P. 1
Econometrie

Econometrie

|Views: 919|Likes:
Published by Florin Mihu

More info:

Published by: Florin Mihu on Dec 27, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

06/06/2013

pdf

text

original

Cuprins

Cuprins ................................................................................................................................ 1 Capitolul 1 ........................................................................................................................... 4 Introducere în modelarea econometricã .............................................................................. 4 1.1 Ce este econometria?................................................................................................. 4 1.2 Ce poate ºi ce nu poate realiza econometria ............................................................. 5 1.3 Repere istorice........................................................................................................... 6 1.4 Concepte.................................................................................................................... 8 1.5 Demers metodologic ............................................................................................... 13 Capitolul 2. ........................................................................................................................ 14 Cauzã ºi efect în economie - modelul unifactorial............................................................ 14 2.1 Relaþiile de cauzalitate în economie................................ ................................ ........ 14 2.2 Modelul liniar simplu .............................................................................................. 15 2.2.1 Prezentarea problemei. Exemple din economie ............................................... 15 2.2.2 Model ºi ipoteze ...............................................................................................16 2.3 Estimarea parametrilor modelului........................................................................... 17 2.4 Noþiuni privind datele ºi soluþiile ................................ ................................ ............ 20 2.5 Metoda celor mai mici pãtrate................................................................................. 20 2.5.1 Interpretarea parametrilor estimaþi ................................ ................................ ... 21 2.5.2 Precizãri de naturã teoreticã privind analiza de regresie ºi modalitatea de estimare a parametrilor.............................................................................................. 22 Capitolul 3 ......................................................................................................................... 25 Influenþe multiple de tip liniar ºi neliniar în economie; modelul multifactorial ............... 25 3.1 Cazul liniar multifactorial ....................................................................................... 25 3.2 Etapele demersului: ................................................................................................. 27 3.2.1 Specificarea ...................................................................................................... 27 3.2.2 Estimarea parametrilor ..................................................................................... 28 3.2.3 Interpretarea estimaþiilor obþinute pentru parametri................................ . 31 3.3 Recomandãri în ceea ce priveºte aplicarea modelului econometric multifactorial. 31 3.3.1 Datele numerice................................................................................................ 32 3.4 Modele neliniare...................................................................................................... 33 3.4.1 Modele neliniare în raport cu variabilele dar liniare în raport cu parametrii ... 33 3.4.2 Modele neliniare, neabordabile prin MCMMP ................................................ 34 3.5 Variabile calitative în economie.............................................................................. 36 3.5.1 Variabilele dichotomice ................................................................................... 37 Capitolul 4 ......................................................................................................................... 43 Verificarea semnificaþiei statistice a rezultatelor estimãrii. Testul t, testul F ................... 43 4.1 Necesitatea etapei verificãrii ................................................................................... 43 4.2 Verificarea semnificaþiei statistice a fiecãrui parametru estimat; testul t................ 45 4.2.1 Principalele noþiuni specifice ................................ ................................ ........... 45 4.2.2 Testul t.............................................................................................................. 47 4.2.3 Etapele verificãrii ............................................................................................. 48 4.3 Verificarea semnificaþiei rolului ansamblului factorilor asupra variabilei efect..... 51 4.3.1 Testul F............................................................................................................. 51

1

4.3.2 Etapele aplicãrii testului F................................................................................ 52 4.3.3 Coeficientul de determinaþie ................................ ................................ ............ 53 Capitolul 5 ......................................................................................................................... 54 Verificarea confirmãrii ipotezelor privind datele, factorii ºi modelul .............................. 54 5.1 Ipoteze privind modelul ºi metoda de estimare....................................................... 54 5.2 Date suficiente, neafectate de erori sistematice ...................................................... 55 5.2.1 Consideraþii asupra necesitãþii abordãrii problemei datelor............................. 55 5.2.2 Verificarea ºi aprecierea datelor numerice....................................................... 56 5.3 Independenþa variabilelor factoriale din ecuaþia de regresie................................ ... 57 5.3.1 Semnale care atrag atenþia multicoliniaritãþii:................................ .................. 58 5.3.2 Soluþii ................................ ................................ ................................ ............... 59 5.4 Ipoteza privind liniaritatea modelului ºi corecta sa specificare .............................. 59 5.4.1 Verificarea prezumþiei liniaritãþii ................................ ................................ ..... 60 5.5 Verificarea confirmãrii ipotezelor privind comportamentul variabilei reziduale ... 61 5.5.1 Verificarea împrãºtierii valorilor variabilei reziduale (homoscedasticitatea / heteroscedasticitatea.................................................................................................. 61 5.5.2 Testul GQ (Goldfeld, Quandt) ......................................................................... 62 5.5.3 Prezumþia neautocorelãrii valorilor reziduale .................................................. 63 5.5.4 Variabila rezidualã urmeazã o repartiþie normalã de medie zero..................... 65 Capitolul 6 ......................................................................................................................... 68 Aplicarea modelului de regresie în analiza ºi prognoza economicã ................................. 68 6.1 Coordonatele analizei economice ºi analizei statistice ........................................... 68 6.2 Prognoza economicã bazatã pe modelul de regresie............................................... 69 6.3 Modele econometrice utilizate în domeniul cererii de bunuri ºi servicii ................ 70 6.4 Producþia, factorii determinanþi ºi funcþiile de producþie................................ ........ 73 6.4.1 Ipoteze ºi caracteristici în elaborarea ºi utilizarea funcþiilor de producþie în studiile economice..................................................................................................... 74 6.4.2 Indicatori utili analizei economice bazate pe funcþii de producþie................... 74 6.5 Relaþii financiar - bancare ºi reprezentarea lor prin ecuaþii .................................... 78 6.5.1 Masa monetarã ºi factorii care determinã cererea de bani ............................... 79 6.5.2 Rata dobânzii ºi investiþiile .............................................................................. 79 6.5.3 Impozitele ºi transferurile................................................................................. 80 6.5.4 Preþurile ºi costurile................................ ................................ .......................... 81 Capitolul 7 ......................................................................................................................... 82 Evoluþia proceselor economice în decursul timpului ........................................................ 82 7.1 Problema tendinþei generale ................................ ................................ .................... 82 7.2 Noþiuni specifice analizei seriilor cronologice........................................................ 82 7.3 Modelul liniar unifactorial ºi calculul tendinþei generale........................................ 83 7.4 Clasificare a seriilor cronologice în raport cu existenþa sau inexistenþa tendinþei generale ......................................................................................................................... 87 7.5 Dependeþe în economie manifestate în mod sincron sau cu decalaje în timp ......... 88 7.5.1 Seria integratã, serii cointegrate privind procese economice evolutive ........... 88 7.6 Modele dinamice destinate includerii efectelor decalate în timp............................ 90 7.6.1 Stabilirea unitãþii de timp ................................ ................................ ................. 91 7.6.2 Estimarea parametrilor ..................................................................................... 92

2

7.7 Autodeterminarea proceselor economice în timp; modelele stochastice de tip ARMA........................................................................................................................... 94 7.7.1 Considerente economice ºi statistice pe care se bazeazã modelul ARMA ...... 94 7.7.2 Obþinerea prognozelor................................ ................................ ...................... 96 7.8 Fluctuaþii sistematice în economie – mãsurare, analizã, prognozã ......................... 97 7.8.1 Depistarea graficã a variaþiilor sezoniere ......................................................... 98 7.8.2 Ajustarea prin medii mobile............................................................................. 98 7.8.3 Indicii de sezonalitate..................................................................................... 100 7.8.4 Coeficienþii sezonieri................................ ................................ ...................... 100

3

Econometria este o disciplinã care s-a conturat ca o sintezã între economie. 1. iar din statisticã datele empirice ºi metodele de prelucrare a acestora. Pe baza datelor din economie. Aºa cum "biometrie" desemna cercetãrile biologice cu ajutorul statisticii ºi matematicii. Din economie provin teoriile economice. Frisch prin analogie cu termenul „biometrie" utilizat de Galton ºi Pearson. statistica matematicã ºi economie. Econometria prin caracterul sãu general creeazã modele abstracte ale fenomenelor economice. Prin procedeele de inferenþ statisticã. matematicã ºi statisticã. din matematicã modelele teoretice care exprimã teoriile economice. econometria avea sã însemne studiul economiei cu ajutorul acestor ºtiinþe fundamentale. econometria estimeazã ã parametrii modelelor ºi realizeazã predicþ asupra realitãþ ii ii studiate.Capitolul 1 Introducere în modelarea econometricã Modelele econometrice analizeazã calitatea ºi cantitatea proceselor economice ºi evoluþia lor. Econometria este disciplina care s-a conturat ca o sintezã între analiza matematicã. econometria construieºte modele (expresii cantitative) pentru realitãþ economice studiate ile care au un corespondent în teoriile economice. 4 .1 Ce este econometria? Termenul econometrie a fost introdus în anul 1926 de cãtre economistul ºi statisticianul norvegian R.

Econometria contribuie la cunoaºterea realitãþ economice prin modul sãu ii specific de a surprinde cantitativ relaþ din viaþ economicã realã iile a cu ajutorul unui instrument specific: modelul econometric. Scop: Scopul principal al econometriei este identificarea. dintre diferite componente ale economiei în ansamblul sãu. estimarea ºi testarea modelelor prin care se surprind relaþ dintre iile fenomenele economice reale. ii având în vedere mai ales relaþiile de tip cauzã-efect. pe baze mai obiective. • Exprimarea numericã a efectului datorat creºterii cu o unitate a factorului. 1. Metodã: Econometria studiazã realitãþ economice sub ile aspect cantitativ. • Previziunea unui fenomen economic în raport cu factorii determinanþ sau þ i inând cont de comportamentul fenomenului în perioadele anterioare. Rolul econometriei rezultã din soluþ ionarea unor obiective precum: • Evidenþ ierea. • Stabilirea proporþ în care unul sau mai mulþ factori iei i determinã evoluþ unei variabile-efect. a relaþ iilor de cauzalitate din economie. Econometria studiazã legãturile dintre fenomenele economice.Obiect: Aria de studiu a econometriei este realitatea economicã privitã ca un ansamblu de relaþ ºi intercondiþ ii ionãri. precum ºi ordonarea ia factorilor dupã importanþã. 5 . cuantificarea unor relaþ dintre procesele economice. utilizând metoda statisticii.2 Ce poate ºi ce nu poate realiza econometria Metodele de prelucrare a datelor urmãresc îndeosebi mãsurarea.

• Introducerea în calcule a variabilelor calitative cu o suficient de mare acurateþ astfel încât rolul acestora sau amploarea e. a tuturor relaþiilor existente în economie. • Stabilirea intensitãþii ºi direcþiei fluctuaþiilor din economie. Totuºi. Aspecte pe care econometria nu le poate rezolva sau încã nu le poate rezolva satisfãcãtor sunt urmãtoarele: • Încorsetarea într-un model generalizator. modificãrii lor sã poatã fi mãsurate cu suficient de mare precizie.3 Repere istorice Econometria este o disciplinã ºtiinþ ificã relativ nouã. • Econometria nu îºi propune stabilirea de valori numerice privind indicatorii economici (agregate de tip PIB.• Aprecierea prin expresii numerice a implicaþ iilor pe care o acþ iune de politicã economicã o are asupra mai multor sectoare economice. • Aprecierea elementelor semnificative din economie de elementele nesemnificative (datorate hazardului). primele încercãri de a cuantifica ºi exprima cantitativ relaþ iile dintre 6 . ruta optimã în transporturi) sau soluþ care nu aparþ ii in domeniului relaþ iilor de cauzalitate. unele stãri de lucruri din economie (concentrarea.). etc. • Departajarea suficient de precisã a rolului fiecãrui factor asupra unui proces economic. manifestate la un moment dat sau în decursul timpului. proporþ unor realizãri) ºi nici obþ ia inerea de soluþ optime (stocul ii optim. Venit naþional. de mare amploare. dezvoltatã începând cu mijlocul secolului trecut. corelaþ ia. 1. însituaþ iile în care factorii evolueazã foarte asemãnãtor (prezintã un grad înalt de coliniaritate) • Prognoza suficient de precisã în situaþ conjuncturale diferite ii sau în situaþ în care interacþ ii iunea factorilor reprezintã ea însãºi un factor.

U. L. Samuelson.Theil. Jan Timbergen (fizician olandez). modele macroeconomice: J. ionãm cele mai importante figuri: Irving Fisher. Trygve Haavelmo. în Anglia se desfãºura o activitate ºtiinþ ificã remarcabilã de cercetare a legilor naturii ºi a geneticii umane.Y.fenomenele reale sunt mult mai vechi ºi dateazã din secolul al XVII-lea. F. finanþe. R. R. Frisch. ºi Douglas P. ii cercetãrii: producþie: Cobb C. Societatea de econometrie: La 29 decembrie 1930. Pearson. Klein. ale cãror lucrãri fundamentale au contribuit la dezvoltarea metodelor de analizã a legãturilor dintre variabile. Petty pune bazele "aritmeticii politice" prin care se foloseau sistematic fapte ºi cifre în elaborarea unor studii legate de populaþie. A. Dintre membrii societãþ menþ ii.R. Printre figurile ilustre ale acestei ºcoli se numãrã F. teoriile economice ºi construirea modelelor: J.A. T. care a dezvoltat analiza dispersionalã). Fisher (matematician ºi biolog. R. Mari gânditori ai secolului XX: Econometria se dezvoltã prin contribuþ unor cercetãtori importanþ din diferite direcþ ale ia i.) a fost întemeiatã "Societatea de Econometrie". P. 7 . Keynes. Edgeworth.H. Haavelmo. Schultz. la Cleveland (S.a. R. Timbergen.A. Frisch (primul preºedinte al societãþii) º. H.. ª coala Aritmeticii politice engleze: Un studiu asupra genezei econometriei ne-ar conduce la începuturile secolului al XVII-lea când englezul W. Fisher.A. Laboratoarele biometrice engleze: La sfârºitul secolului al XIX-lea ºi începutul secolului al XX-lea. comerþ exterior sau impozitare. Gallun. studiul riscului ºi incertitudinii în economie.M.W. instituþie care a creat ºi promovat termenul de "econometrie". K. cererea de consum: K.

Exemple: cursul de schimb. de regulã. Variabile de tip calitativ (nenumerice): culoarea. Modelul econometric este o prezentare formalizatã a problemei sau a realitãþ economice ii studiate.1. vânzãrile pe o piaþ liberã. numitã ºi variabilã dependentã. element caracteristic care poate înregistra diverse niveluri exprimate. Tipuri de variabile: variabilã endogenã. rezultat. De regulã. noþ iuni ºi termeni specifici: model. Variabila 8 . rezultativã sau efect. poate genera valori. în urma estimãrii. estimaþii. numeric. estimator.4 Concepte În cercetarea econometricã se utilizeazã o serie de concepte. ul valoarea tranzacþ iilor la bursã. parametri. modelul econometric este o ecuaþ sau un ie sistem de ecuaþii construit pe baza variabilelor statistice. abaterea ã (eroarea) dintre nivelul preconizat ºi cel realizat. Este variabila pentru care modelul. variabile. Variabilã = însuºire. Modelul econometric: Modelul este o schemã simplificatã a realitãþ care are rolul de a explica realitatea studiatã în ii dimensiunile ei fundamentale. Exemple Relaþie dintre vânzãri ºi preþ: Vânzãri = a + b Preþ + u Evoluþia producþiei în raport cu factorii determinanþi: Producþie = a Capital Munca Variabile: În cercetarea econometricã se utilizeazã variabile statistice între care existã relaþii de interdependenþã. ca ºi termeni statistici. Variabila aleatoare prezintã drept element caracteristic faptul cã poate înregistra orice valoare într-un ansamblu de valori specificat corespunzãtor unei repartiþii de probabilitate. rata dobânzii. religia. esenþ iale. anotimpul. cantitatea produsã. Exemple: preþ produsului.

Este variabila aflatã în postura de cauzã a evoluþiei variabilei endogene. numitã ºi variabilã independentã. având valori preluate din statistici. Variabila rezidualã se obþ în urma calculului abaterilor ine dintre valorile empirice ale variabilei endogene (y) ºi valorile ˆ generate de model ale aceleiaºi variabile ( y ). Locul variabilei exogene este în dreapta semnului egalitãþii ºi este.endogenã este poziþ ionatã în stânga semnului egalitãþ în ii ecuaþ în care ea reprezintã obiectivul. aºteptarea) rezultã ca o sumã a valorilor variabilei aleatoare ponderate cu probabilitãþile asociate posibilelor valori: 9 . factor de influenþ sau regresor. care determinã un ã anumit efect asupra variabilei rezultat. dar se iei mai foloseºte ºi v sau e. Media variabilei aleatoare (speranþ a matematicã. factorialã. Alãturi de aceste douã categorii de variabile. Medie = nivel central obþ inut în urma unui calcul privind un ansamblu de valori ale variabilei analizate. de regulã. de regulã notatã cu x. aceste variabile apar în model ca sumã a tuturor influenþ elor necunoscute sau care nu apar explicit în model. în partea finalã a ecuaþ ºi este notatã cu u. dar poate sã aparã ºi ia în postura de factor în alte ecuaþii. De regulã. în econometrie se utilizeazã o categorie specialã: variabilele reziduale sau eroare. variabila eroare este o variabilã aleatoare care respectã anumite proprietãþi numite ºi ipoteze clasice. iar fi frecvenþa de apariþie. Locul variabilei rest este. Este denumitã perturbaþie sau eroare. variabila exogenã. Se utilizeazã media aritmeticã: xi f i fi x i i unde xi reprezintã valorile variabilei. Se noteazã de regulã cu y. În cercetarea econometricã.

dar ºi valorilor variabilei de la medie. ei. extrase (la întâmplare) dintr-un ansamblu (populaþ ie). 10 . coeficientul de corelaþie este definit astfel: rxy x x y n x y y Eºantion = subansamblu de elemente (unitãþ cazuri) i. x2 reprezintã un indicator de mãsurare a variabilitãþ conjugate privind douã variabile aflate ii într-o relaþie de dependenþã: Cov x1 . Deseori o secvenþ de valori ale unei variabile urmãrite (înregistrate) în ã decursul timpului este asimilatã cu eºantionul. Se noteazã cu n numãrul de unitãþi din eºantion.cu Pi i 1 M x i xi Pi Dispersie = indicator sintetic destinat mãsurãrii împrãºtierii 2 . În varianta Pearson. Dispersia este notatã “var” sau s2 (numitã ºi varianþã). x2 M x1 M x1 x2 M x2 Coeficientul de corelaþ (r) reprezintã un indicator de ie mãsurare pe o scarã numericã cuprinsã între – 1 ºi + 1 a legãturii (dependenþ analogiei) dintre douã variabile. ( xi 2 i i x) 2 f i fi Dispersia variabilei aleatoare x: 2 x M x M x 2 Abaterea medie pãtraticã: 2 Covarianþa (cov) variabilelor x1.

