CAPITOLUL 6

ELEMENTE TEORETICE
ÎN REZOLVAREA MODELELOR
ECONOMETRICE

1 MODEL LINIAR UNIFACTORIAL

2 MODELUL STATIC AL LUI KEYNES
3 SERII DE TIMP CU TREI COMPONENTE:
TREND, SEZONALITATE
ŞI VARIABILĂ REZIDUALĂ
 1 Model liniar unifactorial

Un model econometric unifactorial are forma:

y = f(x) + u

unde:
y - valorile variabilelor dependente (salarii lunare);
x - valorile variabilelor independente (producţia medie);
u - variabila reziduală (influenţa celorlalţi factori
întâmplători asupra lui y).

Dacă: f(x) = a+bx, atunci rezultă că:

y = a + bx + u

Rezolvarea modelului econometric folosind metoda celor mai

mici pătrate porneşte de la următoarea relaţie:
yi = a + b ⋅ xi + ui

Y i = â + b̂ ⋅ x i
unde:
• Yi - reprezintă valorile teoretice ale variabilei endogene
y obţinute numai în funcţie de valorile factorului
esenţial (variabila exogenă) x şi valorile estimate ale
parametrilor a şi b, respectiv â şi b̂ (ce reprezintă
valori ajustate);
• u i = y i - Y i = ( a − â ) + (b - b̂ ) ⋅ x i
reprezintă estimaţiile valorilor variabilei reziduale;
⎧ n ⋅ â + b̂ ⋅ ∑ x i = ∑ y i
⎪
⎨
⎪⎩ â ⋅ ∑ x i + b̂ ⋅∑ x i2 = ∑ y i ⋅ x i

Urmează apoi completarea tabelului:

Nr. y xi2 xi*yi Y=a+b*xi xi-xmed ui=yi-Yi ui2 yi-ymed
crt.

x =
∑ xi
n

y =
∑ yi
n

Dispunând de estimaţiile parametrilor se pot calcula valorile

teoretice (estimate) ale variabilei endogene, Yi.
 Pe baza acestor date se pot calcula următorii indicatori:
• abaterea medie pătratică a variabilei reziduale:
2
∑ ( y i − Yi )
s 2û =
n−k
• abaterea medie pătratică a estimatorului â :
⎡ 2 ⎤
2 2 ⎢1 x
⎥
s â = s û ⋅ +
⎢ n ∑ (x i − x )2 ⎥
⎣ ⎦
• abaterea medie pătratică a estimatorului b̂ :
1
s 2 = s 2û ⋅
b̂ 2
∑ (xi − x )

Verificarea ipotezelor de fundamentare

a metodei celor mai mici pătrate

Variabilele observate nu sunt afectate de erori de măsură.

Această condiţie se poate verifica cu regula celor 3 sigma, care
constă în verificarea următoarelor relaţii:

x i ∈ (x ± 3 ⋅ σ x )

yi ∈ (y ± 3 ⋅ σ y )
 2
∑ (x i − x )
σx =
n
2
∑ (yi − y)
σy =
n

Variabila aleatoare (reziduală) u este de medie nulă

M( û )=0, iar dispersia ei s 2û este constantă şi independentă de

x - ipoteza de homoscedasticitate, pe baza căreia se poate admite că
legătura dintre x şi y este relativ stabilă. Acceptarea acestei ipoteze
se face prin intermediul mai multor procedee. Procedeul grafic
constă în construirea corelogramei privind valorile factoriale x şi
ale variabilei reziduale u.
Dacă graficul prezintă o distribuţie oscilantă, se poate
afirma despre cele două variabile că sunt independente şi nu
corelate, dacă nu, atunci cele două variabile că sunt dependente şi
corelate.

