INTRODUCERE : Ce este econometria ?

1. Scurt istoric privind apariţia

econometriei

2. Definiţia econometriei

1
3. Noţiuni şi concepte fundamentale ale
econometriei

2
modelul econometric

Sursa de date

Teste statistice

4. Introducerea unui
model economic în
modelul
econometric
3
4
 5. Locul şi rolul econometriei în sistemul
ştiinţelor economice

Referitor la legăturile econometriei cu disciplinele economice trebuie subliniată

corespondenţa dintre modelarea econometrică şi previziune. Previziunea macro sau
microeconomică reprezintă un domeniu care utilizează în mare măsură rezultatele
predicţiei econometrice

Modelarea econometrică Legătura Previziunea economică

Elaborarea modelului
Previziunea oferă :
▪ elementele elaborări modelului
▪ defineşte variabilele endogene (rezultative)
 ▪ defineşte variabilele exogene
corespunzătoarea obiectivele urmărite în funcţie
de existenţa datelor statistice

Experimentarea Previziunea economică, pe baza noilor

modelului econometric informaţii primite îşi va crea o perspectivă în
pentru a obţine variante legătură cu ceea ce s-ar putea întâmpla în viitor,
economice în scopul :  fie şi în linii mari, în raport cu diferite variante
▪ oferirii de informaţii cu ale politicii economice care ar putea fi aplicate
privire la comportamentul
variabilelor endogene în
diverse alternative de
acţionare a pârghiilor
economice
▪ oferă toate aceste noi
informaţii previziunii
economice.

TIPURI DE MODELE ECONOMETRICE

UTILIZATE ÎN ECONOMIE

1. Descrierea econometrică a interdependenţelor

dintre
fenomene
le
 economic
e

5
Fig.1 Schema de modelare a unui sistem

- modele deterministe,
- modele econometrice (aleatoare).

Y = f(X) + U

6
 Spre deosebire de modelul determinist se introduce în
descrierea fenomenului economic studiat şi o variabilă aleatoare (U)
deoarece :

2. Principalele tipuri de modele econometrice utilizate în

economie

Tipologia modelelor econometrice este foarte variată, ele se pot,

totuşi, încadra în câteva tipuri şi clase :
▪ Modele unifactoriale şi modele multifactoriale,
▪ Modele liniare şi modele neliniare,
▪ Modele parţiale şi modele agregate
▪ Modele statice şi modele dinamice,
▪ Modele cu o singură ecuaţie şi modele cu ecuaţii multiple,
▪ Modele euristice şi modele operaţionale

a) Modele unifactoriale şi modele multifactoriale

7
 b) Modele liniare şi modele neliniare

c) Modele parţiale şi modele agregate

d) Modele statice şi modele dinamice

Un model econometric dinamic este acela în care

variabila factorială x exercită influenţa asupra variabilei y
pe mai multe perioade de timp :
yt = f(xt,…,xt-1,…,xt-k ) + ut ; t=1,n j=1,k
k<1

unde > k = lungimea perioadei de decalaj (LAG).

Exemplu :

e) Modele cu o singură ecuaţie şi modele cu ecuaţii multiple,

8
 f) Modele euristice şi modele operaţionale

MODELUL ECONOMETRIC UNIFACTORIAL

1. Definirea modelului unifactorial

y = f(x) + u
unde :
y = (y1, y2,…,yn) - variabilă endogenă sau rezultativă;
x = (x1, x2,…,xn) – variabilă exogenă sau

factorială sau

cauzală; 9
 u = (u1, u2,…,un) – variabila reziduală, aleatoare sau eroare.

Modelul de mai sus reprezintă o ipoteză construită

pe baza teoriei economice.
.
2. Identificarea modelului unifactorial

¨ Funcţia liniară

y = a+ bx+u

¨ Funcţia semilogaritmică

y = a+b log x + u

Funcţia putere

10
 y =a xb + u
Funcţia inversă (hiperbolă)

b
y = a + x + u

¨ Funcţia parabolă

2
Y = a + bx + cx + u

11
Funcţia logistică

c
y  1 ea bx  u
sau
c
y  1 ea b log x  u
3. Modelul econometric

unifactorial

liniar yt = a

+bxt + ut
12
3.1 Determinarea parametrilor prin - Metoda Celor Mai
Mici Pătrate –
M.C.M.M.P.

Utilizarea acestei metode porneşte de la relaţiile :

13
 Condiţia de minim a funcţiei rezultă din :

de unde rezultă sistemul de ecuaţii :

ì naˆ ˆ x = y
å
ï +b

í å t
ˆ
å
t2 t t
x +b x y
î å t å t

ï aˆ = x
Acest sistem se mai numeşte şi sistem de ecuaţii normale,
care are următoarele proprietăţi :

3.2 Verificarea modelului econometric

Acceptarea econometrică a modelului teoretic ca model, ca

aproximaţie statistică echivalentă cu modelul real studiat, presupune :
- verificarea ipotezelor pe care se fundamentează estimarea
parametrilor modelului econometric;
- verificarea semnificaţiei estimatorilor parametrilor modelului
econometric;

14
 - verificarea similitudinii modelului econometric .