În urma testãrii. . . a negãrii ii existenþ unei calitãþ a estimaþ ei i iei). convenabil construite în procesul de estimare. ˆ ˆ ˆ Estimarea parametrilor unei funcþ se situeazã în centrul atenþ ii iei econometricienilor. motiv pentru care se ataºeazã ii literei un accent circumflex. Parametrii fac obiectul procesului de estimare ºi testare statisticã. (hi-pãtrat). cu distribuþ de probabilitate ii cunoscute ºi cu proprietãþ specifice în baza cãrora se realizeazã i procesul de estimare a parametrilor modelului econometric. a1. cele mai importante proprietãþ ale i estimatorilor sunt: 11 . parametru) pe baza datelor unui eºantion. Se ie noteazã cu a. Parametru: Parametrii modelului econometric. Este denumit ºi coeficient sau estimaþie. b. b. în condiþ iile existenþ unei ei repartiþ proprii estimaþ analizate. r. Test = verificare a unei prezumþ (ipoteza nulã H0. rezultatã în urma unui calcul bazat pe datele presupuse de variabilele ecuaþ / ecuaþ iei iilor modelului. Notãm parametrul cu simbolul ? ºi un estimator al acestuia cu ˆ În procesul de estimare. Parametrul este o mãrime consideratã constantã. sunt mãrimi reale ºi necunoscute care apar i în model în diferite expresii alãturi de variabile. Estimatori: Estimatorii sunt variabile aleatoare. F – Snedecor. a0. numiþ ºi i coeficienþ de regresie. ˆ . Se noteazã estimaþiile cu a.Estimare = calcul sau suitã de calcule (algoritm) destinate obþ inerii unei mãrimi numerice (coeficient. ipoteza nulã ii iei poate fi acceptatã sau poate fi infirmatã (respinsã) în favoarea ipotezei alternative H1. frecvent utilizate în econometrie sunt 2 testele: t – Student. De regulã. se au în vedere estimaþ ale parametrilor. Locul parametrului în model este alãturi de variabila factorialã la care se referã (excepþ face parametrul liber).

Autoregresia presupune analiza gradului de dependenþ ã dintre seria de date yt ºi aceeaºi serie decalatã cu 1: yt = a + byt-1+ ut. • convergenþa .1 . în succesiune cu 1.un estimator este nedeplasat dacã media sau speranþa matematicã a acestuia este egalã cu parametrul.k perioade de timp: yt = a + b1yt-1+.... 3.. Aºadar.• nedeplasarea . 0. Pentru un estimator convergent are loc relaþia: lim P ˆn n 0. Un estimator nedeplasat verificã relaþ relaþ M( ˆ ) = ? . • eficienþa – estimatorul ˆ este eficient dacã are dispersia sau varianþ cea mai micã dintre toþ estimatorii posibili pentru a i parametrul ?. etc..n Pot fi considerate variabile explicative seriile decalate.. . Autocorelaþ autoregresie = noþ ie.un estimator este convergent dacã pentru un eºantion cu volum suficient de mare ºirul estimatorilor converge cãtre parametru.2.. este presupusã dependenþ modificãrilor variabilei în a raport cu propriile modificãri realizate într-un trecut mai mult sau mai puþin apropiat... respectiv din perioada t – 2 (coeficientul r2). atunci estimatorul este deplasat. Autocorelaþ implicã determinarea intensitãþ corelaþ ia ii iei dintre termenul înregistrat în perioada t ºi termenul din perioada t – 1 (coeficientul r1). unde t = 2. Dacã ia ia: relaþia nu este respectatã. iuni care se referã la dependenþ dintre termenii poziþ a ionaþ la o anumitã distanþ de i ã timp.+ bkyt-k + ut 12 .

• n . • identificarea tipului ºi formei legãturii dintre variabile. dupã o analizã atentã a fenomenului real ºi a teoriei economice. . • y = f(xi) + u . • u . pornind de la o teorie sau o problemã economicã.parametrii modelului.volumul eºantionului. k. • xi . • testarea modelului sau modelelor ºi alegerea celui mai bun model. Notaþii • y. . pe baza metodelor statistice cunoscute. bi ..modelul econometric. 2. 2.. 13 . • aplicarea în practicã sau realizarea de predicþ pe seama ii modelului.variabilele independente.. unde k este numãrul de factori. k. • identificarea variabilelor care instrumenteazã problema. • propunerea unuia sau a mai multor modele care explicã realitatea studiatã prin relaþii de dependenþã între variabile.variabila dependentã.variabila rezidualã sau eroare... i = 1.1.. • estimarea parametrilor modelului sau modelelor propuse. i = 1. • ai.5 Demers metodologic Modelarea econometricã se poate rezuma sintetic la parcurgerea urmãtoarelor etape: • formularea problemei în termeni economici.

În majoritatea cazurilor: • Dependenþ nu este totalã. • Producþ depinde de numãrul de ore utilizate efectiv pentru ia realizarea ei.1 Relaþiile de cauzalitate în economie Situaþ în care un proces economic depinde de un singur iile factor nu sunt prea frecvente în economie. Cauzã ºi efect în economie . ceea ce poate fi valabil în condiþ de laborator. etc.Capitolul 2. (o anumitã variabilã depinde sau a este influenþatã îndeosebi de.).. de la particular la general. • Deseori este specificatã existenþa unor condiþii care se menþin aceleaºi. 14 . Exemple de relaþ din economie care implicã un efect ºi un ii factor important într-o dependenþã liniarã: • Cererea de alimente strict necesare depinde de numãrul populaþiei.. • Rata dobânzii la bãncile comerciale este influenþ de rata atã dobânzii de referinþã. de la relaþia liniarã la alte tipuri de dependenþe. dar ii numai temporar poate fi constatat în viaþ realã pe un segment de a cazuri. Se va aborda dependenþ începând cu un singur factor. • Exportul unui produs depinde de nivelul preþului. aspect care implicã recunoaºterea existenþei ºi a altor cauze de o mai micã importanþã sau prea puþin cunoscute.modelul unifactorial 2. de la a unifactorial la multifactorial.

unde parametrul b aratã de câte ori creºte consumul unui anumit produs (Ci) la o creºtere cu o unitate a venitului ºi este de regulã pozitiv. Acest factor apare în modelul econometric drept variabilã independentã. iar restul influenþ elor este preluat de variabila rezidualã.• Dependenþ unui proces în raport cu factorul determinant se a poate manifesta diferit în decursul timpului.2. În economie existã situaþ în care un rezultat sau un fenomen ii poate fi explicat într-o proporþ ridicatã doar de influenþ unui ie a singur factor. puþ cunoscute. în raport cu gradul de stabilitate al celorlalþi factori importanþi. mai mult sau mai in puþin accidentale.cererea sau consumul populaþ pentru o ia iei anumitã categorie de mãrfuri este o funcþie de venit Ci = a + b Vi+ ui.1 Prezentarea problemei. Exemple din economie de modele liniare simple 1) Funcþ de consum . 15 . • La aceasta se adaugã influenþ elementului perturbator a provocat de cauze minore. Exemple din economie Modelul liniar simplu este cel mai simplu model econometric sau cea mai simplã schemã explicativã a dependenþ dintre douã ei variabile. 2. 2.2 Modelul liniar simplu Modelul liniar simplu presupune cã între cele douã variabile existã o dependenþ dupã modelul unei ecuaþ de gradul întâi sau ã ii cã între variabile existã o relaþie de proporþionalitate.

• Variabila cauzalã consideratã determinantã pentru procesul analizat.cererea populaþ pentru o anumitã categorie de iei mãrfuri este în funcþie de preþul acestor produse Ci = a + b Pi+ ui. b urmeazã sã ii) i fie determinaþ corespunzãtor datelor numerice ce privesc i ansamblul (N) de cazuri sau urmeazã sã fie estimaþ dacã datele se i referã la un eºantion (n) de cazuri. de forma: y i = a + b x i + ui Relaþ de mai sus se numeºte ecuaþ de regresie ºi ia ie reprezintã funcþia liniarã yx = a + bx plus eroarea u. a reprezintã ordonata la origine. expresie a acþ iunii cauzelor minore. 16 . coeficienþ notaþ a. Parametrul de regresie b aratã gradul de dependenþ dintre ã variabile. care aratã valoarea lui y când x = 0. 2. • Variabila care poate perturba relaþ dintre principalele ia variabile. unde parametrul b este de regulã negativ ºi aratã cu cât scade cererea la o creºtere a preþului cu o unitate. notatã cu xi. Modelul de regresie liniarã simplã exprimã legãtura liniarã dintre variabile.2 Model ºi ipoteze Modelul prin care se exprimã dependenþ în raport cu un a singur factor trebuie sã conþinã: • Variabila efect. respectiv cu cât creºte sau scade y la o creºtere a variabilei x cu o unitate. numit ºi coeficient de regresie.2) Legea cererii .2. Parametrii (constantele. b reprezintã panta dreptei. notatã cu yi. numitã abatere sau eroare ºi notatã cu ui.

variabila dependentã. b ˆ Mulþ imea acestora descrie aºa-numiþ estimatori ai ii parametrilor a. Folosind date înregistrate asupra unui eºantion de n perechi de observaþ asupra variabilelor x ºi y. adicã erorile nu se influenþeazã reciproc. • necorelarea erorilor: cov( ui. • u . • homoscedasticitate: 2 var( ui )= .3 Estimarea parametrilor modelului În practicã.variabila independentã. Cele mai importante ipoteze sunt: • normalitatea erorilor :ui N 0. uj ) = 0. adicã variabila rezidualã urmeazã o lege de repartiþ normalã de medie zero ºi ie 2 varianþã . 2. 17 . b. 2 . ui ) = 0. Pentru diverse eºantioane de volum n se obþ diverse in ˆ pentru parametrii modelului de regresie liniarã. Estimatorii sunt variabile aleatoare a cãror distribuþ se ie poate descrie în anumite ipoteze impuse modelului. fapt care impune estimarea parametrilor. aleatoare. Ipotezele modelului de regresie vizeazã variabila rezidualã ºi variabila independentã. determinarea parametrilor la nivelul populaþ iei totale nu este posibil de realizat. adicã dispersia (varianþa) erorii este constantã. estimaþii a. nonaleatoare.Variabilele din ecuaþie sunt: • y .variabila aleatoare eroare sau reziduu. se calculeazã estimaþ ii iile ˆ ˆ a ºi b ale parametrilor a ºi b . • x. • lipsa corelaþ dintre variabila independentã ºi variabila iei eroare: cov( xi.

Acest fapt ne îndreptãþ eºte sã acceptãm drept model a relaþ iei ˆ de dependenþã funcþia y a bx Diagrama împr㺠tierii 80 Vânzãri 60 40 20 0 0 5 10 15 Populaþia y-vânzãri (mii kg) 18 . yi descrie un nor de puncte a cãrui formã urmeazã mai curând o dreaptã decât o linie curbã.) y-vânzãri (mii kg) 2 3 3 5 6 6 6 7 8 8 9 10 10 11 12 13 10 12 14 28 30 32 28 35 40 45 45 52 55 54 58 60 Reprezentarea într-un sistem de axe a punctelor de coordonate xi. Datele culese din 16 localitãþi sunt urmãtoarele: x-populaþ ia (zeci de mii loc.Exemplu Se cautã sã se verifice în ce mãsurã numãrul populaþ x iei determinã vânzãrile unui produs de uz curent y.

Se noteazã distanþa de a fiecare punct ( xi. Abaterile dintre valorile empirice ale variabilei efect y ºi valorile aceleiaºi variabile obþ inute pe baza modelului ºi poziþ ionate pe dreaptã ( y . analizei economice. Metoda celor mai mici pãtrate implicã cele mai mici costuri pentru aplicarea ei. yi ) cu ui. 19 .De la fiecare punct ( xi. • Metoda bayesianã. sã tindã spre adevãratele valori ale parametrilor pe mãsurã ce eºantionul creºte. sã fie ˆ cât mai mici. • Metoda verosimilitãþii maxime (MVM). Pentru realizarea acestor obiective se urmãreºte obþ inerea unor estimãri (pentru cã se dispune doar de secvenþ / eºantioane e de date) care sã conducã la: Obþ inerea unui grad de determinare (a efectului de cãtre cauzã) cât mai mare. teoretice). Estimaþiile obþinute pentru parametri sã fie cât mai precise. atunci mãrimea abaterii ˆ este diferenþa: ui yi yi ˆ În continuare se cautã obþ inerea de soluþ pentru parametrii a ii ºi b. yi ) pânã la punctul corespunzãtor de pe dreaptã ( xi. yi ) pânã la dreaptã se constatã existenþ unor distanþ mai mari sau mai mici. prognozei vânzãrilor. accidentali. i având un rol perturbator. valori ajustate. deschizând perspectiva analizei statistice. reprezentând abateri a e generate de acei factori consideraþ nesemnificativi. Metode de estimare care îndeplinesc condiþ iile enumerate sunt: • Metoda celor mai mici pãtrate (MCMMP).

În marea majoritate a cazurilor se lucreazã cu eºantioane. yi le-au înregistrat într-un eºantion. notate yi . Se numesc valori adevãrate ale parametrilor acele soluþ la ii care s-ar ajunge dacã s-ar cunoaºte toate valorile pe care le iau x. astfel încât se obþin. Aceste valori se noteazã cu a ºi b. 20 . 2. Se numesc valori estimate ale parametrilor acele soluþ care ii rezultã în urma utilizãrii datelor pe care variabilele xi.Ele se obþin dupã estimarea parametrilor. iar numãrul total de cazuri cu N. Se numesc valori / niveluri ajustate sau teoretice. acele ˆ valori care urmeazã sã fie generate de model. b . Întrucât ~ a bx se rescrie expresia astfel: y ˆ ˆ n 2 ˆ ˆ S yi a bxi i 1 Punctul de extrem se obþ ine prin egalarea cu zero a ˆ ˆ derivatelor parþiale în raport cu necunoscutele a ºi b .5 Metoda celor mai mici pãtrate Metoda celor mai mici pãtrate considerã abaterea urmãtoare drept element cheie: ui yi ~i y Ridicarea la pãtrat ºi însumarea pãtratelor abaterilor conduce la calculul sumei: n n 2 2 S ui yi ~i y i 1 i 1 Condiþ este ca estimaþ sã fie astfel alese încât aceastã ia iile sumã sã fie minimã. yi. Aceste soluþ se noteazã cu a. frecvent. estimaþii.4 Noþiuni privind datele ºi soluþiile Se numesc valori / niveluri empirice ale variabilelor y sau x acele mãrimi numerice obþ inute din statistici. Se noteazã cu xi. iar pe grafic apar sub formã de puncte de coordonate (xi. y. Doar în sfera teoriei ne referim la valori adevãrate ale parametrilor.2. iar ii ˆ ˆ numãrul de cazuri incluse în eºantion cu n. yi).

scade pentru ˆ b < 0) dacã factorul x creºte cu 1 (adicã cu o unitate naturalã în care este exprimat x). b ˆ ˆ 2 yi a bxi xi 0 ˆ b i 1 Ceea ce devine: n n ˆ ˆ na b xi yi i 1 n i 1 n n ˆ a i 1 xi ˆ b x i 1 2 i i 1 xi yi n Se noteazã: x 1 n n xi . 21 . b indicã panta dreptei de regresie (slope). b ˆ ˆ 2 yi a bxi ( 1) 0 ˆ a i 1 n ˆ ˆ S a.5.1 Interpretarea parametrilor estimaþi ˆ b indicã cu câte unitãþi naturale (în care este exprimat y) se ˆ modificã variabila – efect (creºte pentru b > 0.Rezultã sistemul: n ˆ ˆ S a. y i 1 1 n yi i 1 Se obþine soluþia: ˆ a ˆ b ˆ y bx yi y xi xi x 2 x 2. ˆ ˆ a nu are interpretare economicã ci doar semnificaþ sa de ia ordonatã la origine (intercept).

5625 5.4375 -1.5625 2.Exemplu x 2 3 3 5 6 6 6 7 8 8 9 10 10 11 12 13 7.625 22.4375 -4.7265625 22.1640625 59.6015625 103.625 17.816406 30.438 y 10 12 14 28 30 32 28 35 40 45 45 52 55 54 58 60 37. 22 . genereazã efecte diferite.2 Precizãri de naturã teoreticã privind analiza de regresie ºi modalitatea de estimare a parametrilor În procesele economice se observã cã pentru un nivel oarecare al factorului se constatã o diversitate de valori privind efectul declanºat. fie în situaþ în care se analizeazã mai multe eºantioane.5664063 6.566406 19.375 -7.4414063 6.625 14.375 -2.375 y-M(y) -27.5625 4.4765625 45.4375 -4.5.5664063 12.375 -25.2265625 94.691406 20.0664063 2.5625 1.9140625 37.942493 (y-M(y))(x-M(x)) 148.375 a= (x-M(x))2 29.375 -9.4375 -1.5625 2.0664063 2. deºi constant ca nivel.375 -23.375 2.625 7.5625 4.3164063 0. Acest aspect poate fi constatat fie pentru mai multe cazuri în care factorul.7265625 13.0664063 0.8515625 800.2890625 11.375 -5.4765625 1.625 b= x-M(x) -5.691406 5. iar un nivel iile identic al factorului de la un eºantion la altul genereazã efecte diferite.4765625 4.0390625 1.1015625 125.1914063 0.9414063 2.4375 -1.5625 0.625 16.6015625 7.4375 -0.4375 0.9375 0.375 -9.941406 161.625 7.625 20.4375 -2.6152065 2.5625 3.8515625 112.8515625 10.691406 19.3164063 2.

16 luni în care se cunoaºte rata dobânzii. În practicã rareori se apeleazã la toate cazurile care formeazã populaþ întrucât aceastã variantã de lucru implicã eforturi ia. Pe baza datelor unui eºantion se pot obþ doar estimãri ale ine parametrilor care apar în funcþia stochasticã a eºantionului (FSE): Obþ inerea valorilor estimate pentru constantele funcþ iei stochastice deschide perspective cum ar fi: • Cuantificarea rolului variabilei factoriale (x) asupra variabilei ˆ efect.Relaþia dintre cauzã ºi efect nu este de tip determinist. 23 ˆ yi ˆ ˆ a bxi . întâmplãtor): y = a + bx + u În situaþ în care datele se referã la întreaga populaþ se ia ie obþine o funcþie de regresie a populaþiei (FRP): y = a + bx + u unde coeficienþii a. Pe lângã factorul cu rol determinant existã ºi un element aleator care perturbã relaþia dintre cauzã ºi efect. • Obþ inerea de valori ajustate ale nivelurilor variabilei efect adicã valori yi datorate exclusiv influenþei factorului determinant. etc. exprimatã de nivelul b . b reprezintã valorile adevãrate ale parametrilor. analiza acestei serii de valori reziduale conduce la aprecieri privind calitatea modelului. • Determinarea unor previziuni privind evoluþia variabilei efect în condiþ în care nivelul viitor al factorului este previzibil ºi nu iile se întrevãd schimbãri majore în relaþia dintre x ºi y. Relaþ de dependenþ este datã de funcþ stochasticã ia ã ia (stochastic = aleator. deosebite. ˆ • Calculul abaterilor ui yi yi este util. În optica temporalã: 20 trimestre în care s-au realizat importuri. Este de preferat utilizarea datelor unui eºantion: În optica transversalã: 35 firme sau 60 familii sau 80 clienþ i bancari. 18 ani în care s-a înregistrat evoluþia producþiei.

în general.Astfel de perspective sunt de interes pentru analiza ºi prognoza în economie. aprecierea performanþelor modelului. 24 . dar ºi interesului acordat verificãrii modului în care au fost obþ inute estimãrile. Ele justificã importanþa atribuitã estimãrii în econometrie. calitãþ ile acestora ºi.

