Academia de Studii Economice din Bucuresti

Anul II, Statistica economica

Grupa 1031
2016

Proiect Econometrie
Regresie simplă. Regresie multiplă.

Regresie cu ecuaţii simultane.

Profesor coordonator: Adriana Davidescu

Echipa:

Aramă Ana Maria

Avram Georgiana Andreea

Bereanu Livia Elena

Dumitru Andra

1
CUPRINS

1. INTRODUCERE ........................................................................................................................ 3
APLICAŢIA 1 ................................................................................................................................ 4
Model de regresie simplă ................................................................................................................ 4
1. Capitolul teoretic......................................................................................................................... 4
1.1 Literature review ....................................................................................................................... 4
1.2.Metodologia cercetării .............................................................................................................. 5
2. Capitolul aplicativ ....................................................................................................................... 6
2.1. Date utilizate ........................................................................................................................... 6
2.2. Rezultatele empirice ale cercetării ........................................................................................... 7
3. Homoscedasticitatea erorilor aleatoare ..................................................................................... 13
4. Neautocorelarea erorilor aleatoare ............................................................................................ 14
APLICAŢIA 2 .............................................................................................................................. 16
Model de regresie multiplă ........................................................................................................... 16
1. Capitolul teoretic....................................................................................................................... 16
1.1 Literature review ..................................................................................................................... 16
1.2. Metodologia cercetării ........................................................................................................... 17
2.1. Date utilizate .......................................................................................................................... 21
2.2. Rezultatele empirice ale cercetării ......................................................................................... 21
Homoscedasticitatea erorilor aleatoare ......................................................................................... 25
Necoliniaritatea variabilelor explicative ....................................................................................... 27
Statistica F..................................................................................................................................... 27
Matricea coeficienților de corelație .............................................................................................. 27
Coeficienții de determinație .......................................................................................................... 27
Criteriul lui Klein .......................................................................................................................... 27
Criteriul Factorului de Inflație a Variației (FIV) .......................................................................... 28
APLICAŢIA 3: ............................................................................................................................. 29
Model cu ecuații simultane ........................................................................................................... 29
1. Capitol teoretic .......................................................................................................................... 29
1.1. Literature review .................................................................................................................... 29
1.2. Metodologia cercetării ........................................................................................................... 30

2
2.1. Date utilizate .......................................................................................................................... 31
2.2. Rezultatele empirice ale cercetării ......................................................................................... 34
Concluzii: ...................................................................................................................................... 37
Bibliografie: .................................................................................................................................. 38

1. INTRODUCERE

"Experienţa a arătat că fiecare dintre aceste trei puncte de vedere, adică statistica, teoria
economică şi matematica sunt condiţii necesare, dar nu reprezintă în sine o condiţie suficientă
pentru o înţelegere reală a relaţiilor cantitative din viaţa economică modernă. Doar unificarea
tuturor celor trei dă putere de analiză. Şi econometria constituie tocmai această unificare".
(Ragnar Frisch, Econometrica, 1933, 1).
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.

Modelul clasic de regresie liniară reprezintă una dintre tehnicile statistice cele mai
versatile şi mai des utilizate în analiza economică. Prin acest proiect ne propunem să realizăm
analiza modelelor liniare de regresie și, în vederea atingerii acestui scop, vor fi avute în vedere
trei modele de regresie diferite.
Prima aplicaţie analizează, prin intermediul unui model unifactorial de regresie, influenţa
câştigului net mediu lunar a unui român asupra valorilor înregistrate de produsul intern brut, în
perioada 2004-2015. Studiile efectuate pe perioadele anterioare arată existența unei legături

3
directe și puternice, de aceea dorim să analizăm în ce măsură acest lucru se verifică la nivelul
țării noastre, în ultimii 12 ani.
A doua aplicaţie își propune să studieze, prin intermediul unui model multifactorial de
regresie, salariul mediu, rata inflaţiei, pentru a analiza influența acestor factori asupra PIB-ului.
Cu ajutorul acestui model se dorește evidențierea semnificației factorilor de care angajatorii țin
cont în stabilirea salariului acordat lucrătorilor, și cu precădere care este acțiunea pe care
productivitatea muncii o exercită asupra câștigului salarial.
A treia aplicaţie
Pentru analiza interdepedentelor dintre preturi si castiguri salariale la nivelul unei tari, se
defineste urmatorul model: unde Is-indicele castigului salarial real, Iw-indicele
productivitatii reale a muncii si Ip-indicele preturilor bunurilor de consum

În continuare, sunt descrise şi analizate tehnicile de regresie puse la dispoziţie de către

programul econometric Eviews 9.5: 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.

2. CONȚINUT ȘTIINȚIFIC
APLICAŢIA 1
Model de regresie simplă

1. Capitolul teoretic

1.1 Literature review

4
 Aplicația de față își propune analizeze prin intermediul unui model unifactorial de
regresie asupra influenței câştigului net mediu lunar a unui român asupra valorilor înregistrate de
produsul intern brut, în perioada 2004-2015(la nivel trimestrial) în România.

