Enachecalcedonia

ACADEMIA DE STUDII ECONOMICE DIN BUCURETI
CALCEDONIA ENACHE
MODELE ECONOMETRICE APLICATE

N ECONOMIA REAL
Colecia
Cercetare avansat postdoctoral n tiine economice
ISBN 978-606-505-978-8
Editura ASE
Bucureti
2015
Copyright 2015, Calcedonia Enache
Toate drepturile asupra acestei ediii sunt rezervate autorului.
Editura ASE
Piaa Roman nr. 6, sector 1, Bucureti, Romnia
cod 010374
www.ase.ro
www.editura.ase.ro
editura@ase.ro
Refereni:
Prof. univ. dr. Gabriela IGU
Prof. univ. dr. Eugeniu URLEA
ISBN 978-606-505-978-8
Autorul i asum ntreaga responsabilitate pentru ideile exprimate, pentru originalitatea materialului i pentru
sursele bibliografice menionate.
Aceast lucrare a fost cofinanat din Fondul Social European, prin Programul Operaional Sectorial Dezvoltarea
Resurselor Umane 2007-2013, proiect POSDRU/159/1.5/S/142115 Performan i excelen n cercetarea
doctoral i postdoctoral n domeniul tiinelor economice din Romnia.
CUPRINS
Introducere ................................................................................................................................. 5
Capitolul 1. Metode pentru identificarea, evaluarea i prognoza oscilaiilor sistematice
n economia real..................................................................................................... 7
1.1 Serii de timp. Aspecte teoretice ........................................................................................ 7
1.2 Elemente de analiz necesare evalurii oscilaiilor sistematice ........................................ 9

1.3 Msurtori n domeniul oscilaiilor sistematice .............................................................. 11
1.3.1 Modelul Lawrence Klein .......................................................................................... 11

1.3.2 Modelul Buys Ballot ................................................................................................. 16
1.3.3 Analiza spectral. Modele ARIMA .......................................................................... 22

1.3.4 Modelul Calot ........................................................................................................... 30
1.3.5 Modelul Holt Winters ............................................................................................... 36
Capitolul 2. Modele cu vectori autoregresivi structurali .......................................................... 47

2.1 Consideraii generale ...................................................................................................... 47
2.2 Consumul alimentar n Romnia analiz dinamic i structural ................................ 47

2.3 Estimarea unui model VAR structural ............................................................................ 51
2.4 Descrierea datelor, modelare, rezultate i interpretare .................................................... 53

Capitolul 3. Modele cu vectori de cointegrare i vectori de corecie a erorilor ....................... 61
3.1 Consideraii generale ...................................................................................................... 61

3.2 Comerul exterior cu produse agricole al Romniei cu rile n curs
de dezvoltare analiz dinamic i structural .............................................................. 61
3.3 Estimarea unui model VEC ............................................................................................ 65
3.4 Descrierea datelor, modelare, rezultate i interpretare .................................................... 67

Summary ............................................................................................................................... 73
Surse bibliografice.................................................................................................................... 83
Anexa I ............................................................................................................................... 90
Anexa II ............................................................................................................................... 92
Anexa III ............................................................................................................................... 96
3
CONTENTS
Introduction ................................................................................................................................ 5
Chapter 1. Methods for the identification, assessment and forecast of the systematic
oscillations in the real economy .............................................................................. 7
1.1 Time series. Theoretical issues......................................................................................... 7
1.2 Analysis items needed to assess the systematic oscillation ............................................. 9
1.3 Measurements in the field of systematic oscillations .................................................... 11
1.3.1 Lawrence Klein model.............................................................................................. 11
1.3.2 Buys Ballot model .................................................................................................... 16
1.3.3 Spectral analysis. ARIMA models ........................................................................... 22
1.3.4 Calot model............................................................................................................... 30
1.3.5 Holt Winters model .................................................................................................. 36
Chapter 2. Structural autoregressive vector models ................................................................. 47
2.1 General considerations .................................................................................................... 47
2.2 Food consumption in Romania a dynamic and structural analysis .............................. 47
2.3 Estimating a structural VAR model ................................................................................ 51
2.4 Data description, modelling, results and interpretation .................................................. 53
Chapter 3. Models with cointegrating vectors and error correction vectors ............................ 61
3.1 General considerations .................................................................................................... 61
3.2 Romanias foreign trade in agricultural products with developing countries -
a dynamic and structural analysis................................................................................... 61
3.3 Estimating a VEC model ................................................................................................ 65
3.4 Data description, modelling, results and interpretation .................................................. 67
Summary ............................................................................................................................... 73
Bibliography ............................................................................................................................. 83
Annex I ............................................................................................................................... 90
Annex II ............................................................................................................................... 92
Annex III ............................................................................................................................... 96
4
Introducere
Lucrarea MODELE ECONOMETRICE APLICATE N ECONOMIA REAL este rezultatul activitii

de cercetare postdoctoral n cadrul proiectului POSDRU/159/1.5/S/142115 Performan i
excelen n cercetarea doctoral i postdoctoral n domeniul tiinelor economice din
Romnia, aria tematic Indicatori socio-economici i tiinifici n politicile economice la
nivel micro i macroeconomic.
Lucrarea a fost elaborat ntr-o succesiune logic a realizrii unor studii econometrice
complexe, punnd accentul asupra instrumentelor analizei cantitative pe care le impune
cercetarea economiei reale.
Prima parte a lucrrii prezint o serie de modele particulare pentru studiul sezonalitii, utile
pentru analiza i predicia economic pe termen scurt. Examinarea fluctuaiilor sistematice
reprezint un domeniu deosebit de important i actual pentru cercetarea tiinific, elaborarea
programelor naionale de dezvoltare durabil i activitatea practic din ara noastr.
Partea a doua a lucrrii este dedicat metodei autoregresiei vectoriale structurale, n care
variabilele investigate sunt de tip efect i analizate mpreun. Am optat pentru analiza de tip
VAR ntruct fenomenele economice se comport ca sisteme dinamice, cu interdependen
biunivoc.
Ultima parte a lucrrii expune o metodologie ce are drept fundament studiul vectorilor de
cointegrare i a vectorilor de corecie a erorilor, ce admite prin aciunea de generare a datelor,
determinarea elementelor pe termen lung i a celor pe termen scurt. Identificarea prezenei
unui trend stohastic comun ntre dou sau mai multe variabile constituie baza pentru analiza
dinamicii pe termen scurt.
Orientarea lucrrii ctre partea aplicativ a studierii fenomenelor din economia real este
evideniat prin aplicaii la date concrete, preluate din diferitele surse statistice oficiale.
O contribuie important asupra tratrii unora dintre problemele care fac obiectul acestei
lucrri l-a avut efectuarea stagiului extern de mobilitate la Departamentul de tiine Statistice
din cadrul universitii La Sapienza din Roma, care s-a finalizat cu susinerea seminarului
tiinific cu titlul Determinants of the Demand for Food Products in Romania. Measuring
5
Methods and Techniques. De asemenea, amplele dezbateri la care am participat la Institutul
de Statistic al Italiei (ISTAT), dar i schimburile de informaii i sugestiile primite n urma
prezentrii a opt lucrri tiinifice n cadrul unor conferine internaionale, care s-au desfurat
la Amsterdam, Bucureti, Iai i Milano, m-au ajutat s-mi mbuntesc nivelul de cunotine
statistice i econometrice.
Doresc s-i mulumesc, pe aceast cale, domnului prof.univ.dr. Constantin Mitru, care, n
calitatea sa de tutore, m-a tratat cu exigen profesional, nelegere i ncurajri permanente
n efortul pe care l-a cerut un asemenea act creativ.
6
Capitolul 1. Metode pentru identificarea, evaluarea i prognoza oscilaiilor sistematice
n economia real
1.1 Serii de timp. Aspecte teoretice
Seria de timp reprezint o paralel ntre dou iruri de date, n care primul ir indic variaia
de timp, iar cel de-al doilea ir variaia variabilei investigate. Notnd variabila investigat cu
Y (unde Y 1, n ), iar variabila de timp cu t (unde t 1, n ) rezult c seria este alctuit din
n+1 termeni. n aceste condiii, se poate scrie relaia:
Y= f(t) [1.1]
O serie de timp poate fi continu (t R ) sau discret (t Z ) .

Seria de timp {Yt, t Z }este denumit staionar n sens strict dac pentru oricare t1 < t2
<< tn momente de timp i, oricare ar fi un ntreg, (Yt1,,Ytn), (Yt1+,,Ytn+) au aceeai
repartiie.
Seria de timp {Yt, t Z }este denumit staionar de ordinul k dac pentru oricare t1 < t2 <<
tn momente de timp i, oricare ar fi un ntreg, pentru (Yt1,,Ytn), (Yt1+,,Ytn+) mediile sunt
egale. Astfel:
M((Yt1)k1 k
,, (Ytn) n ) = M((Yt1+)k1,,(Ytn+)kn), pentru k1 + + kn k.
Seria de timp {Yt, t Z }este denumit staionar dac:

M(Yt) = y , t
D(Yt) = M[Yt M(Yt)]2 = 2, t
Cov (Yt,Ym)= (t-m), t, m
Seria de timp {Yt, t Z }este denumit staionar de ordinul doi sau este slab staionar dac:
M(Yt) = y , t
D(Yt) = M[Yt M(Yt)]2 = 2, t
Cov (Yt,Yt+)= M[Yt M(Yt)] [Yt+ - M(Yt)] = (), t ,
O serie de timp este considerat staionar dac media i dispersia acesteia nu se modific,
rmnnd constante pe parcursul scurgerii timpului, iar covariana depinde exclusiv de
decalajul dintre momentele de timp pentru care este determinat.
7
Funcia de autocorelaie, notat cu ( ) , msoar legtura ntre valorile seriei la diferite
intervale de timp:
Cov(Yt , Yt ) [1.2]
() Corr (Yt , Yt )
D(Yt ) D(Yt )
care, pentru un proces staionar, ia forma:
( )
( )
(0)
Funcia de autocorelaie are urmtoarele proprieti:
(0) 1
( ) ( ) , 0,1,...
( ) 1, 0,1,...
n plus:
Dei un proces stohastic are unic structura covarianei, reciproca n general nu este
adevrat. Este posibil sa existe cel puin dou procese stohastice cu aceeai ( )
(Jenkins &Watt, 1968).
Matricea Toeplitz este obinut prin funcia de autocorelaie a unui proces staionar.
Aceasta este o matrice simetric, pozitiv definit.
1 (1) (2) ... ( 1)

(1) 1 (1) ... ( 2)
Matrice Toeplitz de ordin .
... ... ... ... ...

( 1) ( 2) ... (1) 1
Funcia de autocorelaie parial, notat cu () , msoar legtura ntre Yt i Yt- prin

nlturarea efectelor indirecte care provin de la valorile situate ntre ele.
() Corr ((Yt M (Yt Yt 1 ,..., Yt 1 );Yt M (Yt Yt 1 ,..., Yt 1 )) [1.3]
Elementele din = ( (1) ,..., ()) i din = ( (1),, ()) sunt n dubl coresponden.
Pentru a calcula coeficienii de autocorelaie parial se utilizeaz algoritmul Durbin-Levinson
(vezi Levinson, 1947 i Durbin, 1960).
8
1.2 Elemente de analiz necesare evalurii oscilaiilor sistematice
O serie de timp care conine componenta trend f(t), componenta sezonier s(t) i componenta
rezidual u(t) poate fi descris cu ajutorul unui model, aditiv sau multiplicativ, de forma:
yt f (t ) s(t ) u(t ) [1.4] sau yt f (t ) s(t ) u (t ) [1.5].
Prin trend sau tendin de lung durat se nelege linia general de evoluie a unui fenomen n
decursul unui interval de timp. Tendina poate fi: secular; de durat medie (10-20 ani); de
durat scurt (3-10 ani).
Componenta sezonier se manifest sub form de fluctuaii la perioade mai mici de un an.
Componenta rezidual determin variaii neprevzute, sub form de abateri accidentale ntr-o
serie de timp. ntruct componenta rezidual este aleatoare, efectele acesteia sunt dificil de
prognozat.
Metoda grafic i metoda analizei dispersionale sunt utilizate pentru a determina structura
modelului, pe baza cruia poate fi studiat o serie de timp.
Metoda grafic presupune construirea de curbe care se suprapun, realizate pe intervale
subanuale de timp j.
yij
0 j1 j2 j3 jk j
Dac pe grafic se obin:

curbe suprapuse care au fie un punct de maxim, fie un punct de minim, atunci se
apreciaz c seria de timp este alctuit din componenta trend tendina de lung
durat, componenta sezonier i componenta rezidual;
curbe care se intersecteaz, atunci se consider c seria de timp este integrat de
ordin zero, deci este staionar.
Modelul aditiv se recomand a se folosi, dac seria de timp prezint fluctuaii uniforme, de
amplitudine invariabil fa de trend. n caz contrar, se recomand utilizarea modelului
multiplicativ.
9
yt yt
trend trend
0 t 0 t
Model aditiv Model multiplicativ
Metoda analizei dispersionale are drept fundament descompunerea variaiei totale a
fenomenului investigat yt , S y2 ( yij y ) 2 [1.6], n trei pri, i anume:

i j
S y2 / t ( y i y ) 2 - variaia lui y datorat incidenei factorilor eseniali [1.7]

i j
S y2 / s ( y j y ) 2 - variaia lui y datorat incidenei factorilor sezonieri [1.8]

i j
S y2 / u ( yij y i y j y) 2 -variaia lui y datorat incidenei factorilor ntmpltori [1.9]

i j
n care:
y i - media anului i ( i, n );
y j - media subperioadei j ( j 1, m );
y - media general a seriei.

Astfel, rezult urmtoarea identitate:
S y2 S y2 / t S y2 / s S y2 / u [1.10]
Pentru a testa gradul de semnificaie a rezultatelor obinute, se utilizeaz testul Fisher

Snedecor definit prin relaiile:
S y2 / t S y2 / u
F 1
: , pentru n-1 i (n-1)(m-1) grade de libertate [1.11]
n 1 (n 1)(m 1)
calc
S y2 / s S y2 / u
F 2
: , pentru m-1 i (n-1)(m-1) grade de libertate [1.12]
m 1 (n 1)(m 1)
calc
Testul Fisher - Snedecor se realizeaz comparnd valorile determinate, Fcalc1 i Fcalc2, cu

valorile tabelate corespunztoare, pentru un prag de semnificaie ales =0,05 sau =0,01.
10
Dac Fcalc > Ftab se apreciaz c forma modelului de ajustare este: yt f (t ) s(t ) u(t ) sau
yt f (t ) s(t ) u (t ) .
1.3 Msurtori n domeniul oscilaiilor sistematice
n economie se ntlnesc adesea activiti care prezint tendin de variaie n raport cu

modificrile din natur, regulile sociale etc.. Pentru astfel de fenomene examinarea tendinei
de variaie anual trebuie completat cu analiza statistic a fluctuaiilor sezoniere, care se
manifest de la un trimestru la altul sau de la o lun la alta. n acest sens, voi prezenta n
continuare o serie de metode utile pentru analiza i prognoza economic pe termen scurt.
1.3.1 Modelul Lawrence Klein
O modalitate clasic de analiz a sezonalitii se ntlnete n practic n varianta n care

aceasta este inclus n model cu ajutorul variabilelor alternative.
Astfel, forma matematic ce surprinde tendina de variaie sezonier poate fi redat fie prin
intermediul a patru ecuaii distincte, fiecare fiind asociat sezonului S, situaie n care
coeficientul 0 preia i efectul sezonalitii: Ys = 0 + 1Zs [1.13] (unde Z reprezint variabila
cantitativ), fie cu ajutorul relaiei:Y=0 + 1Z + 2S2 + 3S3 + 4S4 + u [1.14], unde:

1 pentru sezonul j
Sj = , situaie n care coeficientul 0 preia doar efectul sezonului

0 pentrusezon j 1
1.
Pentru a examina semnificaia sezonalitii, se testeaz ipoteza nul 2=3=4=0, respectiv

0=0. n condiiile aplicrii metodei celor mai mici ptrate, pentru a preveni nedeterminarea,
unul dintre sezoane este exclus.
Datele, estimarea modelului i rezultate
n vederea aplicrii modelului Lawrence Klein, am utilizat seria de date cu frecven

trimestrial privind valoarea adugat brut din agricultur, silvicultur i pescuit, ce acoper
intervalul 2007- 2013.
11
24000
20000
milioane lei
16000
12000
8000
4000
0
T1 2007
T2 2007
T3 2007
T4 2007
T1 2008
T2 2008
T3 2008
T4 2008
T1 2009
T2 2009
T3 2009
T4 2009
T1 2010
T2 2010
T3 2010
T4 2010
T1 2011
T2 2011
T3 2011
T4 2011
T1 2012
T2 2012
T3 2012
T4 2012
T1 2013
T2 2013
T3 2013
T4 2013
Figura 1.1 Evoluia valorii adugate brute din agricultur,
silvicultur i pescuit, n termeni reali, n perioada T1 2007- T4 2013
Sursa: http://statistici.insse.ro/shop/
Valoarea adugat brut din agricultur, silvicultur i pescuit, n intervalul 2007-2013, a

nregistrat o medie trimestrial, n termeni reali, de 7153,55 milioane lei. Amplitudinea
absolut a variaiei, calculat ca diferen ntre valorile extreme ale seriei, s-a cifrat la 17271,1
milioane lei. Nivelul maxim a fost atins n trimestrul III 2013, pe fondul rezultatelor
favorabile obinute la producia vegetal (n principal la culturile de porumb, gru i cartofi).
n sens opus s-a evideniat randamentul sczut obinut n primul trimestru al anului 2009,
datorit condiiilor climaterice nefavorabile, rezultatelor modeste n subsectorul zootehnic i
investiiilor reduse n tehnologiile performante. Nivelul coeficientului de variaie (68,68 la
sut) arat c seria este eterogen, n timp ce coeficientul de aplatizare (Kurtosis =2,49<3)
indic o distribuie platicurtic.
Indicatori descriptivi
Tabel 1.1
Serie de timp: VABA
Perioada: T1 2007 T4 2013
Numr de observaii:28
Medie 7153,550
Median 5691,550
Maxim 18815,40
Minim 1544,300
Dispersie 24140103
Abatere standard 4913,258
Skewness 0,709700
Kurtosis 2,491968
12
Variable: VABA, Distribution: Log-normal
Chi-Square test = 1,45165, df = 1 (adjusted) , p = 0,22826
11
10
9
No. of observations
8
7
6
5
4
3
2
1
0
2312,5 4625,0 6937,5 9250,0 11562,5 13875,0 16187,5 18500,0 20812,5
Category (upper limits)
Figura 1.2 Distribuie log-normal
Coeficienii de autocorelaie i autocorelaie parial, calculai cu ajutorul pachetului de

programe Statistica modulul Time Series Arima, arat c seria de date considerat a fost
afectat de sezonalitate.
Autocorrelation Function
(Standard errors are white-noise estimates)
Lag Corr. S.E. Q p
1 +,040 ,1793 ,05 ,8229
2 -,686 ,1759 15,25 ,0005
3 +,010 ,1725 15,26 ,0016
4 +,772 ,1690 36,12 ,0000
5 -,038 ,1655 36,17 ,0000
6 -,649 ,1618 52,27 ,0000
7 +,020 ,1581 52,28 ,0000
8 +,658 ,1543 70,49 ,0000
9 -,033 ,1504 70,54 ,0000
10 -,515 ,1464 82,93 ,0000
11 +,012 ,1423 82,93 ,0000
12 +,490 ,1380 95,53 ,0000
13 -,049 ,1336 95,67 ,0000
14 -,425 ,1291 106,5 ,0000
15 +,009 ,1244 106,5 ,0000
0 0
-1,0 -0,5 0,0 0,5 1,0
Conf . Limit
13
Partial Autocorrelation Function
(Standard errors assume AR order of k-1)
Lag Corr. S.E.
1 +,040 ,1890
2 -,689 ,1890
3 +,161 ,1890
4 +,555 ,1890
5 -,238 ,1890
6 -,020 ,1890
7 -,018 ,1890
8 +,054 ,1890
9 +,056 ,1890
10 +,170 ,1890
11 -,133 ,1890
12 -,093 ,1890
13 +,002 ,1890
14 -,042 ,1890
15 +,015 ,1890
0
-1,0 -0,5 0,0 0,5 1,0
Conf . Limit
Figura 1.3 Corelograma pentru VABA

n continuare, pentru determinarea estimatorilor i a diferitelor statistici am folosit pachetul de
programe SPSS.
Rezultatele estimrii modelului

Tabel 1.2
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 ,957a ,916 ,902 1538,31854 1,839
a. Predictors: (Constant), t, T1, T2, T3
b. Dependent Variable: VABA
ANOVAb
Model Sum of Squares df Mean Square F Sig.

