calculul unor medii de medii (medii
pariale). Spre exemplu, dac o oscilaie complet are loc la 6 termeni, atunci calculm medii mobile
centrate:
3 3
2 1 1 2
2 2
6
t t
t t t t t
tTMM
y y
y y y y y
y
+
+ +
+ + + + + +
= , 4, 3 t n = .
n acest caz se vor pierde, prin calculul mediilor centrate, mtermeni. Prin calculul mediilor mobile,
abaterile sezoniere se compenseaz.

Exemplu. S considerm seria cronologic privind sosirile trimestriale de turiti la hotelul Creasta
dintr-o zon montan (tabelul 11.3.):

Tabelul 11.3. Sosiri trimestriale de turiti la hotelul Creasta
Anii
Trimestre
I II III IV
2003
2004
2005
2006
940
952
992
1026
650
706
734
740
1934
2072
2088
2190
1360
1406
1478
1492

Pentru calcularea tendinei pe termen lung, folosind metoda mediilor mobile din 4 termeni (la ci
se manifest o oscilaie complet), putem sistematiza datele astfel (tabelul 11.4.):
Tabelul 11.4. Calculul mediilor mobile
Anul Trimestrul Perioada(t) y
t
y
tT(MM)
0 1 2 3 4
2003
I
II
III
IV
1
2
3
4
940
650
1934
1360

1222
1231
2004
I
II
III
IV
5
6
7
8
952
706
2072
1406
1255
1278
1289
1297
2005
I
II
III
IV
9
10
11
12
992
734
2088
1478
1303
1314
1327
1332
2006
I
II
III
IV
13
14
15
16
1026
740
2190
1492
1346
1360


25

Prima medie mobil centrat este:
5 1
2 3 4
3
2 2
4
TMM
y y
y y y
y
+ + + +
=
3
940 952
650 1934 1360
2 2
1222
4
TMM
y
+ + + +
= ~ persoane.
Cea de-a doua medie mobil centrat este:
4
650 706
1934 1360 952
2 2
1231
4
TMM
y
+ + + +
= = persoane. .a.m.d.
Reprezentarea grafic n figura 8.4. ilustreaz modul n care mediile mobile permit determinarea
tendinei de lung durat, prin eliminarea oscilaiilor sezoniere. S mai notm c mediile mobile pot fi
calculate i acolo unde nu exist devieri periodice, n scopul de a nltura variaiile reziduale. Cu ct
mediile mobile se vor calcula, dintr-un numr mai mare de termeni, cu att netezirea va fi mai accentuat;
pe de alt parte, calculul mediilor mobile dintr-un numr prea mic de termeni poate face ca variaiile
reziduale s nu se elimine din valorile reale.

Figura 11.4. Determinarea tendinei seculare folosind mediile mobile
11.1.2. Estimarea componentei sezoniere

Variaiile sezoniere pot s apar n interiorul unui an sau chiar al unui interval mai scurt de timp, cum ar fi
luna, sptmna sau ziua. Rezult deci c, pentru studiul statistic al componentei sezoniere, este necesar
s avem la dispoziie date sistematizate pe intervale de timp mai mici de un an de zile. Pentru a msura
efectul sezonier, putem determina devieri sezoniere sau indici de sezonalitate. Devierile sezoniere
msoar, n medie, abaterile fiecrui sezon de trend, iau valori pozitive i negative, astfel nct suma
devierilor sezoniere, pentru toate sezoanele, este egal cu zero. Indicii de sezonalitate msoar, n medie,
de cte ori se abate variabila, n fiecare sezon, de la trend, iau valori supraunitare sau subunitare, astfel
nct produsul lor este egal cu 1.
1. Determinarea devierilor sezoniere
Pentru determinarea devierilor sezoniere se parcurg urmtorii pai: 1. Se nltur din valorile
seriei cronologice (y
t
) componenta de trend (y
tT
) determinat prin metoda mediilor mobile sau printr-o
metod analitic (vom considera o serie fr componenta ciclic, C
t
). Atunci:
t tT tS tR
y y y y = + .
0
500
1000
1500
2000
2500
Tr. I
'03
Tr.
II
'03
Tr.
III
'03
Tr.
IV
'03
Tr. I
'04
Tr.
II
'04
Tr.
III
'04
Tr.
IV
'04
Tr. I
'05
Tr.
II
'05
Tr.
III
'05
Tr.
IV
'05
Tr. I
'06
Tr.
II
'06
Tr.
III
'06
Tr.
IV
'06
p
e
r
s
o
a
n
e

Valori observate

26

2. Pentru fiecare sezon n parte, calculm media rezultatelor obinute la pasul 1. n felul acesta
(prin calculul mediei) se nltur cea mai mare parte din variaiile reziduale (dei foarte rar le putem
nltura n ntregime). Aceste medii, calculate pentru m sezoane, msoar diferenele fa de linia de
tendin, date de componenta sezonier.
3. Devierile sezoniere se vor calcula din valorile obinute la pasul al doilea, ajustate astfel nct
suma lor s fie egal cu zero
1
0
m
Sk
k
y
=
| |
=
|
\ .
.
Exemplu. Dup cum se tie, industria turistic este subiectul unor serioase variaii sezoniere. Folosind
datele din tabelul 11.3., vom urmri s determinm devierile sezoniere ale variabilei, sosiri de turiti.
Pentru aceasta, vom nltura mai nti componenta de trend (col. 3 col. 4, tabelul 8.4), iar rezultatele (
tS tR
y y + ) le vom sistematiza n tabelul 11.5.

Tabelul 11.5. Determinarea devierilor sezoniere
Anii
Trimestrul
Suma
I II III IV
0 1 2 3 4 5
2003
2004
2005
2006

303
311
320

572
580
620
712
783
761

129
109
746

Media 311,3 590,7 752 128 22
Deviere sezonier 306 585 758 133 0

Pentru fiecare sezon vom determina media abaterilor:
pentru trim. I:
303 ( 311) ( 320)
311, 3
3
+ +
=
; pentru trim. II:
572 ( 580) ( 620)
590, 7
3
+ +
=
;
pentru trim. III:
712 783 761
752
3
+ +
=
; pentru trim. IV:
129 109 146
128
3
+ +
=
.
Cum suma acestor medii ale abaterilor este diferit de zero
4
1
( 311, 3) ( 590, 7) 752 128 22
Sk
k
y
=
= + + + =
, vom ajusta mediile calculate cu valoarea

22
5, 5
4
=
, obinnd devieri sezoniere, astfel:
1
311, 3 ( 5, 5) 305,8 306
S
y = = ~ persoane
2
590, 7 ( 5, 5) 585, 2 585
S
y = = ~ persoane,
3
752 ( 5, 5) 757, 5 758
S
y = = ~
persoane
4
128 ( 5, 5) 133, 5 134
S
y = = ~ persoane
Devierile sezoniere n trimestrele I i II sunt negative (niveluri sub trend), iar trimestrele III i IV
sunt pozitive (vrfuri de activitate). Rezultatele ne arat c factorul sezonier deviaz numrul sosirilor de
turiti n trimestrul I cu 306 persoane sub linia de trend, n trimestrul II cu 585 persoane sub trend, iar n
trimestrele III i IV cu 758, respectiv, cu 133 persoane peste tendina de lung durat.
Determinarea indicilor sezonieri. Pentru determinarea indicilor de sezonalitate, metodologia este
similar, parcurgndu-se urmtorii pai:
1. Se nltur componenta de trend:
t
tS tR
tT
y
y y
y
=
.

27

2. Se calculeaz, pentru fiecare sezon, media rezultatelor obinute la punctul 1, eliminnd
astfel variaiile reziduale. 3. Indicii de sezonalitate se determin din mediile obinute la pasul 2,
ajustate astfel nct indicele mediu s fie egal cu 1. Cele mai exacte rezultate se obin dac vom folosi
n calcule media geometric. Cu toate acestea, pentru uurina calculelor, deseori se folosete media
aritmetic.

Exemplu. Pe baza datelor din tabelul 8.3., vom nltura componenta de trend :
t tT
y y (col. 3: col. 4) i
vom obine
tS tR
y y , valori sistematizate n tabelul 11.6.