1.2.Metodologia cercetării

În scopul implementării modelului unifactorial, respectiv multifactorial pe un exemplu din

economia reală, am decis să studiem care este influenţa câştigului net mediu lunar a unui
român asupra valorilor înregistrate de produsul intern brut, şi de asemeanea, care este influenţa
variabilei timp în modelul multifactorial.

Pentru aceasta am luat în considerare datele din perioada 2004-2015 care au fost preluate de pe
site-urile http://www.insse.ro si http://epp.eurostat.ec.europa.eu şi am înregistrat 48 valori pentru
următoarele variabile:

Y – PIB/loc, calculat în PPS

X - Câştigul salarial mediu net lunar calculat în lei(preţuri comparabile)

An Y X
2004-1 45,225.4 785.2
2004-2 56,315.5 811.12
2004-3 69,219.9 814.69
2004-4 77,986.8 893.46
2005-1 54,460.6 915.55
2005-2 66,300.4 952.72
2005-3 79,891.1 961.66
2005-4 89,836.7 1037.3
2006-1 65,302.0 1072..66
2006-2 79,167.6 1113.66
2006-3 93,662.4 1130.66
2006-4 108,872.3 1262
2007-1 78,168.1 1286
2007-2 95,567.1 1375
2007-3 112,064.1 1402
2007-4 132,458.6 1574.33
2008-1 99,042.4 1601
2008-2 121,805.6 1731
2008-3 143,875.8 1749.33

5
2008-4 159,664.9 1887.33
2009-1 98,906.9 1874
2009-2 119,631.6 1890.66
2009-3 136,070.5 1868.66
2009-4 155,913.8 1923.33
2010-1 103,791.6 1993.66
2010-2 125,279.8 1962
2010-3 145,033.7 1853.33
2010-4 159,776.0 1937.66
2011-1 110,356.3 1987.66
2011-2 131,176.9 2033.33
2011-3 156,218.5 2016.33
2011-4 167,345.5 2090.33
2012-1 113,796.0 2058.66
2012-2 140,715.6 2073
2012-3 164,408.8 2162
2012-4 176,446.9 2218.33
2013-1 121,620.7 2171
2013-2 148,256.7 2245.33
2013-3 176,151.3 2233.66
2013-4 191,427.3 2313.33
2014-1 129,643.5 2284.33
2014-2 156,353.5 2352.33
2014-3 183,672.1 2352.66
2014-4 197,908.3 2450.66
2015-1 140,599.1 2444
2015-2 162,812.6 2526.66
2015-3 197,362.0 2539.66
2015-4 212,058.6 2727.66

2. Capitolul aplicativ

2.1. Date utilizate

Pentru a observa care este influenţa variabilei X1(Câştigul salarial mediu net lunar) asupra
variabilei Y(PIB/loc) vom utiliza modelul econometric unifactorial:
𝑦𝑖 = 𝛼 + 𝛽𝑥𝑖 + 𝜀𝑖 , 𝑖 = 1,2, … ,15
Unde:
Y – PIB/loc

6
X - Câştigul salarial mediu net lunar
‘’Produsul intern brut (prescurtat PIB)1 este un indicator macroeconomic care reflectă
suma valorii de piață a tuturor mărfurilor și serviciilor destinate consumului final, produse în
toate ramurile economiei în interiorul unei țări în decurs de un an. Acesta se poate calcula și la
nivelul unei regiuni sau localități.’’

1
- http://ro.wikipedia.org/wiki/Produs_intern_brut

Pentru a identifica existenţa unei relaţii de dependenţă între variabilele analizate, precum
şi forma şi sensul acestei legaturi, construim diagram împrăştirii datelor. În analiza de regresie
variabila explicativă va apărea pe axa orizontală, iar variabila explicată va apărea pe axa
verticală.
Pentru a analiza corelațiile dintre variabilele selectate, am folosit date cu o frecvență
anuală, preluate de pe site-ul Institutului Național de Statistică şi site-ul EUROSTAT. Pentru
PIB-ul real per locuitor am deflaţionat datele, luând ca an de bază 2015 prin împărţirea la
Indicele Preţului de Consum din anul respectiv a valorilor nominale ale PIB-ului.

Cu ajutorului softului Eviews, am estimat modelul, folosind metoda celor mai mici
pătrate și am testat validitatea modelului, gradul său de bonitate, ipotezele modelului unifactorial
de regresie precum și semnificația statistică a parametrilor incluși în model.

2.2. Rezultatele empirice ale cercetării

7
Evoluţia parametrilor modelului:

8
9
Dependent Variable: PIB
Method: Least Squares
Date: 05/20/16 Time: 02:12
Sample: 2004Q1 2015Q4
Included observations: 48

Variable Coefficient Std. Error t-Statistic Prob.

