ACADEMIA DE STUDII ECONOMICE DIN BUCUREȘTI

FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ

Proiectul “Fără titlu”

ÎNDRUMĂTOR
PhD, Lecturer. Adriana AnaMaria Davidescu

AUTORI:
Victor Hrușcă
Alexandru Florea
Nicolae Bordea
Ovidiu George Constantin

-2014-

1
Cuprins
Introducere ..................................................................................................................................3
APLICAŢIA 1: ...........................................................................................................................4
Model de regresie simplă ........................................................................................................4
1.1. Literature review ..........................................................................................................4
1.2. Metodologia cercetării .................................................................................................5
2.1. Date utilizate ................................................................................................................7
2.2. Rezultatele empirice ale cercetării ...............................................................................9
3. Concluzii .......................................................................................................................19
APLICAŢIA 2: .........................................................................................................................20
Model de regresie multiplă ...................................................................................................20
1.1. Literature review ........................................................................................................20
1.2. Metodologia cercetării ...............................................................................................21
2.1. Date utilizate ..............................................................................................................22
2.2. Rezultatele empirice ale cercetării .............................................................................25
3. Concluzii .......................................................................................................................37
APLICAŢIA 3: .........................................................................................................................38
Model cu ecuații simultane ...................................................................................................38
1.1. Literature review ........................................................................................................38
1.2. Metodologia cercetării ...............................................................................................39
2.1. Date utilizate ..............................................................................................................40
2.2. Rezultatele empirice ale cercetării .............................................................................44
3. Concluzii .......................................................................................................................51
Concluzii finale .........................................................................................................................52
Bibliografie ...............................................................................................................................54

2
 Introducere

Regresia liniară, prin metoda celor mai mici pătrate, este metoda de modelare cea mai des
utilizată. Este metoda denumită “regresie”, “regresie liniară“, “regresie multiplă” sau “cele mai
mici pătrate” atunci când se construieşte un model. Scopul regresiei multiple (termen utilizat de
Pearson, 1908) este de a evidenţia relaţia dintre o variabilă dependent (explicată, endogenă ,
rezultativă) şi o mulţime de variabile independente (explicative, factoriale , exogene, predictori).
Prin utilizarea regresiei multiple se încearcă, adesea, obţinerea răspunsului la una dintre
întrebările: “care este cea mai bună predicţie pentru ...?”, “cine este cel mai bun predictor pentru
...?” . De reţinut că metoda regresiei multiple este generalizată prin teoria “modelului liniar
general”, în care se permit mai multe variabile dependente simultan şi , de asemenea, variabile
factoriale care nu sunt independente linear.

Prima aplicaţie analizează prin intermediul unui model unifactorial de regresie influenţa
ponderii populației urbane din total populația Franței asupra PIB-ului din perioada 1991 – 2012.
A doua aplicaţie își propune să studieze prin intermediul unui model multifactorial de
regresie factorii care influențează variația Produsului Intern Brut al Franței in perioada 1991-
2012. Această aplicație reprezintă o continuare a celei dinainte deoarece s-a dorit un studiu mai
amplu urmărindu-se și influența altor factori asupra PIB-ului, în afara celui analizat la prima
aplicație.
Ultima aplicaţie se referă la modelul echilibrului dublu sau simultan. Pentru elaborarea
acestui model s-au studiat datele pentru următoarele variabile: produsul intern brut, rata dobânzii,
masa monetară şi cheltuielile guvernamentale pe o perioadă de 14 ani.
În continuare, sunt descrise şi analizate tehnicile de regresie puse la dispoziţie de către
programul econometric Eviews: specificarea şi estimarea unui model de regresie, efectuarea de
analize simple de diagnostic şi utilizarea rezultatelor estimării în analize suplimentare, cum ar fi
efectuarea de prognoze.

3
 APLICAȚIA 1:
Model de regresie simplă

1.1. Literature review

Prima aplicație a proiectului urmărește influența pe care ponderea populației urbane din
totalul populației Franței, în perioada 1991 – 2012, o deține asupra PIB-ului din aceeași perioadă.
Acest lucru se realizează cu ajutorul unui model de regresie unifactorial.
“Lucrarea analizează dacă există o relație semnificativă între creșterea economică și gradul
de concentrare urbană, măsurată prin metoda primară sau ponderea cea mai mare în zona
metropolitană în populația urbană la nivel național. Există motive să credem că multe țări au
prioritate excesivă și cât de costisitoare este această prioritate excesivă (sau insuficientă)?
Folosind metoda generalizată a momentelor, lucrarea estimează efecte de creștere, cu ajutorul
unui grup de 80-100 de țări din anul 1960 până în anul 1995. De asemenea, se uită la factorii
determinanți ai întâietății și politici care ar putea fi eficace în reducerea priorității excesive.
Lucrarea constată existența unui grad de prioritate urban național, care crește veniturile brusc
până la aproximativ 5000 dolari pe cap de locuitor (pe veniturile din 1987), înainte de a scădea
modest. Gradul de prioritate maxim scade odată cu mărimea țării. Erorile estimate ale gradelor
maxime de prioritate sunt în general restrânse.
Încetinirea creșterii economice este excesivă și se datorează concentrărilor non-optimale și
se accentuează odată cu venitul. Rezultatele sunt foarte robuste. Într-un grup de 72 de țări, în
1990, se pare că cel puțin 24 au o prioritate satisfăcătoare; cel puțin 24 au prioritate în mod
semnificativ excesivă și cel puțin 5 țări au o prioritate insuficientă.
Ce determină concentrarea urbană? Modele econometrice arată că, concentrarea urbană
crește inițial cu veniturile și apoi atinge un vârf în jurul valorii unui venit de $ 2400, înainte de a
scădea. În mod similar, efectele unui grad mai mare de descentralizare politică în reducerea în
mod semnificativ a concentrației urbane sunt destul de modeste. Politica cheie de tip variabilă ce
poate reduce concentrația este de investiție în infrastructura de transport inter-regional. În
special, creșterea densității rețelei de drumuri reduce semnificativ gradul de prioritate și efectul
crește odată cu veniturile.

4
 Urbanizarea și creșterea economică în țările în curs de dezvoltare merg mână în mână.
Coeficientul de corelație simplă, pentru mai multe țări, între procentul de urbanizare al unei țări
și PIB pe cap de locuitor este de aproximativ 0.85. Motivul este evident. Dezvoltarea economică
implică transformarea unei țări a cărei economii este bazată pe agricultură într-o economie
bazată pe industrie și servicii.” (Vernon Henderson, 2000, 2-3 și 27-28)
Concluziile acestei cercetări susțin faptul că pentru toate țările dezvoltate există o limită a
procentului de urbanizare corelat cu un PIB pe cap de locuitor în jurul valorii de 5000 dolari.

