Principalii pasi pe care ii are in vedere cercetatorul sunt:

Pasul1. Avand in vedere ca se lucreaza cu date trimestriale, se verifica prezenta

sezonalitatii in date si daca aceasta se confirma se impune eliminarea ei prin
metoda tramo seats.
Pasul 2. Se verifica stationaritatea seriilor de date pe baza testelor de radacina
unitara Augmented Dickey-Fuller i Phillips-Perron, determinandu-se
ordinul de integrare al seriilor. O serie este cosniderata integrata de ordin d,
daca ea devine stationara dupa diferentele de ordin d. Astfel daca valoarea
calculata a testului ADF sau PP este in modul superioara valorii critice
considerata pentru un anumit prag de semnificatie(1%, 5% sau 10%) atunci seria
este considerat nestationara si ea trebuie diferentia pentru a dobandi
stationaritatea.
Sunt posibile mai multe situaii:
a) Seriile s fie staionare, I(0);
b) Seriile s fie nestaionare i integrate de acelai ordin(in general de
ordinul 1, I(1));
c) Seriile s fie nestaionare dar neintegrate de acelai ordin(n general atunci
o variabil este I(1) i cealalt este I(0)).

Pasul 3. Avnd n vedere primele dou situaii la pasul urmtor se va estima un

model VAR dup cum urmeaz:
a) Daca seriile sunt stationare, I(0) atunci ele sunt implicit cointegrate si prin
urmare se va rula un model VAR in nivel(pe variabilele originale).
Primul pas in estimarea unui model VAR este stabilirea lagului optim pe
baza pe baza criteriilor informationale Akaike si Schwarz astfel nct s
asigure verificarea ipotezei de non-autocorelare a reziduurilor modelului
VAR.
Estimarea modelului VAR se va face prin metoda metoda celor mai mici
patrate(MCMMP)
urmrindu-se
verificarea
performanei
modelului(semnificaia parametrilor modelului, validitatea modelului,
bonitatea modelului, verificarea ipotezelor modelului de regresie).
Modelul VAR are forma general;
1

(1)

( x1t , x 2t ,..., x nt )

n 1

unde: Xt, Xt-1, , Xt-p sunt vectorii

de dimensiune (
) ai
valorilor curente i decalate ale celor n variabile dependente care sunt I(1)
n cadrul modelului; A1,.,Ap sunt matricile coeficienilor de dimensiuni(
n n

); este vectorul termenilor liberi de dimensiune

numrul optim de laguri;

(n 1)

; p reprezint

este vectorul erorilor independente i identic

distribuite de medie zero i matrice de varian

.Numrul optim de
laguri, p, trebuie determinat n avans, astfel nct erorile s nu fie
autocorelate.
n

i 1

j 1

Yt a1 i X t i jYt j u1t

De asemnea utilizand rezultatele empirice

ale modelului se va realiza testul de cauzalitate Granger, pentru care test F
trebuie s fie semnificativ statistic. Testul de cauzalitate Granger utilizat
pentru a testa relaia de cauzalitate dintre dou variabile staionare
implic ntr-o prim etap estimarea urmtorului model VAR:
n

i 1

j 1

Xt

Yt

X t a2 i X t i jYt j u2t

unde: erorile

u1t

(2)
(3)
i

u 2t

sunt zgomote albe necorelate.

Cauzalitatea Granger presupune c variabilele X cu laguri influeneaz n

mod semnificativ variabila Y n ecuaia (2) i variabilele Y cu laguri
influeneaz variabila X n ecuaia (3.) Cu alte cuvinte, se poate testa
i

ipoteza comun potrivit creia coeficienii

i
sunt semnificativ
diferii de zero n sensul testului Fisher(F). Dac ipoteza este respins,
atunci relaia cauzal dintre X i Y este verificat.