1 Regression 5,974E8 4 1,493E8 63,107 ,000a
Residual 5,443E7 23 2366423,939
Total 6,518E8 27
a. Predictors: (Constant), t, T1, T2, T3
b. Dependent Variable: VABA
14
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients 95% Confidence Interval for B
Model B Std. Error Beta t Sig. Lower Bound Upper Bound
1 (Constant) 6682,157 822,266 8,127 ,000 4981,171 8383,144
t 122,971 36,339 ,206 3,384 ,003 47,797 198,144
T1 -6188,646 829,461 -,555 -7,461 ,000 -7904,517 -4472,774
T2 -4328,273 825,472 -,388 -5,243 ,000 -6035,891 -2620,655
T3 5270,199 823,068 ,473 6,403 ,000 3567,552 6972,846
a. Dependent Variable: VABA

Se apreciaz pentru trimestrul I: Y t b0 b1t b2 pentru trimestrul II: Y t b0 b1t b3

pentru trimestrul III: Y t b0 b1t b4 pentru trimestrul IV modelul liniar de regresie
estimat prin M.C.M.M.P. devine:

Yt 6682 ,157 122 ,971t 6188 ,646T1 4328 ,273T 2 5270 ,199T 3 .
Analiznd rezultatele obinute, se constat c modelul de regresie construit este valid, dup
cum a rezultat n urma aplicrii testului Fisher Snedecor (Fcalc= 63,107; p-value=0), el
explicnd 91,6 la sut din variaia valorii adugate brute a agriculturii, silviculturii i
pescuitului.
Toi parametrii modelului sunt semnificativi statistic, afirmaie verificat prin utilizarea
testului Student pentru pragurile de semnificaie indicate n tabelele cu rezultate, ct i prin
faptul c limitele inferioare i superioare ale intervalelor de ncredere estimate pentru acetia
prezint acelai semn. n aceste condiii:
valoarea coeficientului b2 tb2 = - 7,461; p-value = 0,000oglindete faptul c, n
medie, n trimestrul I comparativ cu trimestrul IV, nivelul VABA a fost mai mic cu
6188,646 milioane lei, datorit rezultatelor modeste pe segmentul zootehnic, care este
dependent de producia vegetal i de factorii climaterici;
valoarea coeficientului b3 tb3 = - 5,243; p-value = 0,000reflect faptul c, n medie,
n trimestrul II fa de trimestrul IV, nivelul VABA a fost mai redus cu 4328,273
milioane lei, ndeosebi datorit ecartului ridicat ntre dinamica produciei i cea a
consumului intermediar al ramurii;
15
valoarea coeficientului b4 tb4 =6,403; p-value = 0,000indic faptul c, n medie, n
trimestrul III comparativ cu trimestrul IV, nivelul VABA a fost mai mare cu 5270,199
milioane lei, n principal pe fondul rezultatelor pozitive nregistrate n producia
vegetal.
n urma aplicrii testului Durbin Watson pentru testarea autocorelrii reziduurilor, s-a obinut
o valoare calculat a statisticii dcalc=1,839. Prin compararea cu cele dou valori teoretice
d1=1,10 i d2=1,75 ( =0,05, k=4, n=28) se constat c d2 < DW< 4-d2, deci erorile nu sunt
autocorelate.
Pentru trimestrele I i II ale anului 2014, nivelurile previzionate ale VABA sunt 4059,67
milioane lei i 6043,01 milioane lei (estimri punctuale), n timp ce intervalele de ncredere
ale prognozei, estimate cu un prag de semnificaie =0,05 devin [666,793; 7452,547],
respectiv [2626,01; 9460,01].
1.3.2 Modelul Buys Ballot
Modelul Buys Ballot poate fi utilizat, dac seria de timp respect simultan condiiile
urmtoare:
tendina general este liniar: yt at b;
sezonalitatea este constant: sj = st = constant,
unde:
t j m(i 1);
___
j 1, m - numrul perioadelor subanuale;
___
i 1, n - numrul perioadelor (ani);
perturbaia, ut, este aleatoare, de tip bruit blanc.
n aceste condiii, se folosete un model, n variant aditiv, de forma:
y t at b s j u t [1.15]
Notnd bj = b + sj i substituind pe t j m(i 1) , se obine:
y j m (i 1) a[ j m(i 1)] b j u j m (i 1) [1.16]
16
Prin utilizarea M.C.M.M.P, se estimeaz parametrii a, bj pe baza crora se vor determina
coeficienii de sezonalitate, sj, i valoarea termenului b. n acest sens, se utilizeaz
urmtoarele relaii:
n m y ij n 1 n m
1
a i y [1.17]
n(n 1) i 1 j 1 m 2m i 1 j 1
2 ij
n m yij nm 1
b a [1.18]
i 1 j 1 nm 2
n yij n m yij m 1 [1.19]

sj a( j )
i 1 n i 1 j 1 nm 2
Modelul aditiv este concordant unui model multiplicativ, n condiiile transformrii

logaritmice a variabilei investigate ln( yt ) at b s j u t , n care: a=ln(1+a); b=ln(b); sj =
ln(sj); ut = ln(). Astfel, modelul multiplicativ devine:
yt b ' s j t (1 a ' ) t [1.20]

'
Potrivit principiului conservrii ariilor:

m m m
s
j 1
j ln( s j ) 0 s j e 0 1 [1.21]
j 1 j 1
Modelul Buys Ballot poate fi folosit pentru prognoza fenomenului y n orizontul (T, T+W),
prin utilizarea relaiei:

yT k a[ j m(i k 1)] b s j , [1.22]
pentru k 1, W - perioada de prognoz.
Modelul Buys Ballot este utilizat pentru examinarea seriei de date a ratei de ocupare a
populaiei n vrst de munc n agricultur, silvicultur i pescuit, n perioada T1 2008- T4
2013.
17
17,5
17,0
16,5
16,0
la sut
15,5
15,0
14,5
14,0
13,5
2008
2008
2008
2008
2009
2009
2009
2009
2010
2010
2010
2010
2011
2011
2011
2011
2012
2012
2012
2012
2013
2013
2013
2013
T1
T2
T3
T4
T1
T2
T3
T4
T1
T2
T3
T4
T1
T2
T3
T4
T1
T2
T3
T4
T1
T2
T3
T4
Figura 1.4 Evoluia ratei de ocupare a populaiei
n vrst de munc n agricultur, silvicultur i pescuit,
n perioada T1 2008-T4 2013
Sursa: Calcule proprii pe baza datelor EUROSTAT
n intervalul 2008-2013, rata medie trimestrial de ocupare a populaiei n vrst de munc n

agricultur, silvicultur i pescuit a fost de 15,23 la sut, n timp ce amplitudinea absolut a
variaiei a atins nivelul de 3,6 puncte procentuale. Nivelul coeficientului de variaie (6,67 la
sut) reflect absena eterogenitii, media calculat fiind reprezentativ pentru seria
investigat. Coeficientul de aplatizare indic o distribuie platicurtic (Kurtosis =2,17<3).
Tabel 1.3
Serie de timp: ROPA

Numr de observaii: 24
Medie 15,22917
Median 15,05000
Maxim 17,30000
Minim 13,70000
Dispersie 1,031721
Skewness 0,419574
Kurtosis 2,170509
Jarque-Bera 1,392224
Probabilitate 0,498520
18
media
Figura 1.5 Diagrama box-plot pentru ROPA

Note: Valorile extreme (maxime i minime) sunt reprezentate
prin capetele barelor verticale; Percentilele de 25, respectiv 75
i mediana sunt indicate de barele orizontale.
n anul 2013, populaia ocupat n agricultur, silvicultur i pescuit s-a cifrat la 2634,04 mii
persoane, consemnnd cela mai nalt nivel pentru grupa de vrst 35-64 ani (598,9 mii
persoane), iar cel mai redus pentru grupa de vrst 15-24 ani (255,5 mii persoane). Distribuia
populaiei ocupate n agricultur, silvicultur i pescuit, dup nivelul de instruire evideniaz
faptul c ponderile cele mai mari au aparinut absolvenilor din nvmntul gimnazial (46,25
la sut) i profesional (22,61 la sut). Ponderea persoanelor cu studii universitare a fost de
1,49 la sut, iar cea a persoanelor cu nivel de instruire primar sau fr coal absolvit de
10,93 la sut. Lucrtorii pe cont propriu i lucrtorii familiali neremunerai au reprezentat
92,63 la sut din populaia ocupat n agricultur, silvicultur i pescuit i au locuit n
proporie de 89,33 la sut n mediul rural. La nivelul sectorului agricol, durata medie efectiv
a sptmnii de lucru a fost de 34,4 ore, mai puin cu 4,8 ore dect media UE27. Incidena
subocuprii s-a situat la 6,9 la sut, cu 0,1 puncte procentuale mai mult fa de nivelul
nregistrat n anul 2012. Rata locurilor de munc vacante pentru grupa major 6 - agricultori
i lucrtori calificai n agricultur, silvicultur i pescuit - n conformitate cu Clasificarea
Ocupaiilor din Romnia (COR), a fost de 0,35 la sut, comparativ cu 1,78 la sut n anul
2008. Numrul omerilor cu experien n munc (cei care au lucrat nainte de a intra n
omaj n agricultur) s-a cifrat la 58,9 mii persoane, nregistrnd o cretere comparativ cu anul
19
2012, pe de o parte n valoare absolut, iar pe de alt parte ca pondere n totalul omerilor (cu
4,0 mii persoane, respectiv cu 0,24 puncte procentuale).
Pentru a putea constata dac seria de date privind rata de ocupare a populaiei n vrst de
munc n agricultur, silvicultur i pescuit, n intervalul T1 2008 T4 2013, prezint oscilaii
sezoniere, am determinat coeficienii de autocorelaie i autocorelaie parial, cu ajutorul
pachetului de programe Statistica modulul Time Series - Arima.
Lag Corr. S.E. Q p
1 +,584 ,1920 9,25 ,0024
2 +,539 ,1878 17,49 ,0002
3 +,354 ,1834 21,21 ,0001
4 +,497 ,1790 28,90 ,0000
5 +,145 ,1745 29,59 ,0000
6 +,149 ,1698 30,36 ,0000
7 +,028 ,1651 30,39 ,0001
8 +,178 ,1601 31,63 ,0001
9 -,061 ,1550 31,78 ,0002
10 -,036 ,1498 31,84 ,0004
11 -,135 ,1443 32,71 ,0006
12 -,033 ,1387 32,77 ,0011
13 -,236 ,1328 35,92 ,0006
14 -,200 ,1266 38,41 ,0005
15 -,264 ,1201 43,26 ,0001
0 0
-1,0 -0,5 0,0 0,5 1,0
Conf . Limit

Lag Corr. S.E.
1 +,584 ,2041
2 +,300 ,2041
3 -,070 ,2041
4 +,349 ,2041
5 -,460 ,2041
6 +,035 ,2041
7 +,052 ,2041
8 +,065 ,2041
9 -,097 ,2041
10 -,088 ,2041
11 -,032 ,2041
12 -,065 ,2041
13 -,095 ,2041
14 -,026 ,2041
15 -,026 ,2041
0
-1,0 -0,5 0,0 0,5 1,0
Conf . Limit
Figura 1.6 Corelograma pentru ROPA
Rezultatele obinute confirm prezena sezonalitii.
20
n urma aplicrii modelului Buys Ballot, varianta multiplicativ, asupra seriei de date
investigate, estimarea concomitent a tendinei de lung durat i a factorilor sezonieri
decurge din relaia:

ln[ y j m (i 1) ] 0,0017 [ j m(i 1)] 2,6999 s j
Devierile sezoniere obinute sunt urmtoarele:
Trimestre Devieri sezoniere

I -0,064
II 0,036
III 0,070
IV -0,042
LogROPA
0,10
0,08
0,06
Componenta aleatoare
0,04
0,02
0,00
-0,02
-0,04 > 2,84

< 2,84
< 2,8
< 2,76
-0,06 < 2,72
2,62 2,64 2,66 2,68 2,70 2,72 2,74 2,76 2,78 2,80 2,82 < 2,68
< 2,64
Tendina+componenta sezonier
Figura 1.7 Componentele seriei de timp
Devierile sezoniere n trimestrele II i III au fost pozitive (peste linia de trend). Dezvoltarea
economiei informale este semnalat i de practica entitilor productive de a suplimenta
numrul de angajri fr forme legale pentru desfurarea lucrrilor cu caracter agricol.
Devierile sezoniere n trimestrele I i IV au fost negative (sub linia de trend). Pe fondul
reducerii cererii de for de munc, ponderea omerilor calificai n agricultur n numrul
total al omerilor a fost, n medie, de 2,9 la sut. Pe sexe, acest indicator a nregistrat valori de
3,38 la sut pentru brbai i 2,14 la sut pentru femei.
Modelul este valid statistic, ntruct valoarea teoretic pentru un prag de semnificaie = 0,05
21
i 1, respectiv 22 grade de libertate, preluat din tabelul repartiiei Fischer, este inferioar
valorii calculate a testului F (F, k, n-k-1 = 4,30 < Fcalc= 73,93). Valoarea raportului de corelaie
este 0,88. Modelul explic 77,44 la sut din variaia ratei de ocupare a populaiei n vrst de
munc n agricultur, silvicultur i pescuit.
Pentru trimestrele I i II ale anului 2014, nivelurile previzionate ale ROPA, obinute prin
antilogaritmare, sunt 14,56 la sut i 16,12 la sut (estimri punctuale), n timp ce intervalele
de ncredere ale prognozei, estimate cu un prag de semnificaie = 0,05 devin [13,54;15,66],
respectiv [14,98;17,34].
1.3.3 Analiza spectral. Modele ARIMA
Analiza spectral
n practic, exist moduri diferite de a realiza estimrile spectrale analitice ale fluctuaiilor
economice. Cercetrile au demonstrat c orice proces oscilatoriu este alctuit din cicluri de
intervale uniforme, de amplitudine i frecven diferit. Termenii unei serii Fourier sunt
funcii periodice cu ajutorul crora putem analiza fluctuaiile sistematice din economie. Se
numete seria Fourier a funciei periodice f(x):
0
f ( x) ( 1n cos nx 2 n sin nx), [1.23]
2 n 1
funcia f: RR, periodic de perioad 2, continu pe segmente pe orice interval compact, n

care:

1 1

1
0

f ( x)dx; 1n

f ( x) cos nxdx; 2 n
f ( x) sin nxdx.

Coeficienii 0, 1n, 2n, n{1,2,3}se numesc coeficienii Euler - Fourier pentru funcia
f(x). Pentru ca o funcie periodic cu perioad 2 s poat fi reprezentat prin seria Fourier
asociat ei, aceasta trebuie s respecte condiiile teoremei lui Dirichlet (1837).
Pentru a calcula intensitatea fluctuaiilor sezoniere, se urmeaz modelul descris de Pecican
(2005:167). Astfel, se consider seria de timp staionar yt:
0 p
2 2
yt (1 f cos ft 2 f sin ft) t , t 1,2,..., T [1.24]
2 f 1 T T
22
unde: 0, 1f, 2f parametri, t numrul de uniti de timp ale seriei (cu t 1, T ), f-
frecvena fixat n mod aprioric.
Estimarea parametrilor funciei de ajustare se face prin similitudine cu metoda celor mai mici
2 2
f
1
ptrate, ceea ce impune respectarea condiiei: I = y n (t ) dt = minim. n aceast
2
(t )
0
situaie 1f, 2f sunt coeficienii Euler-Fourier ai funciei f(t). Pentru determinarea

estimatorilor se utilizeaz urmtoarele relaii:
2 T 2
1 f
T t 1
y t cos
T
ft [1.25]
2 T 2
2 f
T t 1
y t sin
T
ft [1.26]
y t
0 t 1
[1.27]
T
Amplitudinea fluctuaiei de frecven f se determin pe baza relaiei:
2 2
A f 1 f 2 f [1.28]
Pentru a evalua efectul sezonier, se calculeaz mediile pentru perioadele subanuale, astfel
nct seria va cuprinde K uniti de timp (j=1,2,,K). Devierile sezoniere rezult din relaia:

0 2 2
sj 1 f cos fj 2 f sin fj, [1.29]
2 K K
n care:
2 K 2 2 K 2
1 f
K j 1
y j cos
K
fj; 2 f
K j 1
y j sin
K
fj; y j media subperioadei j indiferent
de an.
n cele ce urmeaz, analiza spectral este utilizat, pentru a surprinde care este tendina de
variaie sezonier n cazul seriei de date trimestriale privind cheltuielile pentru alimente i
buturi consumate, medii lunare pe o gospodrie, n intervalul 2007 2013.
23
560 36
medii lunare pe o gospodrie,

520 32
480 28
440 24
lei 400 20
360 16
320 12
280 8
240 4
T1 2007
T2 2007
T3 2007
T4 2007
T1 2008
T2 2008
T3 2008
T4 2008
T1 2009
T2 2009
T3 2009
T4 2009
T1 2010
T2 2010
T3 2010
T4 2010
T1 2011
T2 2011
T3 2011
T4 2011
T1 2012
T2 2012
T3 2012
T4 2012
T1 2013
T2 2013
T3 2013
T4 2013
Cheltuieli pentru alimente i buturi consumate
Cumprarea produselor alimentare
Cheltuieli n uniti de alimentaie public (sc.dr.)
Figura 1.8 Evoluia cheltuielilor pentru alimente i buturi consumate*,

n perioada T1 2007- T4 2013
Sursa: Calcule proprii pe baza datelor din publicaia trimestrial Veniturile
i consumul populaiei (2007- 2013), Institutul Naional de Statistic
Cheltuielile pentru alimente i buturi consumate s-au situat, n termeni reali, n medie, n
perioada T1 2007 T4 2013, la 431,09 lei lunar pe o gospodrie. Amplitudinea relativ a
variaiei s-a cifrat la 55,1 la sut, raportul dintre valoarea maxim i cea minim fiind de 1,85
ori. Coeficientul de variaie (14,13 la sut) arat c seria este omogen, n timp ce coeficientul
de aplatizare (Kurtosis =2,87) indic o distribuie platicurtic. Din analiza histogramei se
poate constata c valorile mari ale seriei sunt mai bine reprezentate.
Tabel 1.4
Serie de timp: CAB
Medie 431,0897
Median 437,2510
Maxim 517,7063
Minim 280,1695
Skewness -0,627140
Kurtosis 2,873824
Jarque-Bera 1,853998
Probabilitate 0,395740
*) deflatat cu IPC
24
12
10
No of obs 8
0
280,17 327,68 375,18 422,69 470,20 517,71
Figura 1.9 Histograma pentru CAB

Testele Augmented Dickey-Fuller (Dickey&Fuller,1979) i Philips Perron (Phillips&
Perron,1988) arat c seria de date analizat este integrat de ordin unu I(1).
Teste de staionaritate
Tabel 1.5
Variabila Testul Augmented Dickey-Fuller Testul Phillips-Perron

Nivel Diferen Nivel Diferen
CAB -1,07367 -4,10470* -2,42867 -11,29652*
*Ipoteza nul a existenei unei rdcini unitare este respins la un nivel de
1 la sut
n plus, din examinarea corelogramei rezult c seria de date investigat a fost afectat de
sezonalitate.
25
Lag Corr. S.E. Q p
1 +,728 ,1793 16,49 ,0000
2 +,643 ,1759 29,86 ,0000
3 +,473 ,1725 37,38 ,0000
4 +,465 ,1690 44,96 ,0000
5 +,238 ,1655 47,02 ,0000
6 +,186 ,1618 48,35 ,0000
7 +,078 ,1581 48,59 ,0000
8 +,129 ,1543 49,29 ,0000
9 -,019 ,1504 49,30 ,0000
10 +,009 ,1464 49,31 ,0000
11 -,036 ,1423 49,37 ,0000
12 +,037 ,1380 49,44 ,0000
13 -,069 ,1336 49,71 ,0000
14 -,045 ,1291 49,83 ,0000
15 -,116 ,1244 50,70 ,0000
0 0
-1,0 -0,5 0,0 0,5 1,0
Conf. Limit
P artial Autocorrelation Function

Lag Corr. S.E.
1 +,728 ,1890
2 +,241 ,1890
3 -,131 ,1890
4 +,191 ,1890
5 -,355 ,1890
6 +,044 ,1890
7 +,022 ,1890
8 +,120 ,1890
9 -,179 ,1890
10 +,071 ,1890
11 +,025 ,1890
12 +,011 ,1890
13 -,092 ,1890
14 -,030 ,1890
15 -,078 ,1890
0
-1,0 -0,5 0,0 0,5 1,0
Conf. Limit
Figura 1.10 Corelograma pentru CAB
Pentru a msura intensitatea fluctuaiilor datorate sezonalitii, cu ajutorul analizei spectrale,

mai nti am staionarizat seria de date considerat prin eliminarea trendului, calculnd
diferenele de ordinul I: yt(1) yt yt 1 . Dup aceea, am determinat mediile trimestriale:
Trimestre I II III IV

yt -18,755 52,528 -9,634 7,089
26
n continuare, am calculat amplitudinea Af :