25 . rata dobânzii.Capitolul 3 Influenþ multiple de tip liniar ºi neliniar e în economie. 3. Este necesarã includerea în mod explicit a factorilor cu influenþã determinantã. umiditatea solului. investiþiile începute. Situaþ mult mai frecventã este aceea în care nivelul ia fenomenului economic este rezultanta mai multor factori importanþ la care se adaugã ºi rolul unor factori mai puþ i in cunoscuþi. • Cererea de mãrfuri este funcþie de ofertã. utilajele folosite. • Volumul investiþ iilor depinde de cuantumul economiilor. ca ºi de numãrul salariaþilor. calitatea lucrãrilor. • Producþ vegetalã din agriculturã depinde de cantitatea de ia îngrãºãminte. precum ºi includerea unor relaþii de tip neliniar. venituri.1 Cazul liniar multifactorial În practicã sunt puþ fenomene economice care depind în ine mod semnificativ de un singur factor. modelul multifactorial O apropiere a modelului econometric de diversitatea ºi complexitatea proceselor economice presupune analiza relaþ iei dintre variabila efect ºi un ansamblu de factori determinanþ i. Exemple • Producþ industrialã este influenþ de cantitatea ºi calitatea ia atã fondurilor fixe. preþuri. presupuºi a fi nesemnificativi. publicitate. astfel încât sã se reducã perturbaþia.

ã. x2i . xki reprezintã media distribuþiei variabileiefect condiþ ionatã de modificãrile de nivel constatate în ce priveºte factorii importanþi luaþi în calcul. x2i ..... minore ca importanþ întâmplãtoare (aleatoare.. apropiindu-l de modalitatea realã de desfãºurare a proceselor economice..• Atât în teoria economicã. iar introducerea lui conferã modelului atributul de stochastic... ia influenþeazã variabila-efect. x2i . stochastice) ca mod de comportare. 26 . x2i ..... elementul perturbator u este luat în calcul. xki unde M yi / x1i . • Ceea ce nu se cunoaºte este mãsura în care fiecare factor influenþ eazã variabila-efect.... în care apar k factori: ~ yi f x1i .. cât ºi în practicã se gãsesc astfel de factori determinanþ inclusiv direcþ în care fiecare dintre ei i. printr-o relaþie de tip liniar. ak xki ui De remarcat faptul cã atunci când se face referire la un caz aparte ºi nu la medie... xki f x1i . xki Funcþia de regresie este de forma: M yi / x1i . ak xki Forma stochasticã a modelului de regresie include ºi variabila rezidualã u prin intermediul cãreia sunt evidenþ iate influenþ ele accidentale. x2i .. În cazul în care relaþ dintre variabila-efect ºi fiecare dintre ia cauze este de tip liniar se obþine: M yi / x1i . xki a0 a1 x1i a2 x2i . În realizarea unei astfel de mãsurãtori intervine econometria. Se abordeazã un caz multifactorial în care variabila-efect depinde de 2 factori... Relaþia este de tip multidimensional.... dar care pot genera o abatere oarecare asupra variabilei-efect: yi a0 a1 x1i a2 x2i .

2 2. Din sursele teoretice ºi practice rezultã doi factori: veniturile disponibile ale populaþiei ºi oferta de servicii existentã pe piaþã.4 19 3. a2 reprezintã estimaþ ale parametrilor întrucât se ii ˆ ˆ ˆ utilizeazã date pentru un eºantion. • Venitul mediu ce revine pe membru de familie (în mii lei) – reprezintã primul factor.2 1.1 18 3 2. notat cu z.3. lei) 10 1.2 21 3. Verificarea semnificaþiei rezultatelor estimãrii.2 Etapele demersului: • • • • Elaborarea modelului.5 0. Datele de care dispunem se referã la valori trimestriale privind: • Ponderea cheltuielilor destinate serviciilor în bugetul familiei – reprezintã variabila-efect notatã cu y.3 2.5 2.4 2.8 16 2. notat cu v.4 16 2.6 18 3 2.1 Specificarea Se presupune cã studiul se referã la analiza cererii de servicii de cãtre populaþ în raport cu cauzele care determinã o astfel de ie cerere.5 19 3.2.8 Se acceptã varianta liniarã. • Investiþ iile în domeniul serviciilor destinate populaþ (în iei milioane lei) – reprezintã al doilea factor. Utilizarea modelului în vederea analizei ºi prognozei. Menþiuni: 27 .5 2 17 2.8 16 2. Specificarea modelului conduce la urmãtoarea reprezentare: yi ˆ a0 ˆ a1vi ˆ a 2 z i ui unde a0 . Estimarea parametrilor. Datele pentru n = 15 trimestre succesive: y% v (mii lei) z (mil.5 1 12 2 1.8 11 1.4 2.5 14 2 2 15 2 1.1 18 3 2. a1 . 3.

• Se utilizeazã metoda celor mai mici pãtrate.2. • Eroarea de specificare ar putea consta fie în alegerea unui numãr prea mic de cazuri. 3. a2 estimatori de calitate . fie alegerea unui numãr prea mare de factori. adicã obþ ii inerea de ˆ ˆ ˆ a0 . fie alegerea greºitã a funcþiei. superior numãrului de parametri din model. Important în aceastã etapã: • Asigurarea unui numãr suficient de mare de cazuri n 15 .2 Estimarea parametrilor • Se cautã soluþ pentru necunoscute. 2.1. ui2 i ˆ a0 2 i 0 yi ˆ ˆ a0 a1vi ˆ a2 z i 1 0 ui2 i ˆ a1 2 i 0 yi ˆ ˆ a0 a1vi ˆ a2 z i vi 0 28 . • Se obþine punctul de minim al expresiei. în iei sensul cã opþ iunile fãcute în faza specificãrii urmeazã sã fie verificate în etapele urmãtoare (în etapa verificãrii ºi a utilizãrii modelului). adicã suma pãtratelor abaterilor sã fie minimã: n n u i 1 2 i i 1 yi ˆ a0 ˆ a1vi ˆ a2 zi 2 • Se egaleazã cu 0 derivatele parþ iale în raport cu fiecare necunoscutã. a1 . Stabilirea factorilor ºi a funcþ reprezintã o bazã de pornire. • Stabilirea factorilor cu rol realmente determinant ºi independenþi între ei.

ui2 i ˆ a2 2 i 0 yi ˆ ˆ a0 a1vi ˆ a2 zi zi 0 Rezultã sistemul de ecuaþii normale: ˆ na0 ˆ a0 i ˆ a1 i vi ˆ a1 i ˆ a2 i zi i yi vi zi i i vi zi i vi2 vi zi i ˆ a2 ˆ a2 i vi yi z i yi i ˆ a0 ˆ a1 zi2 Sistemul se poate scrie în formã matricealã astfel: n v z v v2 vz z vz z2 ˆ a0 ˆ a1 ˆ a2 y yv yz Se noteazã: • matricea coeficienþilor cu X • matricea necunoscutelor cu A • matricea termenilor liberi cu Y Sistemul se scrie astfel: XA = Y Soluþia se obþine: A = X – 1 Y 29 .

42 30 240 79.8 46.6 37.76 9 9 9 10.8 62.3 3.2 2.64 1 2.24 10.9 503.2 40 40.1 30 .4 2.8 32 40.96 5 5.25 5.24 4 5.5 37.5 3 4 3.84 64.1 Matricele X 15 37.25 4 3.4 2.8 38.2 1.41 6.1 2.842506 2.4 2.5 2.89 12.4 3 3 3 3.8 503.5 30 37.84 6.5 2.41 4.4 4.4 vz 1.5 2 1.5 z 0.24 3.8 1 1.8 7.84 7.2 3.5 41.5 626.42 yv 15 16.76 6.2 47.Exemplu y 10 11 12 14 15 16 16 17 16 18 18 18 19 19 21 240 v 1.49 z2 0.25 99.3 7.49 79.394573 Y 626.25 4 4 4 4.8 58.8 2 2.25 4.5 24 28 30 35.8 30 v2 2.04 6.8 79.1 2.7 73.76 4.76 5.5 2 2 2 2.8 33.76 5.6 3.42 A 64.104588 2.2 2.6 2.76 5.5 1.26 9.5 99.4 54 54 54 60.8 1.9 yz 8 11 18 28 27 28.8 43.2 8 7.25 2.

3 Interpretarea estimaþiilor obþinute pentru parametri ˆ • Interpretarea lui a1: La o creºtere a venitului cu o unitate (o mie de lei). relaþ dintre y ºi x este de acelaºi sens (creºte x.2. cererea pentru servicii (y) creºte. • Interpretarea lui a2 : ˆ La o creºtere a ofertei (redatã prin investiþ cu o unitate (1 milion ii) lei).3. în condiþiile în care veniturile rãmân aceleaºi. În general. Dacã semnul este minus. fie cã se referã la teoria economicã în general. ia scade y). 3.394573%. cu 2. în condiþ în care iile oferta (z) rãmâne constantã. în medie. cererea pentru servicii creºte. relaþ este de sens invers (creºte x.3 Recomandãri în ceea ce priveºte aplicarea modelului econometric multifactorial Alegerea variabilelor independente din model (a variabilelor factoriale) reprezintã o primã problemã care se cere rezolvatã. în modelul multifactorial. în medie. ia creºte ºi y. Sursele de informaþ care pot sugera cele mai importante cauze ii care determinã variabila dependentã sunt: • Manualele de economie. ˆ Parametrul a0 nu are o interpretare economicã. interpretarea ˆ parametrului estimat a j indicã cu cât se modificã (creºte sau scade. dar se poate considera ca fiind nivelul variabilei-efect când factorii determinanþi sunt nuli. în funcþ de semnul parametrului) în medie variabila-efect (y) la o ie creºtere cu o unitate a factorului xj în condiþ iile în care ceilalþ i factori determinanþi introduºi în model sunt consideraþi constanþi. scade x. cu 2. Dacã semnul este plus. la sectoare 31 . Interpretarea se referã ºi la semnul parametrului. fie la macroeconomie sau microeconomie.842506%. scade ºi y).

dar ºi unele care au doar tangenþ cu tema propusã. Revista financiarã. precum buletinele Comisiei Naþ ionale de Statisticã. comerþul internaþional). etc. pot sã aparã urmãtoarele aspecte: a) posibilitatea de a utiliza serii cronologice de date (valori anuale. a Economistul. situaþia pe judeþe. trimestriale. Sursele cele mai importante de date pot fi: • buletinele statistice (producþia. exportul. indicatorii resurselor. întreprinderi). de naturã psihologicã.1 Datele numerice O altã problemã o reprezintã datele numerice ºi accesul la un numãr suficient de date de calitate.ale economiei sau domenii de activitate. importul). preþurile). privind calitatea vieþ ii (statistica bugetelor de familie) • evidenþele agenþilor economici (bilanþul). • Reviste sau publicaþ ºtiinþ ii ifice în care pot apãrea cercetãri similare. creditul. dobânzile. • Periodice în care sunt publicate trimestrial sau lunar date ºi analize conjuncturale. În etapa culegerii datelor. • anuarele statistice (date privind indicatorii macroeconomici. comerþul exterior. Piaþ de capital. respectiv optica transversalã pentru analizarea rolului fiecãrui factor.3. 3. lunare) sau de a utiliza serii transversale (un eºantion de localitãþ familii. 32 . sau ale BNR. • buletinele Bãncii Naþ ionale a României (serii de date privind inflaþia. • anchetele pe teren prin care pot fi obþ inute ºi date cu privire la factorii latenþi. Revista Românã de Statisticã. • buletinele diverselor instituþ ii. etc. ã Exemple: Studii ºi cercetãri de calcul economic ºi ciberneticã economicã. alternative se are în vedere existenþ de date în aceeaºi alternativã a pentru toate variabilele. Pentru a opta între cele douã i. includ informaþ ii referitoare la factorii determinanþi. Se opteazã pentru serii cronologice dacã scopul este obþ inerea de prognoze în timp.

în vederea exprimãrii valorilor în preþ urile anului de bazã la care se referã indicele). oferta cu producþia. Se recomandã înlocuirea datelor anuale cu cele trimestriale sau lunare sau suplimentarea numãrului de cazuri din eºantion pentru seriile transversale. corectarea calculelor. d) datele sunt susceptibile de erori.1 Modele neliniare în raport cu variabilele dar liniare în raport cu parametrii Parametrii sunt la puterea 1. 33 . 3. cererea cu vânzãrile. eliminarea valorilor aberante). indicatori obþ i în condiþ diferite inuþ ii în ce priveºte metoda sau aria de cuprindere) Se recomandã efectuarea de corecþii (completãri.b) datele la care avem acees nu se referã exact la variabilele preconizate spre a forma modelul. greºeli de calcul). Exemple: Producþia vegetalã = a + bX + cX2 + u. a absenþ unitãþ de mãsurã. Exemplu: venitul permanent disponibil se poate înlocui cu venitul brut. c) datele sunt mult prea puþ .4 Modele neliniare Pentru descrierea unui numãr mare de procese economice sunt necesare modele neliniare. cât ºi calitativã a ii (valori aberante total atipice. ceea ce implicã verificarea lor atât din perspectiva cantitativã (absenþ de valori în unele cazuri. nu se pot forma serii de cel puþ ine in 15-20 termeni.4. În frecvente cazuri este necesarã deflaþ uri ionarea datelor (împãrþirea valorilor exprimate în preþuri curente la indicele de preþ uri. Aceste modele pot fi convertite în modele liniare prin transformãri corespunzãtoare. O atenþ deosebitã trebuie acordatã valorilor exprimate în ie preþ curente. dar existã posibilitatea de a le înlocui cu variabile foarte apropiate ca ºi conþ inut. 3.

neabordabile prin MCMMP Variantele neliniare neabordabile prin metoda celor mai mici pãtrate sunt fie modele neliniare în raport cu parametrii (cel puþ in un parametru e la o putere diferitã de 1).4. model neliniar în parametrul b. e = 2. K = capitalul. 3.. Exemple Funcþia de cost de forma: y a bX u unde b este la puterea 1/2. fie reprezentãri în care variabila rezidualã este inclusã în model într-o formã care împiedicã liniarizarea.unde X este umiditatea solului. Pentru X2 = Z. Modelul devine: y = c + ax + bz + u Pentru fiecare exemplu de model neliniar s-a ajuns la o formã liniarã de reprezentare. fie în raport cu parametrii. Pentru 1/Q = Z. lne =1. abordabilã în ceea ce priveºte estimarea parametrilor prin metoda celor mai mici pãtrate. dar ºi cu variabilele. lnM = x. Funcþiile de consum de forma: y aX a2Z u 34 . modelul devine: Producþia vegetalã = a + bX + cZ + u Preþul produsului = a + b(1/Q) + u. modelul devine: Preþul produsului = a + bZ + u Producþia industrialã Q = AMaKbeu. lnK = z. unde Q = producþia. unde Q = cantitatea existentã pe piaþã. Se logaritmeazã ºi se noteazã: lnQ = y. lnA = c.2 Modele neliniare.71. M = munca.. .

3. Pentru obþinerea de estimaþii privind parametrii se apeleazã la algoritmi care aplicã metode numerice în vederea obþ inerii de soluþii în cazurile de neliniaritate. 2. Determinarea sumei pãtratelor valorilor reziduale obþinute. Etapele algoritmului 1. • pentru reprezentãrile în care modalitatea de includere a variabilei reziduale nu permite liniarizarea. nu pot fi argumentate prezumþ iile conform cãrora variabila rezidualã este normal distribuitã. Iniþializarea parametrilor. sau: c y a bx u sau: y 1 1 e ax b u Funcþia de producþie: y ax b z c u unde variabila rezidualã u este inclusã în variantã aditivã. nu este sigur cã estimaþ sunt compatibile cu iile un minim global în ce priveºte suma pãtratelor reziduurilor. Modificarea valorilor ultimelor estimaþ astfel încât suma sã ii. având media egalã cu zero ºi dispersia finitã ºi relativ constantã pe segmente de valori. ceea ce face dificilã liniarizarea. se diminueze. 35 . Se comparã ultima sumã cu cea anterior obþ inutã ºi se reia procesul de la pasul 3 pânã când mãrimea sumei converge spre o valoare stabilã. din ii urmãtoarele motive: • pentru reprezentãrile în care cel puþin un parametru apare la o putere diferitã de 1. În astfel de situaþ nu se recomandã utilizarea MCMMP.model neliniar în parametrul a. 4.

3. în situaþ în care rolul lor este presupus semnificativ. etc. gradul de stabilitate ºi competenþ guvernanþ a ilor. care pot fi mãsurate. • Situaþ de a fi acceptat sau nu în urma unui interviu depinde ia de prestaþie. categorii. • Economiile populaþ sub formã de depozite la o anumitã iei bancã depind de rata dobânzii. mulþ umitoare. ã ul cursul de schimb. vârstã. existã ºi variabile a cãror intensitate este exprimatã prin atribute: serviciu satisfãcãtor / nesatisfãcãtor. venituri. dar ºi de managementul procesului de producþie. moderat. dar ºi de încrederea deponenþ în ilor banca respectivã. • Exportul unui produs pe o piaþ depinde de preþ ofertei. calitãþi. Rolul factorilor de naturã calitativã este important pentru analiza ºi prognoza proceselor economice. În termenii econometriei. risc maxim. alãturi de procese cantitative. sau de temerile cumpãrãtorilor cu privire la accentuarea inflaþiei. aprecieri sunt variabile calitative. Variabilele care se referã la însuºiri.5 Variabile calitative în economie În economie. • Vânzãrile de bunuri durabile depind de preþ dar ºi de calitate . apreciere excelentã. negativã. introducerea factorilor de naturã calitativã. bunã. foarte bunã. • Starea de spirit a populaþ depinde de frecvenþ conflictelor iei a sociale. putere de convingere. minim. Exemple • Producþ depinde de dotarea cu utilaje ºi de numãrul de ia angajaþi. iile conduce la creºterea gradului de determinare ºi la un plus de calitate a estimaþiilor obþinte pentru parametri. dar ºi de renumele mãrcii ºi încrederea existentã pe acea piaþã privind calitatea produsului. grade de comparaþ ie. 36 . a cãror intensitate este exprimatã prin atribute.

promovat/nepromovat. iar media pentru x = 1 este (40+50+50):3=46.6666 ˆ a y x 0 13.5. Exemplu Cheltuielile familiilor destinate turismului sunt analizate în raport cu situaþ de a avea automobil (D = 1) sau de a nu avea ia automobil (D = 0).3333 ˆ ˆ a b y x 1 46. masculin/feminin.3333 Media cheltuielilor (y) pentru servicii în turism a celor care nu deþin autoturism (x=0) este de (20+10+10):3=13. Exprimarea cantitativã se face astfel: se atribuie nivelul 1 unei alternative ºi nivelul 0 celeilalte.3333 ˆ b 33. C = a + b D(1. înainte de momentul t / dupã momentul t.6666 37 .Problema cuantificãrii (exprimãrii prin numere) variabilelor calitative reprezintã o etapã de a cãrei rezolvare depinde calitatea analizei economice bazatã pe modelul econometric.0) Cheltuieli (sute lei) 20 40 50 10 10 50 0 1 1 0 0 1 D Factorii introduºi în model sunt exclusiv de naturã dichotomicã În exemplul anterior: y x Se obþine 20 0 40 1 50 1 10 0 10 0 50 1 ˆ a 13. 3. simbolizatã prin D) admite doar douã alternative: da/nu.1 Variabilele dichotomice O variabilã dichotomicã (“dummy”.3333.

unde D = 1 (F) ºi D = 0 (M) C Datele C v D a0 a1v a2 D 1. ie adicã se considerã relaþia de forma: C Se obþine: ˆ a0 ˆ a1 a0 a1v u 2. 38 .173924 În varianta a doua. considerând ecuaþia de forma: C a0 a1v a2 D 1.0).16098503 ˆ a2 1.802923988 Gradul de determinare prin prisma influenþ celor doi factori ei a crescut.12503 0.0 u 2 0 4 2 8 8 12 3 6 4 1 6 6 1 2 20 18 30 21 40 50 60 42 35 51 19 62 44 25 40 1 0 1 0 1 1 1 0 1 0 1 1 0 0 1 Dacã într-o primã variantã se face abstracþ de variabila D. De asemenea. comparativ cu prima variantã. estimaþ sunt mai apropiate de calitãþ iile ile estimatorilor.0 u Se obþin valorile: ˆ a0 2.726331823 ˆ a1 0.Factorii introduºi în model reprezintã o variabilã cantitativã ºi o variabilã calitativã Exemplu: • Consumul de cafea C • Vârsta consumatorului v • Sexul D(1.