3.2.1Verificarea ipotezelor pe care se

fundamentează estimarea parametrilor unui model
econometric .

Contrar homoscedasticităţii este heteroscedastitatea care

înseamnă că erorile nu au dispersiile egale ci diferite : M (u1 )2 ¹ (Mu2 )2
2
¹ ... ¹ (Mun ) ¹  u .
Depistarea heterodascebilităţii se poate realiza prin mai multe
procedeele :
a) Procedeul grafic
15
 Procedeul grafic constă în construirea graficului
privind valorile variabilei factoriale x şi ale variabilei
reziduale u . Dacă, pe măsura creşterii (scăderii) valorilor
variabilei factoriale x, se observă o creştere (scădere) a
valorii variabilei reziduale u, înseamnă că cele două
variabile x şi u sunt corelate şi nu independente.

Fig.1 Corelare pozitiva Fig.2

Corelare negativa
b)Procedeul dispersiilor variabile

16
 I3 Valorile variabilei reziduale u sunt
necorelate, respectiv nu există fenomenul de autocorelare
a erorilor.
Cov(ut, uk) = M(ut, uk) = 0
( )t, k  1, n,t k

¨ Depistarea autocorelării valorilor variabilei u t se poate

face prin mai multe procedee :

17
 Această valoare empirică „d”, se compară cu două valori teoretice,
d1 şi d2, preluate din tabelul distribuţiei Durbin-Watson, în funcţie de
pragul de
α, de numărul de variabile exogene k şi de
semnificaţie stabilit
numărul n al valorilor observate (n ³ 15 ).

I4 Legea de probabilitate a variabilei

reziduale ut este legea normală, de medie nulă şi abatere

medie pătratică  u , ut →N(0,

s u ).

Se ştie că dacă erorile urmează o lege normală de medie zero şi

abatere medie pătratică suˆ consecinţă a ipotezelor I , I
1 2 şi I3, atunci are loc
relaţia :
P( uˆ
t     1-α
t s ) 
uˆ

Pe baza acestei relaţii, în funcţie de diferite praguri de semnificaţie α

din tabela distribuţiei normale sau a distribuţiei Student se vor prelua
valorile

corespunzătoare lui tα .
18
 3.2.2 Verificarea semnificaţiei estimatorilor
parametrilo
r modelului
econometri
c

Dacă cele patru ipoteze pot fi acceptate, şi deci , estimatorii

obţinuţi sunt nedeplasaţi, convergenţi şi eficienţi. Cei doi estimatori
obţinuţi aˆ şi bˆ sunt variabile aleatoare repartizate normal, unde :

æ 2 ö
s = 2ç 1 x ÷
aˆ su ç + 2 ÷ = abaterea medie pătratică a estimatorului aˆ
(x
èn å t - x) ø

2
s
ˆ = su
b
(x
ˆ å t -x )2 = abaterea medie pătratică a estimatorului
b

1 å ( yt - y t )2
= n - 2 å (uˆt ) =
2
su2 n- 2 = dispersia variabilei reziduale

¨ ˆ
Verificarea estimatorilor aˆ şi b
19
 ˆ
Estimatorii aˆ şi b fiind variabile normale, se va
aplica testul „t”. Prin centrarea şi
normarea estimatorilor aˆ şi bˆ se obţin valorile calculate :
ˆ
aˆ şi tcal2 b . Aceste valori calculate se compară cu
tcal1  s  valoarea teoretică :
aˆ sˆ
b

t = variabila normală, dacă t= 1, n , n n>30, preluată din

tabele distribuţiei normale, în funcţie de valoarea „p”, sau
a pragului de semnificaţie α, p+α=1.

- tα; n-k+1 = variabilă Student, dacă t = 1,n şi n30, preluată
din tabela Student, în funcţie de valoare stabilită pentru α şi de
numărul de grade de libertate n-k+1; n=
numărul observaţiilor; k= numărul variabilelor exogene x j
j=1, k ( k+1 = numărul parametrilor modelului).
20
 3.2.3 Verificarea similitudinii modelului econometric

Model economet ˆ , este expresia formală a

ul ric yˆt  aˆ  bxt modelului
economic yt  a  bxt  ut , conceput de teoriei economice. Modelul
real, econometric
este obţinut pe baza unui singur sondaj statistic.
Va trebui urmărit să verificăm dacă :
- dacă variabila x este principalul factor de influenţă
a fenomenului y, aşa cum am făcut ipoteza;
- dacă legitatea dintre cele două variabile este de
forma :
y t  a  bxt  ut ;

- dacă rezultatele obţinute pot fi sistemice, adică

dacă se vor obţine rezultate diferite pentru
sondaje diferite.

