82 - Econometrie ID Oct2015 (CIG) - 14ore - 8097

ECONOMETRIE
Prof.univ.dr. Nicoleta Jula

Lect.univ.dr. Nicolae-Marius Jula
1
MODELARE ECONOMIC. ECONOMETRIE
Introducere
Obiectivele cursului
Manualul de Modelare economic. Econometrie ofer studenilor un ansamblu de

cunotine privind metodele de calcul i analiz cantitativ folosite n sistematizarea,
prelucrarea, prezentarea i interpretarea datelor care caracterizeaz fenomenele i
procesele economice i sociale. De asemenea, asigur nsuirea de ctre studeni a
unui ansamblu de cunotine privind metodele folosite n obinerea, sistematizarea,
prelucrarea, prezentarea i analiza econometric a datelor ce caracterizeaz
fenomenele i procesele economice i a informaiilor necesare din domeniul
metodologiei de calcul i a funciilor de cunoatere a indicatorilor cu care se opereaz
n teoria i analiza microeconomic i macroeconomic.
Competene conferite
Dup parcurgerea acestui curs, studentul va fi capabil s utilizeze metode de analiz,

testare i prognoz pentru a rspunde la anumite probleme economice specifice.
Studentul va avea capacitatea de a realiza analiz econometric la nivel
macroeconomic, va putea s utilizeze instrumente de analiz econometric din corpul
metodologic general, precum i instrumentele specifice analizei econometrice n
domenii specializate ale economiei naionale.
Resurse i mijloace de lucru
Se recomand utilizarea calculatorului pentru rezolvarea temelor propuse. Studentul poate

utiliza, de asemenea, software specializat (E-Views, R).
2
Structura cursului
Manualul cuprinde 10 uniti de nvare (UI)

O unitate de nvare poate fi parcurs, n medie, n 2-3 ore.
Studentul va avea de rezolvat 3 teme de control, teme ce vor fi trimise prin
platforma electronic ELIS.
Cerine preliminare
Este recomandat ca studentul s fi parcurs urmtoarele discipline: Statistic economic,

Microeconomie, Modelare economic i Macroeconomie
Durata medie de studiu individual
O unitate de nvare poate fi parcurs, n medie, n 2-3 ore.
Evaluarea
Nota final este compus din:
- 70% examen
- 30% evalurilor pe parcurs (teme de control, verificri pe parcurs);
3
Cuprins
INTRODUCERE............................................................................................................................... 2
UNITATEA DE NVARE 1. MODELUL ECONOMIC PREZENTARE GENERAL ........................... 8
Consideraii generale ................................................................................................................................... 8
Schema general a procesului de modelare economico-matematic........................................................... 12
Modelul econometric ................................................................................................................................. 12

Elementele unui model econometric .............................................................................................................. 14
Datele utilizate ................................................................................................................................................. 15
Rezumat .................................................................................................................................................... 16
Test de autoevaluare a cunotinelor ......................................................................................................... 16
Test de evaluare a cunotinelor ................................................................................................................ 17
Bibliografie ................................................................................................................................................ 17
UNITATEA DE NVARE 2. MODELE DE OPTIMIZARE ............................................................... 19
Stocurile de materii prime .......................................................................................................................... 20

Optimizarea gestiunii stocurilor....................................................................................................................... 20
Problema de transport ............................................................................................................................... 23

Rezolvarea problemei de transport ................................................................................................................. 23
Exemplu ........................................................................................................................................................... 24
Teoria firelor de ateptare.......................................................................................................................... 27

Formularea problemei ..................................................................................................................................... 27
Modelul matematic ......................................................................................................................................... 27
Rezumat .................................................................................................................................................... 32
Tem de control ......................................................................................................................................... 33
Bibliografie ................................................................................................................................................ 33
UNITATEA DE NVARE 3. MODELE ECONOMETRICE MODELUL LINEAR DE REGRESIE ........ 35
Modele econometrice ................................................................................................................................ 35
Modelul linear unifactorial ......................................................................................................................... 36

Ecuaia de regresie........................................................................................................................................... 36
Metoda celor mai mici ptrate ........................................................................................................................ 36
4
Ipotezele modelului linear unifactorial ............................................................................................................ 37
Proprieti ale estimatorilor ............................................................................................................................ 38
Modelul linear multifactorial...................................................................................................................... 38

Estimarea parametrilor din modelul linear multifactorial metoda celor mai mici ptrate........................... 39
Ipotezele modelului ......................................................................................................................................... 40
Proprieti ale estimatorilor calculai prin metoda celor mai mici ptrate ..................................................... 41
Exemple ..................................................................................................................................................... 41
Modelul linear unifactorial .............................................................................................................................. 41
Modelul linear multifactorial ........................................................................................................................... 44
Rezumat .................................................................................................................................................... 47
UNITATEA DE NVARE 4. TESTE DE SEMNIFICAIE ................................................................. 50
Dispersia estimatorilor ............................................................................................................................... 50

Dispersia estimatorilor n modelul unifactorial de regresie linear ................................................................ 50
Dispersia estimatorilor n modelul linear multifactorial .................................................................................. 51
Teste privind semnificaia estimatorilor .......................................................................................................... 51
Exemple ..................................................................................................................................................... 52
Rezumat .................................................................................................................................................... 58
Tem de control ......................................................................................................................................... 59
Bibliografie ................................................................................................................................................ 60
UNITATEA DE NVARE 5. HETEROSCEDASTICITATEA ERORILOR ............................................ 61
Heteroscedasticitatea erorilor .................................................................................................................... 61
Consecine ale heteroscedasticitii ........................................................................................................... 62
Testarea heteroscedasticitii .................................................................................................................... 62

Testul GoldfeldQuandt................................................................................................................................... 62
Testul Breusch-Pagan....................................................................................................................................... 62
Testul White ..................................................................................................................................................... 63
Atenuarea heteroscedasticitii ................................................................................................................. 63
Exemple ..................................................................................................................................................... 64
Testul GoldfeldQuandt pentru modelul unifactorial ..................................................................................... 64
Testul GoldfeldQuandt pentru modelul multifactorial .................................................................................. 68
5
Rezumat .................................................................................................................................................... 73
Bibliografie ................................................................................................................................................ 74
UNITATEA DE NVARE 6. AUTOCORELAREA ERORILOR .......................................................... 75
Autocorelarea erorilor ............................................................................................................................... 75
Consecine ale autocorelrii erorilor........................................................................................................... 76
Testarea autocorelrii erorilor.................................................................................................................... 76

Testul Durbin Watson ................................................................................................................................... 76
Testul Lagrange ................................................................................................................................................ 77
Atenuarea fenomenului de autocorelare a erorilor ..................................................................................... 77

Procedura Cochrane Orcutt .......................................................................................................................... 77
Procedura Hildreth Lu ................................................................................................................................... 77
Rezumat .................................................................................................................................................... 78
Bibliografie ................................................................................................................................................ 79
UNITATEA DE NVARE 7. UTILIZAREA MODELELOR ECONOMETRICE N PROGNOZ ............ 81
Prognoza n cazul modelului unifactorial de regresie linear ....................................................................... 81
Prognoza n cazul modelului multifactorial de regresie linear .................................................................... 82
Exemple ..................................................................................................................................................... 83
Rezumat .................................................................................................................................................... 86
Bibliografie ................................................................................................................................................ 87
BIBLIOGRAFIE OBLIGATORIE ....................................................................................................... 88
BIBLIOGRAFIE FACULTATIV ....................................................................................................... 88
ANEXE STATISTICE....................................................................................................................... 90
6
A. Valorile critice ale distribuiei t Student, testul bilateral ...................................................................... 90
B. Valorile critice ale distribuiei t Student, testul unilateral ..................................................................... 92
C. Valorile critice ale distribuiei 2 ............................................................................................................ 94
D. Statistica Durbin Watson ..................................................................................................................... 96
7
Unitatea de nvare 1. Modelul Economic Prezentare
General
Cuprins
Consideraii generale
Schema general a procesului de modelare economico-matematic
Modelul economic
o Elementele unui model econometric
o Datele utilizate
Cuprins
Dup parcurgerea unitii vei fi n msur s rspundei la ntrebrile:
Care este schema general a procesului de modelare economico-matematic?
Ce este un model econometric?
Care sunt elementele unui model econometric?
Obiectivele unitii de nvare
nsuirea noiunii de model economic
Elementele unui model econometric
Tipurile de date utilizate ntr-un model economic
Durata medie de parcurgere a primei uniti de nvare este de 3 ore.
Consideraii generale
n accepiunea comun, modelul reprezint o norm, un ideal spre care se tinde datorit
calitilor, chiar perfeciunii sale. Un model tiinific este o construcie, de obicei
teoretic, n anumite privine simplificat, care i propune s faciliteze nelegerea
unei realiti complexe prin intermediul unei imagini apropiate, ct mai fidele. Dou
idei sunt eseniale n aceast abordare a conceptului de model: n primul rnd, ideea de
reprezentare simplificat a realitii i, n al doilea rnd, cea de asemnare structural,
8
funcional, comportamental ntre model i realitate1.
n interpretarea lui Malinvaud "un model const n reprezentarea formal a
ideilor i cunotinelor relative la un anumit fenomen. Aceste idei, numite deseori
teoria fenomenului, se exprim printr-un ansamblu de ipoteze asupra elementelor
eseniale ale fenomenului i a legilor care le guverneaz. Acestea sunt n general
traduse sub forma unui sistem matematic numit model. Logica modelului ne permite s
explorm consecinele naturale ale ipotezelor reinute, s le confruntm cu rezultatele
experimentale i s ajungem pe aceast cale la o cunoatere mai bun a realitii i s
acionm mai eficace asupra sa." (Malinvaud E., 1964)2.
Exist, n literatura de specialitate, mai multe tipologii ale modelelor
economice. Clasificarea unor elemente const n plasarea acestora, n funcie de
caracteristicile proprii, ntr-o anumit grup (clas). Aceste clase trebuie s respecte cel
puin dou condiii eseniale3:
a) s fie omogene, adic elementele care prezint caracteristici similare trebuie s
aparin aceleiai clase;
b) s fie relativ bine separate, adic elementele ne-similare trebuie s fac parte din
clase diferite.
Cu alte cuvinte, elementele dintr-o clas trebuie s fie asemntoare (similare)
ntre ele i s disting de elementele care aparin altor clase.
n literatura de specialitate din Romnia, una dintre cele mai interesante
clasificri este prezentat de Acad. Emilian Dobrescu4. n orice clasificare, esenial
este noiunea de criteriu. Aceasta deoarece un criteriu adecvat, aplicat asupra
elementelor unei mulimi induce n mulimea respectiv o relaie de ordine. n lucrarea
menionat, Acad. Emilian Dobrescu reine urmtoarele criterii de clasificare a
modelelor economice: natura elementelor componente, caracterul interdependenelor
dintre variabile, nivelul de agregare a entitilor, scopul elaborrii modelelor
economice, comportamentul temporal. Rezult clasificarea prezentat n tabel:
Tabel: Tipologia modelelor economice
Criteriul de clasificare Categoriile de modele
1. Natura elementelor componente 1.a) logice

1.b) calitativ-analitice (teoretice),
1.c) numerice
2. Caracterul interdependenelor dintre 2.1.a) lineare

variabile 2.1.b) nelineare
2.2.a) deterministe
2.2.b) probabiliste
1
Jula D., 2003, Introducere n econometrie, Editura Professional Consulting, Bucureti, pag.7.
2
Citat n Dobrescu E., 2002, Tranziia n Romnia: abordri econometrice, Editura Economic, Bucureti, pag. 33.
3
Jula D., Jula N., 1999, Economie sectorial, Editura Didactic i Pedagogic, Bucureti, pag. 18-21.
4
Dobrescu E., 2002, Tranziia n Romnia: abordri econometrice, Editura Economic, Bucureti, pag. 24.
9
3. Nivelul de agregare a entitilor 3.a) cu dezagregare maxim
3.b) cu agregare intermediar
3.c) cu agregare naional maxim
3.d) cu agregare internaional
4. Scopul modelrii 4.a) descriptiv-explicative

4.b) explorative
4.c) normative
5. Comportamentul temporal 5.a) strict statice

5.b) cvasistaionare
5.c) dinamice
Sursa: Dobrescu E., 2002, Tranziia n Romnia: abordri econometrice, Editura

Economic, Bucureti, Capitolul I: Repere metodologice, pag. 24, Schema 1.I.2:
Tipologia modelelor economice.
Definiiile pentru conceptele propuse n tabel pornesc, n general de la urmtoarele

elemente.
1. Natura elementelor componente
1.a Modelele logice. Un exemplu de acest gen este reprezentat de modelul
concurenei pure i perfecte.
1.b Modelele calitativ-analitice (teoretice). Exemplu: funcia monetarist a cererii
de bani
Md = f(Y, P, rB, rE, rD)
n care Md este cererea monetar, Y output-ul, P nivelul preurilor, iar
urmtoarele trei simboluri reprezint randamentele altor forme de active n care
banii pot fi plasai (bonuri de tezaur), aciuni, bunuri durabile). n model
variabilele implicate nu apar cu valori numerice, dar pot fi calculate cu ajutorul
statisticilor accesibile.
1.c Modelele numerice. Modele de acest tip sunt, de exemplu, cele care estimeaz
legtura dintre omaj i rata inflaiei (curba Phillips) pe baza datelor nregistrate
ntr-un interval corespunztor de timp, sau ntre venitul gospodriilor i consum
etc.
2. Caracterul interdependenelor dintre variabile
2.1. a Modelele lineare: legtura dintre variabilele analizate este linear.
Linearitatea se refer la forma legturii dintre variabile, nu la modul de
exprimare a variabilelor respective
2.1. b Modelele nelineare n care legtura dintre variabilele analizate are forme
mai complicate, nelineare.
10
2.2.a Modelele deterministe.
2.2.b Modelele probabiliste. Astfel de modele sunt utilizate, de exemplu, pentru
studiul pieelor financiare.
3. Nivelul de agregare a entitilor
3.a Modelele cu dezagregare maxim. De exemplu, toi agenii economici sunt
analizai, prin funcii de comportament, ecuaii de echilibru, de stare i/sau de
dinamic specifice.
3.b Modelele cu agregare intermediar. Economia poate fi structurat, de
exemplu, instituional (pornind de la sectoarele instituionale din Sistemul
Contabilitii Naionale), pe ramuri (aa ca n tabelele input-output), sau
regional.
3.c Modelele cu agregare naional maxim. Un exemplu de astfel de model este
reprezentat de funcia de consum keynesian: Ct = C0 + cYd,t, unde:
Ct consumul agregat la momentul t;
Yd venitul disponibil al gospodriilor la momentul t;
C0 partea stabil a consumului, relativ autonom n raport cu venitul (ex.
autoconsumul);
c nclinaia marginal spre consum, 0 < c < 1.
3.d Modelele cu agregare internaional analizeaz diferite zone geografice (de
exemplu, zona Mrii Negre, zona Balcanilor), grupri de ri (ex. ri
dezvoltate, ri n dezvoltare,), uniuni interstatale (ex. Uniunea European),
grupri sectoriale (ex. ri exportatoare de petrol OPEC) sau abordeaz
economia mondial n ansamblu.
4. Scopul modelrii
4.a Modele descriptiv-explicative. Modelul explicativ ajut la nelegerea
legturilor eseniale dintre fenomenele studiate5. Un exemplu n acest sens este
modelul input-output.
4.b Modelele explorative sau de simulare faciliteaz studierea reaciilor economiei
fa de modificarea unei variabile.
4.c Modelele normative. De exemplu, prin astfel de modele pot fi urmrite
obiective de tipul: respectarea unor restricii ecologice, restricii privind
condiiile de munc, atingerea unor condiii de performan calitate, fiabilitate
etc.6
5. Comportamentul temporal:
5.a Modelele strict statice sunt folosite pentru reprezentarea unor fenomene sau
procese economice la un moment dat. Exemplu: modelul input-output.
5.b Modelele cvasistaionare.
5.c Modelele dinamice ilustreaz evoluia n timp a diferitelor procese economice.
5
Jula D., 2003, Introducere n econometrie, Editura Professional Consulting, Bucureti, pag.7.
6
Nicolae V., Constantin D.-L., Grdinaru I., 1998, Previziune i orientare economic, Editura Economic, Bucureti, pag. 174-
175.
11
Modelarea matematic reprezint cea mai utilizat aplicaie n domeniul
elaborrii modelelor economice. Procesul de construcie a unui model economico-
matematic presupune parcurgerea mai multor etape7.
ntr-o prim etap, prin analiza unui obiect din realitatea economic (un
proces, un fenomen etc.) se identific o mulime finit de proprieti ale acestuia.
Proprietile reinute ca fiind semnificative reprezint teoria economic (modelul
economic) elaborat pentru obiectul respectiv din realitate.
n a doua etap, se caut o teorie matematic n care poate fi descris o
structur a sistemului.
n etapa a treia, se realizeaz rezolvarea modelului.
n a patra etap, aceste noi proprieti (informaii) sunt transferate asupra
obiectului original
Pornind de la elementele prezentate, etapele procesului de modelare sunt

prezentate n sintez, n tabelul urmtor.
Tabel: Etapele procesului de modelare
(1) analiza realitii cu ajutorul instrumentelor oferite de teoria economic i

identificarea unor caracteristici semnificative;
(2) construirea modelului matematic, prin interpretarea (traducerea) propoziiilor

din teoria economic n limbajul specific teoriei matematice;
(3) rezolvarea modelului;
(4) traducerea concluziilor obinute din limbajul specific teoriei matematice n

teoria economic (interpretarea economic a rezultatelor modelului).
Modelul econometric
Denumirea de econometrie provine din combinarea cuvintelor greceti
oikonomia economia (de la oicos cas, gospodrie i nomos lege) i metron
msur. Deci, etimologic, econometria presupune aplicarea unor tehnici de msurare n
economie.
n sens restrns, econometria este definit ca o aplicaie a statisticii matematice
n economie.
7
Etapele modelrii sunt prezentate n detaliu n lucrarea Jula D., 2003, Introducere n econometrie, Editura Professional
Consulting, Bucureti, pag.7-13.
12
n sens larg, econometria este neleas ca o tiin de grani ntre economie,
matematic i statistic. (Thomas R.L., 19978 i Ramanathan R., 19929).
Pornind de la relaiile definite de teoria economic, econometria clasic se
concentreaz asupra urmtoarelor tipuri de analiz10:
(a) testarea i validarea teoriei economice;
(b) estimarea relaiilor dintre variabilele economice;
(c) prognoza evoluiilor i a comportamentelor economice.
Pornind de la schema general privind procesul de modelare i de la elementele

prezentate, poate fi construit o schi a procesului de modelare econometric.
Un studiu econometric presupune parcurgerea urmtoarelor etape:
(1) formularea modelului pornind de la teoria considerat adecvat pentru explicarea
evoluiei unui proces economic,
(2) realizarea unei cercetri selective pentru generarea unor serii de date referitoare la
procesul respectiv,
(3) estimarea modelului,
(4) testarea ipotezelor teoretice folosite n construirea modelului
(5) interpretarea rezultatelor.
Un asemenea proces este descris n figura urmtoare:
8
Thomas R.-L, 1997, Modern Econometrics: An Introduction, 2nd edition, Harlow, Longman, pag. 1-3.
9
Ramanathan R., 1992, Introductory Econometrics, Second Edition, The Dryden Press, Harcourt Brace College Publishers,
Orlando, USA, pag. 3-11.
10
Thomas R.-L, 1997, Modern Econometrics: An Introduction, 2nd edition, Harlow, Longman, pag. 1.
13
Teoria economic, experiena
Formularea modelului
Selectarea datelor
Estimarea modelului
Reformularea Testarea Interpretarea