Ponderea rãspunsurilor ca urmare a modificãrii valorilor xi poate fi reprezentatã de egalitatea: Pi M y 1 / xi 1 1 e a bxi 39 . numãrul persoanelor feminine) sau la ponderea frecvenþ înregistrate pentru o alternativã (ponderea rebuturilor. o parte tot mai mare dintre amatori îºi schimbã intenþ de a cumpãraîn contrara acesteia (a nu ia cumpãra). unde y poate ia ã prezenta douã alternative (nu sau da). Modelul de descriere a unui astfel de proces se bazeazã pe funcþia logisticã. se procedeazã la creºterea preþ ului unui produs. O creºtere treptatã a impozitelor într-un interval dat poate avea drept efect renunþarea unor plãtitori de impozite de a mai plãti prin lichidarea activitãþ impozabile fie în mod real. Exemple Pe mãsurã ce.Posibilitãþi de mãsurare a variabilei dichotomice a) Introducerea în calcule a unei alternative (dintre cele douã) sub formã de fecvenþã sau pondere b) Modelul Logit a) Pentru a exprima intensitatea prezenþ unei variabile alternative ei se poate recurge la însumarea apariþ iilor uneia dintre alternative (de exemplu. iar pe mãsurã ce x înainteazã pe scara valorilor xi ne apropiem de un punct de cotiturã de la care alternativa iniþialã se modificã radical. în mod experimental. ei ponderea posesorilor de automobile). fie în mod ii declarativ. Relaþ de dependenþ este de tipul y=f(x). b) Modelul Logit este destinat exprimãrii într-o formã operaþ ionalã (rezultate numerice obþ inute din calcule bazate pe un model matematic) a acelor situaþ în care creºterea unui factor numeric ii are drept efect schimbarea unei atitudini de tip dichotomic.

Pi 0.Se noteazã: a+bxi = zi L = Pi / (1 – Pi) atunci L = e z.38629 40 . de rãspunsuri da în eºantion Ni = mãrimea eºantionului.8 L 19 4 lnL 2.25 -1.386294 2.8 0.2 0.95 0. celor care eºantion 20 30 20 25 2-6 6-10 10-14 14-18 au acceptat 19 24 14 5 Se organizeazã datele ºi se fac calculele: xi 4 8 12 16 Ni 20 30 20 25 ni 19 24 14 5 Pi 0. Situaþ acceptãrii împrumutului ia în raport cu rata dobânzii se prezintã astfel: Nr.944439 1. Exemplu Pentru 4 eºantioane de clienþ bancari care intenþ i ionau sã solicite un credit au fost propuse contracte de creditare cu dobândã diferitã de la un eºantion la altul. persoane în Rata dobânzii Nr.7 0. Pi = ni / Ni.3 0.3333 0.05 0.2 1.847298 0. iar lnL = z = a + bxi În aplicaþii. unde ni = nr.

41 . 33828 x O altã posibilitate utilizatã în vederea exprimãrii numerice a unei variabile calitative presupune înlocuirea acesteia printr-un reprezentant numeric. dar care are avantajul ie) exprimãrii numerice.330733 0. Variabila instruire este reprezentatã de numãrul anilor de studii ºcolare. Variabila motivare la locul de muncã este reprezentatã de evoluþ ia câºtigurilor.Se obþin valorile: a b 4. intens corelatã cu variabila calitativã sau fiind un rezultat (un subprodus.33828 Funcþia logisticã are forma: y 1 1 e 4 . Exemple Variabila calitativã îndemânare (în profesie) este reprezentatã de vechime în acea activitate. 330733 0 . Introducerea variabilei reprezentant comparativ cu neintroducerea ei )ºi implicit absenþ totalã a variabilei calitative a din model deºi rolul ei este important) conduce la creºterea gradului de determinare. o implicaþ a acesteia. numitã variabilã reprezentant (proxyvariable). O altã modalitate de mãsurare a variabilelor caliative este prin atribuirea de numere formând un ºir corespunzãtor creºterii intensitãþ calitãþ unui proces exprimat prin atribute sau categorii ii ii de calitate.

2 stele.. .2.5. reprezentând acord cu o afirmaþ de loc. etc.4.. slab. mediu. Atribuirea de note alternativelor existente într-o scalogramã: 1.. foarte puternic. 3.Exemple ª irul ordonat 1. 2. ie: puternic. corespunde categoriei de încadrare care poate fi hotel de 1 stea. 42 .3.

43 . Verificãri ale rezultatelor modelãrii prin compararea acestora cu realitatea economicã Semnul parametrului poate confirma sau infirma cele cunoscute din teoria ºi practica economicã. fie exprimã deformat rolul factorilor. fie la alegerea funcþ (predilecþ pentru funcþ liniarã nu este iei ia ia întotdeauna suficient argumentatã). • Lipsa de experienþ ºi subiectivismul celui care elaboreazã ã modelul econometric. Se recomandã: • Verificãri prin confruntarea cu realitatea economicã cunoscutã din teorie sau din practicã. Testul t. aºteptãri) se regãsesc în semnalele pe care le transmit rezultatele aplicãrii modelului. • Verificarea în sens statistic a semnificaþ iei rezultatelor estimãrii. testul F 4. • Rolul cauzelor accidentale ca ºi cel al întâmplãtoarelor analogii în ceea ce priveºte evoluþ factorilor incluºi în model iile poate conduce la estimaþ ale parametrilor care fie contrazic ii aspecte evidente ºi anticipate din economie. slãbiciuni care se manifestã fie la alegerea factorilor (deseori influenþ de dificultãþ în obþ atã ile inerea de date).1 Necesitatea etapei verificãrii • Datele utilizate provin dintr-un eºantion care nu întotdeauna este reprezentativ.Capitolul 4 Verificarea semnificaþ statistice a iei rezultatelor estimãrii. • Verificarea modalitãþ în care o serie de ipoteze (prezumþ ii ii.

98263 -0.27016 7 35 35.27016 1.27016 -2.92512 -1. • Într-o funcþ de producþ semnul ataºat factorilor care ie ie.2126575 -0.92512 13 60 64. Dacã. determinã producþia ar trebui sã fie plus.98263 12 58 59. În exemplul unifactorial.27016 6 32 30.32767 2.15515 -0. fie datele.04014 4. semnul parametrului corespunzãtor preþului ar trebui sã fie minus.50019 -0.44269 -3. având o evoluþ (în ie succesiunea obþinerii) întâmplãtoare.09764 -0. fie specificarea.44269 5 28 25.729836 6 28 30.959864 11 54 54. ˆ Este de aºteptat ca valorile ajustate y sã fie asemãnãtoare cu cele empirice (y).959864 10 55 50.672329 6 30 30. fie predominã acelaºi semn). fie într-o alternanþ a ã semnului neîntâmplãtoare.04014 1. atunci trebuie revãzute fie calculele.21266 -0.44269 -1. Generarea de valori implicã înlocuirea în model a ˆ simbolurilor a j cu estimaþ iile obþ inute pentru parametri ºi atribuirea de valori factorilor. abaterile sunt relativ mari sau prezintã o succesiune sistematicã (fie în creºtere.86762 44 .09764 10 52 50. dimpotrivã.86762 -4. dependenþ vânzãrilor de numãrul a populaþiei.15515 8 45 40. ˆ Generarea de valori y pe baza modelului estimat ºi compararea lor cu datele empirice (rezultate din observarea pe teren a variabilei y).Exemple: • În relaþ preþ ia -vânzãri. atât ca semn cât ºi ca mãrime.44269 3 14 15.50019 3 12 15.27016 -0.21266 7 35 35. abaterile sã fie relativ mici.15515 4.84485 9 45 45. se obþin urmãtoarele rezultate: x y y ajustat u=y -yajustat 2 10 10.2126575 8 40 40.

23708 2 1.28401 1.5 0. etc.8 21 20.75816 0.858 -0.75292 0.18704 -0.8 16 14.66071 0.37908 -0.4 18 18.1 Principalele noþiuni specifice Semnificaþie = importanþ relevanþ deosebire marcantã a ã. rezultatului estimãrii (cu privire la rolul unui factor) în raport cu ceea ce ar rezulta ca urmare a întâmplãrii. care nu ie se datoreazã întâmplãrii (erorii de sondaj) ºi.4 2. în mod obiectiv.5 19 19. cã respectiva estimaþ relevã ceva semnificativ.) în sensul ie. factorul al cãrui rol este cuantificat este realmente determinant pentru procesul analizat.5 12 13. testul t Obiectivul verificãrii constã în aprecierea în sens statistic a mãrimii estimaþ obþ iei inute astfel încât sã se poatã afirma.18704 3.2 19 18.09983 0.1 18 17.38146 2 2 14 14.76292 0. ca urmare.67358 0.5 2 16 16 0 2.57875 -0.044794 3 2.339291 3 2.Exemplul multifactorial: v z y y ajustat u 1.241837 4.8 15 14.38146 -1.2 Verificarea semnificaþiei statistice a fiecãrui parametru estimat.4 2.247082 3. ã.5 1 11 10.8 10 10.3 2.6 18 18.2.4 17 16. 45 .57875 2 1.2 1.331667 2. similar poate fi apreciatã abaterea dintre douã mãrimi de aceeaºi naturã (douã medii de selecþ un nivel estimat ºi un nivel adevãrat.95521 0.66833 1.5 2.2 2.326422 2.900169 2.28401 -0. 4.1 16 15.37908 3.858 3 2.

care neagã semnificaþ care poate fi confirmatã sau respinsã în baza ia) 2 unei repartiþ (normale. care pot sã difere de la un ii eºantion la altul) în cadrul cãreia se plaseazã cu o probabilitate rezonabil de mare parametrul care formeazã obiectul estimãrii. fiecare pereche. pozitivã sau nulã de realizare a respectivului nivel.nivelul variabilei aleatoare (xi ) ºi probabilitatea (pi). datoritã întâmplãrii.). prestabilitã cu privire la riscul de a greºi în concluzia finalã. funcþ ale valorilor observate. F. t. Interval de încredere = distanþ dintre 2 valori (notate z1 ºi ã z2. datoritã unei cauze relevante.aprecierii dacã abaterea este semnificativã. Întrucât apelãm la datele unui eºantion este necesar sã stabilim o limitã superioarã (prag de semnificaþ pânã la care acceptãm inerenta incertitudine.) ºi a unei probabilitãþ de a i greºi ( ) în ceea ce priveºte concluzia. sau este nesemnificativã. Astfel. Repartiþ statisticã = mulþ ie imea perechilor ordonate de valori xi ºi pi. 46 . intervalul nilateral se referã la distanþ dintre nivelul-pilot ºi una dintre limitele extreme (z1 sau a z2). ii etc. poate fi greºitã (ceea ce înseamnã cã ipoteza nulã este corectã). ie) rãmânând un nivel de încredere rezonabil de mare ( 1 . reprezentând. acceptãm cã în 5% din cazuri (dacã = 0. pi = 1. întrucât se extinde de o parte ºi de alta a unui nivel-pilot. Dacã un astfel de interval îl denumim bilateral. Nivel (prag) de semnificaþie = probabilitate. de regulã.05) concluzia prin care se afirmã cã ipoteza nulã este falsã. Test statistic = procedeu ale cãrui etape conduc la o concluzie cu privire la o ipotezã preformulatã (ipoteza nulã.

fie acceptarea ipotezei alternative (H1) a confirmãrii supoziþiei iniþiale. 4. Abaterea de la medie împãrþitã la abaterea medie pãtraticã ˆ ˆ a M a 47 . genereazã valori comparabile cu cele specifice unei anumite repartiþ nivelul tabelat rezultã în urma preluãrii dintr-un ii. de cãtre cel interesat. nivel poziþ ionat la intersecþ ia pragului de semnificaþie acceptat ºi gradele de libertate. De exemplu. Astfel de presupuneri urmeazã sã fie verificate aºa încât sã rezulte fie acceptarea ipotezei nule (H0). dependenþ unei variabile y de evoluþ a k a ia factori (independenþ între ei) conduce la pierderea unui numãr de i posibilitãþ de a evolua liber (egal cu numãrul factorilor). tabel. corespunzãtor repartiþ iei. astfel cã i rãmân (n – k) grade de libertate (unde n = numãrul de cazuri din eºantionul de date). de regulã. Ipoteza statisticã = presupunere cu privire la repartiþ ia urmatã de o variabilã sau cu privire la parametri ºi semnificaþ ia acestora. de tip negativist.2 Testul t Întregul demers presupus de testul t se bazeazã pe prezumþ ia ˆ ˆ conform cãreia abaterile estimaþiei a de la media sa M a care sar obþine în cazul repetãrii estimãrii pentru mai multe eºantioane de volum identic. a unei formule care.Grade de libertate = coordonate independente în sensul de valori liber alese pe care le poate înregistra o variabilã dacã este restricþionatã de condiþii ce pot fi prestabilite. urmeazã o repartiþie normalã.2. Nivel calculat / nivel tabelat = dacã nivelul calculat rezultã în urma aplicãrii.

3 Etapele verificãrii 1. Eºantionul fiind mic. Se determinã t – calculat. conform relaþiei. Verificarea modelului unifactorial 48 . n < 30.urmeazã. Se preia din tabel t – tabelat 5. pentru eºantioane de volum mic (n < 30). minus numãrul de parametri din model (k). De regulã nu dispunem de mai multe eºantioane ci avem date pentru un singur eºantion. 4. folosind notaþ ia iile: a j pentru estimaþ ia supusã verificãrii ºi pentru abaterea medie pãtraticã a ˆ aj estimaþiei. 4. este urmãtoarea: t calculat ˆ aj ˆ aj Rezultatul se comparã cu nivelul tabelat pentru un risc acceptat. Se comparã: • dacã t–calculat < t–tabelat se confirmã (H0) • dacã t–calculat > t–tabelat se infirmã (H0). Se cautã o asemenea transformare a estimaþ obþ iei inute încât sã devinã comparabilã cu nivelul t – tabelat pentru (n–k) grade de libertate ºi un risc (alfa) apriori ales. 2. repartiþ ia Student.2. = 0.05 ºi un numãr de grade de libertate egal cu numãrul de cazuri (n). În acest caz considerãm abaterea estimaþiei în raport cu zero: ˆ a 0 ˆ Relaþ de calcul. 3. se are în vedere repartiþia Student. de exemplu. Stabilirea ipotezei nule (H0): estimaþ rezultatã nu diferã ia semnificativ de zero.

05 este 2.calculat pentru parametrul b este 4. t.39457 z u2 s2 u su 6. ˆ Se infirmã ipoteza nulã ºi se acceptã alternativa conform cãreia b diferã semnificativ de zero.221939 : (15 3) 0.63. care se obþine s u 2 u2 n k Pentru a calcula dispersiile parametrilor care apar în modelul multifactorial se înmulþ esc elementele de pe diagonala matricei -1 2 inverse X cu s (u).8425v 2. pentru 15 – 2 = 13 grade de libertate ºi = 0.16.8579 x x ˆ t. considerând factorii în succesiunea apariþ iei lor în model.228485 2 2 ˆ a 1 n x 1.518495 0.tabelat. Abaterea medie pãtraticã este datã de estimaþia ei: ˆ s aj ˆ y 1 s 2 u d jj Modelul multifactorial este: 4. fiind un factor determinant.228485 = 21.518495 0.221939 6. Verificarea modelului multifactorial Dispersia astfel: 2 u se înlocuieºte cu estimatorul ei s2(u).În cazul modelului unifactorial y a bx u abaterea medie pãtraticã rezultã astfel: 2 u ˆ b x x 2 u 2 0.9425 / 0.1046 2.72 49 .

05. • În cazul eºantioanelor mari. întrucât în calculul raportului. 50 . 12 = 2.8425 / 0.72 0. se poate apela la repartiþ normalã redusã.6315 ˆ s a2 ˆ tcalc a1 ˆ tcalc a2 0.72128 3. n > 30.7693 0. deci raportul este ia pozitiv.00356 0. Numãrul gradelor de libertate este: n g l = n – k = 15 – 3 = 12 Riscul acceptat = 0.05 t 0.72128 2.6315 4. pentru care apare variabila z care va fi ia consideratã nivelul t-tabelat (numãrul gradelor de libertate nu mai reprezintã o coordonatã).Elementele de pe diagonala matricei X-1 sunt.72 1. Observaþii • Semnul fiecãrui parametru nu influenþ eazã rezultatul comparaþ iei dintre t-calculat ºi t-tabelat. În cazul ambelor estimaþii t-calculat > t-tabelat. în ordine: d11 = 1.3198 Se preia din tabelul repartiþiei Student valoarea lui t.39457 / 0.05. Se infirmã ipoteza nulã. estimaþ este în valoare absolutã.179 Se comparã t-calculat cu t-tabelat.7693 d33 = 1.16 d22 = 0. a nesemnificaþ ºi se acceptã iei alternativa conform cãreia cei doi factori sunt determinanþ în i studiul efectuat.0036 de unde rezultã: ˆ s (a1 ) 0. se poate alege o valoare mai micã pentru .5 2. dacã se doreºte o precizie mai mare. • Riscul notat cu poate fi egal cu 0.

.3 Verificarea semnificaþiei rolului ansamblului factorilor asupra variabilei efect 4.01 sau 0.1. acþ ionând mai intens sau mai puþin intens. exprimaþi prin u. iar efectul conjugat al factorilor determinanþ rezultã înlocuind parametrii cu estimãrile obþ i inute ºi atribuind valori factorilor. considerat ca o reprezentare care descrie un mecanism relaþional complet diferit de ceea ce ar putea fi atribuit întâmplãrii. sau. Modelul de regresie descrie rolul factorilor determinanþ prin i parametrii de regresie. Suma pãtratelor acestor abateri se noteazã cu SSR: SSR ˆ y y 2 Un alt gen de abateri care pot interveni s-ar datora perturbaþiei.1 Testul F Testul F urmãreºte verificarea semnificaþ simultane a iei tuturor estimaþiilor obþinute pentru parametri. 4.3. Se obþin astfel valori ajustate: ˆ y ˆ a0 ˆ ˆ a1 x1 . acþiunii factorilor reziduali. Suma pãtratelor acestor abateri datorate întâmplãrii se noteazã cu SSU ºi reprezintã suma pãtratelor diferenþ elor dintre ˆ y 51 .. ak xk ˆ Valorile ajustate y se abat de la medie y în mãsura în care factorii se abat la rândul lor de la medie. dacã se acceptã un risc mai mare.001. se poate opta pentru =0.0. Rezultatul verificãrii se referã la aprecierea pe ansamblu a modelului. ˆ Abaterile y y se datoreazã factorilor determinanþi incluºi în model.