1Modelul VAR(p) este stabil dac rdcinile ecua iei sunt n afara cercului unitate (au modulul mai
mare dect unu). Un model stabil este staionar, mediile, variantele i autocovarian ele fiind
independente de timp.
2

n plus, utiliznd rezultatele unui model VAR, se poate determina funcia

de rspuns la impuls (impulse response function-IRF) i analiza de
descompunere a varianei (variance decomposition-VDC), ce servesc ca
instrumente de evaluare a interaciunilor dinamice i a puterii relaiilor
cauzale dintre variabilele sistemului. Analiza de descompunere a varianei
indic procentul din variana erorii de previziune a unei variabile ce este
atribuit propriilor inovaii dar i inovaiilor n alte variabile. n plus,
funcia de rspuns la impuls evideniaz rspunsul unei variabile la un oc
de o abatere standard n alt variabil, cuantificnd direcia, magnitudinea
i persistena variabilei dependente la variaiile variabilei independente.
Astfel pe baza functiei de raspuns la impuls se va cuantifica impactului
unui oc pozitiv sau negativ (cretere sau scdere a cheltuielilor cu
subvenia acordat omerilor) asupra ratei de ocupare sau a ratei
omajului n rndul vrstnicilor.
b) Daca seriile nu sunt stationare, atunci alte doua situatii pot fi posibile:
b1) Daca nu sunt integrate de acelasi ordin I(1), atunci o variabil este I(1)
i cealalt este I(0), atunci variabila I(1) ar trebui s fie diferen iat i prin
urmare n acest caz se va estima un model VAR (ce va con ine doar
rezultate pe termen scurt) pentru care se analizeaz performana
modelului(semnificaia parametrilor modelului, validitatea modelului,
bonitatea modelului, verificarea ipotezelor modelului de regresie). De
asemenea in acest caz se va realiza testul de cauzalitate Granger pe termen
scurt, pentru care test F trebuie s fie semnificativ statistic. De asemenea
se pot aplica functia de raspuns la impuls si analiza de descompunere a
variantei.
b2) Dac variabilele sunt integrate de ordin I(1). n acest caz se trece la
pasul 4, se verific existenta cointegrarii in date se verifica cu ajutorul
testului de cointegrare multivariata Johansen.
Pasul 4. Confirmarea/infirmarea cointegrarii in date
b2.1) Dac variabilele sunt integrate de ordin I(1), dar nu sunt cointegrate
n sensul procedurii Johansen, modelul VAR ar trebui rulat n prima
diferen (se vor obine rezultate pe termen scurt) i pentru care se
analizeaz performana modelului(semnificaia parametrilor modelului,
validitatea modelului, bonitatea modelului, verificarea ipotezelor
modelului de regresie). De asemenea in acest caz se va realiza testul de
3

cauzalitate Granger pe termen scurt, pentru care test F trebuie s fie

semnificativ statistic. De asemenea se pot aplica functia de raspuns la
impuls si analiza de descompunere a variantei.
b2.2) Dac ambele variabile sunt I(1) i cointegrate, se va estima un
model VECM pentru datele in nivel in care testul t al coeficientului ECM
i testul F al modelului trebuie s fie semnificative statistic. In cadrul
acestui model se verifica cauzalitatea Granger pe termen scurt dar si pe
termen lung si de asemenea se pot aplica functia de raspuns la impuls si
analiza de descompunere a variantei.
Modelul VECM poate fi formulat2:
X t 1 X t 1 ... p 1 X t p 1 X t 1 t

(4)

unde:

este operatorul de difereniere, X este vectorul celor n variabile I(1), m

cheltuielile alocate pentru ocuparea omerilor de peste 45 de ani i rata de
ocupare pentru 55-64 de ani, respectiv cheltuielile alocate pentru ocuparea
omerilor de peste 45 de ani i rata omajului de 55-64 ani;
termenul

liber;

t niid (0, ) ( I A1 ... A p )

coeficienilor de dimensiune

( n n)

este

unde

este

matricea

ce conine informaii referitoare la

relaiile pe termen lung dintre variabile i se descompune n

reprezint coeficienii de ajustare (termenii de corecie a erorilor-

ECT) ce reprezint viteza cu care

X t

se ajusteaz la dezechilibre n
i

relaia de cointegrare i
i 1,..., p 1)

i ( I A j )

vectori de cointegrare;

j 1

( n n)

reprezint matricea coeficienilor de dimensiune

ce
conine informaii referitoare la relaiile pe termen scurt dintre variabile
(ajustarea pe termen scrut).