NU DA rezultatelor
modelului ipotezelor:
Ipotezele se
verific?
Decizii de politic Prognoze

economic
Figura: Etapele unui studiu econometric11
Elementele unui model econometric

Elementele unui model economico-matematic sunt variabilele, ecuaiile i
parametrii modelului. De asemenea, rezolvarea modelului presupune existena unor
serii de date, care s prezinte starea i/sau evoluia (distribuia) variabilelor din model.
Variabilele modelului
ntr-un model econometric pot fi distinse trei tipuri de variabile: variabile
endogene, variabile exogene i variabile de abatere (eroare).
Sunt endogene sau explicate acele variabile ale cror valori sunt obinute prin
rezolvarea modelului.
Sunt exogene acele variabile pentru care starea i evoluia sunt determinate de
factori exteriori sistemului a crui funcionare este studiat cu ajutorul modelului.
Variabilele de abatere (sau erorile) reprezint discrepanele ntre evoluia
anticipat a unei variabile i evoluia real a variabilei respective.
Parametrii modelului
Parametrii modelului pot fi definii ca fiind caracteristicile cantitative ale
sistemului studiat.
Ecuaiile modelului
Prin ecuaiile unui model se ncearc surprinderea legturilor dintre variabilele
11
Thomas R.L, 1997, Modern Econometrics: An introduction, 2nd edition, Harlow, Longman, pag.4.
14
endogene i cele explicative. ntr-un model econometric pot aprea ecuaii de
comportament, ecuaii de definiie i ecuaii contabile (de echilibru).
Ecuaiile de comportament sunt construite pe baza unei teorii economice i
descriu, n form funcional, comportamentul unui agent economic.
Ecuaiile sau relaiile de definiie sunt utilizate pentru precizarea unor noiuni
sau determinarea unor variabile. n ecuaiile de definiie nu intervin parametri
necunoscui.
Ecuaiile de echilibru sunt utilizate pentru asigurarea coerenei modelului.
Datele utilizate
Pentru estimarea parametrilor din ecuaiile modelului sunt utilizate anumite
date economice referitoare la evoluia fenomenelor analizate. Datele economice
reprezint reflectri cantitative sau calitative ale dimensiunii, strii i evoluiei
proceselor i fenomenelor economice. Aceste date pot fi descrise pornind de la mai
multe criterii. Astfel, ca prezentare, datele pot fi disponibile ca serii de timp
(cronologice), de distribuie sau de tip panel.
Seriile de timp corespund unor observaii efectuate asupra strii unui fenomen
economic la intervale regulate de timp (evoluia cursului de schimb, dinamica
preurilor, a consumului, a veniturilor etc.).
Seriile de distribuie (repartiie), numite i serii n tietur transversal sau serii
de date instantanee reflect starea, structura i relaiile care exist ntre diferitele
componente ale unui sistem economic, la un moment dat. De exemplu, aceste serii
reflect distribuia n spaiu a diferitelor caracteristici ale unui fenomen omajul
regional, localizarea activitilor etc., structura unor agregate (structura sectorial a
unei economii, structura ocuprii, structura pe elemente a costului de producie .a.),
sau starea unei variabile la un moment dat ntr-un anumit eantion (de exemplu, venitul
i consumul familiilor).
Datele de tip panel combin seriile de timp i datele n structur transversal.
Principalul avantaj al analizei de tip panel const n aceea c permite o mai mare
flexibilitate n modelarea diferenelor nregistrate n comportamentele individuale.
S ne reamintim...
Etapele procesului de modelare
(1) analiza realitii cu ajutorul instrumentelor oferite de teoria economic

i identificarea unor caracteristici semnificative;
(2) construirea modelului matematic, prin interpretarea (traducerea)
propoziiilor din teoria economic n limbajul specific teoriei matematice;
(3) rezolvarea modelului;
(4) traducerea concluziilor obinute din limbajul specific teoriei matematice
n teoria economic (interpretarea economic a rezultatelor modelului)..
15
Rezumat
n sens restrns, econometria este definit ca o aplicaie a statisticii matematice
n economie, astfel nct prin analiza i prelucrarea datelor economice s se ofere un
suport empiric modelelor construite de economia matematic .
n sens larg, econometria este neleas ca o tiin de grani ntre economie,
matematic i statistic.
Un studiu econometric presupune parcurgerea urmtoarelor etape:
(1) formularea modelului pornind de la teoria considerat adecvat pentru
explicarea evoluiei unui proces economic,
(2) realizarea unei cercetri selective pentru generarea unor serii de date
referitoare la procesul respectiv,
(3) estimarea modelului,
(4) testarea ipotezelor teoretice folosite n construirea modelului
(5) interpretarea rezultatelor.
Parametrii modelului pot fi definii ca fiind caracteristicile cantitative ale
sistemului studiat.
Prin ecuaiile unui model se ncearc surprinderea legturilor dintre variabilele
endogene i cele explicative. ntr un model econometric pot aprea ecuaii de
comportament, ecuaii de definiie i ecuaii contabile (de echilibru).
Datele economice reprezint reflectri cantitative sau calitative ale dimensiunii,
strii i evoluiei proceselor i fenomenelor economice.
Test de autoevaluare a cunotinelor

1. n ce const n interpretarea lui Malinvaud termenul de model?
2. n ce const tipologia modelelor economice?
3. Prezentai etapele procesului de construcie al unui model economico-
matematic.
Rspunsuri:
1. n interpretarea lui Malinvaud "un model const n reprezentarea formal a

ideilor i cunotinelor relative la un anumit fenomen. Aceste idei, numite
deseori teoria fenomenului, se exprim printr-un ansamblu de ipoteze asupra
elementelor eseniale ale fenomenului i a legilor care le guverneaz. Acestea
16
sunt n general traduse sub forma unui sistem matematic numit model. Logica
modelului ne permite s explorm consecinele naturale ale ipotezelor reinute,
s le confruntm cu rezultatele experimentale i s ajungem pe aceast cale la o
cunoatere mai bun a realitii i s acionm mai eficace asupra sa."
2. Vezi tablelul anterior.
3. Procesul de construcie a unui model economico-matematic presupune
parcurgerea mai multor etape.
ntr-o prim etap, prin analiza unui obiect din realitatea economic (un
proces, un fenomen etc.) se identific o mulime finit de proprieti ale
acestuia. Proprietile reinute ca fiind semnificative reprezint teoria
economic (modelul economic) elaborat pentru obiectul respectiv din realitate.
n a doua etap, se caut o teorie matematic n care poate fi descris o
structur a sistemului.
n etapa a treia, se realizeaz rezolvarea modelului.
n a patra etap, aceste noi proprieti (informaii) sunt transferate asupra
obiectului original
Test de evaluare a cunotinelor

1. Ce este econometria?
2. Ce tipuri de variabile intlnim ntr-un model econometric?
3. Care sunt tipurile de ecuaii ce se regsesc ntr-un model?
Bibliografie
1. Jula N., Jula D., 2013, Modele econometrice, Editura Mustang, Bucureti, pp.
13-31
2. Jula N., Jula D., 2010, Modelare economic. Modele econometrice i de
optimizare, Editura Mustang, Bucureti
3. Dobrescu E., 2000, Macromodelul economiei romneti de tranziie, Editura
Expert, Bucureti
4. Jula D., 2003, Introducere n econometrie, Editura Professional Consulting,
Bucureti
5. Jula N., 2004, Modelarea deciziilor financiar-monetare, Editura Bren, Bucureti
6. Jula N., 2006, Modelare economic elemente de econometrie aplicat,
Editura Mustang, Bucureti
7. Jula N., 2006, Modelare economic econometrie aplicat, Editura Cartea
17
Studeneasc, Bucureti
8. Pecican E.S., 1996, Macroeconometrie. Politici economice guvernamentale i
econometrie, Editura Economic, Bucureti
18
Unitatea de nvare 2. Modele de optimizare
Cuprins
Modele de gestiune a stocurilor

o Stocurile de materii prime
o Optimizarea gestiunii stocurilor
o Exemplu de calcul
Problema de transport
o Formularea problemei de transport
o Rezolvarea problemei de transport
o Exemplu de calcul
Teoria firelor de ateptare
o Formularea problemei
o Modelul matematic
o Exemplu de calcul
Introducere
Cnd se folosete un algoritm de optimizare?
Care sunt modelele de optimizare a stocului?
Problema de transport - enun i rezolvare.
Ce reprezint teoria firelor de ateptare?

Noiunea de optimizare
Modele de gestiune a stocului
19
Stocurile de materii prime
Prin stoc se nelege o cantitate oarecare de resurse, de orice fel, existent la un
moment dat i nefolosit ntr-un proces de transformare, indiferent de natura acestuia.
n general se spune c o resurs oarecare intr n stoc atunci cnd este nmagazinat
ntr-un mod oarecare. n mod asemntor, se spune c o resurs iese din stoc atunci
cnd este consumat efectiv.
Volumul stocurilor este determinat de caracterul procesului de producie, natura
materiilor prime, modul de aprovizionare i eventualele dificulti ale acestui proces
(frecvena i regularitatea sosirii lor n ntreprindere, starea mijloacelor i a cilor de
transport .a.).
Stocul curent reprezint cantitatea de materiale care trebuie s asigure
continuitatea produciei n intervalul dintre dou aprovizionri. Stocul de siguran
reprezint cantitatea de materiale necesar pentru a preveni ntreruperile din producie
determinate de unele dificulti n aprovizionare, dificulti cauzate de evenimente cu
caracter aleatoriu. Stocul sezonier cuprinde materialele care sunt utilizate n producie
i/sau sunt aduse n ntreprindere numai n anumite perioade ale anului. Aceast
situaie este determinat, n special, de ciclul produciei industriale.
Elementele principale analizate n cadrul unui proces de stocare sunt: cererea
de resurse, aprovizionarea, costurile implicate, parametrii legai de timp.
Satisfacerea cererii de materii prime (resurse) este scopul procesului de stocare.
Cererea apare ca urmare a procesului de producie i depinde de nivelul produciei i
consumurile specifice. Volumul i ritmul aprovizionrii sunt determinate de cererea de
resurse, durata de livrare a produselor (intervalul dintre lansarea comenzii i sosirea
materiilor prime) i costurile implicate n acest proces.
Costurile implicate n cazul unui proces de stocare se pot grupa n trei categorii:
cl - cheltuielile de lansare a comenzii sunt compuse din suma cheltuielilor efectuate
pn la intrarea produselor n stoc (cheltuielile legate de formularea comenzii,
cheltuieli administrative determinate de operaia de reaprovizionare);
cs - cheltuielile de stocare compuse din cheltuielile de depozitare, ntreinere, asigurare,
imobilizare a capitalului financiar etc. Costul stocrii este, de obicei, proporional
cu cantitatea de bunuri stocat i cu durata depozitrii;
cp - costul de penalizare (cheltuielile de rupere a stocului) reprezint pierderile
nregistrate n situaiile n care cererea de resurse este superioar stocului (amenzi,
ntreruperea produciei, plata despgubirilor pentru producia nelivrat etc.). De
obicei, aceste cheltuieli sunt proporionale cu cantitatea cerut din resursa respecti-
v i nesatisfcut i cu durata penuriei.
Optimizarea gestiunii stocurilor

Se demonstreaz c, dac aprovizionarea se face la intervale fixe, n condiiile
unei cereri constante n timp i nu se admite posibilitatea rupturii de stoc, atunci
cheltuielile totale (de lansare a comenzii plus cele legate direct de procesul de stocare)
sunt minime dac:
20
intervalul de timp dintre dou aprovizionri succesive este:
2 T cl
t opt =
V cs
mrimea comenzii de aprovizionare este:
2 V cl
vopt =
T cs
Atunci, nivelul minim al cheltuielilor totale este:
C opt = 2 V T cl cs
Simbolurile utilizate au urmtoarele semnificaii:
topt - intervalul optim ntre dou aprovizionri succesive;
vopt - mrimea lotului optim;
Copt - volumul minim al cheltuielilor totale (lansare a comenzii plus stocare a
produselor);
T - intervalul de timp pentru care se face gestiunea;
V - cererea total de produse pe intervalul T;
cl - cheltuielile de lansare;
cs - costul de stocaj pe unitatea de produs stocat.
n condiiile de ruptur a stocului, elementele prezentate mai sus se calculeaz
prin introducerea unui factor de indisponibilitate:
cp
= .
cs + c p
Atunci:
intervalul de timp dintre dou aprovizionri succesive este:
2 T cl cs + c p
t opt =
V cs cp
mrimea comenzii de aprovizionare este:
2 V cl cs + c p
vopt =
T cs cp
stocul optim este:
2 V cl cp
sopt =
T cs cs + c p
Nivelul minim al cheltuielilor totale este:
21
cp
C opt = 2 V T cl c s
cs + c p
Simbolurile utilizate au urmtoarele semnificaii:
topt - intervalul optim ntre dou aprovizionri succesive;
vopt - mrimea lotului optim;
Copt - volumul minim al cheltuielilor totale (lansare a comenzii plus stocare a
produselor);
sopt - mrimea stocului optim;
T - intervalul de timp pentru care se face gestiunea;
N - cererea total de produse pe intervalul T;
cl - cheltuielile de lansare;
cs - costul de stocaj, pe unitatea de produs stocat;
cp - costul de penalizare.
Exemplu
Pentru exemplificarea modului de calcul, s presupunem c la un nivelul unei firme,

care are ca obiect de activitate realizarea unor produse industriale, cererea anual (T =
360) pentru tabl de oel este de V = 5000 tone. n tot timpul anului cererea este
continu i constant pe perioade egale. Prin analize statistice privind perioadele
anterioare, s-a calculat costul de stocaj pentru o unitate (o ton), pe zi cs = 1000 uniti
monetare. Cheltuielile de lansare a comenzii (cheltuieli administrative, plata
achizitorului, delegai pentru recepie, transport etc.) sunt cl = 5 mil. uniti
monetare/lot i sunt independente de volumul lotului.
n aceste condiii, cantitatea optim de aprovizionat (lotul optim) este:
2 5000 5000000
vopt = 372.7 (tone)
360 1000
Perioada optim ntre dou aprovizionri succesive este:
2 360 5000000
t opt = 27 (zile)
5000 1000
Costul total minim al gestiunii este:
C opt = 2 5000 360 1000 5000000 134.2 (mil.u.m.)

Dac se admite posibilitatea ruperii stocului, introducnd un cost de penalizare
de 2500 u.m. pe unitate, pe zi, factorul de indisponibilitate va fi:
2500
= = 0.71
1000 + 2500
i atunci:
22
lotul optim pentru evitarea ruperii stocului:
1
vopt = 372.7 441 (tone)
0.71
stocul optim:
sopt = 4410.71 = 313 (tone)
perioada ntre dou aprovizionri succesive:
1
t opt = 27 32 (zile)
0.71
costul total minim al gestiunii stocului:
C opt = 134.2 0.71 113 (mil.u.m.)

Se observ c, n cazul unui cost de penalizare relativ mic, se poate admite
ruptura stocului n vederea obinerii unui cost total mai mic (n problema analizat, cu
aproximativ 20 mil.u.m.).
Rezolvarea problemei de transport

Algoritmul pentru rezolvarea problemei de transport se bazeaz pe teorema
ecarturilor complementare.
1. Algoritmul pentru obinerea soluiei optime a problemei de transport presupune
ca prim pas determinarea unei soluii iniiale de baz. Metoda general de
obinere a unei soluii iniiale de baz pornete de la determinarea valorii
xij min a i , b j . Pornind de la aceast metod general, sunt cunoscute mai
multe variante de generare a soluiei de baz.
a) Metoda colului de Nord-Vest..
b) Metoda costului minim din tabel. Se cunosc dou sub-variante ale variantei
b:
b-1) Metoda elementului minim pe linie;
b-2) Metoda elementului minim pe coloan.
c) Metoda diferenelor maxime (Vgel)
Dup aplicarea uneia dintre metodele descrise pentru (1) determinarea unui
program iniial al problemei de transport, algoritmul simplificat pentru obinerea
soluiei optime a problemei presupune parcurgerea n continuare a mai multor pai.
(vezi Bibliografie i exemplul urmtor)
23
Exemplu
n 3 depozite Ai, 1 i 3 se afl un produs solicitat de 5 consumatori Bj, 1 j 5.
Cantitile disponibile n fiecare depozit, cantitile solicitate de fiecare consumator i
costurile unitare de transport de la fiecare depozit la fiecare consumator sunt prezentate
n tabelul urmtor. Se cere s se determine un program de transport, astfel nct
cheltuielile totale de transport s fie minime.
B1 B2 B3 B4 B5 Disponibil
A1 15 8 12 6 12 2500
A2 5 20 15 10 4 1500
A3 12 10 8 12 8 2000
Necesar 1500 2000 500 1200 800
Soluia iniial, obinut prin metoda costului minim din tabel este:
A1 1300 1200 2500
A2 700 800 1500
A3 800 700 500 2000
Necesar 1500 2000 500 1200 800
Pentru aceast soluie a problemei de transport, valoarea funciei obiectiv este:

Z = 13008 + 12006 + 7005 + 8004 + 80012 + 70010 + 5008 = 44900
Testarea optimalitii acestei soluii de baz se realizeaz potrivit algoritmului
prezentat. Calculm, n primul rnd, valorile ui i vj din condiiile ui + vj = cij, (i, j) I,
adic, pentru fiecare cuplu (i, j) corespunztor soluiei de baz.
v1 v2 v3 v4 v5
u1 8 6
u2 5 4
u3 12 10 8
24
Sistemul obinut este:
u1 v2 8 u1 v4 6
u v 5 u v 4
2 1 2 5

u
3 1 v 12 u 3 v 2 10
u 3 v3 8
Rezolvarea sistemului se realizeaz prin impunerea condiiei u3 = 0. Valorile

obinute pentru ui, vj, precum i diferenele u i v j cij sunt prezentate n tabelul
urmtor. Celulele care conin zero corespund soluiei de baz.
ui v j cij v1 = 12 v2 = 10 v3 = 8 v4 = 8 v5 = 11
u1 = -2 -5 0 -6 0 -3
u2 = -7 0 -17 -14 -9 0
u3 = 0 0 0 0 -4 3*
Dac toate aceste diferene sunt negative sau zero soluia este optim. Dac
exist diferene pozitive, algoritmul continu. Se alege valoarea maxim dintre
diferenele pozitive. Poziia acestei diferene pozitive maxime este marcat cu (*). Se
construiete, potrivit algoritmului prezentat, ciclul corespunztor diferenei respective.
Acest ciclu este, de asemenea, marcat n tablou.
A1 1300 1200 2500
A2 700(+) 800(-) 1500
A3 700 500
2000
800(-) (+) *
Necesar 1500 2000 500 1200 800
Noua soluie de baz este prezentat n tabloul urmtor:
A1 1300 1200 2500
A2 1500 0 1500
25
A3 700 500 800 2000
Necesar 1500 2000 500 1200 800
Testarea optimalitii pentru noua soluie de baz se realizeaz similar iteraiei

precedente. Calculm, n primul rnd, valorile ui i vj din condiiile ui + vj = cij, pentru
fiecare cuplu (i, j) corespunztor soluiei de baz.
v v2 v3 v4 v5
1
u1 8 6
u2 5 4
u3 10 8 8
Sistemul obinut este:

u1 v2 8 u1 v4 6
u v 5 u v 4
2 1 2 5

u3 v2 10 u3 v3 8
u3 v5 8
Rezolvarea sistemului se realizeaz prin impunerea condiiei u3 = 0. Valorile

obinute pentru ui, vj, precum i diferenele ui v j cij sunt prezentate n tabelul urmtor.
ui v j cij v1 = 9 v2 = 10 v3 = 8 v4 = 8 v5 = 8
u1 = -2 -8 0 -6 0 -6
u2 = -4 0 -14 -11 -6 0
u3 = 0 -3 0 0 -4 0
Toate diferenele ui v j cij sunt negative sau zero, deci soluia este optim.
Aceast soluie propune ca programul optim de transport s fie urmtorul:
Sursa Destinaia Cantitatea transportat
A1 B2 1300
A1 B4 1200
A2 B1 1500
A3 B2 700
26
A3 B3 500
A3 B5 800
Valoarea funciei obiectiv pentru programul de transport optim:

Z = 13008 + 12006 + 15005 + 70010 + 5008 + 8008 = 42500.
Formularea problemei
Timpul de ateptare n vederea servirii i durata servirii propriu-zise sunt n
funcie de ritmul sosirii solicitanilor i operativitatea rspunsului oferit de sistemul de
servire.
Studiul problemelor legate de procesele de ateptare a generat metode specifice
de analiz, grupate n teoria matematic a sistemelor de ateptare12
Modelul matematic
Dac exist o singur staie de servire, venirile n sistem sunt ntmpltoare,
independente unele de altele i nelimitate, numrul de sosiri pe unitatea de timp este o
variabil aleatoare repartizat Poisson cu media , serviciile sunt independente ntre ele
i nu depind de sosiri, durata serviciului fiind o variabil aleatoare cu o repartiie
exponenial negativ de parametru , iar ordinea de servire este primul venit - primul
servit (FIFO), clienii fiind servii n ordinea sosirii13, atunci se demonstreaz ca14:
(a) numrul mediu de solicitani n irul de ateptare (nf);
(b) numrul mediu de solicitani n sistem (n ir sau n curs de servire) (ns);
(c) timpul mediu de ateptare n ir (ts);
(d) timpul mediu de ateptare n sistem (ts)
se calculeaz astfel:
12
Primele lucrri n domeniul teoriei ateptrii sunt cele ale lui Karl Erlang (1908) efectuate pentru compania de telefoane din
Copenhaga. Terminologia utilizat n modelele din teoria sistemelor de ateptare s-a impus dup prezentarea de ctre D.G.
Kendall la Societatea Regal de Statistic din Londra a crii Some Problems in the Theory of Quenes, J.Ray Statist. Soc., Ser.
B, 13, No.2, 1951 (vezi A.M.Lee, Teoria ateptrii cu aplicaii, Bucureti, Editura Tehnic, 1976, p.15-16). n limba romn, pot fi
consultate, pe lng lucrarea menionat, i altele. Citm doar: Gh.Mihoc, G. Ciucu, Introducere n teoria ateptrii, Bucureti,
Editura Tehnic, 1967; Gh. Mihoc, G. Ciucu, A. Muja, Modele matematice ale ateptrii , Bucureti, Editura Academiei, 1973.
13
Aceast regul este numit FIFO (first in first out). Exist i alte reguli de servire: LIFO (last in first out), adic ultimul venit,
primul servit (de exemplu produsele sunt ambalate n cutii i aezate n stiv lng vnztor; servirea se va face prima dat din
cutia aezat deasupra, adic ultima adus etc.); servire aleatoare - cnd fiecare cerere poate fi servit cu aceeai probabilitate;
servire cu aplicarea unor reguli de prioritate; disciplin de servire de tipul urmtor: prima cerere din irul de ateptare este servit
numai o perioad de timp (cuant), dup care, dac cererea a fost satisfcut integral, solicitantul prsete sistemul, dac nu,
intr din nou n irul de ateptare pentru continuarea serviciului (metod utilizat, de exemplu, pentru servirea solicitanilor unui
sistem de calcul) .
14
Pentru demonstrarea acestor formule vezi, de exemplu, acad. O. Onicescu, Probabiliti i procese aleatoare, Bucureti,
Editura tiinific i Enciclopedic, 1977, p.486-502; A. M. Lee, Teoria ateptrii cu aplicaii, Bucureti, Editura Tehnic, 1976,
p.31-38; G. Boldur Lescu, I. Scuiu, E. ignescu, Cercetare operaional cu aplicaii n economie, Bucureti, Editura Didactic
i Pedagogic, 1979, p.232-240 .a.
27
2
nf =
1-

ns =
1-

tf =
(1 - )
1
ts =
(1 - )
unde:

=

este denumit factorul de serviciu, iar:
- parametrul ce caracterizeaz sosirile n sistem (media sosirilor);
- parametrul ce caracterizeaz durata servirii (numrul mediu al solicitanilor servii
n unitatea de timp).
Mai mult, probabilitatea ca un solicitant s atepte n ir un timp mai mare
dect un timp dat t0 este:
P( t f > t0 ) = e-t0 (1- )
probabilitatea ca un solicitant s atepte:
P(tf > 0) =
i, de aici, probabilitatea ca unitatea de servire s nu fie ocupat este:
P(ns = 0) = 1
Timpul mediu de inactivitate al unitii de servire ntr-un anumit interval T
este:
Tn = (1 )T
Exemplu
Pentru exemplificarea modului de calcul al elementelor prezentate, s considerm c la

un magazin de pine sosesc 25 de cumprtori la fiecare 10 minute, iar timpul necesar
servirii unui cumprtor este, n medie, de 20 de secunde. n acest caz, lund ca unitate
de timp minutul, se calculeaz:
= 2.5 solicitani pe minut;
= 3 cumprtori servii pe minut;
- numrul mediu de persoane n ir:
nj = 4.17 persoane;
- numrul mediu de persoane n ir sau n curs de servire:
28
ns = 5 persoane;
- timpul mediu de ateptare al unei persoane n irul de ateptare:
tf = 1.67 minute;
- timpul mediu de ateptare al unei persoane n sistem:
ts = 2 minute;
- probabilitatea ca un solicitant s atepte un timp mai mare de 5 minute:
P(tf > 5) = 6.84%;
- probabilitatea ca unitatea s nu fie ocupat, s nu existe nici un solicitant:
P(ns = 0) = 16.7%;
- timpul mediu de inactivitate al unitii de servire ntr-o or:
Tn(1 or) = 10 minute.
n cazul n care exist mai multe uniti de servire, relaiile de determinare a
numrului de solicitani ce ateapt s fie servii i a timpului de ateptare sunt mai
complicate.
Notnd ca mai nainte = / i * = /s, unde s = numrul de uniti care sunt
la dispoziia solicitanilor, atunci:
s *
n f = p0
s! (1 - * )2
s *
n s = p0 +
s! (1 - * )2
s 1
t f = p0
s s! (1 - * )2
1
ts = t f +

unde p0 este probabilitatea ca n sistemul de ateptare s nu fie nici o persoan i:
-1
s -1 n n
p0 = + *
n=0 n! s! (1 - )
Probabilitatea ca toate punctele de servire s fie ocupate la un moment dat (Ps0)
se calculeaz:
s
Pso = p0
s! s-
Probabilitatea ca timpul de ateptare a unui solicitant n firul de ateptare s nu
depeasc un timp dat t0 este:
s
P( t f < t 0 ) = e-(s - )t 0 p0
s! s -
29
Dac s = 2 (numrul de uniti sau puncte de servire), timpul de ateptare n ir
este dat de relaia

2
2 1
t f = / 1 - ,
2 2
iar numrul de solicitani n firul de ateptare

2
2
n f = / 1 - .
2 2
De asemenea, timpul de ateptare n sistem
1
ts = t f + ,

iar numrul de solicitani
ns = nf + .
S presupunem c pentru un produs se nregistreaz n medie 90 solicitani pe
or, iar timpul necesar pentru satisfacerea unei cereri urmeaz o lege de repartiie
exponenial negativ i este n medie 1.2 minute. n acest caz, dac unitatea de timp
considerat este ora,
= 90 persoane pe or;
= 60/1.2 = 50 persoane pe or,
deci
= 90/50 = 1.8
Deoarece > 1, dac solicitanii ar fi servii de un singur vnztor, n sistem s-
ar produce o aglomerare nelimitat. Dac servirea este asigurat de doi vnztori,
pentru irul de ateptare format, factorul de servire va fi
* = /2 = 0.9 < 1
Atunci, potrivit relaiilor prezentate mai sus:
- timpul mediu de ateptare al unui solicitant la coad:
tf = 5.1 minute;
- timpul mediu de ateptare al unui solicitant n sistem:
ts = 6.3 minute;
- numrul mediu de persoane n irul de ateptare:
nf = 7.67 persoane;
- numrul mediu de persoane n sistem:
ns = 9.47 persoane.
30
S ne reamintim...
Exist modele ale teoriei firelor de ateptare construite i n alte

ipoteze, privind natura repartiiei sosirilor i a timpilor de servire,
disciplina de servire, populaia din care sosesc solicitanii, capacitatea
staiilor de servire etc.
Din aceste aspecte prezentate, pentru problema abordat - reducerea timpului

necesar realizrii unui serviciu - se impune precizarea c servirea unui numr ct mai
mare de solicitani n unitatea de timp (n terminologia utilizat n teoria ateptrii,
reducerea factorului de serviciu) i deci reducerea timpului de ateptare se poate realiza
prin creterea numrului unitilor de servire, iar n cadrul acestora a numrului
posturilor de servire (vnztori) pentru produsele la care ritmul sosirii solicitanilor
este ridicat. Fie, de exemplu, un produs a crui vnzare necesit 10 minute (alegerea
produsului, proba de funcionare, completarea certificatului de garanie etc.). Dac ntr-
o or sosesc 5 solicitani ai produsului respectiv, timpul mediu de ateptare al unui
solicitant, n vederea servirii este, potrivit relaiei prezentate mai sus (cazul s = 1):
5
6
tf = =
(1 - ) 5
6 1 -
6
tf = 0.83 ore = 50 min.
Timpul de ateptare n sistem este:
ts = tf + 10 minute = 60 minute.
Dac pentru produsul respectiv exist dou staii de servire, aproximativ
identice, deci pentru acelai ir de ateptare doi vnztori, atunci timpul mediu de
ateptare al unui solicitant n vederea servirii este:
2

2
5

2
= 2
1 12
tf =

6 1 - (5/12 )
1 -
2

2
adic,
tf = 0.035 ore = 2.1 min.
iar timpul de ateptare n sistem:
ts = 12.1 minute.
Din punctul de vedere al cumprtorului, aceasta nseamn, n medie, o
economie de 47.9 minute. Dac n aceeai zon exist dou magazine care desfac
produsul respectiv, iar cumprtorii se mpart ntre acestea, astfel nct la o unitate s
soseasc n medie 2.5 solicitani pe or, timpul mediu de ateptare al unei persoane n
vederea servirii este:
tf = 7.2 minute,
31
iar timpul de ateptare n sistem:
ts = 17.2 minute,
adic o economie de 42.8 minute.
n ambele cazuri se realizeaz o important economie de timp (ca valoare
medie).
Rezumat
Procesul de stocare reprezint acumularea unor bunuri n vederea satisfacerii
unei cereri viitoare.
Prin stoc se nelege o cantitate oarecare de resurse, de orice fel, existent la
un moment dat i nefolosit ntr un proces de transformare, indiferent de natura
acestuia.
Algoritmul pentru rezolvarea problemei de transport se bazeaz pe teorema
ecarturilor complementare: dac ui i vj sunt variabile ataate n problema dual
restriciilor din problema de transport, atunci ansamblul de valori ale variabilelor xij, ui
i vj (i = 1, ..., m; j = 1, ..., n) constituie programe optimale ale cuplului de probleme de
transport dac i numai dac:
n m
ij x a i , i 1, m; xij b j , j 1, n
j 1 i 1
x 0 i 1, m , j 1, n, c u v 0; x c u v 0
ij ij i j ij ij i j
Din ultima relaie se deduce faptul c, dac xij 0 (adic, dac xij este n baz)
atunci cij ui vj = 0, echivalent cu ui + vj = cij..
Studiul problemelor legate de procesele de ateptare a generat metode specifice
de analiz, grupate n teoria matematic a sistemelor de ateptare.

1. Ce reprezint procesul de stocare?
2. Ce reprezint stocul curent?
3. Care sunt cele 3 categorii de costuri implicate n procesul de stocare?
4. Cnd este echilibrat problema de transport?
Rspunsuri:
32
1. Procesul de stocare reprezint acumularea unor bunuri n vederea satisfacerii
unei cereri viitoare.
2. Stocul curent reprezint cantitatea de materiale care trebuie s asigure
continuitatea produciei n intervalul dintre dou aprovizionri.
3. Costurile implicate n cazul unui proces de stocare se pot grupa n trei
categorii:
cl - cheltuielile de lansare a comenzii sunt compuse din suma cheltuielilor
efectuate pn la intrarea produselor n stoc (cheltuielile legate de
formularea comenzii, cheltuieli administrative determinate de operaia
de reaprovizionare);
cs - cheltuielile de stocare compuse din cheltuielile de depozitare, ntreine-
re, asigurare, imobilizare a capitalului financiar etc. Costul stocrii este,
de obicei, proporional cu cantitatea de bunuri stocat i cu durata
depozitrii;
cp - costul de penalizare (cheltuielile de rupere a stocului) reprezint pierde-
rile nregistrate n situaiile n care cererea de resurse este superioar
stocului (amenzi, ntreruperea produciei, plata despgubirilor pentru
producia nelivrat etc.). De obicei, aceste cheltuieli sunt proporionale
cu cantitatea cerut din resursa respectiv i nesatisfcut i cu durata
penuriei.
4. Problema de transport este echilibrat dac suma cantitilor din depozite este
egal cu suma solicitrilor.

1. Care este teorema pe care se bazeaz rezolvarea problemei de transport?
2. Ce teorie st la baza firelor de ateptare?
Tem de control
Construii i rezolvai o problem de transport echilibrat, cu 6 clieni i 4
depozite, suma de echilibru fiind 10000.
Bibliografie
1. Jula N., Jula D., 2009, Modelare economic. Econometrie financiar, Editura
33
Mustang, Bucureti
Expert, Bucureti
Bucureti
34
Unitatea de nvare 3. Modele Econometrice Modelul Linear
de Regresie
Cuprins
Modelul linear unifactorial

1. Ecuaia de regresie
2. Metoda celor mai mici ptrate
3. Ipotezele modelului linear unifactorial
4. Proprieti ale estimatorilor
Modelul linear multifactorial
1. Estimarea parametrilor din modelul linear multifactorial metoda celor mai mici ptrate
2. Ipotezele modelului
3. Proprieti ale estimatorilor calculai prin metoda celor mai mici ptrate
Exemple de calcul
1. Modelul linear unifactorial
2. Modelul linear multifactorial
Introducere
Ce este modelul linear unifactorial de regresie?
Ce este modelul linear multifactorial de regresie?
Care sunt proprietile estimatorilor calculai prin aceste modele?

nsuirea modelelor unifactorial i multifactorial de regresie
Proprietile estimatorilor calculai prin aceste modele
Modele econometrice
ncepem acest modul prin analiza unui exemplu ipotetic privind dinamica masei
monetare i a inflaiei ntr-o perioad dat de timp. Din teoria economic se cunoate
35
faptul c masa monetar i rata inflaiei sunt dou variabile care nu evolueaz
independent una de alta. Admitem faptul c masa monetar depinde n mare msur
de nivelul preurilor.
Reinem ideea c masa monetar depinde linear de nivelul preurilor, adic
M = f(P, e),
unde prin e am simbolizat ceilali factori care contribuie la dinamica masei monetare.
n cazul general, se noteaz cu Y variabila explicat (n exemplul prezentat
M Y) i X variabila explicativ (n exemplul prezentat P X). Scriem atunci relaia
precedent astfel:
Y = f(X, e),
unde Y este variabila endogen, X variabila exogen, iar e reprezint un factor
perturbator, de natur aleatoare.

S acceptm, pentru nceput, ipoteza c masa monetar depinde linear de
nivelul preurilor i s notm M(Y/X) valoarea anticipat a masei monetare atunci
cnd nivelul preurilor atinge valoarea X. Adic, n ipoteza de linearitate menionat,
acceptm c
M(Y / X) = a0 + a1X
unde a0 i a1 sunt parametrii modelului.
Ecuaia de regresie
Ecuaia de regresie poate fi scris astfel:
Y = a0 + a1X + e,
unde Y este variabila endogen (variabila explicat prin model), X este variabila
exogen (variabila explicativ), a0 i a1 sunt parametrii modelului, iar e reprezint
eroarea sau abaterea dintre valoarea anticipat a endogenei i valoarea efectiv
nregistrat.
Forma exact a ecuaiei de regresie nu este cunoscut. Se admite, n acest
punct, doar ipoteza c relaia dintre Y i X este linear. n aceste condiii, problema
modelrii legturii dintre masa monetar i preuri este aceea de a determina, folosind
datele disponibile, o form ct mai adecvat a relaiei dintre cele dou variabile.
Metoda celor mai mici ptrate

Prin reprezentarea ntr-un sistem de axe (XOY) a punctelor de coordonate
(Xt, Yt) se obine un nor de puncte (aa ca n figura urmtoare).
36
Y
Y a0 a1X
Yt

ut

Yt a0 a 1X t
Xt X
Figura: Dreapta de regresie i variabila rezidual

S ne reamintim...
Grafic, criteriul aplicat n cazul metodei celor mai mici ptrate este
urmtorul: dreapta care asigur cea mai bun ajustare a punctelor
empirice (dreapta de regresie) este aceea pentru care se minimizeaz
suma ptratelor abaterilor dintre punctele de pe grafic i punctele care
au aceiai abscis pe dreapta de regresie, abaterile fiind msurate
vertical.
Analitic, se demonstreaz c valorile (0, 1) care minimizeaz suma ptratelor

abaterilor u dintre datele nregistrate ale variabilei Y i valorile calculate sunt
soluiile sistemului de ecuaii normale:
n n
t Y n
a 0 a 1 Xt
t 1 t 1
n n n
X t Yt a 0 X t a1 X t2
t 1 t 1 t 1
(Vezi demonstraia n referinele bibliografice i n exemplele de calcule)
Ipotezele modelului linear unifactorial

Estimarea parametrilor din ecuaia de regresie se bazeaz pe o serie de ipoteze
referitoare la forma dependenei dintre variabile, la variabila explicativ i la variabila
de abatere.
Ipoteza I-1: linearitatea modelului.
Ipoteza I-2: variabila X are dispersia nenul i finit.
Ipoteza I-3: variabila X nu este aleatoare.
Ipoteza I-4: erorile sunt aleatorii, cu media zero.
Ipoteza I-5: dispersia erorii este constant.
Ipoteza I-6: erorile nu sunt autocorelate.
37
Ipoteza I-7: erorile sunt normal distribuite.
Proprieti ale estimatorilor