1 f 2 f Af

11 -22,7195 21 -4,5605 A1= 23,1727

12 44,0030 22 0,0000 A2 = 44,0030

13 -22,7195 23 4,5605 A3 = 23,1727

A4 = 15,6140
14 15,6140 24 0,0000

15 -22,7195 25 -4,5605 A5 = 23,1727

16 44,0030 26 0,0000 A6 = 44,0030

17 -22,7195 27 4,5605 A7 = 23,1727
Devierile sezoniere obinute sunt:

I -112,52
II 172,61
III -76,03
IV 15,94
Devierile sezoniere, n trimestrele I i III au fost negative (sub linia de trend), pe fondul
scderii veniturilor disponibile i a nivelului nalt de ndatorare a populaiei, majorrii
consumului de produse agroalimentare din resurse proprii, diminurii volumului de
cumprturi de pe piaa rneasc, n paralel cu lrgirea reelei de super i hipermarketuri.
Devierile sezoniere, n trimestrele II i IV au fost pozitive (peste linia de trend), n condiiile
creterii cererii de produse agroalimentare i buturi alcoolice n perioada srbtorilor de
Pate i de iarn. Astfel, pe ansamblul gospodriilor, cheltuielile pentru alimente i buturi
consumate au reprezentat, n medie, 36,5 la sut din totalul cheltuielilor de consum.
Gospodriile de salariai au cheltuit pentru cumprarea produselor alimentare n medie 44,1 la
sut din totalul cheltuielilor de consum, iar cele de agricultori i de pensionari 24,2 la sut,
respectiv 30,3 la sut.
27
Modele ARIMA
Pentru extrapolarea seriei de date investigate este utilizat procedura Box Jenkins (1970).
Potrivit lui Pankratz (1983), procedura univariat Box-Jenkins (UBJ) implic parcurgerea
urmtoarelor etape pentru alegerea celui mai bun model ARIMA:
identificare;
estimare;
analiz-diagnostic.
n cadrul primei etape se selecteaz unul sau mai multe modele ARIMA. Se alege acel model
pentru care funciile de autocorelaie (FAC) i autocorelaie parial (FACP) se aseamn cu
FAC i FACP calculate pe baza eantionului de observaii. n cadrul celei de-a doua etape se
obin estimaiile parametrilor modelului ARIMA, n mod provizoriu ales la etapa de
identificare. n cadrul celei de-a treia etape se efectueaz teste pentru a stabili dac modelul
estimat este adecvat din punct de vedere statistic. Cele mai bune prognoze pentru serii
univariate se realizeaz cu ajutorul modelor ARIMA construite corect.
Figura 1.11 prezint corelograma seriei difereniate, din care s-a nlturat componenta
sezonier (CAB_SA).
Lag Corr. S.E. Q p
1 +,409 ,1822 5,05 ,0247
2 +,445 ,1787 11,25 ,0036
3 +,272 ,1751 13,65 ,0034
4 -,035 ,1714 13,70 ,0083
5 -,061 ,1676 13,83 ,0167
6 -,196 ,1638 15,27 ,0183
7 -,279 ,1598 18,31 ,0107
8 -,381 ,1558 24,28 ,0021
9 -,166 ,1516 25,48 ,0025
10 -,178 ,1473 26,94 ,0027
11 -,100 ,1429 27,43 ,0040
12 +,111 ,1384 28,08 ,0054
13 -,054 ,1337 28,25 ,0084
14 +,112 ,1289 29,00 ,0105
15 +,060 ,1238 29,24 ,0150
0 0
-1,0 -0,5 0,0 0,5 1,0
Conf. Limit
28
Lag Corr. S.E.
1 +,409 ,1925
2 +,333 ,1925
3 +,019 ,1925
4 -,353 ,1925
5 -,120 ,1925
6 -,031 ,1925
7 -,085 ,1925
8 -,274 ,1925
9 +,215 ,1925
10 +,142 ,1925
11 -,113 ,1925
12 +,030 ,1925
13 -,133 ,1925
14 +,015 ,1925
15 -,075 ,1925
0
-1,0 -0,5 0,0 0,5 1,0
Conf. Limit
Figura 1.11 Corelograma pentru CAB_SA
n urma analizei corelogramei, se constat c seria urmeaz un model ARMA (2,2).

Parametrii modelului se estimeaz prin metoda celor mai mici ptrate (vezi Pindyck &
Rubinfeld, 1998).
Rezultatele estimrii modelului

- conform procedurii Box Jenkins
Tabel 1.6
Parametrul Valoarea estimat Eroarea standard Statistica t Prob.
C 6,421389 2,932657 2,189615 0,0406
AR(1) 1,144592 0,193558 5,913447 0,0000
AR(2) -0,463643 0,182326 -2,542940 0,0194
MA(1) -1,253954 0,042505 -29,50139 0,0000
MA(2) 0,970461 0,062795 15,45446 0,0000
S.E. = 6,458 Q-stat(12) = 5,804 [0,699] JB = 1,463 [0,481] White =0,453 [0,363]
Note: Testul Ljung-Box (Q-stat) pentru testarea autocorelrii reziduurilor;
Testul Jarque Bera (JB) pentru testarea distribuiei normale a seriei de reziduuri;
Testul White pentru testarea homoscedasticitii reziduurilor;
t-statistic n [ ].
29
Tabelul 1.6 arat c toi parametrii sunt semnificativi statistic. Eroarea standard este 6,458.
Erorile nu sunt heteroscedastice sau autocorelate i sunt distribuite normal.
ntruct rezultatele testelor diagnostic sunt favorabile, am putut realiza prognoza cheltuielilor
pentru alimente i buturi consumate, medii lunare pe o gospodrie, n termeni reali, pentru
trimestrele I i II ale anului 2014, pe baza modelului autoregresiv de forma ARMA (2,2).
Valorile previzionate sunt urmtoarele:
Trimestrul I II
Valoarea previzionat 523,944 530,366
Eroarea standard de previziune 6,170 6,295
Modelele ARIMA(p,d,q) nu sunt utile n realizarea prediciilor pe termen mediu i lung,

deoarece dup q termeni prognozai, valoarea estimat se menine constant.
1.3.4 Modelul Calot
Modelul Calot, pentru analiza concomitent a trendului i a sezonalitii, poate fi utilizat dac
seria de timp ndeplinete urmtoarele condiii: tendina este liniar; sezonalitatea este
staionar; perturbaia urmeaz o distribuie normal.
Pornind de la expresia:
yt= +t + t [1.30]
sezonalitatea este inclus n model prin descompunerea parametrului n elemente ce au n

vedere ordonata de intersecie a axei y, pentru t=0 () i coeficienii sj, j= 1, m , m fiind
numrul de perioade dintr-un ciclu.
yt=+t+sj + t [1.31]
Notnd: j = + sj, se obine:

yt=j +t+ t [1.32]
m m m
tiind c: j ( s j ) m i
j 1 j 1
s
j 1
j 0 (principiul conservrii ariilor), rezult:
30
1 m
j [1.33]
m j 1
1 m
sj j j j
m j 1 [1.34]
ntruct variabila t este un agregat, care admite partiionarea timpului pe decade, luni,
trimestre, semestre i ani, poate fi notat cu j+im ( unde i= 0, n 1 ani) astfel nct:
yj+im =j +(j+im) + j+im [1.35]
Prin utilizarea metodei celor mai mici ptrate, se estimeaz parametrii j, n funcie de care
se vor determina valoarea termenului i coeficienii de sezonalitate sj. n acest sens, se
utilizeaz urmtoarele relaii:
n 1
1
i( y
n(n 2 1) i 0
i y) [1.36]
nm 1
y [1.37]
2
m 1
sj yj y(j ) [1.38]
2
unde:
y i - media anului i;
y j - media subperioadei j;
y - media general a seriei.

Modelul Calot poate fi folosit pentru prognoza fenomenului analizat n orizontul (T, T+),
folosind relaia:

y T h [ j m(i h)] s j [1.39]
pentru h 1, - perioada de prognoz.
31
Veniturile din agricultur, medii lunare pe o gospodrie reprezint indicatorul statistic luat n
considerare pentru estimarea concomitent a tendinei de lung durat i a factorilor sezonieri,
cu ajutorul modelului Calot.
80
medii lunare pe o gospod rie, lei
70
60
50
40
30
20
T1 2007
T2 2007
T3 2007
T4 2007
T1 2008
T2 2008
T3 2008
T4 2008
T1 2009
T2 2009
T3 2009
T4 2009
T1 2010
T2 2010
T3 2010
T4 2010
T1 2011
T2 2011
T3 2011
T4 2011
T1 2012
T2 2012
T3 2012
T4 2012
T1 2013
T2 2013
T3 2013
T4 2013
Figura 1.12 Evoluia veniturilor din agricultur*
n perioada T1 2007- T4 2013
Sursa: Calcule proprii pe baza datelor din publicaia trimestrial Veniturile
i consumul populaiei(2007-2013), Institutul Naional de Statistic
n intervalul T1 2007 T4 2013, nivelul mediu al veniturilor din agricultur pe o gospodrie,

n termeni reali, a fost de 49,01 lei lunar, asigurnd 2,93 la sut din veniturile totale, din care
veniturile din vnzri de produse agroalimentare, animale i psri au reprezentat 2,11 la sut,
iar veniturile din prestarea de munc n agricultur 0,82 la sut. Cele mai mari venituri din
agricultur, medii lunare pe o gospodrie, le-au realizat gospodriile de agricultori, iar cele
mai mici, gospodriile de salariai, raportul dintre ele fiind de 27:1. Ponderea lor n veniturile
totale ale gospodriilor de agricultori a fost de 23,9 la sut fa de 0,52 la sut la gospodriile
de salariai. Veniturile din agricultur ale gospodriilor din mediul rural au fost de 11,8 ori
mai mari dect cele ale gospodriilor din mediul urban i au reprezentat 7,18 la sut din
veniturile totale ale gospodriilor rurale i 0,46 la sut din cele ale gospodriilor urbane.
Amplitudinea absolut a variaiei, calculat ca diferen ntre valorile extreme ale seriei, s-a
cifrat la 44,88 lei, valoarea minim reprezentnd 36,24 la sut din valoarea maxim. Nivelul
coeficientului de variaie (25,91 la sut) arat c seria este omogen. Repartiia este uor
asimetric (Skewness = - 0,19). Coeficientul de aplatizare indic o distribuie platicurtic
(Kurtosis = 1,99<3).
*) deflatat cu IPC (2005=100)
32
Tabel 1.7
Serie de timp: VA
Medie 49,01393
Median 51,37000
Maxim 70,39000
Minim 25,51000
Skewness -0,193226
Kurtosis 1,993830
Variable:VA, Distribution: Normal

Chi-Square test = 1,51526, df = 1 (adjusted) , p = 0,21834
8
6
No. of observations
0
20,63 27,50 34,38 41,25 48,13 55,00 61,88 68,75 75,63
Category (upper limits)
Figura 1.13 Distribuie normal
n plus, examinarea corelogramei ofer informaii referitoare la existena fluctuaiilor

sezoniere la nivelul seriei.
33
Lag Corr. S.E. Q p
1 +,733 ,1793 16,72 ,0000
2 +,645 ,1759 30,17 ,0000
3 +,483 ,1725 37,99 ,0000
4 +,476 ,1690 45,92 ,0000
5 +,242 ,1655 48,05 ,0000
6 +,187 ,1618 49,40 ,0000
7 +,077 ,1581 49,63 ,0000
8 +,130 ,1543 50,34 ,0000
9 -,021 ,1504 50,36 ,0000
10 +,003 ,1464 50,36 ,0000
11 -,035 ,1423 50,42 ,0000
12 +,038 ,1380 50,50 ,0000
13 -,072 ,1336 50,79 ,0000
14 -,057 ,1291 50,99 ,0000
15 -,122 ,1244 51,95 ,0000
0 0
-1,0 -0,5 0,0 0,5 1,0
Conf . Limit

Lag Corr. S.E.
1 +,733 ,1890
2 +,233 ,1890
3 -,117 ,1890
4 +,195 ,1890
5 -,383 ,1890
6 +,056 ,1890
7 +,011 ,1890
8 +,133 ,1890
9 -,179 ,1890
10 +,064 ,1890
11 +,044 ,1890
12 -,001 ,1890
13 -,099 ,1890
14 -,055 ,1890
15 -,056 ,1890
0
-1,0 -0,5 0,0 0,5 1,0
Conf . Limit
Figura 1.14 Corelograma pentru VA
n urma aplicrii modelului Calot asupra seriei de date investigate, agregatul componentelor
de lung durat i sezonier poate fi scris ca:

y j im 46,124 0,199 ( j im) s j
34
Devierile sezoniere obinute sunt urmtoarele:

I -16,743
II 8,112
III 10,093
IV -1,462
VA
16
14
12
10
-2
-4
-6
-8 > 70
< 70
-10
< 60
-12 < 50
20 25 30 35 40 45 50 55 60 65 < 40
< 30
T endin + componenta sezonier
Figura 1.15 Componentele seriei de timp
Factorul sezonier a deviat veniturile din agricultur medii lunare ale unei gospodrii n
trimestrele I i IV cu 16,743 lei, respectiv cu 1,462 lei sub linia de trend, iar n trimestrele II i
III cu 8,112 lei, respectiv cu 10,093 lei peste tendina de lung durat. La aceast evoluie au
contribuit: diminuarea ofertei productorilor interni pe segmentul produselor animale, datorit
costurilor din ce n ce mai mari cu ntreinerea acestora; numrul sczut de spaii optime de
nmagazinare pentru cereale, legume i fructe; majorarea cererii pentru produse de calitate
inferioar, pe fondul crizei economice; concurena ridicat a importurilor pe segmentul
produselor agricole.
Analiza nivelului mediu al veniturilor din agricultur pe decile n anul 2013 evideniaz un
decalaj de 5,3:1 ntre veniturile medii pe o gospodrie din prima decil i veniturile medii pe o
35
gospodrie din ultima decil. Ponderea lor n veniturile totale a fost de 12,3 la sut n decila
inferioar i de 1,96 la sut n cea superioar.
Verificarea verosimilitii modelului a fost realizat prin utilizarea analizei dispersionale.
Valoarea teoretic pentru un prag de semnificaie = 0,05 i 1, respectiv 26 grade de libertate,
preluat din tabelul repartiiei Fischer (F,k,n-k-1 = 4,22) este inferioar valorii calculate a
testului F (Fcalc=116,82), ceea ce arat c modelul este valid statistic. Raportul de corelaie
este destul de aproape de 1: R= 0,87. Modelul explic 75,69 la sut din variaia veniturilor din
agricultur, medii lunare pe o gospodrie.
Pentru trimestrele I i II ale anului 2014, nivelurile previzionate ale VA sunt 35,15 lei i 60,21
lei (estimri punctuale), n timp ce intervalele de ncredere ale prognozei, estimate cu un prag
de semnificaie =0,05 devin [21,15; 49,17], respectiv [46,10; 74,32].
1.3.5 Modelul Holt Winters
Modelul Holt Winters se utilizeaz pentru modelarea seriilor de timp cu tendin i

sezonalitate. Modelul Holt Winters include o ecuaie de prognoz i trei ecuaii de netezire
una pentru nivelul seriei at, una pentru componenta trend bt i una pentru componenta
sezonier st, cu constantele de netezire ,, , fiecare ntre 0 i 1. Modelul are dou variante,
aditiv i multiplicativ, care sunt utilizate n funcie de caracteristicile particulare ale seriilor
de timp. n cazul variantei multiplicative, prognoza realizat n momentul t pentru

orizontul t+q, y t q se determin cu ajutorul relaiei:

y t q t ( at qbt ) st m q q 1,2,... [1.40]
unde:
m = numrul perioadelor subanuale (luni, trimestre);
yt
at (1 )(at 1 bt 1 );
st m
bt (at at 1 ) (1 )bt 1 ;
yt
st (1 ) st m .
at
36
Estimaia componentei sezoniere reprezint media ponderat ntre coeficientul de sezonalitate
(yt/at), la momentul t, i valoarea aceluiai coeficient la t-m, folosind modelul. Estimaia
componentei trend, la momentul t, este o medie ponderat ntre (at at-1 ) i bt-1 - glisajul
termenului constant este mult mai important dect cel al pantei . n relaia pentru nivelul
seriei se folosete valoarea curent desezonalizat (yt/st-m).
Modelul Holt Winters impune estimri iniiale pentru nivelul seriei, trend i coeficienii de
sezonalitate. Cel mai adesea:
y1 y2 ... ym
am [1.41]
m
[( ym 1 ym 2 ... ym m ) ( y1 y2 ... ym )] [1.42]

bm
m2
yi
si , unde i 1,2,..., m [1.43]
am
Formulele de glisare pentru at, bt i st n funcie de eroarea de previziune/ realizare et sunt
urmtoarele:
et
at at 1 bt 1 [1.44]
st m
et
bt bt 1 [1.45]
st m
et
st st m [1.46]
at 1 bt 1
unde et yt (at 1 bt 1 )st m .
Constantele de netezire , , [0,1] sunt alese de aa manier nct suma ptratelor erorilor de
previziune s fie minim, pe orizontul investigat.
n continuare, Modelul Holt Winters este folosit pentru a examina influena factorilor
sezonieri asupra evoluiei celor dou fluxuri de comer exterior cu produse agricole ale
Romniei cu rile n curs de dezvoltare, n perioada ianuarie 2007 - decembrie 2013.
37
250 6
Export Import Sold RON/EUR (sc.dr.)
200 5
150 4
milioane euro
100 3
50 2
0 1
-50 0
2007 2008 2009 2010 2011 2012 2013 2014
Figura 1.16 Balana comercial cu produse agricole a Romniei cu rile

n curs de dezvoltare i cursul de schimb al pieei valutare
Sursa: EUROSTAT
Exporturile de produse agricole n rile n curs de dezvoltare au nregistrat o medie lunar de

53,3 milioane euro, n intervalul 2007-2013, amplitudinea absolut a variaiei, calculat ca
diferen ntre valorile extreme ale seriei, fiind de 190,85 milioane euro. Nivelul coeficientului
de variaie (80,06 la sut), determinat ca raport ntre abaterea standard i media aritmetic, arat
c seria este eterogen, n timp ce coeficientul de aplatizare (Kurtosis =4,83> 3) indic o
distribuie leptocurtic. n schimb, importurile de produse agricole din rile n curs de
dezvoltare au nregistrat o medie lunar de 28,36 milioane euro, raportul dintre valoarea
maxim i cea minim fiind de 4,23 ori. Valoarea coeficientului de variaie (35,47 la sut) arat
c seria are caracter neomogen. Coeficientul de aplatizare (Kurtosis = 3,81>3) evideniaz o
distribuie leptocurtic.
Tabel 1.8
Serii de timp:EXPA/IMPA
Perioada: 2007L01 2013L12
Medie 53,30451 28,35896
Median 39,79991 26,98917
Maxim 195,7322 60,20815
Minim 4,883999 14,22365
Abatere standard 42,67776 10,05949
Skewness 1,465409 1,030817
Kurtosis 4,828357 3,810269
Jarque-Bera 41,47604 17,17405
Probabilitate 0,000000 0,000187
38
Figura 1.17 Densitatea de repartiie pentru EXPA
Figura 1.18 Densitatea de repartiie pentru IMPA
39
Analiza elasticitii comerului exterior cu produse agricole al Romniei cu rile n curs de
dezvoltare n funcie de variaia cursului de schimb RON/EUR, precum i examinarea
efectelor acestuia asupra soldului contului curent, a fost realizat cu ajutorul coeficienilor de
z t z t 1 yt yt 1 z t 1 z t 1 yt yt 1
tip arc, descrii de urmtoarele relaii: : ; : ;
z t 1 yt 1 z t 1 yt 1
z t 2 z t 1 y t y t 1
: , unde: zt media pe 2 luni consecutive a exporturilor/importurilor de
z t 1 y t 1
produse agricole n/din rile n curs de dezvoltare n perioada t (pentru perioadele precedent,
urmtoare i viitoare au fost folosii indicii t-1, t+1, i, respectiv, t+2); yt media pe 2 luni
consecutive a cursului de schimb n perioada t.
Coeficienii de elasticitate de tip arc, calculai pentru comerul exterior

cu produse agricole al Romniei cu rile n curs de dezvoltare
Tabel 1.9
Valori medii pentru: Elasticitate pentru:

Perioada EXPA IMPA Cursul de schimb
EXPA IMPA
( mil. EUR) (mil. EUR) (RON/EUR)
sep - oct 07 17,54 43,23 3,35
nov - dec 07 18,96 55,84 3,50 a). 1,81 a). 6,51
ian - feb 08 20,44 30,62 b). 3,69 b). -6,51
mar - apr 08 50,50 41,11 c). 41,97 c). -1,09
mai iun 10 27,17 28,49 4,21
iul aug 10 45,38 17,19 4,25 a). 70,54 a). -41,74
sep - oct 10 71,59 18,63 b). 172,07 b). -36,42
nov dec 10 55,08 27,08 c). 108,12 c). 5,21
mai - iun 12 44,85 24,86 4,45
iul - aug 12 68,15 15,79 4,53 a). 28,90 a). -20,29
sep - oct 12 75,25 24,85 b). 37,70 b). -0,02
nov - dec 12 95,17 32,41 c). 62,41 c). 16,89
Not: Dac prin nsumarea unui coeficient pozitiv aferent exporturilor de produse agricole n
rile n curs de dezvoltare cu un coeficient negativ aferent importurilor de produse agricole din
rile n curs de dezvoltare se obine o valoare supraunitar, atunci, conform condiiei Marshall,
Lerner, Robinson (Robinson, 1937), cursul de schimb are o influen pozitiv asupra contului
curent.
Pentru cele 3 intervale de cretere mai abrupt a cursului de schimb RON/EUR, efectele au
fost favorabile pentru mbuntirea balanei comerciale. n contextul crizei financiare,
exporturile de produse agricole ctre rile n curs de dezvoltare au fost receptive la variaia
40
cursului de schimb, n principal dup lag-ul de o perioad. n schimb, importurile de produse
agricole din rile n curs de dezvoltare au fost mai puin sensibile la deprecierea monedei
naionale, coeficienii negativi de elasticitate avnd valori cuprinse ntre 41,74 i 0,02. De
altfel, cele mai importante rezultate s-au consemnat n intervalul median. Pe fondul
restrngerii cererii interne i a investiiilor, nsumarea coeficienilor de elasticitate a condus la
obinerea urmtoarelor valori: 112,28, respectiv de 208,49 pentru lag-ul de o perioad i de
113,33 pentru lag-ul de 2 perioade.
Coeficienii de autocorelaie i autocorelaie parial, calculai cu ajutorul pachetului de
programe Statistica modulul Time Series Arima, indic faptul c seriile de date investigate
au fost afectate de sezonalitate.
Lag Corr. S.E. Q p
1 +,806 ,1072 56,55 ,0000
2 +,620 ,1065 90,39 0,000
3 +,450 ,1059 108,4 0,000
4 +,392 ,1052 122,3 0,000
5 +,384 ,1046 135,7 0,000
6 +,367 ,1039 148,2 0,000
7 +,347 ,1032 159,5 0,000
8 +,308 ,1026 168,6 0,000
9 +,255 ,1019 174,8 0,000
10 +,248 ,1012 180,8 0,000
11 +,269 ,1005 188,0 0,000
12 +,301 ,0998 197,0 0,000
13 +,257 ,0991 203,8 0,000
14 +,199 ,0984 207,9 0,000
15 +,122 ,0977 209,4 0,000
16 +,124 ,0970 211,1 0,000
17 +,137 ,0963 213,1 0,000
18 +,136 ,0956 215,1 0,000
19 +,101 ,0949 216,3 0,000
20 +,073 ,0941 216,9 0,000
21 +,100 ,0934 218,0 0,000
22 +,196 ,0926 222,5 0,000
23 +,239 ,0919 229,3 0,000
24 +,256 ,0911 237,1 0,000
25 +,180 ,0904 241,1 0,000
0 0
-1,0 -0,5 0,0 0,5 1,0
Conf. Limit

Lag Corr. S.E.
1 +,806 ,1091
2 -,086 ,1091
3 -,068 ,1091
4 +,208 ,1091
5 +,100 ,1091
6 -,029 ,1091
7 +,056 ,1091
8 +,003 ,1091
9 -,056 ,1091
10 +,126 ,1091
11 +,084 ,1091
12 +,027 ,1091
13 -,142 ,1091
14 +,005 ,1091
15 -,066 ,1091
16 +,119 ,1091
17 -,007 ,1091
18 -,079 ,1091
19 -,055 ,1091
20 +,064 ,1091
21 +,155 ,1091
22 +,198 ,1091
23 -,108 ,1091
24 -,024 ,1091
25 -,112 ,1091
0
Conf. Limit -1,0 -0,5 0,0 0,5 1,0
Figura 1.19 Corelograma pentru EXPA
41
Lag Corr. S.E. Q p
1 +,457 ,1072 18,18 ,0000
2 +,098 ,1065 19,02 ,0001
3 -,036 ,1059 19,14 ,0003
4 -,079 ,1052 19,70 ,0006
5 -,035 ,1046 19,81 ,0014
6 +,081 ,1039 20,41 ,0023
7 +,179 ,1032 23,42 ,0014
8 +,059 ,1026 23,76 ,0025
9 +,061 ,1019 24,12 ,0041
10 +,048 ,1012 24,34 ,0068
11 +,077 ,1005 24,93 ,0094
12 +,212 ,0998 29,43 ,0034
13 +,171 ,0991 32,39 ,0021
14 +,047 ,0984 32,61 ,0033
15 -,085 ,0977 33,37 ,0042
16 -,153 ,0970 35,85 ,0030
17 -,148 ,0963 38,20 ,0023
18 -,085 ,0956 39,00 ,0029
19 -,043 ,0949 39,20 ,0042
20 -,029 ,0941 39,30 ,0061
21 -,011 ,0934 39,31 ,0090
22 -,035 ,0926 39,46 ,0125
23 +,013 ,0919 39,48 ,0176
24 +,080 ,0911 40,25 ,0202
25 +,012 ,0904 40,27 ,0274
0 0
-1,0 -0,5 0,0 0,5 1,0
Conf. Limit

Lag Corr. S.E.
1 +,457 ,1091
2 -,140 ,1091
3 -,030 ,1091
4 -,044 ,1091
5 +,028 ,1091
6 +,106 ,1091
7 +,112 ,1091
8 -,107 ,1091
9 +,110 ,1091
10 +,004 ,1091
11 +,090 ,1091
12 +,194 ,1091
13 -,036 ,1091
14 -,046 ,1091
15 -,069 ,1091
16 -,101 ,1091
17 -,034 ,1091
18 -,055 ,1091
19 -,110 ,1091
20 -,014 ,1091
21 -,024 ,1091
22 -,033 ,1091
23 +,088 ,1091
24 +,045 ,1091
25 -,069 ,1091
0
-1,0 -0,5 0,0 0,5 1,0
Conf. Limit
Figura 1.20 Corelograma pentru IMPA
n urma aplicrii modelului Holt Winters, varianta multiplicativ, pentru seriile de date lunare
privind ambele fluxuri de comer exterior cu produse agricole ale Romniei cu rile n curs
de dezvoltare, n perioada 2007-2013, am obinut rezultatele din Tabelul 1.10.
42
Modelul Holt Winters, varianta multiplicativ
- caracteristicile modelelor estimate -
Tabel 1.10
Serii de timp EXPA IMPA

Parametri IOTA () 0,600 0,480
UPSILON () 0,000 0,000
ETA () 0,000 0,000
Suma ptratelor reziduurilor 26186,15 2560,576
Eroarea rdcinii medie ptrat 17,65616 5,521145
Indici de sezonalitate M01 0,827621 0,908760
M02 0,860843 0,973840
M03 1,276267 1,380478
M04 1,239167 1,075383
M05 0,815528 1,285787
M06 0,629551 0,831049
M07 0,637674 0,742003
M08 0,994770 0,728976
M09 1,117628 0,702060
M10 1,525067 0,988373
M11 1,068798 1,160326
M12 1,007086 1,222966
Modelul Holt Wint ers, variant a mult iplicat iv

IOTA = 0,60 UPSILON = 0,00 ETA = 0,00
EXPA
80
60
40
20
-20
-40 > 180

< 180
< 140
-60 < 100
-20 0 20 40 60 80 100120140160180200220 < 60
< 20
Tendin + component sezonier
Figura 1.21 Componentele seriei de timp pentru EXPA
43
Modelul Holt Wint ers, variant a multiplicat iv
IOT A = 0,48 UPSILON = 0,00 ET A = 0,00
IMPA
25
20
15
10
-5
-10
> 60
-15 < 60
< 50
-20 < 40
10 15 20 25 30 35 40 45 50 55 60 65 < 30
< 20
T endin + component sezonier
Figura 1.22 Componentele seriei de timp pentru IMPA
n lunile ianuarie i februarie, factorul sezonier a determinat o scdere a activitii de comer

exterior cu produse agricole cu rile n curs de dezvoltare fa de linia de trend, n medie, cu
15,6 la sut n cazul exporturilor i cu 5,9 la sut n cazul importurilor, n condiiile:
interzicerii comercializrii crnii de porc n trimestrul I 2007, efect al derulrii campaniei de
vaccinare antipest porcin (decembrie 2006); restrngerii consumului de carne de porc
datorit apariiei virusului AH1N1 n Europa (ianuarie 2009); implementrii la 1 ianuarie
2012 a prevederilor Uniunii Europene referitoare la rigorile tehnologice de cretere a psrilor
ceea ce a generat o diminuare a ofertei poteniale pentru un scurt interval de timp; tendinei
populaiei de a cumpra sortimente de carne mai ieftine imediat dup perioada srbtorilor de
iarn.
n lunile martie i aprilie, factorul sezonier a determinat, n medie, o cretere a volumului
exporturilor de produse agricole n rile n curs de dezvoltare cu 27,63 la sut, respectiv cu
23,92 la sut peste tendina de lung durat, pe fondul: rezultatelor pozitive pe segmentul
vegetal (2008, 2010, 2011, 2013); creterii livrrilor de ovine i carne de ovine n principal
ctre Bosnia i Heregovina, Iordania, Lebanon i Libia prin limitarea ofertei pe piaa intern
(2011, 2012, 2013); restrngerii desfacerilor de produse agricole pe plan intern n contextul
majorrii preurilor pe pieele externe (2010). Pe partea importurilor, factorul sezonier a
44
determinat, n medie, n lunile martie i aprilie o cretere a volumului intrrilor de produse
agricole din rile n curs de dezvoltare cu 38,05 la sut, respectiv cu 7,54 la sut fa de linia
de trend, pe seama: condiiilor climaterice nefavorabile (2007, 2009, 2012), care au condus la
creterea importurilor de cereale, legume, plante, rdcini i tuberculi, fructe comestibile n
principal din Turcia, China, Egipt; rezultatelor modeste consemnate n subsectorul zootehnic;
pierderilor nregistrate pe piaa crnii de porc i de vit, efect al costurilor de producie
ridicate.
n luna mai, factorul sezonier a determinat o scdere a livrrilor de produse agricole pe pieele
rilor n curs de dezvoltare cu 18,45 la sut fa de linia de trend i o cretere pe segmentul
achiziiilor cu 28,58 la sut. Astfel, n cazul comerului exterior de produse agricole cu rile
n curs de dezvoltare, gradul de acoperire a importurilor prin exporturi s-a cifrat la 42,45 la
sut.
n intervalul iunie-august, factorul sezonier a determinat scderea activitii de comer
exterior cu produse agricole cu rile n curs de dezvoltare fa de linia de trend, pe fondul
concurenei ridicate pe acest segment de pia.
n lunile septembrie i octombrie, indicii de sezonalitate, calculai pentru cele dou

componente ale balanei comerciale cu produse agricole cu rile n curs de dezvoltare, au fost
supraunitari n cazul exporturilor i subunitari n cazul importurilor. Aceast tendin de
variaie cu caracter sezonier poate fi corelat cu: decizia principalilor furnizori de gru ai
Romniei, Serbia i Ucraina, de a interzice sau restrnge livrrile pe pieele externe, pn la
30 iunie 2008 (septembrie 2007); scderea consumului de carne de porc, n condiiile apariiei
primelor cazuri de infectare cu dioxin (2008); reluarea livrrilor de carne de pasre i ou
ctre Rusia (2011); creterea numrului de sacrificri pe segmentul crnii de pasre, pe seama
preurilor ridicate la furaje (2012).
Factorul sezonier a determinat o majorare a activitii de comer exterior cu produse agricole
cu rile n curs de dezvoltare fa de linia de trend, n ultimele dou luni ale intervalului
analizat. n cazul importurilor, sezonalitatea cea mai ridicat a fost atins n luna decembrie -
caracterizat de perioada srbtorilor de sfrit de an.
Ambele modele sunt valide statistic, ntruct valoarea teoretic pentru un prag de semnificaie
= 0,05 i 1, respectiv 82 grade de libertate, preluat din tabelul repartiiei Fischer, este
inferioar valorii calculate a testului F att n cazul exporturilor de produse agricole n rile n
curs de dezvoltare (F, k, n-k-1 = 3,96 < Fcalc=93,51), ct i n cazul importurilor de produse
45
agricole din rile n curs de dezvoltare (F, k, n-k-1 = 3,96 < Fcalc=63,8). n ceea ce privete
determinarea modelelor, acestea explic 90,93 la sut i, respectiv, 83,37 la sut la sut din
evoluia celor dou fluxuri de comer exterior.
Pentru lunile ianuarie i februarie 2014, nivelurile previzionate sunt 140,41 milioane euro i
210,08 milioane euro (estimri punctuale), iar intervalele de ncredere ale prognozei, estimate
cu un prag de semnificaie =0,05 devin [103,99;176,82], respectiv [173,64;246,52] n cazul
exporturilor de produse agricole n rile n curs de dezvoltare, n timp ce nivelurile
previzionate sunt 20,80 milioane euro i 22,08 milioane euro (estimri punctuale), iar
intervalele de ncredere ale prognozei, estimate cu un prag de semnificaie =0,05 devin
[9,41;32,19], respectiv [10,68;33,48] n cazul importurilor de produse agricole din rile n
curs de dezvoltare.
46
Capitolul 2. Modele cu vectori autoregresivi structurali
2.1 Consideraii generale
Metodologia vector autoregresiv (VAR) a aprut odat cu studiile lui Sims (1980).
Ulterior, Watson, Hamilton (1994), Enders (1995), Waggoner, Zha (1999), Lutkepohl (2005)
au oferit studii actualizate ale metodologiei VAR.
Aceasta poate fi considerat o generalizare att a modelului univariat autoregresiv, pentru c
variabilele dependente sunt laguri ale variabilelor explicative dar i a ecuaiilor simultane,
pentru c se estimeaz simultan un sistem de ecuaii. n plus, n fiecare ecuaie se includ i
laguri ale celorlalte variabile endogene. n general, n model nu sunt incluse variabile
exogene, aa cum se procedeaz n modelare (Puna, 2007:1).
Principalul scop al analizei de tip VAR este de a evalua efectele diverselor ocuri asupra
variabilelor din sistem. Fiecare variabil este afectat de inovaiile proprii, precum i de
inovaii n celelalte variabile (Boel, 2002:17).
n continuare, metodologia VAR este utilizat pentru a evalua efectele exercitate de factorii
determinani asupra cererii de produse alimentare din Romnia.
2.2 Consumul alimentar n Romnia analiz dinamic i structural
n Romania, ncepnd cu anul 2010, dinamica anual a cifrei de afaceri din industria
alimentar i a buturilor a fost superioar celei nregistrate n alte ri membre ale Uniunii
Europene.
Indicii valorici ai cifrei de afaceri din industria alimentar

i a buturilor n unele ri din Uniunea European
Tabel 2.1
2007 2008 2009 2010 2011 2012 2013

- procente -
Romania 85,05 103,55 102,05 100,11 110,61 116,10 124,90
Bulgaria 70,77 88,74 81,04 100,19 110,57 112,51 110,68
Republica Ceh 117,06 111,81 103,66 100,05 105,26 107,14 111,04
Spania 102,54 107,17 98,39 100,08 105,27 107,73 107,52
Grecia 104,78 111,15 104,32 100,12 98,09 94,37 91,61
Italia 94,02 101,98 97,39 100,05 105,48 106,80 106,65
Ungaria 107,48 100,20 99,37 100,11 100,59 104,69 105,17
Sursa: EUROSTAT
47
n anul 2013, cheltuielile pentru alimente i buturi consumate au deinut, n medie pe o
persoan, o pondere de 22,53 la sut n totalul cheltuielilor, n cretere cu 0,33 puncte
procentuale fa de anul 2007.
100%
Cheltuieli pentru alimente i buturi
90% consumate
80% Cheltuieli pentru cumprarea mrfurilor
70% nealimentare
Cheltuieli pentru plata serviciilor
60%
50% Cheltuieli pentru investiii
40% Cheltuieli de producie
30%
Impozite, contribuii, cotizaii, taxe
20%
10% Contravaloarea consumului din resurse
proprii
0% Alte cheltuieli
2007 2008 2009 2010 2011 2012 2013
Figura 2.1 Structura cheltuielilor totale pe o persoan, pe categorii de cheltuieli

Sursa: EUROSTAT
Din punct de vedere al cheltuielilor pe o persoan pentru alimente i buturi nealcoolice

exprimate conform standardului puterii de cumprare, anul 2010 situeaz Romnia pe poziia
a asea ntre rile EU8+2, naintea Slovaciei, Poloniei, Sloveniei i Lituaniei.
4500 350
4000 300
3500 250
3000 200
2500 150
2000 100
Estonia Ungaria Republica Bulgaria Letonia Romania Slovacia Polonia Slovenia Lituania
Ceh
alimente bauturi nealcoolice (sc.dr.)
Figura 2.2 Cheltuielile medii pe o persoan pentru cumprarea produselor alimentare

i a buturilor nealcoolice n unele ri din Uniunea European, n anul 2010 (n PPS)
Sursa: EUROSTAT
48
n ceea ce privete evoluia consumului mediu lunar pe o persoan, la principalele produse
alimentare i buturi, se constat o ameliorare a structurii calitative a cererii, atribuit creterii
ponderii produselor alimentare de origine animal. Cu toate acestea, potrivit lui Toderoiu
(2013:156), gradul n care se asigur securitatea alimentar a populaiei nu este satisfctor.
Consumul mediu lunar pe o persoan

la principalele produse alimentare i buturi
Tabel 2.2
M.U. 2007 2008 2009 2010 2011 2012 2013
Pine i produse de franzelrie kg 9,37 9,223 8,974 8,732 8,565 8,584 8,5
Carne proaspt, total kg 2,905 3,07 3,115 3,103 3,079 3,143 3,187
Preparate din carne kg 1,05 1,111 1,106 1,068 1,023 1,038 1,031
Lapte, total litri 6,067 6,151 6,168 6,186 5,962 6,062 5,87
Brnzeturi i smntn kg 1,28 1,319 1,329 1,299 1,284 1,318 1,354
Ou buc. 12,977 13,065 13,055 12,99 13,145 12,805 13,376
Pete, produse din pete i conserve din kg 0,547 0,596 0,636 0,665 0,643 0,631 0,641
pete
Grsimi, total kg 1,247 1,238 1,228 1,219 1,201 1,196 1,193
Fructe, total kg 3,082 3,312 3,552 3,557 3,399 3,389 3,449
Zahr kg 0,775 0,759 0,758 0,754 0,741 0,732 0,745
Cartofi kg 3,639 3,614 3,586 3,488 3,465 3,48 3,314
Ap mineral i alte buturi nealcoolice litri 4,259 4,833 4,821 4,859 4,571 4,542 4,489
Buturi alcoolice, total litri 2,241 2,404 2,403 2,308 2,188 2,23 2,317
Sursa: http://statistici.insse.ro/
n anul 2010, cheltuielile pentru cumprarea produselor alimentare precum pine, cereale,
carne i preparate din carne, lapte, brnzeturi i ou au absorbit, pe o persoan, n medie,
67,57 la sut din cheltuielile pentru cumprarea de produse alimentare i buturi nealcoolice,
nivel situat cu 1,55 puncte procentuale peste media rilor din Europa Central (Republica
Ceh, Slovacia, Slovenia, Ungaria, Polonia).
1400
1200
1000
800
PPS
600
400
200
0
Bulgaria Republica Estonia Letonia Lituania Ungaria Polonia Romania Slovenia Slovacia
Ceh
pine i cereale carne i preparate din carne lapte, brnzeturi i ou fructe i legume
Figura 2.3 Cheltuielile medii pe o persoan pentru cumprarea principalelor produse

alimentare n unele ri din Uniunea European, n anul 2010
Sursa: EUROSTAT
49
n anul 2013, se constat urmtoarele aspecte referitoare la configuraia consumului alimentar
mediu zilnic, pe locuitor, exprimat n calorii i factori nutritivi: (i) disponibilitile energetice
s-au situat la 3302,0 kcal, n scdere cu 2,7 la sut fa de anul 2007. Ponderea majoritar a
fost deinut de alimentele de origine vegetal (74,6 la sut) i a provenit, n principal, de la
cereale i produse din cereale (56,4 la sut), grsimi vegetale (13,8 la sut) i cartofi (8,3 la
sut); (ii) consumul de proteine a fost de 108,4 grame, mai mic cu 6,3 grame comparativ cu
anul 2007; (iii) preponderena lipidelor de origine animal evideniaz caracterul deficitar al
consumului alimentar.
Consumul alimentar mediu zilnic, pe locuitor,

exprimat n calorii i factori nutritivi
Tabel 2.3
U.M 2007 2008 2009 2010 2011 2012 2013