ª Testul Durbin-Watson constă în calcularea termenului

empiric:
n
2
∑ ( û i − û i −1 )
d = i=2
n
2
∑ û i
i =1
şi compararea acestei mărimi cu două valori teoretice
d1 şi d2 preluate din tabelul Durbin-Watson în funcţie
de un prag de semnificaţie α, arbitrar ales, de numărul
 variabilelor exogene (k) şi de valorile observate
(n>15).
• Coeficientul de autocorelaţie de ordin 1:

n
∑ û i ⋅ û i − 1
r1 = i = 2
n
2
∑ û i − 1
i= 2

Dacă r1 ⎯ ⎯→ 0 rezultă că poate fi acceptată ipoteza de

independenţă a variabilelor reziduale.

Verificarea ipotezei de normalitate a valorilor variabilei

reziduale:
Dacă erorile urmează legea normală de medie zero şi de

abatere medie pătratică s û atunci are loc relaţia:

P(| û i |≤tα* s û )=1-α.

 Verificarea semnificaţiei estimatorilor
şi a verosimilităţii modelului

Pentru verificarea semnificaţiei estimatorilor se calculează

rapoartele:
| â | | b̂ |
> tα; > tα
s â s
b̂

Verificarea verosimilităţii modelului:

Pentru a accepta ipoteza de liniaritate se calculează
coeficientul de corelaţie liniară, definit în intervalul [-1;1].

cov( y , x ) ∑ ( y i − y ) ⋅ ( x i − x )
ry / x = =
σx ⋅σy n ⋅σx ⋅σy

indică o puternică corelaţie liniară între cele două variabile.

Verificarea verosimilităţii modelului se face cu ajutorul

analizei dispersionale.
 Sursa Nr. grade Valoarea testului "F"
Măsura Dispersii
de de Fc F/(α;v1;v2)
Variaţiei corectate
Variaţie libertate
10
V2 R2
Variaţia V x2 = ∑ (Yi − y ) 2 S 2
= x Fc = (n − 2) ⋅
i =1
Y/X 1− R2 F/(α;v1;v2)
dintre
k
k
grupe

Vu2
Vu2 = ∑ ( yi − Yi ) 2 n-k-1 S uˆ2 =
Variaţia n − k −1
reziduală - -

10
V02 = ∑ ( y i − y ) 2
i =1 n-1
Variaţia
- - -
totală
 Pe baza datelor din tabel se poate calcula raportul de
corelaţie dintre cele două variabile:

Vx2 V2
Ry/x = = 1− u
V02 V02

Verificarea semnificaţiei raportului de corelaţie şi, implicit,

a coeficientului de corelaţie liniară se face cu ajutorul testului
Fisher-Snedecor:

R2
Fc = (n − 2) ⋅
1− R 2

2 Modelul static al lui Keynes

a) Pe baza Modelul static al lui Keynes se poate analiza

evoluţia pentru o anumită perioadă:
a1) estimaţia efectuându-se prin aplicarea MCMMP
ecuaţiei modelului structural;
a2) estimaţia efectuându-se prin metoda regresiei
indirecte;
 a3) estimaţia efectuându-se prin aplicarea MCMMP în
două faze.
b) Se pot comenta rezultatele obţinute.
b1) pe baza teoriei lui Keynes, modelul cu ecuaţii
multiple este:
⎧⎪C t = a + b ⋅ Vt + u t
⎨
⎪⎩Vt = C t + I t
Prima ecuaţie descrie o relaţie de comportament, iar a doua
ecuaţie este o relaţie de identitate economică.
∂C t
b = rata marginală medie a consumului final a
∂Vt
populaţiei în funcţie de PIB.
Aplicând MCMMP primei ecuaţii rezultă estimatorii
parametrilor â şi b̂ ai modelului:
^ ^
F(a , b ) = min ∑ ( C t − a − b⋅ Vt ) 2
t
^ ^
F ' ( a ) = 0 ⇒ n ⋅ a + b⋅ ∑ V t = ∑ C t
^ ^
F' ( b ) = 0 ⇒ a ⋅ ∑ Vt + b⋅ ∑ Vt2 = ∑ C t ⋅ Vt
 Urmează apoi determinarea valorilor variabilelor folosind
următorul tabel:
Ct It Vt Ct*Vt Vt2 Ct1 u1t u1t2 Ct2