Pornind de la ipotezele prezentate, pot fi demonstrate o serie de proprieti ale
estimatorilor calculai prin metoda celor mai mici ptrate pentru parametrii modelului
linear unifactorial15.
Proprietatea P-1: estimatorii sunt lineari.
Proprietatea P-2: estimatorii sunt nedeplasai.
Proprietatea P-2': estimatorii sunt consisteni.
Proprietatea P-3: estimatorii sunt eficieni.
Proprietatea P-4: estimatorii sunt normal distribuii.
Proprietatea P-5: estimatorii sunt de maxim verosimilitate.
n literatura de specialitate se folosete expresia BLUE (Best Linear Unbiased

Estimators) pentru estimatorii parametrilor din modelul de regresie linear calculai
prin metoda celor mai mici ptrate, atunci cnd estimatorii respectivi ndeplinesc
condiiile din teorema Gauss-Markov.
S ne reamintim...
Dac n modelul de regresie linear, variabila exogen are dispersia nenul, dar
finit i este independent fa de erori, iar erorile sunt variabile aleatoare
independente ntre ele, normal distribuite, cu medie zero i dispersia constant, atunci
estimatorii obinui prin metoda celor mai mici ptrate sunt lineari, nedeplasai
(consisteni), eficieni, normal distribuii i de maxim verosimilitate.

n subcapitolul precedent a fost analizat un caz simplu, al dependenei lineare
dintre dou variabile X i Y, sub forma Y = f(X, e). De cele mai multe ori ns,
intercondiionrile dintre procesele economice sunt mult mai complexe, astfel nct
evoluia unei variabile Y nu depinde de un singur factor, ci de o serie de factori. De
exemplu, inflaia este un proces economic deosebit de complex, care depinde de
15
Pentru demonstraia proprietilor vezi Jula D., 2003, Introducere n econometrie, Editura Professional Consulting, Bucureti,
cap.2, anexele 2.A.6 2.A.10, pag.56-70.
38
evoluia salariilor n economie, de dinamica productivitii muncii, de cursul de schimb
al monedei naionale, de ratele dobnzii, de preurile la energie pe plan internaional
etc.
Y = a0 + a1X1 + a2X2 + ... + akXk + e
unde Y este variabila endogen, X1, X2, , Xk sunt k variabile explicative,

a0, a1, a2, , ak sunt k+1 parametri necunoscui, iar e este variabila de abatere (eroarea)
din ecuaia de regresie.
Eroarea e reflect, la fel ca n modelul linear unifactorial, influena elementelor
calitative necuantificabile, a celor care depind de comportamentul uman nepredictibil,
sau a altor factori cu influen minor, alii dect X1, X2, , Xk.
Parametrul a0 modeleaz comportamentul autonom al variabilei endogene, iar
parametrii ai cuantific intensitatea influenei factorului Xi asupra variabilei Y.
Estimarea parametrilor din modelul linear multifactorial metoda celor mai mici
ptrate
Presupunem c printr-o cercetare selectiv sunt obinute n nregistrri. Fiecare
nregistrare conine o singur valoare pentru variabila Y i cte o valoare pentru fiecare
dintre variabilele explicative.
Scriem Xit valoarea variabilei i, n nregistrarea t, unde i 1, k , iar t 1, n .
Sistemul poate fi scris, concentrat, astfel:

Yt = a0 + a1X1t + a2X2t + ... + akXkt + et.
Introducem urmtoarele notaii:
Y1 1 X 11 X 21 X k1 a0 e1

Y2 1 X 12 X 22 X k2 a1 e2

Y Y3 , X 1 X 13 X 23 X k 3 A a 2 , e e3

Y 1
X kn e
n X 1n X 2n ak n
unde:
Y este un vector coloan, de dimensiuni n 1, care are drept componente cele n
nregistrri ale variabilei explicate (endogene),
X este o matrice de dimensiuni n (k+1), care conine n prima coloan (ataat
termenului liber) constanta 1, iar n celelalte k coloane nregistrrile pentru fiecare
dintre cele k variabile explicative;
A este un vector coloan, de dimensiuni (k+1) 1, care include cei k+1 parametri
ai modelului;
39
e este un vector coloan, de dimensiuni n 1, care include cele n valori ale
variabilei de abatere (erorile din ecuaie de regresie)
Cu aceste notaii, sistemul poate fi scris matriceal astfel:
Y = XA + e.
Dac se selecteaz valorile obinute n nregistrarea t pentru variabilele din ecuaia
precedent, atunci
t = 0 + 1X1t + 2X2t + ... + kXkt.
Valoarea nregistrat Yt nu coincide cu valoarea calculat t pe baza
modelului, diferena dintre cele dou mrimi fiind un estimator al erorilor din ecuaia
de regresie. Notm estimatorul respectiv cu ut i l denumim variabila rezidual.
Atunci:
Yt = + ut, oricare ar fi t = 1, 2, ..., n,
Ecuaiile pot fi scrise sub form matriceal astfel:
Y = X + u,
unde i u sunt vectorii ataai estimatorilor, respectiv variabilei reziduale.
a 0 u1

a1 u2

A a 2 , u u 3

a u
k n
Valorile i u depind de eantionul selectat i de metoda de estimare aleas.
Cea mai cunoscut procedur de calcul a estimatorilor pentru parametrii

modelului linear multifactorial este metoda celor mai mici ptrate. Se demonstreaz c
valorile 0, 1, , k, care minimizeaz suma ptratelor reziduurilor se calculeaz
astfel:
= (X'X)-1X'Y
Ipotezele modelului
Estimarea parametrilor din ecuaia de regresie multifactorial se bazeaz, la fel
ca n cazul unifactorial, pe o serie de ipoteze referitoare la forma dependenei dintre
variabile, la variabila explicativ i la variabila de abatere.
I1M: Linearitatea modelului.
I2M: Ipotezele referitoare la variabilele explicative
40
a. Variabilele explicative nu sunt aleatoare, au valorile fixate atunci cnd se
repet selecia
b. Fiecare variabil exogen are dispersia nenul, dar finit
c. Numrul de observaii este superior numrului de parametri
d. Nu exist nici o relaie linear ntre dou sau mai multe variabile
explicative (absena colinearitii)
I3M: Ipotezele referitoare la erori
a. Erorile et au media nul
b. Erorile et au dispersia constant oricare ar fi t (erorile nu sunt

heteroscedastice)
c. Erorile et sunt independente (nu sunt autocorelate)
d. Erorile et sunt normal distribuite
Proprieti ale estimatorilor calculai prin metoda celor mai mici ptrate
Dac ipotezele modelului sunt respectate, atunci estimatorii calculai prin

metoda celor mai mici ptrate pentru modelul multifactorial de regresie linear au
anumite proprieti.
Proprietatea P-1M: estimatorii sunt lineari.
Proprietatea P-2M: estimatorii sunt nedeplasai.
Proprietatea P-2'M: estimatorii sunt consisteni.
Proprietatea P-3M: estimatorii sunt eficieni.
Proprietatea P-4M: estimatorii sunt normal distribuii.
Proprietatea P-5M: estimatorii sunt de maxim verosimilitate.
Exemple
Pentru exemplificarea modului de calcul a estimatorilor din modelul linear
unifactorial analizm legtura dintre veniturile populaiei i volumul economiilor.
Datele nregistrate pentru 20 momente diferite de timp sunt prezentate n tabelul
41
urmtor:
Veniturile
Nr. Volumul
populaiei
crt. economiilor (Y)
(X)
1 100 20
2 110 25
3 120 28
4 125 30
5 130 33
6 140 35
7 150 36
8 155 42
9 170 44
10 170 42
11 180 45
12 185 50
13 190 47
14 200 48
15 205 52
16 210 58
17 215 54
18 220 55
19 220 58
20 225 60
Modelul linear unifactorial se scrie:

Yt = a0 + a1Xt + et,
42
unde Yt este variabila endogen (explicat) volumul economiilor populaiei, Xt este
variabila exogen (explicativ) veniturile populaiei, et variabila de abatere
(discrepana dintre valorile nregistrate i cele anticipate pe baza modelului), a0 i a1
sunt parametrii modelului.
Tabel: Calculul estimatorilor n modelul linear unifactorial

t Xt Yt Xt XtYt t ut=Ytt
0 1 2 3 4 5 6
1 100 20 10000 2000 22.5441 -2.5441
2 110 25 12100 2750 25.4393 -0.4393
3 120 28 14400 3360 28.3345 -0.3345
4 125 30 15625 3750 29.7821 0.2179
5 130 33 16900 4290 31.2297 1.7703
6 140 35 19600 4900 34.1249 0.8751
7 150 36 22500 5400 37.0201 -1.0201
8 155 42 24025 6510 38.4677 3.5323
9 170 44 28900 7480 42.8105 1.1895
10 170 42 28900 7140 42.8105 -0.8105
11 180 45 32400 8100 45.7057 -0.7057
12 185 50 34225 9250 47.1533 2.8467
13 190 47 36100 8930 48.6009 -1.6009
14 200 48 40000 9600 51.4961 -3.4961
15 205 52 42025 10660 52.9437 -0.9437
16 210 58 44100 12180 54.3913 3.6087
17 215 54 46225 11610 55.8389 -1.8389
18 220 55 48400 12100 57.2865 -2.2865
19 220 58 48400 12760 57.2865 0.7135
20 225 60 50625 13500 58.7341 1.2659
3420 862 615450 156270 862.0000 0.0000
Cu aceste date, sistemul de ecuaii normale se scrie astfel:

862 20a0 3420a1

156270 3420a0 615450a1
Rezolvm sistemul prin regula lui Cramer.
Atunci, valorile 0 i 1 se calculeaz astfel:
a0 3925500
a 6.40793
0 612600

a1 a1 177360 0.28952

612600
Valorile estimate pentru variabila endogen se determin astfel:
t = -6.40793 + 0.28952Xt.
Dreapta de regresie este prezentat n figura 2-3.
43
Valorile calculate sunt prezentate n col.5 a tabelul anterior. De asemenea, se
pot calcula reziduurile din ecuaia de regresie, adic abaterile dintre valorile
nregistrate ale variabilei endogene (Yt) i valorile estimate pe baza modelului (t):
ut = Yt t
Valorile variabilei reziduale ut sunt date n coloana 6 a tabelului 2-1.
70
60 Y = - 6.4079 +0.2895X
2
50 R = 0.9719
40
30
20
10
75 100 125 150 175 200 225 250
Figura: Dreapta de regresie

Fie urmtoarele date nregistrate privind dinamica veniturilor populaiei (X1t),
evoluia ratei reale a dobnzii pasive (X2t) i dinamica depozitelor bancare (Yt):
Dinamica Evoluia ratei Dinamica

veniturilor reale a depozitelor
Nr.crt.
populaiei dobnzii pasive bancare
(X1t) (X2t) (Yt)
1 0.5 4.1 0.3
2 1.0 4.2 0.8
3 1.2 4.0 0.3
4 -0.3 4.1 -0.5
5 2.1 3.8 0.8
6 2.3 4.2 1.4
7 1.2 3.8 0.2
8 1.0 3.9 0.7
9 0.8 3.9 0.0
10 0.0 3.8 -0.7
11 -0.6 3.8 -1.0
12 2.2 3.8 1.3
13 1.4 4.2 1.0
14 2.0 3.9 1.2
15 2.3 4.2 1.7
44
16 1.1 3.8 0.4
17 0.8 3.9 0.6
18 -0.5 4.1 -0.9
19 -1.4 3.9 -1.4
20 0.2 4.1 -0.2
21 1.8 4.2 1.5
22 2.2 3.8 0.9
23 2.1 4.1 1.0
24 1.5 4.2 0.7
25 1.8 3.8 1.2
Datele sunt reprezentate grafic n figura urmtoare. Modelul linear bi-factorial
se scrie:
Yt = a0 + a1X1t + a2X2t + et.
Vectorul estimatorilor se calculeaz dup relaia:
= (X'X)-1X'Y.
Matricea X3,3 se construiete astfel: n prima coloan apare valoarea 1; n coloana
urmtoare sunt trecute valorile variabilei X1t (dinamica veniturilor populaiei), iar n
ultima coloan, valorile variabilei X2t (evoluia ratei reale a dobnzii pasive). Vectorul
Y25,1 conine elementele nregistrate pentru variabila dinamica depozitelor bancare.
5.0 X1 X2 Y
4.0
3.0
2.0
1.0
0.0
1 3 5 7 9 11 13 15 17 19 21 23 25
-1.0
-2.0
Figura: Modelul linear multifactorial
n aceste condiii, elementele din formula precedent sunt:

25 26.70 99.60

X ' X 26.70 54.09 106.74
99.60 106.74 397.46

de unde:
45
24.378 0.046 6.121
1

( X ' X ) 0.046 0.039 0.022
6.121 0.022 1.542

De asemenea,
11.3

X 'Y 31.75 .
45.86

Rezult:
3.78693

A 0.75722
0.860999

Valorile estimate pentru variabila endogen se determin astfel:

t = -3.78693 + 0.75722X1t + 0.860999X2t.
Valorile calculate sunt prezentate n tabelul urmtor.
Tabel: Calculul estimatorilor n modelul linear multifactorial
t X1t X2t Yt t ut = Yt t
1 0.5 4.1 0.3 0.1218 0.1782
2 1.0 4.2 0.8 0.5865 0.2135
3 1.2 4.0 0.3 0.5657 -0.2657
4 -0.3 4.1 -0.5 -0.4840 -0.0160
5 2.1 3.8 0.8 1.0750 -0.2750
6 2.3 4.2 1.4 1.5709 -0.1709
7 1.2 3.8 0.2 0.3935 -0.1935
8 1.0 3.9 0.7 0.3282 0.3718
9 0.8 3.9 0.0 0.1767 -0.1767
10 0.0 3.8 -0.7 -0.5151 -0.1849
11 -0.6 3.8 -1.0 -0.9695 -0.0305
12 2.2 3.8 1.3 1.1507 0.1493
13 1.4 4.2 1.0 0.8894 0.1106
14 2.0 3.9 1.2 1.0854 0.1146
15 2.3 4.2 1.7 1.5709 0.1291
16 1.1 3.8 0.4 0.3178 0.0822
17 0.8 3.9 0.6 0.1767 0.4233
18 -0.5 4.1 -0.9 -0.6354 -0.2646
19 -1.4 3.9 -1.4 -1.4891 0.0891
20 0.2 4.1 -0.2 -0.1054 -0.0946
46
21 1.8 4.2 1.5 1.1923 0.3077
22 2.2 3.8 0.9 1.1507 -0.2507
23 2.1 4.1 1.0 1.3333 -0.3333
24 1.5 4.2 0.7 0.9651 -0.2651
25 1.8 3.8 1.2 0.8479 0.3521
De asemenea, se pot calcula reziduurile din ecuaia de regresie, adic abaterile

dintre valorile nregistrate ale variabilei endogene (Yt) i valorile estimate pe baza
modelului (t): ut = Yt t. Aceste reziduuri vor fi folosite n testarea modelului.
Rezumat
n modelul unifactoria, ecuaia de regresie poate fi scris ntr o form echivalent
astfel:
Y = a0 + a1X + e,
unde Y este variabila endogen (variabila explicat prin model), X este variabila
exogen (variabila explicativ), a0 i a1 sunt parametrii modelului, iar e reprezint
eroarea sau abaterea dintre valoarea anticipat a endogenei i valoarea efectiv
nregistrat
Dac n modelul de regresie linear, variabila exogen are dispersia nenul, dar finit
i este independent fa de erori, iar erorile sunt variabile aleatoare independente ntre
ele, normal distribuite, cu medie zero i dispersia constant, atunci estimatorii obinui
prin metoda celor mai mici ptrate sunt lineari, nedeplasai (consisteni), eficieni,
normal distribuii i de maxim verosimilitate.
Modelul factorial este de forma
Y = a0 + a1X1 + a2X2 + ... + akXk + e
unde Y este variabila endogen, X1, X2, , Xk sunt k variabile explicative,
a0, a1, a2, , ak sunt k+1 parametri necunoscui, iar e este variabila de abatere (eroarea)
Se demonstreaz c valorile 0, 1, , k, care minimizeaz suma ptratelor
reziduurilor se calculeaz astfel:
= (X'X)-1X'Y

1. Care este forma ecuaiei de regresie in modelul unifactorial?
2. n ce const metoda celor mai mici ptrate?
3. Care sunt ipotezele modelului multifactorial?
Rspunsuri:
47
1. Ecuaia de regresie poate fi scris ntr-o form echivalent astfel:
Y = a0 + a1X + e,
unde Y este variabila endogen (variabila explicat prin model), X este
variabila exogen (variabila explicativ), a0 i a1 sunt parametrii modelului, iar
e reprezint eroarea sau abaterea dintre valoarea anticipat a endogenei i
valoarea efectiv nregistrat
2. Procedura cunoscut sub denumirea de metoda celor mai mici ptrate const n
nsumarea ptratelor abaterilor i determinarea acelor valori ale parametrilor
care s duc la minimizarea sumei respective.
Grafic, criteriul aplicat n cazul metodei celor mai mici ptrate este urmtorul:
dreapta care asigur cea mai bun ajustare a punctelor empirice (dreapta de
regresie) este aceea pentru care se minimizeaz suma ptratelor abaterilor
dintre punctele de pe grafic i punctele care au aceeai abscis pe dreapta de
regresie, abaterile fiind msurate vertical.
Analitic, se demonstreaz c valorile (0, 1) care minimizeaz suma ptratelor
abaterilor u dintre datele nregistrate ale variabilei Y i valorile calculate sunt
soluiile sistemului de ecuaii normale:
n n
t Y na 0
a 1 X t
t 1 t 1
n n n
X tYt a0 X t a1 X t2
t 1 t 1 t 1
3. I1M: Linearitatea modelului.

I2M: Ipotezele referitoare la variabilele explicative
a. Variabilele explicative nu sunt aleatoare, au valorile fixate
atunci cnd se repet selecia
b. Fiecare variabil exogen are dispersia nenul, dar finit
c. Numrul de observaii este superior numrului de parametri
d. Nu exist nici o relaie linear ntre dou sau mai multe variabile
explicative (absena colinearitii)
I3M: Ipotezele referitoare la erori
a. Erorile et au media nul
b. Erorile et au dispersia constant oricare ar fi t (erorile nu sunt
heteroscedastice)
c. Erorile et sunt independente (nu sunt autocorelate)
d. Erorile et sunt normal distribuite
48
1. n ce condiii estimatorii obinui prin metoda celor mai mici ptrate sunt
lineari, nedeplasai (consisteni), eficieni, normal distribuii i de maxim
verosimilitate?
Bibliografie
31-63
Expert, Bucureti
Bucureti
49
Unitatea de nvare 4. Teste de Semnificaie
Cuprins
Dispersia estimatorilor
1. Dispersia estimatorilor n modelul unifactorial de regresie linear
2. Dispersia estimatorilor n modelul linear multifactorial
Teste privind semnificaia estimatorilor
1. Testul de semnificaie n cazul modelului unifactorial
2. Teste de semnificaie a estimatorilor n modelul linear multifactorial
Exemple de calcul
Introducere
Ce este dispersia i cum se calculeaz n cazul celor 2 tipuri de modele?
Care sunt testele de semnificaie n cazul modelului unifactorial, respectiv
multifactorial?