Calorii numr 3393,0 3455,0 3450,0 3400,0 3390,0 3287,0 3302,0
- de origine vegetal numr 2452,0 2492,0 2514,0 2518,0 2533,0 2446,0 2463,0
- de origine animal numr 941,0 963,0 936,0 882,0 857,0 841,0 839,0
Proteine grame 114,7 116,7 113,5 109,4 110,0 106,7 108,4
- de origine vegetal grame 55,3 56,3 54,7 54,7 56,6 54,5 56,2
- de origine animal grame 59,4 60,4 58,8 54,7 53,4 52,2 52,2
Lipide grame 104,5 109,3 111,0 112,1 104,3 103,6 99,6
- de origine vegetal grame 44,9 47,9 50,6 55,4 49,7 50,0 46,3
- de origine animal grame 59,6 61,4 60,4 56,7 54,6 53,6 53,3
Glucide grame 476,9 479,3 477,2 466,4 481,4 460,8 471,8
Sursa: http://statistici.insse.ro/
Influena cea mai mare asupra cererii de produse alimentare este exercitat de variabila care
exprim veniturile populaiei.
PPS
25000
2007 2008 2009 2010 2011 2012 2013
20000
15000
10000
5000
0
Bulgaria Romania Ungaria Letonia Polonia Estonia Lituania Slovacia Republica Slovenia
Ceh
Figura 2.4 Evoluia PIB pe locuitor n unele ri din Uniunea European
Sursa: EUROSTAT
50
n Romania, n intervalul 2007-2013, veniturile modeste ale populaiei nu au permis
satisfacerea deplin a necesarului de consum fiziologic normal alimentar.
2.3 Estimarea unui model VAR structural
Se consider Yt un model VAR de ordinul p (VAR(p)) de forma:
Yt = A1Yt-1+A2Yt-2++ApYt-p + et [2.1]
n care:
Yt este vectorul variabilelor endogene de dimensiune (nx1);
Ai este o matrice de coeficieni de dimensiune (nxn), pentru i 1, p ;
et este vectorul erorilor de dimensiune (nx1) cu M(et) =0 i matricea de varian-covarian
M(etetT)=e.
Procesul VAR(p) este staionar dac polinomul definit pornind de la det (In-A1Z --ApZp) 0,
pentru z1 are rdcinile n exteriorul cercului unitate din planul complex
(Hamilton,1994:259).
Ecuaia [2.1] poate fi scris prin utilizarea operatorului lag Ljyt =yt-j n form redus, astfel:
(In A1L A2L2 ApLp)Yt = et [2.2]

sau:
A(L)Yt = et [2.3]
De la forma ecuaiei [2.1] VAR nerestricionat putem obine o ecuaie de tip VAR
restricionat (Pfaff, 2008:4):
AYt = A1*Yt-1+A2*Yt-2 ++Ap*Yt-p +But [2.4]
n care: ut sunt inovaiile structurale, M(ut,utT)=u reprezint matricea de varian-covarian,

coeficienii matricei Ai*, pentru i 1, p sunt coeficieni structurali, care se deosebesc n
general de omologii lor din forma redus, B este matricea diagonal.
nmulind ecuaia [2.4] cu A-1 obinem:
Yt = A-1 (A1*Yt-1 + A2*Yt-2 ++ Ap*Yt-p+But) [2.5]
51
Ecuaia [2.5] poate fi rescris, astfel:
Yt = A1Yt-1 + A2Yt-2 ++ ApYt-p+ vt [2.6]
n care: vt =A-1But face conexiunea ntre cele dou forme. Matricea de varian-covarian
T
este: v=A-1BBTA-1 .
Pentru determinarea inovaiilor structurale, trebuie fixate minimum k(k-1)/2 restricii zero
coeficienilor matricei A din ecuaia [2.5] Matricea A relev legturile de interdependen,
existente ntre variabilele incluse n model. n acest sens, poate fi utilizat metoda Sims-
Bernanke (1986) pentru inovaii pe termen scurt, care admite repartizarea n mod liber a
restriciilor zero n interiorul matricei A.
Rezultatele modelului VAR sunt urmtoarele:
Funcia de rspuns la oc (IRF) examineaz efectul unei inovaii de mrime o deviaie
standard a rezidualelor unei variabile asupra evoluiei viitoare asociate fiecrei variabile
yt h
din model. IRF se exprim prin relaia h , n care ij, elementul matricei h,
u t
evideniaz impactul pe care l are asupra variabilei yt+h majorarea cu o unitate a variabilei
uj,t la momentul t de timp, n cazul n care celelalte variabile din sistem exercit o aciune
constant.
Descompunerea varianei erorii de prognoz (VD) determin, n procente, greutile
specifice din variaia unei variabile care sunt rezultatul ocurilor proprii i ocurilor
provenind de la celelalte variabile din sistem.
Testul de cauzalitate Granger (1969) arat dac exist o legtur de tip statistic ntre
seriile de date ale variabilelor Y i Z. Se poate afirma c Y cauzeaz Granger pe Z, dac o
prognoz lui Z realizat pe baza valorilor trecute ale lui Z i Y este mai bun dect o
prognoz fcut doar pe baza valorilor lui Z din perioada anterioar. Testul Granger are la
baz urmtoarele ecuaii de regresie:
p p
Z t 1 a1 j Z t i b1 j Yt j u1t [2.7]
i 1 j 1
p p
Yt 2 a 2 j Z t i b2 j Yt j u 2t [2.8]
i 1 j 1
52
care asum c erorile, u1t i u2t, sunt necorelate. Testarea ipotezei nule Y nu cauzeaz
p
Granger pe Z, adic H0: b
j 1
1j 0 , se realizeaz cu ajutorul testului F.
2.4 Descrierea datelor, modelare, rezultate i interpretare
Pentru a scoate n eviden reacia cererii pentru produse alimentare la diverse inovaii din
economie, am estimat dou modele VAR, folosind date trimestriale din perioada 2007-2013.
MODEL I
Date utilizate, teste statistice
n cadrul primului model, am inclus urmtoarele variabile:
CABC Cheltuieli pentru alimente i buturi consumate - medii lunare pe o persoan,

lei. Sursa: INS
VB Venituri bneti medii lunare pe o persoan, lei. Sursa: INS
TE Transferuri din exterior sub forma remiterilor din munca n strintate i a
transferurilor curente private de la nerezideni, milioane lei. Sursa: BNR
Seriile de date au fost deflatate cu IPC, fiind exprimate n preurile medii ale anului 2005 i
desezonalizate, cu ajutorul metodei TRAMO/SEATS.
Testele Augmented Dickey-Fuller i Philipps Perron evideniaz faptul c cele trei variabile
sunt staionare.
Tabel 2.4
Variabila Testul Augmented Dickey-Fuller Testul Phillips Perron

CABC -2,956 -3,620
VB -3,008 -2,855
TE -2,810 -3,220
Valorile critice MacKinnon (1996)
1 la sut -3,7
5 la sut -2,98
10 la sut -2,63
Note: Testele sunt realizate pentru seriile n nivele. Testele conin constant.
Seria este staionar, dac valoarea obinut este mai mare dect cel puin una dintre
valorile critice, n mrime absolut.
53
Alegerea numrului de ntrzieri pentru estimarea modelului VAR s-a realizat cu ajutorul
criteriilor Akaike (1974, 1976), Hannan-Quinn (1979) i Schwarz (1978). Criteriile Akaike i
Hannan-Quinn au indicat 4 lag-uri. ntruct VAR-ul este stabil (Anexa I), iar testele asupra
erorilor evideniaz faptul c acestea sunt distribuite normal, nu sunt heteroscedastice i
autocorelate (Anexa II), am optat pentru criteriul Schwarz, care a selectat ca ntrziere optim
o perioad.
Teste pentru selectarea numrului de lag-uri

Tabel 2.5
Lag LogL LR FPE AIC SC HQ

0 -363,4196 NA 3,66e+09 30,53496 30,68222 30,57403
1 -328,2550 58,60765* 4,18e+08 28,35458 28,94361* 28,51085
2 -320,3495 11,19940 4,78e+08 28,44579 29,47659 28,71926
3 -308,5446 13,77246 4,22e+08 28,21205 29,68461 28,60272
4 -290,4845 16,55504 2,49e+08* 27,45704* 29,37138 27,96492*
* indic ordinul lag-ului selectat de criteriul respectiv
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Predicia final a erorilor
AIC: Criteriul informaional Akaike
SC: Criteriul informaional Schwarz
HQ:Criteriul informaional Hannan-Quinn
Structura relaiilor de cauzalitate dintre CABC, VB i TE este prezentat n Tabelul 2.6.
Structura matricei A
Tabel 2.6
CABC VB TE
CABC 1 1 1
VB 0 1 0
TE 0 1 1
Restriciile impuse arat c, n decursul unui trimestru, cheltuielile pentru alimente i buturi
consumate sunt influenate de veniturile bneti i de transferurile din exterior sub forma
remiterilor din munca n strintate i a transferurilor curente private de la nerezideni, n timp
ce acestea din urm rspund la evoluia veniturilor bneti. n plus, fiecare variabil este
influenat de ea nsi.
Pentru verificarea stabilitii parametrilor modelului, am utilizat testele CUSUM i CUSUMQ
54
(vezi Brown, Durbin & Evans, 1975) (Anexa III). La un nivel semnificativ statistic de 5 la
sut, ipoteza stabilitii parametrilor este acceptat.
Estimri i rezultate
Funciile de rspuns ale cheltuielilor pentru alimente i buturi consumate la inovaii sunt
prezentate n Figura 2.5.
Figura 2.5 Rspunsul cheltuielilor pentru alimente i buturi

consumate la o deviaie standard a unei inovaii structurale 2 E.S.
Cheltuielile pentru alimente i buturi consumate rspund negativ la ocurile veniturilor

bneti n primele ase trimestre i pozitiv ulterior.
Un oc de o deviaie standard a rezidualelor variabilei care exprim transferurile din exterior
sub forma remiterilor din munca n strintate i a transferurilor curente private de la
nerezideni atinge nivelul maxim dup 5 trimestre, urmnd o perioad de reducere gradual a
intensitii acestuia.
Cheltuielile pentru alimente i buturi consumate reacioneaz pozitiv la inovaiile proprii.
Descompunerea varianei arat c transferurile din exterior sub forma remiterilor din munca
n strintate i a transferurilor curente private de la nerezideni reprezint factorul explicativ
cel mai nsemnat pentru variaia cheltuielilor pentru alimente i buturi consumate, cu
excepia inovaiilor proprii.
55
Figura 2.6 Descompunerea varianei aferente cheltuielilor
pentru alimente i buturi consumate
n continuare, am testat cauzalitatea Granger.
Testul de cauzalitate Granger

Tabel 2.7
CABC VB TE
CABC 0,04730 0,03897
VB 0,02449 0,67452
TE 0,34051 0,57648
Note: 1. Ipoteza de baz testat este: variabila de pe rnd nu este cauzat
Granger de variabilele de pe coloane. 2. Cifrele reprezint probabilitatea
(p-value). 3. Cifrele marcate cu bold indic respingerea ipotezei de baz
la un nivel semnificativ de 5 la sut.
Att veniturile bneti, ct i transferurile din exterior sub forma remiterilor din munca n
strintate i a transferurilor curente private de la nerezideni cauzeaz Granger cheltuielile
pentru alimente i buturi consumate, influena lor fiind de natur predictibil.
56
MODEL II
Date utilizate, teste statistice
n cadrul celui de-al doilea model, am inclus urmtoarele variabile:
IPA Importurile de produse agricole din rile n curs de dezvoltare, milioane lei.
Sursa: EUROSTAT
ABS Absorbia intern, milioane lei. Sursa: EUROSTAT
CV Cursul de schimb al pieei valutare (lei/euro). Sursa: BNR
Seriile sunt exprimate n preurile medii ale anului 2005. Valorile importurilor de produse
agricole din rile n curs de dezvoltare au fost deflatate cu indicii valorii unitare n comerul
internaional, cele ale componentelor absorbiei interne (consumul final, formarea brut de
capital fix i variaia stocurilor) cu indicii de preuri corespunztori, iar cele ale cursului de
schimb cu IPC. De asemenea, seriile au fost desezonalitate, cu ajutorul metodei
TRAMO/SEATS.
Att testul Augmented Dickey-Fuller, ct i testul Phillips-Perron arat c variabilele sunt
integrate de ordin I.
Tabel 2.8
Variabile Testul Augmented Dickey-Fuller Testul Phillips-Perron

IPA -2,4926 -5,3363* -2,5921 -5,3754*
ABS -2,588 -3,0421** -1,8623 -3,0619**
CV -1,1753 -4,3935* -1,308 -4,3935*
* ipoteza nul de existen a rdcinii unitare este respins la 1 la sut;
** ipoteza nul este respins la 5 la sut.
Pentru alegerea numrului optim de ntrzieri n vederea estimrii modelului, criteriile

Akaike, Schwarz i Hannan-Quinn au selectat 3 lag-uri, dar VAR-ul nu este stabil. n aceste
condiii, am optat pentru utilizarea a 2 lag-uri, VAR-ul fiind stabil (Anexa I). Testele asupra
erorilor au artat c acestea sunt homoscedastice, distribuite normal. n schimb, se observ
autocorelaie la primul lag (Anexa II).
57
Nestaionaritatea variabilelor a impus folosirea procedurii Johansen multivariat, care a
semnalat prezena unui singur vector de cointegrare la un nivel statistic semnificativ de 5 la
sut.
Testul de cointegrare Johansen

Tabel 2.9
Numr
Testul urm
de lag-uri
Numr relaii
Statistica testului Valoarea critic
cointegrare sub HO
2 R=0* 58,34213 29,79707
Tendin R= at most 1 14,53145 15,49471
determinist R= at most 2 5,085065 3,841466
liniar Testul valorii proprii maxime
Numr relaii
Statistica testului Valoarea critic
cointegrare sub HO
2
R=0* 43,81068 21,13162
R= at most 1 9,446383 14,26460
R= at most 2 5,085065 3,841466
*indic respingerea ipotezei nule la un nivel de semnificaie de 5 la sut.
Tabelul 2.10 prezint structura relaiilor de interdependen dintre IPA, ABS i CV.
Structura matricei A
Tabel 2.10
IPA ABS CV
IPA 1 1 1
ABS 0 1 0
CV 0 1 1
Restriciile fixate ilustreaz faptul c, n decursul unui trimestru, importurile de produse
agricole din rile n curs de dezvoltare sunt influenate de absorbia intern i de cursul de
schimb. La rndul ei, absorbia intern influeneaz cursul de schimb. n plus, fiecare variabil
este influenat de ea nsi.
Testele CUSUM i CUSUMQ evideniaz, pentru un nivel statistic semnificativ de 5 la sut,
stabilitatea parametrilor modelului (Anexa III).
Estimri i rezultate
Potrivit modelului estimat, am simulat funciile de rspuns la oc n cele trei variabile.
58
Figura 2.7 Rspunsul importurilor de produse agricole din rile
n curs de dezvoltare la o deviaie standard a unei inovaii structurale 2 E.S.
Importurile de produse agricole din rile n curs de dezvoltare reacioneaz pozitiv la

inovaiile proprii. La ocuri n absorbia intern i n cursul de schimb, IPA rspund negativ n
primele nou trimestre, respectiv n primele trei trimestre i pozitiv ulterior.
Descompunerea varianei pentru importurile de produse

agricole din rile n curs de dezvoltare
Tabel 2.11
Contribuie (%)
Eroare
Perioad standard oc IPA oc ABS oc CV
1 8,7931 100,0000 0,0000 0,0000
2 10,5044 94,2288 1,5313 4,2399
3 12,4969 89,2694 7,7344 2,9962
4 14,005 82,2044 15,1517 2,6439
5 15,1644 76,3703 19,9055 3,7242
6 15,8416 72,3672 21,9246 5,7082
7 16,2413 69,6002 22,1804 8,2194
8 16,4937 67,6405 21,788 10,5715
9 16,6724 66,2241 21,343 12,4329
10 16,7981 65,2449 21,0261 13,729
11 16,883 64,6040 20,8191 14,5769
12 16,9401 64,2000 20,6791 15,1209
59
Descompunerea varianei arat c, dup 3 trimestre, 89,3 la sut din modificarea importurilor
de produse agricole din rile n curs de dezvoltare este explicat de inovaiile proprii. La un
orizont de 12 trimestre, ocurile absorbiei interne i cele din partea cursului de schimb sunt
mult mai mari, acestea explicnd 20,68 la sut i, respectiv, 15,12 la sut din modificarea IPA.
Rezultatele testului de cauzalitate Granger sunt prezentate n Tabelul 2.12.
Testul de cauzalitate Granger

Tabel 2.12
IPA ABS CV
IPA 0,00885 0,08250
ABS 0,00148 0,76412
CV 0,23103 0,14951

Absorbia intern cauzeaz Granger importurile de produse agricole din rile n curs de
dezvoltare (valoarea p a testului: 0,00885). Astfel, influena ABS asupra IPA este de natur
sistematic, anticipativ. Ipoteza nul, potrivit creia cursul de schimb nu cauzeaz Granger
evoluia importurilor de produse agricole din rile n curs de dezvoltare, nu este acceptat la
10 la sut. Avnd n vedere ns eventualitatea apariiei unei erori de tip I, se poate afirma c
CV cauzeaz Granger IPA, mai precis valorile viitoare ale IPA sunt explicate de valorile
trecute ale CV.
60
Capitolul 3. Modele cu vectori de cointegrare i vectori de corecie a erorilor
3.1 Consideraii generale
Odat cu descoperirea importanei trendurilor stohastice ale variabilelor economice i

dezvoltarea analizelor de cointegrare, au fost dezvoltate modele care s permit separarea
relaiei pe termen lung de dinamica pe termen scurt. Relaia pe termen lung numit i relaia
de cointegrare este asociat cu o dependen economic, n timp ce dinamica pe termen scurt
reprezint ajustarea modelului ctre relaia pe termen lung. Modelele VEC (vector error
correction modelul de corectare a erorii) permit separarea componentelor pe termen lung de
cele pe termen scurt din procesul de generare a datelor (Puna, 2007:2).
Problema integrrii dinamicii pe termen scurt cu echilibrul pe termen lung a fost investigat
mai nti de Granger, iar apoi de Engle i Granger. Utilizarea acestui model a devenit, n
ultimul deceniu, o abordare empiric ce are sens doar dac seriile incluse au o relaie pe
termen lung, deci sunt cointegrate. Aceasta presupune nu numai ca toate seriile s fie
integrabile de ordinul unu i ca termenii reziduali s aparin unei serii staionare, dar impune
condiia s existe cel puin o combinaie liniar a seriilor de baz care s fie staionar (Albu
et al., 2003:133).
Conform lui Juselius i Toro (2005:3), proprietatea de cointegrare este invariant la
modificrile setului de informaii. Orice rezultat obinut n urma utilizrii tehnicii cointegrrii
asupra variabilelor de baz ale modelului ar putea fi de asemenea obinut n cazul unei analize
mai extinse. Astfel, modelul cu vector de corecie a erorilor ne permite s msurm impactul
factorilor determinani asupra importurilor de produse agricole din rile n curs de dezvoltare,
n vederea adoptrii msurilor de politic comercial.
3.2 Comerul exterior cu produse agricole al Romniei cu rile n curs

de dezvoltare analiz dinamic i structural
Soldul balanei comerciale de produse agricole a Romniei cu rile n curs de dezvoltare a

avut un aport pozitiv ncepnd cu anul 2008 la variaia PIB, exporturile consemnnd un ritm
de cretere mai ridicat dect cel al importurilor.
61
1,2
1,0
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
2007 2008 2009 2010 2011 2012 2013
Export Import Sold
Figura 3.1 Comerul exterior cu produse agricole al Romniei
cu rile n curs de dezvoltare (% n PIB)
n anul 2013, efortul la export aferent produselor agricole n rile n curs de dezvoltare s-a
situat la 8,788 la sut, comparativ cu 3,581 la sut n anul 2010. Rata de penetrare a
importurilor de produse agricole din rile n curs de dezvoltare s-a cifrat la 1,722 la sut,
fiind sensibil mai mic fa de nivelul nregistrat de alte ri membre UE din regiune.
Indicatori de competitivitate ai comerului internaional

cu produse agricole cu rile n curs de dezvoltare
Tabel 3.1
BG SK CZ HU RO
2010 0,699 0,033 0,070 0,393 0,403
Ponderea exportului 2011 0,888 0,041 0,091 0,507 0,532
n PIB (%) 2012 0,749 0,075 0,116 0,559 0,604
2013 1,497 0,056 0,117 0,527 1,030
2010 0,434 0,051 0,099 0,111 0,211
Ponderea importului 2011 0,374 0,059 0,112 0,113 0,207
n PIB(%) 2012 0,351 0,057 0,112 0,124 0,194
2013 0,403 0,065 0,115 0,149 0,187
2010 0,265 -0,018 -0,029 0,282 0,192
Ponderea soldului balanei 2011 0,514 -0,018 -0,021 0,394 0,325
comerciale n PIB (%) 2012 0,398 0,018 0,003 0,435 0,410
2013 1,094 -0,009 0,002 0,378 0,843
2010 7,228 1,226 2,646 6,306 3,581
2011 8,464 1,301 2,986 6,619 4,160
Efortul la export (%)
2012 7,187 2,362 3,710 7,404 6,059
2013 16,367 1,912 3,644 6,934 8,788
2010 4,617 1,909 3,687 1,860 1,906
Rata de penetrare 2011 3,754 1,874 3,653 1,553 1,664
a importului (%) 2012 3,499 1,787 3,608 1,735 2,029
2013 5,009 2,204 3,583 2,056 1,722
62
n cazul comerului exterior al Romniei cu rile n curs de dezvoltare, variaia anual a
structurii valorice aferente att exporturilor, ct i importurilor de produse agricole a fost
susinut, n intervalul 2008-2013, n proporie de peste 62 la sut, de dou i respectiv patru
seciuni din Nomenclatorul Combinat (n cazul exporturilor cereale i animale vii, iar n cel
al importurilor fructe comestibile; cafea, ceai, mate i condimente; legume, plante, rdcini
i tuberculi; semine i fructe oleaginoase; plante industriale sau medicinale; paie i furaje).
100% Animale vii
90%
Semine i fructe oleaginoase;
80% plante industriale sau medicinale;
paie i furaje
70%
Cereale
60%
50% Cafea, ceai, mate i condimente
40%
Fructe comestibile
30%
20%
Legume, plante, rdcini i
10% tuberculi
0% Alte produse de origine vegetal i