1.2. Metodologia cercetării

În ceea ce privește metodologia cercetării, metoda folosită în cadrul acestei aplicații a fost
regresia simplă. A fost urmărită studierea influența pe care ponderea populației urbane în
totalul populației o are asupra variației Produsului Intern Brut.

Forma modelului de regresie simplă este următoarea:

PIB = β0 + β1 * POU ,

unde

POU – variabila independentă: ponderea populației urbane în totalul populației

PIB – variabila dependentă: produsul intern brut

În analiza corelațiilor dintre cele două variabile (PIB și POU), am folosit serii de date
preluate de pe site-ul oficial al Băncii Mondiale, datele având o frecvență anuală. Pentru a utiliza
valorile reale ale PIB-ului în toți cei 22 ani analizați, am deflaționat valorile nominale ale
acestuia, luând ca an de bază anul 2005, prin împărțtirea acestora la Indicele Prețurilor
corespunzător.

5
 Prin intermediul softului Eviews, am estimat modelul de regresie și am testat validitatea
modelului, gradul de bonitate al acestuia, semnificația statistică a parametrilor incluși în model și
am verificat ipotezele modelului unifactorial de regresie:
Intensitatea legăturii dintre cele două variabile a fost determinată prin calculul
coeficientului de corelație (extragerea radicalului de ordinul 2 din indicatorul R-squared).
Testarea semnificației coeficientului de corelație liniară s-a realizat pe baza testului t.
Pe baza calcului estimatorilor parametrilor s-au calculat valorile estimate ale variabilei
PIB: ŷi = -4700.216 + 0.083776 * xi și ale variabilei reziduale uˆ i  y i  yˆ i
Pornind de la ipotezele H0: modelul nu e valid și H1: modelul e valid, am testat
validitatea modelului de regresie, folosind testul Fischer.
Verificarea semnificației modelului s-a realizat cu:
- testul Wald pentru testarea coeficientului dreptei de regresie (β)
- o distributie Student cu n-2 grade de libertate pentru testarea semnificației
parametrului de interceptare
- statistica F pentru testarea semnificației raportului de corelație
- metoda grafică, testul Durbin-Watson si testul Breusch-Godfrey pentru
verificarea ipotezei de independeță a erorilor aleatoare
- testul White pentru analizarea reziduurilor și implicit verificarea ipotezei de
homoscedasticitate a erorilor aleatoare
- metoda celor mai mici pătrate pentru eliminarea autocorelării
- testul Jarque-Bera pentru verificarea ipotezei de normalitate

6
2.1. Date utilizate

Variabilele utilizate în cadrul primei aplicații sunt:

Produsul Intern Brut (PIB)

Conform lui Ryan Barnes, ”Produsul Intern Brut (PIB) este predecesorul tuturor
indicatorilor macroeconomici. Ca o măsură agregată a producției economice totale dintr-o țară,
PIB reprezintă valoarea pe piață a tuturor bunurilor și serviciilor produse de economie, în
perioada măsurată, inclusiv consumul personal, cheltuielile guvernamentale, investițiile private și
exporturile nete (exporturile se adaugă, importurile se scad).”
Datele analizate au fost exprimate în prețuri comparabile, deflaționate prin indicii
prețurilor, raportate la prețurile anului 2005.
Periodicitatea: anuală
Sursa de colectare a datelor: World Bank
Alte transformări asupra datelor: Datele sunt exprimate în miliarde US$
PIB(1) = PIB(0) / 1,000,000,000

Populația urbană (% din populația totală)

”Populația urbană se referă la volumul de oameni care trăiesc în ceea ce birourile

naționale de statistică defines ca și arii urbane. Acest indicator este calculat cu ajutorul
indicatorilor de populație totală de pe site-ul oficial World Bank și al ratelor urbane de la
U.N.W.U.P. (United Nations World Urbanization Prospects).”
Valorile indicatorului au fost exprimate în procente, ca ponderi din totalul populației.
Periodicitatea: anuală
Sursa de colectare a datelor: World Bank
Transformări aduse datelor: POU(1) = POU(0) * 1,000

7
Evoluția economică a variabilelor incluse în model

PIB
3000
2500
2000
1500
PIB
1000
500
0
1997

2010
1991
1992
1993
1994
1995
1996

1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009

2011
2012
Figura 1. Evoluția Produsului Intern Brut în perioada 1991 - 2012

În figura de mai sus, se poate remarca o evoluție clară a variabilei dependente analizate, PIB,
între cei 22 ani analizați. Pe parcursul anilor 1991 – 2002 se pot observa fluctuații, nu foarte
mari, ale valorilor indicatorului (per total, în creștere), în timp ce, începând cu anul 2003, asistăm
la o expansiune semnificativă a PIB-ului Franței până la sfârșitul anului 2008: întâlnim aici o
diferență, în sens pozitiv, de aproximativ 58,89% față de primul an de observație. După acest an,
avem din nou o scădere, datorată influenței crizei economice mondiale din acea perioadă,
urmând în perioada 2010 – 2012 o altă serie de variații a valorilor Produsului Intern Brut.

8
 POU
90
85
80
75 POU
70
65
1994

1998

2002
1991
1992
1993

1995
1996
1997

1999
2000
2001

2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
Figura 2. Evoluția ponderilor populației urbane în totalul populației în perioada 1991-2012

Figura evoluției ponderii populației urbane în totalul populației Franței ilustrează o

creștere neîntreruptă a acestui indicator independent analizat, ceea ce reflectă faptul că populația
acestei țări prezintă o tendință de urbanizare continua. Diferența între valoarea indicatorului în
anul 2012 și valoarea aferentă din anul 1991 este de 12,03 puncte procentuale din totalul
populației Franței.

2.2. Rezultatele empirice ale cercetării

Pentru determinarea intensității dintre variabilele analizate, se stabilește nivelul corelației

dintre acestea. Corelația indică intensitatea legăturii dintre variabile prin măsurarea gradului de
împrăștiere al datelor înregistrate în jurul dreptei de regresie.
Se calculează coeficientul de corelație Pearson:

rxy = √𝑅 2 = R = 0,88106

Acest rezultat ne indică o legătură directă (R>0) foarte puternică (apropiată de 1) între
cele două variabile ale modelului.