I t2 Ct*It Vt*It Ct2 u2t u2t2 Vt^ Vt^2 Ct*Vt^

Se calculează apoi â şi b̂ .
Verificarea semnificaţiei estimatorilor presupune:
• calculul dispersiei variabilei reziduale :
1
s 2û1 = ⋅ ∑ u 12t
n − k −1
• calculul abaterilor medii pătratice ale celor doi
estimatori:

Se ştie că: ∑ (Vt − V) 2

= ∑ Vt2 −
(∑ Vt )
2
, V=
∑ Vt
;
n n
rezultă:

⎛1 V
2 ⎞
s â = s 2û1 ⋅ ⎜ + ⎟
⎜ n ∑ (V − V ) 2 ⎟
⎝ t ⎠

s 2û
s b̂ = 1
2
∑ (Vt − V )
 | â |
t c â =
s â

| b̂ |
t c b̂ =
s b̂

Din tabelul distribuţiei Student, pentru un prag de

semnificaţie α, se preia valoarea t0.α. Comparând valoarea tabelată,
cu valorile calculate pentru cei doi parametrii, se constată dacă
ambii parametrii sunt semnificativ diferiţi de zero, sau nu.
În vederea verificării semnificaţiei raportului de corelaţie se
calculează valoarea acestuia, după care se aplică testul
Fisher-Snedecor:

(∑ C ) 2

∑ (C − C) = ∑ C
t
Se ştie că: t
2
t
2
− rezultă:
n

R = 1−
∑u 1t

∑ (C t − C )2

R2
Fc = ( n − k − 1) ⋅
1− R2
Din tabelul distribuţiei Fisher, în funcţie de un prag de
semnificaţie de α şi de numărul gradelor de libertate υ1=k şi
υ2=n-k-1 se preia valoarea Ft.
 Dacă Fc > Ft, rezultă că valoarea raportului de corelaţie este
semnificativ diferită de zero, cu un prag de semnificaţie α.
Pe baza datelor modelului, rata marginală, cu o probabilitate
de α, este definită în intervalul:

b ∈[b̂ ± t α ⋅ sb̂ ]

b2) Modelul de la punctul b1) este sub forma structurală

şi este format din trei variabile:
• două endogene Ct şi Vt;
• o variabilă exogenă It.
Prima ecuaţie a modelului este corect identificată, deoarece
numărul variabilelor exogene (una It) este egal cu numărul
variabilelor endogene minus unu. În acest caz parametrii modelului
se pot estima:
Ö prin metoda regresiei indirecte aplicată ecuaţiilor
modelului sub forma redusă;
Ö prin aplicarea MCMMP în două faze.
Pornind de la forma structurală a modelului, modelul sub
forma redusă se obţine:

⎧⎪ C t = α + β1 ⋅ I t + z t
⎨
⎪⎩Vt = α + β 2 ⋅ I t + z t
unde:
a
α =
1− b
b
β1 =
1− b
1
β2 =
1− b
ut
zt =
1− b
În continuare se aplică MCMMP fiecărei ecuaţii în parte şi
se estimează parametrii α, β1 şi β2.

F(α , β1 ) = min ∑ (C t − α − β1 ⋅ I t ) 2
t
^ ^
F' (α ) = 0 ⇒ n ⋅ α + β1 ⋅ ∑ I t = ∑ C t
^ ^
F' (β1 ) = 0 ⇒ α⋅ ∑ I t + β1 ⋅ ∑ I 2t = ∑ C t ⋅ I t

Rezultă: α şi β1.