Tabelul 11.6. Determinarea indicilor de sezonalitate
Anii
Trimestrul
Produsul
I II III IV
0 1 2 3 4 5
1998
1999
2000
2001

0,759
0,761
0,762

0,552
0,559
0,554
1,583
1,607
1,573

1,105
1,084
1,112

Media 0,761 0,555 1,588 1,099 0,737
Indice de sezonalitate 0,821 0,599 1,714 1,186 0,000

Pentru fiecare sezon determinm media valorilor astfel obinute:
pentru trim I:
3
0, 759 0, 761 0, 762 0, 761 = ; pentru trim II:
3
0, 552 0, 559 0, 554 0, 555 =
;
pentru trim III:
3
1, 583 1, 607 1, 573 1, 588 = ; pentru trim IV:
3
1,105 1, 084 1,112 1, 099 = .
Cum produsul acestor medii (geometrice) este diferit de 1:
4
1
0, 761 0, 555 1, 588 1, 099 0, 737
Sk
k
y
=
= =
[
, vom ajusta mediile calculate cu media indicilor
sezonieri, obinnd indici de sezonalitate, astfel:
Media indicilor sezonieri este calculat ca o medie geometric:
4
1 2 3 4
0,9265
S S S S S
y y y y y = = .
Indicii de sezonalitate vor fi subunitari n trimestrele I i II i supraunitari n trimestrele III i IV.
1
0, 761: 0, 9265 0, 821
S
y = =
2
0, 555: 0, 9265 0, 599
S
y = =
3
1, 588: 0, 9265 1, 714
S
y = =
4
1, 099: 0, 9265 1,186
S
y = =
Acum
4
1
1
Sk
k
y
=
=
[
.
Indicii de sezonalitate astfel obinui ne arat c, n medie, sosirile de turiti n trimestrele III i IV
se afl peste tendina de lung durat cu 71,4%, respectiv cu 18,6%, iar n trimestrele I i II, sosirile de
turiti se situeaz sub linia de trend cu 17,9%, respectiv cu 40,1%. n previzionarea sosirilor de turiti va
trebui s inem cont, pentru fiecare trimestru, de influena factorului sezonier, influen determinat sub
forma devierilor sezoniere sau a indicilor de sezonalitate. Dup ce am determinat devierile sezoniere ori
indicii de sezonalitate, vom desezonaliza seria cronologic (
t Sk
y y ) pentru devieri i
t Sk
y y pentru
indici. Rezultatele astfel obinute vor conine doar componenta de tendin secular (y
tT
) i componenta
rezidual (y
tR
). Putem acum s determinm tendina de lung durat, aplicnd o metod mecanic ori
analitic. S subliniem ns c, atunci cnd vom ajunge la etapa de previzionare, va trebui s inem cont i
de devierile sezoniere, ori de indicii de sezonalitate.


28

B. TC. EXEMPLU

Obiectivul Econometriei

A fost formulat de ctre statisticianul Ragnar Frisch, n chiar primul numr al revistei
Econometrica, astfel: experiena a artat c fiecare din urmtoarele trei puncte de vedere, al
statisticii, a teoriei economice i al matematicii, este o condiie necesar, dar nu i suficient pentru
o nelegere efectiv a relaiilor cantitative din economia modern; unificarea lor este aceea care
asigur eficiena. Econometria este tocmai aceast unificare. Altfel spus, econometria reprezint
studierea fenomenelor economice pe baza datelor statistice cu ajutorul modelelor matematice.
Definiia restrictiv: A fost propus de Cowles Comission for Research in Economics (Chicago,
1940-1950); n aceast viziune se consider c econometria presupune investigarea fenomenelor
economice numai cu ajutorul modelelor aleatoare (stochastice, probabilistice); ea include doar
cercetrile economice ce utilizeaz metodele induciei matematice la verificarea relaiilor cantitative
formulate n teoria economic cu privire la fenomenele sau procesele studiate.
Definiia extins: Aparine economitilor anglo-saxoni i consider c econometria n sens larg
nseamn econometria n sens restrns, la care se adaug metodele cercetrii operaionale.
n prezent, econometria cuprinde i tehnicile moderne de analiz a datelor (analiza marilor tabele, de
exemplu). Econometria poate fi folosit n dou moduri, care nu sunt mutual exclusive: Ca
instrument de previziune (date fiind valori ipotetice ale anumitor variabile, putem previziona valoarea
variabilei de interes). Ca metod explicativ (poate fi folosit pentru a confirma sau infirma o teorie
economic).
Modelul econometric este instrumentul de cercetare tiinific ce st la baza econometriei. Modelul
econometric, prin definiie, este un model economic formulat astfel nct parametrii s poat fi
estimai dac se face presupunerea c modelul este corect. Un model econometric poate fi format din
una sau mai multe relaii statistice.

Specificul disciplinei

Dei n domeniul economic exist o mare diversitate de modele, modelarea acestora la orice nivel micro
sau macro economic se poate interpreta ca sistem intrare/ieire unde Y = (
) volumul ieirilor din

sistem, i=1,...,n, X = (
) factorii cantitativi i calitativi care influeneaz ieirile
, j=1,...,m, S
structura sistemului prin intermediul creia factorii
determin ieirile

Modelele pot fi:
Modele deterministe: y= f(x) se utilizeaz frecvent n practica economic n
analiza pe factori a variaiei, n timp sau spaiu, a fenomenelor social economice (de
exemplu: Q = wL, unde Q este producia, w este productivitatea muncii iar L este fora de
munc).
Modele nedeterministe (econometrice) descriu legtura statistic sau stochastic
dintre intrrile sistemului factorii de influen X i ieirile acestuia , variabilele
rezultative Y, dup o relaie de forma: Y = f(x)+, unde:
X sunt factorii de influen
Y este variabila rezultativ
f este legea de manifestare a unui fenomen sau proces economic
este variabila aleatoare
Modelul econometric este instrumentul de cercetare tiinific ce st la baza econometriei. Modelul
econometric, prin definiie, este un model economic formulat astfel nct parametrii s poat fi estimai
dac se face presupunerea c modelul este corect.

29

Un model econometric poate fi format din una sau mai multe relaii statistice. Aceste relaii pot fi:
relaii de identitate sau deterministe: sunt formulri logice cu privire la procesul economic
descris (exemplu: VND=C + I, unde VND reprezint Venitul Naional Disponibil, C reprezint consumul
total, iar I reprezint investiiile publice i private);
relaii de comportament: au n vedere modificrile tradiiilor, atitudinilor, nclinaiilor (sub
raportul satisfacie/efort) (exemplu: C = a + bV, unde C este consumul, iar V este venitul);
relaii tehnologice: restriciile impuse output-urilor n raport cu input-urile (exemplu: funcia
Cobb Douglas: Q=
,0<<1);
relaii instituionale: sunt relaii de apar n conformitate cu unele reglementri impuse de lege
(exemplu: amortizarea, impozitul pe venit etc.).
Structura modelului econometric este determinat de variabilele economice. Acestea pot fi:
endogene: variabile determinate n cadrul sistemului;
exogene: variabile determinate n afara sistemului, despre care modelul econometric nu are nimic
de spus.
Din punct de vedere cronologic, observarea fenomenelor i proceselor se poate realiza static i dinamic,
datele primare putnd fi:
fie o imagine de tip static a populaiei statistice (datele fiind legate de starea populaiei la un
moment dat);
fie o imagine de tip dinamic, evolutiv n care datele ofer informaii despre evoluia n timp a
uneia din uniti sau a ntregii populaii.
Aceste dou modaliti de observare a unitilor unei populaii conduc la gruparea datelor n trei categorii:
d) date de tip profil reprezint rezultatul unor msurtori efectuate la un anumit moment dat
asupra uneia sau mai multor variabile, pe mulimea unitilor populaiei.
Aceste date de profil se mai numesc date de tip secven sau date de tip seciune i reprezint tieturi
informaionale efectuate ntr-o populaie la un moment dat, tieturi care sunt de tip transversal, n
raport cu axa timpului.
Se remarc urmtoarele:
o observaie n contextul datelor de tip profil este reprezentat de valoarea sau valorile unei
singure entiti, ale unei singure uniti din populaie; numrul observaiilor coincide, n cazul datelor de
tip profil, cu numrul unitilor observate i investigate;
acest tip de date nu ncorporeaz, prin semnificaia pe care o poart, influena timpului asupra
formrii caracteristicilor (semnul scurgerii timpului) nici n mod explicit i nici n mod implicit;
ele se refer la starea pe care o au la un moment dat unitile populaiei statistice.