SALARIU_MEDIU 68.56569 5.116736 13.40028 0.0000

C 4741.472 9472.075 0.500574 0.6191

R-squared 0.796070 Mean dependent var 126075.4

Adjusted R-squared 0.791637 S.D. dependent var 42211.52
S.E. of regression 19268.22 Akaike info criterion 22.61108
Sum squared resid 1.71E+10 Schwarz criterion 22.68904
Log likelihood -540.6658 Hannan-Quinn criter. 22.64054
F-statistic 179.5674 Durbin-Watson stat 2.098209
Prob(F-statistic) 0.000000

Ecuaţia modelului este următoarea :

10
PIB = β0 + β1 * Salariu_mediu

PIB = 4741.472+ 68.56569* Salariu_mediu

Valoarea β1 =68.56569 măsoară panta dreptei de regresie şi arată că atunci când câştigul
salarial mediu creşte cu o unitate (1000 u.m.), PIB-ul/loc. creşte cu 68.56569 u.m.
Valoarea β0 = 4741.472 arată nivelul PIB-ului/loc. atunci când câştigul salarial mediu este 0.
Interpretăm pe β0 = 4741.472 ca fiind efectul mediu asupra PIB-ului/loc., al tuturor factorilor
care nu sunt luaţi în considerare în modelul de regresie.
Coeficientul de determinație (R-squared = 0.796070) arată ca apoximativ 79,60% din variaţia
câştigul salarial mediu este explicată de PIB/loc., restul variaţiei fiind explicată de factori care nu
sunt incluşi în model.
Coeficientul de determinaţie ajustat Adjusted R-squared(=0.791637) ţine cont si de numărul de
observaţii şi de cel al variabilelor exogene.
Abaterea medie pătratică a erorilor estimate (S.E. of regression) este de 19268.22
Calculăm coeficientul de corelaţie Pearson pentru a determina intensitatea relaţiei dintre
variabile.

rxy = √𝑹𝟐 = 𝑹 = 0,8922275  legătură foarte puternică între cele două variabile

Raportul de corelație (R = 0,89) care tinde spre 1 demonstrează că modelul de regresie estimat
aproximează bine datele de observație.

Verificarea semnificaţiei parametrilor cu ajutorul testului t:

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

𝐻1 : 𝛽0 ≠ 0; 𝛽1 ≠ 0 (parametrii sunt semnificativi din punct de vedere statistic,

modelul este valid statistic)

Deoarece | t calc | t tab (1,98) pentru salariu mediu  respingem H0  acceptăm H1 

salariul mediu este semnificativ statistic la pragul de semnificaţie de 5%. Acest lucru este întărit
și de valoarea foarte mică a Prob. (0.0000).

Deoarece | t calc | t tab (1,98) pentru parametrul c  respingem H1  acceptăm H0 

parametrul nu este semnificativ statistic la pragul de semnificaţie de 5%. Acest lucru este întărit
și de valoarea foarte mică a Prob. (0.0000).

Testarea validității modelului:

Pentru testarea validității modelului de regresie, ipotezele sunt:

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

11
 𝐻1 : modelul este valid statistic (MSR>MSE)

Putem afirma că modelul este semnificativ statistic în urma testului F (F-statistic =

179.5674> F critic, deci se respinge ipoteza 𝐻0 și se acceptă 𝐻1 ), fiind valid pentru un nivel de
semnificație Prob. F-statistic=0,0000, mai mic de 5%.

Ipotezele modelului de regresie liniară simplă:

Forma funcţională este liniară: PIB = 4741.472+ 68.56569* Salariu_mediu

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

Probabilitatea asociată acestui test este de 0,178088 care tinde spre 0, deci se va respinge
ipoteza H0, erorile aleatoare neavând distribuție normală. Se observă că media erorilor aleatoare
este 5.00e-12, tinzând spre zero.

12
3. Homoscedasticitatea erorilor aleatoare

Pentru a observa dacă erorile aleatoare sunt homoscedastice sau nu, vom aplica următoarele
teste:

Testul White

Heteroskedasticity Test: White

F-statistic 5.739695 Prob. F(2,45) 0.0060

Obs*R-squared 9.755961 Prob. Chi-Square(2) 0.0076
Scaled explained SS 4.344294 Prob. Chi-Square(2) 0.1139

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/20/16 Time: 02:55
Sample: 2004Q1 2015Q4
Included observations: 48

Variable Coefficient Std. Error t-Statistic Prob.

C -4.62E+08 4.60E+08 -1.003053 0.3212

SALARIU_MEDIU^2 -128.4421 175.9733 -0.729895 0.4692
SALARIU_MEDIU 710793.9 591281.0 1.202125 0.2356

R-squared 0.203249 Mean dependent var 3.56E+08

Adjusted R-squared 0.167838 S.D. dependent var 3.54E+08
S.E. of regression 3.23E+08 Akaike info criterion 42.08465
Sum squared resid 4.69E+18 Schwarz criterion 42.20160
Log likelihood -1007.032 Hannan-Quinn criter. 42.12884
F-statistic 5.739695 Durbin-Watson stat 2.176690
Prob(F-statistic) 0.006022

Testul se aplică pentru următoarele ipoteze:

𝐻0 : există homoscedasticitate
𝐻1 : există heteroscedasticitate.
0.05
Obținem că Prob. F pentru statisticile calculate este mai mică de 5%, respectiv 0,006022,
astfel acceptăm 𝐻1 , conform căreia erorile aleatoare sunt heteroscedastice.