¨ a1 Metoda analizei variaţiei

21
 În general, scopurile urmărite în această etapă se rezolvă cu
ajutorul Metodei analizei variaţiei, cunoscută şi sub denumirea de
metoda ANOVA.
Metoda analizei variaţiei porneşte de la ecuaţia :

şi se ajunge la ecuaţia analizei 2 2

variaţiei : V0 = Vx +

Vu 2

unde :
)2 = variaţia totală variabile y factori
= ån ( yt  y a
2
V0 i provocată de toţi i
t1

săi de
influenţă ;

Vx =
2
ån ( yˆt  y)2 = variaţia fenomenului y provocată numai de

factorului variaţia
t1
x,
considerat factorul principal al variaţiei y, adică variaţia
explicată
lui y modelul econometric;
de

Vu
2
= ån ( yt  yˆt )2 = variaţia reziduală, sau variaţia

fenomenului y
t1

generată de factorii nespecificaţi în model, aceşti factori fiind consideraţi

– în etapa de specificare –drept factori cu influenţă întâmplătoare,
neesenţiali pentru a explica variaţia fenomenului y.
De regulă, rezultatele aplicării metodei ANOVA se prezintă într-un
tabel de forma :
¨ a2 Testarea semnificaţiei dintre două dispersii : testul „F"

22
 ¨ a3 Testarea semnificaţiei
modelului a3.1:
Coeficientul de
determinare
V2
Coeficientul de determinare se calculează astfel : Ry2 / x  Vx2 , el are
0

următoarele semnificaţii :
23
 Pe baza acestor informaţii se deduce uşor că un modele econometric este
R2
cu atât mai performant cu cât valoarea lui y / x se apropie mai mult de
unu, respectiv cu cât se apropie mai mult de 100%.

c3.2 Raportul de corelaţie

OBS. În cazul unei legăturii liniare, estimatorii

parametrilor sunt obţinuţi cu
ajutor MCMMP, raportul de corelaţie Ry/x este egal cu coeficientul
ul de corelaţie
ry/x.  c4: Testarea semnificaţiei modelului econometric :
testul „F”

Astfel :

24
 , atunci Ry/x
= n-k-1 × R 2 £F
2
▪ dacă F =0
 k ;
cal k 1- R  ; 1 2 n k  1

→ se renunţă la modelul econometric;

n-k-1 R2 , atunci Ry/x ¹
▪ dacă F = × >F 0
 k ;
cal k 1 - R2  ; 1 2 n k  1

→ se acceptă modelul econometric şi se trece la

discuţia econometrică a ecuaţiei analizei variaţiei : V02 
Vx2  Vu2 .
.
UTILIZAREA MODELULUI ECONOMETRIC
UNIFACTORIAL PENTRU PROGNOZE

Pentru putea verifica performanţele unui model

econometric obţinut, acesta trebuie prezentat cu următoarele
informaţii :
ˆ
yˆt = aˆ + b xt
(saˆ ) (s ˆ )
b
R
d
s
uˆ
Dispunând de aceste informaţii putem testa :
▪ independenţa erorilor → testul „d” –Durbin-Watson;
▪ semnificaţia estimatorilor → testul „t”;
▪ similitudinea (veridicitatea ) modelului → testul „F”.

4.1 În cazul seriilor statistice teritoriale

25
yˆ
n v
 4.2 Tipuri de prognoze

ˆ
▪ estimărilor punctuale ale prognozei : yˆ  aˆ  b t
▪ dacă modelul econometric este : yˆ  aˆ  bˆt +ut ,
atunci prognoza se face pe baza unui interval de
încredere de forma :
ˆ ×s £y £y +t
ˆ × syˆt ) = p = 1- 
P(yt - t yˆt t t 
▪ dacă modelul ˆ şi dacă
econometric este : yˆt  aˆ  bxt  ut pentru
prognoza fenomenului y se cunosc valorile variabilei x la
momentul (n+v)
prognoza se realizează tot pe baza unui interval de încredere :
P( yˆ -t ×s £ y £ yˆ + t × s ) = p = 1- 
n v  yˆn v n v n v  yˆn v

unde :
y n v = valoarea reală a variabilei y în momentul de
prognoză (n+v);

= estimarea punctuală a valorii de prognoză pentru variabila y, care se calculează cu ajutorul

relaţiei : yˆn v  aˆ  bxn v
s abaterea medie pătratică a erorii de
yˆn  previziune, calculată
cu relaţia :

26
 4.3 Eroarea de previziune

y -y ×s
ea = n v n v = t
 yˆn v

ˆ = eroarea absolută ;

×s
e a t yˆv v 100 = eroarea
er = 100 = relativă.
yˆ yˆ
n v n v
Dacă p → 1 rezultă că siguranţa prognozei creşte,
iar dacă pragul de semnificaţia α creşte atunci precizia
prognozei se diminuează.
Se poate preciza că prognozele sunt acceptate cu o
probabilitate dată de p = 0,95, aceasta  α = 0,05 iar eroarea
de prognoză er = 5%.

