6

Modele dinamice

Un model econometric static este acela n care dependena

variabilelor endogene y fa de valorile variabilelor exogene xj se
realizeaz n aceeai perioad de timp:
yt = f(x1t,,xjt,, xkt) + ut

t = 1, n ,

j = 1, k

Spre deosebire de acestea, modelele econometrice dinamice se

definesc prin urmtoarele tipuri:
a) Introducerea n pachetul de variabile explicative xj, n mod
explicit, a variabilei timp:
yt = f(x1t, x2t, t) + ut
Un astfel de model se justific atunci cnd:
Printre factorii importani ai variabilei y se afl i factori de natur
calitativ, a cror influen nu poate fi reflectat de modelul econometric
datorit lipsei unei msuri statice adecvate; cum ar fi, de exemplu, influena
preferinelor sau gusturilor populaiei asupra consumului sau influena
progresului tehnic n cadrul funciilor de producie;
Poate fi acceptat ipoteza unui efect inerial n evoluia
fenomenului y, ipotez care, n domeniul fenomenelor economice, poate fi
acceptat datorit masei sociale care le genereaz i de care beneficiaz;

Modele econometrice

b) Modele autoregresive cnd n pachetul de variabile explicative

xj se introduce i variabila explicat y, dar cu valori decalate:
yt-1, yt-2,,yt-k , acesta reprezentnd un model autoregresiv de ordinul k:
yt = f(xt, yt-k) + ut
c) Modele cu decalaj - n care variabila factorial x i exercit
influena asupra variaiei variabilei y pe mai multe perioade de timp:
yt = f(xt, xt-1,, xt-k) + ut;

t = 1, n ; j = 1, k , k<t

unde:
k = lungimea perioadei de decalaj (lag).
Exemple:
Kt = f(It, It-1,,I

t-k)

+ ut

unde:
Kt = fondurile fixe puse n funciune n perioada t;
It = investiiile efectuate n perioada t-k,,t.
Qt = f(It,It-1,, It-k) + ut
unde:
Qt = producia medie la ha ;
It = cantitatea de ngrminte la ha.
Aceste tipuri de modele, a), b) i c), se utilizeaz, n special, la
prognoza fenomenelor economice. Dac primele modele, a) i b), nu ridic
dificulti privind identificarea, estimarea i verificarea modelului, ele fiind
de genul modelelor econometrice multifactoriale, modelele dinamice cu
decalaj prezint cteva dificulti.

Modele dinamice

Prima dificultate se refer la lungimea decalajului k cu ct acesta

este mai mare, cu att se pierd mai multe valori ale variabilelor, neajuns ce
impune construirea unor serii lungi de date ale fenomenelor analizate, pe
cnd, n economie, se lucreaz, de obicei, cu eantioane de volum mic.
A doua dificultate o reprezint existena fenomenului de multicolinearitate
ntre valorile decalate ale variabilei exogene cov(xt,xt-k) 0, t = 1, n , k<t
multicoliniaritate care conduce la obinerea de estimatori nesemnificativi:
b j
<2.
s b
j

Pentru depirea acestor neajunsuri se pot folosi mai multe procedee,

cum ar fi:
- fie modelul dinamic cu decalaj
y t = a + b 0 x t + b1 x t 1 + ... + b j x t j + ... + b k x t k + u t
k

y t = a + b j x t j + ut
j =0

(6.1)
(6.2)

unde:
n = numrul de observaii , t = 1, n ;
k = ordinul decalajului , j = 0, k .
1. Procedeul Koyck se admite c influena n timp a variabilei x
asupra variabilei y este descresctoare, de forma unei progresii geometrice,
i, ca atare, ntre parametrii bj exist relaia:
bj = b0 j
unde:
= raia progresiei geometrice, 0<<1;
j = 0,1,2,,k

(6.3)

Modele econometrice

n aceste condiii, ecuaia (6.1) devine:

yt = a + b0 xt + b0xt-1 + b02xt-2 + b03xt-3 ++ ut

(6.4)

Se decaleaz cu o perioad ecuaia (6.1) i se nmulete cu :

yt-1 = a + b0xt-1 + b02xt-2 + b03xt-3 ++ ut-1

(6.5)