Testul Glejser

Heteroskedasticity Test: Glejser

F-statistic 14.59822 Prob. F(1,46) 0.0004

Obs*R-squared 11.56329 Prob. Chi-Square(1) 0.0007
Scaled explained SS 6.953455 Prob. Chi-Square(1) 0.0084

13
Test Equation:
Dependent Variable: ARESID
Method: Least Squares
Date: 05/20/16 Time: 03:00
Sample: 2004Q1 2015Q4
Included observations: 48

Variable Coefficient Std. Error t-Statistic Prob.

C 2180.180 3940.725 0.553243 0.5828

SALARIU_MEDIU 8.133435 2.128747 3.820762 0.0004

R-squared 0.240902 Mean dependent var 16573.12

Adjusted R-squared 0.224400 S.D. dependent var 9102.354
S.E. of regression 8016.277 Akaike info criterion 20.85711
Sum squared resid 2.96E+09 Schwarz criterion 20.93508
Log likelihood -498.5706 Hannan-Quinn criter. 20.88657
F-statistic 14.59822 Durbin-Watson stat 2.113653
Prob(F-statistic) 0.000397

Testul se aplică pentru următoarele ipoteze:

𝐻0 : 𝛽0 = 𝛽1 = 0 (există homoscedasticitate)

𝐻1 : 𝛽0 ≠ 𝛽1 ≠ 0 (există heteroscedasticitate)

Modelul din figura de mai sus sugerează să acceptăm H1, deoarece coeficientul pantă este
semnificativ statistic, erorile nefiind homoscedastice.

4. Neautocorelarea erorilor aleatoare

Testul Durbin-Watson

Folosim 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)
Durbin-
Watson stat 2.098209

Se obține DW = 2.098209 pentru modelul analizat.

Valorile critice ale statisticii DW sunt d1=1,645 și d2=1,7219.

14
 Având în vedere că DW calculat se află în intervalul (d2,4- d2), rezultă că nu există
autocorelarea erorilor.
Prin urmare, ecuaţie regresiei este PIB = 4741.472+ 68.56569* Salariu_mediu.

Previziuni pe baza modelului de regresie liniară multiplă estimat

Intervalul de încredere pentru PIB

Coefficient Confidence Intervals

Date: 05/20/16 Time: 06:34
Sample: 1 49
Included observations: 48

90% CI 95% CI 99% CI

Variable Coefficient Low High Low High Low High

SALARIU_MEDIU 68.56569 59.97643 77.15495 58.26623 78.86515 54.81695 82.31443

C 4741.472 -11158.93 20641.87 -14324.83 23807.77 -20710.12 30193.07

Legătura dintre PIB şi salariu mediu

Utilizând indicatorul Kendall, coeficientul acestuia fiind 0,702128, concluzionăm că există o legătură
directă de intensitate puternică între cele două variabile.

15
 APLICAŢIA 2
Model de regresie multiplă

1. Capitolul teoretic

1.1 Literature review

Aplicația de față își propune analizeze, prin intermediul unui model multifactorial de regresie,
salariul mediu și rata inflaţiei, pentru a analiza influența acestor factori asupra PIB-ului pe
locuitor.

În general, teoria economică postulează o legătură puternică între productivitatea muncii și

salariu, acestea fiind direct proporționale. Există și teorii conform cărora salariul influențează
productivitatea muncii, și nu invers, Akerlof susținând că salariile reale mai mari conduc la un
efort mai mare din partea muncitorilor. (Klein, 2012)

Studiile empirice evidenţiază faptul că există multiple corelaţii între gradul de încredere dintre
indivizi şi bunăstarea unei ţări (exprimată în PIB), ritmul ei de creştere şi climatul economic. Mai
exact, există o cauzalitate directă între încredere şi prosperitate. Încrederea creşte o dată cu
perfecţionarea instituţiilor formale şi cu creşterea salariilor şi descreşte prin componenta
eterogenă a populaţiei şi a polarizării (eterogenitatea veniturilor). (‘’Ramona Frunză, Instituţii
formale şi dezvoltare regională. Consideraţii cu privire la România’’)
Într-o analiză teoretică a inflației, Maurice Flamant afirma că etimologia nu vine deloc în
sprijinul definirii acestui concept, așa cum e cazul cu altele; inflația vine de la "inflare" și sensul
acestuia (camuflare, umflatura) nu sugerează că e vorba de creșterea cantității de bani în
circulație și nici de creșterea generală a prețurilor. Din punct de vedere al evoluției istorice, se
desprinde ideea că pe masura dezvoltării economico-sociale, procesul inflaționist a devenit mai
complex, iar factorii și formele de manifestare mai diversificate.
Astfel, ne propunem să stabilim influența prin care nivelul salariului minim, dar și rata inflației
contribuie la evoluția PIB-ului. PIB-ul nominal este forma uzuală de comparație a produsului
intern al țărilor sau regiunilor. Acesta redă suma valorii adăugate interne în prețurile actuale ale
pieței. Dezavantajul este că prin modificări ale valorii banilor, PIB poate fi "falsificat". Astfel, o