9
Estimarea parametrilor prin MCMMP

Figura 3. Estimarea parametrilor prin MCMMP

Figura 3.1 Scatter Plot – valori inițiale

10
 Ecuația modelului de regresie:

PIB = β0 + β1 * POU
PIB = -4700,216 + 0,083776 * POU

̂1 ne confirmă legătura directă dintre

Valoarea pozitivă a coeficientului de regresie 𝛽
variabile. Mai mult decât atât, o creștere a acestuia cu un punct procentual duce la o majorare a
Produsului Intern Brut cu 83,77 miliarde US$.
̂0 indică faptul că o parte semnificativă din variația
Analizând valoarea termenului liber 𝛽
Produsului Intern Brut este influențată de alți factori decât populația urbană, factori ce nu se
regăsesc în modelul analizat. De aici deducem că modelul de regresie ales este corect, dar poate
fi dezvoltat în vederea obținerii unor rezultate mai precise.
Coeficientul de determinație (R-Squared = 0,7762) sugerează că 77,62% din variația PIB-
ului este explicată de populația urbană. Valoarea raportului de corelație (R = 0,88106) tinde spre
1, ceea ce ne arată că modelul estimat prezintă o bonitate ridicată și aproximează foarte bine
datele de observație.

Testul ”t”

H0: β0 = 0; β1 = 0 (parametrii nu sunt semnificativi, modelul nu este valid)

H1: β0 ≠ 0; β1 ≠ 0 (parametrii sunt semnificativi, modelul este valid)

|tcalc| > ttab (=1.72) pentru fiecare dintre cei doi parametri => respingem H0 => acceptăm
H1 => toți parametrii βi sunt semnificativi din punct de vedere statistic, pentru un nivel de
semnificație de 5%. În plus, probabilitățile celor doi parametri, așa cum reies din output-ul
Eviews, sunt 0, adică susțin afirmația anterioară.

11
 Testarea validității modelului

H0: modelul nu este valid (MSR = MSE)

H1: modelul este valid (MSR > MSE)

Conform output-ului, modelul este semnificativ din punct de vedere statistic: F-statistic
(=69,39204) > Fcritic => se respinge ipoteza nulă. În plus, Prob(F-statistic) = 0,0000 < 0,05.

Verificarea ipotezelor modelului de regresie liniară unifactorială

1. Forma funcțională este liniară: PIB = -4700,216 + 0,083776 * POU

Figura 4 Wald test

Cum Probabilitate (F-statistic)<0.05 se poate accepta că modelul are o formă

funcțională liniară cu o probabilitate de 95%.

12
2. Erorile aleatoare au media 0: E(εi) = 0

3. Normalitatea distribuției erorilor aleatoare

H0: erorile aleatoare au o distribuție normal
H1: erorile aleatoare nu au o distribuție normal

Figura 5. Testul Jarque-Bera

13
 Valoarea testului Jarque-Bera este de 0,401155, cu o probabilitate asociată acestui test de
0,818258, ce se apropie foarte mult de 1 => se acceptă ipoteza nulă, conform căreia erorile au o
distribuție normală.

4. Homoscedasticitatea erorilor aleatoare

Testul Glejser

Figura 6. Testul Glejser

H0: β0 = β1 = 0 (există homoscedasticitate)

H1: β0 ≠ β1 ≠ 0 (există heteroscedasticitate)

Din output => probabilitățile parametrilor sunt mai mari de 5% (0,8887 și 0,8982) =>
acceptăm H0 => erorile aleatoare sunt homoscedastice.
14
Testul White

Figura 7. Testul White

H0: există homoscedasticitate
H1: există heteroscedasticitate

Conform rezultatelor din Eviews, rezultă că Prob(F-statistic) = 0,428717 și este mai

mare de 5%, deci probabilitatea de a greși în respingerea ipotezei nule este mare =>
acceptăm H0 => erorile aleatoare sunt homoscedastice.

15
 5. Erorile aleatoare nu sunt corelate

Figura 8. Scatter Plot – Metoda Grafică

Testul Durbin-Watson

H0: ρ = 0 (nu există autocorelarea erorilor aleatoare de ordinal I)

H1: ρ ≠ 0 (există autocorelarea erorilor aleatoare de ordinal II)

16
 Valoarea indicatorului obținută cu ajutorul softului Eviews este DW = 0,6589
pentru modelul analizat. Valorile critice pentru DW sunt: d1 = 0,997 și d2 = 1,174.
Deoarece 0 < DW < d1 => avem autocorelare de ordinul I.
Aplicăm, în continuare, testul Breusch-Godfrey.

Testul Breusch-Godfrey

Figura 9. Testul Breusch-Godfrey

Conform acestui output, probabilitatea pentru RESID(-2) = 0,1818 și este mai mare de
0,05, ceea ce înseamnă că nu avem și autocorelare de ordinul II.

17
 În consecință, vom aplica metoda celor mai mici pătrate generalizată pentru corectarea
autocorelării de ordin I.

Figura 10. Estimările parametrilor după corectarea autocorelării

După corectarea autocorelării, au rămas 21 de observații din totalul de 22, iar noua
valoare a indicatorului Durbin-Watson este DW = 1,475740 și este cuprinsă în intervalul
valorilor critice (d2, 4-d2), deci nu mai avem autocorelare a erorilor aleatoare.

18
 Figura 11. Scatter Plot – după corectarea autocorelării

Previziuni pe baza modelului de regresie liniară simplă estimat

În această secțiune vom previziona PIB-ul pentru Franța în anul 2013, în condițiile unei ponderi
a populației urbane în populația totală de 87,332%.

Figura 12. Previziune PIB pentru 2013

19
 Utilizând programul Eviews, s-a previzionat că, în anul 2013, Produsul Intern Brut va
atinge pragul de 2616,102 miliarde US$.

3. Concluzii

În urma prelucrărilor efectuate asupra datelor, s-a obținut următorul model econometric:

PIB = -1462,982 + 0,080218 * POU

Cu ajutorul softului Eviews am estimat modelul de mai sus, obținând următoarele

concluzii finale:

- Raportul de determinare ne arată că populația urbană este un factor ce influențează

creșterea Produsului Intern Brut, în proporție de 40,50%.
- Cu o probabilitate de 95% şi pentru 19 grade de libertate, utilizând statistica t se poate
aprecia că ipoteza semnificaţiei de corelaţie se verifică şi între variabilele cercetate
există o legătură semnificativă, deci 𝑟𝑦/𝑥 este semnificativ statistic şi modelul de
analiză este corect specificat.
- Între valoarea Produsului Intern Brut și ponderea populației urbane în totalul
populației Franței înregistrate în anii 1991 – 2012, există o relație directă și
semnificativă. Se poate afirma că o creștere cu un punct procentual a populației
urbane conduce la o majorare cu 80,218 miliarde US$ a valorii Produsului Intern
Brut.