MODELE DETERMINISTE DE PROGNOZĂ

Majoritatea seriilor de timp, cu conţinut economic, posedă

o tendinţă de lungă durată, peste care se suprapun celelalte
componente. Pentru determinarea intuitivă a tendinţei, analiza
începe prin reprezentarea grafică a seriei de timp, metodă prin
care se aproximează trendul acesteia.
27
 1. Funcţia liniară (dreapta de regresie)

¨ Variabila independentă este timpul

yt y
t

b>0 t b<0 t

yt

Fie seria de timp X= {x1, x2,…,xn n=1,2,…,n}. Dacă în urma

Reprezentării grafice, valorileb=0 reprezentate în sistemul cartezian urmează
aproximativ o dreaptă ca în fig.1

Atunci funcţia liniară va avea forma : Yt = a + b × t .

Parametrii a şi b se calculează prin M.C.M.M.P. prin minimizarea funcţiei:

min F(a,b) = min yt  a  bt2

Prin minimizarea funcţiei de mai sus, care are două variabile a şi b, se
obţine sistemul de ecuaţii normale:
na  bå t  å yt
bå t  bå t 2  å tyt

unde:
n – reprezintă numărul termenilor seriei.
Prin rezolvarea sistemului aflăm parametri a şi b, cu ajutorul lor putem scrie
modelul matematic de evoluţie liniară a fenomenului studiat :Yt = a + b•t.

¨ Variabila independentă : variabila x

Avem două serii de date : {Xi} şi {Yi} , i= 1,…,n pe care reprezentăm

grafic

28
 Fig.1 Funcţia liniară
Dacă între cele două serii de date există o legătură liniară de forma fig.1
atunci ecuaţia liniară va fi de forma : Yi = a + b × x
Parametrii a şi b se află tot prin M.C.M.M.P., şi anume minimizăm funcţia:

min F(a,b) = min yt  a  bx2

După efectuarea derivatelor parţiale în funcţie de aşi b, obţinem sistemul de
ecuaţii normale :
na  bå xi  å yi
aå xi  bå x 2  å xi yi

APLICAŢIA 1
La o fabrică care produce articole din masă plastică, în
perioada 2004 – 2008, s-a înregistrat următoarea serie de date
(tabelul 1), cu privire la valoarea producţiei acesteia. :
-mii.lei
Tabelul.1 -
Anii 2004 2005 2006 2007 2008
t 1 2 3 4 5
Valoarea
Producţiei
228 256 260 240 248
(Q)

Să se prognozeze cu ajutorul funcţiei liniare, valoare producţiei pentru anul

următor..
Rezolvare
1. Pe baza sistemului de ecuaţii normale
na  bå t  å yt
bå t  bå t 2  å tyt
se construieşte tabelul :

29
 Tabelul 1
Anul yt t2 t•yt Yt
t
1 2 3 4 5
1 228 1 228 242
2 256 4 512 244
3 260 9 780 246
4 240 16 960 249
5 248 25 1.240 251
15 1.232 55 3.720 1.232

2. Se scrie sistemul de ecuaţii pe baza tabelului

1. 5a + 15 b = 1232
15 a + 55 b = 3.720
Prin rezolvarea acestui sistem se determină parametrii :
a = 239,2 şi
b = 2,4.
4.Am obţinut modelul funcţiei liniare de prognoză :
Yt = 239,2 + 2,4•t

Rezultatele calculelor vor fi prezentate în tabelul 1, coloana 5.

Reamintim că trebuie să urmărim respectarea egalităţii:

yt = Yt..
Prin reprezentarea grafică a celor două serii de timp vom obţine un graficul
din figura 1
Evolutia valorii productiei

270
260 260
256
251
250 246 249 248
242 244
240 240
230 228
220

210
1 2 3 4 5

Fig. 1. Funcţia liniară

APLICAŢIA 2

30
 Avem două serii : X reprezentând cheltuieli cu publicitatea
şi Y reprezentând cifra de afaceri. Aceste serii de date în ultimii
şase trimestre au avut valorile : X={4, 6, 3, 5, 8, 7}şi Y={30, 45,
25, 30, 50, 45}
Se cere prognoza lui Y pentru trimestrul următor,
cunoscând că se vor face cheltuieli cu publicitatea de 11 um.
Rezolvare

y
60

50

40
Series1
30

20

10

0 x
0 5 10

Din reprezentarea grafică rezultă că putem folosi funcţia liniară :

