Documente Academic
Documente Profesional
Documente Cultură
RATA ŞOMAJULUI
3
Populaţia ocupată cuprinde [1] toate persoanele de 16 ani şi peste, care au desfăşurat o
activitate economică producătoare de bunuri sau servicii de cel puţin o oră în perioada de
referinţă (săptămâna înaintea înregistrării), în scopul obţinerii unor venituri sub formă de
salarii, plată în natură sau alte beneficii.
Şomerii, conform criteriilor Biroului Internaţional al Muncii, sunt persoanele de 16 ani
şi peste, care în perioada de referinţă îndeplinesc simultan următoarele condiţii:
- nu au loc de muncă şi nu desfăşoară o activitate în scopul obţinerii unor venituri;
- sunt în căutarea unui loc de muncă realizând în ultimele 4 săptămâni demersuri pentru
a-l găsi;
- sunt disponibile să înceapă lucrul în următoarele 15 zile, dacă s-ar găsi imediat un loc
de muncă.
În proiectul se analizeaza influenţei pe care variabilele:
NS- Numărul şomerilor
PA- Numărul populaţiei active disponibile
I- Investiţiile
NP- Numărul pensionarilor de invaliditate
PU- Numărul persoanelor sosite din mediul rural în mediul urban
IM- Importurile
o exercită asupra variabilei de explicat RS- Rata şomajului.
Analiza de mai jos are la bază următoarele noţiuni teoretice cu privire la rata şomajului ca
raport între numărul şomerilor (înregistraţi la agenţiile pentru ocuparea forţei de muncă) şi
populaţia activă civila, disponibilă (şomeri + populaţie ocupată, definită conform metodologiei
Balanţei Forţei de Muncă), exprimat procentual.
unde:
RS = variabila de explicat
NS, PA, I, NP, PU, IM = variabilele explicative;
a0, a1, a2, a3, a4, a5, a6 = parametrii modelului;
ε t = eroarea de observare
Am aplicat Testul Fisher care verifică dacă în ansamblul lor variabilele explicative au
sau nu o influenţă semnificativă asupra variabilei de explicat. În ANEXE sunt prezentate
detaliat calculele pentru n-1 grade de libertate si un prag de semnificaţie de α=95% si am
obţinut F* = 1308,3. Valoare am comparat-o cu F tabelar notat Fαk,n-k-1= 3,58.
F* > Fαk,n-k-1- cu probabilitatea de (1-α) ansamblul variabilelor explicative introduse in
model influentează in mod semnificativ variabila de explicat iar modelul este bine constuit.
În urma aplicarii Testului Student care ne va arăta dacă variabilele explicative ataşate
variabilei de explicat au o influenţă semnificativă asupra acesteia din urmă si asftfel am obţinut
urmatoarea expresie:
RS = 10,19+ 9,2 NS -9,47 PA- 0,00014 I+ 0,0011 NP+ 1,50 PU+ 5.28 IM+ et
(6,14) (50,81) (-6,92) (-2,28) (1,02) (2,79) (0,19)
unde:
R2 = 0,99
n = 15
(•) = t Student
Rezultatele obţinute le-am comparat cu o valoare extrasă din tabela legii de distribuţie
Student pentru n-k-1 grade de libertate si un prag de semnificatie de 1-α unde α = 95% notată
tα/2n-k-1 = 2,306
t*(NS) > tα/2n-k-1 – cu probabilitatea de (1-α), variabila explicativă numărul şomerilor are
o influenţă semnificativă asupra variabilei de explicat rata şomajului
5
t*(PA) > tα/2n-k-1 – cu probabilitatea de (1-α), variabila explicativă numărul populaţiei
active disponibile are o influenţă semnificativă asupra variabilei de explicat rata şomajului
t*(PU) > tα/2n-k-1 – cu probabilitatea de (1- α), variabila explicativă numărul persoanelor
sosite din mediul rural in mediul urban are o influenţă semnificativă asupra variabilei de
explicat rata şomajului
t*(I) < tα/2n-k-1– cu probabilitatea de (1-α), variabila explicativă investiţii nu are o
influenţă semnificativă asupra variabilei de explicat rata şomajului
t*(NP) < tα/2n-k-1 – cu probabilitatea de (1-α), variabila explicativă numărul pensionarilor
de invaliditate nu are o influenţă semnificativă asupra variabilei de explicat rata şomajului
t*(IM) < tα/2n-k-1 – cu probabilitatea de (1-α), variabila explicativă importurile nu are o
influenţă semnificativă asupra variabilei de explicat rata şomajului.