Testarea dispersiei estimatorilor
Testarea semnificaiei estimatorilor
Exemple de calcul n cazul modelului unifactorial/multifactorial
Durata medie de parcurgere a primei uniti de nvare este de 2.5 ore.
Dispersia estimatorilor
Dispersia estimatorilor n modelul unifactorial de regresie linear

Se poate demonstra c o estimare nedeplasat a dispersiei erorilor, calculat
pornind de la dispersia de selecie a variabilei reziduale, este dat de expresia:
50
n
u
t 1
2
t
s 2
n2
u
Prin calcul direct se pot deduce dispersiile estimatorilor 0 i 1 obinui prin

metoda celor mai mici ptrate. Se pot calcula estimrile nedeplasate pentru dispersiile
estimatorilor din modelul unifactorial de regresie linear16:
1 X2
sa20 su2
n X X 2
t
1
s a21 su2
X X
2
t
Valorile sa20 i s a21 sunt estimatori nedeplasai ai mrimilor var(a0), respectiv

var(a1), n msura n care su2 este un estimator nedeplasat al dispersiei de selecie a
erorilor e2 .
Abaterile standard ale variabilelor aleatoare u, 0 i 1, adic su, s a0 i s a1 se

calculeaz prin extragerea rdcinii ptrate din valorile corespunztoare ale
dispersiilor.
Dispersia estimatorilor n modelul linear multifactorial

Un estimator nedeplasat al matricei V() se calculeaz astfel:
S A2 su2 X ' X ,
1
unde
1
su2 u'u
n k 1
este un estimator nedeplasat al dispersiei erorilor.
Pornind de la relaia precedent se calculeaz dispersia de selecie pentru
2
estimatorii parametrilor din ecuaia de regresie, notat s a , astfel: i
sa2i su2 d ii , unde i 0,k .
Abaterea standard de selecie a estimatorului i se calculeaz prin extragerea

rdcinii ptrate din dispersia estimatorului respectiv.
Teste privind semnificaia estimatorilor

Pentru prezentarea metodologiei de testare a semnificaiei estimatorilor
calculai prin metoda celor mai mici ptrate, n cazul unui model linear unifactorial
16
Relaiile de calcul pentru dispersiile estimatorilor din modelul unifactorial de regresie linear se deduc simplu, prin precizarea
k = 1 n relaiile de calcul a dispersiilor din modelul multifactorial de regresie linear, relaii demonstrate n paragraful urmtor.
51
care respect ipotezele de la I-1 la I-7 sunt necesare cteva noiuni elementare privind
intervalele de ncredere i testarea ipotezelor statistice. Aceste noiuni sunt prezentate,
sintetic, n paragrafele urmtoare.
Testul de semnificaie n cazul modelului unifactorial

Procedura uzual aplicat pentru testarea semnificaiei parametrilor din
modelul unifactorial de regresie linear urmrete testarea ipotezei nule H0: parametrii
nu difer semnificativ de zero, contra ipotezei alternative H1: parametrii din ecuaia de
regresie sunt, n valoare absolut, strict pozitivi. Atunci, sub ipoteza H0, statistica
ai
ta i
sa i
urmeaz o distribuie Student cu n 2 grade de libertate (i = 0 sau 1). Se respinge
ipoteza nul H0: i = 0 (X nu influeneaz Y) dac valoarea absolut a acestui test este
mai mare dect o valoare critic obinut din tabelele distribuiei t (Student).
Algoritmul de testare a semnificaiei estimatorilor este prezentat n exemplul de
calcul.
S ne reamintim...
Observaie: Dac valoarea unui estimator este negativ, fie se testeaz

t ai t n2, , fie statisticile t se calculeaz n modul i se urmeaz
procedura prezentat.
Exemple
Pentru testarea semnificaiei estimatorilor relum exemplul analizat n capitolul

II, referitor la legtura dintre veniturile populaiei i volumul economiilor.
Aplicarea relaiilor pentru calculul dispersiilor, respectiv abaterilor standard,
presupune n plus fa de elementele prezentate n tabelul respectiv, calculul blocurilor
ut2 i X t X . De aceea, relum tabelul anterior, completat cu dou coloane, n
2
tabelul urmtor:
Tabel: Teste de semnificaie modelul linear unifactorial

t Xt Yt t ut=Ytt u2 ( Xt X )2
1 100 20 22.5441 -2.5441 6.4723 5041
2 110 25 25.4393 -0.4393 0.1930 3721
3 120 28 28.3345 -0.3345 0.1119 2601
4 125 30 29.7821 0.2179 0.0475 2116
5 130 33 31.2297 1.7703 3.1340 1681
52
6 140 35 34.1249 0.8751 0.7658 961
7 150 36 37.0201 -1.0201 1.0406 441
8 155 42 38.4677 3.5323 12.4773 256
9 170 44 42.8105 1.1895 1.4150 1
10 170 42 42.8105 -0.8105 0.6569 1
11 180 45 45.7057 -0.7057 0.4980 81
12 185 50 47.1533 2.8467 8.1038 196
13 190 47 48.6009 -1.6009 2.5628 361
14 200 48 51.4961 -3.4961 12.2226 841
15 205 52 52.9437 -0.9437 0.8905 1156
16 210 58 54.3913 3.6087 13.0228 1521
17 215 54 55.8389 -1.8389 3.3815 1936
18 220 55 57.2865 -2.2865 5.2280 2401
19 220 58 57.2865 0.7135 0.5091 2401
20 225 60 58.7341 1.2659 1.6025 2916
3420 862 862.0000 0.0000 74.3359 30630
Relaiile pentru calculul dispersiilor reziduurilor, respectiv estimatorilor 0 i 1

duc la urmtoarele rezultate:
su2 4.1298
s a2 4.148988
0
s a2 0.000135
1
Prin extragerea radicalului se calculeaz valorile abaterilor standard ale

estimatorilor:
sa = 2.0369
0
sa = 0.0116
1
Pentru calculul statisticii testului de semnificaie se aplic relaiile

a0 6.4079
t a 3.146
0
sa
0
2.0369
a1 0.28952
t a 24 .958
1
sa
0
0.0116
Din tabelele distribuiei t-Student, pentru numrul gradelor de libertate

df = n 2 = 18,
n cazul testului unilateral se identific urmtoarele valori17:
17
Vezi tabelul distribuiei t-Student din anexele prezentate la sfritul manualului.
53
Numrul gradelor de libertate - testul unilateral
0.10 0.05 0.025 0.01 0.005 0.0005
18 1.330 1.734 2.101 2.552 2.878 3.922
Rezult:
;0.005 2.878 t a 3.146 t18;0.0005 3.922 ,

* *
t18 0
deci estimatorul 0 poate fi garantat statistic cu un grad de ncredere mai mare dect
99.5%, dar nu poate fi garantat 99.95%. Gradul de ncredere exprim ansele de
respingere a ipotezei nule (potrivit creia estimatorul 0 nu difer semnificativ de zero)
i este calculat dup relaia (1 )100%, iar
t a 24 .958 t18
1
*
;0.0005 3.922 .
Aceasta nseamn c ipoteza potrivit creia estimatorul 1 este semnificativ

diferit de zero este acceptat cu un grad de ncredere mai mare de 99.95%.
Rezultatele permit o prim evaluare a modelului unifactorial de regresie
linear: sub rezerva verificrii i a celorlalte ipoteze (discutate n modulele anterioare),
analiza semnificaiei estimatorilor sugereaz existena unei legturi semnificative ntre
veniturile populaiei i volumul economiilor.
Calculele precedente pot fi realizate prin utilizarea unor programe specializate.
Un astfel de program este Econometric Views. Rezolvarea problemei cu ajutorul
acestui program duce la obinerea urmtoarelor rezultate:
Variabila dependent: Y
Metoda de rezolvare: Metoda celor mai mici ptrate
Eantionul: 1 20
Observaii incluse: 20
Parametrii Estimatorii Ab.std. t-statistic alfa
a0 -6.407933 2.036906 -3.145915 0.0056
a1 0.289520 0.011612 24.93383 0.0000
R2 0.971862 Media var.endog. 43.10000
R2 ajustat 0.970298 Ab.std. var.endog. 11.79161
Ab.std.a regresiei 2.032185 Akaike info criterion 4.350739
Suma ptrate rezid. 74.33595 Schwarz criterion 4.450313
Log likelihood -41.50739 F-statistic 621.6959
54
Durbin-Watson stat 1.939666 Prob(F-statistic) 0.000000
n Excel utilizm formula regresiei din meniul Analiz Date:
Figura: Rezolvarea problemelor de regresie linear unifactorial cu ajutorul

programului Excel din pachetul Microsoft Office: utilizarea opiunii Regression
Pentru prezentarea modului de testare a semnificaiei estimatorilor n cazul
modelului linear multifactorial relum exemplul analizat n capitolul anterior, referitor
la legtura dintre dinamica veniturilor populaiei (X1t), evoluia ratei reale a dobnzii
pasive (X2t) i dinamica depozitelor bancare (Yt). Tabelul este completat cu o coloan
n care se calculeaz ut2. Calculele sunt prezentate n tabelul urmtor.
Tabelul: Teste de semnificaie modelul linear multifactorial

t X1t X2t Yt t ut = Yt t ut2
1 0.5 4.1 0.3 0.1218 0.1782 0.0318
2 1.0 4.2 0.8 0.5865 0.2135 0.0456
3 1.2 4.0 0.3 0.5657 -0.2657 0.0706
4 -0.3 4.1 -0.5 -0.4840 -0.0160 0.0003
5 2.1 3.8 0.8 1.0750 -0.2750 0.0756
6 2.3 4.2 1.4 1.5709 -0.1709 0.0292
7 1.2 3.8 0.2 0.3935 -0.1935 0.0375
8 1.0 3.9 0.7 0.3282 0.3718 0.1382
9 0.8 3.9 0.0 0.1767 -0.1767 0.0312
55
10 0.0 3.8 -0.7 -0.5151 -0.1849 0.0342
11 -0.6 3.8 -1.0 -0.9695 -0.0305 0.0009
12 2.2 3.8 1.3 1.1507 0.1493 0.0223
13 1.4 4.2 1.0 0.8894 0.1106 0.0122
14 2.0 3.9 1.2 1.0854 0.1146 0.0131
15 2.3 4.2 1.7 1.5709 0.1291 0.0167
16 1.1 3.8 0.4 0.3178 0.0822 0.0068
17 0.8 3.9 0.6 0.1767 0.4233 0.1791
18 -0.5 4.1 -0.9 -0.6354 -0.2646 0.0700
19 -1.4 3.9 -1.4 -1.4891 0.0891 0.0079
20 0.2 4.1 -0.2 -0.1054 -0.0946 0.0090
21 1.8 4.2 1.5 1.1923 0.3077 0.0947
22 2.2 3.8 0.9 1.1507 -0.2507 0.0629
23 2.1 4.1 1.0 1.3333 -0.3333 0.1111
24 1.5 4.2 0.7 0.9651 -0.2651 0.0703
25 1.8 3.8 1.2 0.8479 0.3521 0.1240
26.7 99.6 11.3 11.3 0.0000 1.2952
Dispersia su2 este dispersia variabilei reziduale:
su2 0.0589 .
Matricea (X'X)-1 este:

24.378 0.046 6.121
1

( X ' X ) 0.046 0.039 0.022 .
6.121 0.022 1.542

Pornind de la diagonala principal a acestei matrice i de la valoarea su2 se
determin
sa20 1.4359 s a0 1.198
sa21 0.0023 s a1 0.048
s a22 0.091 s a 2 0.301
Pentru calculul statisticii testului de semnificaie se aplic relaiile:

t a0 3.16
t a1 15.72
t a1 2.86
Din tabelele distribuiei t-Student, pentru numrul gradelor de libertate

df = n 2 1 = 22,
n cazul testului unilateral se identific urmtoarele valori:
56
testul unilateral
Numrul gradelor de libertate
0.10 0.05 0.025 0.01 0.005 0.0005
22 1.321 1.717 2.074 2.508 2.819 3.792
Rezult:
; 0.005 2.819 t a 0 t 22; 0.0005 3.792

* *
t 22
deci estimatorul 0 poate fi garantat statistic cu un grad de ncredere mai mare dect
99.5%, dar nu poate fi garantat 99.95%.
La fel ca n cazul modelului unifactorial, gradul de ncredere exprim ansele
de respingere a ipotezei nule (potrivit creia estimatorul 0 nu difer semnificativ de
zero) i este calculat dup relaia (1 )100%.
Estimatorul 1 este semnificativ diferit de zero cu un grad de ncredere mai
mare de 99.95%, deoarece
t a1 15.72 t 22
*
; 0.0005 3.792 .
De asemenea,
;0.005 2.819 t a 2 t 22; 0.0005 3.792

* *
t 22
ceea ce nseamn c estimatorul 2 poate fi garantat statistic cu un grad de ncredere
mai mare de 99.5%, dar mai mic de 99.95%.
La fel ca n cazul modelului unifactorial, prezentm, pentru comparaie,
rezultatele obinute cu ajutorul programului EViews:
Eantionul: 1 25
Parametrii Estimatorii Ab.std. t-Statistic alfa
C -3.786930 1.197995 -3.161057 0.0045
X1 0.757220 0.048174 15.71857 0.0000
X2 0.860999 0.301339 2.857241 0.0092
R2 0.923464 Media var.endog. 0.452000
R2 ajustat 0.916506 Ab.std. var.endog. 0.839702
Ab.std.a regresiei 0.242635 Akaike info criterion 0.117647
57
Suma ptrate rezid. 1.295176 Schwarz criterion 0.263913
Log likelihood 1.529406 F-statistic 132.7229
Rezultatele permit o prim evaluare a modelului: sub rezerva verificrii i a

celorlalte ipoteze discutate n modulele anterioare, analiza semnificaiei estimatorilor
sugereaz existena unei relaii semnificative ntre dinamica depozitelor bancare (Yt) i
dinamica veniturilor populaiei (X1t), respectiv evoluia ratei reale a dobnzii pasive
(X2t).
Rezumat
Se poate demonstra c o estimare nedeplasat a dispersiei erorilor, calculat
pornind de la dispersia de selecie a variabilei reziduale, este dat de expresia:
n
u 2
t
su2 t 1
n2
Prin calcul direct se pot deduce dispersiile estimatorilor 0 i 1 obinui prin
metoda celor mai mici ptrate. Se demonstreaz c dac se respect ipotezele I-5
(erorile nu sunt heteroscedastice) i I-6 (erorile nu sunt autocorelate), atunci se pot
calcula estimrile nedeplasate pentru dispersiile estimatorilor din modelul
unifactorial de regresie linear:
1 X2
s a20 su2
n
X t X
2

1
s a21 su2
X t X
2
n cazul modelului multifactorial, dac erorile sunt independente (ipoteza I-3Mc) i

nu sunt heteroscedastice (ipoteza I-3Mb), atunci un estimator nedeplasat al
matricei V() se calculeaz astfel:
1
S A2 su2 X ' X
1 su2 u' u
, unde n k 1
este un estimator nedeplasat al dispersiei erorilor.
Pornind de la relaia precedent se calculeaz dispersia de selecie pentru
s a2i
estimatorii parametrilor din ecuaia de regresie, notat , astfel:
sa2i su2 d ii
, unde i 0, k .
58
Procedura uzual aplicat pentru testarea semnificaiei parametrilor din modelul
unifactorial de regresie linear urmrete testarea ipotezei nule H0: parametrii nu
difer semnificativ de zero, contra ipotezei alternative H1: parametrii din ecuaia de
regresie sunt, n valoare absolut, strict pozitivi. Atunci, sub ipoteza H0, statistica
a i
t ai
s ai
urmeaz o distribuie Student cu n 2 grade de libertate (i = 0 sau 1). Se respinge
ipoteza nul H0: i = 0 (X nu influeneaz Y) dac valoarea absolut a acestui test
este mai mare dect o valoare critic obinut din tabelele distribuiei t (Student).

1. Care este formula dispersiei erorilor n modelul unifactorial?
2. Cum se calculeaz dispersia estimatorului i n modelul multifactorial?
Rspunsuri:
1. O estimare nedeplasat a dispersiei erorilor, calculat pornind de la dispersia de

selecie a variabilei reziduale, este dat de expresia:
n
u 2
t
su2 t 1
n2
2. Pentru a calcula dispersia estimatorului i se nmulete dii elementul aflat pe
poziia i (i = 0, 1, 2, , k) n diagonala matricei (X'X)-1 cu dispersia constant
2
a valorilor variabilei reziduale su .

1. S se deduc dispersiile estimatorilor obinui prin metoda celor mai mici
ptrate.
Tem de control
Construii un model de regresie i testai semnificaia estimatorilor parametrilor.
59
Bibliografie
63-91
Expert, Bucureti
Bucureti
60
Unitatea de nvare 5. Heteroscedasticitatea Erorilor
Cuprins
Consecine ale heteroscedasticitii

Testarea heteroscedasticitii
1. Testul GoldfeldQuandt
2. Testul Breusch-Pagan
3. Testul White
Atenuarea heteroscedasticitii
Aplicaii testarea i atenuarea heteroscadasticitii
1. Testul GoldfeldQuandt pentru modelul unifactorial
2. Testul GoldfeldQuandt pentru modelul multifactorial
Introducere
Ce este heteroscedasticitatea?
Care sunt consecinele ignorrii acestui fenomen?
Care sunt principalele teste pentru depistarea ei?