20
 APLICAȚIA 2:
Model de regresie multiplă

1.1. Literature review

Corelaţia dintre Produsul Intern Brut şi şomajul în România,începând din anul 1995.
”Este cunoscut faptul că, până la sfârșitul anilor ’80, în România termenul de “șomer” era
practic neutilizat, economia centralizată având ca obiectiv major ocuparea deplină. Începând cu
anul 1990 acest fenomen s-a manifestat și în țara noastra, ca urmare a dezechilibrului pe piața
muncii. Pentru o cât mai bună cunoaștere și reprezentare a fenomenelor macroeconomice,
articolul prezintă analiza relației dintre Produsul intern brut și șomaj, precum și infl uențele
existente. Concluziile arată faptul că începând cu anul 1995, a existat o legătură în dinamica lor,
întreruptă de efectele crizei economice mondiale manifestate și în țara noastră.
Prin articolul elaborat s-a avut ca bază de pornire Legea lui Okun, în sensul în care se
vrea a fi o analiză a legăturii dintre Produsul intern brut (PIB) și șomaj, utilizând surse de date
din România. În știința economică, Legea lui Okun se bazează pe o observație empirică a
legăturii dintre rata șomajului și ritmul de creștere al Produsului intern brut.
Rezultatele analizei datelor statistice au demonstrat că între șomaj și Produsul intern brut
din România, în anii 1995-2007 a fost o relație destul de puternică, atât într-un, sens cât și în
altul. Declanșarea crizei fi nanciare la nivel mondial a modifi cat și evoluția celor doi indicatori,
Determinarea funcției Revista Română de Statistică nr. 7 / 2013 89 de regresie a permis
estimarea valorilor ajustate în condiţiile în care ceilalţi factori de influenţă au rămas neschimbaţi.
Relația arată ce s-ar fi întâmplat în situaţia în care economia nu ar fi intrat în criză și cum aceasta
a perturbat dinamica șomajului și a Produsului Intern Brut.”

21
1.2. Metodologia cercetării

Pe baza cercetărilor efectuate în domeniu, am hotarât realizarea unui model în care să

includem cheltuielile publice pentru educație, ocuparea forței de muncă, ponderea populației
urbane, pentru a analiza infulența acestor factori asupra Produsului Intern Brut.
Forma acestuia este următoarea:

PIB = 𝛽0+ 𝛽1* CH + 𝛽2 * EMPL + 𝛽3 * POU

Unde:
PIB – produsul intern brut
CH – cheltuieli publice pentru educație
EMPL – ocuparea fortei de muncă
POU – ponderea populației urbane

Pentru a analiza corelațiile dintre variabilele selectate, am folosit date cu o frecvență

anuală, din anul 1991 și până în anul 2012, preluate de pe site-ul oficial al Bancii Mondiale.

Cu ajutorul softului Eviews, am estimat modelul, folosind metoda celor mai mici pătrate
și am testat validitatea modelului, gradul său de bonitate, precum și semnificația statistică a
parametrilor incluși în model. După validarea modelului, acesta a fost corectat astfel încât să
îndeplinească ipotezele modelului de regresie liniară multiplă.

22
2.1. Date analizate

Definirea variabilelor utilizate în model

Cheltuieli publice pentru educație:

Definiție: ”Ponderea cheltuielilor publice pentru educaţie în Produsul Intern Brut dintr-
un anumit an financiar.”
Periodicitate: Anuală.
Sursa de colectare: World Bank.
Transformări aduse datelor: CHGUV(1)=CHGUV(0)*1000

Ocuparea forței de muncă:

Definiție: ”Rata de activitate a populaţiei în vârstă de muncă (15-64 ani): ponderea

populaţiei active în vârstă de muncă (15-64 ani) în totalul populaţiei de aceiaşi vârstă, exprimată
procentual”
Periodicitate: Anuală.
Sursa de colectare: World Bank .
Transformări aduse datelor: RD(1)=RD(0)*1000

Produsul Intern Brut (PIB)

Conform lui Ryan Barnes, ”Produsul Intern Brut (PIB) este predecesorul tuturor
indicatorilor macroeconomici. Ca o măsură agregată a producției economice totale dintr-o țară,
PIB reprezintă valoarea pe piață a tuturor bunurilor și serviciilor produse de economie, în
perioada măsurată, inclusiv consumul personal, cheltuielile guvernamentale, investițiile private și
exporturile nete (exporturile se adaugă, importurile se scad).”
Datele analizate au fost exprimate în prețuri comparabile, deflaționate prin indicii
prețurilor, raportate la prețurile anului 2005.

23
 Periodicitatea: anuală
Sursa de colectare a datelor: World Bank
Alte transformări asupra datelor: Datele sunt exprimate în miliarde US$
PIB(1) = PIB(0) / 1,000,000,000

Populația urbană (% din populația totală)

”Populația urbană se referă la volumul de oameni care trăiesc în ceea ce birourile

naționale de statistică defines ca și arii urbane. Acest indicator este calculat cu ajutorul
indicatorilor de populație totală de pe site-ul oficial World Bank și al ratelor urbane de la
U.N.W.U.P. (United Nations World Urbanization Prospects).”
Valorile indicatorului au fost exprimate în procente, ca ponderi din totalul populației.
Periodicitatea: anuală
Sursa de colectare a datelor: World Bank
Transformări aduse datelor: POU(1) = POU(0) * 1,000

PIB
3000
2500
2000
1500
PIB
1000
500
0

Figura 13. Evoluția PIB în perioada 1991-2012

24
 Conform graficului putem observa din anul 1991 până în anul 2002 o stagnare a valorii
PIB-ului. Din anul 2002 acesta întâmpină o creștere lentă până în jumătatea anului 2008 când are
loc o scădere ușoară a valorii sale.

Populația Urbană
88000
86000
84000
82000
80000
78000
76000 POU
74000
72000
70000
68000

Figura 14. Evoluția ponderii populației urbane în totalul populației în perioada 1991-2012

Conform graficului putem observa o creștere continuă pe întreaga perioadă studiată populației
urbane.

Gradul de ocupare a forței de muncă

9300
9200
9100
9000
8900
8800
EMPL
8700
8600
8500
8400

Figura 15. Evoluția gradului de ocupare a forței de muncă în perioada 1991-2012

25
Conform graficului gradul de ocupare al forței de muncă scade constant din anul 1991 până în
anul 1993. Din anul 1999 până în anul 2001 acesta întâmpină o creștere continuă. Din 2009 până
în anul 2012 gradul de ocupare se diminuează.

Cheltuieli Guvernamentale
7000
6000
5000
4000
3000 ch
2000
1000
0

Figura 16. Evoluția cheltuielilor guvernamentale în perioada 1991-2012

Conform graficului cheltuielile guvernamentale sunt relativ costante pe toată perioada studiată.