F(α, β 2 ) = min ∑ (Vt − α − β 2 ⋅ I t ) 2

t
^ ^
F' (α) = 0 ⇒ n ⋅ α+ β 2 ⋅ ∑ I t = ∑ Vt
^ ^
F' (β2 ) = 0 ⇒ α⋅ ∑ I t + β 2 ⋅ ∑ I 2t = ∑ Vt ⋅ I t
 Rezultă: α şi β2.
â =α/β2

b̂ =β1/β2

Verificarea semnificaţiei estimatorilor presupune:

¾ calculul dispersiei variabilei reziduale:
1
s 2û 2 = ⋅ ∑ u 22 t
n − k −1
¾ calculul abaterilor medii pătratice ale celor doi
estimatori.
(∑ Vt )2 ∑ Vt
Se ştie că: ∑ (Vt − V) 2 = ∑ Vt2 − , V= ;
n n
rezultă:

⎛1 V
2 ⎞
s â = s 2û 2 ⋅ ⎜ + ⎟
⎜ n ∑ (V − V ) 2 ⎟
⎝ t ⎠

s 2û 2
s b̂ =
2
∑ ( Vt − V )
 | â |
t c â =
s â

| b̂ |
tc =
b̂ s b̂

Din tabelul distribuţiei Student, pentru un prag de

semnificaţie α, se preia valoarea t0.α. Comparând valoarea tabelată
cu valorile calculate pentru cei doi parametrii se constată dacă
ambii parametrii sunt semnificativ diferiţi de zero, cu un prag de
semnificaţie de α, sau nu.
În vederea verificării semnificaţiei raportului de corelaţie se
calculează valoarea acestuia, după care se aplică testul
Fisher-Snedecor:

(∑ C t )2
Se ştie că: ∑ (C t − C) 2 = ∑ C 2t − rezultă:
n

∑ u 2t
R = 1−
2
∑ (C t − C )

R2
Fc = ( n − k − 1) ⋅
1− R 2
Din tabela distribuţiei Fisher, în funcţie de un prag de
semnificaţie de α şi de numărul gradelor de libertate υ1=k şi υ2=n-
k-1 se preia valoarea Ft.
 Dacă Fc > Ft rezultă că valoarea raportului de corelaţie este
semnificativ diferită de zero, cu un prag de semnificaţie α.
Pe baza datelor modelului de mai sus, rata marginală a
consumului final al populaţiei în funcţie de PIB, cu o probabilitate
de α este definită în intervalul:

[
b ∈ b̂ ± t α ⋅ s b̂ ]

b3) Estimarea parametrilor prin aplicarea MCMMP în

două faze constă în:
Faza 1: se regresează variabila endogenă (Vt), pe
post de variabilă exogenă în prima ecuaţie a
modelului, în funcţie de It variabila exogenă.
Vt = c + d ⋅ I t + w t

Cei doi parametrii c şi d se estimează cu ajutorul

MCMMP, astfel:

F ( c, d ) = min ∑ ( Vt − ĉ − d̂ ⋅ I t ) 2
t

F ' ( c ) = 0 ⇒ n ⋅ ĉ + d̂ ⋅ ∑ I t = ∑ Vt

F ' ( d ) = 0 ⇒ ĉ ⋅ ∑ I t + d̂ ⋅ ∑ I 2t = ∑ Vt ⋅ I t
 Faza 2: în prima ecuaţie a modelului, variabila Vt se
introduce cu valorile estimate în faza 1 ( Vt^)
rezultând ecuaţia:
^
Ct = a + b ⋅ Vt + u t
ai cărei parametrii se estimează cu ajutorul
MCMMP.

