Documente Academic
Documente Profesional
Documente Cultură
WORKSHOP
CERCETAREA PROTOCOALE I CREATIVITATE N CUNOATERE
Seciunea economic
Referat
1. Introducere
Pentru depirea fazei de anticipare natural a fenomenelor i de raportare preponderent
afectiv la viitor este necesar construirea unui sistem metodologic de investigare a sensului
i dinamicii evoluiei diferitelor fenomene, a factorilor i condiiilor de care aceasta depinde.
Dei rmn nc insuficient soluionate probleme ca acoperirea cu metode adecvate a
previziunii i evalurii unor procese sociale i economice sau clasificarea exhaustiv a
metodelor i tehnicilor deja elaborate, progresul metodologic nregistrat n acest domeniu
poate fi considerat (pe lng accelerarea schimbrilor n economie, cultur, societate) ca un
factor major al exploziei previzionale din prezent (Jula D., Jula N-M., 2014).
Metoda modelrii constituie cea mai utilizat aplicaie n domeniul elaborrii analizelor
economice cantitative. n esen, procesul de modelare const n obinerea unui sistem
(abstract sau material) izomorf cu o imagine homomorf (simplificat, obinut prin
selectarea proprietilor considerate eseniale din punctul de vedere al scopului urmrit) a
obiectului de cercetat. Modelele matematice constituie unele dintre cele mai puternice i
complexe metode de analiz economic. Aceasta deoarece, n elaborare i folosire, modelul
matematic mbin toate cele trei tipuri de raionamente fundamentale: inferena analogic
n etapa de elaborare, raionamentul deductiv n calculul modelului i raionamentul de tip
inductiv n extrapolarea rezultatelor din teoria matematic n teoria economic (Jula N., Jula
D., 2014).
Principalele probleme care afecteaz calitatea analizei economice realizate prin intermediul
modelrii pot fi generate de:
accelerarea ritmului de evoluie a proceselor economice (Godet, 1977);
inexactitatea datelor (Morgenstern, 1972);
pierderea informaiei prin agregare;
erorile de interpretare (Popper, 1934);
imprecizia aparatului metodologic folosit (Wiener, 1948)
efectul de anunare (efectul Oedip)
sau
apariia unor fenomene de instabilitate n dinamica sistemelor (Thom, 1972);
apariia (manifestarea) unor elemente surpriz, neateptate (evenimente de tip
"Lebda neagr" n formularea lui Taleb, 2001 o combinaie de predictibilitate
sczut i impact semnificativ).
Accelerarea ritmului de evoluie a proceselor economice (explozia structuralului n
conjunctural Godet, 1977):
modelele economice pe termen scurt i mediu urmresc de obicei variabilele
conjuncturale i de tendin, or accelerarea schimbrilor face ca evoluia pe termen
scurt s fie din ce n ce mai mult dependent de aciunea variabilelor structurale.
4
x = 99999
rezult
y = 10000 0
x - y = 1
x - 0.9999 y = 0
Pierderea informaiei prin agregare: de cele mai multe ori funcia de agregare nu este
injectiv, deci la distribuii diferite ale indicatorilor agregai nu le corespunde o singur
valoare a funciei i deci este imposibil de refcut drumul invers: dac exist o estimare
privind evoluia indicatorului respectiv la orizontul de prognoz, nu se pot determina valorile
componentelor care fundamenteaz acest indicator.
Erorile de interpretare: "Faptele obiective nu ne spun mare lucru; ele nu exist dect
interpretate prin percepie subiectiv. Datele nu devin informaie tiinific dect prin
intermediul teoriei" (Godet, 1977). Aceste erori de interpretare sunt mai dificil de sesizat i
corectat, deoarece, n principiu, o teorie fals poate duce la o previziune exact (falsul
implic orice) i, pe de alt parte, o teorie adevrat nu poate fi integral verificat ci, doar,
prin apelarea la argumente i se poate ridica gradul de credibilitate. Este cunoscut, n acest
sens, teoria lui K. Popper (1934) despre nesimetria falsificrii i a confirmrii: confirmarea
unei teorii prin argumente empirice sau teste raionale rmne permanent provizorie, n
timp ce infirmarea empiric a unei previziuni sau teorii prin invocarea unui singur
contraexemplu este definitiv.