2.2. Rezultatele empirice ale cercetării

Mai întâi vom analiza intensitatea și sensul legăturii dintre variabila dependentă și fiecare
dintre cele trei variabile exogene. Pentru aceasta vom calcula coeficientul de corelație liniară
Pearson.
Pe baza rezultatelor obținute, pe care le putem consulta în secțiunea ANEXE, putem
formula următoarele concluzii:
Între valoarea Produsului Intern Brut și ponderea populației urbane în totalul populației
Franței înregistrate în anii 1991 – 2012, există o relație directă și semnificativă. Se poate afirma

26
că o creștere cu un punct procentual a populației urbane conduce la o majorare cu 83,77 miliarde
US$ a valorii Produsului Intern Brut.
Legătura dintre PIB și cheltuielile cu educația este, de asemenea, în sens direct, cu
intensitate medie, coeficientul de corelație având valoarea 0.298531405.
Nu în ultimul rând, între Produsul Intern Brut și gradul de ocupare al forței de muncă
există o legătură directă și puternică, coeficientul de corelație având valoarea 0.545483272.
Se poate afirmă că putem include în model toate cele trei variabile, întrucât fiecare
impactează într-o anumită măsură variația Produsului Intern Brut.
Vom continua cu estimarea parametrilor modelului, pentru aceasta realizând ecuația
modelului multifactorial folosind pachetul de programe EViews, prin aplicarea M.C.M.M.P.,
care a condus la obţinerea următoarelor rezultate:

Figura 17. Regresie multifactorială între PIB, POU, EMPL și CH

Ecuația modelului este următoarea:

PIB = β1* POU + β2 * EMPL + β3 * CH + β0

PIB = 0,1004 * POU – 0,4256* EMPL – 0,2189 * CH - 945,3954
̂ are valoarea 0,1004, ceea ce arată că la o creștere cu
Coeficientul de regresie parţial, β1
un procent a ponderii populației urbane în populația totală, PIB-ul crește, în medie, cu 0,1004
procente, ceilalţi factori incluși în model rămânând constanţi.

27
 ̂ ==-0,4256, arată că, menţinând celelalte variabile constante, atunci când gradul de
β2
ocupare al forței de muncă creşte cu un procent, PIB-ul crește, în medie, cu 0,4256 procente.
̂ ilustrează că la o creștere cu un procent a cheltuielilor
Coeficientul de regresie parţial, β3
publice pentru educație, PIB-ul crește în medie cu 0,2189 procente.
Există, așadar, o dependență directă între variabilele exogene și variabila endogenă.
Coeficientul de determinație (R-squared = 0,781298) arată că 78,12% din variația
variabilei dependente este explicată de variația simultană a populației urbane, a gradului de
ocupare al forței de muncă și a cheltuielilor publice pentru educație, adică o legătură puternică
între variabila endogenă și cele trei variabile exogene, lucru confirmat și de coeficientul de
determinație ajustat (Adjusted R-squared = 0,754088), care ia în considerare și numărul de
observații și numărul de variabile exogene.

Verificarea semnificației parametrilor:

H0: β0=0
β1=0 (parametrii nu sunt semnificativi statistic, modelul nu este valid)
β2=0
β3=0

H1: βi≠0 , i=0,1,2,3 (parametrii sunt semnificativi statistic, modelul este valid)

Deoarece |tcalc |> ttab (1.72) doar pentru parametrul indicatorului POU => parametrii nu
sunt semnificativi. În primă fază s-a încercat modelarea prin eliminarea outlier-ilor, însă s-a
dovedit că pentru a ajunge la parametri semnificativi este necesară indicatorului cheltuieli
publice privind educația. În plus, s-au eliminat și 5 outlieri.

28
 Figura 18. Regresie multifactorială între PIB, POU și EMPL

Întrucât parametrii sunt semnificativi, se poate trece la testarea validității modelului.

PIB = β1* POU + β2 * EMPL + β0
PIB = 0,052509* POU + 0,873831* EMPL – 9984,325

Testarea validității modelului:

Pentru testarea validității modelului de regresie, ipotezele sunt:

H0: modelul nu este valid statistic (MSR=MSE)
H1: modelul este valid statistic (MSR>MSE)

Ipoteza nulă este respinsă ca urmare a testului F (F-statistic = 84,86588 >> Fcritic),
modelul fiind valid pentru un prag de semnificație mai mic de 5% (Prob(F-statistic)=0,0000).

29
Verificarea îndeplinirii ipotezelor modelului de regresie liniară multiplă

1. Normalitatea distribuției erorilor aleatoare și media acestora

Pentru testarea ipotezei de normalitate a erorilor aleatoare se va folosi testul Jarque-Bera,

cu ipotezele:

H0: erorile aleatoare au distribuție normală

H1: erorile aleatoare nu au distribuția normală.

Figura 19. Testul Jarque-Bera

Probabilitatea acestui test este de 0,963011 și tinde spre 1 => acceptăm ipoteza nulă =>
erorile aleatoare au o distribuție normală.

30
 Conform acestui output, media erorilor aleatoare este -3,62e-14, valoarea fiind foarte
apropiată de 0.

2. Homoscedasticitatea erorilor aleatoare

Testul Park

Figura 20. Testul Park

Testul Glejser

Figura 21. Testul Glejser

31
 Aplicând testul Glejser cu următoarele ipoteze:
H0: β1= β2= β3=0 (există homoscedasticitate)
H1: β1≠ β2≠ β3≠0 (există heteroscedasticitate).
Din rezultatele testului reiese că avem coeficienții parametrilor-pantă nesemnificativi
statistic, probabilitatea acestora fiind mai mare de 5% (0,2217, respectiv 0,1982), deci acceptăm
H0, erorile aleatoare fiind homoscedastice.

Testul White

Figura 22. Testul White

Acest test se bazează pe regresia pătratelor reziduurilor în raport cu toate variabilele

exogene, cu pătratele acestora și cu produsele lor încrucișate (implementarea lui în EViews).

32
 Testul se aplică pentru următoarele ipoteze:
H0: există homoscedasticitate
H1: există heteroscedasticitate.

Obținem că Prob. F pentru statisticile calculate este mai mare de 5%, respectiv 0,733614,
astfel există o probabilitate foarte mare de a greși în respingerea lui H0, deci acceptăm H0,
conform căreia erorile aleatoare sunt homoscedasticitate.

3. Necoliniaritatea variabilelor explicative

Matricea coeficienților de corelație

Figura 23. Matricea coeficienților de corelație

Din matricea coeficienților de corelație reiese că |rempl, pou|= 0,002380 < 0,85, adică există o
legătură inversă nesemnificativă între cele două variabile exogene.
Conform matricei de corelații liniare a variabilelor explicative, putem concluziona că ipoteza de
necoliniaritate a variabilelor explicative este îndeplinită.

33
Coeficienții de determinație
Comparăm coeficientul de determinație al modelului complet cu coeficienții de
determinație din modelul din care a fost eliminată, pe rând, una din variabilele independente.