Y= a+ bx
Pentru a calcula parametrii aşi b folosim sistemul de ecuaţii normale :

ì na + bå xt = å yt
í
î aå xt + bå xt = å xt yt
2

Construim tabelul :
xt yt x2 xtyt
4 30 16 120
6 45 36 270
3 25 9 75
5 30 25 150
8 50 64 400
7 45 49 315
33 225 199 1,330
Obţinem sistemul :
ì 6a + 33b = 225
í

De unde a = 8,43 şi b= 5,29

Deci modelul ecuaţiei liniare este Y = 8,43 + 5,29 x.

Elaborarea prognozei

31
 Dacă pentru variabila factorială x se prognozează valoarea x= 11atunci cifra
de afaceri va avea valoarea prognozată de 65 u.m.
Y = 8,43 + 5,29 ▪ 11= 67 u.m.

2. FUNCŢIA PARABOLĂ

¨ Variabila independentă este timpul

Se foloseşte pentru ajustarea unei seriei de timp care în urma reprezentării
grafice în planul cartezian are o evoluţie de forma unei parabole. Funcţia parabolă
este descrisă de ecuaţia : Yt = a + bt + ct 2 .
Estimarea parametrilor a, b, c se face prin metoda M.C.M.M.P. minimizând
expresia:

yt

t
ù2
é
minê å
n
Y
t
- a + bt + ct 2
ú
ë t1 û
În urma efectuării derivatelor parţiale în raport cu parametrii a, b şi c se
obţine următorul sistemul de ecuaţii normale:
na + bå t + cå t 2 = å yt
aå t + bå t 2 + cå t 3 = å tyt

aå t 2 + bå t 3 + cå t 4 = å t 2 yt

Prin rezolvarea sistemului obţinem valorile parametrilor care vor fi trecute

în modelul matematic de previziune a fenomenului utilizat.
Exemplu: dacă a = 2; b = 3 şi c = 1,5 atunci modelul de ajustare a trendului
va fi: Yt = 2 + 3t + 1,5t 2 .
Într-o formă generală trendul seriei poate fi aproximat prin modelul funcţiei
n

polinomiale: Yt  ∑ai  t i .
i1
Notă.
1. Modelul matematic este cu atât mai avantajos cu cât este mai simplu,
altfel spus, cu cât are mai puţini parametrii cu atât este mai eficient şi uşor de
aplicat.
2. Dintre funcţiile polinomiale se folosesc cel mai des funcţiile liniare,
polinomiale şi foarte rar cele cu gradul mai mari decât 3.

¨ Variabila independentă este X

32
 Parcurgând aceleaşi etape ca mai sus, se ajunge la
următorul sistem de ecuaţii normale :
ì na + bå x + cå x 2 = å y
ï ï
í aå x + å î x + å x = å xy
2 3 å

x3 + å x 4 = xy
aå x2 + bå
APLICAŢIE
Să se ajusteze şi prognozeze cu ajutorul funcţiei parabolă, seria de date
prezentată în tabelul.1.
Rezolvare
1. Pe baza sistemului de ecuaţii normale se construieşte tabelul 3
Tabelul 3
2 4 2•
t yt t t t•yt t y Yt
1 2 3 4 5 6 7
-2 228 4 16 -456 912 232
-1 256 1 1 -256 256 249
0 260 0 0 0 0 256
1 240 1 1 240 240 253
2 248 4 16 496 992 242
Total 1.232 10 34 24 2.400 1.232

Se scrie sistemul concret de ecuaţii pe baza tabelului 3, col.1 la col.4

5a + 10 c = 1.232
10 b = 29
10 a + 34 c = 2.400
Prin rezolvarea acestui sistem se determină parametrii a = 255,54 , b = 2,4
şi
c=-4,57

Se calculează valorile ajustate şi prognoza fenomenului analizat cu

ajutorul modelului:
Yt = 255,54 + 2,4•t - 4,57 t2.
Rezultatele calculelor vor fi prezentate în tabelul 3, coloana 7.
Menţionăm că trebuie respectată egalitatea :
yt= Yt..