E I E I E I E I E I E I E I animal
2007 2008 2009 2010 2011 2012 2013
Figura 3.2 Structura comerului exterior cu produse agricole

al Romniei cu rile n curs de dezvoltare
n anul 2013, 48,92 la sut din exporturile de produse agricole ctre rile n curs de
dezvoltare au avut ca destinaie Africa. n schimb, pe partea importurilor, 25,63 la sut din
achiziiile de produse agricole din rile n curs de dezvoltare au provenit din Asia, iar 22,36
la sut din America Central i de Sud.
63
ri din
America
Central i ri din
de Sud Asia
0,02% 31,59%
Alte ri
4,57%
Ucraina
5,11%
Turcia
9,79%
ri din
Africa
48,92%
Figura 3.3 Structura geografic a exporturilor de produse agricole

n rile n curs de dezvoltare, n anul 2013
ri din
America
Central i de
Sud
22,36%
ri din Asia
25,63%
Alte ri
30,68 %
ri din
Ucraina Africa
6,32%
Moldova 6,51%
8,50%
Figura 3.4 Structura geografic a importurilor de produse agricole

din rile n curs de dezvoltare, n anul 2013
Romania ofer asisten tehnic rilor n curs de dezvoltare pentru includerea comerului n
politicile lor economice, n programe i strategii de relansare i dezvoltare durabil. Cu toate
acestea, n perioada 2007-2013, n medie, numai 3,67 la sut din volumul total al importurilor
de produse agricole din rile n curs de dezvoltare au provenit din Africa, zona Caraibelor i
Pacific.
64
3.3 Estimarea unui model VEC
n cele ce urmeaz, am optat pentru utilizarea procedurii Johansen de cointegrare (introdus

de Johansen i Juselius, 1990) pentru a investiga prezena unui trend stohastic comun ntre
importurile de produse agricole din rile n curs de dezvoltare i factorii determinani.
Procedura Johansen are la baz un model Vector Autoregresiv de ordinul p (VAR(p)) de
forma:
Zt = A1Zt-1+A2Zt-2++ApZt-p +et [3.1]
n care:
Zt este un vector de variabile integrate de ordin unu de dimensiune (nx1);
A1, A2,,Ap sunt matricele coeficienilor VAR de dimensiune (nxn);
et este un vector de dimensiune (nx1) al erorilor cu M(et) =0 i matricea varian - covarian
M(etet)=e.
Ecuaia [3.1] poate fi redat ntr-o form de corecie a erorilor, i anume:
p 1
Z t Z t 1 i Z t i et[3.2]
i 1
unde:
p p
Ai I i i A
. j
i 1 j i 1
Coeficienii i cuprind informaii referitoare la abaterea dinamic pe termen scurt, n timp ce

matricea include elemente cu privire la caracteristicile modelului pe termen lung. Rangul
matricei relev prezena i numrul vectorilor de cointegrare existeni ntre cele n variabile
din vectorul Zt. n cazul n care matricea are rang redus r<n, aceasta poate fi descompus
n matricele i de dimensiune (nxr) cu rang () = rang() = r i se poate scrie sub forma:

=.
n aceste condiii ecuaia [3.2] devine:
p 1
Z t ' Z t 1 i Z t i et [3.3]
i 1
65
p 1
sau: Z t t 1 i Z t i et [3.4]
i 1
unde: este matricea vectorilor de cointegrare, este matricea coeficienilor de ajustare, care
reflect viteza cu care Zt converge ctre relaia de echilibru pe termen lung. Vectorii de
cointegrare constituie combinaii liniare ale variabilelor integrate de ordin unu din Zt care sunt
staionare, astfel nct Zt-1=t-1 este I(0).
Estimatorii de maxim verosimilitate ai lui sunt determinai ca i vectori proprii afereni

celor mai ridicate r valori proprii. Valorile proprii ale matricei (1 1 ... n 0) ,
egale cu ptratul corelaiei canonice ntre Zt i Zt-1, condiionate de Zt-1 ,, Zt-n, sunt
estimate pentru a determina numrul vectorilor de cointegrare. Astfel, valorile estimate nenule
indic rangul r al matricei .
Pentru a identifica numrul vectorilor de cointegrare, sunt folosite dou teste de tip LR
(Likelihood Ratio), i anume:
1. Testul urm testeaz ipoteza nul a existenei a r vectori de cointegrare, dat fiind
alternativa a n vectori de cointegrare (situaie n care seriile sunt staionare), pentru
r=0,1,,n-1:
n
LR trace T ln(1 )
i r 1
i [3.5]
unde T reprezint numrul de observaii.

2. Testul valorii proprii maxime testeaz ipoteza nul a existenei a r vectori de
cointegrare, dat fiind alternativa a r+1 vectori de cointegrare, pentru r=0,1,,n-1:

LRmax T ln(1 r 1 ) [3.6]
unde T reprezint numrul de observaii.
Cele dou teste statistice nu urmeaz o distribuie hi ptrat n general. Printre autorii care au
calculat valorile critice se numr Johansen, Juselius (1990), Osterwald-Lenum (1992),
MacKinnon, Haug, Michelis (1999).
66
Dac se respect condiia de cointegrare, se pot efectua:
teste sugerate de teoria economic de excludere a unor variabile, care iau forma [i] = [0] -
pentru variabila i. Testul statistic este descris de urmtoarea relaie:
~
r
1 i
LR T ln(
) [3.7]
i 1
1 i
unde:
~
i i i sunt valorile proprii n condiiile estimrii matricei vectorilor de cointegrare cu
restricii, respectiv fr restricii. Testul statistic urmeaz o distribuie hi ptrat avnd un
numr de grade de libertate egal cu numrul de restricii.
teste de exogenitate slab, ceea ce implic testarea restriciei [j]=[0] - pentru variabila j,
ntr-o manier asemntoare celei utilizate la testul de excludere. Dac ipoteza testat este
acceptat, atunci variabila j are caracter slab exogen. Potrivit lui Radu (2010:19),
exogenitatea slab a unei variabile implic faptul c nu are loc o pierdere de informaie
relevant pentru parametrii de interes ai modelului atunci cnd estimarea acestora se
realizeaz condiionat de variabila n cauz, nefiind specificat un proces care o genereaz
pe aceasta din urm.
De asemenea, se poate studia cauzalitatea Granger.
3.4 Descrierea datelor, modelare, rezultate i interpretare
Pentru a evalua efectele exercitate de factorii determinani asupra importurilor de produse

agricole din rile n curs de dezvoltare, am inclus n analiz urmtoarele variabile:
IPA Importurile de produse agricole din rile n curs de dezvoltare, milioane lei,
preuri medii ale anului 2005. Sursa: EUROSTAT
CI Cererea intern, milioane lei, preuri medii ale anului 2005. Sursa: EUROSTAT
CV Cursul de schimb al pieei valutare (lei/euro), preuri medii ale anului 2005.
Sursa: BNR
Seriile de date au frecven trimestrial i acoper perioada T1 2007 T4 2013. Valorile

importurilor de produse agricole din rile n curs de dezvoltare au fost deflatate cu indicii
valorii unitare n comerul internaional, cele ale cererii interne cu indicii de preuri
corespunztori, iar cele ale cursului de schimb cu IPC.
67
Toate variabilele au fost desezonalizate, utiliznd o procedur de tip medie mobil i
exprimate n logaritmi naturali.
Att testul Augmented Dickey-Fuller, ct i testul Phillips-Perron au indicat c cele trei
variabile sunt integrate de ordinul unu.
Tabel 3.2
Testul Augmented Dickey-Fuller Testul Phillips-Perron

IPA -1,994 -6,389* -1,845 -7,851*
CI -1,816 -3,767* -2,034 -3,791*
CV -1,729 -4,570* -1,797 -4,832*
Not: * ipoteza nul de existen a rdcinii unitare este respins la 1 la sut.
Numrul optim de ntrzieri utilizate pentru identificarea unei posibile relaii de echilibru pe
termen lung ntre variabilele considerate a fost determinat prin estimarea unui model VAR.
Deoarece criteriile Akaike, Schwarz i Hannan-Quinn au selectat 3 lag-uri, a fost estimat un
VEC cu 2 lag-uri de diferene (vezi Harris, 1995). ntruct cele trei variabile sunt integrate de
ordin unu, a fost necesar folosirea procedurii Johansen multivariat care, prin cele dou
criterii utilizate, trace i max, a relevat prezena unui vector de cointegrare la un nivel statistic
semnificativ de 5 la sut.
Testul de cointegrare Johansen

Tabel 3.3
Ipoteza nul J trace J max

r=0 50,38234 35,10224
(0,0001) (0,0003)
r1 15,28010 11,84428
(0,0538) (0,1166)
r2 3,435816 3,435816
(0,0638) (0,0638)
Not: probabilitatea n paranteze ( )
Testele asupra erorilor au evideniat faptul c acestea sunt distribuite normal, conform testului
multivariat Jarque Bera (probabilitatea aferent fiind 0,1652), au variaie constant
(probabilitate de 0,3465) i nu sunt autocorelate (probabiliti de 0,1342 i 0,1411 aferente
testelor LM cu 1 i, respectiv, 2 lag-uri).
68
Relaia de cointegrare (n paranteze t-statistic [ ] ):
IPA = - 43,235 +4,328*CI 0,869*CV

[-10,302] [3,132]
Toi coeficienii vectorului de cointegrare sunt semnificativi din punct de vedere statistic i au
semnele anticipate. Ipotezele, conform crora efectele pe termen lung ale cererii interne
(2=23,26) i ale cursului de schimb ( 2=8,45) sunt nule, nu sunt acceptate cu o probabilitate
de peste 99,6 la sut. Coeficientul asociat cererii interne din relaia pe termen lung este
supraunitar, n condiiile n care raportul dintre investiii i consumul final s-a cifrat la 35,61
la sut. Deprecierea monedei naionale duce la scderea importurilor de produse agricole din
rile n curs de dezvoltare. Riscul valutar pentru companiile net importatoare este relativ
ridicat, ntruct acestea nu pot transmite integral impactul majorrii cursului de schimb asupra
mrfurilor pe care le desfac pe piaa intern. Pentru acest tip de companii, ponderea creditelor
acordate n PIB s-a majorat treptat de la 24,97 la sut n T2 2008 la 35,08 la sut n T2 2014,
n paralel cu creterea ratei creditelor neperformante de la 0,07 la sut la aproximativ 3,8 la
sut. La sfritul anului 2013, efectul de prghie s-a situat la 1,2, comparativ cu 1,09 pentru
companiile net exportatoare i cu 2,39 pentru ansamblul sectorului companiilor nefinanciare.
Viteza de ajustare la echilibrul pe termen lung este de -0,485 (cu t-statistic -2,262), ceea ce
indic faptul c abaterea importurilor de produse agricole din rile n curs de dezvoltare de la
nivelul de echilibru se acomodeaz n aproximativ 3 trimestre.
Rezultatele testelor de exogenitate slab arat c att cererea intern, ct i cursul de schimb
sunt slab exogene. Caracterul slab exogen al cererii interne evideniaz faptul c CI este
definit n exteriorul sistemului (nu CI este determinat de IPA, ci IPA sunt determinate de
CI). Caracterul slab exogen al cursului de schimb ilustreaz faptul c CV nu se ajusteaz dac
anumite ocuri determin abaterea importurilor de produse agricole din rile n curs de
dezvoltare de la echilibrul pe termen lung (relaie de cauzalitate unidirecional ntre CV i
IPA).
69
Teste de exogenitate slab
Tabel 3.4
Valoarea testului Probabilitatea

IPA 0,600 0,439
CI 0,034 0,854
CV 0,720 0,396
Not: Statistica Wald urmeaz o distribuie 2 (1),
sub H0, conform creia variabila n este slab exogen
n continuare, am investigat posibila legtur ntre dinamicele pe termen scurt ale importurilor
de produse agricole din rile n curs de dezvoltare i ale factorilor determinani. Am estimat
un model cu vector de corecie a erorilor pe termen scurt restricionat, care are urmtoarea
expresie:
2 2 2
IPAt a0 i IPAt i i CI t i i CVt i ECt i et
i 1 i 1 i 1
n acest sens, am folosit abordarea de la general-la-specific (vezi Campos, Ericsson &

Hendry, 2005), prin excluderea lag-urilor nesemnificative.
Model de corecie a erorilor restricionat

Tabel 3.5
Variabile independente ECM

*
Constant -12,758 (2,532)
CIt *
-1,403 (0,287)
CIt-1 ***
0,527 (0,272)
ECt-1 *
-0,369 (0,073)
Teste diagnostic
R - ptrat 0,617 Q-stat(6) 2,191 [0,901]
Suma ptratelor reziduurilor 1,125 ARCH(6) 0,362 [0,890]
Log likelihood 3,923 White 1,289 [0,327]
F-statistic 8,452 Jarque Bera 0,364 [0,833]
Prob (F-statistic) 0,000
Nr de observaii (ajustate) 26
Note: Erorile standard n ( ) & statisticile t n [ ]
*,**,*** denot semnificaia la nivelurile de 1 la sut, 5 la sut i 10 la sut
70
Viteza de ajustare la echilibru este de -0,369 (cu t-statistic -5,041), ceea ce arat c
importurile de produse agricole din rile n curs de dezvoltare se ajusteaz n trimestrul
curent n cazul unei abateri de la nivelul de echilibru din trimestrul anterior.
Importurile de produse agricole din rile n curs de dezvoltare sunt influenate pe termen
scurt de variaia cererii interne, companiile de comer exterior ncercnd s se adapteze la
cererea care este viabil. n schimb, cursul de schimb nu afecteaz variaia importurilor de
produse agricole din rile n curs de dezvoltare pe termen scurt.
Modelul estimat a trecut setul testelor diagnostic. Reziduurile nu sunt autocorelate, sunt
distribuite normal i sunt homoscedastice. n plus, conform testelor CUSUM i CUSUMQ,
parametrii ecuaiei modelului sunt stabili, la un nivel semnificativ statistic de 5 la sut.
Figura 3.5 Teste de stabilitate a parametrilor
Rezultatele obinute n urma aplicrii testului de cauzalitate Granger sunt sintetizate n