Heteroscedasticitatea - consecine, testare i atenuare
Teste pentru depistarea heteroscetasticitii
Exemple de atenuare a heteroscetasticitii
Heteroscedasticitatea erorilor
Proprietatea erorile de a nu avea o dispersie constant se numete heteroscedasticitate.
n prezentul capitol sunt analizate problemele legate de testarea modului n care se
respect ipoteza privind distribuia erorilor cu o dispersie constant, consecinele
nerespectrii acestei ipoteze i procedurile de atenuare a fenomenului respectiv.
61
Consecine ale heteroscedasticitii
Dac fenomenul de heteroscedasticitate a erorilor din modelul de regresie
linear este ignorat, iar pentru estimarea parametrilor se folosete metoda celor mai
mici ptrate, atunci, sintetic, cele mai importante consecine ale ignorrii fenomenului
de heteroscedasticitate a erorilor sunt urmtoarele:
Consecine ale ignorrii fenomenului de heteroscedasticitate a erorilor

a. Estimatorii parametrilor din model sunt nedeplasai i consisteni.
b. Estimatorii parametrilor din model nu sunt eficieni.
c. Estimatorii calculai pentru dispersia i covariana parametrilor sunt deplasai, nu
sunt consisteni i nu sunt eficieni.
d. Testul t Student aplicat pentru analiza semnificaiei estimatorilor nu este valid.
e. Estimatorii parametrilor nu au proprietatea de maxim verosimilitate.
Testarea heteroscedasticitii
Deoarece fenomenul de heteroscedasticitate a erorilor invalideaz testele
statistice aplicate asupra semnificaiei parametrilor, este necesar ca prezena
fenomenului respectiv s fie testat i atunci cnd este semnalat, s fie aplicate
proceduri de eliminare.
Pentru modelul unifactorial de regresie, cea mai simpl metod de detectare a
fenomenului de heteroscedasticitate a erorilor const n reprezentarea grafic ntr-un
sistem de coordonate XOY a cuplurilor de puncte (Xt,Yt). Evident, procedura grafic
este imprecis, este ntr-o anumit msur subiectiv i, ca atare, are aplicabilitate
limitat. De aceea, au fost construite teste statistice care s identifice
heteroscedasticitatea erorilor. Cele mai cunoscute sunt: testul GoldfeldQuandt, testul
BreuschPagan i testul White.
Testul GoldfeldQuandt
Procedura GoldfeldQuandt este folosit pentru testarea ipotezei nule H0, care
presupune lipsa heteroscedasticitii erorilor, contra ipotezei alternative H1, care
admite faptul c dispersia erorilor este corelat cu valorile uneia dintre variabilele
explicative (de exemplu, dispersia erorilor crete pe msur ce cresc valorile acelei
variabile explicative care este considerat ca fiind relevant). Pentru aplicarea testului
se admite faptul c o astfel de variabil explicativ relevant poate fi identificat.
Testul Breusch-Pagan
Testul Breusch-Pagan se bazeaz pe multiplicatorii Lagrange. S presupunem
c dispersia erorilor 2t nu este constant ci este asociat cu un numr p de variabile Z1,
Z2, , Zp (cteva, sau toate dintre aceste variabile pot fi selectate dintre variabilele
62
explicative X ale modelului de regresie). Considerm modelul, n forma general
Yt = a0 + a1X1t + a2X2t + ... + akXkt + et, t = 1, 2, ..., n
i
t2 = 0 + 1Z1t + 2Z2t + + pZpt,
unde
t2 = Var(et).
Dac
1 = 2 = ... = p = 0,
atunci dispersia estimatorilor este constant t2 0 i erorile nu sunt
heteroscedastice. De aceea, prin procedura propus de Breusch i Pagan se testeaz
ipoteza nul H0: 1 = 2 = ... = p = 0, contra ipotezei alternative H1: exist cel puin o
valoare i nenul (i 0).
Testul White
Procedura White este urmtoarea:
1. Se estimeaz ecuaia de regresie prin metoda celor mai mici ptrate i se calculeaz
ut = Yt (0 + 1X1t + 2X2t + ... + kXkt), t = 1, 2, ..., n
2. Se calculeaz modelul
u2t = 0 + 1Z1t + 2Z2t + + pZpt + t,
pentru care se calculeaz coeficientul de determinare multipl R2. Dac oricare
dintre parametrii este semnificativ, valoarea coeficientului de determinare R2 va
fi semnificativ.
3. Dac nR 2 p2 0.05 atunci fenomenul de heteroscedasticitate a erorilor este
prezent cu o probabilitate de 95%.
Atenuarea heteroscedasticitii
S ne reamintim...
Atenuarea fenomenului de heteroscedasticitate a erorilor presupune

construirea unor proceduri prin care s fie calculai estimatori
nedeplasai, consisteni i eficieni ai parametrilor modelului..
n primul rnd, dac modelul nu este bine specificat, n sensul c n specificarea

modelului a fost exclus o variabil explicativ semnificativ, atunci este posibil ca
erorile s fie heteroscedastice. Aceasta deoarece eroarea din modelul redus substituie
variabila omis din model, astfel nct dispersia erorilor depinde de valorile variabilei
neincluse n specificarea modelului. Atenuarea heteroscedasticitii se poate realiza, n
63
aceast situaie, printr-o specificare corect a modelului.
Exemple
Testul GoldfeldQuandt pentru modelul unifactorial

Pentru exemplificarea procedurii de identificare a fenomenului de
heteroscedasticitate a erorilor prin testul GoldfeldQuandt presupunem c sunt
nregistrate urmtoarele date referitoare la legtura dintre veniturile populaiei i
volumul economiilor, ntr-un eantion de volum n = 20. Modelul linear unifactorial este
dat prin ecuaia: Yt = a0 + a1Xt + et, t = 1, 2, ..., 25, unde Xt reprezint veniturile
populaiei la momentul t, iar Yt volumul economiilor.
Datele nregistrate pentru 20 momente diferite de timp sunt n tabelul urmtor:
Tabel: Testul GoldfeldQuandt, modelul unifactorial
Veniturile populaiei Volumul economiilor
Nr.crt.
(X) (Y)
1 100 20
2 110 25
3 120 28
4 125 30
5 130 33
6 140 35
7 150 36
8 155 42
9 170 44
10 170 42
11 180 45
12 185 50
13 190 47
14 200 48
15 205 52
16 210 58
17 215 54
18 220 55
19 220 58
20 225 60
Aplicarea testului GoldfeldQuandt presupune, n primul rnd, aranjarea
observaiilor n ordinea cresctoare a valorilor factorului care ar putea explica apariia
fenomenului de heteroscedasticitate a erorilor. n al doilea rnd, se divide volumul
eantionului n dou pri egale, dup eliminarea observaiilor situate n mijlocul
eantionului.
Deoarece numrul de observaii din eantion nu este mare (20 observaii), nu
s-au eliminat observaiile mediane, astfel nct prima parte a eantionului cuprinde
primele 10 nregistrri (pentru t de la 1 la 10), iar cea de-a doua parte, ultimele 10
nregistrri (pentru t de la 11 la 20).
64
Tabel: Selectarea seriilor pentru aplicarea procedurii GoldfeldQuandt,
modelul unifactorial
Seria 1 Seria 2
t Xt Yt t Xt Yt
1 100 20 11 180 45
2 110 25 12 185 50
3 120 28 13 190 47
4 125 30 14 200 48
5 130 33 15 205 52
6 140 35 16 210 58
7 150 36 17 215 54
8 155 42 18 220 55
9 170 44 19 220 58
10 170 42 20 225 60
Potrivit algoritmului GoldfeldQuandt, se aplic metoda celor mai mici ptrate

pentru calculul estimatorilor separat pentru cele dou serii de date.
Astfel, pornind de la seria 1, se estimeaz parametrii modelului M1:
M 1: Yt = a0 + a1Xt + et, t = 1, 2, ..., 10
i, separat, pornind de la seria 2 se estimeaz parametrii modelului M2:
M 1: Yt = a0 + a1Xt + et, t = 11, 12, ..., 20
Modelul M1 este estimat prin metoda celor mai mici ptrate, pornind de la
eantionul prezentat n tabelul anterior sub denumirea de "seria 1". Au fost obinute
urmtoarele rezultate:
M 1: t = -10.3869 + 0.3203Xt.
Rezolvarea n detaliu este prezentat n tabelul EViews urmtor:
Eantionul: 1 10
65
Parametrii Estimatorii Ab.std. t-Statistic alfa
C -10.38688 3.082584 -3.369538 0.0098
X 0.320342 0.022192 14.43516 0.0000
R2 0.963027 Media var.exog. 33.50000
R2 ajustat 0.958405 Ab.std.var.exog. 7.891627
Ab.std.regresie 1.609479 Akaike info criterion 3.966555
Suma ptratelor rezid. 20.72338 Schwarz criterion 4.027072
Seriile de date i elementele utilizate n calculul testului sunt descrise, n detaliu

n tabelul urmtor.
Tabel: Testul GoldfeldQuandt,
modelul unifactorial M1
t Xt Yt t ut u2t
1 100 20 21.6473 -1.6473 2.7137

2 110 25 24.8508 0.1492 0.0223
3 120 28 28.0542 -0.0542 0.0029
4 125 30 29.6559 0.3441 0.1184
5 130 33 31.2576 1.7424 3.0359
6 140 35 34.4610 0.5390 0.2905
7 150 36 37.6644 -1.6644 2.7704
8 155 42 39.2662 2.7338 7.4739
9 170 44 44.0713 -0.0713 0.0051
10 170 42 44.0713 -2.0713 4.2903
Suma 1370 335 335.0000 0.0000 20.7234
Modelul M2 este estimat prin metoda celor mai mici ptrate, pornind de la eantionul
prezentat n tabelul 4-2 sub denumirea de "seria 2". Au fost obinute urmtoarele
rezultate:
M 2: t = -6.97778 + 0.291111Xt.
Rezolvarea n detaliu este prezentat n tabelul EViews urmtor:
Metoda de rezolvare: Metoda celor mai mici ptrate (vezi modulele anterioare)
Eantionul: 11 20
66
Parametrii Estimatorii Ab.std t-Statistic alfa
C -6.977778 10.55038 -0.661377 0.5270
X 0.291111 0.051328 5.671580 0.0005
R2 0.800831 Media var.exog. 52.70000

n tabelul urmtor.
Tabel: Testul GoldfeldQuandt,
modelul unifactorial M2
t Xt Yt t ut u t2
11 180 45 45.4222 -0.4222 0.1783
12 185 50 46.8778 3.1222 9.7483
13 190 47 48.3333 -1.3333 1.7778
14 200 48 51.2444 -3.2444 10.5264
15 205 52 52.7000 -0.7000 0.4900
16 210 58 54.1556 3.8444 14.7798
17 215 54 55.6111 -1.6111 2.5957
18 220 55 57.0667 -2.0667 4.2711
19 220 58 57.0667 0.9333 0.8711
20 225 60 58.5222 1.4778 2.1838
Suma 2050 527 527.0000 0.0000 47.4222
Pornind de la rezultatele obinute, se calculeaz:

20
VTR2 u 2
t
47.4222
Fc t 11
10
2.29
u
VTR1 2 20.7234
t
t 1
Din tabelul distribuiei F, pentru un prag de ncredere = 0.05, se determin

F10-2,10-2(0.05) = F8,8(0.05) = 3.44
Rezult
Fc = 2.29 < 3.44 = F8,8(0.05)
67
deci, erorile et din modelul iniial nu sunt heteroscedastice.
Testul GoldfeldQuandt pentru modelul multifactorial

Pentru aplicarea testului GoldfeldQuandt n cazul modelului multifactorial de
regresie linear sunt utilizate datele referitoare la legtura dintre dinamica veniturilor
populaiei (X1t), evoluia ratei reale a dobnzii pasive (X2t) i dinamica depozitelor
bancare (Yt). Aceste date sunt prezentate n tabelul urmtor.
Tabel: Testul GoldfeldQuandt, modelul multifactorial

Evoluia ratei
Dinamica Dinamica
reale a
veniturilor depozitelor
Nr.crt. dobnzii
populaiei bancare
pasive
(X1t) (Yt)
(X2t)
1 0.5 4.1 0.3
2 1.0 4.2 0.8
3 1.2 4.0 0.3
4 -0.3 4.1 -0.5
5 2.1 3.8 0.8
6 2.3 4.2 1.4
7 1.2 3.8 0.2
8 1.0 3.9 0.7
9 0.8 3.9 0.0
10 0.0 3.8 -0.7
11 -0.6 3.8 -1.0
12 2.2 3.8 1.3
13 1.4 4.2 1.0
14 2.0 3.9 1.2
15 2.3 4.2 1.7
16 1.1 3.8 0.4
17 0.8 3.9 0.6
18 -0.5 4.1 -0.9
19 -1.4 3.9 -1.4
20 0.2 4.1 -0.2
21 1.8 4.2 1.5
22 2.2 3.8 0.9
23 2.1 4.1 1.0
24 1.5 4.2 0.7
25 1.8 3.8 1.2
Modelul linear bi-factorial se scrie:

Yt = a0 + a1X1t + a2X2t + et.
Vectorul estimatorilor se calculeaz dup relaia: = (X'X)-1X'Y.
Aplicarea testului GoldfeldQuandt presupune, n primul rnd, aranjarea
68
observaiilor n ordinea cresctoare a valorilor factorului care ar putea explica apariia
fenomenului de heteroscedasticitate a erorilor. Presupunem c acest factor ar putea fi:
dinamica veniturilor populaiei (X1t). n tabelul urmtor s-a realizat acest lucru.
Nr.crt. X1t X2t Yt

1 -1.4 3.9 -1.4
2 -0.6 3.8 -1.0
3 -0.5 4.1 -0.9
4 -0.3 4.1 -0.5
5 0.0 3.8 -0.7
6 0.2 4.1 -0.2
7 0.5 4.1 0.3
8 0.8 3.9 0.0
9 0.8 3.9 0.6
10 1.0 4.2 0.8
11 1.0 3.9 0.7
12 1.1 3.8 0.4
13 1.2 4.0 0.3
14 1.2 3.8 0.2
15 1.4 4.2 1.0
16 1.5 4.2 0.7
17 1.8 4.2 1.5
18 1.8 3.8 1.2
19 2.0 3.9 1.2
20 2.1 3.8 0.8
21 2.1 4.1 1.0
22 2.2 3.8 1.3
23 2.2 3.8 0.9
24 2.3 4.2 1.4
25 2.3 4.2 1.7
n al doilea rnd, se divide volumul eantionului n dou pri egale, dup
eliminarea observaiilor situate n mijlocul eantionului. Egalitatea celor dou pri nu
reprezint o condiie obligatorie a procedurii GoldfeldQuandt.
Concret, din eantionul prezentat n tabelul precedent s-a eliminat observaia
numerotat cu t = 13, astfel nct prima parte a eantionului cuprinde primele 12
nregistrri (pentru t de la 1 la 12), iar cea de-a doua parte, ultimele 12 nregistrri
(pentru t de la 14 la 25).
Tabel: Selectarea seriilor pentru

aplicarea procedurii GoldfeldQuandt,
modelul multifactorial
Seria 1 Seria 2
t X1t X2t Yt t X1t X2t Yt
1 -1.4 3.9 -1.4 14 1.2 3.8 0.2
2 -0.6 3.8 -1.0 15 1.4 4.2 1.0
69
3 -0.5 4.1 -0.9 16 1.5 4.2 0.7
4 -0.3 4.1 -0.5 17 1.8 4.2 1.5
5 0.0 3.8 -0.7 18 1.8 3.8 1.2
6 0.2 4.1 -0.2 19 2.0 3.9 1.2
7 0.5 4.1 0.3 20 2.1 3.8 0.8
8 0.8 3.9 0.0 21 2.1 4.1 1.0
9 0.8 3.9 0.6 22 2.2 3.8 1.3
10 1.0 4.2 0.8 23 2.2 3.8 0.9
11 1.0 3.9 0.7 24 2.3 4.2 1.4
12 1.1 3.8 0.4 25 2.3 4.2 1.7
Potrivit algoritmului GoldfeldQuandt, se aplic metoda celor mai mici ptrate

pentru calculul estimatorilor separat pentru cele dou serii de date. Astfel, pornind de
la seria 1, se estimeaz parametrii modelului
M1: Yt = a0 + a1X1t + a2X2t + et, t = 1, 2, ..., 12
i, separat, pornind de la seria 2 se estimeaz parametrii modelului
M2: Yt = a0 + a1X1t + a2X2t + et, t = 14, 15, ..., 25.
eantionul prezentat n tabelul 4-6 sub denumirea de "seria 1". Au fost obinute
urmtoarele rezultate:
M 1: t = -3.6176 + 0.8805X1t + 0.8240X2t.
Rezolvarea n detaliu cu ajutorul programului EViews este prezentat n tabelul
urmtor.
Data: 11/20/03 Ora: 12:22
Eantionul: 1 12
C -3.617605 1.805439 -2.003725 0.0761
X1 0.880510 0.082618 10.65757 0.0000
X2 0.823990 0.455063 1.810718 0.1036
R2 0.929610 Media var.exog. -0.158333
Ab.std.regresie 0.216430 Akaike info criterion -0.010782
70

n tabelul urmtor.
Tabel: Testul GoldfeldQuandt, modelul multifactorial M1
t X1t X2t Yt t ut u2t
1 -1.4 3.9 -1.4 -1.6368 0.2368 0.0561

2 -0.6 3.8 -1.0 -1.0147 0.0147 0.0002
3 -0.5 4.1 -0.9 -0.6795 -0.2205 0.0486
4 -0.3 4.1 -0.5 -0.5034 0.0034 0.0000
5 0.0 3.8 -0.7 -0.4864 -0.2136 0.0456
6 0.2 4.1 -0.2 -0.0631 -0.1369 0.0187
7 0.5 4.1 0.3 0.2010 0.0990 0.0098
8 0.8 3.9 0.0 0.3004 -0.3004 0.0902
9 0.8 3.9 0.6 0.3004 0.2996 0.0898
10 1.0 4.2 0.8 0.7237 0.0763 0.0058
11 1.0 3.9 0.7 0.4765 0.2235 0.0500
12 1.1 3.8 0.4 0.4821 -0.0821 0.0067
Suma 2.6 47.6 -1.9 -1.9000 0.0000 0.4216
eantionul prezentat anterior, sub denumirea de "seria 2". Au fost obinute urmtoarele
rezultate:
M 2: t = -3.967 + 0.77354X1t+ 0.9097X2t.
Rezolvarea n detaliu cu ajutorul programului EViews este prezentat n tabelul
urmtor.
Data: 11/20/03 Ora: 12:47
Eantionul: 14 25
C -3.967000 1.740501 -2.279229 0.0486
X1 0.735366 0.220423 3.336162 0.0087
X2 0.909669 0.417831 2.177123 0.0574
R2 0.630303 Media var.exog. 1.075000
71

n tabelul urmtor.
Tabel: Testul GoldfeldQuandt, modelul multifactorial M2
t X1t X2t Yt t ut u2t
14 1.2 3.8 0.2 0.4 -0.1722 0.0296

15 1.4 4.2 1.0 0.9 0.1169 0.0137
16 1.5 4.2 0.7 1.0 -0.2567 0.0659
17 1.8 4.2 1.5 1.2 0.3227 0.1042
18 1.8 3.8 1.2 0.8 0.3866 0.1495
19 2.0 3.9 1.2 1.1 0.1486 0.0221
20 2.1 3.8 0.8 1.0 -0.2340 0.0548
21 2.1 4.1 1.0 1.3 -0.3069 0.0942
22 2.2 3.8 1.3 1.1 0.1925 0.0370
23 2.2 3.8 0.9 1.1 -0.2075 0.0431
24 2.3 4.2 1.4 1.5 -0.1450 0.0210
25 2.3 4.2 1.7 1.5 0.1550 0.0240
Suma 22.9 48.0 12.9 12.9 0.0000 0.6590
Pornind de la rezultatele obinute, se calculeaz:

25
VTR2 u 2
t
0.6590
Fc t 14
12
1.56
u
VTR1 2 0.4216
t
t 1
Din tabelul distribuiei F, pentru un prag de ncredere = 0.05, se determin

F12-2,12-2(0.05) = F10,10(0.05) = 2.98
Rezult
Fc = 1.56 < 2.98 = F10,10(0.05)
deci, erorile et din modelul iniial nu sunt heteroscedastice.
72
Rezumat
Proprietatea erorile de a nu avea o dispersie constant se numete
heteroscedasticitate.
Consecine ale ignorrii fenomenului de heteroscedasticitate a erorilor
b. Estimatorii parametrilor din model nu sunt eficieni.
c. Estimatorii calculai pentru dispersia i covariana parametrilor sunt
deplasai, nu sunt consisteni i nu sunt eficieni.
d. Testul t Student aplicat pentru analiza semnificaiei estimatorilor nu este
valid.