Modelul reconstruit
Am reconstruit modelului care este reprezentat in TABELUL 2 din ANEXE si am
folosit numai variabilele : NS- numărul şomerilor, PA- numărul populaţiei active disponibile,
PU- numărul persoanelor sosite din mediul rural în mediul urban .
Pentru modelul reconstruit am aplicat Testul Chow care ne va ajuta la verificarea
stabilităţii coeficienţilor modelului în timp. În ANEXE sunt prezentate calculele Testului Chow
estimandu-se modelul reconstruit pe întrega perioadă şi folosindu-se funcţia :
RS = a0 +a1NSt+a2PAt+a3PUt+ε t
unde:
RS = variabila de explicat
NS, PA, PU = variabilele explicative;
a0, a1, a2, a3 = parametrii modelului;
ε t = eroarea de observare
Pe întreaga perioadă 1990 - 2004 am obţinut:
- variabila totală SCT = 108, 48
- variabila reziduală SCR = 0,33
- variabila explicativă SCE = 108,15
Regula de adunare a dispersiilor, pe întreaga perioadă, are următoarele rezulate, prezentate
detaliat în ANEXE:
108,48 = 0,33 + 108,15
(SCT) (SCR) (SCE)
6
SCT = SCR + SCE
unde:
R2 = O,99
n = 15
SCT = dispersia totală care ne arată influenţa tuturor factorilor
SCR = dispersia rezidurilor care ne arată influenţa factorilor reziduali
SCE = dispersia explicativă care ne arată influenţa factorilor explicativi pentru modelul
reconstruit
În urma rezultatului am împărţit modelul în două superioare aplicând, ca şi în primul
caz, regula de adunare a dispersiilor pe prima perioadă 1990 - 1998 şi a doua perioadă 1999 -
2004.
Pe prima perioadă 1990 - 1998 am obţinut:
- disperia estimatorilor care ne arată influenţa factorilor modelului reconstruit SCE 1= 77.35
- dispersia rezidurilor care ne arată influenţa factorilor reziduali SCR1 = 0.073
- dispersia totală care ne arată influenta tuturor factorilor SCT1 = 77.38
Regula de adunare a dispersiilor, pe prima superioară, are următoarele rezulate:
77,38 = 0.073 + 77.35
(SCT1) (SCR1) (SCE1)
SCT1 = SCR1 + SCE1
unde:
R2 = O,99
n=9
SCT1 = influenţa tuturor factorilor pe prima superioară
SCR1 = influenţa factorilor reziduali pe prima superioară
SCE1 = influenţa factorilor explicativi aleşi pentru modelul reconstruit pe prima
superioară
Pe a doua perioadă 1999 - 2004 am obţinut:
- disperia estimatorilor care ne arată influenţa factorilor modelului reconstruit SCE2 = 14.444
- dispersia rezidurilor care ne arată influenţa factorilor reziduali SCR2 = 0.028
- dispersia totală care ne arată influenta tuturor factorilor SCT2 = 14.448
Regula de adunare a dispersiilor, pe a doua superioară, are următoarele rezulate:
14.448= 0.028+ 14.444
(SCT2) (SCR2) (SCE2)
7
SCT2 = SCR2 + SCE2
unde:
R2 = O,99
n=6
SCT2 = influenţa tuturor factorilor pe a doua superioară
SCR2 = influenţa factorilor reziduali pe a doua superioară
SCE2 = influenţa factorilor explicativi aleşi pentru modelul reconstruit pe a doua
superioară
În urma Testului Chow rezultă SCR ≠ SCR1+SCR2 şi voi aplica Testul Fisher care
verifică dacă în ansamblul lor variabilele explicative care au ramas în modelul reconstruit au
sau nu o influenţă semnificativă asupra variabilei de explicat rata şomajului.