Figura 24. Regresie multifactorială între PIB, POU și EMPL

Figura 25. Regresie unifactorială între PIB și EMPL

34
R2pib = 0,9238 > R2empl,pou =0,6492
Rezultatele obținute reflectă faptul că regresorii nu indică multicoliniaritate.

4. Neautocorelarea erorilor aleatoare

Metoda grafică

Figura 26. Scatter Plot - reziduuri

Testul Durbin-Watson

Folosind statistica Durbin-Watson cu ipotezele:

H0: ρ =0 (nu există autocorelarea erorilor aleatoare de ordinul I)
H1: ρ ≠0 (există autocorelarea erorilor aleatoare de ordinul I)

Se obține DW = 1,053803

35
 Valorile critice ale statisticii DW sunt d1=1,015 și d2=1,506. 1
Având în vedere că DW calculat se află în intervalul (d1, d2), rezultă indecizie și se
recomandă autocorelarea pozitivă a erorilor.
Pentru a analiza autocorelarea de grad superior apelăm la testul Breusch-Godfrey.

Figura 27. Testul Breusch-Godfrey

Pentru detectarea erorilor aleatoare de ordin superior, folosim testul Breusch-Godfrey, cu

ipotezele:
H0: nu există autocorelarea erorilor aleatoare
H1: există autocorelarea erorilor aleatoare.

Probabilitatea pentru RESID(-2) > 0.05 și probabilitatea pentru RESID(-1) < 0.05 =>
autocorelare de ordinul I.
Corectarea autocorelării se realizează prin MCMMP.

36
 Figura 28. Regresie multifactorială după corectarea autocorelării

Figura 29. Testul Breusch-Godfrey după corectarea autocorelării

În urma reluării testelor, modelul a îndeplinit toate ipotezele necesare validității.

37
Previziuni pe baza modelului de regresie liniară multiplă estimat

Figura 30. Forecast – previziune PIB

Folosind softul Eviews, obținem că în condițiile specificate, PIB-ul va avea în anul imediat
următor o valoare de 2504,314 miliarde US$.

3. Concluzii

În urma prelucrărilor efectuate asupra datelor s-a obținut un model econometric de

regresie liniară cu o bonitate ridicată, care reușește să surprindă modul în care populația urbană și
gradul de ocupare al forței de muncă influențează Produsul Intern Brut.
Modelul multifactorial rezultat în urma estimării și corectării pentru a îndeplini ipotezele
unui model clasic de regresie este:
PIB_STELAT = 0,033 * POU_STELAT + 1,2873 * EMPL_STELAT - 6380,663
Coeficientul de regresie parţial al populației urbane are valoarea 0,033, ceea ce arată că la
o creștere cu un procent a ponderii populației urbane în total populație, PIB-ul crește, în medie,
cu 0,033 procente, ceilalţi factori incluși în model rămânând constanţi.
Al doilea coeficient de regresie parţial ilustrează că la o creștere cu un procent a gradului
de ocupare a forței de muncă, PIB-ul crește, în medie, cu 1,2873 procente, așadar această
variabilă exogenă are un impact mare asupra variabilei endogene.

38
 APLICAȚIA 3:
Model cu ecuații simultane

1.1. Literature review

Efecte Ale Cheltuielilor Bugetare Asupra Creşterii Economice

”În lucrarea de faţă ne propunem fundamentarea teoretică şi testarea empirică a efectelor

politicii bugetare a statului, prin cheltuielilor bugetare, în stimularea sau frânarea procesului de
creştere economică.
Creşterea economică implică îmbunătăţirea indicatorilor de calitate a vieţii prin o mai
eficientă utilizare a resurselor economice şi poate fi comensurată prin creşterea PIB pe locuitor
sau creşterea reală a PIB.
Majoritatea studiilor empirice privind impactul politicii fiscale asupra creşterii economice
explică evoluţia PIB per capita sau a ratei de creştere a PIB în funcţie de un set de factori
exogeni, în cadrul unei regresii; prin estimarea coeficienţilor variabilelor exogene se identifică
sensul şi intensitatea influenţei acestora asupra procesului de creştere economică.
Relaţia dintre creştere economică şi ansamblul cheltuielilor bugetare poate fi surprinsă
printr-o ecuaţie de regresie între PIB real/locuitor, respectiv rata de creştere reală a PIB şi
ponderea în PIB a cheltuielilor bugetare.
În perioada 1990-2011, în România, relaţia dintre creştere economică şi ansamblul
cheltuielilor bugetare surprinsă prin ecuaţia de regresie, în care variaţia variabilei dependente
este explicată prin variabila independentă în proporţie de 65% reflectă corelaţia negativă dintre
acestea: creşterea cu un punct procentual a ponderii cheltuielilor bugetare în PIB generează
scăderea cu 1,58 puncte procentuale a ratei de creştere reală a PIB.
Estimarea efectelor cheltuielilor bugetare asupra creşterii economice nu surprinde însă toate
aspectele problemei, deoarece nu se pot izola consecinţele generate de politica bugetară faţă de
modalitatea de finanţare a acestor cheltuieli – prin impozite sau prin acoperirea deficitului prin
emisiune de datorie publică.”

39
 1.2. Metodologia cercetării

Forma structurală a unui model cu ecuaţii simultane este forma iniţială a modelului
rezultată în urma etapei de specificare şi reprezintă structura (elemente şi conexiuni) procesului
descris. Specificarea unui model econometric reprezintă alegerea variabilelor endogene,
stabilirea numărului de ecuaţii în forma structurală, alegerea numărului de variabile factoriale
considerate determinante pentru evoluţia fiecăreia dintre variabilele endogene, stabilirea fiecărei
ecuaţii de regresie, definirea relaţiilor de identitate dacă acestea există.
Pentru definirea modelului IS-LM se consideră variabilele R = rata dobânzii, M = masa
monetară, Y = Produsul Intern Brut şi G = Cheltuielile Guvernamentale. Ecuaţiile modelului:
Rt = a + bMt-1 + cYt + dMt-2 + εt
Yt = e + fRt + gGt + ut

Pentru estimarea parametrilor modelului cu ecuaţii simultane am folosit softul statistic

EViews şi am parcurs urmatoarele etape:
Etapa I: Introducerea datelor in Eviews
Introducerea seriilor de date în EViews folosind date anuale, din perioada 1998- 2012,
pentru Produsul intern brut, Rata dobânzii, Masa Monetară şi Cheltuieli Guvernamentale.
Etapa II: Identificarea variabilelor endogene/exogene
Identificarea ecuaţiilor MES (Metoda ecuațiilor simultane) luând în considerare
elementele de mai jos:
- Variabilele predeterminate din model : Mt, Mt-1, Gt
- Variabilele endogene din model :Rt, Yt=>m=2, (m-1)=1
Cum k* (nr. de variabile endogene și predeterminate care lipsesc din ecuație) = 1,
obținem că avem k* = (m-1) => modelul este exact identificat, deci putem folosi pentru estimare
atât metoda regresiei indirecte, cât și metoda celor mai mici pătrate în două faze.
Etapa III: Estimarea parametrilor pentru fiecare ecuaţie
Pentru fiecare regresie am estimat parametrii utilizând metoda celor mai mici patrate.
Etapa IV: Estimare prin metoda TSLS simultan pentru ambele ecuaţii
Se estimează parametrii sistemului cu ecuaţii simultane, prin opţiunea Estimation şi metoda de
estimare TSLS, simultan pentru cele două ecuaţii.