1. Care este definiia heteroscedaticitii?
2. Care sunt consecinele ignorrii heteroscedasticitii?
3. Care sunt cele mai cunoscute teste pentru identificarea heteroscedasticitii?
Rspunsuri:
1. Proprietatea erorile de a nu avea o dispersie constant se numete

heteroscedasticitate.
2. Consecine ale ignorrii fenomenului de heteroscedasticitate a erorilor
b. Estimatorii parametrilor din model nu sunt eficieni (exist estimatori
care au o dispersie mai mic).
d. Testul t Student aplicat pentru analiza semnificaiei estimatorilor nu este
valid. Dac dispersia erorilor i variaia factorului explicativ sunt
pozitiv corelate, atunci dispersia corect a parametrului a1 este
subestimat, astfel nct calculele sugereaz o precizie a estimrii mai
bun dect este n realitate.
3. Cele mai cunoscute sunt: testul GoldfeldQuandt, testul BreuschPagan i
testul White.

1. Exemplificai utilizarea testului Goldfeld-Quadnt pentru un model econometric
73
Bibliografie
120-161
Expert, Bucureti
Bucureti
74
Unitatea de nvare 6. Autocorelarea Erorilor
Cuprins
Consecine ale autocorelrii erorilor

Testarea autocorelrii erorilor
1. Testul Durbin Watson
2. Testul Lagrange
Atenuarea fenomenului de autocorelare a erorilor
1. Procedura Cochrane Orcutt
2. Procedura Hildreth Lu
Introducere
Care sunt consecinele autocorelrii erorilor?
Care sunt principalele teste pentru depistarea autocorelrii?
Cum se realizeaz atenuarea acesti fenomen?

Autocorelarea erorilor - consecine, testare, atenuare
Teste pentru depistarea autocorelrii
Proceduri pentru anularea autocorelrii
Autocorelarea erorilor
n prezena autocorelrii erorilor este afectat calitatea estimatorilor calculai prin
metoda celor mai mici ptrate pentru parametrii modelului de regresie. n modelele
economice de regresie linear se ntlnesc des situaii n care erorile sunt autocorelate.
n special, autocorelarea erorilor apare n modelele construite pentru seriile de timp.
Principalele cauze care determin fenomenul respectiv sunt:
(1) omiterea din model a unor variabile explicative cu influen semnificativ asupra
variabilei endogene;
75
(2) ignorarea prezenei unor relaii nelineare ntre variabile i
(3) imposibilitatea evitrii unor erori de msurare.
Consecine ale autocorelrii erorilor

Dac fenomenul de autocorelare a erorilor din modelul de regresie
linear este ignorat, iar pentru estimarea parametrilor se folosete metoda celor mai
mici ptrate, atunci, sintetic, consecinele ignorrii fenomenului de autocorelare a
erorilor sunt urmtoarele:
Consecine ale ignorrii fenomenului de autocorelare a erorilor

b. Estimatorii parametrilor din model nu sunt eficieni i nu au proprietatea de
maxim verosimilitate.
c. Estimatorii calculai pentru dispersia i covariana parametrilor sunt deplasai, nu
sunt consisteni i nu sunt eficieni.
d. Testul t statistic (Student) aplicat pentru analiza semnificaiei estimatorilor nu este
valid.
e. Valorile t-Student calculate pentru estimarea semnificaiei parametrilor sunt
supradimensionate.
f. Abaterea standard a erorilor este subdimensionat fa de valoarea .
Testarea autocorelrii erorilor

Deoarece autocorelarea erorilor afecteaz calitatea estimatorilor, testarea i,
dac este cazul, atenuarea fenomenului respectiv reprezint un pas important n
validarea modelului.
Testul Durbin Watson

Testul Durbin Watson este cea mai cunoscut procedur utilizat pentru
identificarea autocorelrii de ordinul nti a erorilor din modelele de regresie linear.
Statistica Durbin Watson se calculeaz astfel:
n
u t ut 1
2
dw t 2
n
u
t 1
2
t
unde ut sunt valorile variabilei reziduale din ecuaia de regresie linear, ecuaie
estimat pornind de la datele din eantionul selectat.
76
Testul Lagrange
Testul construit pe baza multiplicatorilor Lagrange pentru identificarea
fenomenului de autocorelare a erorilor (testul LM) a fost propus de Breusch18 i
Godfrey19. Acest test nu este restricionat la autocorelarea de ordinul I a erorilor i
rmne valid n prezena regresorilor construii pornind de la starea variabilei
dependente n perioadele trecute. n consecin, are o aplicabilitate mai mare dect
testul Durbin Watson.
Atenuarea fenomenului de autocorelare a erorilor
S ne reamintim...
Nu exist nici o procedur care s garanteze eliminarea autocorelrii

erorilor, deoarece sursa fenomenului respectiv este dificil de identificat
cu exactitate. De aceea, procedurile aplicate atunci cnd prezena
autocorelrii este semnalat prin testele specifice, urmresc o ct mai
bun atenuare a fenomenului respectiv.
Procedura Cochrane Orcutt

Metoda construit de Cochrane i Orcutt pentru atenuarea fenomenului de
autocorelare a erorilor presupune aplicarea unei proceduri iterative de estimare a
coeficientului de corelaiei de ordinul I. Procedura Cochrane Orcutt se aplic pentru
modelul
Yt = a0 + a1X1t + + akXkt + et, iar
et = et-1 + t (modelul AR(1), t=1..n)
Procedura Cochrane Orcutt converge destul de repede i, n majoritatea cazurilor,
nu necesit un numr mare de iteraii. Din nefericire ns, metoda Cochrane Orcutt
de atenuare a autocorelrii erorilor nu garanteaz obinerea unei valori care s duc
la minimizarea ptratelor reziduurilor, deoarece tehnica iterativ descris poate s duc
la un minim local i nu la un minim global.
Procedura Hildreth Lu
De regul, numrul iteraiilor din procedura Hildreth Lu este mare, adic
aplicarea procedurii Hildreth Lu necesit rezolvarea unui numr mare de modele de
regresie. Din acest punct de vedere, procedura Hildreth Lu este mai laborioas dect
Cochrane Orcutt.
18
Breusch T., 1978, Testing foe autocorelation in dinamic linear models, n Australian Economic Papers, 17, pag. 334-355
19
Godfrey L.G., 1988, Specification Tests in Econometrics, Cambridge University Press
77
Rezumat
Autocorelarea erorilor presupune existena unei covariane nenule ntre erorile
Testul Durbin Watson este cea mai cunoscut procedur utilizat pentru
identificarea autocorelrii de ordinul nti a erorilor din modelele de regresie linear.
Statistica Durbin Watson se calculeaz astfel:
n
u t u t 1
2
dw t 2
n
u
t 1
2
t
Nu exist nici o procedur care s garanteze eliminarea autocorelrii erorilor,
deoarece sursa fenomenului respectiv este dificil de identificat cu exactitate. De aceea,
procedurile aplicate atunci cnd prezena autocorelrii este semnalat prin testele
specifice, urmresc o ct mai bun atenuare a fenomenului respectiv.

1. Ce reprezint autocorelarea erorilor?
2. Care sunt consecinle ignorrii autocorelrii?
3. Cum se calculeaz statistica Durbin-Watson?
Rspunsuri:
1. Autocorelarea erorilor presupune existena unei covariane nenule ntre erorile

2. Consecine ale ignorrii fenomenului de autocorelare a erorilor
b. Estimatorii parametrilor din model nu sunt eficieni i nu au proprietatea

de maxim verosimilitate.

78
d. Testul t statistic (Student) aplicat pentru analiza semnificaiei
estimatorilor nu este valid.
e. Valorile t-Student calculate pentru estimarea semnificaiei parametrilor

sunt supradimensionate, ceea ce sugereaz o semnificaie a parametrilor
mai mare dect este n realitate.
f. Abaterea standard a erorilor este subdimensionat fa de valoarea real

i, n consecin, coeficientul de determinare R2 este supradimensionat,
ceea ce indic o ajustare mai bun dect este n realitate.
3. Statistica Durbin Watson se calculeaz astfel:

n
u t u t 1
2
dw t 2
n
u
t 1
2
t

1. Exemplificai utilizarea testului Durbin-Watson pe un model econometric la
alegere
Bibliografie
161-191
Expert, Bucureti
Bucureti
79
80
Unitatea de nvare 7. Utilizarea Modelelor Econometrice n
Prognoz
Cuprins
Prognoza n cazul modelului unifactorial de regresie linear

Prognoza n cazul modelului multifactorial de regresie linear
Exemple de calcul
Introducere
Cum se realizeaz prognoza n cazul modelului unifactorial de regresie linear?
Cum se realizeaz prognoza n cazul modelului multifactorial de regresie
linear?

Realizarea prognozei n cazul modelului unifactorial de regresie linear,
respectiv multifactorial
n sens econometric, prognoza reprezint o anticipare cantitativ a unor evenimente

sau condiii viitoare, pornind de la un set de informaii disponibile.
Prognoza n cazul modelului unifactorial de regresie linear

Se presupunem c legtura dintre dou variabile Y i X poate fi modelat
printr-o ecuaie de regresie linear de tipul Yt = a0 + a1Xt + et, t = 1, 2, ..., n, relaie n
care erorile sunt normal distribuite, de medie nul, nu sunt heteroscedastice, nu sunt
autocorelate i sunt independente n raport cu variabila explicativ Xt.
Se demonstreaz c un indicator nedeplasat pentru dispersia erorilor de prognoz este:
81
1 X X 2
s s 1
2 2 n 1
n
X t X
f u 2

Construirea unui indicator nedeplasat pentru dispersia erorilor de prognoz
permite calculul unui interval de prognoz pentru Yn+1, pornind de la relaia:
Yn1 t n2; s f Yn1 Yn1 t n2; s f
unde tn-2; este valoarea din distribuia teoretic t-Student, testul bilateral, pentru n-2
grade de libertate (n fiind dimensiunea eantionului), valoare corespunztoare unui
grad de ncredere de (1-).
Prognoza n cazul modelului multifactorial de regresie linear

S presupunem c modelul de regresie linear conine k regresori (variabile
explicative) i este estimat pornind de la o selecie de volum n:
Y = XA + e
unde Y este un vector de dimensiuni n1, care are drept componente valorile variabilei
endogene, X este o matrice de dimensiuni n(k+1), n care elementele din prima
coloan sunt egale cu unu, iar fiecare dintre celelalte k coloane conine valorile
nregistrate pentru una dintre variabilele explicative, A este vectorul de dimensiuni
(k+1)1 al parametrilor modelului, iar e este vectorul erorilor, de dimensiuni n1. Se
demonstreaz c, dac sunt respectate ipotezele obinuite privind erorile i variabilele
explicative, atunci vectorul estimatorilor calculai pentru parametrii modelului prin
metoda celor mai mici ptrate este dat de relaia:
= (XX)-1XY
Se poate demonstra c un estimator nedeplasat al dispersiei erorilor de
prognoz, estimator calculat pe baza datelor din eantion este dat de expresia:

s 2f su2 1 X n1 X ' X X ' n1
1

unde
n
u 2
t
su2 t 1
n k 1
Intervalul de ncredere pentru valorile de prognoz, calculat cu un grad de
ncredere de (1-), este dat de relaia urmtoare:
Yn1 t nk 1; s f Yn1 Yn1 t nk 1; s f ,
unde tn-k-1; este valoarea din distribuia teoretic t-Student, testul bilateral, pentru n-k-
1 grade de libertate (n fiind dimensiunea eantionului, iar k numrul variabilelor
exogene din model), valoare corespunztoare unui grad de ncredere de (1-).
82
Exemple

Pentru exemplificarea modului de calcul a prognozei relum cazul numeric
studiat n capitolul 2, referitor la legtura dintre veniturile populaiei i volumul
economiilor (tabelul 2-1). Scopul analizei este realizarea unei prognoze a volumului
economiilor pentru o familie care urmeaz un comportament de consum asemntor
celui specific populaiei din care s-a extras eantionul prezentat n tabelul (2-1). S
presupunem c familia respectiv, numerotat cu 21, realizeaz un venit X21 = 230.
Pentru realizarea prognozei, se determin, n primul rnd, valoarea 21, pe baza
ecuaiei de regresie. Pentru exemplul analizat, ecuaia de regresie este de forma:
Yt = a0 + a1Xt + et,
unde
Yt este variabila endogen (explicat) volumul economiilor populaiei,
Xt este variabila exogen (explicativ) veniturile populaiei,
et este variabila de abatere (discrepana dintre valorile nregistrate i cele anticipate
pe baza modelului), a0 i a1 sunt parametrii modelului.
S ne reamintim...
Aa cum s-a demonstrat n capitolele anterioare, dac modelul

respectiv este estimat pornind de la datele din tabelul 2-1, atunci
erorile sunt normal distribuite, nu sunt heteroscedastice i nu sunt
autocorelate.
Modelul calculat prin metoda celor mai mici ptrate pentru ntreg eantionul
este:
t = -6.40793 + 0.28952Xt, pentru t = 1, 2 ,, 25,
iar rezultatele estimrii modelului sunt prezentate n tabelul urmtor.
Tabel: Calcule de baz pentru prognoz

- modelul unifactorial
t Xt Yt t ut u 2
t
X t X
2
1 100 20 22.5441 -2.5441 6.4723 5041

2 110 25 25.4393 -0.4393 0.1930 3721
3 120 28 28.3345 -0.3345 0.1119 2601
4 125 30 29.7821 0.2179 0.0475 2116
5 130 33 31.2297 1.7703 3.1340 1681
6 140 35 34.1249 0.8751 0.7658 961
7 150 36 37.0201 -1.0201 1.0406 441
8 155 42 38.4677 3.5323 12.4773 256
83
9 170 44 42.8105 1.1895 1.4150 1
10 170 42 42.8105 -0.8105 0.6569 1
11 180 45 45.7057 -0.7057 0.4980 81
12 185 50 47.1533 2.8467 8.1038 196
13 190 47 48.6009 -1.6009 2.5628 361
14 200 48 51.4961 -3.4961 12.2226 841
15 205 52 52.9437 -0.9437 0.8905 1156
16 210 58 54.3913 3.6087 13.0228 1521
17 215 54 55.8389 -1.8389 3.3815 1936
18 220 55 57.2865 -2.2865 5.2280 2401
19 220 58 57.2865 0.7135 0.5091 2401
20 225 60 58.7341 1.2659 1.6025 2916
3420 862 862.0000 0.0000 74.3359 30630
Pornind de la ecuaia de regresie

t = -6.40793 + 0.28952Xt,
i de la X21 = 230 se deduce
21 = -6.40793 + 0.28952230 = 60.18167.
Abaterea standard a erorilor de prognoz se calculeaz astfel:
s f s 2f 4.805538 2.192154
Din tabelul distribuiei bilaterale t (Student), pentru n-2 = 18 grade de libertate

i un prag de semnificaie = 0.05 se identific t23;0.05 = 2.101 Intervalul de ncredere
pentru prognoz se calculeaz potrivit formulei:
adic
60.18167 2.1012.192154 Yn+1 60.18167 + 2.1012.192154
sau
55.576 Yn+1 64.787
Interpretarea rezultatelor este urmtoarea: dac o familie din populaia analizat
nregistreaz un venit X21 de 230 u.m., atunci, pentru familia respectiv, volumul
economiilor va fi, n medie Y21 = 60.182 u.m. Cu un grad de ncredere de 95%,
volumul economiilor se va situa ntre 55.567 i 64.787 u.m. Aceasta nseamn c dac
eantionul selectat este reprezentativ pentru ntreaga populaie i se urmresc, prin
selecii succesive un numr mare de familii care au un venit egal cu 230, atunci media
volumul economiilor nregistrate va fi 60.182 i doar 5% dintre valori se vor situa n
afara intervalului [55.567, 64.787].
84
Pentru exemplificarea modului de elaborare a prognozei pe baza modelului
multifactorial de regresie linear se pornete de la cazul numeric analizat n modulele
anterioare, referitor la dinamica veniturilor populaiei (X1t), evoluia ratei reale a
dobnzii pasive (X2t) i dinamica depozitelor bancare (Yt) n 25 intervale succesive de
timp (tabelul 2-2). Rezultatele estimrii modelului linear prin metoda celor mai mici
ptrate pornind de la eantionul prezentat n tabelul (2-1) sunt urmtoarele:
t = -3.78693 + 0.75722X1t + 0.860999X2t.
Presupunem c la momentul t = 26, ritmul de cretere a veniturilor populaiei
este X1,26 = 3, iar dinamica ratei reale a dobnzii pasive este X2,26 = 2. Valoarea medie
a dinamicii depozitelor bancare la momentul t = 26, respectiv prognoza 26 se
determin astfel:
26 = -3.78693 + 0.757223.0 + 0.8609992.0 = 0.21
Pentru calculul dispersiei erorilor de prognoz se deduce, mai nti, blocul
Xn+1(X'X)-1X'n+1. Matricea (X'X)-1 i valoarea su2 sunt preluate:
24.378 0.046 6.121

1

(X ' X ) 0.046 0.039 0.022
6.121 0.022 1.542

i
su2 0.0589
Atunci:
X n1 X ' X X 'n1 6.428
1
Utiliznd valorile determinate mai sus, se obine:

s 2f 0.3786
Pornind de la valoarea dispersiei erorilor de prognoz, se calculeaz abaterea
standard a erorilor de prognoz astfel:
s f s 2f 0.3786 0.615
Intervalul de prognoz se determin, n aceast situaie:

Yn1 t nk 1; s f Yn1 Yn1 t nk 1; s f
0.21 t22;0.050.615 Y26 0.21 + t22;0.050.615

unde valoarea t22;0.05 este preluat din repartiia teoretic t Student, testul bilateral,
pentru pragul de semnificaie = 0.05 i (25-2-1) = 22 grade de libertate:
t22;0.05 = 2.074
Intervalul de prognoz este, n aceast situaie, dat prin inegalitatea urmtoare:
0.21 2.0740.615 Y26 0.21 + 2.0740.615
0.21 1.28 Y26 0.21 + 1.28
adic
85
-1.07 Y26 1.49
Rezumat
n sens econometric, prognoza reprezint o anticipare cantitativ a unor
evenimente sau condiii viitoare, pornind de la un set de informaii disponibile.
Pentru modelul unifactorial, prognoza t+1 se calculeaz astfel:

n+1 = 0 + 1Xn+1
Intervalul de ncredere:
Yn1 tn2; s f Yn1 Yn1 tn2; s f
Pentru modelul multifactorial,

Yn+1 = Xn+1A + en+1
Intervalul de ncredere :
Yn1 tnk 1; s f Yn1 Yn1 tnk 1; s f

1. Ce reprezint n sens econometric noiunea de prognoz?
2. Ce presupune realizarea unei prognoze n cazul modelului unifactorial?
3. Care este intervalul de prognoz pentru modelul unifactorial?
Rspunsuri:
1. n sens econometric, prognoza reprezint o anticipare cantitativ a unor

evenimente sau condiii viitoare, pornind de la un set de informaii disponibile.
2. Realizarea unei prognoze presupune anticiparea a dou elemente. Pe de o parte,

prognoza implic determinarea valorii medii a variabilei Y la un moment viitor
n+1, sau, mai general, n+p (unde p 1), atunci cnd parametrii ecuaiei de
regresie sunt estimai pe baza unei selecii realizate la momentele 1, 2, , n. Pe
de alt parte, este necesar calculul mprtierii probabile a valorilor prognozate
n jurul mediei estimate (calculul dispersiei erorilor de prognoz).
3. Intervalul de prognoz n cazul modelului unifactorial este:
86
unde tn-2; este valoarea din distribuia teoretic t-Student, testul bilateral,
pentru n-2 grade de libertate (n fiind dimensiunea eantionului), valoare
corespunztoare unui grad de ncredere de (1-).