Scznd ecuaia (6.5) din ecuaia (6.4) se obine:

yt yt-1 = a(1 ) + b0xt + (ut ut-1) yt = a(1 ) + b0xt + yt-1 +
+ (ut ut-1)
yt = a0 + b0xt + yt-1 + zt
(6.6)
unde:
a0 = a(1 ),
zt = ut - ut-1

(6.7)
(6.8)

Prin aplicarea M.C.M.M.P. ecuaiei (6.6) se vor estima parametrii a0,

b0 i , iar, pe baza relaiilor (6.3), (6.7) i (6.8), se vor estima parametrii
modelului din ecuaia (6.1). De reinut, de asemenea, c modelul cu decalaj
relaia (6.1) prin utilizarea procedeului Koyck, devine un model
autoregresiv relaia (6.5). Acest model evit multicoliniaritatea i nu
conduce la diminuarea cantitii de informaie empiric dect cu o perioad,
dar ipoteza pe care se fundamenteaz influena geometric descresctoare
a variabilei factoriale este dificil de susinut economic. Interesul
economitilor pentru acest procedeu este justificat de posibilitatea de a
exprima influena variabilei x asupra variabilei y prin doi indicatori:
influena pe termen scurt i influena pe termen lung. Influena pe termen
scurt este exprimat de parametrul b0, iar influena pe termen lung se
calculeaz ca sum a parametrilor corespunztori variabilei x, parametrii ce
urmeaz o progresie geometric descresctoare:
k

bj =

j =0

b0
1

Modele dinamice

unde:
= raia progresiei geometrice, 0<<1
2. Procedeul Almon se consider c variabila factorial x i
transmite influena n timp asupra variabilei y prin intermediul unui
polinom de ordinul k. n acest caz, relaiile (6.2) i (6.3) devin:
bj = B0 + B1 j + B2 j2 ++ Bk jk, j = 0, 1, 2 ,3 , , k
k

j =0

j =0

(6.9)

y t = a + b j x t j + ut = a + (B 0 + B 1 j + B 2 j 2 + ... + B k j k )x t j + ut =
=a + B0 xt j + B1 j xt j +B2 j 2 xt j +B3 j 3 xt j +...+ Bk j k xt j +ut
j

(6.10)

Notnd cu:
v t0 = x t j
j

v t1 = j x t j
j

v t2 = j 2 x t j
j

v tk = j k x t j
j

relaia (6.10) se transform ntr-un model multifactorial cu (k+1) variabile

explicative:
yt = a + B0vt0 + B1vt1 ++ Bkvtk + ut

(6.11)

Cu ajutorul M.C.M.M.P. se estimeaz parametrii modelului (6.11),

iar, pe baza relaiei (6.9), se estimeaz parametrii modelului iniial (6.11),
respectiv bj, j = 0, k . Acest calcul al parametrilor modelului iniial (6.1) cu
ajutorul polinomului propus de Almon evit multicoliniaritatea, dar necesit
utilizarea de serii lungi de date. n plus, nici ipoteza polinomial pe care se
bazeaz estimarea parametrilor nu are valabilitate n domeniul economic.

Modele econometrice

3. Procedeul progresiei aritmetice descresctoare

Pornind de la ecuaia (6.1):
yt = a + b0xt + b1xt-1 ++ bkxt-k + ut
se consider c variabila x i transmite influena asupra variabilei y sub
forma unei progresii aritmetice descresctoare.
Aceast ipotez presupune deci, c:
bj = b0 + j
unde:
j = 0, k ;

= raia progresiei aritmetice, <0.

n acest caz, modelul (6.1) devine:
yt = a +b0xt +(b0+)xt-1 + (b0+2)xt-2 ++ (b0+k)xt-k + ut

(6.12)

Se decaleaz cu o perioad ecuaia (6.12):

yt-1 = a + b0xt-1 + (b0 + )xt-2 + (b0 + 2)xt-3 + + (b0 + k)xt-k-1 + ut-1 (6.13)
Din ecuaia (6.12) se scade ecuaia (6.13) obinndu-se:
yt - yt-1 = b0xt + (xt-1 + xt-2 ++ xt-k-1) + (ut - ut-1)
yt* = b0xt + vt + zt

(6.14)
(6.15)

unde:
t = k + 2, n ;
yt* = yt - yt-1 diferenele de ordinul nti ale variabilei explicate;
vt = xt-1 + xt-2 + +xt-(k+1);
zt = ut - ut-1 - variabila aleatoare.