Raportul dispersiilor se noteazã Fcalc...778 SSR/k-1 = 131. k – 1 = 2 grade de libertate (coloanã).. Se determinã F-calculat: SSR = 131.01. aspect care poate fi verificat prin raportarea celor douã sume.0775 Se cautã în tabel: pentru = 0.518495 F – calculat = 65.valorile ajustate. iar k reprezintã numãrul de parametri: Fcalc SSR / k 1 SSU / n k i ˆ yi i y /k 1 ˆ yi 2 2 yi /n k 4. se gãseºte valoarea F – tabelat = 6. ceea ce implicã transformarea sumelor în dispersii ºi acceptarea unei probabilitãþi legate de riscul de a greºi în ceea ce priveºte concluzia.88902/0.3..221939 SSU/n-k = 6.221939/12 = 0. x2.78/2 = 65. a nesemnificaþ iei: disersia de la numãrãtor nu se abate semnificativ de la dispersia de la numitor. xk) sã fie net superior rolului factorilor perturbatori (u).93 Se comparã Fcalc cu Ftab: 52 . ˆ SSU u2 y y Este de aºteptat ca rolul factorilor sistematici (x1.2 Etapele aplicãrii testului F Se stabileºte ipoteza nulã.88902 SSU = 6. n – k = 12 grade de libertate (linie). Se apeleazã la repartiþ raportului dispersiilor (repartiþ ia ia Snedecor).518495 = 127. generate de model reprezentate de datele numerice (y): 2 ºi valorile empirice.

778 / 138 = 0.Dacã Fcalc > Ftab. cu un risc de a greºi de 1% cã estimaþ iile sunt . Dacã Fcalc < Ftab.3. iar R2 SSR SST SST SSU SST 1 SSU SST În exemplu. Se noteazã suma tuturor abaterilor SST.9549. iar modelul în ansamblu este validat.93.49% din variaþ efectului este determinatã de cei doi ia factori. Se poate afirma. ipoteza nulã este confirmatã.778 + 6.0775.222 = 138 R2 = 131.9473 53 . 4. ceea ce confirmã modelul ca fiind valid. Fcalc = 127. În cazul nostru. unde SST = SSR + SSU. se infirmã ipoteza nulã. Pentru comparaþ se recomandã varianta ajustatã a ii coeficientului de determinaþie: ˆ R2 1 SSU / n k : SST / n 1 În exemplu: ˆ R2 0. SST = 131.3 Coeficientul de determinaþie Coeficientul de determinaþ exprimã ponderea rolului ie factorilor determinanþ din model în raport cu variaþ totalã a i ia variabilei efect. mai mare decât Ftab = 6. adicã 95. semnificativ diferite de zero. în general.

astfel încât rolul factorului sã poatã fi pus în evidenþã. 2 . astfel încât soluþiile sã prezinte stabilitate. Variabila rezidualã nu este corelatã cu variabila factorialã (x). Variabila factorialã (x) este nestochasticã ºi prezintã aceleaºi valori în eventualitatea repetãrii sondajului. 4. 5. 9. 54 . Modelul de regresie este corect specificat în sensul alegerii funcþ potrivite (liniare sau neliniare) ºi includerii factorilor iei determinanþ astfel încât gradul de determinare (R2) sã fie suficient i de mare. Datele sunt obþ inute corect (fãrã erori sistematice de mãsurare) ºi în numãr suficient de mare (depãºind numãrul parametrilor). Modelul de regresie este linar în raport cu parametrii. factorii ºi modelul 5. Variabila rezidualã nu este autocorelatã. M(u) = 0. Factorii incluºi în model (varianta multifactorialã) sunt independenþi unii în raport cu ceilalþi. 8. astfel încât covarianþa dintre ui ºi xi este zero. Variabila rezidualã prezintã o dispersie (împrãºtiere) egalã pentru diferitele valori xi. adicã este homoscedasticã. u N 0.1 Ipoteze privind modelul ºi metoda de estimare 1. Variabila rezidualã este de medie zero ºi urmeazã o repartiþ ie normalã. uj / xi.Capitolul 5 Verificarea confirmãrii ipotezelor privind datele. 3. 7. Factorul (x) prezintã variabilitate în ceea ce priveºte nivelurile înregistrate în cadrul unui eºantion de date (dispersia sa fiind un numãr pozitiv finit). Cov(ui. nefiind corelaþi între ei. 10. 2. xj) = 0. 6.

testul F) nu a condus la rezultatele aºteptate. • Timpul ºi banii cheltuiþi. 5. Imposibilitatea obþ inerii de date privind unele dintre variabilele modelului econometric sau absenþ unor înregistrãri a pentru o parte dintre cazuri sau perioade. anchete sociale) ºi în diverse conjuncturi (metodologii modificate în decursul timpului.Verificãrile cu privire la confirmarea ipotezelor pot oferi explicaþ cu privire la motivele pentru care verificarea ii semnificaþiei (testul t. neafectate de erori sistematice 5. durate inegale de activitate economicã. • Unicitatea ecuaþiei ºi neidentificarea.2 Date suficiente. întârzieri în consemnarea realizãrilor. Obstacolele de care se loveºte cercetarea econometricã pot fi redate astfel: • Multicoliniaritatea. prognoze. • Heteroscedasticitatea.1 Consideraþii asupra necesitãþii abordãrii problemei datelor Modalitatea de obþ inere a datelor nu îndeplineºte condiþ iile unei observãri riguroase (din perspectiva modelãrii econometrice) similare celorde laborator. se poate trece la etapa iei utilizãrii lui pentru analize. raportãri statistice.2. Dacã aprecierea modelului este pozitivã. situaþii excepþionale). simulãri. • Lipsa datelor. • Autocorelarea (valorilor reziduale). 55 . Înregistrãrile numerice la care avem acces au fost realizate în diverse scopuri (evidenþ financiare contabile. • Specificarea incompletã sau incorectã. confirmã din perspectiva semnificaþ ºi ipotezelor.

aºa încât pe întreg intervalul sau pentru întreg eºantionul variabila sã fie exprimatã unitar. la limitã) urmeazã sã mai adãugãm cazuri sau sã înlocuim datele anuale cu date trimestriale sau lunare. în final.2 Verificarea ºi aprecierea datelor numerice Existenþ de date care se referã indubitabil la variabila-efect. în vederea evitãrii apariþiei unei zone neexplicate. Controlul cantitãþ în sensul aprecierii dacã numãrul da ii. sã modifice estimãrile. pentru acurateþ ea soluþ iilor. O astfel de verificare se referã la fiecare variabilã în parte. a respectiv la fiecare dintre factorii incluºi în model. sau la ii. se recurge la variabila cea mai apropiatã ca sens ºi mod de a evolua (variabila reprezentant). fie ºi pentru a un singur caz. procedãm la corecþ dacã acestea pot fi fãcute. cazuri pentru care avem date este suficient de mare. 56 . Verificarea omogenitãþ sub aspectul unitãþ de mãsurã. Dacã pentru unele cazuri (perioade din seria cronologicã.Importanþ datelor. ii ii definirii indicatorului ºi exprimãrii în preþ constante (pentru uri exprimãri valorice). 5. dacã aceasta nu conduce la un volum prea mic (n < 15) de cazuri. sã schimbe rezultatele testelor de semnificaþ ºi. iar pentru fiecarecaz datele sunt complete (existã înregistrarea privind yi. sã rezulte în urma aceluiaºi mod de calcul. atât din perspectiva numãrului de cazuri. unitãþ din eºantion) datele nu sunt complete sau prezintã i suspiciuni. a cât ºi în ce priveºte calitatea mãsurãtorilor.2. respectiv xi). În cazul în care datele nu corespund acestui deziderat (nu existã sau nu pot fi procurate date suficiente pentru una dintre variabile). excluderea cazurilor respective. Este posibil ca existenþ unor date eronate. sã punã sub semnul întrebãrii ie utilitatea modelului. Dacã numãrul de cazuri este mult mai mic decât n = 15 (nivel apreciat ca satisfãcãtor.

3 Independenþa variabilelor factoriale din ecuaþia de regresie Dacã între variabilele factoriale ale modelului existã asemãnãri frecvente în ceea ce priveºte evoluþia în timp sau în ceea ce priveºte modificãrilede la o unitate de observare la alta (familie. se cosiderã cã ipoteza cu privire la independenþ . Termenul de multicoliniaritate acoperã atât cazul existenþ ei în model a unui numãr de 2 factori coliniari (perfect sau parþ ial coliniari) cât ºi la cazul existenþ de legãturi intense între 3 sau ei mai multe variabile factoriale din ecuaþia respectivã. sau atât x cât ºi z ii depind intens de factorul w neinclus în model). fie ºi pentru o variabilã. • Renunþ area la unele variabile din lipsã de date va sãrãci analiza ºi ar putea mãri gradul de nedeterminare sau distorsiona estimaþiile. Astfel de legãturi între variabilele explicative incluse în reprezentãri de forma y = a0 + a1x + a2z + a3k + u. pot reprezenta combinaþii liniare de forma 57 . a variabilelor cauzale incluse în modelul de regresie este infirmatã. estimãrilepentru parametri sunt instabile (un alt eºantion ar putea oferi estimaþ complet ii diferite). ceea ce poate afecta de asemenea calitatea estimaþiilor. 5. • Dacã. aceasta afecteazã grav soluþiile modelului. pot fi expresii ale unei relaþ de cauzalitate (x determinã pe z. judeþ firmã).Neglijarea verificãrii ipotezei privind corectitudinea datelor poate conduce la urmãtoarele: • Dacã eºantionul este prea mic. datele sunt exprimate într-o formã neomogenã sau prezintã erori sistematice. iar factorii pot prezenta analogii (evoluþ paralele foarte ii asemãnãtoare).

semnaleazã o suspectã ordonare a punctelor de coordonate xizi în jurul unei drepte. Toate aceste situaþ produc aceleaºi efecte dacã asemãnãrile ii sunt foarte intense: • estimaþiile obþinute pentru parametri pot fi deformate. determinantul este egal cu 0. 5. 58 . Un semnal este dat ºi de determinantul matricei X. în sensul cã nivelul determinantului devine extrem de mic pe mãsurã ce gradul de coliniaritate între doi factori creºte (pentru coliniaritatea perfectã.k = x + 2z. sau pot fi simple analogii în evoluþ înregistratã pe ia segmentul de n valori de care dispunem. În cazul în care apar mai mulþi factori: – Coeficientul de determinaþ (R2) prezintã valori ie apropiate de 1 în condiþiile în care estimaþiile pentru parametri (una sau mai multe) nu trec testul t (nu diferã semnificativ de zero).85 sau chiar de 0. • rezultatele testului t sunt distorsionate în direcþ ia nesemnificaþiei. – reprezentarea graficã (diagrama împrãºtierii). – Coeficientul de determinaþ (forma ajustatã) este ie inferior ca mãrime coeficienþ ilor de determinaþ pentru regresiile ie auxiliare. • imprecizia acestora creºte.3. În plus.1 Semnale care atrag atenþia multicoliniaritãþii: • În cazul utilizãrii unui model în care apar 2 factori. valorile foarte mici ale determinantului conduc la valori foarte mari ale elementelor inversei. de forma: y = a0 + a1x + a2z + u: – coeficientul de corelaþ calculat pentru factori (rxz) ie întrece. privind exclusiv factorii. ceea ce face ca împrãºtierea valorilor estimate sã fie foarte mare. în valoare absolutã nivelul de 0.9. ceea ce face imposibilã rezolvarea sistemului). iar eficienþa estimatorului este afectatã.

atunci acestea ne aºteptãm sã fie mai puþ afectate de in corelaþii între factori. aºa numita regresie ridge poate fi o soluþ Procedeul constã în ie. aceasta acþ ioneazã în direcþ creºterii mãrimii determiantului.2 Soluþii • Dacã se pot suplimenta datele. prezintã interes îndeosebi din perspectiva utilizãrii metodei celor mai mici pãtrate în vederea estimãrii. utilizând logaritmii sau alte procedee. mai ia ales dacã întâmplãtoarele analogii în evoluþ factorilor se ia atenueazã. • Dacã se poate renunþ la unul dintre factorii care prezintã o a intensã corelaþie cu un alt factor.4 Ipoteza privind liniaritatea modelului ºi corecta sa specificare Liniaritatea relaþ de dependenþ dintre variabila efect (y) ºi iei ã factorul determinant (x). mãrind astfel numãrul de cazuri în eºantion sau numãrul perioadelor în seriile cronologice. • Dacã în loc de date culese în timp se pot utiliza date în optica transversalã. xk). x2.. ia analiza printr-o pierdere de informaþie ºi nici gradul de determinare în mod semnificativ. adãugarea unui scalar elementelor de pe diagonala inversei ºi estimarea în urma unei astfel de modificãri. Adesea prin model liniar avem în vedere varianta transformatã a modelului neliniar în raport cu variabilele.. respectiv combinaþ de modificãri ia simultane a factorilor (x1.. . 59 . 5. • Dacã nu urmãrim în mod expres interpretarea parametrilor ci ne intereseazã doar atenuarea efectelor multicoliniaritãþ atunci ii. atunci eliminarea acestui factor ar fi o soluþ Condiþ este ca eliminarea factorului sã nu afecteze ie.3.5.

factorii sã nu prezinte analogii intense în evoluþ (multicoliniaritatea trebuie evitatã). Verificarea incorectei specificãri din perspectiva factorilor atraºi în model are în vedere: Coeficientul de determinaþie. în sensul cã diagrama împrãºtierii este deseori elocventã. alta neliniarã).4. testul t. aceºtia trebuie sã i îndeplineascã condiþ precum: influenþ fiecãruia sã fie ii a determinantã pentru variabila efect. F) confirmã ie 60 . În ceea ce priveºte factorii luaþ în calcul. sã prezinte ie variabilitate. testele de semnificaþ (t. testul F. Semnificaþia în sensul testului t. respectiv x ce revin pe unitate de factor partener z urmeazã forma liniarã: y x f . În cazul multifactorial (cu deosebire cazul bifactorial) se poate analiza dacã valorile y. Rezultatele analizei pot confirma sau infirma liniaritatea modelului în situaþ în care existã cel puþ 2 variante ii in (una liniarã. dar ºi a testului F. mai ales în cazul unifactorial. z z În urma constatãrii nivelului aproximativ constant al raportului modificãrilor paralele de genul: y2 x2 y1 x1 y3 x3 y2 x2 y4 x4 y3 x3 Deseori elaborarea modelului în mai multe variante face posibilã analiza comparativã din perspectiva coeficienþ ilor R2. Un model econometric confirmã aºteptãrile în ceea ce priveºte funcþ liniarã adoptatã dacã gradul de determinare (R2) ia este apropiat de 1 (100%).5.1 Verificarea prezumþiei liniaritãþii Pe cale graficã.

modelul.1 Verificarea împrãºtierii valorilor variabilei reziduale (homoscedasticitatea / heteroscedasticitatea Împrãºtierea este apreciatã numeric prin dispersie întrucât M(u) = 0. în prealabil ordonate în raport cu mãrimea factorului ºi segmentate în douã sau mai multe grupe. care semnaleazã inegala împrãºtiere. Modelul poate fi astfel apreciat ºi prin prisma modului în care reproduce datele empirice ale variabilei rezultative (y) astfel ˆ încât abaterile (erorile) yi yi sã se caracterizeze prin: • Egala împrãºtiere a valorilor ui. caracterizeazã în econometrie o egalã împrãºtiere. • Repartiþ normalã. de medie zero a valorilor ui . • Independenþ oricãrei valori ui în raport cu valoarea / valorile a precedentã. spre deosebire de heteroscedastic. astfel încât autocorelarea valorilor reziduale sã nu poatã fi constatatã. în limba românã homoscedastic. iar abaterile reziduale se comportã precum valorile unei variabile aleatoare. Termenul grecesc homoskedastic (egal împrãºtiat). 5. frecvenþa lor scade. dupã estimare. 2 2 u u n 61 . ceea ce ar ia însemna cã valorile pozitive sau negative ale abaterilor mici sunt frecvent poziþ ionate în jurul mediei (M(u)=0). sub forma unor abateri (diferenþe) y ~i ui y constã în manifestarea lor aleatoare. 5. fãrã a mai include nimic sistematic.5 Verificarea confirmãrii ipotezelor privind comportamentul variabilei reziduale Ceea ce se aºteaptã de la valorile reziduale obþ inute în final.5. iar pe mãsurã ce se abat tot mai mult de la zero.

de (n – c) / 2 cazuri fiecare. Intereseazã ºi verificarea prezumþ privind independenþa iei variabilei reziduale în raport cu evoluþ factorului (a oricãrui ia factor din model). Rezultã douã secþ iuni de date ordonate în raport cu xi ºi situate spre extreme. obþ inerea de valori reziduale (ui) în fiecare dintre cele douã secþiuni.. rareori 3 sau mai multe) este precedatã de o ordonare a valorilor ui în raport cu valorile în creºtere (sau descreºtere) ale factorului. De regulã. iar. . astfel încât valorile xi sã fie ordonate crescãtor. numãrãtorul fiind pentru secþiunea de împrãºtiere maximã: n c /2 u2 : (g l) j Fcalculat j 1 n c /2 u2 : (g l) j j 1 62 .2 Testul GQ (Goldfeld. obþ inerii de valori ajustate ~ din prima y secþ iune. în final. nivelurile xi sunt ordonate fie crescãtor. Quandt) Etapele testului: Ordonarea datelor yixi. fie descrescãtor. Obþ inerea mãrimii Fcalculat . este necesar sã formãm grupe egale de termeni în cadrul ºirului de valori u1.. respectiv din cea de a doua secþ iune. un.Calculul dispersiei implicã un ansamblu de valori. dacã seria de date include suficient de multe cazuri (etapa nu este obligatorie). Eliminarea unui numãr de valori centrale de cel mult c = n / 3.. precum ºi media acestora. 5.5.u2. de la bun început. Aplicarea MCMMP fiecãrei secþ iuni separat în vederea estimãrii parametrilor. Formarea grupelor (în numãr de 2. Pentru a constata egala sau inegala împrãºtiere. Problema comportamentului valorilor reziduale se complicã întrucâtva în situaþiile în care: Existã mai mulþi factori.

Dacã erorile (ui) diferã semnificativ ca împrãºtiere pe segmente de valori ordonate în raport cu mãrimea factorului. prezumþ homoscedasticitãþ erorii (ui) este ia ii infirmatã. 2 u i . Dacã Fcalc < Ftab. Dacã Fcalc > Ftab. 2 2 unde k = numãrul de parametri. iar prognozele sunt imprecise.3 Prezumþia neautocorelãrii valorilor reziduale Reprezentarea graficã poate sã semnaleze situaþ de posibilã ii dependenþã sau de independenþã a abaterilor. fie la 5.unde g l = numãr grade de libertate g l n c k 2 Compararea valorii calculate (Fcalculat) cu valoarea tabelatã de coordonate .5. Verificarea existenþ sau inexistenþ autocorelãrii erorilor ei ei (abaterilor sau valorilor reziduale) se poate obþ prin testul DW ine (Durbin-Watson). prezumþ homoscedasticitãþ erorii (ui) este ia ii confirmatã. Restricþiile aplicãrii testului 63 . k. Remedii în vederea diminuãrii sau eliminãrii heteroscedasticitãþii În situaþ în are numãrul de cazuri este suficient de mare iile (n>30) se poate proceda la elaborarea de modele distincte pentru fiecare dintre segmentele de valori supuse testului. se acceptã alternativa: eroarea (ui) este heteroscedasticã. n c n c k. Transformarea valorilor yixi prin raportarea lor fie la xi. estimaþ iile rezultate prin MCMMP pierd din precizie (heteroscedasticitatea afecteazã eficienþa estimatorului).