1. Realizai prognoza econometric pentru un model la alegere
Bibliografie
201-209
Expert, Bucureti
Bucureti
87
BIBLIOGRAFIE OBLIGATORIE
1. Jula N., Jula D., 2013, Modele econometrice, Editura Mustang, Bucureti
2. Dobrescu E., 2002, Tranziia n Romnia: abordri econometrice, Editura Economic,
Bucureti
3. Jula D., 2003, Introducere n econometrie, Editura Professional Consulting, Bucureti
4. Jula N., 2004, Modelarea deciziilor financiar monetare. Elemente de econometrie
aplicat, Editura Bren, Bucureti
5. Jula N., 2006, Modelare economic econometrie aplicat, Editura Mustang, Bucureti
6. Jula N., Jula D., 2010, Modelare economic. Modele econometrice i de optimizare,
7. Pecican E.-S., 1994, Econometrie, Editura All, Bucureti
8. Tnsoiu O., Iacob A.-I., 1999, Econometrie aplicat, Editura Arteticart, Bucureti
9. Tanadi Al., 2001, Econometrie aplicat, Editura ASE, Bucureti
10. Zaman C., 1998, Econometrie, Pro Democraia, Bucureti
BIBLIOGRAFIE FACULTATIV
1. Andrei T., 2003, Statistic i econometrie, Editura Economic, Bucureti

2. Ailenei D., 2002, Economia sectorului public, Editura Brent, Bucureti
3. Bourbonnais R., 1997, Economtrie. Cours et exercises corrigs, Edition Dunod, Paris
4. Brillet J.-L, 1989, Techiques de modelisation, Collection ENSAE (cole Nationale de la
Statistique et de l'Administration conomique), Paris
5. Greene W.H., 2000, Econometric Analysis, 3rd edition, Prentice-Hall.
6. Hansen B.E., 2002, Econometrics, University of Wisconsin, www.ssc.wisc.edu/~ bhansen
7. Johnston J., DiNardo J.E., 1997, Econometric Methods, 4th edition, McGraw-Hill.
8. Jula N., 2003, Statistic economic, Editura Bren, Bucureti
9. Kmenta J., 1986, Elements of Econometrics, New York: Macmillan
10. Maddala G.S, 2001, Econometrics, New York: McGraw-Hill
11. Prachi I., Bril A., icanu N., 1999, Econometrie aplicat, A.S.E.M., Chiinu
12. Pecican E.-S., 1996, Macroeconometrie - Politici economice guvernamentale i
13. Pindyck R.S., Rubinfeld D.L, 1991, Econometric Models and Economic Forecasts,
McGraw-Hill, Inc
14. Ramanathan R., 1992, Introductory Econometrics, Second Edition, The Dryden Press,
Harcourt Brace College Publishers, Orlando, USA
88
15. Thomas R.-L, 1997, Modern Econometrics: An Introduction, 2nd edition, Harlow,
Longman
16. Vangrevelinghe G., 1973, Economtrie, Hermann, Paris
89
ANEXE STATISTICE
Tabelele distribuiilor t Student i 2 au fost calculate cu ajutorul programului Microsoft

Excel
A. Valorile critice ale distribuiei t Student, testul bilateral
- testul bilateral
df
0.10 0.05 0.02 0.01 0.001
1 6.314 12.706 31.821 63.657 636.619
2 2.920 4.303 6.965 9.925 31.598
3 2.353 3.182 4.541 5.841 12.941
4 2.132 2.776 3.747 4.604 8.610
5 2.015 2.571 3.365 4.032 6.869
6 1.943 2.447 3.143 3.707 5.959
7 1.895 2.365 2.998 3.499 5.408
8 1.860 2.306 2.896 3.355 5.041
9 1.833 2.262 2.821 3.250 4.781
10 1.812 2.228 2.764 3.169 4.587
11 1.796 2.201 2.718 3.106 4.437
12 1.782 2.179 2.681 3.055 4.318
13 1.771 2.160 2.650 3.012 4.221
14 1.761 2.145 2.624 2.977 4.140
15 1.753 2.131 2.602 2.947 4.073
16 1.746 2.120 2.583 2.921 4.015
17 1.740 2.110 2.567 2.898 3.965
18 1.734 2.101 2.552 2.878 3.922
90
19 1.729 2.093 2.539 2.861 3.883
20 1.725 2.086 2.528 2.845 3.850
21 1.721 2.080 2.518 2.831 3.819
22 1.717 2.074 2.508 2.819 3.792
23 1.714 2.069 2.500 2.807 3.768
24 1.711 2.064 2.492 2.797 3.745
25 1.708 2.060 2.485 2.787 3.725
30 1.697 2.042 2.457 2.750 3.646
40 1.684 2.021 2.423 2.704 3.551
50 1.676 2.009 2.403 2.678 3.496
80 1.664 1.990 2.374 2.639 3.416
100 1.660 1.984 2.364 2.626 3.390
120 1.658 1.980 2.358 2.617 3.373
1.645 1.960 2.327 2.576 3.291
91
B. Valorile critice ale distribuiei t Student, testul unilateral
- testul unilateral
df
0.10 0.05 0.01 0.005 0.0005
1 3.078 6.314 31.821 63.657 636.619
2 1.886 2.920 6.965 9.925 31.598
3 1.638 2.353 4.541 5.841 12.941
4 1.533 2.132 3.747 4.604 8.610
5 1.476 2.015 3.365 4.032 6.869
6 1.440 1.943 3.143 3.707 5.959
7 1.415 1.895 2.998 3.499 5.408
8 1.397 1.860 2.896 3.355 5.041
9 1.383 1.833 2.821 3.250 4.781
10 1.372 1.812 2.764 3.169 4.587
11 1.363 1.796 2.718 3.106 4.437
12 1.356 1.782 2.681 3.055 4.318
13 1.350 1.771 2.650 3.012 4.221
14 1.345 1.761 2.624 2.977 4.140
15 1.341 1.753 2.602 2.947 4.073
16 1.337 1.746 2.583 2.921 4.015
17 1.333 1.740 2.567 2.898 3.965
18 1.330 1.734 2.552 2.878 3.922
19 1.328 1.729 2.539 2.861 3.883
20 1.325 1.725 2.528 2.845 3.850
21 1.323 1.721 2.518 2.831 3.819
22 1.321 1.717 2.508 2.819 3.792
92
23 1.319 1.714 2.500 2.807 3.768
24 1.318 1.711 2.492 2.797 3.745
25 1.316 1.708 2.485 2.787 3.725
30 1.310 1.697 2.457 2.750 3.646
40 1.303 1.684 2.423 2.704 3.551
50 1.299 1.676 2.403 2.678 3.496
80 1.292 1.664 2.374 2.639 3.416
100 1.290 1.660 2.364 2.626 3.390
120 1.289 1.658 2.358 2.617 3.373
1.282 1.645 2.327 2.576 3.291
93
C. Valorile critice ale distribuiei 2
Numrul
gradelor
0.99 0.95 0.9 0.1 0.05 0.01 0.005 0.001
de
libertate
1 0.000 0.004 0.016 2.706 3.841 6.635 7.879 10.828
2 0.020 0.103 0.211 4.605 5.991 9.210 10.597 13.816
3 0.115 0.352 0.584 6.251 7.815 11.345 12.838 16.266
4 0.297 0.711 1.064 7.779 9.488 13.277 14.860 18.467
5 0.554 1.145 1.610 9.236 11.070 15.086 16.750 20.515
6 0.872 1.635 2.204 10.645 12.592 16.812 18.548 22.458
7 1.239 2.167 2.833 12.017 14.067 18.475 20.278 24.322
8 1.646 2.733 3.490 13.362 15.507 20.090 21.955 26.125
9 2.088 3.325 4.168 14.684 16.919 21.666 23.589 27.877
10 2.558 3.940 4.865 15.987 18.307 23.209 25.188 29.588
11 3.053 4.575 5.578 17.275 19.675 24.725 26.757 31.264
12 3.571 5.226 6.304 18.549 21.026 26.217 28.300 32.909
13 4.107 5.892 7.042 19.812 22.362 27.688 29.820 34.528
14 4.660 6.571 7.790 21.064 23.685 29.141 31.319 36.123
15 5.229 7.261 8.547 22.307 24.996 30.578 32.801 37.697
16 5.812 7.962 9.312 23.542 26.296 32.000 34.267 39.252
17 6.408 8.672 10.085 24.769 27.587 33.409 35.719 40.790
18 7.015 9.390 10.865 25.989 28.869 34.805 37.157 42.312
19 7.633 10.117 11.651 27.204 30.144 36.191 38.582 43.820
20 8.260 10.851 12.443 28.412 31.410 37.566 39.997 45.315
21 8.897 11.591 13.240 29.615 32.671 38.932 41.401 46.797
22 9.542 12.338 14.041 30.813 33.924 40.289 42.796 46.268
94
23 10.196 13.091 14.848 32.007 35.172 41.638 44.181 49.728
24 10.856 13.848 15.659 33.196 36.415 42.980 45.559 51.179
25 11.524 14.611 16.473 34.382 37.652 44.314 46.928 52.618
26 12.198 15.379 17.292 35.563 38.885 45.642 48.290 54.052
27 12.879 16.151 18.114 36.741 40.113 46.963 49.645 55.476
28 13.565 16.928 18.939 37.916 41.337 48.278 50.993 56.893
29 14.256 17.708 19.768 39.087 42.557 49.588 52.336 58.302
30 14.953 18.493 20.599 40.256 43.773 50.892 53.672 59.703
95
D. Statistica Durbin Watson
Valorile dL i dU pentru testul Durbin-Watson unilateral, la un nivel de semnificaie de
5%
k=1 k=2 k=3 k=4 k=5

n
dL dU dL dU dL dU dL dU dL dU
6 0.61 1.40
7 0.70 1.36 0.47 1.90
8 0.76 1.33 0.56 1.78 0.37 2.29
9 0.82 1.32 0.63 1.70 0.46 2.13 0.30 2.59
10 0.88 1.32 0.70 1.64 0.53 2.02 0.38 2.41 0.24 2.82
11 0.93 1.32 0.76 1.60 0.60 1.93 0.44 2.28 0.32 2.65
12 0.97 1.33 0.81 1.58 0.66 1.86 0.51 2.18 0.38 2.51
13 1.01 1.34 0.86 1.56 0.72 1.82 0.57 2.09 0.45 2.39
14 1.05 1.35 0.91 1.55 0.77 1.78 0.63 2.03 0.51 2.30
15 1.08 1.36 0.95 1.54 0.82 1.75 0.69 1.97 0.56 2.21
16 1.10 1.37 0.98 1.54 0.86 1.73 0.74 1.93 0.62 2.15
17 1.13 1.38 1.02 1.54 0.90 1.71 0.78 1.90 0.67 2.10
18 1.16 1.39 1.05 1.53 0.93 1.69 0.82 1.87 0.71 2.06
19 1.18 1.40 1.08 1.53 0.97 1.68 0.86 1.85 0.75 2.02
20 1.20 1.41 1.10 1.54 1.00 1.68 0.90 1.83 0.79 1.99
21 1.22 1.42 1.13 1.54 1.03 1.67 0.93 1.81 0.83 1.96
22 1.24 1.43 1.15 1.54 1.05 1.66 0.96 1.80 0.86 1.94
23 1.26 1.44 1.17 1.54 1.08 1.66 0.99 1.79 0.90 1.92
24 1.27 1.45 1.19 1.55 1.10 1.66 1.01 1.78 0.93 1.90
25 1.29 1.45 1.21 1.55 1.12 1.66 1.04 1.77 0.95 1.89
26 1.30 1.46 1.22 1.55 1.14 1.65 1.06 1.76 0.98 1.88
27 1.32 1.47 1.24 1.56 1.16 1.65 1.08 1.76 1.01 1.86
96
k=1 k=2 k=3 k=4 k=5
n
28 1.33 1.48 1.26 1.56 1.18 1.65 1.10 1.75 1.03 1.85
29 1.34 1.48 1.27 1.56 1.20 1.65 1.12 1.74 1.05 1.84
30 1,35 1.49 1.28 1.57 1.21 1.65 1.14 1.74 1.07 1.83
31 1.36 1.50 1.30 1.57 1.23 1.65 1.16 1.74 1.09 1.83
32 1.37 1.50 1.31 1.57 1.94 1.65 1.18 1.73 1.11 1.82
33 1.38 1.51 1.32 1.58 1.26 1.65 1.19 1.73 1.13 1.81
34 1.39 1.51 1.33 1.58 1.27 1.65 1.21 1.73 1.15 1.81
35 1.40 1.52 1.34 1.58 1.28 1.65 1.22 1.73 1.16 1.80
36 1.41 1.52 1.35 1.59 1.29 1.65 1.24 1.73 1.18 1.80
37 1.42 1.53 1.36 1.59 1.31 1.66 1.25 1.72 1.19 1.80
38 1.43 1.54 1.37 1.59 1.32 1.66 1.26 1.72 1.21 1.79
39 1.43 1.54 1.38 1.60 1.33 1.66 1.27 1.72 1.22 1.79
40 1.44 1.54 1.39 1.60 1.34 1.66 1.29 1.72 1.23 1.79
45 1.48 1.57 1.43 1.62 1.38 1.67 1.34 1.72 1.29 1.78
50 1.50 1.59 1.46 1.63 1.42 1.67 1.38 1.72 1.34 1.77
55 1.53 1.60 1.49 1.64 1.45 1.68 1.41 1.72 1.38 1.77
60 1.55 1.62 1.51 1.65 1.48 1.69 1.44 1.73 1.41 1.77
65 1.57 1.63 1.54 1.66 1.50 1.70 1.47 1.73 1.44 1.77
70 1.58 1.64 1.55 1.67 1.52 1.70 1.49 1.74 1.46 1.77
75 1.60 1.65 1.57 1.68 1.54 1.71 1.51 1.74 1.49 1.77
80 1.61 1.66 1.59 1.69 1.56 1.72 1.53 1.74 1.51 1.77
85 1.62 1.67 1.60 1.70 1.57 1.72 1.55 1.75 1.52 1.77
90 1.63 1.68 1.61 1.70 1.59 1.73 1.57 1.75 1.54 1.78
95 1.64 1.69 1.62 1.71 1.60 1.73 1.58 1.75 1.56 1.78
97
k=1 k=2 k=3 k=4 k=5
n
100 1.65 1.69 1.63 1.72 1.61 1.74 1.59 1.76 1.57 1.78
n numrul de observaii;
k numrul variabilelor explicative
Sursa:
J.Durbin and G.S.Watson, Testing for Serial Correlation in Least Squares Regression, in
Biometrika, vol. 38 (1951), pp.159-177 (pentru n 15)
Mukherjee Ch., White H., Wuyts M., 1998, Econometrics and data analysis for developing
countries, Routledge, London and New York (pentru n < 15)
98

82 - Econometrie ID Oct2015 (CIG) - 14ore - 8097

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

82 - Econometrie ID Oct2015 (CIG) - 14ore - 8097

Încărcat de

Drepturi de autor:

Formate disponibile

ECONOMETRIE

Prof.univ.dr. Nicoleta Jula

Manualul de Modelare economic. Econometrie ofer studenilor un ansamblu de

Dup parcurgerea acestui curs, studentul va fi capabil s utilizeze metode de analiz,

Resurse i mijloace de lucru

Se recomand utilizarea calculatorului pentru rezolvarea temelor propuse. Studentul poate

Manualul cuprinde 10 uniti de nvare (UI)

Este recomandat ca studentul s fi parcurs urmtoarele discipline: Statistic economic,

Durata medie de studiu individual

O unitate de nvare poate fi parcurs, n medie, n 2-3 ore.

UNITATEA DE NVARE 1. MODELUL ECONOMIC PREZENTARE GENERAL ........................... 8

Consideraii generale ................................................................................................................................... 8

Schema general a procesului de modelare economico-matematic........................................................... 12

Modelul econometric ................................................................................................................................. 12

Test de autoevaluare a cunotinelor ......................................................................................................... 16

Test de evaluare a cunotinelor ................................................................................................................ 17

UNITATEA DE NVARE 2. MODELE DE OPTIMIZARE ............................................................... 19

Stocurile de materii prime .......................................................................................................................... 20

Problema de transport ............................................................................................................................... 23

Teoria firelor de ateptare.......................................................................................................................... 27

Test de autoevaluare a cunotinelor ......................................................................................................... 32

Test de autoevaluare a cunotinelor ......................................................................................................... 33

Tem de control ......................................................................................................................................... 33

UNITATEA DE NVARE 3. MODELE ECONOMETRICE MODELUL LINEAR DE REGRESIE ........ 35

Modele econometrice ................................................................................................................................ 35

Modelul linear unifactorial ......................................................................................................................... 36

Modelul linear multifactorial...................................................................................................................... 38

Test de autoevaluare a cunotinelor ......................................................................................................... 47

Test de evaluare a cunotinelor ................................................................................................................ 49

UNITATEA DE NVARE 4. TESTE DE SEMNIFICAIE ................................................................. 50

Dispersia estimatorilor ............................................................................................................................... 50

Test de autoevaluare a cunotinelor ......................................................................................................... 59

Test de evaluare a cunotinelor ................................................................................................................ 59

Tem de control ......................................................................................................................................... 59

UNITATEA DE NVARE 5. HETEROSCEDASTICITATEA ERORILOR ............................................ 61

Heteroscedasticitatea erorilor .................................................................................................................... 61

Consecine ale heteroscedasticitii ........................................................................................................... 62

Testarea heteroscedasticitii .................................................................................................................... 62

Atenuarea heteroscedasticitii ................................................................................................................. 63

Test de autoevaluare a cunotinelor ......................................................................................................... 73

Test de evaluare a cunotinelor ................................................................................................................ 73

UNITATEA DE NVARE 6. AUTOCORELAREA ERORILOR .......................................................... 75

Autocorelarea erorilor ............................................................................................................................... 75

Consecine ale autocorelrii erorilor........................................................................................................... 76

Testarea autocorelrii erorilor.................................................................................................................... 76

Atenuarea fenomenului de autocorelare a erorilor ..................................................................................... 77

Test de autoevaluare a cunotinelor ......................................................................................................... 78

Test de evaluare a cunotinelor ................................................................................................................ 79

UNITATEA DE NVARE 7. UTILIZAREA MODELELOR ECONOMETRICE N PROGNOZ ............ 81

Prognoza n cazul modelului unifactorial de regresie linear ....................................................................... 81

Prognoza n cazul modelului multifactorial de regresie linear .................................................................... 82

Test de autoevaluare a cunotinelor ......................................................................................................... 86

Test de evaluare a cunotinelor ................................................................................................................ 87

BIBLIOGRAFIE OBLIGATORIE ....................................................................................................... 88

BIBLIOGRAFIE FACULTATIV ....................................................................................................... 88

B. Valorile critice ale distribuiei t Student, testul unilateral ..................................................................... 92

C. Valorile critice ale distribuiei 2 ............................................................................................................ 94

D. Statistica Durbin Watson ..................................................................................................................... 96

Durata medie de parcurgere a primei uniti de nvare este de 3 ore.

Criteriul de clasificare Categoriile de modele

1. Natura elementelor componente 1.a) logice

2. Caracterul interdependenelor dintre 2.1.a) lineare

4. Scopul modelrii 4.a) descriptiv-explicative