e) date de tip serii de timp numite i serii cronologice reprezint rezultate ale unor msurtori
efectuate asupra caracteristicilor, unitilor populaiei studiate, de-a lungul timpului, la momente
succesive sau la anumite intervale de timp.
Acestea sunt date de tip stoc sau de tip flux i reprezint seciuni informaionale de-a lungul axei
timpului, de-a lungul evoluiei; adic sunt seciuni longitudinale n raport cu axa timpului.

f) date de tip panel sunt combinaii, mixturi ale datelor de tip profil i ale datelor de tipul seriilor de
timp.
Ele sunt rezultate ale msurtorilor efectuate asupra caracteristicilor unor uniti individuale, att de-a
lungul unitilor individuale, ct i de-a lungul timplui, sunt tieturi informaionale mixte transversale i
longitudinale, n raport cu axa timpului. Caracteristica esenial a acestor date este, deci, simultaneitatea.
Dei tipologia modelelor econometrice este foarte variat, ele se pot ncadra n cteva tipuri sau clase
principale:
5. Dup numrul factorilor luai n considerare:
modelele unifactoriale: y = f(x)+ se fundamenteaz pe ipoteza c, n rndul factorilor de
influen ai variabilei rezultative Y, exist un factor determinant X, ceilali factori, cu excepia acestuia

30

avnd o influen ntmpltoare (exprimat prin intermediul variabilei reziduale ) sau fiind invariabili n
perioada analizat;
modele multifuncionale: y = f(
)+ elimin deficiena modelului unifactorial, ns

trebuie ca numrul factorilor luai n considerare s nu fie foarte mare pentru a nu fi mult prea complex,
dificil de estimat etc.
6. Dup forma legturii dintre variabila rezultativ i variabilele cauz:
modele liniare: dac legtura este liniar;
modele neliniare: dac legtura este neliniar.
7. Dup includerea factorului timp n model:
modele statice: dependena variabilei endogene Y fa de valorile variabilei exogene
se
realizeaz n aceeai perioad de timp:
y = f(
)+

modele dinamice:
introducerea variabilei timp ca o variabil explicativ
y = f(
)+
;

autoregresive: variabila rezultativ cu valori decalate este una din variabilele explicative
y = f(
)+

model cu decalaj: variabila explicativ X i exercit influena asupra variaiei variabilei
rezultative pe mai multe perioade de timp:
y = f(
)+

8. Modele cu o ecuaie sau cu ecuaii multiple:
modele cu o singur ecuaie: toate modelele prezentate anterior
modele cu ecuaii multiple: sunt formate dintr-un sistem de ecuaii
{
,i=
variabile rezultative sau endogene
,j=
variabile explicative sau exogene

Procesul de luare a deciziilor presupune analiza, judecarea si interpretarea evidenelor oferite de datele pe
care le avem la dispoziie. Managerii trebuie s fie pregtii s ia decizii privind aciunile viitoare pe baza
informaiilor disponibile. Astfel, ei emit ipoteze pe care le pot testa tiinific utiliznd metodele si
tehnicile statistice.
Testarea ipotezelor statistice reprezint o alt modalitate, alturi de estimaia pe interval de ncredere, de
a realiza inferen statistic. Scopul acestui tip de inferen statistic este s determinm dac exist
suficiente dovezi statistice care s ne permit s concluzionm c o afirmaie (sau o ipotez) dspre un
parametru este adevrat. n urma prelevrii unui eantion dintr-o populaie statistica, prin prelucrarea
datelor provenite din sondaj se obine un estimator al parametrului urmrit n populaia de origine. Se
pune atunci problema n ce msur parametrul estimat pe baza rezultatelor sondajului asigur
credibilitatea aprecierilor fcute asupra ntregii colectiviti. Estimatorul este, aadar, o presupunere
asupra parametrului, deci o ipotez statistic. Nu este nevoie s testm ipoteze statistice atunci cnd tim
totul despre un fenomen, ci doar cnd exist incertitudine.
Ipoteza statistic este ipoteza care se face cu privire la parametrul unei repartiii sau la legea de repartiie
pe care o urmeaz anumite variabile aleatoare. O ipoez statistic nu este neaprat adevrat. Ea poate fi
corect sau greit. n statistic, ipotezele apar ntotdeauna n perechi: ipoteza nul si ipoteza alternativ.
Ipoteza statistic ce urmeaz a fi testat se numete ipotez nul i este notat, uzual, H
0
. Ea const
ntotdeauna n admiterea caracterului ntmpltor al deosebirilor, adic n presupunerea c nu exist
deosebiri eseniale. Respingerea ipotezei nule care este testat implic acceptarea unei alte ipoteze.

31

Aceast alt ipotez este numit ipotez alternativ, notat H
1
. Cele dou ipoteze reprezint teorii,
mutual exclusive si exhaustive, asupra valorii parametrului populaiei sau legii de repartiie. Spunem c
ele sunt mutual exclusive deoarece este imposibil ca ambele ipoteze s fie adevrate. Spunem c ele sunt
exhaustive deoarece acoper toate posibilitile, adic ori ipoteza nul, ori ipoteza alternativ trebuie s
fie adevrat. Procedeul de verificare a unei ipoteze statistice se numete test sau criteriu de
semnificaie. O secven general de pai se aplic la toate situaiile de testare a ipotezelor statistice.
Exist patru componente principale ale unui test privind o ipotez: ipoteza nul; ipoteza alternativ; testul
statistic; regiunea critic (de respingere). Ipotezele se vor schimba, tehnicile statistice aplicate se vor
schimba, dar procesul rmne acelai, parcurgndu-se urmtorii pai:
1) Se identific ipoteza statistic special despre parametrul populaiei sau legea de repartiie (H
0
).
Ipoteza statistic numit i ipotez nul specific ntotdeauna o singur valoare a parametrului
populaiei i reprezint status-quo-ul, ceea ce este acceptat pn se dovedete a fi fals.
2) ntotdeauna, ipoteza nul este nsoit de ipoteza alternativ (de cercetat), H
1
, ce reprezint o teorie
care contrazice ipoteza nul. Ea va fi acceptat doar cnd exist suficiente dovezi, evidene, pentru a
se stabili c este adevrat.
Ipoteza alternativ este cea mai important, deoarece este ipoteza care ne rspunde la ntrebare. Ipoteza
alternativ poate cpta trei forme, care rspund la trei tipuri de ntrebri referitoare la parametrul studiat:
dac parametrul este diferit (mai mare sau mai mic) dect valoarea specificat n ipoteza nul;
dac parametrul este mai mare dect valoarea specificat n ipoteza nul;
dac parametrul este mai mic dect valoarea specificat n ipoteza nul.
3) Se calculeaz indicatorii statistici n eantion, utilizai pentru a accepta sau a respinge ipoteza nul i se
determin testul statistic ce va fi utilizat drept criteriu de acceptare sau de respingere a ipotezei nule.
Pentru cele mai multe testri statistice ale ipotezelor, testul statistic este derivat din estimatorul punctual
al parametrului ce va fi testat. Spre exemplu, deoarece media eantionului este un estimator punctual al
mediei din colectivitatea general, ea va fi utilizat n testarea ipotezelor privind parametrul media
colectivitii generale.
4) Se stabilete regiunea critic, R
c
. Regiunea critic reprezint valorile numerice ale testului statistic
pentru care ipoteza nul va fi respins. Regiunea critic este astfel aleas nct probabilitatea ca ea s
conin testul statistic, cnd ipoteza nul este adevrat, s fie , cu mic ( = 0.01 etc). Verificarea
ipotezei nule se face pe baza unui eantion de volum n, extras din populaia X, care este o variabil
aleatoare. Dac punctul definit de vectorul de sondaj x
1
, x
2
, ...,