Prin reprezentarea grafică a celor două serii de timp vom obţine un graficul
din figura 2.4

33
 270

260
260
256
250
248 Serie
240 240 primară
Trend

230 228
220

210
1 2 3 4 5

Fig. 4 Parabola

FUNCŢIA EXPONENŢIALĂ

Alegerea funcţiei exponenţiale pentru ajustarea unei serii de timp se face

pornind de la considerentul că termenii seriei sunt dispuşi în planul cartezian după
t
o curbă exponenţială. Funcţia exponenţială este de forma:. yt  ab
Fie seria de timp yt , t  1, n, pe care o reprezentăm grafic astfel :

Pentru calcularea parametrilor a şi b se foloseşte metoda

M.C.M.M.P:

yn

y
1

1 2 34 5 t

ån  y t  abt 2  min

34
 Deoarece y  abt este neliniară, pentru calcularea
funcţia t
parametrilor a şi b
se va face liniarizarea acestei ecuaţii prin logaritmare, astfel:
ln yt = ln Yt = ln a + t • ln b

g = G = A +t• B
t t

În urma acestor notaţii sistemul de ecuaţii normale va fi :

n A + B t = gt = ln yt
A t + B t2 =  t•gt = t•ln yt

APLICAŢIE

Să se ajusteze cu ajutorul funcţiei exponenţiale, seria de date prezentată în

tabelul 1 şi apoi, pe baza modelului găsit să se prognozeze producţia pentru anul
următor.

Rezolvare

1.Pe baza sistemului de ecuaţii normale se construieşte tabelul 6.

Tabelul .6

yt gt= ln yt t t2 t* ln yt Gt Yt
1 2 3 4 5 6 7
228 5,429 -24,0 -10,859 5,299 241
256 5,545 -11,0 -5,545 4,402 244
260 5,561 0 0,0 0,000 5,506 246
240 5,481 1 1,0 5,481 5,609 249
248 5,513 2 4,0 11,027 5,713 251
1232 27,529 0 10,0 0,104 27,529 1231

2.Se scrie sistemul concret de ecuaţii pe baza tabelului 4 col.1 la col.4

5•A + 0•B =
27,528 ⇒ A = 5,51
0•A + 10• B = 0,1 ⇒ B = 0,01

Modelul de ajustare liniarizat va fi:

Gt = 5,51
+0,01•t
Folosind notaţiile:
A = ln
a ⇒ a = EXP(A) ⇒
a = EXP(5,51) = 246,13
B = ln
b ⇒ b = EXP(B) ⇒
b = EXP(0,01) = 1,01

Rezultă că putem scrie funcţia exponenţială :

Yt = a • bt = 246 • 1,01t

35
 Primul termen al seriei ajustate se calculează astfel:

241 = 246 •EXP(-2•LN(1,01)),

iar prognoza pentru anul următor :
Y5 1  246  1,013 = 317

Rezultatele calculelor sunt prezentate în tabelul 2.6, coloana 7.

Prin reprezentarea grafică a celor două serii de timp vom obţine un graficul
din figura 2

330
325
320 320
314
310 308 311 310
305
300 302 300
Serie primară
290
285
280 Trend
270
260
1 2 3 4 5

Fig. 2.

FUNCŢIA LOGISTICĂ

Utilizarea ajustării unei serii de timp printr-o funcţie logistică este una
dintre cele mai realiste metode folosite pentru ajustarea unui fenomen economic.
Funcţia logistică reprezintă la începutul intervalului o creştere accentuată,
urmată de o perioadă de încetinire a creşterii până la atingerea unui prag de
saturaţie care nu poate fi depăşit.

y
t Prag de saturaţie

t
Funcţia logistică este descrisă de ecuaţia :
c c
f(t) = Yt  sau f(t) = Yt  ,

1  ea bt 1  ae bt
36
unde c reprezintă pragul de saturaţie.

În cadrul unui fenomen economic care evoluează după o curbă logistică,

dacă t aparţine intervalului [0, c/2] viteza de evoluţie a fenomenului analizat este
crescătoare, iar pentru t aparţinând intervalului [c/2,  ] viteza de evoluţie este
descrescătoare, determinând apariţia saturaţiei. Punctul de inflexiune are
coordonatele (ln a/b, c/2).
Calcul parametrilor pentru funcţia logistică se face, în principal, prin două
metode:

a. Metoda punctelor alese

Se aleg trei momente pe axa timpului, astfel încât t 1 se va afla la începutul
seriei; t2 la mijlocul seriei, iar t3 se află spre sfârşitul seriei astfel încât să fie
echidistanţi.
Se aleg apoi valorile din seria de date corespunzătoare celor trei momente.
Parametrii a, b şi c se vor calcula cu relaţiile :
2 y1 y2 y3 - y22  y1 + y2  c - y1
c= yy -y2 ; a = log y ;
1 3 1 1

1 y 1 c - y 2 
b = - n log y2 c - y1 
Pentru ca ajustarea să fie de calitate este necesar ca seria de date analizată să
aibă un număr mare de termeni.
b. Metoda liniarizării
Această metodă se aplică atunci când se cunoaşte pragul
de saturaţie : c = c* ,
iar funcţia logistică forma: c*
este de Yt =1  bt + ae
În acest caz seria de timpe se reprezintă grafic sub
forma următoare:
y c*
t

nelin
Această funcţie est t . Pentru aflarea
evident e i parametrilor se
procedează la liniarizarea funcţiei prin
logaritmare:
c*
Yt = .
c*
1+ ae bt c*
Scriem ecuaţia sub forma: = 1+ ae  bt , rezultă că: - 1 = ae  bt ;
Yt Yt
æ c* ö
logaritmăm această lnç - 1÷= ln a - b × t , apoi facem
ecuaţie Þ ç Y ÷
notaţiile :
è t ø
37
 Gt A
În urma acestor notaţii se obţine o ecuaţie de forma: Gt = A
– b•t adică un model liniar pe care ştim să îl rezolvăm.