40
2.1. Date utilizate

Produsul Intern Brut (PIB)

Conform lui Ryan Barnes, ”Produsul Intern Brut (PIB) este predecesorul tuturor
indicatorilor macroeconomici. Ca o măsură agregată a producției economice totale dintr-o țară,
PIB reprezintă valoarea pe piață a tuturor bunurilor și serviciilor produse de economie, în
perioada măsurată, inclusiv consumul personal, cheltuielile guvernamentale, investițiile private și
exporturile nete (exporturile se adaugă, importurile se scad).”
Datele analizate au fost exprimate în prețuri comparabile, deflaționate prin indicii
prețurilor, raportate la prețurile anului 2005.
Periodicitatea: anuală
Sursa de colectare a datelor: World Bank
Alte transformări asupra datelor: Datele sunt exprimate în miliarde RON
PIB(1) = PIB(0) / 1,000,000,000

Rata dobânzii (RD)

Rata dobânzii Cota procentuală ce se aplică de către bănci la creditele acordate și se încasează de
către acestea la datele convenite prin contractele de credit sau la disponibilitățile care sunt
păstrate în conturi bancare.

Periodicitate: anuală.
Sursa de colectare: Comunicate de presă
Transformări asupra datelor: RD(1) = RD(0) * 1000

41
Masa monetară (MM)

Masa monetară reprezintă un indicator care desemnează totalitatea mijloacelor bănești existente în
economia unei țări la un moment dat, sau ca medie pe o anumită perioadă;

Periodicitate: anuală.
Sursa de colectare: Econometrie – Gheorghe Săvoiu, Editura Universitară 2011
Transformări asupra datelor: MM(1) = MM(0) / 1,000,000,000

Cheltuieli guvernamentale (CH)

Cheltuieli guvernamentale ,,Resursele financiare, la nivel naţional, cuprind ansamblul resurselor

financiare ale autorităţilor şi instituţiilor publice, resursele întreprinderilor publice şi private, resursele
organismelor fără scop lucrativ, precum şi resursele populaţiei. Volumul resurselor financiare ale unei
societăţi depind de mărimea produsului intern brut, precum şi de posibilitatea apelării la resurse financiare
externe (împrumuturi, ajutoare, donaţii)”

Periodicitate: anuală.
Sursa de colectare: Văcărel, Finanţe publice, Ed. didactică şi pedagogică, Bucureşti,
2001, pag. 374
Transformări asupra datelor: CH(1) = CH(0) / 1,000,000,000

42
 Evoluția economică a variabilelor incluse în model

În continuare se va analiza fiecare variabilă inclusă în model, pentru a evidenția evoluția

sa economică, de-a lungul celor 14 de ani, pentru care s-au selectat datele.

PIB
450
400
350
300
250
200 PIB
150
100
50
0

Figura 31. Graficul evoluției economice a PIB-ului

Analizând evoluția PIB-ului, în perioada observată, observăm ca a avut o creștere până în

anul 2008 apoi a suferit o ușoară scădere până în anul 2012.

RATA DOBÂNZII
14000
12000
10000
8000
6000 RD
4000
2000
0
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012

Figura 32. Evoluția Ratei Dobânzii

43
 Se poate observa că până la jumătatea anului 1999, rata dobânzii a avut o tendință
accentuată de creștere. Din 2005 și până în 2008 aceasta a suferit o scădere dramatică din cauza
crizei economice, iar în 2009 a crescut brusc atingându-și maximul.

MASA MONETARĂ
200

150

100
masa mon
50

Figura 33. Evoluția masei monetare.

Începând cu anul 1998 și până în anul 2012, masa monetară a României a avut un trend de
creștere.

CHELTUIELI GUVERNAMENTALE
40
30
Axis Title

20
ch guv
10
0
2001
1998
1999
2000

2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012

Figura 34. Evoluția Cheltuielilor Guvernamentale

La nivelul cheltuielilor guvernamentale se poate observa o creștere până în anul 2009,

urmând o scădere ușoară până în anul 2011.

44
2.2. Rezultatele empirice ale cercetării

Figura 35. Regresie multifactorială între RD, MM, PIB și MM(-1)

RD= 19319.42+ 130.1094MM- 103.2016PIB+ 52.33864MM(-1)

Aplicând MCMMP, obținem un model valid pentru rata dobânzii, probabilitatea asociată
lui F calculat fiind 0,022855, mai mică decât pragul de 5%. Se observă că doar doi din cei patru
parametri sunt semnificativi diferiți de 0 și anume coeficientul PIB-ului și coeficientul de
interceptare.
Valoarea coeficientului de determinație (R-squared = 0,636324) arată că aproximativ
63,63% din variația variabilei endogene este explicată de variația simultană a masei monetare și
a PIB-ului din perioada curentă și a masei monetare decalată cu o perioadă în urmă, adică o
legătură medie între variabilia dependent și variabilele independente, lucru confirmat și de

45
valoarea coeficientului de determinație ajustat (Adjusted R-squared = 0,515099), care ia în
considerare și numărul de observații și numărul de variabile exogene.

Figura 36. Regresie multifactorială între PIB, RD și CHGUV

PIB = -795,5286 + 0,048459 * RD + 34,57735 * CH

Și pentru acest model se poate confirma validitatea, pe baza probabilității Prob(F-

statistic) = 0,000001, mult mai mica decât pragul de 5%. De această data, toți parametrii incluși
în model sunt semnificativi din punct de vedere statistic, având probabilități inferioare pragului
de 5%.
Valoarea coeficientului de determinație (R-squared = 0,942195) este foarte ridicată, ceea
ce înseamnă că 94,21% din variația PIB-ului este explicate de variația simultană a ratei dobânzii
și a cheltuielilor guvernamentale.