Existenþa parametrului liber a0. Relaþia liniarã dintre ui ºi nivelul imediat anterior ui-1. Existenþa de valori tabelate. Apropiat de 0 sau de 4 – cazul autocorelãrii. Etapele testului DW • Stabilirea ipotezei nule (H0): valorile reziduale nu sunt autocorelate. rezultate astfel: yi* xi* ryi rxi 1 1 unde r este coeficientul de autocorelaþie a erorii: 64 . • Autocorelarea reziduurilor afecteazã eficienþ estimatorului a MCMMP. Metode de eliminare/atenuare a autocorelaþiei • Înlocuirea valorilor yixi cu diferenþ de ordinul 1 calculate ele pentru fiecare variabilã în parte: yi xi • yi xi yi xi yi xi 1 1 yi xi Utilizarea de valori transformate.• • • • n > 15. • Obþinerea nivelului calculat: n ui ui DW i 2 n 2 1 ui2 i 1 • Aprecierea nivelului calculat în raport cu apropierea sa de valoarea 2: Apropiat de 2 – cazul neautocorelãrii.

5. astfel încât media sã fie zero.n ui ui rui ui 1 i 2 n 1 ui2 i 1 • Adãugarea de cazuri suplimentare sau respecificarea modelului în sensul acceptãrii unei alte funcþ sau introducerii de ii noi factori dacã existã motive suplimentare de a recurge la astfel de variante ale modelului. accidentali.4 Variabila rezidualã urmeazã o repartiþie normalã de medie zero Caracteristica variabilei reziduale de a evolua întâmplãtor se datoreazã acþ iunii factorilor minori. compensându-se reciproc. 65 . Abaterile valorilor empirice de la valorile generate de model ar trebui sã fie unele pozitive. Predominanþ valorilor mici. 5. ºi raritatea a abaterilor mari ar trebui sã apropie repartiþia abaterilor de repartiþia unei variabile normal distribuite. neincluºi în mod explicit în modelul econometric. apropiate de zero. altele negative.

Soluþ cea mai indicatã în astfel de situaþ este ia ii suplimentarea numãrului de cazuri. mai bine de 0. 66 . În cazul în care corespondentul JB în tabelul distribuþ iei (cel mai apropiat nivel pe rândul 2) se situeazã pe coloana 0.8) se afirmã cã abaterile ui urmeazã o repartiþ ie normalã.7. Aceste teste se bazeazã pe prezumþ normalitãþ repartiþ erorii în condiþ ia ii iei iile unui eºantion suficient de mare.2 (ceea ce implicã o probabilitate 0.Verificarea • Se însumeazã erorile ºi se calculeazã media pentru a constata dacã media este zero sau foarte apropiatã de zero. de medie egalã cu zero. În situaþ în care nu se confirmã prezumþ conform cãreia ia ia abaterile ui urmeazã o repartiþ normalã. • Se aplicã testul JB (Jarque ºi Bera). Notaþii: • S = coeficientul de asimetrie media modul M u M0 S abaterea medie patratica u • k = coeficientul de boltire k • Se calculeazã: 1 n u u 2 2 u 4 JB S2 n 6 k 3 24 2 Nivelul obþ inut pe baza acestei relaþ urmeazã asimptotic (pe ii mãsurã ce mãrimea eºantionului creºte) distribuþ ia 2 cu douã grade de libertate. ie rezultatele testului t ºi ale testului F sunt discutabile.3 sau. respectiv 0.

prin eliminare.O verificare a datelor utilizate ar putea evidenþ fie valori ia atipice. fie erori de calcul sau de observare care. apropiindu-se de confirmarea prezumþiei. ar reduce numãrul de abateri mari. 67 .

în condiþ iile în care ceilalþ factori i incluºi în model sunt consideraþ constanþ reprezintã o informaþ i i. de un interes aparte se bucurã rezultatele etapei de verificare. dar ºi în ceea ce priveºte nivelul unor indicatori obþ i în urma inuþ parcurgerii etapei verificãrii sunt utili îndeosebi analizei economice. analizei statistice. O analizã performantã bazatã pe rezultatele regresiei multifactoriale presupune confirmarea unor aºteptãri privind: • Semnificaþ atât pe ansamblu (în sensul testului F) cât ºi ia individual.. Analiza economicã beneficiazã îndeosebi de rezultatele estimãrii parametrilor de regresie. . privind fiecare parametru (testul t). Din perspectiva statisticianului. precum ºi prognozei. 2. Testul F ºi mãsura în care Fcalc depãºeºte nivelul tabelat dã informaþ referitoare la puterea de ii influenþã a factorilor. ie deosebit de utilã pentru economistul preocupat de analiza cauzelor care determinã un proces. Ponderea în care factorii determinanþ introduºi în model i explicã modificãrile variabilei-efect (exprimatã de indicatorul R2) constituie o informaþie utilã în analizã.Capitolul 6 Aplicarea modelului de regresie în analiza ºi prognoza economicã 6.1 Coordonatele analizei economice ºi analizei statistice Rezultatele obþ inute cu privire la parametrii modelului.) semnaleazã în ce direcþ ºi în ce mãsurã se modificã variabila-efect (y) la o creºtere ie cu o unitate a factorului xj. 68 .. ˆ Faptul cã o estimaþ ie a j (j = 1.

• Mãrimea coeficientului de determinaþie (R2>0,8); • Gradul de corelare existent între factori sã fie mic, astfel încât corelaþ în valoare absolutã sã nu depãºeascã 0,85, iar variabilele ia, factoriale sã nu fie dependente. Analiza comparativã privind factorii sau variantele de model se bazeazã pe indicatorii: • Coeficienþ beta care permit clasificarea factorilor în raport ii cu importanþa acþiunii lor asupra variabilei-efect; • Coeficientul de determinaþ în varianta ajustatã, care poate ie constitui un reper în situaþ în care existã mai multe variante de ii model pentru a explica aceeaºi variabilã-efect. Se alege varianta ˆ cu R 2 maxim; • Coeficientul menþ ionat prin simbolul AIC (criteriul Akayke) care oferã posibilitatea de a aprecia fiecare variantã de model prin prisma preciziei (apropierii valorilor ajustate de cele reale). Se opteazã pentru varianta pentru care AIC este minim. Se noteazã cu k numãrul de factori.

ui2 AIC ln
i

n

2k n

6.2 Prognoza economicã bazatã pe modelul de regresie
Prognoza având la bazã rezultatele regresiei statistice are în vedere prezumþ menþ ia inerii ºi în viitor a influenþ fiecãrui factor ei aºa cum este exprimatã în estimaþ iile parametrilor de regresie pentru perioada la care se referã datele. Se considerã cã valorile anticipate privind nivelul viitor al fiecãrui factor determinant (x’ ) nu provin dintr-un proces net diferit de datele folosite la estimare, iar anticiparea lui este corectã. Prognoza rezultã în urma introducerii în modelul specificat a estimaþ iilor pentru parametri, iar pentru factori se iau în calcul
69

valorile anticipate (planificate, preconizate, rezultate din alte calcule de prognozã):

ˆ ˆ ˆ ˆ y ' a0 a1 x1 ' a2 x2 ' ... ak xk '
La fel cum valorile ajustate nu coincideau cu valorile reale (empirice) y, existând abateri notate (u), se poate presupune cã nici prognozele nu vor coincide cu valorile înregistrate de y în viitor. Eroarea de prognozã se noteazã cu e ºi este direct proporþ ionalã cu distanþ la care se va situa nivelul anticipat (x’) al a factorilor în raport cu nivelul lor mediu din perioada trecutã ºi invers proporþionalã cu numãrul de cazuri din etapa estimãrii.

6.3 Modele econometrice utilizate în domeniul cererii de bunuri ºi servicii
Prezumþ care stau la baza abordãrii econometrice a ii cererii • Orice formã statisticã sau economicã corectã de exprimare a legãturii dintre cererea de consum a populaþ ºi factorii care o iei determinã poate fi redusã la o funcþie: C = f(x1, x2, ..., xk) + u • Factorii care determinã consumul pot lua orice valoare realã pozitivã; • Consumatorul (cumpãrãtorul) procedeazã, în general, într-un mod raþ ional, cãutând sã-ºi maximizeze beneficiul subiectiv, presupus de achiziþionarea produsului, investind cât mai puþin; • Se poate afirma, îndeosebi pentru cazul cererii globale a populaþ cã funcþ de consum este omogenã de gradul n, este iei, ia derivabilã, cu derivata I pozitivã, iar derivata a II-a negativã, (admiþând un maxim). Factorii care determinã consumul sunt de o mare varietate. În cele mai multe cazuri se considerã cererea (consumul) ca fiind funcþ de venit, precum ºi funcþ de preþ Alãturi de aceste cauze ie ie .

70

trebuie avute în vedere ºi alte variabile factoriale, cum ar fi: tradiþ reclama, înzestrarea, moda, sezonul etc., a cãror influenþ ia, ã poate sã difere în raport cu produsul/serviciul, categoria de consumatori, starea generalã a economiei. Produse de strictã necesitate (alimente obiºnuite, îmbrãcãminte) C = cerere; PO = populaþie

Ct

a0

a1 PO a2Ct
a2 Pinlocuitor
a3Ct

1

ut

Produse de uz curent

Ct
Ct Ct

a0
a0

a1 Pt

a3Vt
1

ut

unde V = venit; P = preþ

a1 PO a2V a0 a1 log CT

Vt a1 log Vt

a0 , funcþia lui Konius a2 log MF ,

log Ct

funcþia Hauthakker, unde: CT = cheltuieli totale; MF = oferta de mãrfuri.

Ct
Ct Ct

a0 a1 POt
a0 a1 a0 Vt Vt

a2 R a3CRt
Vt 1 ... Vt 1 a2TM t ut a2

ut
C V ut
t 1

unde R =reclama; CR = concurenþa.

a1 POt

unde TM = temperatura. Produse de uz îndelungat

Ct

a0

a1Vt

a2 Pt

a3 Z t

ut

unde Z = înzestrarea
71

Un factor deosebit de activ în acest domeniu este factorul psihologic. ºomajului. cât ºi prezenþ repetatã a unor a factori (venit. O anumitã diversitate a reprezentãrilor este necesarã.Ct a0 a1Vt a2OFt a3 POt ut unde OF = oferta Pentru autoturisme: Ct a0 a1Vnt a2 I t /p0 a3 RSt ut RS = rata unde Vn = venit net. datã fiind complexitatea domeniului cererii de mãrfuri. cererea din perioada anterioarã) aratã cã existã invarianþi în acest domeniu. OF = oferta. preþ numãrul populaþ . Cererea la nivel macroeconomic (nivel global) Ct Vt 1 a0 a1 Vt Vt 1 a2 Ct 1 Vt 2 ut unde V = venitul Ct a0 a1 V a2 POt PO a3TX t ut unde TX = taxe ºi impozite Forma liniarã a funcþ iilor. iei. 72 . Produse de lux Ct a0 a1Vt a2OFt a3 A ut unde A = anotimpul (sezonul). I(p)t/0 = indice de preþ uri.

6.4 Producþia, factorii determinanþi ºi funcþiile de producþie
Primele studii cantitativiste ale evoluþ producþ în raport iei iei cu factorii determinanþ au început cu analize ale creºterii i producþ iei agricole în raport cu creºterea volumului de îngrãºãminte ºi a cantitãþii de precipitaþii. Tot în agriculturã a fost elaborat studiul teoretic al autorilor Knut ºi Wicksel privind evoluþ producþ funcþ de numãrul de ia iei ie muncitori, suprafaþa cultivatã, capitalul utilizat. Cobb ºi Douglas (1928) au exprimat printr-o formulã dependenþ statisticã dintre venitul naþ a ional (variabila efect) ºi factorii muncã ºi capital. Era luat în calcul venitul naþ ional al SUA (y) în funcþ de ie cuantumul salariilor (exprimând valoric munca – M) ºi valoarea fondurilor fixe disponibile (exprimând capitalul – K) înregistrate în economia SUA pentru o perioadã de n ani.

y

AM K e u

Prin logaritmare se obþine:

ln A ln M ln K u a unde: a ln A, X 1 ln M , X 2 ln K

ln y

X1

X2 u

Modelul fiind liniar în raport cu parametrii, este posibilã estimarea acestora prin MCMMP. Parametrii ºi reprezintã elasticitãþ parþ ile iale ºi exprimã cu cât la sutã se modificã producþ (y) la o modificare cu 1% a ia unuia dintre factori, în condiþ iile în care celãlalt factor este considerat constant. Chenery H.B., Arow R.J. Minchas B.S. ª i Solow R.M. Generalizeazã funcþ de producþ Cobb Douglas ºi elaboreazã în ia ie 1961 funcþ CES, în care elasticitatea substituirii factorilor este ia consideratã constantã:
1

y

A M

K

unde

1,

1.
73

6.4.1 Ipoteze ºi caracteristici în elaborarea ºi utilizarea funcþiilor de producþie în studiile economice
• Factorii care determinã producþ sunt nenegativi ºi, în mare ia parte, substituibili; • Procesul de producþ se desfãºoarã pe baza unei tehnologii ie care reduce la maxim consumul de factori ºi resurse; • Funcþ de producþ presupune un randament global ia ie nedescrescãtor; f M K f M f K este omogenã de gradul I, ceea ce • implicã o creºtere a producþ în aceeaºi mãsurã cu creºterea iei factorilor: f mM , mK mf M , K ; • Funcþ este derivabilã, având derivata I pozitivã, ceea ce ia face posibilã obþ inerea cuantumului producþ suplimentare la o iei creºtere cu o unitate a unuia dintre factori; • Derivata a doua este negativã, funcþ fiind concavã, adicã ia este conformã legii randamentului descrescãtor, în sensul cã, depãºind un punct de maxim, producþia înregistreazã creºteri din ce în ce mai mici la o creºtere constantã a factorilor. Menþ inerea creºterii economice, în condiþ unor resurse limitate, presupune iile creºterea continuã a eforturilor de cercetare ºtiinþ ificã, tehnologizare, organizare, calificare.

6.4.2 Indicatori utili analizei economice bazate pe funcþii de producþie
Norma de substituire Norma de substituire sau rata marginalã de substituire a resurselor este utilã în vederea cunoaºterii raportului în care un factor poate fi înlocuit de un altul fãrã ca producþ sã se ia diminueze. Se calculeazã derivatele parþiale:
' f M M , K dM ' f K M , K dK

dy
74

În ipoteza menþ inerii producþ la acelaºi nivel, adicã dy = 0, iei rezultã: y ' dK fM K M S ' y dM fK M K Rezultatul aratã câte unitãþ de factor K (milioane lei fonduri i fixe) pot înlocui o unitate de factor M. Exemplu Fie funcþia de producþie:

y
atunci:

2 0,5M
dK dM

0,2 K
0,5 0,2 2,5

S

unitãþi de capital sunt necesare pentru a substitui un salariat. Elasticitatea Elasticitatea exprimã proporþ în care se modificã producþ ia ia în cazul în care factorul creºte cu 1%.

Ey / x j E

y xj : y xj

y y : ; dar pentru x j xj xj

0

dy y : dx j x j

Elasticitatea este datã de raportul dintre randamentul marginal al factorului xj ºi randamentul mediu. Pentru funcþia Cobb-Douglas coeficienþii de elasticitate sunt:

75

002827 x 2 Pentru obþ inerea randamentului marginal se egaleazã cu 0 derivata funcþiei: y x x 0..002827 44.2527 2 0.002827 x 0. xk xj Exemplu Funcþ care descrie dependenþ recoltei medii de porumb în ia a raport cu cantitatea de îngrãºãminte chimice este: y 3.694 0 76 .2527 2 0. Pentru o dependenþ multifactorialã se considerã cã toþ ã i ceilalþi factori se menþin constanþi ca nivel. x2 ..Ey / M Ey / K AM 1 K 1 AM K M y K y În cazul funcþiei CES se obþine: Ey / M M K Ey/ K K M Randamentul marginal Randamentul marginal reprezintã indicatorul care oferã posibilitatea de a cunoaºte pânã la ce nivel este recomandabil sã se mãreascã factorul xj astfel încât rezultatul (producþia) sã fie maxim...2527 x 0.539 0. Pentru a determina punctul extremal se egaleazã cu 0 derivata parþialã a funcþiei în raport cu xj : RE x j f x1 .

5 ºi m = . ca ºi în analiza activitãþ iei ii întreprinderilor. neluaþ în calcul..1. indici cu bazã fixã. O situaþ specialã o reprezintã cazul când factorii sunt legaþ ie i printr-o relaþ restrictivã. În astfel de cazuri se apeleazã la metoda multiplicatorilor lui Lagrange. Exemplu Se considerã performanþ calitativã ca funcþ de îmbinarea a a ie douã resurse F ºi G astfel: y = 2 logF + 4 logG În cazul în care preþurile resurselor sunt: pF = 4 ºi pG = 12.Rezultatul obþ inut reprezintã nivelul optim al cantitãþ de ii îngrãºãminte chimice care conduce la o producþ maximã în ie condiþ în care ceilalþ factori. se formeazã funcþia auxiliarã: y(m) = 2 logF + 4 logG + m(4F + 12G – 100) Se egaleazã cu 0 derivatele parþiale obþinute în raport cu F. Aplicaþ iile concrete ale funcþ iilor de producþ în studiul ie evoluþ variabilelor macroeconomice. G ºi multiplicatorul m ºi se obþ ine un sistem de 3 ecuaþ cu 3 ii necunoscute. nivelul lor ar fi fost considerat constant. capacitãþile de producþie. • În mod frecvent sunt utilizate valori procentuale. În cazul în care astfel de factori erau introduºi explicit în funcþ de ia producþie.9. urmare a limitãrii disponibilitãþ ie ii. adicã 4F + 12G = 100. iar bugetul nu poate depãºi 100 u. Soluþia este F = 8. G = 5. se recomandã utilizarea unor serii suficient de lungi privind perioade de stabilitate economicã.m.3. etc. 77 . au scos în evidenþ unele aspecte concrete care ã prezintã un interes deosebit: • În ceea ce priveºte datele despre rezultate ºi factori. nu vor prezenta iile i i modificãri care sã perturbe semnificativ rezultatul (recolta).

etc. xt' xt 1 xt xt . in genereazã o serie de relaþ de influenþ care pot fi analizate ºi ii ã prognozate cu ajutorul reprezentãrilor econometrice. Este necesarã determinarea cantitãþ de bani în circulaþ ii ie. • În ceea ce priveºte domeniile din economie în care rezultatele obþ inute prin utilizarea funcþ iilor de producþ au fost remarcabile. ie se menþ ioneazã cã îndeosebi la nivel de ramurã soluþ obþ iile inute au fost deosebit de utile. rolul ºi cauzele inflaþ ie iei. iar rezultatele mai uºor de interpretat. etc. influenþ area fluxurilor de venituri spre buget. Realizarea de bunuri ºi servicii. dupã care se poate aplica MCMMP pentru estimarea parametrilor. investirea capitalului. dar ºi de politicile economice. a injecþ de bani în economie. Aceasta ºi pentru cã datele au fost accesibile. precum ºi problemele a care þ de echilibrul bugetar.• Când se urmãreºte evitarea multicoliniaritãþ se apeleazã la ii transformãri de genul: yt' yt 1 yt yt . stabilirea rolului cheltuielilor bugetare. cursul de schimb.5 Relaþii financiar .bancare ºi reprezentarea lor prin ecuaþii Existenþ ºi rolul banilor în economie. Banii iei înºiºi sunt generatori de relaþ precum cele legate de costul ii împrumutului. 78 . stabilirea vitezei de circulaþ a banilor. • Funcþ iile neliniare fac necesarã parcurgerea etapei de liniarizare. 6. Îndeosebi calculele de eficienþ în agriculturã au beneficiat de pe urma ã acestor reprezentãri. ca ºi tranzacþ care au loc iile au un corespondent în forma bãneascã.