x
n
cade n regiunea critic R
c
, ipoteza H
0
se
respinge, iar dac punctul cade n afara regiunii critice R
c
, ipoteza H
0
se accept. Regiunea critic este
delimitat de valoarea critic, C punctul de tietur n stabilirea acesteia. n baza legii numerelor mari,
numai ntr-un numr foarte mic de cazuri punctul rezultat din sondaj va cdea n R
c
, majoritatea vor cdea
n afara regiunii critice. Nu este ns exclus ca punctul din sondaj s cad n regiunea critic, cu toate c
ipoteza nul despre parametrul populaiei este adevarat. Cu alte cuvinte, atunci cnd respingem ipoteza
nul, trebuie s ne gndim de dou ori, deoarece exist dou posibiliti: ea este fals ntr-adevr i ea este
totui adevrat, dei pe baza datelor din sondaj o respingem.
La fel i pentru situaia n care acceptm ipoteza nul H
0
. Cnd ipoteza nul nu poate fi respins (nu exist
suficiente dovezi pentru a fi respins), sunt dou posibiliti: ipoteza nul este adevrat si ipoteza nul
este totui fals, greit, dei nu am respins-o. De aceea, este mai corect s spunem c, pe baza datelor
din eantionul studiat,nu putem respinge ipoteza nul, dect s spunem c ipoteza nul este adevrat.
Eroarea pe care o facem eliminnd o ipotez nul, dei este adevrat, se numete eroare de genul nti.
Probabilitatea comiterii unei astfel de erori reprezint riscul de genul nti () i se numete nivel sau
prag de semnificaie.
Nivelul de ncredere al unui test statistic este (1 ), iar n expresie procentual, (1 )100 reprezint
probabilitatea de garantare a rezultatelor. Eroarea pe care o facem acceptnd o ipotez nul, dei este
fals, se numete eroare de genul al doilea, iar probabilitatea (riscul) comiterii unei astfel de erori se
noteaz cu . Puterea testului statistic este (1 ).

OBSERVAIE. Se poate opta i pentru alte aspecte specifice econometriei.

32

Studiu de caz (variante)

1. Un cercettor face un studiu asupra unor firme, privind ansele pe care acestea le ofer tinerilor
angajai de a promova repede i de a avansa n carier. Pentru aceasta el a cuprins n studiu un numr de
20 de companii productoare de tehnologie de vrf i a nregistrat timpul scurs de la angajarea iniial a
unui salariat n firm pn la prima promovare a acestuia. Firmele au fost grupate dup mrime, iar datele
nregistrate sunt:
Mrimea firmelor Numr de sptmni de la angajare pn la prima promovare
Mici 30; 26; 30; 32; 38; 24; 32; 28;
Medii 34; 32; 25; 36; 33;
Mari 47; 41; 43; 48; 40; 49; 40.

Se cere s se determine, folosind testul F de analiz dispersional, dac variaia timpului scurs pn la
prima promovare este influenat semnificativ de mrimea firmei.
Rezolvare:
Notm cu X caracteristica mrimea firmelor factorul de grupare i cu Y caracteristica numr de
sptmni de la angajare pn la prima promovare. Se formuleaz urmtoarele ipoteze:
0 1 2 3
: H = =
1
: ,
i j
H i j = =
Unde
i
reprezint timpul mediu de promovare pentru firma din grupa i, la nivelul colectivitii
generale. Calculm, la nivelul eantionului, mediile pentru fiecare grup i (
i
y ), cu 1, 3 i = , unde i
reprezint grupa (mrimea firmei):
3
1
1
1
1
30 26 30 38 32 24 32 28
30, 00
8
j
j
y
y
n
=
+ + + + + + +
= = =
sptmni;
5
2
1
2
2
34 32 25 36 33
32
5
j
j
y
y
n
=
+ + + +
= = =
sptmni;
7
3
1
3
3
47 41 43 48 40 49 40
44
7
j
j
y
y
n
=
+ + + + + +
= = =
sptmni.
Numrul mediu de sptmni pentru ntreaga colectivitate de 20 de firme poate fi calculat ca medie a
mediilor pariale:
30 8 32 5 44 7
35, 4
20
i i
i
y n
y
n
+ +
= = =
sptmni.
Determinm dispersia fiecrei grupe i (
2
i
s ):
( )
8
2
1 1
2 2 2
1 2
1
1
2 2 2
(26 30) (32 30) (38 30)
8
(24 30) (32 30) (28 30) 128
16
8 8
j
j
y y
s
n
=

+ +
= = +
+ +
+ = =


33

( )
5
2
2 2
2 2 2 2
1 2
2
2
(34 32) (25 32) (36 32) (33 32)
5
70
14
5
j
j
y y
s
n
=

+ + +
= = =
= =

( )
7
2
3 3
2 2 2
1 2
3
3
2 2 2
(47 44) (41 44) (43 44)
7
(48 44) 2(40 44) (49 44) 92
13,14
7 7
j
j
y y
s
n
=

+ +
= = +
+ +
= = =

Variana sistematic va fi:
( )
2
2 2
1
1
2
(30 35, 4) 8 (32 35, 4) 5
(44 35, 4) 7 808,8
r
i i
i
S y y n
=
= = + +
+ =

Variana rezidual este:
( )
2
2
2
1 1 1
128 70 92 290
r ni r
ij i i i
i j i
S y y s n
= = =
= = = + + =

Dispersia corectat sistematic este:
2 1
1
808,8
404, 4
1 2
S
s
r
= = =

Dispersia corectat rezidual este:
2 2
2
290
17, 06
17
S
s
n r
= = =

Testul F:
2
1
2
2
404, 4
23, 7
17, 06
s
F
s
= = =
, 1, 0,05;2;17
3, 59
tabelar critic r n r
F F F F
o
= = = =
Cum
calculat critic
F F > , rezult c se respinge ipoteza nul, acceptndu-se ca adevrat ipoteza alternativ.
Timpul mediu de promovare pe fiecare tip de firm difer semnificativ, n consecin se poate afirma, cu
o probabilitate de 95%, c mrimea firmei influeneaz semnificativ variaia timpului de promovare a
tinerilor.

2. n vederea fundamentrii deciziei de nlocuire a unor utilaje din dotarea unei fabrici, managerul
acesteia solicit o analiz a vechimii utilajelor i a costului de ntreinere anual al acestora. Astfel, cele
110 utilaje din dotarea fabricii sunt grupate dup vechime (ani) i dup costul de ntreinere (mii lei):
Vechime(ani)
Costul de ntreinere (mii lei)
Total
57 79 911 1113
Mic (< 5 ani) 10 8 5 23
Medie (510 ani) 15 20 7 42
Mare (> 10 ani) 2 25 18 45
Total 10 25 50 52 110

34

Se cere s se determine dac influena vechimii asupra variaiei costului de ntreinere este semnificativ,
utiliznd testul F de analiz dispersional.
Rezolvare: Notm cu X caracteristica vechime factorul de grupare i cu Y caracteristica costul de
ntreinere. n vederea calculrii indicatorilor necesari determinrii statisticii F datele vor fi sistematizate
pentru fiecare categorie de vechime conform tabelelor de mai jos.

i = 1 (grupa vechime mic)
Cost de ntreinere (mii
RON)
n
1j
y
j
y
j
n
1j

1 j
y y
( )
2
1 1 j j
y y n
57 10 6 60 -1,56 24,336
79 8 8 64 0,44 1,549
911 5 10 50 2,44 29,768
1113 12
Total 23 174 55,653

1
1
1
174
7, 56
23
j j
j
y n
y mii RON
n
= = =
;
( )
2
1 1
2
1
1
55, 653
2, 42
23
j j
j
y y n
s
n
= = =
.

i = 2 (grupa vechime medie)
RON)
n
2j
y
j
y
j
n
2j

2 j
y y
( )
2
2 2 j j
y y n
57 6
79 15 8 120 -1,62 39,366
911 20 10 200 0,38 2,888
1113 7 12 84 2,38 39,6508
Total 42 404 81,9048

2
2
2
404
9, 62
42
j j
j
y n
y mii RON
n
= = =
;
( )
2
2 2
2
2
2
81, 9048
1, 95
42
j j
j
y y n
s
n
= = =
.

i = 3 (grupa vechime mare)
RON)
n
3j
y
j
y
j
n
3j

3 j
y y
( )
2
3 3 j j
y y n
57 6
79 2 8 16 -2,7 14,58
911 25 10 250 -0,7 12,25
1113 18 12 216 1,3 30,42
Total 45 482 57,25

3
3
3
485
10, 7
45
j j
j
y n
y mii RON
n
= = =
;
( )
2
3 3
2
3
3
57, 25
1, 27
45
j j
j
y y n
s
n
= = =
.