2 Adam, Tweneboah (2009), Samimi, Tehranchian, Roshan (2010), Chimobi and

Uche (2009), Anastassiou, Dritsaki (2005).
4

Analiznd cauzalitatea Granger n cadrul metodologiei Johansen dac

ambele variabile sunt I(1) i cointegrate, testul de cauzalitate Granger va
fi rulat ntr-un model VECM pentru care testul t al coeficientului ECM i
testul F al modelului trebuie s fie semnificative statistic.
n cadrul unui model VECM parametrii pe termen lung i cei pe termen
scurt sunt separai. n conformitate cu reprezentarea teoremei Granger,
rezultatele cointegrrii implic ca X i Y s aib urmtoarele specificaii
(Katircioglu, 2007, 2009):
p

i 1

i 1

Yt C1 i Yt i i X t i p ECTt 1 u t

(5)

i 1

i 1

X t C 2 i X t i i Yt i ECTt 1 t

(6)

Y, X

ECTt 1

unde :
sunt variabilele I(1), ,
sunt coeficienii de ajustare,
reprezint termenul de corecie a erorilor derivat din reziduurile rela iei de
cointegrare.
n ecuaia (4)

cauzeaz Granger pe Y, dac

diferite de zero. n ecuaia (5)

semnificativ diferite de zero.

i , pi

sunt semnificativ

cauzeaz Granger pe X dac

i , i

sunt

Da

Prezinta seriile
sezonalitate?

Seriile sunt ajustate

sezonier cu tehnica tramo
Nu Nu
seats.

Da

Nu

Seriile sunt
stationare, I(0)?

Nu

Seriile implicit
cointegrate.
Se va estima un model
VAR in nivel, pentru care
lagul optim se determina
pe baza crit. AIC si SBC
pentru care testul F tr. sa
fi semnificativ statistic.
Teste
de
cauzalitate
Granger
Functia de raspuns la
impuls(IRF)
Analiza de descompunere
a variantei(VDC)

Seriile sunt integrate de

acelasi ordin I(1)?

Nu

Dac o variabil este I(1)

i cealalt este I(0),
nefiind
cointegrate
n
sensul abordrii Johansen,
atunci variabila I(1) ar
trebui s fie difereniat
n modelul VAR (se vor
obine
rezultate
pe
termen scurt) i testul F
trebuie s fie semnificativ
statistic.

Teste
de
cauzalitate
Granger pe termen scurt
Functia de raspuns la
impuls(IRF)
Analiza de descompunere
a variantei(VDC)

Da

Exista cointegrare
Johansen in date?

Nu

Dac variabilele sunt

integrate de ordin I(1),
dar nu sunt cointegrate
n
sensul
procedurii
Johansen, modelul VAR
ar trebui rulat n prima
diferen (se vor obine
rezultate
pe
termen
scurt) i testul F trebuie
s
fie
semnificativ
statistic.

Da

Dac ambele variabile

sunt I(1) i cointegrate,
testul
de
cauzalitate
Granger va fi rulat ntr-un
model VECM pentru care
testul t al coeficientului
ECM i testul F al
modelului trebuie s fie
semnificative statistic.
Teste
de
cauzalitate
Granger pe termen scurt
si lung
Functia de raspuns la
impuls(IRF)
Analiza de descompunere
a variantei(VDC)