APLICAŢIE
Vânzările unei firme specializată în desfacerea produselor
electronice, în primele 10 luni de funcţionare sunt prezentate în
tabelul 2.
Se cere să se ajusteze seria de timp pe baza funcţiei
logistice şi să se previzioneze vânzările pentru următoarele două
luni.

Tabelul 2. - mii.lei -
Vânzări
Luna Puncte alese
yt
1 120 X1
2 128
3 185
4 268
5 280 X2
6 285
7 291
8 294
9 296 X3
10 297

Rezolvare
În urma reprezentării grafice a seriei de timp obţinem graficul din figura 2.6

350
300
250 Date
200 prim are
150 Trend
100
50
0
1

Fig..6 Funcţia logistică

Considerăm că seria de timp urmează o funcţie logistică de

forma:
yt = f (t)  c
Yt  1   bt
ae
Estimarea parametrilor a, b, c se va face prin metoda
punctelor alese. Conform acestei metode alegem următoarele
valori ale seriei corespunzătoare celor trei momente :
x1 = 120 începutul seriei ( t1);
x2 = 280 centrul seriei (t2);
x3 = 296 către sfârşitul seriei (t3).
38
Formulele de calcul ale celor trei parametrii sun următoarele :
2x x x - x 2 (x + x ) c-x 1 x (c - x )
1 2 3 2 1 3 1 1 2
c= xx 3 -x 2
1
; a = ln x
;2 1
b = - n ln x 2 - x )1

În urma efectuării calculelor am obţinut valorile :

c = 296,72; a = 1,47; b = 0,32
Rezultă că funcţia logistică este :
296,72
Yt =
1 + 1,47 × e - 0,32×t
.
Rezultatele calculelor vor fi trecute în tabelul 2.8.

Tabelul 8
Luna t yt EXP(-0,32*t) Yt
1 0 120 1 120,00
2 1 128 0,73 143,43
3 2 185 0,53 167,10
4 3 268 0,38 189,84
5 4 280 0,28 210,65
6 5 285 0,20 228,86
7 6 291 0,15 244,17
8 7 294 0,11 256,64
9 8 296 0,08 266,51
10 9 297 0,06 274,16
Prognoza 11 10 - 0,04 280,00
Prognoza 12 11 - 0,03 284,39

UTILIZAREA COEFICIENTUL DE
ELASTICITATE PENTRU PREVIZIUNE.
FUNCŢIA DE PRODUCŢIE.

1. Coeficientul de elasticitate
Forma cea mai utilizată a coeficientului de elasticitate cererii
este :

Calculul elasticităţii cererii in raport cu factorul x ’

presupune ca toţi ceilalţi factori neincluşi in calcul să prezinte o
“evoluţie normală’, eventual să rămână la acelaşi nivel
neperturbând semnificativ influenţa exercitată de factorul „x” .
Coeficientul de elasticitate poate fi utilizat pentru
obţinerea de previziuni pe termen scurt. Astfel, in relaţia de
mai sus în situaţia în care nivelul viitor al factorului (x’) este
cunoscut iar coeficientul de elasticitate se va menţine
neschimbat, singura “necunoscută” rămâne nivelul viitor al
cererii (C’).
39
 APLICAŢIE

Se cunoaşte evoluţia vânzărilor pentru produsul A, pe

trimestrele I,II,şi III.
Modificarea preţului precum şi evoluţia venitului mediu sunt
prezentate mai jos :
Trim.
Trim. II III
C-cantităţi vândute (mii
buc.) 25 40
P – preţul produsului 500 500
V- venitul mediu 7000 9000

Să se prognozeze cererea pentru trimestrul IV în ipoteza

că venitul va fi de 10.000 um.