Media dispersiilor grupelor va fi:
Variana rezidual este:

35

( )
2
2
2
1 1 1
2, 42 23 1, 95 42 1, 27 45 194, 7
r ni r
ij i i i
i j i
S y y s n
= = =
= = = + + =

Costul mediu de ntreinere pentru ntreaga colectivitate de 110 utilaje poate fi calculat ca medie a
mediilor pariale:
7, 56 23 9, 62 42 10, 7 45
9, 64
110
i i
i
y n
y mii RON
n
+ +
= = =
.
Variana sistematic va fi:
( )
2
2 2
1
1
2
(7, 56 9, 64) 23 (9, 62 9, 64) 42
(10, 7 9, 64) 45 150,15
r
i i
i
S y y n
=
= = + +
+ =

Dispersia corectat sistematic este:
2 1
1
150,15
75, 075
1 2
S
s
r
= = =

Dispersia corectat rezidual este:
2 2
2
194, 7
1,82
107
S
s
n r
= = =

Testul F:
2
1
2
2
75, 075
41, 25
1,82
s
F
s
= = =
, 1, 0,05;2;107
3, 07
tabelar critic r n r
F F F F
o
= = = =
Cum
calculat critic
F F > , rezult c se respinge ipoteza nul, acceptndu-se ca adevrat ipoteza alternativ.
n consecin se poate afirma, cu o probabilitate de 95%, c vechimea utilajelor influeneaz semnificativ
variaia costului de ntreinere.

3. Pentru un magazin de mobil s-au cules date privind numrul de spoturi publicitare difuzate i
numrul vizitatorilor (mii pers.) timp de 14 zile:

Ziua
Nr. spoturi
publicitare
Nr. vizitatori
(mii pers.)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
7
5
1
8
10
2
6
7
9
3
12
8
4
11
41
32
10
40
61
8
35
34
45
11
64
37
30
55

Se cere:

36

a) Reprezentai grafic datele. Comentai graficul.
b) Pe baza datelor de la nivelul eantionului, determinai ecuaia de regresie care modeleaz
legtura dintre cele dou variabile i calculai numrul zilnic previzionat de vizitatori.
c) Verificai dac modelul de regresie identificat este valid statistic.
d) Testai semnificaia statistic a parametrilor modelului, determinnd i intervalele de ncredere
pentru acetia.
e) Msurai intensitatea legturii dintre cele dou variabile cu ajutorul coeficientului i a
raportului de corelaie; testai semnificaia indicatorilor utilizai.
f) n ce msur variaia numrului de vizitatori este determinat de numrul spoturilor publicitare,
pe baza modelului de regresie determinat?
g) Previzionai numrul vizitatorilor ateptai ntr-o zi, n ipoteza c se vor difuza 15 spoturi n
acea zi.
h) Previzionai numrul mediu zilnic de vizitatori, n ipoteza c se vor difuza 8 spoturi publicitare
n medie pe zi.

Rezolvare:
a) Notm cu X variabila factorial, independent nr. spoturi publicitare i cu Y variabila
dependent nr. vizitatori.
Pentru a identifica existena, forma i sensul legturii dintre variabilele analizate, construim
corelograma (figura 4.10.).

Figura 4.10. Corelograma (diagrama de mprtiere)

Se observ c legtura dintre variabile este direct i liniar (ntruct dreapta de regresie are pant
pozitiv), iar ecuaia de regresie va avea forma:
i i
y a bx = +
b) Pentru a determina estimatorii a i b, rezolvm sistemul de ecuaii normale, folosind datele din
tabelul de lucru 4.5.:
2
i i
i i i i
na b x y
a x b x x y
+ =
+ =

14 n = (numrul observaiilor).
0
10
20
30
40
50
60
70
0 2 4 6 8 10 12 14
N
r
.

v
i
z
i
t
a
t
o
r
i

Nr. spoturi

37

i
x
i
y
2
i
x
i i
x y
2
i
y
2, 2858
5, 0753
i
i
y
x
=
+

( )
2
i i
y y ( )
2
i
y y ( )
2
i
x x
7
5
1
8
10
2
6
7
9
3
12
8
4
11
42
32
10
40
61
8
35
34
45
11
64
37
30
55
49
25
1
64
100
4
36
49
81
9
144
64
16
121
294
160
10
320
610
16
210
238
405
33
768
296
120
605
1764
1024
100
1600
3721
64
1225
1156
2025
121
4096
1369
900
3025
37,81
27,66
7,36
42,89
53,04
12,44
32,74
37,81
47,96
17,51
63,19
42,89
22,59
58,11
17,53
18,82
6,96
8,34
63,39
19,68
5,12
14,54
8,78
42,40
0,66
34,67
54,96
9,69
3,29
69,52
820,19
47,44
290,31
555,25
10,64
3,29
143,12
341,82
739,24
47,44
179,91
489,01
0,13
2,70
31,84
1,84
11,27
21,56
0,41
0,13
5,56
13,27
28,70
1,84
6,98
18,98

E

x
i

=

9
3

E

y
i

=

5
0
4

E

x
2
i

=

7
6
3

E

x
i
y
i

=

5
0
4

E

y
2
i

=

7
6
3

5
0
4

3
0
5
,
5
3

3
7
4
0
,
4
7

1
4
5
,
2
1

14 93 504
93 763 4085
a b
a b
+ =
+ =

2
504 763 93 4085 4647
2, 2858
14 763 (93) 2033
a
a
A
= = = =
A

2
14 4085 93 504 10318
5, 0753
14 763 (93) 2033
b
b
A
= = = =
A

Ecuaia de regresie este: 2, 2858 5, 0753
i i
y x = +
c) Testarea validitii modelului de regresie determinat.
Pentru testarea validitii modelului se formuleaz cele dou ipoteze: H
0
: model nevalid statistic,
cu alternativa H
1
: model valid statistic. Se completeaz tabelul:
Sursa
variaiei
Suma ptratelor
(SS-Sum of
Squares)
Grade de
libertate (df-
degree of
freedom)
Media
ptratelor (MS-
Mean of
Squares)
Testul Fisher (testul F)
Datorat
regresiei
2
3740, 465
y x
A =

1 k =
2
3740, 465
y x
s =

3740, 465
146, 908
25, 461
Fcalc = =

Rezidual

2
305, 535
e
A =
1
14 2 12
n k =
= =

2
25, 461
e
s =
Total
2
4046, 000
y
A =
1
14 1 13
n =
= =


38

Valoarea teoretic pentru un prag de semnificaie o = 0,005 i 1, respectiv 12 grade de libertate,
preluat din tabelul repartiiei Fisher, este
; ; 1
4, 75
k n k
F
o
= .
ntruct
; ; 1 calc k n k
F F
o
> se respinge H
0
, adic se concluzioneaz c modelul este valid.
Calculele intermediare se gsesc n tabelul 4.5.

d) Ecuaia de regresie liniar la nivelul colectivitii generale se scrie:
i i i
y x o | c = + + ,
iar la nivelul eantionului:
i i i
y a bx e = + +
Pentru testarea semnificaiei parametrilor modelului de regresie liniar i estimarea lor pe
intervalele de ncredere se procedeaz astfel:
1) pentru parametrul
Ipotezele testate sunt:
0
: 0( 0)
b
H | | = = = ,
1
: 0 H | = .
Deoarece volumul eantionului este mic ( 30 n < ), vom utiliza testul t:
0
b
calc
b b
b b
t
s s

= = , statistic ce urmeaz o distribuie t cu ( 2 n ) grade de libertate.
Unde
2
1
5, 046
0, 4187
145, 21
( )
e
b
n
i
i
s
s
x x
=
= = =

Iar
2
2
1
( )
305, 53
5, 046
2 2 12
n
i i
e i
e
y y
s
n n
=

A
= = = =

Se obine 12,1206
calc
t =
Pentru un prag de semnificaie de 5%, valoarea teoretic a testului este
2;13
2,179 t
o
= . Deoarece
2;13 calc
t t
o
> vom concluziona c este foarte improbabil ca estimatorul b s provin dintr-o populaie cu
0 | = (adic este semnificativ diferit de zero), deci parametru este semnificativ statistic.
Intervalul de ncredere pentru parametrul , coeficientul de regresie din colectivitatea general,
este:
2, 2 2, 2 n b n b
b t s b t s
o o
|

s s + , adic 4,1629 5, 9876 | s s .