Imprecizia aparatului metodologic folosit: cu ct se ncearc redarea mai fidel a
particularitilor sistemelor dinamice complexe, cu att aparatul metodologic utilizat este
5
2. Premise
Exist 2 mari direcii de abordare n modelarea economic:
Orientarea modelelor spre teorie (PET Pre-Eminence of Theory Models).
Orientarea modelelor spre date.
Y
u
X22 Xk 2
e2
a1
a1
12
2
Y Y3 , X 1 X13 X23 Xk 3 , A a2 , e e3 , A a 2 , u u3
1 X
Y
a
e
a
X
X
n
k
n
un
k
1n
2n
kn
= (X'X) X'Y
-1
Obs.
= A + (X'X) X'e
-1
Linearitatea se refer la modul n care parametrii i variabila de abatere intr n model i nu,
n mod necesar, la forma variabilelor.
I2:
c.
heteroscedastice)
Erorile et sunt independente (nu sunt autocorelate)
d.
o fiabilitate ndoielnic: Nu pot fi aduse argumente pentru, sau mpotriva unei ipoteze de
fond (teoretice) pe baza unui model care, din punct de vedere econometric, este incorect
specificat (Spanos, 2011, p. 17). n acest sens, adecvarea econometric reprezint o condiie
prealabil pentru adecvarea pe fond (teoretic), conform creia, modelul structural
constituie o explicaie corespunztoare a fenomenului de interes.
Coeficientul de determinare R2
n
R2 1
u
t 1
Y
t 1
2
t
n1
1 R2
nk 1
2 k 1
n
u2t 2k 1
ln
AIC
ln
Criteriul Schwartz:
1 n
SC u2t n
n t 1
k 1
n
u2t k 1
ln(n)
sau, n expresie logaritmic, lnSC ln
n
n
Criteriul Hannan-Quinn:
1 n
HQ u2t ln(n)
n t 1
2(k 1)
n
u2t 2k 1
ln(ln(n))
sau, n expresie logaritmic, lnHQ ln
n
n
O valoare mai mic a criteriilor AIC, SC i HQ indic o mai bun specificare a modelului.
11
b. Dac anumite variabile explicative sunt relativ puternic corelate, estimatorii obinui
prin metoda celor mai mici ptrate sunt lineari, normal distribuii, nedeplasai,
consisteni i de maxim verosimilitate.
c. Efectul multicolinearitii se manifest n creterea abaterii standard a estimatorilor
calculai pentru parametrii modelului, ceea ce reduce valoarea testului t statistic
(Student). Aceasta face estimatorii mai puin semnificativi (posibil chiar nesemnificativi).
Totui, testul t rmne valid.
d. Se reduce precizia estimatorilor calculai pentru parametrii modelului, n sensul c
abaterea standard mare duce la creterea intervalului de ncredere n care sunt
garantai parametrii.
e. Deoarece covariana ntre variabilele explicative corelate relativ puternic poate fi mare
(n valoare absolut), interpretarea parametrilor individuali este dificil.
b. Identificarea multicolinearitii
a. Coeficienii de corelaie linear, calculai pentru perechile de variabile explicative din
model, sunt mari n valoare absolut (sunt, n modul, apropiai de +1).
b. Determinantul matricei (X'X) are valori n apropierea lui zero.
c. Coeficientul de determinare R2 este mare, iar valorile testelor t (Student), calculate
pentru parametrii modelului sunt mici.
d. Estimatorii parametrilor sunt sensibili la specificarea modelului.
e. Aplicarea unor proceduri formale (criteriul Klein, testul Farrar-Glauber, testul bazat pe
factorul de inflaie al dispersiei (VIF) i testul Belsley, Kuh & Welsch (BKW).