Tabelul 3.6.
71
Cauzalitate - Granger
Tabel 3.6
IPA CI CV
IPA 0,00120 0,00420
CI 0,00034 0,06080
CV 0,38630 0,61879
Dup cum poate fi observat, importurile de produse agricole din rile n curs de dezvoltare
sunt cauzate Granger att de cererea intern (valoarea p a testului: 0,0012), ct i de cursul de
schimb (valoarea p a testului: 0,0042). Aadar, valorile viitoare ale importurilor de produse
agricole din rile n curs de dezvoltare sunt explicate de valorile trecute ale cererii interne i
ale cursului de schimb.
72
Summary
The paper Econometric Models Applied in the Real Economy is the result of the post-
doctoral research Performance and excellence in doctoral and postdoctoral research in the
field of economic sciences in Romania POSDRU 159/1.5/S/142115, thematic area SOCIO-
ECONOMIC AND SCIENTIFIC INDICATORS IN ECONOMIC POLICIES AT THE MICRO AND MACRO-
ECONOMIC LEVEL.
The paper was developed in a logical sequence of conducting complex econometric studies,
focusing on the quantitative analysis tools that the research of the real economy requires.
In the first chapter entitled Methods for the identification, assessment and forecast of the
systematic oscillations in the real economy I used various statistical and econometric
methods and techniques, a series of conclusions can be drawn from them regarding the
evolution of the following variables that constitute important links in the causal chain of the
economic approach:
The gross value added of the agriculture, forestry and fishing sector, in the
period 2007-2013, in real terms, had a quarterly average of lei 7153.55 million. The
absolute amplitude of variation, calculated as difference between the extreme values
of the series, was lei 17271.1 million. The maximum level was reached in the third
quarter of 2013, due to the outstanding crop production (mainly maize, wheat and
potatoes). In the opposite direction was the low yield obtained in the first quarter of
2009, due to the unfavourable weather conditions, the modest results in the livestock
subsector and the reduced investments in advanced technologies. The autocorrelation
and partial autocorrelation coefficients indicated that the investigated data series was
affected by seasonality, for whose analysis I used the Lawrence Klein model. The
obtained results reflect that, on average, the gross value added of the agriculture,
forestry and fishing sector: (i) was reduced by lei 6188.646 million, in the first quarter
compared to the fourth quarter, due to the poor results on the livestock sector, heavily
dependent on crop production and climatic factors; (ii) was lower by lei 4328.273
million, in the second quarter versus the fourth quarter, mainly due to the widened
gap between the production dynamics and that of the intermediate consumption of the
73
branch; (iii) was higher by lei 5270.199 million, in the third quarter compared to the
fourth quarter, mainly due to the positive results of the vegetal sector.
The average quarterly of the employment rate for working age population (15-64
years) in agriculture, forestry and fishing was 15.23 percent, in the period 2008-2013,
while the absolute amplitude of variation totalled 3.6 percentage points. The value of the
coefficient of variation reached 6.67 percent. The autocorrelation and partial
autocorrelation coefficients showed that the series was affected by seasonality, for
whose analysis I used the Buys Ballot model. The results illustrate that the peaks of
activity were recorded in the second and third quarters.
The expenses of consumed food and beverages stood, in real terms, on average,
during 2007Q1-2013Q4, at lei 431.09 per month per household. The total expenses of
the population were in 2013, on average, in real terms, of lei 2228.7 per month per
household, up by 51.5 percent compared to 2007 and represented 90.6 percent of the
total income. The consumption expenses had a share that accounted for 62.2 percent of
the total expenses, compared to 61.3 percent in 2007, of which 22.5 percent meant
expenses of consumed food and beverages, 21.4 percent to expenses for the purchase of
non-food products and 18.3 percent to expenses for the payment of services. In contrast,
the expenses for unconsumed food and beverages (in stock, given for manufacturing,
given to animals etc.) had a share that accounted for 2.1percent of the total expenses,
down by 0.1 percentage points compared to 2007. The relative amplitude of the
variation, calculated for the the data series on the monthly average of expenses per
household for consumed food and beverages, in real terms (2007Q1 - 2013Q4 quarterly
evolution) stood at 55.1 percent, the ratio between the maximum and minimum value
being 1.85 times. The variation coefficient (14.13 percent) indicates that the series is
homogeneous. In order to measure the intensity of oscillations due to seasonality I used
the Spectral Analysis. The results show that the seasonal factor deflected the monthly
average of expenses per household for consumed food and beverages in the first and
third quarters by lei 112.52 and lei 76.03 below the trend line, amid the decrease in the
available income and high levels of household indebtedness, the increase in the
consumption of agricultural products from own resources, the reduction of the volume of
purchases on the peasant market in parallel with the widening of the super and
hypermarket and specialty store network. The seasonal factor deflected the monthly
74
average of expenses per household for consumed food and beverages in the second and
fourth quarters by lei 172.61, respectively lei 15.94 over the trend line, in terms of an
increased demand for food products and alcoholic beverages during the Easter and
winter holidays. Thus, on all households, the expenses for consumed food and
beverages were on average 36.5 percent of the total consumption expenses. The
employee households spent, on average, 44.1 percent of the total consumption expenses
on buying food, and the farmers and retired 24.2 percent and respectively 30.3 percent.
The agricultural income, in real terms, was of lei 49.01 monthly average per
household, in the period 2007Q1-2013Q4, providing 2.93 percent of the total income, of
which the income from sales of agro-food products, animals and poultry accounted for
2.11 percent, and the income from the agricultural works for 0.82 percent. The absolute
amplitude of the variation amounted to lei 44.88, the minimum value representing 36.24
percent of the maximum value. The coefficient of variation (25.91 percent) reveals that
the calculated mean is representative for the examined series. In addition, the
autocorrelation and partial autocorrelation coefficients indicate the existence of
seasonal fluctuations in the series, for whose analysis I used the Calot model. The
seasonal factor deflected the monthly averages of agricultural income per household in
the first and fourth quarters by lei 16.743 and lei 1.462 below the trend line, and in the
second and third quarters by lei 8.112, respectively lei 10.093 over the trend line. The
following contributed to this evolution: the decrease in the domestic supply in the animal
product segment due to their high maintenance costs; the lack of adequate storage space
for cereals, vegetables and fruits; the increasing trend in the demand for inferior
products in times of economic crisis; the high competition of imports in the segment of
agricultural products.
The exports of agricultural products in developing countries registered a monthly
average of EUR 53.3 million, in the period 2007-2013. The absolute amplitude of
variation, calculated as difference between the extreme values of the series, was EUR
190.85 million. Instead, the imports of agricultural products from developing countries
registered a monthly average of EUR 28.36 million, the ratio between the maximum and
minimum value being 4.23 times. In 2013, the trade balance for Romanias agricultural
products with developing countries recorded a surplus of EUR 1178.28 million, 4.8
times higher than the average of the 2008-2012 period. The effort to the exports of
agricultural products to developing countries amounted to 8.79 percent compared with
75
6.06 percent in the previous year. In addition, the penetration rate of agricultural
products imports from developing countries was 1.72 percent below the level recorded
in neighbouring countries like Bulgaria (5.01 percent) and Hungary (2.06 percent). The
elasticity analysis of the foreign trade in agricultural products with developing countries
in relation to the modification of the exchange rate, as well as how it has influenced the
current account balance, achieved using arc-type coefficients shows that for the 3
intervals of steeper increase of the exchange rate, in the period 2007-2013, the effects
were favourable for improving the trade balance. In the context of the financial crisis,
the exports of agricultural products to developing countries were responsive to the
variation of the exchange rate, also observed after a 2-3 months delay. In contrast, the
imports of agricultural products from developing countries were less sensitive to the
depreciation of the national currency, the negative coefficients of elasticity recorded
values between 41.72 and 0.02. The autocorrelation and partial autocorrelation
coefficients indicate that the investigated data series were affected by seasonality, for
whose analysis I used the Holt Winters model. In January and February, the seasonal
factor deflected both flows of the foreign trade in agricultural products with developing
countries under the line trend, with an average of 15.6 percent for outputs and 5.9
percent for inputs. In March and April, the seasonal factor caused, on average, an
increase of the exports of agricultural products in developing countries by 27.63 percent
and 23.92 percent above the long-term trend. In the same interval, on the imports side,
the seasonal factor produced, on average, a growth of the inflows of agricultural
products from developing countries by 38.05 percent and 7.54 percent above the trend
line. In the period from June to August, the seasonal factor caused the diminution of the
activity of foreign trade of agricultural products with developing countries compared to
the trend line. In September and October, the seasonality indices calculated for the two
components of the trade balance with agricultural products with developing countries
were supra-units for exports and sub-units for imports. The seasonal factor determined a
growth of the foreign trade of agricultural products with developing countries compared
to the trend line in November and December. The following contributed to this
evolution: the prohibition of trading pig meat in the first quarter of 2007; positive results
on the vegetal segment (2008, 2010, 2013); the restriction of the consumption of pork
meat with the appearance of the first cases of AH1N1 virus contamination in Europe
(January 2009); the implementation on 1st January 2012 of the provisions of the
76
European Union on the poultry breeding conditions which led to a shortage of supply
for a short period of time; the decision of some farmers to limit the sales on the domestic
market in the context of rising international prices (2010); the modest results recorded
in the livestock subsector; the losses registered on the pork and beef market due to
higher production costs; the insufficient adaptation of the domestic producers to the
requirements of the domestic and international markets; the resumption of the supply of
poultry meat and eggs to Russia (2011); the increase in slaughtering on the poultry meat
segment due to the high costs of feeding stuffs (2012); the increase in the supply of sheep
and mutton mainly to Bosnia and Herzegovina, Jordan, Lebanon and Libya by the
restriction of the domestic supply (2011, 2012, 2013); the unfavourable weather
conditions (2007, 2010, 2012) which led to increased imports of cereals, edible fruit and
nuts, peel of citrus fruits or melons mainly from Turkey, China, Egypt.
Toderoiu (2013:155) mentioned that Romanias agri-food sector is under process of
restructuring and settling its structures on the market principles. The structural reform
finality should be competitiveness increase in the overall agri-food sector and in each of its
components. For reaching the economic performance objectives it is necessary to evaluate
what has been achieved so far and to outline the development directions in perspective.
In the second chapter entitled Structural autoregressive vector models I used the VAR
technique in order to assess the factors influencing on the demand for food products. In this
regard, I built two models, using the quarterly data from the period 2007-2013.
Model I
The variables included in the analysis in the first model are:
CABC Expenditures for consumed food and beverages monthly average values per
person, lei. Source: NIS
VB Money income monthly average values per person, lei. Source: NIS
TE Remittances from abroad and current private transfers by non-residents,
million lei. Source: NBR
The data series used in the model are expressed in the average prices of 2005 and seasonally
adjusted using the TRAMO/SEATS procedure. The Augmented Dickey-Fuller test
77
(Dickey&Fuller, 1979) and the Phillips-Perron test (Phillips&Perron, 1988) show that the
three variables are stationary. The choice of the optimum number of lags in estimating the
VAR model was based on the Schwarz information criterion (1978) that indicates a period as
optimum lag. The tests carried out on the residual errors showed that they are normally
distributed, have a constant variance and no autocorrelation. In addition, according to the
CUSUM and CUSUM of squares tests (see Brown, Durbin & Evans, 1975), the coefficients of
the model equation are stable at a statistically significant level of 5 percent.
In the model, I adopted the orthogonalization method proposed by Sims and Bernanke
(1986). The imposed restrictions indicate that, within a quarter time horizon, the expenditures
for consumed food and beverages are influenced by the money income and the remittances
from abroad, and current private transfers by non-residents, while the latter respond to the
developments in money income. In addition, each variable is influenced by itself.
The impulse response functions indicate that the expenditures for consumed food and
beverages respond negatively to monetary income shocks in the first six quarters and then
positively. A shock of a standard deviation of the variable residuals expressing the
remittances from abroad, and current private transfers by non-residents reaches the peak
after five quarters, followed by a period of gradual depreciation. The variance decomposition
indicates that the variation of expenditures for consumed food and beverages at a horizon of
3 quarters is explained in a proportion of 87.62 percent by own innovations. At longer
horizons, the shocks of the money income and remittances from abroad, and current private
transfers by non-residents have an increasing contribution to CABC. The correlation of the
Granger causality with the variance decomposition suggests that influence of both the VB and
the TE are significant, as they have a regular and anticipatory character.
Model II
The variables included in the analysis in the second model are:
IPA Imports of agricultural products from developing countries, million lei.

Source: EUROSTAT
ABS Domestic absorption, million lei. Source: EUROSTAT
CV Exchange rate on Forex Market (RON/EUR). Source: NBR
78
The series are expressed in the average prices of 2005. The values of the imports of
agricultural products from developing countries were deflated by the unit value indices of
international trade, that of domestic absorption by the corresponding price indices and that of
the exchange rate by the CPI. All variables were seasonally adjusted using TRAMO/SEATS
procedure. Both the Augmented Dickey-Fuller test and the Phillips-Perron test indicated that
the three variables are integrated of order one. The tests for choosing the number of lags
indicate three lags as the optimal number. Using three lags, the VAR becomes unstable,
which is why I chose to use two lags. The Johansen multivariate procedure signalled the
presence of a single cointegration vector at a statistically significant level of 5 percent. The
solution of the characteristic equation indicates a stable VAR. The tests carried out on the
residual errors showed that they are normally distributed and have a constant variance.
Instead, there is autocorrelation at lag one. Furthermore, according to the CUSUM and
CUSUM of squares tests, the coefficients of the model equation are stable at a statistically
significant level of 5 percent.
In the present model, I adopted the orthogonalization method proposed by Sims and
Bernanke. The imposed restrictions indicate that, within a quarter time horizon, the imports
of agricultural products from developing countries are affected by the domestic absorption
and the exchange rate. In turn, the domestic absorption influences the exchange rate.
The impulse response functions indicate that the imports of agricultural products from
developing countries respond negatively to shocks to the domestic absorption and to those
coming from exchange rate in the first nine quarters, respectively in the first three quarters
and then positively. In addition, the IPA responds positively to the own innovations. The
variance decomposition illustrates that the shocks of the domestic absorption and exchange
rate explain 20.68 percent and 15.12 percent of change IPA after 12 quarters. The Granger
causality test shows that the future values of agricultural imports from developing countries
are explained by the past values of the domestic absorption and exchange rate.
Demand for food is relatively stable and less elastic, while supply is variable and difficult to
change on short notice. From this perspective, knowledge of demand and consumption of food
products in our country is absolutely necessary as it: (i) enables those responsible for
agricultural and food policies to assess the market potential and to anticipate future
developments; (ii) enables farmers to adopt their production to the systematic fluctuation
generating factors in the agricultural sector; (iii) guides the distributors in choosing the
range of the products that they will sell.
79
In the third chapter entitled Models with cointegrating vectors and error correction vectors
I econometrically quantify the relationship between imports of agricultural products from
developing countries and the determinants. I included the following variables in the analysis:
IPA Imports of agricultural products from developing countries, million lei,

average prices of 2005. Source: EUROSTAT
CI Domestic demand, million lei, average prices of 2005. Source: EUROSTAT
CV Exchange rate on Forex Market (RON/EUR), average prices of 2005. Source:
NBR
The series have a quarterly frequency and cover the period 2007Q1-2013Q4. The values of
the imports of agricultural products from developing countries were deflated by the unit value
indices of international trade, that of domestic demand by the corresponding price indices
and that of the exchange rate by the CPI. All variables were seasonally adjusted using an
average mobile procedure and expressed in natural logarithms. Both the Augmented Dickey-
Fuller test and the Phillips-Perron test indicated that the three variables are integrated of
order I. The optimal number of delays used to identify a possible long-term equilibrium
relationship between the considered variables was determined by estimating a VAR model.
Since the Akaike (1974,1976), Schwarz (1978) and Hannan, Quinn (1979) criteria selected 3
lags, a VEC with 2 difference lags was estimated. The Johansen multivariate procedure
indicated the presence of a single cointegration vector at a statistically significant level of 5
percent. The tests carried out on the residual errors showed that they are normally
distributed, according to the Jarque Bera multivariate test (the corresponding probability
being 0.1652), have a constant variance (a probability of 0.3465) and no autocorrelation
(0.1342 and 0.1411 probabilities related to LM tests with 1 and respectively 2 lags). The
obtained cointegration relationship (t-statistics are in brackets [ ]):
IPA = - 43.235 +4.328*CI 0.869*CV