Modele dinamice

Ecuaia (6.15) arat c un model cu decalaj se transform ntr-un

model bifactorial. Estimarea parametrilor acestuia se face prin utilizarea
M.C.M.M.P. Dup estimarea parametrilor b0 i prin b i , , se vor
0

estima i parametrii modelului (6.1) utiliznd relaiile:

b1 = b0 +
b2 = b0 + 2
..
b = b + k
k

a = y b0 x t b1 x t 1 ... bk x t k
unde:

y =

1
y
n t =1 t

xt =

1
x
n t =1 t

x t 1 =

1
x
n 1 t = 2 t 1

..
1
x t k =
x
n k t = k +1 t k
Acest procedeu, ca i celelalte dou, Koyck i Almon, elimin
multicoliniaritatea valorilor decalate ale variabilei explicative x. Prezint,
ns, avantajul c alegerea lungimii decalajului k (sau mrimea lagului) se
poate face prin ncercri succesive i utilizarea unui criteriu de alegere (de
performan) ca, de exemplu:
;
pentru j = 1 se estimeaz , s i R
1

y x t 1

pentru j = 2 se estimeaz 2 , s i R y
2

x t 2 ;

.
pentru j = k se estimeaz k , s i R y x .
t k
k

Modele econometrice

Dup ce se testeaz c estimatorii sunt semnificativ diferii de zero,

j
respectiv
> 2 , i faptul c acetia difer semnificativ unul de cellalt,
s
j

1 2
s 21 + s 22

> 2 ,lungimea decalajului se va stabili pe baza criteriului:

j = max( R y / x t j ) , unde R y / x t j = raportul de corelaie al modelului j.

j

Neajunsul principal al acestui procedeu l constituie diminuarea

puternic a seriilor de date n funcie de lungimea decalajului cu care se
lucreaz. De exemplu, pentru o serie format din 10 termeni, dac k = 3 se
vor pierde k + 1 = 4 termeni.

xt

yt

yt*=yt-yt-1

x1
x2
x3
x4
x5
x6
x7
x8
x9
x10

y1
y2
y3
y4
y5
y6
y7
y8
y9
y10

y5*=y5-y4
y6*=y6-y5
y7*=y7-y6
y8*=y8-y7
y9*=y9-y8
y10*=y10-y9

xt t = 4 + 1, 10
4
x5
x6
x7
x8
x9
x10

Tabel 6.1

vt t = 5, 10

5
v5=x4+x3+x2+x1
v6=x5+x4+x3+x2
v7=x6+x5+x4+x3
v8=x7+x6+x5+x4
v9=x8+x7+x6+x5
v10=x9+x8+x7+x6

Dac se construiete un model dinamic cu decalaj de ordinul trei

ntre x si y, utiliznd datele din tabelul 6.1, coloanele 1 i 2, parametrii
modelului (6.15) yt* = b0xt + vt + zt se vor estima pe baza valorilor celor
trei variabile yt*, xt i vt prezentate n coloanele 3, 4 i 5 ale tabelului 6.1.