16
modificare de 3% a ratei inflației, în aceleași condiții ale producției de bunuri, duce de asemenea
la o creștere cu 3% a PIB.

1.2. Metodologia cercetării

Pe baza cercetărilor efectuate în domeniu, am hotarât realizarea unui model în care să
includem salariul mediu precum şi rata inflaţiei, pentru a analiza influența acestor factori asupra
PIB-ului pe locuitor.
Forma acestuia este următoarea:
PIB = β0+ β1* SM + β2 * Rata unde:
- PIB – produsul intern brut/locuitor
- Salariu_Mediu – salariul mediu
- Ri - rata inflaţiei
Pentru a analiza corelațiile dintre variabilele selectate, am folosit date cu o frecvență
anuală, din 2004 și până în 2015.

17
18
19
20
2.1. Date utilizate
Inflația poate fi definită sub mai multe forme, de obicei reprezentând scăderea puterii de
cumpărare a unei unități monetare. Rata inflației se exprimă de obicei sub formă de procent și
determina evoluția inflației dintr-o anumită perioadă de timp. Rata inflației se afișează în termeni
anuali: rata medie a inflației și rata inflației pe durata a 12 luni.

Rata inflației se calculează sub forma raportului dintre indicele mediu al prețurilor dintr-un an și
cel al anului precedent din care se scade 100. Rata inflației la sfârșitul anului reprezintă creșterea
prețurilor de consum în luna decembrie a anului curent față de aceeasi lună a anului precedent.

Deflatorul PIB este procentul obținut din PIB-ul nominal și cel real. Deflatorul PIB se folosește,
de exemplu, pentru a descoperi proporția de dezvoltare economică influențată de inflație într-o
perioadă anume de timp.

Câștigul salarial nominal brut cuprinde salariile, respectiv drepturile în bani și în natură
cuvenite salariaților pentru munca efectiv prestată (inclusiv pentru timpul lucrat suplimentar)
potrivit formei de salarizare aplicată, sporurile și indemnizațiile acordate ca procent din salariu
sau în sume fixe, alte adaosuri la salarii potrivit legii, sumele plătite pentru timpul nelucrat
(indemnizațiile pentru concediile de odihnă și studii, zile de sărbătoare și alte zile libere, sumele
plătite din fondul de salarii pentru concediile medicale), premiile, primele de vacanță și alte sume
plătite din fondul de salarii conform actelor normative sau contractelor colective de muncă,
sumele plătite din profitul net și alte fonduri (inclusiv contravaloarea tichetelor de masă).

Câștigul salarial nominal net se obține prin scăderea din câștigul salarial nominal brut a:
impozitului, contribuției salariaților pentru asigurările sociale de sănătate, contribuției
individuale de asigurări sociale de stat și a contribuției salariaților la bugetul asigurărilor pentru
șomaj.

Câștigul salarial mediu lunar reprezintă raportul dintre sumele plătite salariaților de către
agenții economici în luna de referință, indiferent pentru ce perioadă se cuvin și numărul mediu de
salariați. Numărul mediu al salariaților reprezintă o medie aritmetică simplă calculată pe baza
efectivelor zilnice ale salariaților din luna respectivă. În efectivul de salariați luat în calcul se
includ numai persoanele care au fost plătite pentru luna respectivă. Nu se iau în considerare:
salariații aflați în concediu fără plată, în grevă, detașați la lucru în străinătate și cei al căror
contract de muncă/raport de serviciu a fost suspendat.

2.2. Rezultatele empirice ale cercetării

Mai întâi vom analiza intensitatea și sensul legăturii dintre variabila dependentă și fiecare
dintre cele două variabile exogene. Pentru aceasta vom calcula coeficientul de corelație liniară
Pearson.

21
 Între produsul intern brut pe locuitor și salariul mediu există o legătură directă puternică,
valoarea coeficientului de corelație fiind de 0.990271.
Legătura dintre produsul intern brut pe locuitor şi rata inflaţiei în anul de analiză există
există o legătură directă puternică, coeficientul de corelație având valoarea 0,715553.
Se poate afirmă că putem include în model ambele variabile, întrucât fiecare influenţează,
într-o anumită proporţie produsul intern brut pe locuitor.
Estimarea parametrilor modelului: pentru aceasta realizăm ecuația modelului prin
aplicarea M.C.M.M.P. :

Dependent Variable: PIB

Method: Least Squares
Date: 05/20/16 Time: 04:27
Sample: 2004Q1 2015Q4
Included observations: 46

Variable Coefficient Std. Error t-Statistic Prob.