(Pearson) ntre cele k variabilele explicative i coeficientul de determinare R . Dac |rij| > R ,
pentru i j, atunci acceptm presupunerea c exist colinearitate ntre variabilele
explicative.
Testul Farrar-Glauber
Se calculeaz, la fel ca pentru criteriul Klein, coeficienii de corelaie simpl ntre cele k
variabilele explicative i se construiete Rk matricea simetric a coeficienilor respectivi.
Dac det(Rk) = 0, atunci avem colinearitate perfect ntre variabilele explicative, iar dac
variabilele Xi sunt independente, atunci det(Rk) = 1. Testul Farrar-Glauber verific dac
det(Rk) = 1.
13
1
, unde Ri2
2
1 Ri
este coeficientul de determinare din ecuaia de regresie n care factorul de influen Xi este
calculat n funcie de toate celelalte variabile din model. n general, se consider c o valoare
VIF > 4 arat prezena fenomenului de multicolinearitate, iar VIF > 10 indic un fenomen
sever de multicolinearitate.
Testul Belsley, Kuh & Welsch (BKW)
Testul BKW pornete de la analiza valorilor proprii ale matricei de covarian a estimatorilor
i se bazeaz pe observaia c dac exist un numr mare de valori proprii n apropierea lui
zero, atunci exist riscul unor dependene lineare ntre variabile.
c. Atenuarea multicolinearitii
Sintetic, cele mai utilizate proceduri folosite pentru atenuarea fenomenului de
multicolinearitate sunt urmtoarele:
a. Eliminarea unor variabile explicative
b. Realizarea unor observaii suplimentare asupra variabilelor din model (se mrete
volumul eantionului)
c. Prelucrarea primar a datelor (calculul ritmurilor de modificare, a sporurilor,
indicilor, logaritmarea valorilor observate etc.)
d. Regresia ridge
dw
(u u
t 2
t 1
)2
u
t 1
2
t
i se selecteaz din tabelele testului Durbin Watson valorile critice dL i dU, pentru k
numrul de variabile explicative din model i n dimensiunea eantionului. Dac
dU dw 4 dU, atunci nu se respinge ipoteza nul H0: lipsa autocorelrii de ordinul I a
erorilor.
Dezavantaje ale testului Durbin Watson
15
atunci se respinge ipoteza nul (erorile nu sunt autocorelate, cel puin pn la ordinul p), la
pragul de semnificaie .
reziduurilor din modelul estimat pentru ultimele n2 observaii. Dac raportul supraunitar al
acestor dispersii este mai mic dect valoarea critic din tabelul distribuiei teoretice F cu
n1-(k+1) i n2-(k+1) grade de libertate, atunci ipoteza nul, a lipsei heteroscedasticitii
erorilor nu este respins.
Teste de tip Lagrange
Paii parcuri pentru aplicarea testelor de tip LM sunt urmtorii: Se rezolv prin metoda
celor mai mici ptrate ecuaia de regresie iniial i se calculeaz reziduurile ut. Se
construiete o ecuaie de regresie auxiliar, n care ptratele reziduurilor, u 2t , sunt estimate
n funcie de p regresori Z1, , Zp. De exemplu, White propune ca variabilele Z din ecuaia
auxiliar s fie ptratele variabilelor din ecuaia iniial, eventual completate cu elemente
mixte de tipul XiXj, iar metodologia ARCH propune n ecuaia auxiliar variabilele cu lag u2t 1 ,
2
, u2t p . Se calculeaz apoi testul statistic LM = nR , unde n este numrul de observaii utilizat
2
teste bazate pe statistici descriptive ale eantionului (teste privind asimetria, teste
asupra coeficientului de aplatizare, teste combinate (omnibus) testul Jarque-Bera,
testul D'Agostino-Pearson .a.;
teste de tip "cea mai bun ajustare" (engl. best fit), bazate pe compararea
distribuiei empirice cu o distribuie dat n acest caz, distribuia normal, de cele
mai multe ori pornind de la funcia de distribuie cumulativ (ex. testele KolmogorovSmirnov, Lilliefors, Anderson-Darling, Cramr-von Mises, Shapiro-Wilk, sau ShapiroFrancia.