F ( a , b ) = min ∑ ( C t − â − b̂ ⋅ V̂ t ) 2
t

F ' ( a ) = 0 ⇒ n ⋅ â + b̂ ⋅ ∑ V̂ t = ∑ C t

F ' ( b ) = 0 ⇒ â ⋅ ∑ V t + b̂ ⋅ ∑ V̂ t2 = ∑ C t ⋅ V̂ t

Rezultă: â , b̂

a) Rata marginală a „x” în funcţie de b̂ a fost estimată pe

baza aceluiaşi model ecometric utilizând trei procedee
de estimare a parametrilor. În urma efectuării calculelor
se obţin valorile ratei marginale a lui „x”:
^
Din a1 rezultă b şi s b̂
^
Din a2 şi a3 rezultă b şi s b̂ .
 3 Serii de timp cu trei componente:
trend, sezonalitate şi variabilă reziduală

a) Alegerea modelului de ajustare privind descrierea

fenomenului.

Modelul este structurat pe trei componente:

y t = f ( t ) + s( t ) + u t
unde:
yt - valorile reale ale fenomenului;
s(t) - componenta sezonieră, efect al acţiunii factorilor
sezonieri, a căror influenţă se exercită pe perioade
mai mici de un an;
f(t) - componenta trend, efect al influenţei factorilor
esenţiali, reprezentând tendinţa de evoluţie a
fenomenului pe termen lung, tendinţă care, pe baza
graficului, poate fi descrisă cu ajutorul unei funcţii
liniare;
ut - componenta reziduală, efect al influenţei factorilor
întâmplători.
 a1) Metoda analizei variaţiei
Modelul de ajustare se bazează pe relaţia:
n m
2 2 2
∑ ∑ (yij − y0 ) = ∑∑ (yi − y0 ) + ∑∑ (y j − y0 ) +
i =1j=1 i j i j

+ ∑∑ (yij − yi − y j + y0 ) 2
i j

2 n m 2
Δ y = ∑ ∑ (yij − y0 )
i =1 j=1

2 2
Δ = ∑∑ (yi − y0 )
yt
i j

2 2
Δ = ∑∑ (y j − y0 )
ys
i j

2 2
Δ = ∑∑ (yij − yi − y j + y0 )
yu
i j
2
Δy - variaţia totală a fenomenului;
2 - variaţia lui y explicată de trend;
Δ
y t
2 - variaţia lui y explicată de componenta sezonieră;
Δ
y s
2 - variaţia lui y datorată factorilor întâmplători;
Δ
y u
 Testarea semnificaţiei rezultatelor se poate face cu testul
"F".
Δ2y t Δ2y u
1
Fcal = :
n − 1 ( n − 1) ⋅ ( m − 1)
Δ2y s Δ2y u
2
Fcal = :
m − 1 ( n − 1) ⋅ ( m − 1)

Din tabela distribuţiei Fisher-Snedecor se preiau valorile

teoretice corespunzătoare celor două valori calculate Fcal1 şi Fcal2.
Dacă:
Fcal1 > F1tab
Fcal2 > F1 tab

se acceptă modelul yt = f (t ) + s (t ) + ut , cu un prag de semnificaţie

de 1 %, componenta trend deţinând x% din variaţia totală.

b) Estimarea componentei sezoniere şi determinarea seriei

cronologice desezonalizată.

În funcţie de modalităţile de exprimare a tendinţei,

sezonalitatea se poate exprima prin mai multe procedee:
b1) Procedeul mediilor aritmetice constă în compararea
valorilor empirice cu mediile anuale şi calculul mediilor aritmetice
ale acestor valori pe subperioadele anilor.
 Sezonalitatea în valoare absolută este:
n n n
∑ ( y ij − y i ) ∑ y ij ∑ yi
s j = i =1 = i =1 − i =1 = y j − yo
n n n
Sezonalitatea în valoare relativă este:

n y ij
∑
y
k j = i =1 i
n

b2) Procedeul mediilor mobile, cum numărul

subperioadelor anuale este de „n” rezultă că numărul de termeni din
care se vor calcula mediile mobile este de „n”.
Coeficienţii de sezonalitate trebuie să respecte egalitatea
sum(kj)=m. Dacă sum(kj) este diferit de m, atunci coeficienţii kj
vor trebui corectaţi.