SALARIU_MEDIU 72.32267 8.832938 8.187838 0.0000

RI 677.9131 1582.445 0.428396 0.6705
C -5395.020 23399.55 -0.230561 0.8187

R-squared 0.812410 Mean dependent var 125439.7

Adjusted R-squared 0.803685 S.D. dependent var 42835.87
S.E. of regression 18979.50 Akaike info criterion 22.60310
Sum squared resid 1.55E+10 Schwarz criterion 22.72236
Log likelihood -516.8713 Hannan-Quinn criter. 22.64777
F-statistic 93.11152 Durbin-Watson stat 1.982150
Prob(F-statistic) 0.000000

Ecuaţia modelului este următoarea :

PIB = 𝛃𝟏* SM + 𝛃𝟐 * Ri+ 𝛃𝟎

PIB = 72,32267*Salariu_mediu + 677,9231*Ri - 5395.020

̂ are valoarea 72,32267, ceea ce arată că la o creștere cu un

Coeficientul de regresie parţial, β1
procent a salariului mediu, produsul intern brut pe locuitor crește, în medie, cu
72,32267procente, ceilalţi factori incluși în model rămânând constanţi.

22
 ̂ = 677,9231, arată că, menţinând celelalte variabile constante, atunci când rata inflaţiei
β2
creşte cu un procent, produsul intern brut pe locuitor scade , în medie, cu 677,9231procente.

̂ =- 5395.020arată că, dacă cele trei variabile explicative au valoarea 0, valoarea medie
β0
a produsului intern brut pe locuitor este estimată la - 5395.020lei.

Există așadar o dependență directă între produsul intern brut pe locuitor si salariul mediu
lunar, dar și una inversă între PIB și rata inflaţiei, în perioada analizată.

Coeficientul de determinație (R-squared = 0.812410) arată că 81,24% din variația

variabilei dependente este explicată de variația simultană a salriului mediu lunar şi a ratei
inflaţiei, adică observăm o legătură puternică între variabila endogenă și cele două variabile
exogene, lucru confirmat și de coeficientul de determinație ajustat (Adjusted R-squared =
0.803685), care ia în considerare și numărul de observații și numărul de variabile exogene.

Raportul de corelație (R = 0,9013) tinzând spre 1 demonstrează că modelul de regresie

estimat aproximează foarte bine datele de observație, având o bonitate ridicată. Abaterea medie
pătratică a erorilor estimate (S.E. of regression) este de 18979,50.

Verificarea semnificației parametrilor:

H0: β0=0

β1=0 (parametrii nu sunt semnificativi statistic, modelul nu este valid)

β2=0

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

Deoarece t calc  t tab (1,98) pentru salariul mediu  respingem H0  acceptăm H1 

salariul mediu este semnificativ statistic la pragul de semnificaţie de 5%. Acest lucru este întărit
și de valorile foarte mici ale lui Prob. pentru salariul mediu.

Deoarece t calc  t tab (1,98) pentru fiecare dintre ultimii doi parametri  respingem H1 
acceptăm H0  ultimii doi parametrii nu sunt semnificativi statistic la pragul de semnificaţie de
5%.

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)

23
 Putem afirma cu siguranță că modelul este semnificativ statistic în urma testului F (F-
statistic = 93.11152 > F critic, deci se respinge ipoteza H0 și se acceptă H1), fiind valid pentru un
nivel de semnificație Prob. (F-statistic)=0,000000, mult mai mic față de 5%.

Verificarea îndeplinirii ipotezelor modelului de regresie liniară multiplă

În continuare se va verifica dacă modelul estimat îndeplinește ipotezele 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.

Probabilitatea asociată acestui test este de 0,201721 care tinde spre 0, deci nu se va
accepta ipoteza H0, erorile aleatoare neavând distribuție normală.

24
 Se observă că media erorilor aleatoare este 2,25-11, fiind foarte aproape de zero.

Homoscedasticitatea erorilor aleatoare

Pentru a observa dacă erorile aleatoare sunt homoscedastice sau nu, vom aplica
următoarele teste:

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).

Testul se aplică pentru următoarele ipoteze:

H0:există homoscedasticitate

H1: există heteroscedasticitate.

Heteroskedasticity Test: White

F-statistic 2.202037 Prob. F(5,40) 0.0731

Obs*R-squared 9.928771 Prob. Chi-Square(5) 0.0773
Scaled explained SS 4.546186 Prob. Chi-Square(5) 0.4737

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/20/16 Time: 04:53
Sample: 2004Q1 2015Q4
Included observations: 46

Variable Coefficient Std. Error t-Statistic Prob.