Rezolvare

- Calculăm pentru trimestrul III : EC/V

EC / V    : 
40  25 9000  7000

 2,1
25 7000
La o creştere de 1% a venitului îi corespunde o creştere a
cererii de 2,1%, deci cererea este elastică în raport cu venitul.
- presupunem că EC/V va rămâne constant,
- calculăm prognoza pentru necunoscuta C’ =Ctrim IV

10000  7000
CtrimIV  2,1 25  25  47,5
um. 7000

A. Calculul analitic al coeficientului de elasticitate

Formula analitică de calcul a coeficientului de elasticitate :
40
în această relaţie putem introduce valorile medii pentru x şi
pentru y, obţinem

Un demers similar conduce la obţinerea elasticităţii unor

funcţii frecvent utilizate în studiul cererii :
- funcţia semilogaritmică y  a0  b log x  u
b
E  0,42 y
- funcţia exponenţială de elasticitate constantă y  axb
E=b
- funcţia parabolei y = a + bx + cx2 + u
x
E  (b  cx) y .

2. Funcţia de producţie
Pentru determinarea corelaţiei dintre rezultatul unei
activităţi economice, de exemplu PIB =(y) şi factorii si
principali de producţie : capitalul (K) şi forţa de muncă (L)
îl reprezintă funcţia de producţie de tip Cobb – Douglas, scrisă
sub forma:

y = A▪ Kα Lβ ,
în care: α şi β = coeficienţi de elasticitate;
A = factor de proporţionalitate, constant.

Această funcţie de producţie neliniară poate fi liniarizată

prin logaritmare şi
soluţionată pentru necunoscutele A, α şi β dacă se cunosc
seriile de date statistice pe o perioadă de 15 ani, pentru
variabilele y, K şi L.
Coeficienţii A, K şi L se pot determina prin M.C.M.M.P.-
metoda celor mai mici pătrate pe baza liniarizării prin
logaritmare :
log y = log A + log K + log L
OBS :Când α + β = 1, avem o funcţie de tip Cobb-
Douglas homotetică. Coeficienţii α şi β ne arată contribuţia
factorilor de producţie, capital şi
respectiv muncă, la realizarea producţiei.
Dacă se explicitează coeficientul constant A, atunci va
rezulta:
A y
K  L
 Această relaţie are forma clasică a unui indicator de
eficienţă care raportează efectele (y) la cheltuieli cu capitalul
(K) şi munca (L).
Coeficientul A mai poartă şi denumirea de coeficient al
eficienţei integrale, întrucât raportează efectul la mai mulţi
factori principali de influenţă.

41
 O formă mai extinsă a funcţiei Cobb-Douglas se poate
obţine atunci când, în loc de doi factori de influenţă, vom lua un
număr „n” de factori F1, , F2 ,... Fn . Astfel, vom avea:
y = AF1 x F2 x…x Fn
Din această relaţie, se pot deduce mărimile coeficientului
eficienţei integrale care, de ceastă dată, are un fundament mai
extins al integralităţii sale, fiind luai în considerare n factori de
influenţă.

AJUSTAREA ŞI PROGNOZAREA CU FUNCŢII

42
 MICROSOFT EXCEL

Funcţia TREND

Syntax

TREND(known_y's, known_x's, new_x's, const)

known_y's setul valorilor variabilei DEPENDENTE Y

known_x's setul valorilor variabilei INDEPENDENTE X
new_x's este valoarea cunoscută a lui X pentru care dorim prognoza
const este o constantă logică
- dacă esteTRUE sau omisă, atunci b se calculează normal
- dacă este FALSE atunci b=0 ŞI y=mx

43
 Se cunosc valorile celor două serii de date X= cheltuieli cu publicitatea
şi Y = Volumul desfacerilor pe lunile ian-sept. Se cerea să se prognozeze volumul
desfacerilor dacă se va face cheluiieli cu publicitatea în lunile următoare de 1,750 şi
respectiv1,900

B C D E F
Cheltuieli
Nr.crt Luna cu Volum
publicitatea desfacere
26 1 Ian. 1,250 23,750
27 2 Feb 1,310 25,480
28 3 Mar 1,110 21,210
29 4 Apr 1,375 26,940
30 5 Mai 1,411 27,920
31 6 Iun 1,400 27,200
32 7 Iul 1,530 29,872
33 8 Aug 1,610 30,100
34 9 Sept 1,690 31,540
35 10 Oct 1,750
36 11 Nov 1,900

Rezolvare

1. Reprezentăm grafic seria de date şi adăugăm trendul

Rezolvare

Să se prognozeze desfacerile pentru lunile octombrie şi noiembrie,

prognoza se face cu funcţia TREND

44
 3. Prognoza

Octombrie 33,203
Noiembrie 35,886
BIBLIOGRAFIE

1. Eugen Ştefan Pecican, Econometrie, Editura All, 1994

2. Ioan Deac, Previziunea economică, Editura Star Soft, Alba Iulia. 2002,

45
3. Tudorel Andrei, Econometrie, Editura Economică, 2008
4. Ioan Deac, Introducere în econometrie- Note de curs, Biblioteca
FFB Blaj, 2009

46