Testul Jarque-Bera
Pentru a estima distribuia erorilor, testul Jarque-Bera (1987) folosete momentele p ale
reziduurilor (ut) calculate pe baza metodei celor mai mici ptrate. Testul este formulat astfel:
n
upt
1 2 1
3 2
JB n 33 42 3 n 1 3 2 1 , unde p t 1
2
n
6 2 24 2
2 2
Ipoteza nul a testului Jarque-Bera este H0: erorile sunt normal distribuite i este evaluat
2
contra ipotezei alternative H1: erorile urmeaz o alt distribuie din familia distribuiilor de
tip Pearson (sau familia distribuiilor Gram-Charlier de tip A). Dac JB < 22 () , atunci, la
pragul de semnificaie , nu se respinge H0, conform creia erorile sunt normal distribuite.
n forma consacrat a testului Jarque-Bera, se utilizeaz coeficientul de asimetrie (S) calculat
S 2 23 / 32 , i coeficientul de aplatizare K (kurtosis) determinat pe baza relaiei K 4 / 22 ,
2
24
2 2
6
Dac modelul de regresie linear conine i termenul liber, atunci suma reziduurilor este
zero, adic media 1 = 0 i statistica Jarque-Bera este
S2 K 32
JB n
24
6
.
n aplicarea statisticii JB trebuie s se in seama de faptul c testele de acest tip sunt
asimptotice, astfel nct interpretarea rezultatelor are sens doar pentru dimensiuni mari ale
eantionului.
Testul Shapiro-Wilk
Fie o serie Yt, t = 1, 2, , n. Testul Shapiro-Wilk (1965) privind normalitatea distribuiei este
definit astfel:
18
a y
W=
t 1
n
t 1
unde yt simbolizeaz valorile seriei iniiale (Yt) ordonate cresctor (y1 y2 yn), y este
media seriei respective, iar at sunt ponderi. Ipoteza de normalitate a distribuiei (H0) este
respins dac W W, unde pragurile critice W sunt tabelate de Shapiro & Wilk (1965, tab.
6, p.605). Valorile at pentru t 50 sunt tabelate de Shapiro & Wilk (1965, tab. 5, pp. 603604), iar pentru 50 < n 5000, valorile coeficienilor an-t+1 i statistica W au fost calculate de
Royston (1982, 1995). Studii comparative (Farrel & Steward, 2006; Keskin, 2006) au
demonstrat c testul Shapiro-Wilk este mai puternic dect alte teste de normalitate, cum ar
fi Kolmogorov-Smirnov, Anderson-Darling, sau Lilliefors.
Dac semnul estimatorului i este sigur (de exemplu, nclinaia marginal spre consum nu
poate fi negativ), atunci t ai se compar cu valorile critice din distribuia t-Student
19
unilateral i decizia este urmtoarea: dac t ai < t ,nk 1 , atunci ipoteza nul (coeficientul i
nu difer semnificativ de zero) nu se respinge, la pragul de semnificaie .
Dac semnul estimatorului i nu este sigur, atunci t ai se compar cu valorile critice din
distribuia t-Student bilateral i decizia este urmtoarea: dac t ai < t ,nk 1 , atunci ipoteza
nul (coeficientul i nu difer semnificativ de zero) nu se respinge.
t), i valori mari ale coeficientului de determinare (R ). Granger & Newbold (1974) au numit
acest tip de reprezentare regresie fals (neltoare, fictiv, iluzorie, aparent) (engl.
spurious regression). Aceasta justific analiza staionaritii.