2) pentru parametrul a
0
: 0 H o = ,
1
: 0 H o = .
Statistica t este:
0
a
calc
a a
a a
t
s s

= = .

39

Unde
2
1
2
1
763
5, 046 3, 0912
14 145, 21
( )
n
i
i
a e n
i
i
x
s s
n x x
=
=
= = =

0, 7394
calc
t =
Pentru un prag de semnificaie de 5%, valoarea teoretic a testului este
2;13
2,179 t
o
= . Deoarece
2;13 calc
t t
o
< vom concluziona c este foarte probabil ca estimatorul a s provin dintr-o populaie cu
0 o = (adic nu este semnificativ diferit de zero).
Intervalul de ncredere pentru parametrul este dat de:
2, 2 2, 2 n a n a
a t s a t s
o o
o

s s + , adic 4, 4495 9, 0210 o s s .
Un argument suplimentar pentru concluzia c parametrul este nesemnificativ statistic este acela
c intervalul de ncredere include i valoarea zero.
e) Pentru a msura intensitatea legturii dintre cele dou variabile, se va calcula mai nti
coeficientul de corelaie liniar:
( ) ( ) ( )
2 2 2
2 2 2
2
10318 10318
0, 9615
10731
2033(14 22190 504 )
i i i i
i i i i i i
n x y x y
b
r
n x x n y y n y y
A
= = =
( ( (
A
( ( (

= = =

Acest indicator ne arat o legtur direct i foarte puternic (r este pozitiv i apropiat de valoarea
unitar).
Pentru testarea semnificaiei coeficientului de corelaie liniar simpl, se procedeaz astfel:
0
: 0 H = ( nu este semnificativ statistic)
1
: 0 H = ( este semnificativ statistic).
Statistic t este:
2 2
2 0, 9615 12
12,12
1 1 0, 9615
calc
r
r r n
t
s
r

= = = =

.
Cum valoarea tabelar a testului t, pentru un prag de semnificaie de 5% i 12 grade de libertate
este 2,179 rezult
; 2 calc n
t t
o
> ,deci coeficientul de corelaie este semnificativ statistic.
Un alt indicator utilizat att n cazul legturilor liniare, ct i al celor neliniare este raportul de
corelaie R:
2
/
2
( )
305, 53
1 1 0, 9615
4046 ( )
i i
y x
i
y y
R R
y y
= = = =

Calculele necesare determinrii raportului de corelaie sunt redate n 4.5.
504
36
14
i
y
y
n
= = =
mii pers.
/ /
0, 9615
y x y x
R r = = , deci exist o legtur liniar, puternic i direct ntre cele dou variabile.
Testarea semnificaiei raportului de corelaie se face cu testul F:
2
2
1
146, 9
1
n k R
F
k R

= =


40

Valoarea teoretic pentru un prag de semnificaie o = 0,05 i 1, respectiv 12 grade de libertate,
preluat din tabelul repartiiei Fisher, este
; ; 1
4, 75
k n k
F
o
= .
ntruct
; ; 1 calc k n k
F F
o
> se respinge H
0
, adic se concluzioneaz c R este semnificativ statistic.
f) Pentru a determina n ce msur variaia numrului de vizitatori este explicat de influena
numrului de spoturi publicitare difuzate zilnic, se calculeaz coeficientul de determinaie:
2 2
0,9615 0,9245
y x
R = = sau 92,45% arat c aproximativ 92% din variaia variabilei Y este
explicat de variabila X.
g) Dac numrul spoturilor publicitare difuzate va fi de 15, atunci numrul previzionat al
vizitatorilor pe baza acestei ecuaii de regresie este:
/ 15
2, 2858 5, 0753 15 78
x
y
=
= + ~ mii pers. (estimare punctual)
Pentru estimarea pe interval de ncredere, trebuie s determinm dispersia diferenei
1, 1 n i n
y y
+ +
,
adic dispersia erorii de previzionare. Dispersia n eantion este:
( )
( )
( )
1, 1, 1
2
2
1
2 2 2
2
1
1 1 (15 6, 64)
1 25, 461 1 39, 534
14 145, 21
( )
n i n i n
n
e n y y y
i
i
x x
s s s
n
x x
+ + +
+
=
| |
|
| |
| = = + + = + + =
|
|
\ .
|
\ .

Intervalul de ncredere este:
( )
2
1
/ 2, 2 1,
2
1
1
1
( )
n
n e n i n
i
i
x x
y t s
n
x x
o
+
+
=
+ +
, adic (64,71; 92,11) mii persoane.

h) Suntem n cazul determinrii intervalului de ncredere pentru media de rspuns, cnd
1 n
x x
+
= .
Pentru aceasta se determin:
( )
1 1
36 5, 0753 (8 6, 64) 42, 9
n n
y y b x x
+ +
= + = + =
iar estimatorul dispersiei pentru
1 n
y
+
este:
( )
( )
1
2
2
1
2 2
2
1
1 1 (8 6, 64)
25, 461 2,14
14 145, 21
( )
n
n
e y n
i
i
x x
s s
n
x x
+
+
=
| |
|
| |
| = + = + =
|
|
\ .
|
\ .

Intervalul de ncredere pentru media de rspuns este:
( )
2
1
/ 2, 2 1
2
1
1
( )
n
n e n n
i
i
x x
y t s
n
x x
o
+
+
=
, adic (39,71; 46,08) mii persoane.

4. Vnzrile trimestriale realizate de o fabric de jucrii electronice n perioada 2002-2005 se
prezint astfel: (tabelul 8.11.) (mii buci):
Tabelul 8.11.
Trimestrul
Vnzrile trimestriale n anul
2002 2003 2004 2005
0 1 2 3 4

41

I 10 11 14 13
II 14 16 18 16
III 11 10 13 9
IV 21 22 22 25

Se cere:
a) S se determine mediile mobile din cte 4 termeni consecutivi.
b) S se determine abaterile sezoniere i coeficienii (indicii) sezonieri.
c) S se determine trendul pentru seria desezonalizat.
d) S se extrapoleze seria de date privind volumul vnzrilor de jucrii electronice pentru
trimestrul III, anul 2006, folosindu-se cea mai bun metod de ajustare.

Rezolvare:
a) Datele fiind trimestriale, se vor calcula medii mobile din numr par de termeni (p = 4).
Mecanismul de calcul i mediile mobile pariale i finale sunt prezentate n tabelul 8.12., coloanele 2 i 3.
Tabelul 8.12.
Anul i trimestrul Termenii seriei Medii mobile pariale Medii mobile centrate
0 1 2 3
I 10
II 14
2002 III 11 14 14,125
IV 21 14,25 14,5
I 11 14,75 14,625
II 16 14,5 14,625
2003 III 10 14,75 15,125
IV 22 15,5 15,75
I 14 16 16,375
2004 II 18 16,75 16,75
III 13 16,75 16,625
IV 22 16,5 16,25
I 13 16 15,5
2005 II 16 15 15,375
III 9 15,75

IV 25

Prima medie mobil:
1
10 11
14 11 21
2 2
14,125
4
+ + + +
= = MM
A doua medie mobil va fi:
2
14 16
11 21 11
2 2
14, 5
4
+ + + +
= = MM
Etc.
Ultima medie mobil va fi:
12
22 25
13 16 9
2 2
15, 375
4
+ + + +
= = MM

42

Figura 8.11. Vnzrile trimestriale de jucrii electronice n perioada 2002-2005

b) Se vor folosi datele din tabelul 8.11., pentru care s-au calculat mediile mobile din tabelul 8.12.
Pentru analiza sezonalitii vom aplica, pe rnd, modelul aditiv i cel multiplicativ.