C -3.45E+09 2.54E+09 -1.357854 0.1821

SALARIU_MEDIU^2 -669.8904 503.0527 -1.331650 0.1905
SALARIU_MEDIU*RI -143334.9 113154.9 -1.266714 0.2126
SALARIU_MEDIU 3254053. 2222135. 1.464381 0.1509
RI^2 -11488559 10980400 -1.046279 0.3017
RI 3.60E+08 3.03E+08 1.188796 0.2415

R-squared 0.215843 Mean dependent var 3.37E+08

Adjusted R-squared 0.117823 S.D. dependent var 3.49E+08
S.E. of regression 3.27E+08 Akaike info criterion 42.17206
Sum squared resid 4.29E+18 Schwarz criterion 42.41058
Log likelihood -963.9573 Hannan-Quinn criter. 42.26141
F-statistic 2.202037 Durbin-Watson stat 2.103473
Prob(F-statistic) 0.073054

25
 Obținem că Prob. F pentru statisticile calculate este mai mare de 1%, respectiv 0.073054,
astfel există o probabilitate foarte mare de a greși în respingerea lui H 0, deci acceptăm H0,
conform căreia erorile aleatoare sunt homoscedastice.

Testul Glejser

Heteroskedasticity Test: Glejser

F-statistic 6.247123 Prob. F(2,43) 0.0042

Obs*R-squared 10.35666 Prob. Chi-Square(2) 0.0056
Scaled explained SS 6.219048 Prob. Chi-Square(2) 0.0446

Test Equation:
Dependent Variable: ARESID
Method: Least Squares
Date: 05/20/16 Time: 04:56
Sample: 2004Q1 2015Q4
Included observations: 46

Variable Coefficient Std. Error t-Statistic Prob.

C 3829.714 9951.648 0.384832 0.7023

SALARIU_MEDIU 7.233223 3.756581 1.925480 0.0608
RI -85.70210 673.0018 -0.127343 0.8993

R-squared 0.225145 Mean dependent var 16066.31

Adjusted R-squared 0.189105 S.D. dependent var 8963.754
S.E. of regression 8071.834 Akaike info criterion 20.89314
Sum squared resid 2.80E+09 Schwarz criterion 21.01240
Log likelihood -477.5423 Hannan-Quinn criter. 20.93782
F-statistic 6.247123 Durbin-Watson stat 2.032983
Prob(F-statistic) 0.004152

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% (0.0608, respectiv 0.8993), deci acceptăm H0,
erorile aleatoare fiind homoscedastice.

26
Necoliniaritatea variabilelor explicative

În sens larg, multicoliniaritatea înseamnă că există cel puțin cel puțin 2 variabile
explicative care sunt liniar dependente sau sunt liniar independente, dar puternic corelate. Pentru
a verifica dacă există multicoliniaritatea între variabilele explicative, vom folosi mai multe
metode.

Statistica F
Statistica F a modelului estimat este semnificativă, având o valoare mare, precum și
statisticile t pentru coeficienți, prin urmare, această metodă nu este concludentă.

Matricea coeficienților de corelație

Din matricea coeficienților de corelație, reiese că rrata,sm = 0,714471< 0,85, adică deși
există o legătură inversă semnificativă între cele 2 variabile exogene, nu putem afirma că aceasta
este suficient de puternică pentru a induce multicoliniaritatea în date a modelului.

Așadar, conform matricei de corelații liniare a variabilelor explicative, putem concluziona

că ipoteza de necoliniaritate a variabilelor explicative este îndeplinită.

Coeficienții de determinație

Criteriul lui Klein

Rezultatele obținute indică faptul că, în primul caz, R2y = 0.812410> R2pib, rata = 0.519941, în
cazul al doilea, R2y = 0.812410> R2pib,sm = 0.796070, putem aprecia că nu există multicoliniaritate la
nivelul datelor analizate.

27
Dependent Variable: PIB
Method: Least Squares
Date: 05/20/16 Time: 05:29
Sample: 2004Q1 2015Q4
Included observations: 46

Variable Coefficient Std. Error t-Statistic Prob.

RI -9926.454 1437.932 -6.903283 0.0000

C 180315.7 9098.094 19.81906 0.0000

R-squared 0.519941 Mean dependent var 125439.7

Adjusted R-squared 0.509030 S.D. dependent var 42835.87
S.E. of regression 30014.77 Akaike info criterion 23.49927
Sum squared resid 3.96E+10 Schwarz criterion 23.57878
Log likelihood -538.4832 Hannan-Quinn criter. 23.52905
F-statistic 47.65531 Durbin-Watson stat 1.267332
Prob(F-statistic) 0.000000

Dependent Variable: PIB

Method: Least Squares
Date: 05/20/16 Time: 05:31
Sample: 2004Q1 2015Q4
Included observations: 48

Variable Coefficient Std. Error t-Statistic Prob.