Modele dinamice

n general, modelele dinamice au fost concepute i se utilizeaz n

domeniul prognozelor fenomenelor economice, deoarece nu necesit calcule
laborioase pentru estimarea valorilor viitoare ale variabilelor factoriale. n
acest sens, modelele dinamice cu decalaj nu necesit dect pentru previziuni
pe termen scurt estimarea valorii viitoare a variabilei x, restul variabilelor
factoriale figurnd n model cu valorile lor reale din perioadele trecute,
situaie ce permite corectarea permanent i adaptarea modelului la evoluia
real a variabilei exogene n orizontul de prognoz.
n vederea estimrii parametrilor unui model dinamic de prognoz cu
variabile anticipative se pleac de la urmtoarea relaie:
y t = a xt + u t

(6.16)

Exemple economice:
1. y = profitul unei societi;
x = cifra de afaceri;
a=

y
rata profitului;
x

2. y = cheltuielile de consum pentru un anumit produs;

x = venitul populaiei sau venitul pe familie;
a=

y
= rata consumului.
x

Notnd cu yt i xt valorile reale ale celor dou variabile y i x, iar cu

ypt i xpt valorile de prognoz ale acestora, atunci valoarea lui y se
anticipeaz cu ajutorul relaiei:
y t = a x pt y t 1 = a x pt 1

(6.17)

Modele econometrice

Deoarece prognoza fenomemului y depinde de previziunea

fenomenului x, se consider c:
x pt x pt 1 = ( x t 1 x pt 1 )

(6.18)

unde:
t = variabila timp, t = 1, n ;
= constanta de nivelare (lisaj), 0 < < 1 ;
xt-1 xpt-1 = eroarea de prognoz.
Relaia (6.17) se fundamenteaz pe ipoteza c diferenele dintre dou
valori succesive de prognoz ale variabilei x sunt generate de un proces
autoregresiv, stabil, de ordinul unu.
Prin definiie, un proces autoregresiv este:
- stabil - dac 0 < < 1 ;
- constant sau de repetiie - dac = 1;
- exploziv - dac > 1 .
Din relaia (6.18) se deduce c: x pt = xt 1 + (1 ) x pt 1 , care,
nmulit cu a, devine:
x pt = a x t 1 + (1 ) a x pt 1

(6.19)

Corelnd relaia (6.17) cu relaia (6.19) rezult:

y t = ax t 1 + (1 ) y t 1

(6.20)

NOT: Relaia (6.18) este specific metodei nivelrii exponeniale simple vezi
subcapitolul 8.4.3.3.

Modele dinamice

Estimatorii parametrilor a i se pot determina cu ajutorul

M.C.M.M.P. aplicat modelului:
y t = b1 x t 1 + b 2 y t 1 + u t

(6.21)

unde:
b1 = a i b2 = 1-.
b
De regul, estimatorii parametrului vor avea dou valori: 1 = 1
a
i 2 = 1 b2 .
Dac:
1
1) 1 (0; 1) i 2 (0; 1) , atunci se va calcula = ( 1 + 2 );
2
2) 1 (0; 1) , dar 2 (0; 1) , atunci se va reine = 1 sau = 2 ,
dac rezultatele sunt inverse;
3) 1 (0; 1) i 2 (0; 1) , atunci relaia (6.18) i, evident, relaia
(6.20), nu pot fi acceptate la descrierea evoluiei variabilelor x i y.
n general, modelele de prognoz cu variabile anticipative pot fi
adaptate la orice tip de model, uni sau multifactorial, liniar sau liniarizabil,
care se construiete pe baza unei serii de timp, dac evoluia variabilelor
respective poate fi considerat staionar.

Exemplu de rezolvare a unui model cu variabile anticipate

Un studiu de marketing efectuat asupra unui eantion de familii
dintr-un anumit jude a ajuns la urmtoarele rezultate privind evoluia
cheltuielilor medii pe familie (cererea) pentru procurarea de produse
alimentare i venitul mediu pe familie pe primele zece luni ale anului curent.

Modele econometrice

Tabel 6.2
Venitul mediu pe familie
(104 lei)

Luni

Cheltuieli medii pe familie

(104 lei)