I) Modelul aditiv
- Se elimin din termenii reali y
t
valorile de trend (
t
y ), determinate prin metoda mediilor mobile.
Rezultaele se gsesc n coloana 3 a tabelului 8.13., ncepnd cu trimestrul III/2002:
/' 02
( ) 11 14,125 3,125 . = =
t t III
y y mii buc
/' 02
( ) 21 14, 5 6, 5 . = =
t t IV
y y mii buc
etc.
- Aceste diferene se trec n tabelul 8.14., n care se calculeaz devierile sezoniere brute (
'
j
S )
coloana 5 i corectate (s
j
) coloana 6.
Devierile sezoniere brute:
'
3,125 2, 375 2, 5
2, 667 .
3

= =
I
S mii buc
'
1, 375 1, 25 0, 625
1, 083 .
3
+ +
= =
II
S mii buc
'
3,125 5,125 3, 625
3, 958 .
3

= =
III
S mii buc
'
6, 5 6, 25 5, 75
6,167 .
3
+ +
= =
IV
S mii buc
Media devierilor sezoniere brute:
' ' ' '
'
2, 667 1, 083 3, 958 6,167
0,15625
4 4
+ + + + +
= = =
I II III IV
S S S S
S
Devierile sezoniere corectate:
0
5
10
15
20
25
30
Tr. I
'02
Tr. II
'02
Tr. III
'02
Tr.
IV
'02
Tr. I
'03
Tr. II
'03
Tr. III
'03
Tr.
IV
'03
Tr. I
'04
Tr. II
'04
Tr. III
'04
Tr.
IV
'04
Tr. I
'05
Tr. II
'05
Tr. III
'05
Tr.
IV
'05
m
i
i

b
u
c
.

Valori observate Medii mobile

43

' '
2, 667 0,15625 2,823 3 . = = = ~
I I
S S S mii buc
' '
1, 083 0,15625 0,927 1 . = = = ~
II II
S S S mii buc
' '
3,958 0,15625 4,114 4 . = = = ~
III III
S S S mii buc
' '
6,167 0,15625 6, 011 6 . = = = ~
IV IV
S S S mii buc
- Se calculeaz termenii seriei cronologice corectate, eliminndu-se din valorile termenilor reali
devierile sezoniere corectate (coloana 5/tabelul 8.13.):
/' 02
( ) 10 ( 3) 13 . = =
t I I
y S mii buc
/' 02
( ) 14 1 13 . = =
t II II
y S mii buc
etc.
- Se determin componenta aleatoare, scznd din valorile termenilor reali trendul i
sezonalitatea (coloana 6/tabelul 8.13.):
/' 02
( ) 11 14,125 4 0, 989 c = + =
t III

/' 02
( ) 21 14, 5 6 0, 489 c = =
t IV

etc.
n trimestrul I al fiecrui an, factorul sezonier a determinat o scdere a valorii produciei vndute
cu aproximativ 3 mii buci fa de linia de trend; n trimestrul II al fiecrui an, factorul sezonier a
determinat o cretere a valorii produciei vndute cu circa 1 mii buci fa de linia de trend; n trimestrul
III al fiecrui an, factorul sezonier a dus la o scdere a valorii produciei vndute cu 4 mii buci fa de
linia de trend, iar n trimestrul IV al fiecrui an, factorul sezonier a determinat o cretere a valorii
produciei cu circa 6 mii buci fa de linia de trend.

Tabelul 8.13.
Anul i trimestrul y
t
Trendul (medii
mobile)
t
y

t t
y y
SCR
corectat y
t

- s
j
Componenta
aleatoare c
t
0 1 2 3 4 5 6
2002
I 10 13
II 14 13
III 11 14,125 -3,125 15 0,989
IV 21 14,5 6,5 15 0,489
2003
I 11 14,625 -3,125 14 -0,802
II 16 14,625 1,375 15 0,448
III 10 15,125 -5,125 14 -1,011
IV 22 15,75 6,25 16 0,239
2004
I 14 16,375 -2,375 17 0,448
II 18 16,75 1,25 17 0,323
III 13 16,625 -3,625 17 0,489
IV 22 16,25 5,75 16 -0,261
2005
I 13 15,5 -2,5 16 0,323
II 16 15,375 0,625 15 -0,302
III 9 13
IV 25 19

Tabelul 8.14.
Trim. Diferene sezoniere Devieri Devieri

44

2002 2003 2004 2005
sezoniere
brute
'
j
S
sezoniere
corectate
(S
j
)
0 1 2 3 4 5 6
I -3,125 -2,375 -2,5 -2,667 -2,823 ~ -3
II 1,375 1,25 0,625 1,083 0,927 ~ 1
III -3,125 -5,125 -3,625 -3,958 -4,144 ~ -4
IV 6,5 6,25 5,75 6,167 6,011 ~ 6
Total
'
0,15625 = S

II) Modelul multiplicativ
- Se mparte termenii reali (y
t
) la trend (
t
y ) (coloana 4/tabelul 8.15)
/' 02
( / ) 11:14,125 0, 779 = =
t t III
y y
/' 02
( / ) 21:14, 5 1, 448 = =
t t IV
y y
etc.
- Rapoartele rezultate la pasul anterior se trec n tabelul 8.16., n care se calculeaz indicii de
sezonalitate brui (coloana 5) i cei corelai (coloana 6).
Indicii de sezonalitate brui:
*
3
'
0, 779 0,885 0,839 0,824 = =
I
S
*
3
'
1, 094 1, 075 1, 041 1, 07 = =
II
S
*
3
'
0, 779 0, 661 0, 792 0, 741 = =
III
S
*
3
'
1, 448 1, 397 1, 354 1, 400 = =
IV
S
Media indicilor de sezonalitate brui:
4 * * * * *
4
' '
0,824' 1, 07 0, 741 1, 400 1, 00875 = = =
I II III IV
S S S S S
Indicii de sezonalitate corectai:
*
*
*
'
0,824
0,817
'
1, 00875
= = =
I
I
S
S
S

*
*
*
'
1, 07
1, 061
'
1, 00875
= = =
II
II
S
S
S

*
*
*
'
0, 741
0, 734
'
1, 00875
= = =
III
III
S
S
S

*
*
*
'
1, 4
1, 388
'
1, 00875
= = =
IV
IV
S
S
S

- Se calculeaz termenii seriei cronologice corectate, mprindu-se termenii reali la indicii de
sezonalitate brui (coloana 5/tabelul 8.15.).
- Se determin componenta aleatoare, mprindu-se termenii reali la produsul dintre trend i
indicii de sezonalitate (coloana 6/tabelul 8.15.).