Modelul Brunner-Meltzer: M1 = a + b Creºterea rezervelor bãncilor comerciale la banca centralã + c Numerar în circulaþie + d Depozite la termen + + e Rezerve speciale + u 6. politica fiscalã.5. precauþ scopurile speculative. Cererea de bani = f(modificarea veniturilor.8 Inflaþia + u Variantã neliniarã (Chiarini): CBP/Indicele de preþuri = a(Venit / Rata dobânzii ) Oferta de bani reprezentatã în mod frecvent de masa de bani în sens restrâns (M1) este redatã în corespondenþ cu creºterea ã economicã ºi rata dobânzii. precum ºi din perioada precedentã) Cererea de bani a populaþiei (Maddala): CBP = 3.9 + 3438 PIB + 0.2 Rata dobânzii ºi investiþiile Rata dobânzii ºi rolul ei asupra investiþiilor apare în reprezentãri de forma (Wharton. iar politicile economice (politica monetarã.1 Masa monetarã ºi factorii care determinã cererea de bani În ceea ce priveºte oferta ºi cererea de bani. inflaþ ia. rata dobânzii din perioada curentã.5. modelul italian): 79 .8 Rata dobânzii + + 0. 6. Mayes considerã cã volumul tranzacþ iilor.Teoria economicã se referã explicit la o serie de relaþ de ii cauzalitate între astfel de variabile. politica cursului de schimb) se bazeazã pe cunoaºterea ºi controlul unor astfel de dependenþe. ia reprezintã factorii care trebuie incluºi în model.

Rata dob. ia ceea ce face ca variabila impozit sã fie regãsitã în postura de factor. inflaþie. Producþia(t-1)) Rata dobânzii reprezintã de asemenea un factor care apare în funcþiile ce privesc investiþiile. salariul minimal.Rata dob. a realizãrilor nete exprimate valoric. De exemplu (Maddala): 80 .5. din perioada ant. profit) ºi de intensitatea activitãþ ilor specifice economiei reale (producþ export. pe termen lung = f(Masa monetarã. import). în general. fie în mod explicit. fie ca element de formare a venitului disponibil sau.Rata dob. De exemplu (Chiarini): Solicitãri bãneºti pentru investiþ = a + b (Profit – Impozite) + ii +cTrend + d Impozite indirecte + u Transferurile bugetare sunt dependente de rata ºomajului. ie.3 Impozitele ºi transferurile Impozitele ºi transferurile sunt influenþ ate în mod determinant de venituri (salarii. Klein utilizeazã relaþiile: Impozit populaþ = a + b(Venituri populaþ din sector privat + ie ie +Venituri populaþie din sector public) + u Impozit pe profit = a + b Vânzãri + c Export + d Import + +eAmortizãri + u Fiscalitatea determinã evoluþ unor variabile economice.(t)= f(Rata scontului(t)/Rata dob. titlurilor de valoaret(t1). Modelul Klein: Investiþ = a + b PNB + c Rata dobânzii nominale + d Stocul de ii capital +u 6. Louis: Rata dob..(t-1)) Modelul FRB St.

evoluþ preþ ia urilor la import.5.01 Inflaþie anticipatã + u Costurile sunt considerate ca funcþ de condiþ specifice ie iile de activitate (grad de epuizare a zãcãmântului. dar ºi funcþ de factorii comuni precum: salariul ie mediu. cota de piaþ a ã produsului). iile iunea preþuri-salarii ºi cele care se referã la relaþ de naturã financiariile bancarã din economie.Transfer plãþ = f(Populaþ Rata ºomajului. 81 . producþ ie.4 Preþurile ºi costurile Factorii determinanþ pentru evoluþ preþ i ia urilor sunt: salariile. alãturi de ecuaþ care formeazã secþ iile iunea economiei reale. Exemple de funcþii de preþuri: Preþ = a + b Salarii + c Indicele preþurilor de import + d Impozite +u Modelul FRB St.8 Consum în perioada anterioarã + uri +1. Indicele de preþ i ie. investiþ export. PNB per capita) 6. Louis: Indice de preþ = 2. oferta. impozitele indirecte. se întâlnesc ºi ecuaþ care se referã la secþ ii. uri. În marile modele.05 + 0. în sensul cã se referã la consum. preþul importului. puterea sindicatelor în negocierea salariilor.

întârzierea la care apar implicaþ iile economice generate de mãsurile guvernamentale. intervalul dintre evoluþ a ia unor variabile-semnal (variabile precursoare) ºi modificarea variabilei-efect.1 Problema tendinþei generale Problema evoluþ proceselor economice în timp intereseazã iei datoritã urmãtoarelor: • Mãsurarea rolului unor factori calitativi care îºi desfãºoarã acþ iunea în decursul timpului (progresul tehnic. 7. procesele de învãþ are) poate fi abordatã luând în calcul variabila timp privitã ca un ºir de numere în progresie aritmeticã. oscilaþ a iile sistematice) în sensul mãsurãrii intensitãþ acestora ºi modelãrii ii rolului lor în evoluþia viitoare a procesului economic.. t = 1. • Evidenþ ierea invarianþ ilor (tendinþ evolutivã..2 Noþiuni specifice analizei seriilor cronologice Seria cronologicã (de timp. acumulãrile de bunuri.. Nivelurile se noteazã cu yt. 82 . De aici interesul pentru cunoaºterea distanþ în timp la ei care se manifestã influenþ factorilor. . ci dupã un interval de timp (lag) mai mult sau mai puþ in îndelungat. • Acþ iunea unor cauze care nu afecteazã instantaneu variabilaefect. dinamicã) reprezintã o secvenþã de niveluri ordonate în raport cu succesiunea perioadelor (momentelor de timp). n.Capitolul 7 Evoluþ proceselor economice în decursul ia timpului 7.2.

fie în jurul tendinþ fie în jurul ei.Analiza seriilor cronologice (engl.3 Modelul liniar unifactorial ºi calculul tendinþei generale Reprezentarea evoluþ în decursul timpului a unei variabile iei economice este seria cronologicã. respectiv de descreºtere. Se utilizeazã unsistem de axe rectangulare. neafectat de abaterile temporare. axa orizontalã fiind pentru evoluþ timpului ia (variabila independentã). de creºtere. 7. între i modificarea variabilei cauzale ºi manifestarea efectului. astfel ii ii încât procesul analizat din perspectiva temporalã sã devinã predictibil. sub forma unui tabel cu date ºi cea graficã (cronograma). reprezentat ca o succesiune de perioade/momente ordonate. TSA – time series analysis) este o metodã generalã de caracterizare a seriei cronologice din perspectiva componentelor sistematice sau aleatoare în vederea mãsurãrii intensitãþ ºi continuitãþ lor. urmare a unor factori care revin periodic la intervale mai mici de 1 an. Cronograma este reprezentarea graficã destinatã descrierii evoluþiei unui fenomen în decursul timpului. Analiza recurge la metode specifice: medii mobile. iar axa verticalã este destinatã mãsurãrii procesului economic reprezentat. Tendinþ generalã (trend) este evoluþ în timp a a ia fenomenului analizat exprimatã într-o formã stilizatã care reþ ine aspectul general. indice de sezonalitate. 83 . Sezonalitatea este evoluþ manifestatã prin oscilaþ ia ii repetabile ca sens ºi amploare. Lag este o întârziere exprimatã în unitãþ de timp. modele stochastice. unui nivel mediu.

Variabila dependentã. notatã cu t. în general. În alte situaþ fenomenul descreºte ii în intensitate în decursul timpului.Anul 2007 trim. I yt t 14 12 10 8 6 4 2 0 I II III 2008 2009 II 2010 III IV I II III IV I 3 7 4 4 II III IV I 5 8 8 1 2 7 10 10 12 13 2 3 4 5 6 -6 -5 -4 -3 -2 -1 0 IV I II III IV I II III IV I Atât datele din tabel cât ºi reprezentarea lor graficã evidenþ iazã faptul cã. yt este variabila economicã a cãrei evoluþie se studiazã. 84 . creºte. prezentând o succesiune i ordonatã pe scara timpului. de perioadã egalã. Acestea sunt cele douã tendinþ e de bazã. ºi exprimatã în unitãþ de timp. pe mãsurã ce trece timpul. amploarea fenomenului. Variabila independentã este timpul.

t2 ºi obþinerea sumelor y. 0. (n impar) sau t = . 2. influenþ ele perturbatoare asupra tendinþ se ei noteazã cu ut. În situaþ în care t = 0.5.. -0. Acestea pot fi considerate drept predicþ pentru procesul ii analizat (y) dacã se acceptã continuitatea condiþ iilor care au imprimat tendinþa procesului. astfel încât exprimarea sa numericã poate fi reprezentatã de ºirul numerelor naturale t = 1. 2. Exemplu • Se exemplificã determinarea ºi extrapolarea tendinþ ei generale pe baza datelor anterioare... • Se au în vedere urmãtoarele: • aspectul general de tip liniar al evoluþ iei descrise de cronogramã. un trimestru. (n par) astfel încât t = 0. 1. -2.5.Abaterile. ceea ce implicã u2 = minim. • existenþa unui numãr impar de trimestre. dar ºi de ºirul t = . în urma estimãrii. În vederea estimãrii parametrilor a.5..5.-2. niveluri extrapolate ale tendinþei. -1.. t2. 2. 1..... . yt..5. Modelul devine: yt = a + bt + ut Timpul creºte cu un spor constant egal cu 1 (o lunã.. .. n..5. 0. b din modelul yt = a + bt + ut. 85 . -1. se pot obþine pe baza modelului. un an). -3. sistemul de ecuaþ ia ii normale se simplificã ºi se obþine estimarea parametrilor: ˆ a y n ˆ b y t t2 Dacã se atribuie timpului valori în afara celor n unitãþ sau i perioade pentru care avem date. • calculul produselor y t. se aplicã metoda celor mai mici pãtrate. 3. .

824 indicã o creºtere (fiind pozitivã) medie trimestrialã de 0. II 2010 13.824 iar tendinþa: ~ y 7.824 t 12.1538 0.9212 trim. IV 2010 Valori extrapolate privind tendinþa: ~ yt ~ y ~ yt 7 t 8 9 Observaþii • Nivelul mediu exprimat de ordonata la origine este de 7.5698 trim. ciclicitate) a este exclusã.824. 86 . III 2010 14. iar schimbãri majore ale condiþ iilor din trecut nu intervin.1538 pe trimestru.1538 ˆ b 0. • Extrapolãrile pot fi considerate valori aºteptate în viitor dacã prezenþ altor componente sistematice (sezonalitate.Anul 2007 trim. I yt t t2 2 3 7 4 2008 2009 2010 Sume 93 0 182 150 II III IV I II III IV I II III IV I 4 5 8 8 7 10 10 12 13 4 1 0 1 4 9 16 25 36 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 36 25 16 9 -12 -15 -28 -12 -8 -5 0 8 14 30 40 60 78 yt Se obþin estimaþiile: ˆ a 7.7458 trim. • Panta exprimatã de b = 0.

P. mai puþ întâmplãtoare. ionarã este rezultatul unui proces stochastic staþ ionar pentru care media ºi dispersia sunt constante. indiferent de momentul de la care începe seria. funcþ de ie momentul de început al seriei. • Seria nestaþionarã – care prezintã tendinþã de creºtere sau de scãdere. dispuse în succesiune. poate prezenta unele modificãri. În modelare se urmãreºte izolarea tendinþ generale în ei vederea analizei fluctuaþ iilor sistematice (sezonalitatea. În raport cu modalitatea recomandatã în vederea eliminãrii tendinþei. (tred stationary process) pentru care trendul se recomandã sã fie eliminat prin scãdere Yt yt ~t sau împãrþire Yt y yt / ~t y ceea ce ar conduce la seria staþionarã yt .7.4 Clasificare a seriilor cronologice în raport cu existenþa sau inexistenþa tendinþei generale • Seria staþ ionarã – caracterizatã prin oscilaþ mai mult sau ii. ca mãrime ºi direcþ în jurul unui nivel in ie. (difference stationary process) pentru care trendul se eliminã prin calculul diferenþ elor de ordin 1: Yt yt yt 1 sau 2. • de tip stochastic. • Seria nestaþ ionarã de tip D.S. valorile extrapolate satisfac din perspectiva preciziei. analiza spectralã) sau în vederea analizei propagãrii abaterilor de la tendinþã (modele stochastice de prognozã). îndeosebi în ce priveºte panta.P. se deosebesc: • Seria nestaþ ionarã de tip T. yt 87 . ceea ce face ca media valorilor yt sã difere. O serie staþ ã. de referinþ media. O astfel de serie este uºor ie de prevãzut. Tendinþ specificã seriei a nestaþionare poate fi: • de tip determinist – fiind invariabilã pe un interval mare de timp.în sensul cã pe segmente de timp. atât ca direcþ câtºi ca pantã.S.

23-22=1. y1 t 1 Yt yn Este posibil sã se constate ºi alte ordine de integrare decât 1: • serie integratã ordinul zero (I(0)) – seria staþionarã... Exemple Cazul 1 yt : 2.. 2... • serie integratã de ordinul doi (I(2)) – presupune ca ºirul valorilor yt sã ajungã la starea de a fi staþ ionar dupã transformãri care implicã determinarea diferenþelor de ordinul doi. n 1 Readucerea ºirului termenilor yt la forma originalã implicã o însumare a componentelor: n 1 y1 Y1 y2 . 3.7. 3. 22. 2. 23. Cazul 2 yt : 20. 2. 27. 25. prin calculul diferenþ elor de ordinul 1 devine staþ ionarã. 2. t 1. 2. serii cointegrate privind procese economice evolutive Seria integratã este o serie care poate fi redatã prin pãrþ i componente care pot recompune seria originalã prin însumare. Yt yt yt 1 yt .. y1 Y1 Y2 y3 . Este consideratã serie integratã de ordinul I (I(1)). Seria yt care urmeazã un trend liniar. 3. 3 întrucât este staþ ionarã este consideratã integratã de ordinul zero (I(0)) . 30.1 Seria integratã. 3. 32 întrucât prezintã tendinþ care ã poate fi eliminatã prin diferenþ de ordinul 1. 0. 27.5 Dependeþe în economie manifestate în mod sincron sau cu decalaje în timp 7.. 2. seria este integratã e de ordinul 1 (I(1)): yt : 22-20=2.5.. 2 Cazul 3 88 .

6. Din perspectiva econometriei. 5. 2-3=-1. 1. 1. 19. 2. 2.yt = 3-1=2. . 3. iar testele t ºi F sunt performante. 89 . 12.6. 25. pe lângã faptul cã sunt serii integrate de acelaºi ordin.6. 2. 2. 6 yt : 1. 14.6. adicã într-o primã fazã: yt : 9-8=1. seriile cronologice cointegrate semnaleazã o stare de echilibru pe termen lung în ceea ce priveºte stilul de a evolua în timp. 1. 4. este integratã de ordin mai mic decât ordinul de integrare al seriilor iniþiale. 33. 14. evolueazã în acelaºi ritm. . 16. în sensul cã estimatorii sunt consistenþi.yt : 8. iar în faza a doua: (2) yt : yt+1 . 2.0). Din perspectiva analizei statistice ºi economice. 10. admit o combinaþ liniarã care este integratã de ordin zero. xt sunt cointegrate de ordin(1. 2. 10. 2 se considerã seria ca fiind integratã de ordinul 2. în orice ie caz. 9. 12. 1. Astfel de serii trãdeazã o relaþie de influenþã reciprocã. 18 xt : 2. Combinaþia liniarã: zt = 2yt + (1 – 2)xt este o serie integratã de ordin zero: zt : . 43 întrucât pentru a fi transformatã în serie staþ ionarã este necesar calculul diferenþ elor de ordinul 2. 0. 8. 16. sau.6. 12-9=3. .6 zt = 0 Seriile yt. 2. Exemplu Fie seriile: yt : 1. .0).6. notate CI(1. 2 ambele integrate de ordinul 1. Serii cointegrate sunt considerate acele serii cronologice care. seriile cointegrate conduc la o analizã de regresie de calitate. 1 xt : 8. 3. 3. .

• de duratã medie.6 Modele dinamice destinate includerii efectelor decalate în timp Efectul celor mai multe dintre impulsurile date economiei prin intermediul factorilor exogeni se resimte dupã trecerea unui interval de timp. iar pe de altã parte temerilor cã aceasta nu va dura. depunerilor ºi creºterea veniturilor din dobânzi. ie îmbunãtãþ irea calitãþ produsului ºi creºterea vânzãrilor. încasarea drepturilor. o creºtere bruscã a venitului nu determinã o modificare totalã a consumului.7. De ia. În raport cu durata de aºteptare a efectului. reconversia forþ de muncã. inerþ teama. între 1-3 ani (modernizarea tehnologiei ºi producþ modificãri de legislaþ ºi comportamentul economic. darul de a întârzia schimbarea în raport cu modificarea rapidã a unor condiþii. ii industrializarea ºi calitatea mediului). ia. încasarea dobânzii pentru depozite la termen) au. stimulentele materiale ºi producþ creºterea ia. vânzãrile. fac ca un impuls privind capitalul sau ei mâna de lucru sã producã un impuls care se va manifesta pregnant dupã un timp. exemplu. • motive de ordin instituþ ional – legate îndeosebi de obligaþ iile contractuale (care condiþ ioneazã aprovizionarea. livrarea. de regulã mai micã de 1 an (intensificarea reclamei. pe de o parte datoritã obiºnuinþ elor ºi gusturilor încetãþ enite. • motive de naturã tehnologicã: adaptarea liniilor de fabricaþ ie. întârzierile pot fi: • de duratã scurtã. creºterea inflaþ iei ºi accelerarea circuitului banilor). Motive care provoacã întârzieri în manifestarea acþ iunii unui factor pot fi: • motive de naturã psihologicã: obiceiurile. de regulã. 90 .

O unitate de timp prea mare face inaccesibilã depistarea de influenþ cu întârzieri de durate scurte. 7. Opþ iunea pentru o anumitã unitate de timp trebuie sã se bazeze pe particularitãþ fenomenului. obiectivele demersului ile econometric ºi pe posibilitãþ existente de a obþ date privind ile ine unitatea de timp consideratã revelatoare.• de lungã duratã (investiþ în transporturi ºi rentabilizarea iile transporturilor. dezvoltarea învãþ ãmântului ºicreºterea productivitãþii ºi calitãþii activitãþilor).1 Stabilirea unitãþii de timp Stabilirea unitãþ de timp cãreia îi corespunde un nivel yt ii presupune alegerea între posibilitãþ de a obþ i ine date anuale. • estimarea parametrilor.. Delimitarea întârzierii apariþ efectului în urma modificãrii iei cauzei 91 . Problemele de mãsurare care apar în specificarea ºi utilizarea modelului lag în analiza ºi prognoza economicã sunt: • stabilirea unitãþ de timp la care se referã fiecare nivel al ii variabilelor modelului. eventual cincinale sau decenale.. lunare. iar reprezentãrile care includ factori cu efect întârziat sunt considerate modele lag sau modele dinamice. Pentru a evidenþ efectul apãrut cu întârziere de 1. sãptãmânale. ia perioade. se foloseºte termenul lag. • delimitarea întârzierii apariþ efectului în urma modificãrii iei cauzei. iar alegerea unei nitãþ prea e i mici poate provoca dificultãþ pentru obþ i inerea datelorsau delimitarea întârzierilor de duratã lungã. 2. trimestriale.6. .