b3) Procedeul tendinţei analitice: calculul componentei

sezoniere şi a seriei C.S.V. pe baza tendinţei analitice a seriei.
Acest procedeu constă în estimarea valorilor tendinţei fenomenului
central cu o funcţie de ajustare specificată pentru valorile
fenomenului yij, după care se vor calcula coeficienţii de
sezonalitate kj.
 Funcţia de ajustare este o funcţie liniară: yt=a+b*t
⎧⎪T ⋅ â + b̂ ⋅ ∑ t = ∑ y t
⎨
⎪⎩â ⋅ ∑ t + b̂ ⋅ ∑ t 2 = ∑ y t ⋅ t

c) Specificarea funcţiei de ajustare privind tendinţa

fenomenului şi estimarea parametrilor.

Estimarea valorilor componentei trend şi a valorilor

variabilei estimate. Funcţia de ajustare privind tendinţa
fenomenului într-o anumită perioadă se deduce pe baza valorilor
C.S.V. adică a seriei de timp corectată de variaţiile sezoniere şi
seria desezonalitată. Seria iniţială desezonalizată cu ajutorul mai
multor procedee, estimarea celor două componente – trend şi
variabila reziduală – se poate face utilizând rezultatele obţinute la
oricare din aceste metode.

Anii yt* 2
t*yt Yt* ut ut2 (t-tmed)2

(yt*-y*med)2 (yt*-Yt*)2 (Yt*-y*med)2

⎧⎪T ⋅ ĉ + d̂ ⋅ ∑ t = ∑ y*
t
⎨
⎪⎩ĉ ⋅ ∑ t + d̂ ⋅ ∑ t 2 = ∑ y*t ⋅ t
ĉ
Rezultă:
d̂
 d) Verificarea semnificaţiei funcţiei de ajustare
specificându-se pragul de semnificaţie.

Pentru a verifica semnificaţia parametrilor şi a funcţiei de

ajustare se vor calcula:

• dispersia variabilei reziduale

1
s 2u = ⋅ ∑ u 2t
T − k −1

• dispersiile estimatorilor
⎛1 t
2 ⎞
s ĉ2 = s 2u ⋅ ⎜ + ⎟
⎜T 2⎟
⎝ ∑ (t − t) ⎠

2 s 2u
s =
d̂ 2
∑ (t − t)

• valoarea raportului de corelaţie

2
∑ ut
R = 1−
* *2
∑ (yt − y )
Utilizând ecuaţia analizei variaţiei:
* 2 ** * 2 * 2*
∑ (y t − y ) = ∑ (y t − Yt ) + ∑ (Yt − y )

rezultă că modelul econometric explică procentul din variaţia totală

a fenomenului.
 Dacă numărul gradelor de libertate este T<30 vom utiliza
distribuţia Student cu T-k-1 grade de libertate, unde k reprezintă
numărul valorilor explicative. Pentru un prag de semnificaţie α, din
tabela distribuţiei Student se preia valoarea tα;T-k-1:

Dacă indicatorii sunt semnificativi diferiţi de zero, cu un

prag de semnificaţie α.
| ĉ |
> t calc
s ĉ

| d̂ |
> t calc
s d̂
Verificarea semnificaţiei raportului de corelaţie se face cu
ajutorul testului Fisher –Snedecor:

T − k −1 R2
Fc = ⋅
k 1− R2

Din tabela distribuţiei Fisher - Snedecor, în funcţie de un

prag de semnificaţie de α şi de numărul gradelor de libertate υ1=k
şi υ2=T-k-1 se preia valoarea Fc.
Dacă Ftab> Fcalc, atunci valoarea raportului de corelaţie este
semnificativ diferită de zero, cu un prag de semnificaţie de α.