[-10.302] [3.132]
All coefficients of the cointegration vector are statistically significant and have anticipated
signs. The hypothesis, according to which the long-term effects of the domestic demand
(2=23.26) and the exchange rate (2=8.45) are null, are not accepted with a probability of
80
over 99.6 percent. The coefficient associated to domestic demand in the long-term
relationship is supra-unitary, while the ratio of investments and final consumption amounted
to 35.61 percent. The national currency depreciating leads to a decrease in the imports of
agricultural products from developing countries. The currency risk for net importing
companies is relatively high, as they cannot fully convey the impact of a higher exchange rate
on the goods they commercialize on the internal market. For such companies, the share of
loans granted in the GDP has gradually increased from 24.97 percent in 2008 Q2 to 35.08
percent in 2014 Q2, with the increase of non-performing loan rate from 0.07 percent to about
3.8 percent. At the end of 2013, the leverage effect stood at 1.2, compared with 1.09 for the
net exporting companies and 2.39 for non-financial corporations sector as a whole.
The adjustment speed of the long-term equilibrium is -0.485 (with a t-statistic of -2.262),
which shows that the deviation of the imports of agricultural products from developing
countries from the equilibrium level accommodates in about 3 quarters.
The weak exogeneity test results show that both the domestic demand and the exchange rate
are weak exogenous. The weak exogenous character of the domestic demand stresses that CI
is determined outside the system (it is not that CI is determined by IPA, but IPA are
determined by CI). The weak exogenous character of the exchange rate illustrates that the CV
does not adjust if certain shocks cause the deviation of the imports of agricultural products
from developing countries from the long-term equilibrium (the unidirectional causal
relationship between CV and IPA).
Next, I investigated the possible relationship between the short-term dynamics of the imports
of agricultural products from developing countries and the determinants. In this regard, I
used the general-to-specific approach by excluding the insignificant lags. The adjustment
speed to the equilibrium is -0.369 (with a t-statistic of -5.041), which indicates that the
imports of agricultural products from developing countries adjust in the current quarter in
case of a deviation from the equilibrium level in the previous quarter. The imports of
agricultural products from developing countries are influenced in the short term by the
variation of the domestic demand, foreign trade companies trying to adapt to the demand
which is viable. Instead, the exchange rate does not affect the imports of agricultural products
from developing countries in the short term. The estimated model passed the diagnostic tests.
The residues are not auto correlated. In addition, they are normally distributed and
homoscedastic. Furthermore, according to the CUSUM and CUSUM of squares tests, the
coefficients of the model equation are stable at a statistically significant level of 5 percent.
81
The imports of agricultural products from developing countries are Granger caused by both
the domestic demand (p-value test: 0.0012) and the exchange rate (p-value test: 0.0042).
Therefore, the future values of the imports of agricultural products from developing countries
are explained by the past values of the domestic demand and the exchange rate.
Romania, as an EU member state, provides technical assistance to developing countries to
include trade in their government policies. However, during 2007-2013, the African,
Caribbean and Pacific countries contributed, on average, with only 3.67 percent to the total
volume of Romanias imports of agricultural products from developing countries.
82
SURSE BIBLIOGRAFICE
Akaike, H. (1974) A New Look at the Statistical Model Identification, IEEE Transactions
on Automatic Control, vol. 19(6): 716-723
(http://www.unt.edu/rss/class/Jon/MiscDocs/Akaike_1974.pdf)
Akaike, H. (1976) Canonical Correlation Analysis of Time Series and the Use of an
Information Criterion (in) System Identification: Advances and Case Studies, eds. R.
K. Mehra and D. G. Lainotis, Academic Press: 27-96, New York, NY
Albu, L.L, Pelinescu, E. & Scutaru, C. (2003) Modele si prognoze pe termen scurt. Aplicaii
pentru Romnia, Editura Expert, Bucureti
Andrei, T.& Bourbonnais, R. (2008) Econometrie, Editura Economic, Bucureti
Bernanke, B.S. (1986) Alternative Explanations of Money-Income Correlation, Carnegie
Rochester Conference Series on Public Policy, vol. 25(1): 49-100
Biji, E.M., Wagner, P., Lilea, E., Petcu, N.& Vtui, M. (1999) Statistic, Editura Didactic i
Pedagogic, Bucureti
Blanchard, O. & Quah, D. (1989) The Dynamic Eects of Aggregate Demand and
Aggregate Supply Disturbances, American Economic Review, vol. 79(4):655-673
(http://www.nber.org/papers/w2737)
Boel, C. (2002) Cauzele inflaiei n Romnia, iunie 1997-august 2001. Analiz bazat pe
Vectorul Autoregresiv Structural, Caietul de studii nr. 11, Banca Naional a Romniei,
Bucureti (http://www.bnro.ro/PublicationDocuments.aspx?icid=6786)
Box, G.E.P. & Jenkins, G.M. (1970) Time Series Analysis: Forecasting and Control, Holden
Day, San Francisco
Bran, F. & Ioan, I. (2009) Globalizarea i mediul, Editura Universitar, Bucureti
Brown, R.L., Durbin, J. & Evans, J.M. (1975) Techniques for Testing the Constancy of
Regression Relationships over Time, Journal of the Royal Statistical Society, Series B,
vol. 37( 2): 149-192
(ftp://ftp.uic.edu/pub/depts/econ/hhstokes/e535/Brown_Durbin_evans_1975.pdf)
Calot, G. (1965) Cours de statistique descriptive, Dunod, Paris
Campos, J., Ericsson, N.R. & Hendry, D.F. (2005) General-to-Specific Modeling: An
Overview and Selected Bibliography, International Finance Discussion Paper No. 838,
Board of Governors of the Federal Reserve System, Washington D.C.
(http://www.federalreserve.gov/pubs/ifdp/2005/838/ifdp838.pdf)
83
Capanu, I., Wagner, P. & Mitru, C. (1994) Sistemul Conturilor Naionale i agregate
macroeconomice, Editura ALL, Bucureti
Chudik, A. & Pesaran, M.H. (2009) Infinite-Dimensional VARs and Factor Models, Working
Papers Series, No. 998, European Central Bank, Frankfurt
(https://www.ecb.europa.eu/pub/pdf/scpwps/ecbwp998.pdf?4af4bc41962fa076a78e26b73b9f5749)
Dickey, D.A. & Fuller, W.A. (1979) Distribution of the Estimators for Autoregressive Time
Series with a Unit Root, Journal of the American Statistical Association, vol. 74(366):
427-431
(http://www.jstor.org/stable/2286348?seq=1#page_scan_tab_contents)
Dirichlet, L.(1837) Beweis des Satzes, dass jede unbegrenzte arithmetische Progression,
deren erstes Glied und Differenz ganze Zahlen ohne gemeinschaftlichen Factor sing,
unendlich viele Primzahlen erhlt, Abhandlungen der Koniglich Preussischen
Akademie der Wissenschaften: 45-81
Durbin, J. (1960) The fitting of time series models, Review of the International Statistical
Institute, vol. 28(3): 233243
Durbin, J. & Watson, G.S. (1950) Testing for Serial Correlation in Least Squares Regression
I, Biometrika, vol. 37(3/4): 409-428
Enache, C. (2014) Competitiveness Determinants of Romanias Foreign Trade in
Agricultural Products in the Context of Sustainable Development An Econometric
Approach in Proceedings of the 24th International Business Information Management
Association (IBIMA), 6-7 November 2014, Milan: 598-608
Enache, C. (2014) Dimensiunile exploataiilor agricole n Romnia. Analiz comparativ cu
unele state membre ale Uniunii Europene, Simpozionul Internaional Universul
tiinelor, Ediia a V-a din 7 septembrie 2014, Iai: 215-219. Lucrarea a primit premiul
I din partea Facultii de Economie i Administrarea Afacerilor i Facultii de Fizic
din cadrul Universitii AL.I.Cuza din Iai, Facultii de Drept a Universitii de Stat
din Moldova, Facultii de Drept a Universitii de Studii Politice i Economice
Europene Constantin Stere din Moldova, Asociaiei Cultural - tiinifice Vasile
Pogor din Iai
Enache, C. (2014) Seasonal Adjustment and Forecasting Economic Time Series, in
Proceedings of the 24th International Business Information Management Association
(IBIMA), 6-7 November 2014, Milan: 720-726
(http://www.ibima.org/ITALY2014/papers/enac.html)
84
Enache, C. (2015) An Econometric Analysis of Romanias Agricultural Foreign Trade with
Developing Countries, Journal of Eastern Europe Research in Business& Economics,
Article ID 815855, vol. 2015 (2015): 1-11, DOI: 10.5171/2015.815855
(http://www.ibimapublishing.com/journals/JEERBE/2015/815855/a815855.html)
Enache, C. (2015) Determinants of the Demand for Food Products in Romania. Measuring
Methods and Techniques in Proceedings of the 25th International Business
Information Management Association (IBIMA), 7-8 May 2015, Amsterdam: 2960-2969
(http://www.ibima.org/NL2015/papers/calc.html)
Enache, C. (2015) Forecasting Seasonal Time Series with Calot Model, Internal Auditing &
Risk Management, Year X, vol. 38 (1): 155-162
(http://econpapers.repec.org/article/athjournl/v_3a38_3ay_3a2015_3ai_3a1_3ap_3a155-162.htm)
Enache, C. (2015) The Labour Force in Agriculture in the Context of a Changing Economic
Climate, International Conference on Ecological Performance in a Competitive
Economy - PEEC, 7th edition, 5th March 2015, Bucharest University of Economic
Studies, published in Supplement of Quality-Access to Success Journal, vol. 16 (S1):
461-464
Enache, C. (2015) Time Series Analysis and Forecasting Using the Lawrence Klein Model,
International Conference on Ecological Performance in a Competitive Economy -
PEEC, 7th edition, 5th March 2015, Bucharest University of Economic Studies,
published in Supplement of Quality-Access to Success Journal, vol. 16 (S1): 520-524
Enache, C. (2015) Seasonal Adjustment and Forecasting of the Romanian Agricultural
Employment Rate, Scientific Papers. Series Management, Economic Engineering in
Agriculture and Rural Development, vol. 15 (1):169-173
(http://managementjournal.usamv.ro/index.php/scientific-papers/843-seasonal-adjustment-and-
forecasting-of-the-romanian-agricultural-employment-rate-843)
Enache, C. (2015) Statistical Methods and Techniques Used in the Analysis of Romanias
Foreign Trade in Agricultural Products with Developing Countries, International
Conference on Competitiveness and Economic & Social Cohesion, 26-27 March 2015,
Bucharest University of Economic Studies, published in International Journal of
Economic Practices and Theories, vol. 5(3):187-193
(http://www.ijept.org/index.php/ijept/article/view/Statistical_Methods_and_Techniques_Used_in_th
e_Analysis_of_Romania_Foreign_Trade_in_Agricultural_Products_with_Developing_Countries)
Enache, C. (2015) Statistical Methods Used in the Analysis and Forecast of the Demand for
Food Products in Romania, Romanian Biotechnological Letters Journal, University of
Bucharest (published on line ahead of print) (http://www.rombio.eu/published.html)
85
Enache, C. (2015) Quantitative Methods Used in the Study of Food Consumption in
Romania in Proceedings of the 25th International Business Information Management
Association (IBIMA), 7-8 May 2015, Amsterdam: 3012-3019
(http://www.ibima.org/NL2015/papers/nach.html)
Enders, W. (1995) Applied Econometric Time Series, John Wiley and Sons, Inc, New York
Engle, R.F. & Granger, C.W.J. (1987) Co-Integration and Error Correction: Representation,
Estimation and Testing, Econometrica, vol. 55 (2): 251-276
(http://www.jstor.org/stable/1913236)
Favero, C.A. (2001) Applied Macroeconometrics, Oxford University Press, Oxford
Geromiletto, M. (2010) Autocorrelation Function Analysis, Ca Foscari University of
Venice, Italy (http://www.dst.unive.it/~margherita/TSLectureNotes3.pdf )
Granger, C.W.J. (1969) Investigating Causal Relations by Econometric Models and Cross-
Spectral Methods, Econometrica, vol. 37 (3): 424438
(http://www.jstor.org/stable/1912791)
Hamilton, J.D. (1994) Times series analysis, Princeton University Press, New Jersey
Hannan, E.J. & Quinn, B.G. (1979) The Determination of the Order of an Autoregression,
Journal of the Royal Statistical Society, Series B, vol. 41 (2): 190195
Harris, R. (1995) Using Cointegration Analysis in Econometric Modelling, University of
Portsmouth, Prentice Hall, Harvester Wheatsheaf, London
Hendry, D.F. (1995a) Dynamic Econometrics, Oxford University Press, Oxford
Jenkins, G.M. & Watt, D.G. (1968) Spectral Analysis and its Application, Holden-Day, San
Francisco
Johansen, S. (1991) Estimation and Hypothesis Testing of Cointegration Vectors in Gaussian
Vector Autoregressive Models, Econometrica, vol. 59(6): 15511580
Johansen, S. (1995) Likelihood Based Inference in Cointegrated Vector Autoregressive
Models, Oxford University Press, Oxford
Johansen, S. & Juselius, K. (1990) Maximum Likelihood Estimation and Inference on
Cointegration with Applications to the Demand for Money, Oxford Bulletin of
Economics and Statistics, vol. 52(2): 169-210
(http://down.cenet.org.cn/upfile/58/20081012135145190.pdf)
Juselius, K. (2006) The Cointegrated VAR Model: Methodology and Applications, Oxford
University Press, Oxford
86
Juselius, K. & Toro, J. (2005) Monetary Transmission Mechanisms in Spain: The Effect of
Monetization, Financial Deregulation, and the EMS, Journal of International Money
Finance, vol. 24(3): 509-531
(http://econpapers.repec.org/article/eeejimfin/v_3a24_3ay_3a2005_3ai_3a3_3ap_3a509-531.htm)
Kanta, M. (1997) Selected Papers of Lawrence R. Klein. Theoretical Reflections and
Econometric Applications, World Scientific, Singapore, New Jersey, Lonon, Hong-
Kong
Kilian, L. (2011) Structural Vector Autoregressions, CEPR Discussion Paper No. 8515,
London
Levinson, N. (1947) The Wiener RMS Error Criterion in Filter Design and Prediction,
Journal of Mathematics and Physics, vol. 25: 261278
Lutkepohl, H. (2005) New Introduction to Multiple Time Series Analysis, Springer-Verlag,
New York
MacKinnon, J.G. (1996) Numerical Distribution Functions for Unit Root and Cointegration
Tests, Journal of Applied Econometrics, vol. 11(6): 601-618
MacKinnon, J.G., Haug, A.A. & Michelis, L. (1999) Numerical distribution functions of
likelihood ratio tests for cointegration, Journal of Applied Econometrics, vol. 14: 563-
577
Osterwald-Lenum, M. (1992) A Note with Quantiles of the Asymptotic Distribution of the
Maximum Likelihood Cointegration Rank Test Statistics, Oxford Bulletin of
Economics and Statistics, vol. 54 : 461471
(http://onlinelibrary.wiley.com/doi/10.1111/j.1468-0084.1992.tb00013.x/abstract)
Pankratz, A. (1983) Forecasting with Univariate Box-Jenkins Models: Concepts and Cases,
John Wiley and Sons, Inc, New York
Puna, B. (2007) Modelarea i evaluarea impactului investiiilor directe, naionale i
internaionale asupra pieei muncii i evoluiei macroeconomice din Romnia Metode
VAR i VEC, Caietul de studii nr. 15-16, Institutul de Prognoz Economic, Academia
Romn, Bucureti (ftp://www.ipe.ro/RePEc/WorkingPapers/cs1516-4.pdf)
Pecican, E.. (2005) Econometria pentrueconomiti: Econometrie - teorie i aplicaii, ediia
a II-a, Editura Economic, Bucureti
Pfaff, B. (2008) VAR, SVAR and SVEC Models: Implementation Within R Package vars,
Journal of Statistical Software, vol. 27 (4): 1-32 (http://www.jstatsoft.org/v27/i04/paper)
Phillips, P.C.B. & Perron, P. (1988) Testing for a Unit Root in a Time Series Regression,
Biometrika, vol. 75 (2): 335-346
87
(http://www.ssc.wisc.edu/~bhansen/718/PhillipsPerron1988.pdf)
Pindyck, R.S. & Rubinfeld, D.L. (1998) Econometric Models and Economic Forecasts, Irwin
McGraw-Hill, Boston
Radu, R. (2010) Mecanismul de transmisie a ratelor dobnzilor, Caietul de studii nr. 28,
Banca Naional a Romniei, Bucureti
(http://www.bnro.ro/PublicationDocuments.aspx?icid=6786)
Robinson, J. (1937) The Foreign Exchanges (in) Essay in the Theory of Employment, ed. J.
Robinson, Basil Blackwell, Oxford: 134-155
Schwarz, G. (1978) Estimating the Dimension of a Model, Annals of Statistics, vol. 6(2):
461464
(http://qwone.com/~jason/trg/papers/schwarz-dimension-78.pdf)
Sims, C.A. (1980a) Macroeconomics and Reality, Econometrica, vol. 48(1): 1-48.
(http://www.ekonometria.wne.uw.edu.pl/uploads/Main/macroeconomics_and_reality.pdf)
Sims, C.A. (1986) Are Forecasting Models Usable for Policy Analysis?, Federal Reserve
Bank of Minneapolis Quarterly Review, vol. 10: 2-16
(https://www.minneapolisfed.org/research/qr/qr1011.pdf)
Smith, L.V. & Galesi, A. (2011) GVAR Toolbox 1.1 User Guide, CFAP & CIMF, University
of Cambridge, Cambridge
Toderoiu, F. (2013) Aggregate Efficiency of Resource Utilization in the Romanian Agri-
Food Sector Macroeconomic Evolutions, Agricultural Economics and Rural
Development Journal, New Series, Year X, No.2:155-176
(https://www.econbiz.de/Record/aggregate-efficiency-of-resource-utilization-in-the-romanian-agri-
food-sector-macroeconomic-evolutions-toderoiu-filon/10010837005)
Toeplitz, O. (2007) The calculus: a genetic approach - with a new foreword by D.M.
Bressoud, The University of Chicago Press, Chicago
Waggoner, D.F. & Zha, T. (1999) Conditional Forecasts in Dynamic Multivariate Models,
Review of Economics and Statistics, vol. 81(4): 639-651
Watson, M.W. (1994) Vector Autoregressions and Cointegration (in) Handbook of
Econometrics, eds. R.F. Engle and D.L. McFadden, vol. 4, New York
White, H. (1990) A Consistent Model Selection Procedure Based on M-Testing, Chapter 16
(in) Modelling Economic Series: Readings in Econometric Methodology, ed. C. W. J.
Granger, Oxford University Press: 369383, Oxford
* * * Buletine de conjunctur (2008-2013), Banca Naional a Romniei
88
* * * Fora de munc n Romnia: Ocupare i omaj (2007-2014), Institutul Naional de
Statistic
* * * Methodology of the Monthly Index of Services, Annex B: The Holt-Winters Forecasting
Method (2003), Office for National Statistics (http://www.ons.gov.uk/ons/guide-method/user-
guidance/index-of-services/index-of-services-annex-b--the-holt-winters-forecasting-method.pdf)
* * * Rapoarte anuale (2007-2014), Banca Naional a Romniei
* * * Rapoarte asupra inflaiei (2007- 2014), Banca Naional a Romniei
* * * Rapoarte asupra stabilitii financiare (2007-2014), Banca Naional a Romniei
* * * Veniturile i consumul populaiei (2007- 2014), Institutul Naional de Statistic
89
ANEXA I
TESTE DE STABILITATE A VAR
Model I
VAR Stability Condition Check
Roots of Characteristic Polynomial

Endogenous variables: CABC VB TE
Exogenous variables: C
Lag specification: 1 1
Date: 08/01/15 Time: 11:54
Root Modulus
0.722672 0.722672
0.656863 - 0.205737i 0.688329
0.656863 + 0.205737i 0.688329
No root lies outside the unit circle.

VAR satisfies the stability condition.
Inverse Roots of AR Characteristic Polynomial
90
Model II
VAR Stability Condition Check
Roots of Characteristic Polynomial

Endogenous variables: IPA ABS CV
Exogenous variables: C
Lag specification: 1 2
Date: 08/01/15 Time: 11:47
Root Modulus
0.884012 0.884012
0.631825 - 0.362190i 0.728275
0.631825 + 0.362190i 0.728275
-0.424351 0.424351
0.311717 - 0.225592i 0.384784
0.311717 + 0.225592i 0.384784
No root lies outside the unit circle.

VAR satisfies the stability condition.
Inverse Roots of AR Characteristic Polynomial
91
ANEXA II
TESTE DIAGNOSTIC:
NORMALITATE, HOMOSCEDASTICITATE, LIPSA AUTOCORELAIEI
Model I
VAR Residual Normality Tests

Orthogonalization: Estimated from Structural VAR
H0: residuals are multivariate normal
Date: 08/01/15 Time: 12:09
Sample: 2007Q1 2013Q4
Included observations: 27
Component Skewness Chi-sq df Prob.
1 0.813663 2.979215 1 0.0843

2 0.220538 0.218867 1 0.6399
3 -0.223704 0.225195 1 0.6351
Joint 3.423276 3 0.3309
Component Kurtosis Chi-sq df Prob.
1 2.625618 0.157682 1 0.6913
2 2.545108 0.232792 1 0.6295
3 3.620581 0.433261 1 0.5104
Joint 0.823736 3 0.8438
Component Jarque-Bera df Prob.
1 3.136897 2 0.2084
2 0.451659 2 0.7979
3 0.658456 2 0.7195
Joint 4.247012 6 0.6433
92
VAR Residual Heteroskedasticity Tests: No Cross Terms
Date: 08/01/15 Time: 12:20
Sample: 2007Q1 2013Q4
Joint test:
Chi-sq df Prob.
47.74409 48 0.4833
Individual components:
Dependent R-squared F(8,17) Prob. Chi-sq(8) Prob.
res1*res1 0.320623 1.002864 0.4688 8.336189 0.4013

res2*res2 0.411624 1.486636 0.2335 10.70222 0.2191
res3*res3 0.090938 0.212575 0.9841 2.364395 0.9678
res2*res1 0.282467 0.836538 0.5837 7.344152 0.5000
res3*res1 0.105253 0.249974 0.9740 2.736584 0.9498
res3*res2 0.148845 0.371608 0.9214 3.869972 0.8687
VAR Residual Serial Correlation LM Tests

Null Hypothesis: no serial correlation at lag order h
Date: 08/01/15 Time: 12:18
Sample: 2007Q1 2013Q4
Lags LM-Stat Prob
1 10.84058 0.2868
2 11.91191 0.2183
3 11.61768 0.2357
4 13.60488 0.1371
5 4.601871 0.8675
6 12.02007 0.2122
7 9.948216 0.3547
8 11.65673 0.2334
9 12.21109 0.2017
10 11.62893 0.2350
11 9.711238 0.3744
12 11.81715 0.2238
Probs from chi-square with 9 df.
93
Model II
VAR Residual Normality Tests

Orthogonalization: Estimated from Structural VAR
H0: residuals are multivariate normal
Date: 08/01/15 Time: 12:31
Sample: 2007Q1 2013Q4
Component Skewness Chi-sq df Prob.
1 0.165065 0.118068 1 0.7311

2 0.121583 0.064057 1 0.8002
3 0.267507 0.310093 1 0.5776
Joint 0.492218 3 0.9206
Component Kurtosis Chi-sq df Prob.
1 1.427987 2.677160 1 0.1018

2 1.300969 3.127266 1 0.0770
3 1.430751 2.667755 1 0.1024
Joint 8.472181 3 0.0372
Component Jarque-Bera df Prob.
1 2.795229 2 0.2472
2 3.191323 2 0.2028
3 2.977847 2 0.2256
Joint 8.964399 6 0.1756
94
VAR Residual Heteroskedasticity Tests: No Cross Terms
Date: 08/01/15 Time: 12:35
Sample: 2007Q1 2013Q4
Joint test:
Chi-sq df Prob.
80.92171 72 0.2207
Individual components:
Dependent R-squared F(12,13) Prob. Chi-sq(12) Prob.
res1*res1 0.407129 0.743933 0.6924 10.58536 0.5647

res2*res2 0.497400 1.072126 0.4490 12.93241 0.3740
res3*res3 0.620000 1.767545 0.1608 16.12000 0.1858
res2*res1 0.432681 0.826232 0.6263 11.24970 0.5076
res3*res1 0.578679 1.487947 0.2434 15.04566 0.2389
res3*res2 0.596945 1.604471 0.2047 15.52057 0.2142
VAR Residual Serial Correlation LM Tests

H0: no serial correlation at lag order h
Date: 08/01/15 Time: 12:40
Sample: 2007Q1 2013Q4
Lags LM-Stat Prob

1 21.09089 0.0123
2 12.16441 0.2042
3 4.715378 0.8584
4 11.18228 0.2634
5 7.254021 0.6107
6 3.655714 0.9326
7 5.153243 0.8208
8 7.010935 0.6360
9 4.971278 0.8368
10 3.063675 0.9617
11 6.111705 0.7287
12 6.388394 0.7005
Probs from chi-square with 9 df.
95
ANEXA III
TESTE DE STABILITATE A PARAMETRILOR
Model I
96
Model II
97

Enachecalcedonia

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Enachecalcedonia

Încărcat de

Drepturi de autor:

Formate disponibile

ACADEMIA DE STUDII ECONOMICE DIN BUCURETI

MODELE ECONOMETRICE APLICATE

1.2 Elemente de analiz necesare evalurii oscilaiilor sistematice ........................................ 9

1.3.1 Modelul Lawrence Klein .......................................................................................... 11

1.3.3 Analiza spectral. Modele ARIMA .......................................................................... 22

Capitolul 2. Modele cu vectori autoregresivi structurali .......................................................... 47

2.2 Consumul alimentar n Romnia analiz dinamic i structural ................................ 47

2.4 Descrierea datelor, modelare, rezultate i interpretare .................................................... 53

3.1 Consideraii generale ...................................................................................................... 61

3.4 Descrierea datelor, modelare, rezultate i interpretare .................................................... 67

Annex III ............................................................................................................................... 96

Lucrarea MODELE ECONOMETRICE APLICATE N ECONOMIA REAL este rezultatul activitii

1.1 Serii de timp. Aspecte teoretice

O serie de timp poate fi continu (t R ) sau discret (t Z ) .

Seria de timp {Yt, t Z }este denumit staionar dac:

care, pentru un proces staionar, ia forma:

1 (1) (2) ... ( 1)

Funcia de autocorelaie parial, notat cu () , msoar legtura ntre Yt i Yt- prin

() Corr ((Yt M (Yt Yt 1 ,..., Yt 1 );Yt M (Yt Yt 1 ,..., Yt 1 )) [1.3]

Dac pe grafic se obin:

Metoda analizei dispersionale are drept fundament descompunerea variaiei totale a

fenomenului investigat yt , S y2 ( yij y ) 2 [1.6], n trei pri, i anume:

S y2 / t ( y i y ) 2 - variaia lui y datorat incidenei factorilor eseniali [1.7]

S y2 / s ( y j y ) 2 - variaia lui y datorat incidenei factorilor sezonieri [1.8]

S y2 / u ( yij y i y j y) 2 -variaia lui y datorat incidenei factorilor ntmpltori [1.9]

y - media general a seriei.

Pentru a testa gradul de semnificaie a rezultatelor obinute, se utilizeaz testul Fisher

Testul Fisher - Snedecor se realizeaz comparnd valorile determinate, Fcalc1 i Fcalc2, cu

1.3 Msurtori n domeniul oscilaiilor sistematice

n economie se ntlnesc adesea activiti care prezint tendin de variaie n raport cu

1.3.1 Modelul Lawrence Klein

O modalitate clasic de analiz a sezonalitii se ntlnete n practic n varianta n care

Pentru a examina semnificaia sezonalitii, se testeaz ipoteza nul 2=3=4=0, respectiv

Datele, estimarea modelului i rezultate

n vederea aplicrii modelului Lawrence Klein, am utilizat seria de date cu frecven

Valoarea adugat brut din agricultur, silvicultur i pescuit, n intervalul 2007-2013, a

Figura 1.2 Distribuie log-normal

Coeficienii de autocorelaie i autocorelaie parial, calculai cu ajutorul pachetului de

Figura 1.3 Corelograma pentru VABA

Rezultatele estimrii modelului

Model Sum of Squares df Mean Square F Sig.

1.3.2 Modelul Buys Ballot

Notnd bj = b + sj i substituind pe t j m(i 1) , se obine:

y j m (i 1) a[ j m(i 1)] b j u j m (i 1) [1.16]

n yij n m yij m 1 [1.19]

Modelul aditiv este concordant unui model multiplicativ, n condiiile transformrii

ln(sj); ut = ln(). Astfel, modelul multiplicativ devine:

yt b ' s j t (1 a ' ) t [1.20]

Potrivit principiului conservrii ariilor:

pentru k 1, W - perioada de prognoz.

Datele, estimarea modelului i rezultate

n intervalul 2008-2013, rata medie trimestrial de ocupare a populaiei n vrst de munc n

Serie de timp: ROPA

Figura 1.5 Diagrama box-plot pentru ROPA

Partial Autocorrelation Function

Figura 1.6 Corelograma pentru ROPA

Rezultatele obinute confirm prezena sezonalitii.

Devierile sezoniere obinute sunt urmtoarele:

Trimestre Devieri sezoniere

-0,04 > 2,84

Figura 1.7 Componentele seriei de timp

1.3.3 Analiza spectral. Modele ARIMA

funcia f: RR, periodic de perioad 2, continu pe segmente pe orice interval compact, n

AYt = A1Yt-1+A2Yt-2 ++Ap*Yt-p +But [2.4]

Yt = A-1 (A1Yt-1 + A2Yt-2 ++ Ap*Yt-p+But) [2.5]