Pe baza modelului reconstruit am calculat, detaliat în ANEXE, pentru n-1 grade de
libertate cu probabilitatea de α=95% si am obţinut F* = 3.96. Valoarea am comparat-o cu F
tabelar, extras din tabela legii de distribuţie Fisher, notat Fαk,n-k-1= 4.12.
F* < Fαk,n-k-1- cu o probabilitate de (1-α) rezultă că modelul este stabil pe întreaga
perioadă şi aceasta cu probabilitatea de 95%
Variabilele auxiliare DUMMY se include în model atunci când vrem să integrăm
factori explicativi binari. Variabilele DUMMY ia doar valorile 0 si 1, valoarea 0 este pentru
cand fenomenul nu exista si 1 pentru când fenomenul exista. În ANEXE avem detaliat calculul
variabilei DUMMY pe baza funcţiei :
RS = a0 +a1NSt+a2FBt+et
unde:
R2 = 0,99
n = 15
(•) = t Student
Rezulatele le-am comparat cu o valoare extrasă din tabel iar in urma calcului am
obţinut funcţia:
RS = 2,049+ 7.88 NS -1.58FB+ et
(3.32) (12.21) (-3.50)
unde:
R2 = 0,966
n = 15
(•) = t Student
8
Rezultatele obţinute le-am comparat cu o valoare extrasă din tabela legii de distribuţie
Student pentru n-k-1 grade de libertate si un prag de semnificatie de 1-α unde α = 95% notată
tα/2n-k-1 = 2,306
t*(NS) > tα/2n-k-1 – cu probabilitatea de 1-α, variabila explicativă numărul şomerilor are o
influenţă semnificativă asupra variabilei de explicat rata şomajului
t*(FB) <tα/2n-k-1 – cu probabilitatea de 1-α, variabila explicativă nu are o influenţă
semnificativă asupra variabilei de explicat rata şomajului.
IV. Concluzii
Acest proiect a avut ca obiectiv analizarea unui model economic pentru a vedea în ce
măsură şi în ce condiţii variabila de explicat aleasa, rata şomajului, este influenţată de cele 6
variabile explicative. Pentru aceasta am aplicat modelului mai multe teste statistice si analize.
Am obţinut urmatoarele rezultate:
În urma construirii modelului a rezultat cu ajutorul testului Durbin-Watson faptul ca
erorile nu sunt corelate şi am concluzionat ca semnificativ au influentat individual numai 3
variabile explicative şi anume: NS- numărul şomerilor, PA- numărul populaţiei activ
disponibile, PU- migraţiile din mediul rural în mediul urban. Acest lucru a fost posibil cu
ajutorul testului Student. Ulterior am recurs la reconstruirea modelului eliminând variabilele
care deşi global aveau influenţă semnificativa aşa cum a reieşit din testul Fisher, individual au
necesitat excluderea din model (I, NP, IM). Modelul astfel rezultat s-a dovedit a fi stabil pe
întreaga perioada de timp (1990-2004). Stabilitatea modelului a fost analizată prin intermediul
testului Chow. Pentru modelul reconstruit am demonstrat faptul că între variabilele rămase nu
există autocorelaţie a erorilor, iar în continuare modelul a reieşit a fi homoscedastic.
9
Bibliografie
10
ANEXE
TABELUL 1
11
TABELUL 2
12