1
2
3
4
5
6
7
8
9
10

160
72
48
44
22
24
26
20
12
28

200
240
300
80
178
194
104
62
250
270

Se cere:
tiind c pe luna noiembrie s-a estimat (planificat) un venit mediu pe
familie de 300104lei , dar s-a realizat numai 250104 lei, s se estimeze:
a1) Cheltuielile medii pe familie efectuate pentru consumul produselor
alimentare n luna noiembrie;
a2) Prognoza venitului mediu pe familie i a cheltuielilor medii pe
familie pentru procurarea de bunuri alimentare aferente lunii decembrie.
Rezolvare:
a1) Abordarea econometric a problemei pornete de la relaiile de
dependen dintre consumul unei familii i factorii si. Se tie c, din
ansamblul factorilor consumului populaiei, venitul mediu pe locuitor sau pe
familie reprezint unul din factorii eseniali ai acestuia, alturi de preul
produsului, sau de indicele preurilor de consum al unei grupe eterogene de
produse, cum este cazul mrfurilor alimentare. n acest sens, n cadrul
modelului econometric, care descrie legtura dintre cererea efectiv
(consumul) i venitul familiilor, cele dou variabile au urmtoarea
semnificaie:
yt = axt+ut,

Modele dinamice

unde:
y = cheltuieli medii de consum pe familie pentru produsele alimentare
(variabil endogen);
x = venitul mediu pe familie (variabil exogen);
y
a = = ponderea cheltuielilor medii de consum pentru produsele
x

alimentare n totalul veniturilor unei familii;t = lunile anului, t = 1,10 ;

u = variabila rezidual ce rezult datorit faptului c parametrul a
se estimeaz pe baza unui eantion prin metode statistice.
Pornind de la relaia de dependen a consumului de venit, yt = axt +
ut, prin aplicarea M.C.M.M.P., se estimeaz parametrul a - a = 0,2184 adic ponderea cheltuielilor pentru procurarea de produse alimentare este de
21,84% din venitul familiilor:

Y t = 0,2184 xt
(0,0703)
tiind c, L (a) = N (a, s a ) , ponderea cheltuielilor alimentare n
venitul familiilor poate fi estimat pe baza unui interval de ncredere:
P (a [a t a s a ]) = 1 0,05 = 0,95

t 0 ,05 ;9 = 2 ,262 a (5,94%; 37 ,74% )

Valoarea parametrului a fiind cunoscut, se pot estima cheltuielile

alimentare efectuate de o familie n luna noiembrie:
Y 11 = 0,2184250 = 54,6104 lei / familie

Modele econometrice

Prognoza venitului mediu pe familie n luna decembrie se va estima

cu ajutorul relaiei:
xp12 xp11 = (x11 xp11)
unde:
x11 = 250 i xp11 = 300.
Estimarea parametrului se va face cu ajutorul modelului:
yt = b1xt-1 + b2yt-1 + zt;
unde:
b1 = a1 i b2 = 1 2.
Aplicarea M.C.M.M.P. i rezolvarea sistemului de ecuaii normale ce
rezult pe baza datelor din tabelul 6.2 conduce la obinerea urmtoarelor
informaii:
SUMMARY OUTPUT
Regression Statistics
Multiple R

Semnif. ind.
0,8420

=R

R Square

0,7089

Adjusted R Square

0,5245

= R2
= R c2

Standard Error

10,6994

Observations

= s z
= n -1

Modele dinamice

ANOVA
Regression
Residual
Total

df
2

=k

SS
1951,5442

)2

)2

= Y t y

7 =n-k-1 801,3446

= y t Y t

= ( y t y )2

=n-1

2752,8889

MS
975,7721

=s

2
y/ x

F
8,5237

Fc

114,4778

= s z2

Variable

Coefficients

Standard Error

t Stat

termen liber

b0

sb

tc

xt-1

0,0622

b1

0,0264

sb

2,3561

tc

yt-1

0,3971

b2

0,0835

sb

4,7575

tc

Y t = 0,0622xt-1 + 0,3971yt-1; R = 0,842

(0,0624)

(0,0835) sz = 10,6994

dar:

b
b1 = a 1 1 = 1 = 0,2847
a
b = 1 = 1 b = 0,6029
2

1
+ 2 = 0,444
2 1
Revenind la relaiile precedente rezult:
- prognoza venitului mediu pe familie n luna decembrie:
=

xp12 = 0,444 (250-300)+300 = 277,8104 lei = 2778 mii lei

- prognoza cheltuielilor medii pe familie n luna decembrie:
Y 12 = a x p 12 = 0,2184 2778 = 606,715 mii lei/familie

b0

b1

b2