46
 Figura 37. Estimarea sistemului cu ecuații simultane

Varianta modificată: pentru MM(-1) și MM(-2)

Figura 38. Regresie multifactorială între PIB, RD și CHGUV

47
 Figura 39. Regresie multifactorială între RD, MM(-1), PIB și MM(-2)

Figura 40. Regresie multifactorială între PIB, RDHAT și CHGUV

PIB = -43,77095 + 0,003594 * RDHAT + 14,51213* CHGUV

48
 Conform output-ului de mai sus, validitatea acestui model se verifică, având o
probabilitate Prob(F-statistic) = 0,002262, mai mică decât pragul de 5%. Singurul parametru
semnificativ din acest model este CHGUV, cu o probabilitate egală cu 0,0212, inferioară
pragului de 5%.
Valoarea coeficientului de determinație (R-squared = 0,741700) este foarte ridicată, ceea
ce înseamnă că 74,17% din variația PIB-ului este explicată de variația cheltuielilor
guvernamentale.

Figura 41. Regresie multifactorială între RD, MM(-1), PIBHAT și MM(-2)

RD= 15037,47- 51,24464 MM(-1) – 29,62242 PIBHAT + 62,15925 MM(-2)

Aplicând MCMMP, obținem un model nevalid pentru rata dobânzii, probabilitatea

asociată lui F calculat fiind 2,497136, mai mare decât pragul de 5%. Se observă că doar un
singur parametru este semnificativ diferit de 0 și anume coeficientul de interceptare.

49
Figura 42. Estimarea sistemului cu ecuații simultane

Figura 43. Estimarea sistemului cu ecuații simultane

50
 Potrivit figurii 42, Prob(F-statistic) = 0,125916 > 0,05, ceea ce ne indică un model
nevalid din punct de vedere statistic. Parametrii utilizați în ecuație sunt nesemnificativi, având
probabilități ce depășesc pragul de 5%.
Din figura 43, deducem că modelul este valid, în urma estimării sistemului de parametri
prin ecuații simultane, probabilitatea care confirmă acestu lucru fiind Prob(F-Statistic) =
0,026419 < 0,05. Coeficientul de determinație R-squared = 0,676197 ne arată că aproximativ
67,61% din variația ratei dobânzii se datorează Produsului Intern Brut (parametru semnificativ
din punct de vedere statistic, cu o valoare de 0,0413 < 0,05).

3.Concluzii

În urma prelucrărilor efectuate asupra datelor preluate pentru România pe 14 de ani

pentru estimarea modelului IS-LM, putem concluziona că pentru o estimare corectă a legăturii
dintre PIB și Rata dobânzii, se impune rezolvarea sistemului de ecuații simultane, fiindcă cele
două variabile se află într-o relație de simultaneitate la nivel macroeconomic. Modelele inviduale
au o bonitate ridicată și surprind foarte mult din variația variabilei endogene, PIB.
În cazul în care folosim metoda celor mai mici pătrate în două faze, rezultatele obținute
confirmă postulatele teoriei macroeconomice keynesiene, și arată că la nivelul României, în
perioada analizată, 67,61% din variația ratei dobânzii este explicată de variația Produsului Intern
Brut. Modelul obținut prin această metodă are o bonitate ridicată (R-squared = 0,6761) și
aproximează bine datele de observație.
Observație: Conform teoriei keynesiene, o rată a dobânzii mică determină o creștere a
PIB-ului în anul curent. O valoare a PIB-ului ridicată va determina o creștere a ratei dobânzii în
următorul an.

51
 Concluzii finale

În urma utilizării tehnicilor de regresie puse la dispoziţie de către programul econometric

Eviews, au fost specificate şi estimate trei modele distincte de regresie, primele două fiind
folosite pentru prognoză.
Astfel, în urma realizării unei regresii liniare simple între PIB și ponderea populației
urbană s-a observat o creștere a PIB-ului în proporție de 40,50%. Cu o probabilitate de 95% şi
pentru 19 grade de libertate, utilizând statistica t se poate aprecia că ipoteza semnificaţiei de
corelaţie se verifică şi între variabilele cercetate există o legătură semnificativă, deci 𝑟𝑦/𝑥 este
semnificativ statistic şi modelul de analiză este corect specificat.
Între valoarea Produsului Intern Brut și ponderea populației urbane în totalul populației
Franței există o relație directă si semnificativă, iar la o modificare cu un procent a populației
urbane, PIB-ul se mărește cu 80,218 miliarde US$.
În cea de-a doua aplicație inclusă în proiect am reușit să obținem un model econometric
de regresie liniară cu un grad înalt de bonitate, reușește să surprindă modul în care populația
urbană și gradul de ocupare al forței de muncă influențează Produsul Intern Brut.
Coeficientul de regresie parțial al populației, rezultat din calculele celei de-a doua
aplicații, are o valoare de 0,033. Aceasta ne arată că la o creștere cu un procent a ponderii
populației urbane în total populație, PIB-ul va crește în medie cu 0,033 procente, iar ceilalți
factori vor rămâne constanți. Al doilea coeficient de regresie arată că la o modificare cu un
procent al forței de muncă, PIB-ul va crește cu 1,2873, ceea ce ne arată că variabila exogenă are
un impact mare asupra variabilei endogene.
Ultima aplicație din cadrul proiectului și-a propus să analizeze modelul IS-LM, având ca
țară de observație România, pe o perioadă de 14 ani.
S-a dovedit că pentru o estimare corectă a legăturii dintre PIB și Rata dobânzii, se impune
rezolvarea sistemului de ecuații simultane, pentru că cele două variabile se află într-o relație de
simultaneitate la nivel macroeconomic.
În cazul în care folosim metoda celor mai mici pătrate în două faze, rezultatele obținute
confirmă postulatele teoriei macroeconomice keynesiene și arată că la nivelul României, în
perioada analizată, 67,61% din variația ratei dobânzii este explicată de variația Produsului Intern

52
Brut. Modelul obținut prin această metodă are o bonitate ridicată (R-squared = 0,6761) și
aproximează bine datele de observație.
În concluzie, tehnicile de regresie puse la dispoziție de către Eviews își dovedesc
utilitatea în cadrul analizelor economice, fapt ilustrat de fiecare dintre cele trei aplicații cuprinse
în cadrul acestui proiect.

53
 BIBLIOGRAFIE

1. http://www.investopedia.com/university/releases/gdp.asp

2. http://data.worldbank.org/indicator/SP.URB.TOTL.IN.ZS

3. http://www.nber.org/papers/w7503.pdf?new_window=1 : Vernon Hernderson, The

Effects of Urban Concentration on Economic Growth - working paper 7503, ianuarie
2000, 1050 Massachusetts Avenue Cambridge, pag 2,3,27,28

4. http://www.revcib.ase.ro/2007/Brasoveanu.pdf

5. Econometrie – Gheorghe Săvoiu, Editura Universitara 2011.

6. http://www.comunicatedepresa.ro/rata-dobanzii/definitie/

7. Văcărel, Finanţe publice, Ed. didactică şi pedagogică, Bucureşti, 2001, pag. 374

54