Seria de timp {yt} este strict staionar dac pentru fiecare h Z, seria {yt+h} are aceeai
distribuie ca seria {yt}, oricare ar fi t = 1, 2, , n. O serie este slab staionar (sau staionar
n covarian, sau staionar de ordinul II) dac media i dispersia procesului respectiv sunt
constante n timp, iar covariana dintre valorile nregistrate n doua perioade diferite de timp
depinde numai de distan (diferena, decalajul) dintre cele dou perioade i nu de
momentul efectiv n care se calculeaz covariana. n sens slab, o serie este nestaionar
dac media seriei respective se modific n timp, sau dispersia nu este constant n timp, sau
ambele caracteristici sunt variabile n timp.
Testele de staionaritate, sau testele de rdcin unitate evalueaz probabilitatea ca = 1 n
regresia yt = yt-1 + XA + et, unde X reprezint ansamblul celorlali factori care determin
evoluia seriei yt, A este vectorul parametrilor ataai variabilelor respective, iar et este o
variabil aleatorie i.i.d. De obicei XA 0, XA = , sau XA = + t.
a. Testul Dickey-Fuller
Testul Dickey-Fuller pornete de la trei tipuri de modele:
20
yt = yt-1 + t, || 1
yt = yt-1 + + t, || 1 i 0
yt = yt-1 + + t + t, || 1 i 0.
n toate modelele, variabila aleatorie t este considerat ca fiind i.i.d. Dac admitem c
ipoteza nul H0: = 1 este adevrat, atunci, sub ipoteza nul, primul model se reduce la un
proces de tip mers la ntmplare (yt = yt-1 + t), al doilea model se reduce la un proces de tip
mers la ntmplare cu deriv (yt = yt-1 + + t, cu 0), iar al treilea model se reduce la un
proces de tip mers la ntmplare cu tendin (yt = yt-1 + + t + t, cu 0). Cele trei modele
alternative pot fi rescrise ntr-o form echivalent din punct de vedere algebric:
(1')
yt yt-1 = (-1)yt-1 + t,
(1'') yt = yt-1 + t,
(2')
yt yt-1 = (-1)yt-1 + + t,
(2'') yt = yt-1 + + t,
(3')
yt yt-1 = (-1)yt-1 + + t + t,
(3'') yt = yt-1 + + t + t.
[1]
yt = yt-1 +
y
j1
t j
+ t
[2]
yt = yt-1 + + j y t j + t
j1
[3]
yt = yt-1 + + t +
y
j1
t j
+ t
unde admitem c variabila t este zgomot alb (de medie nul, dispersie constant,
necorelat cu yt-j, oricare ar fi j = 1, 2, , p). Testarea ipotezei nule (existena rdcinii
unitate) nseamn, la fel ca n cazul testului DF simplu, testarea = 0. Astfel, se testeaz
H0: = 0, contra H0: < 0. Strategia testului este similar celei prezentate n cazul DF
21
urm = n ln1 i
ir 1
unde n numrul de observaii, r rangul matricei, i cea de-a i valoare proprie cea mai
ridicat a matricei , k numrul de variabile. Aceast statistic urmeaz o distribuie
2
se testeaz H0: r = k-1, contra H1: r = k; dac H0 este respins (urm > critic din tabel)
atunci rangul matricei este r = k i nu exist o relaie de cointegrare, deoarece toate
variabilele sunt I(0).
i1
j1
i1
j1
y t 0 i y ti j x t j e t
x t 0 i y ti j x t j t
unde yt i xt sunt dou variabile, et i t sunt variabile de abatere (erorile) necorelate
reciproc, t simbolizeaz timpul, i i j reprezint lag-urile, iar p este numrul maxim de lag-uri.
Ipoteza nul a testului Granger este j = 0 oricare ar fi j i i = 0 oricare ar fi i versus ipoteza
alternativ j 0 i i 0 pentru cel puin vreun j i/sau i. Dac cel puin un j este
semnificativ statistic i i nu este semnificativ (pentru nici un i), atunci x este o cauz a lui y,
n sens Granger. Invers, y este o cauz a lui x. Dac att j ct i i sunt semnificativi, atunci
cauzalitatea se manifest n ambele sensuri.