......6.Cronograma privind evoluþ variabilei cauzale. în sensul de creºtere cu încã o perioadã a întârzierii de la care se simte efectul presupune urmãtoarele etape: • prestabilirea unui interval rezonabil ca mãrime dupã trecerea cãruia factorul numai poate exercita practic nici o influenþ ã notabilã asupra variabilei efect...... urmatã de calculul ˆ coeficientului de determinaþ ie R 2 pentru cele k+1 ecuaþ (se ii presupune cã dupã k+1 perioade de timp factorul nu mai are efect): yt b ax u 0 t t yt b a0 x t a1 x t 1 ut .... Tipuri de modele 92 .. Un procedeu bazat pe sensibilizarea coeficientului de determinaþ (varianta ajustatã) prin introducerea unui factor ie suplimentar... poate pune în evidenþ (prin simpla ã deplasare a uneia pe axa timpului) o analogie care apare dupã una sau mai multe unitãþi de timp.2 Estimarea parametrilor În ceea ce priveºte parametrii modelelor cu efect întârziat......... y t b a0 x t a1 x t 1 a2 x t 2 . • se procedeazã la estimarea parametrilor.... 7..... aceºtia sunt variabili ca numãr în raport cu tipul de model rezultat în urma specificãrii.. ak x t k ut În final se constatã pentru care dintre ecuaþ s-a obþ ii inut cel mai mare nivel al coeficientului de determinaþ (ceea ce ie corespunde variantei cu cea mai micã dispersie a valorilor reziduale) ºi aceastã ecuaþ va fi reþ ie inutã în vederea analizei ºi prognozei.. suprapusã ia cronogramei variabilei efect....

. x – creºterea ofertei de bani. Între variantele modelului cu lag distribuit cel mai frecvent apar în studiile aplicative urmãtoarele douã reprezentãri: a) varianta descreºterii în timp a efectului generat de modificarea factorului: 2 yt a0 a1 xt kxt 1 k xt 2 . x – investiþiile. iar x poate reprezenta: utilaje. cerere. y – mãrimea depozitului.Modele unifactoriale în care efectul se simte dupã o întârziere de o unitate de timp: yt a0 a1 xt 1 ut unde y poate fi: productivitate.. y – inflaþia. recoltã. x – dobânda cu capitalizare. Modele mixte în care variabilele cauzale. 93 . umiditatea solului. cu sau fãrã efect întârziat pot fi de naturã exogenã (x) sau autocorelate (yt-1): yt a0 a1 xt a2 xt 1 a3 yt 1 ut unde y poate fi cererea sau calitatea. ut unde k este constantã subunitarã. atât în perioada t cât ºi pe parcursul unui numãr finit de perioade de întârziere (lag distribuit sau întârzieri eºalonate): yt a0 a1 xt a2 xt 1 a3 xt 2 a4 xt 3 ut unde y – producþia. Modele autoregresive în care întârzierea este distribuitã pe mai multe unitãþi de timp: yt a0 a1 yt 1 a 2 yt 2 ut unde y reprezintã consumul sau acumulãrile sau profitul. Modele în care variabila factorialã (x) îºi transmite efectul în mod treptat. ofertã. respectiv x poate fi venitul sau utilarea.

b j 7. bk xt . ci se urmãreºte obþ inerea unei serii staþionare.b) varianta creºterii treptate a efectului urmatã de o descreºtere pânã la anulare: yt b1 a0 b1 xt b2 1 b2 xt bj 1 2 .7 Autodeterminarea proceselor economice în timp. modelele stochastice de tip ARMA 7. dar aceasta nu înseamnã cã ar ei trebui sã fie neglijatã. utile predicþiei.7. b j k k ut . Exemple • În comerþ exterior. intrarea pe o piaþ externã are drept ul ã urmare dezvoltarea exportului pe acea piaþ cel puþ 2-3 ã in 94 ... Modelul stochastic de prognozã presupune eliminarea tendinþ generale din seria de date.1 Considerente economice ºi statistice pe care se bazeazã modelul ARMA Seria cronologicã stocheazã suficientã informaþ încât sã ie facã posibilã prognoza fãrã sã fie strict necesarã cunoaºterea evoluþ viitoare a factorilor determinanþ pentru procesul urmãrit iei i în timp.... dar ºi de a repeta un comportament devenit tradiþie.. urmare a ã unei particularitãþ a evoluþ i iilor din economie de a menþ un ine proiect odatã început. Autodeterminare ca manifestare a unui anumit grad de dependenþ în raport cu propriile realizãri anterioare. Autodeterminarea este înþeleasã în urmãtoarele sensuri: 1.

dupã care poate fi observatã o perioadã de recul. a p yt p ut 2. un fel de corecþ în vederea situãrii în jurul nivelului de ie. • Pe piaþ de capital pot fi constatate valori în alternanþ de a ã semn mai ales pe o piaþã volatilã într-un interval dat. Valorile ºirului staþ ionar se succed înregistrând. respectiv minus. urmatã de perioade de creºtere sau descreºtere. dupã care poate urma o stagnare.. • În domeniul producþ o reutilare a sectoarelor productive iei. Un astfel de comportament al evoluþ în timp. • Declanºarea unei greve care diminueazã producþ într-o ia perioadã declanºeazã o creºtere a producþ iei în perioadele urmãtoare. 95 . mai multe zile în ºir. în vederea compensãrii stagnãrii acesteia ºi realizãrii obligaþiilor contractuale. Exemple • Absenþ temporarãa unui produs solicitat pe piaþ are drept a ã urmare o vânzare în exces în perioadele urmãtoare. sau o pierdere de pieþ de desfacere se reflectã în date. de regulã. semnul plus (primul caz). • Pe piaþ valutarã. prin valori e succesive care depind una de alta. Ea va fi foarte probabil urmatã de o abatere în sens contrar. Autodeterminarea sub formã de acþiuni compensatorii în vederea contracarãrii unor ingerinþe din afara sistemului. caracterizat iei prin legãturi cu ceea ce s-a realizat în trecut. echilibru. poate fi reprezentat de un model autoregresiv (AR) de forma: yt a0 a1 yt 1 a 2 yt 2 . o apreciere a monedei se menþ a ine..perioade succesive. • O acþ iune speculativã de amploare la bursã poate declanºa o abatere semnificativã a cotaþ dincolo de culoarul fluctuaþ iei iilor normale. pentru un interval oarecare.

96 . . de la medie) astfel încât devierea accidentalã este urmatã de o redresare: yt y b1ut 1 b2ut 2 .. ca ºi reacþ iile. Se considerã cã nivelul procesului din perioada t depinde de erorile din trecut (abaterile de la normal. modelul ARMA este definit ca un agregat ce include impulsurile receptate cu întârzieri de 1. astfel de manifestãri reparatorii sunt redate de modelul de medie mobilã (MA) (movie average). la abaterile accidentale (ut) de la evoluþ liniarã. bq ut q ut Bazat pe aceste elemente. ei ei reprezentarea este datã de modelul mixt ARIMA(p.... bqut q ut În cazul prezenþ tendinþ generale în valorile originale (yt). 7. Modelul ARIMA(p. unde d = 1 dacã diferenþ de ordinul 1 sunt staþ ele ionare sau d = 2 dacã diferenþele de ordinul 2 au condus la staþionarea seriei. fãrã a se uita ordinul diferenþelor (d) care au transformat seria.7..q)..2 Obþinerea prognozelor Previziunile obþ inute în urma utilizãrii modelului de tip ARMA prezintã o serie de particularitãþi: • previziunea este o mãrime medie. manifestate în ia urmã cu 1. exprimate în medie.d..q). prin transformarea seriei nestaþ ionare în serie staþ ionarã devine ARMA(p. 2.În reprezentãrile formale specifice modelelor stochastice de prognozã. în succesiune.. a p yt p b1ut 1 b2ut 2 . p intervale de timp. Se notezã ARMA(p..q): yt a0 a1 yt 1 a2 yt 2 .. 2.d. întrucât componenta AR obligã includerea în calcul a previziunii pentru perioada n + t în vederea obþ inerii prognozei pentru perioada n + t + 1. . condiþ ionatã de niveluri înregistrate în trecut. q intervale de timp.. • prognoza se obþ ine pas cu pas.q)..

prognozã Cunoaºterea variaþ iilor sezoniere necesitã depistarea componentei sezoniere (prin metode grafice). prin metoda mediilor ie mobile. Prin aceastã metodã se definesc componenta trend ºi componenta ciclicã. în componenta variaþ sezonierã ( St ) considerând influenþ ie a aleatoare nulã ut =0). analizã. periodicitatea lucrãrilor agricole. precum ºi media ).• abaterile reziduale (ut) influenþ eazã prognoza (în modelul MA) doar cu valorile înregistrate pânã în perioada n (ultima perioadã pentru care avem date). Pentru "capturarea" componentei sezoniere se 97 . adicã: yt = ft + St (pentru un model aditiv) yt = ft St (pentru un model multiplicativ) Ajustarea componentei sezoniere presupune eliminarea influenþ sezoniere. pe de altã parte. Ajustarea seriilor sezoniere constã în ei înlocuirea termenilor reali ai seriei cu termeni calculaþ ºi are ca i rezultat obþ inerea unei serii cronologice cu variaþ sezoniere ii riguros identice de la o perioadã la alta ºi cu influenþ nulã la ã nivelul fiecãrui an. pe de o parte. a sãrbãtorilor etc). mãsurarea lor (prin indici ºi coeficienþi de sezonalitate) ºi analiza diferitelor cauze care definesc ritmul producerii lor (de exemplu.8 Fluctuaþii sistematice în economie – mãsurare. • prognoza finalã (yn+t*) integreazã toate componentele care au fost eliminate în etapa de identificare ºi estimare (tendinþ a. y 7. Aceastã operaþ se face. de regulã. a concediilor. în componenta trend ( ft) ºi componenta ciclicã C (când este cazul) ºi. Ajustarea seriilor cronologice cu variaþii sezoniere se bazeazã pe descompunerea seriei.

Resezonalizarea se realizeazã în funcþ de modelul de compunere admis.2 Ajustarea prin medii mobile Ajustarea seriilor cronologice cu variaþ sezoniere prin ii metoda mediilor mobile constã în înlocuirea termenilor empirici cu termeni rezultaþ în urma calculãrii mediilor mobile pentru i seria datã.8.1 Depistarea graficã a variaþiilor sezoniere Grafic. Prin înlocuirea termenilor reali cu termeni calculaþ va i rezulta o curbã mai rotunjitã sau o dreaptã de tendinþ cu condiþ ã.8. Aceastã operaþ se face prin ie raportarea valorilor aberante ( yi ) la coeficienþii sezonieri. cu bucle riguros identice. 7. în sens ie previzional. mai aplatizate faþ de ã cronograma iniþialã. 7. aplicatã asupra valorilor calculate prin ajustare. seria ajustatã se prezintã sub forma unei linii ondulatorii. ia ca sã se fi determinat corect periodicitatea de variaþ a ie 98 .calculeazã indicii de sezonalitate. repetabile în jurul liniei de trend. pe baza cãrora ii se desezonalizeazã seria iniþ ialã. Resezonalizarea este operaþ ia inversã desezonalizãrii. Pentru izolarea componentei sezoniere se calculeazã coeficienþ sezonieri ( Sj ).

reprezintã numãrul termenilor din seria empiricã.2) -1. respectiv N . i în funcþ de mãrimea unui ciclu de variaþ Când numãrul de ie ie.(n . termeni luaþ în calcul este impar. mediile cad între doi termeni reali.2. mediile obþ i inute cad pe termeni reali pe care-i vor înlocui. 99 .(n .fenomenului. Calculul mediilor mobile constã în aflarea mediilor aritmetice dintr-un numãr impar sau par de termeni luaþ succesiv. Numãrul termenilor din seria ajustatã prin medii mobile este egal cu: N . adicã se determinã media aritmeticã din douã medii mobile consecutive. Când se cuprinde în calcul un numãr par de termeni. unde: N. Periodicitatea este evidenþ iatã de punctele de maxim sau de minim. Pentru a afla ce termen va fi înlocuit se face centrarea mediilor mobile.2) . Procedeul de determinare a mediilor mobile este evidenþiat în tabel. n numãrul termenilor cuprinºi în calculul mediilor mobile.

Calculul coeficienþilor sezonieri Coeficienþ sezonieri se calculeazã ca o medie aritmeticã a ii variaþ iilor sezoniere.2 ) -1 = 5 termeni. conform principiului de conservare a ariilor. pentru luni. iar i reprezintã anii observaþi. variaþ iile sezoniere St observate se înlocuiesc cu valori calculate numite coeficienþ sezonieri.. j este luna sau trimestrul pentru care se calculeazã coeficientul sezonier.. rezultã cã seria ajustatã poate avea 7 . respectiv 7 . trimestru de trimestru) ºi se compenseazã la nivelul anului. De exemplu. Sj . mãsurate prin indici de sezonalitate. 100 .2) .Prima relaþie este pentru un n impar... iar n = 3. când N = 7.2 = 3 termeni. variaþiile sezoniere nu se repetã absolut identic. respectiv n = 4. Pentru a ajusta o serie realã. lunã de lunã sau trimestru de trimestru. pentru trimestre)...8. datorate sezonalitãþ pot fi ã ii. Practic. 4 .(4 ... j =1. identic de la o iile perioadã la alta (lunã de lunã. teoretic. respectiv i yi 1 yi 2 7.4 Coeficienþii sezonieri Variaþ sezoniere ( St ) se repetã.. iar a doua pentru un n par... 7.. pe 1 n ansamblul a n ani: Sj Sij n i 1 unde Sij=St. respectând exigenþ modelului ele teoretic. p perioade i (j=1.( 3 .8.3 Indicii de sezonalitate Devierile faþ de valoarea medie. 12 . respectiv j =1. Indicii de sezonalitate se determinã ca raport între termenii reali ºi cei ajustaþi: yi yi i 100.

pe an. • sã se extrapoleze seria pentru trimestrul I al anului urmãtor celor observaþi. Se cere: • sã se determine tendinþa seriei • sã se calculeze indicii de sezonalitate ºi coeficienþii sezonieri • sã se desezonalizeze seria. respectiv media coeficienþ ilor sezonieri. Admitem ipoteza continuitãþ trendului. În calcule apar rezultate uºor diferite. ca urmare a aproximãrilor.Conform principiului compensãrii variaþ iilor sezoniere la nivelul anului. trebuie sã fie zero. suma. a stabilitãþ sezoniere ºi a lipsei ii ii influenþelor accidentale. Efectul lor poate fi compensat printr-un corector „ dt ” rezultând un coeficient sezonier corectat. corectarea coeficienþ ilor sezonieri presupune calculul raportului: S ' j Sj dt iar media lor este egalã cu unitatea: S 1 Exemplu Datele înregistrate trimestrial. astfel devenind posibilã respectarea principiului compensãrii: S 'j 0 În cazul modelului multiplicativ. 101 . unde: dt 1 p p Sj j 1 Rolul coeficientului corector „ d ” este de a repartiza eroarea de aproximare pe ansamblul perioadelor. În cazul modelului aditiv. Sj' . corectarea coeficienþ ilor sezonieri presupune calculul diferenþelor: Sj '=Sj – dt . cu privire la cifra de afaceri a unei firme sunt prezentate în tabel. pe durata a doi ani.

Elementele de calcul pentru linia de trend ºi valorile estimate ( yti ) 102 . se observã o evoluþie medie liniarã ft = a + b t. Determinarea tendinþei Reprezentarea graficã a seriei evidenþ iazã clar o evoluþ ie sezonierã. cu valori maxime în trimestrul 3 ºi minime în trimestrul 1. 1 2 3 4 1 1 3 4 2 2 2 5 7 4 1. De asemenea.Anul Trim.

266 2 2 1. în celelalte trimestre sunt supraunitare. 2. Calculul indicilor de sezonalitate ºi a coeficienþ ilor de sezonalitate Indicii de sezonalitate sunt calculaþ ca raport între valoarea i observatã yi ºi valoarea calculatã corespunzãtoare a trendului ft.458 0. se observã cã valorile primului ºi ultimului trimestru.752 1.364 1.52 t. în cursul celor doi ani consideraþi (cicluri sezoniere) ºi anume: S1 S3 0.532 1.16 + 0.685 2 2 103 . Se observã cã indicii de sezonalitate variazã în jurul unitãþ ii.Ecuaþia de trend liniar pentru seria consideratã este: yt =1.617 0.595 0.464 S 4 0.564 S 2 1. ºi cã valorile lor din fiecare trimestru sunt diferite. sunt subunitare. Valoarea lor medie la nivelul unui ciclu sezonier (al unui an. respectiv yt . din fiecare an. Coeficienþ de sezonalitate se calculeazã ca medie aritmeticã ii simplã a variaþ iilor sezoniere pentru fiecare trimestru ( Sj ). în cazul nostru) este egalã cu unitatea. De asemenea.168 0.470 1.

coloana 7. numai dacã se respectã ipotezele admise iniþ ial.84. Seria ei a desezonalizatã se obþ prin raportarea valorilor empirice. Rezultatele sunt prezentate în tabel. pãstrarea stabilitãþ ii sezoniere ºi lipsa influenþelor accidentale.16 + 0. Prognoza nivelului cifrei de afaceri pentru trimestrul 1 al anului urmãtor celor observaþi Folosim modelul de compunere multiplicativ yt = ft· St unde: ft . în trimestrul I al anului trei considerat. valoarea de 3. evidenþ iind faptul cã variaþ sezoniere în interiorul unui ciclu iile se compenseazã. pentru ti = 9 (trimestrul 1 al anului 3). 3. Corectarea valorii prognozate. este: y9 = 1. valoarea medie a coeficienþ ilor de sezonalitate este egalã cu 0. b. ºi anume: continuitatea trendului. þinând cont de aproximãrile luate în calcul. În cazul nostru.995. prin extrapolarea trendului.7376 sute milioane lei. 104 . a.trendul.84 · 0. adicã: y9(1) = y9 · i 1 = 5. ne putem aºtepta ca cifra de afaceri a firmei "A" sã atingã. Desezonalizarea seriei Desezonalizarea seriei presupune calculul valorilor corectate ºi are ca scop obþ inerea tendinþ fãrã influenþ sezonierã. valoare ce poate fi admisã. Extrapolarea trendului. St – componenta sezonierã.7376 În concluzie. Valoarea prognozatã. Corectarea valorii extrapolate cu influenþ sezonierã presupune resezonalizarea a valorii.52 · 9 = 5. 4.Observaþii Media celor patru coeficienþ de sezonalitate trebuie sã fie egalã cu i 1.564 = 3. yi la ine valoarea coeficienþ ilor de sezonalitate corespunzãtori. (Sj).

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->