Tabelul 8.15.
Anul i trim. y
t
Trendul (medii
mobile)
t
y
/
t t
y y
SCR
corectat
y
t
/ s
j
*
Componenta
aleatoare
*
t
c


45

0 1 2 3 4 5 6
2002
I 10 12,240 ~ 12
II 14 13,195 ~ 13
III 11 14,125 0,779 14,986 ~ 15 1,061
IV 21 14,5 1,448 15,130 ~ 15 1,043
2003
I 11 14,625 0,779 13,464 ~ 13 0,921
II 16 14,625 1,094 15,080 ~ 15 1,031
III 10 15,125 0,661 13,624 ~ 14 0,901
IV 22 15,75 1,397 15,850 ~ 16 1,006
2004
I 14 16,375 0,855 17,136 ~ 17 1,046
II 18 16,75 1,075 16,965 ~ 17 1,013
III 13 16,625 0,782 17,711 ~ 18 1,065
IV 22 16,25 1,354 15,850 ~ 16 0,975
2005
I 13 15,5 0,839 15,912 ~ 16 1,026
II 16 15,375 1,041 15,080 ~ 15 0,981
III 9 12,261 ~ 12
IV 25 18,011 ~ 18

Tabelul 8.16.
Trim.
Indici de sezonalitate
Indici de
sezonalitate
brui
*
'
j
S
Indici de
sezonalitate
corectai
(
*
j
S )
2002 2003 2004 2005
0 1 2 3 4 5 6
I 0,799 0,855 0,839 0,824 0,817
II 1,094 1,075 1,041 1,07 1,061
III 0,779 0,661 0,782 0,741 0,734
IV 1,448 1,397 1,354 1,400 1,388
Total 1,00875

n trimestrul I al fiecrui an, factorul sezonier a determinat o scdere a valorii produciei vndute
cu aproximativ 81,7 100 = 18,3%; n trimestrul II al fiecrui an, factorul sezonier a determinat o
cretere a valorii produciei vndute cu 106,1 100 = 6,1% fa de linia de trend; n trimestrul III al
fiecrui an, factorul sezonier a dus la o scdere a valorii produciei cu 73,4 100 = 26,6% fa de linia
de trend, iar n trimestrul IV al fiecrui an, factorul sezonier a determinat o cretere a valorii produciei cu
138,8 100 = 38,8% fa de linia de trend.

c) Pentru seria corectat de sezonalitate cu ajutorul indicilor de sezonalitate (tabelul 8.15.,
coloana 5), determinarea trendului se poate face prin metode mecanice sau analitice.

Tabelul 8.17.
Anul i trim. y
t
( )
t
y
A

( )
t I
y
t t
2
ty
t lin
y
0 1 2 3 4 5 6 7 8
2002 I 12 12,0 12,00 -15 225 -180 13,67

46

II 13 12,4 12,32 -13 169 -169 13,86
III 15 12,8 12,66 -11 121 -165 14,06
IV 15 13,2 13,00 -9 81 -135 14,25
2003
I 13 13,6 13,35 -7 49 -91 14,45
II 15 14,0 13,71 -5 25 -75 14,64
III 14 14,4 14,08 -3 9 -42 14,83
IV 16 14,8 14,46 -1 1 -16 15,03
2004
I 17 15,2 14,85 1 1 +17 15,22
II 17 15,6 15,25 3 9 +51 15,42
III 18 16,0 15,66 5 25 +90 15,61
IV 16 16,4 16,09 7 49 +112 15,80
2005
I 16 16,8 16,52 9 81 +144 16,00
II 15 17,2 16,97 11 121 +165 16,19
III 12 17,6 17,42 13 169 +156 16,39
IV 18 18,0 18,00 15 225 +270 16,58
Total 242 0 1360 132

I . Metoda modificrii medii absolute
/ 1
2 /1 1
18 12
0, 4 . .
1 1 1 15
n
t t
t n n
y y
mii buc
n n n
=
A
A
A = = = = =

;
1
( )
( 1)
t
y y t
A
= + A
( )
12 ( 1) 0, 4; 1,16
t
y t t
A
= + = ; (tabelul 8.17. coloana 3)

I I . Metoda indicelui mediu de modificare
1 1 15
/ 1 /1
18
1, 027
12
n n
t t n
I I I

= = = =
[
;
( )
1
1
( )
t
t I
y y I

=
( )
1
( )
12 1.027 ; 1,16
t
t I
y t
= = (tabelul 8.17. coloana 4)

I I I . Metoda trendului liniar
t
y a b t = +
2
2
15,125
132
0, 097
1360
y
a y
na b t y
n
ty
a t b t ty
b
t
= = =
+ =

+ =

= = =
;
15,125 0, 097
t
y t = + (tabelul 8.17. coloana 8)

d) Alegem cea mai bun metod de ajustare a seriei cronologice, ca fiind cea pentru care se obine
minimul expresiei: ( )
2
t t
y y
. Conform tabelului 8.18. valoarea minim a expresiei se obine pentru

metoda trendului liniar (42,958).

47

Tabelul 8.18.
Anul i trim. y
t
( )
t
y
A

( )
t I
y
t lin
y
( )
( )
2
t t
y y
A

( )
( )
2
t t
y y
I

( )
( )
2
t t
y y
liniar

0 1 2 3 4 8 9 10 11
2002
I 12 12,0 12,00 13,67 0 0 2,7889
II 13 12,4 12,32 13,86 0,36 0,4624 0,7396
III 15 12,8 12,66 14,06 4,84 5,4756 0,8836
IV 15 13,2 13,00 14,25 3,24 4,0000 0,5625
2003
I 13 13,6 13,35 14,45 0,36 0,1225 2,1025
II 15 14,0 13,71 14,64 1,00 1,6641 0,1296
III 14 14,4 14,08 14,83 0,16 0,0064 0,6889
IV 16 14,8 14,46 15,03 1,44 2,3716 0,9409
2004
I 17 15,2 14,85 15,22 3,24 4,6225 3,1684
II 17 15,6 15,25 15,42 1,96 3,0625 2,4964
III 18 16,0 15,66 15,61 4,00 5,4756 5,7121
IV 16 16,4 16,09 15,80 0,16 0,0081 0,0400
2005
I 16 16,8 16,52 16,00 0,64 0,2704 0
II 15 17,2 16,97 16,19 4,84 3,8809 1,4161
III 12 17,6 17,42 16,39 31,36 29,3764 19,2721
IV 18 18,0 18,00 16,58 0 0 2,0164
Total 242 57,60 60,7990 42,9580

Determinm nti valoarea de trend pentru trimestrul III 2006, pe baza metodei trendului liniar.
2006
15,125 0, 097 21 17,162
III
y = + = mii buc.
Se calculeaz apoi volumul previzionat al vnzrilor pentru trimestrul III 2006, inndu-se cont i de
influena factorului sezonier: pe baza modelului aditiv:
2006
17,162 4,114 13, 048
p
III
y = = mii buc.; pe
baza modelului multiplicativ:
2006
17,162 0, 734 12, 597
p
III
y = = mii buc.

OBSERVAII FINALE

1. Se va alege un singur exemplu pentru aplicaia din TC (punctul 3) din cele de mai sus.
2. TC se va utiliza n timpul lucrrii de verificare.
3. ntrebrile la Verificare (lucrarea scris) vor fi din TC, astfel:
a. Definii ob. de studiu al econometriei (1 punct)
b. Precizai i exemplificai noiunea de model econometric (2 puncte)
c. Specificul econometriei (2puncte)
d. Dai un exemplu cu elementele definitorii (nu cu tot cu calcule). (4 puncte).
e. 1 punct din oficiu.Total 10puncte. Timp de lucru 60 minute. Rezultatele se dau dup
o or de la finalul lucrri (adic la ora 19,30).

Verificarea va avea loc pe data de 19 iunie ora 17,30.
Data: 23.05.2009

Ghid Econometrie

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Ghid Econometrie

Încărcat de

Drepturi de autor:

Formate disponibile

Econometrie 2009 AAI / Ghid practic (teorie, probleme, TC)

) volumul ieirilor din sistem, i=1,...,n

) factorii cantitativi i calitativi care influeneaz ieirile

)+ elimin deficiena modelului unifactorial,

variabile rezultative sau endogene

variabile explicative sau exogene

este media variabilei i, iar

este abaterea standard a variabilei i.

, vom ajusta mediile calculate cu valoarea

) volumul ieirilor din

) factorii cantitativi i calitativi care influeneaz ieirile

)+ elimin deficiena modelului unifactorial, ns

variabile rezultative sau endogene

variabile explicative sau exogene

, adic (64,71; 92,11) mii persoane.

, adic (39,71; 46,08) mii persoane.

= = (tabelul 8.17. coloana 4)

. Conform tabelului 8.18. valoarea minim a expresiei se obine pentru

S-ar putea să vă placă și