Practic, pentru a testa dac x este o cauz n sens Granger pentru y se proceseaz astfel: Se
calculeaz prima ecuaie i se nsumeaz suma ptratelor reziduurilor din ecuaia
nerestricionat (RSSu), apoi se elimin variabilele xt-j (se impun restriciile j = 0 oricare ar fi
j) i se noteaz RSSr este suma ptratelor reziduurilor din ecuaia restricionat. Se
calculeaz statistica de tip Wald:
W
RSSr RSSu / p
RSSu /(n 2p 1)
24
sub ipoteza nul (H0: valorile yt sunt i.i.d.), anticipm c diferena P2 (P1) este zero.
Relaia se generalizeaz pentru o dimensiune de includere m, astfel nct ipoteza nul,
m
H0: valorile seriei sunt i.i.d este testat pornind de la H0: Pm = (P1) , contra H1: Pm (P1) . Cu
alte cuvinte, testarea ipotezei nule (H0) este echivalent cu testarea ipotezei c valorile seriei
sunt i.i.d. (independente i identic distribuite) contra oricrei alte alternative.
n practic, testul BDS poate fi aplicat asupra reziduurilor din modelul de regresie cu scopul
de a identifica existena unei structuri eventual nedepistate de model. Testul BDS este util
mai ales atunci cnd nu avem nici o idee despre ce fel de structur ascuns ar putea fi
prezent n variabila de eroare (Brock, Hsieh & LeBaron, 1991, p.4.). Dac modelul este
corect specificat, atunci structura caracteristic seriei de date este prins de model, astfel
nct reziduurile nu ar trebui s prezinte structuri (corelaii) identificabile. Dac ipoteza nul
(erorile sunt i.i.d.) este respins, atunci modelul este prost specificat. Slaba performan a
modelului poate proveni din specificarea greit a ecuaiei, chiar n condiiile identificrii
25
corecte a structurii lineare, sau din identificarea incorect a DGP (Data Generating Process
procesul de generare a datelor).
Cu alte cuvinte, testul BDS poate fi utilizat att pentru identificarea erorilor de specificare a
modelului, ct i pentru testarea nelinearitii DGP.
2y t y t k
k 2y t y t 1
1 0 .
Testul bazat pe raportul dispersiilor verific relaia precedent. Dac relaia este adevrat,
atunci creterile seriei sunt independente, ceea ce nseamn c seria este de tip mers la
ntmplare.
Observaie. Dac testele sunt aplicate corect, atunci nerespingerea ipotezei nule n testul
bazat pe raportul dispersiilor pentru o serie yt (DGP este de tip mers la ntmplare, cu sau
fr deriv) ar trebui s fie asociat cu respingerea ipotezei nule din testul BDS pentru seria
wt i nerespingerea ipotezei nule din testul BDS pentru seria yt (DGP este i.i.d.).
formulat ca H1: = 1+c/T (cu c < 0). Notm S() suma ptratelor reziduurilor din ecuaia de
regresie y t = dt + vt. Testul de punct optimal = 1, contra alternativei de staionaritate
= = 1 c/T este definit prin statistica
S() S(1)
PT
2
y
T
t 2
2
d
t 1
T2
d 2
T
MZ
MZt = MZ MSB
MSB
2
(y dT )2
c
c
T ,
pentru dt 1
2
d
MPT
d 2
c 2 (1 c) (y T )
T , pentru d (1, t)
t
2
Precizare bibliografic
Metodele i analizele prezentate n capitolele 3 i 4 sunt detaliate n lucrrile:
Jula N., Jula D., 2014. Modelare economic. Modele econometrice i de optimizare (ed.
a 8-a), Editura Mustang, Bucureti
Jula D., Jula N., 2015. Prognoz economic (ed. a 3-a), Editura Mustang, Bucureti
Metodele i analizele prezentate n capitolele 5 i 6 sunt detaliate n lucrarea:
Jula D., Jula N.-M., 2015. Econometria seriilor de timp, Editura Mustang, Bucureti.
Trimiterile bibliografice din text sunt, de asemenea, detaliate n lucrrile menionate.
29