SALARIU_MEDIU 68.56569 5.116736 13.40028 0.0000

C 4741.472 9472.075 0.500574 0.6191

R-squared 0.796070 Mean dependent var 126075.4

Adjusted R-squared 0.791637 S.D. dependent var 42211.52
S.E. of regression 19268.22 Akaike info criterion 22.61108
Sum squared resid 1.71E+10 Schwarz criterion 22.68904
Log likelihood -540.6658 Hannan-Quinn criter. 22.64054
F-statistic 179.5674 Durbin-Watson stat 2.098209
Prob(F-statistic) 0.000000

Criteriul Factorului de Inflație a Variației (FIV)

Variance Inflation Factors

Date: 05/20/16 Time: 05:40
Sample: 2004Q1 2015Q4
Included observations: 46

Coefficient Uncentered Centered

Variable Variance VIF VIF

28
 SALARIU_MEDIU 78.02079 33.79355 3.028872
RI 2504132. 12.80176 3.028872
C 5.48E+08 69.92031 NA

În fiecare din cele două cazuri valoarea lui VIF aparține intervalului (1, 5), demonstrând că
multicoliniaritatea modelului este una foarte scăzută.

În urma testelor efectuate, putem aprecia că gradul de multicoliniaritate este scăzut, deci
nu se impune corectarea modelului.

APLICAŢIA 3:

Model cu ecuații simultane

1. Capitol teoretic

1.1. Literature review

Necesitatea realizarii unor corelatii riguroase intre productivitate si salarii, intre salarii si preturi

„Analiza corelatiilor productivitate-salarii si salarii-preturi este necesara pentru realizarea in tara noastra a
unei economii cu eficienta inalta si o repartitie echitabila a valorii nou create intre toti participantii la
activitatea economica.

Corelatia productivitate-salarii concretizeaza cerinta asigurarii unei stranse interdependente intre

rezultatele activitatii economice si salarii. O corelatie optima presupune ca dinamica productivitatii
muncii sa fie superioara celei a salariului mediu, deoarece, pe baza rezultatelor economice obtinute, este
necesar sa creasca ambele categorii de venituri provenite din rezultatele respective: salariile si profitul.
Numai cresterea mai rapida a productivitatii muncii fata de salariul mediu permite reducerea cheltuielilor
cu salariile pe unitatea de produs, ceea ce determina micsorarea costurilor si sporirea rentabilitatii.

In industria noastra, corelatia dintre dinamica productivitatii muncii si cea a salariului mediu a inregistrat
o elutie farabila in deceniile 7 si 8 si una nafarabila in deceniul 9. in anii scursi dupa decembrie 1989,
aceasta corelatie s-a deteriorat accentuat, prin declinul productivitatii muncii care nu a putut asigura
importantele sporuri de venituri obtinute de salariati.

29
Datorita nerespectarii acestei corelatii, s-a manifestat o tendinta de crestere a salariilor cu pronuntat
caracter inflationist. Ca urmare, se impune stoparea acestei elutii si asigurarea unei corelatii riguroase
intre dinamica productivitatii muncii si cea a salariului mediu, fiind imperativ necesare eforturi
perseverente din partea tuturor factorilor implicati : patronat, sindicate, stat.

Respectarea corelatiei dintre productivitatea muncii si salarii prezinta o deosebita importanta practica atat
la nivel microeconomic, cat si la nivelul intregii economii nationale. La nivel microeconomic, efectele
pozitive se manifesta in ul asigurarii unui anumit echilibru intre productie, costuri si salarii, iar la nivel
macroeconomic se poate 210 ECONOMIE POLITICA‚

mentine stabilirea circulatiei marfurilor si a banilor, evitandu-se alimentarea fenomenelor inflationiste.In

interdependenta cu corelatia dintre productivitatea muncii si salarii elueaza cea dintre preturi si salarii. De
fapt, intre productivitate, salarii si preturi exista legaturi multiple si complexe care conditioneaza atat
desfasurarea vietii economice, cat si elutia nivelului de trai.In tara noastra, in perioada postbelica,
corelatia dintre salarii si preturi a fost mentinuta sub control de catre stat.In perioada postdecembrista,
prin liberalizarea"preturilor si salariilor, corelatia a inregistrat o deteriorare evidenta.

Dinamica mai accentuata a preturilor fata de cea a salariilor a determinat scaderea puterii de cumparare, a
salariului real. Corelatia preturi-salarii este afectata de o puternica inflatie, avand efecte negative asupra
marii majoritati a populatiei. in consecinta, se impune sa se actioneze pe anumite cai pentru echilibrarea
corelatiei si asigurarea unei elutii ondulatorii a celor doi termeni ai sai, in functie de intensitatea factorilor
care influenteaza atat miscarea preturilor, cat si a salariilor. Care ar fi principalele cai ?'In primul rand,
stoparea elutiei nefarabile a productivitatii muncii si asigurarea cresterii ei intr-un ritm inalt determina,
concomitent cu sporirea salariilor, reducerea cotei de salariu pe unitate de produs si, pe aceasta baza,
exercita o influenta farabila asupra traiectoriei costurilor si preturilor.In al doilea rand, reducerea treptata
a cheltuielilor materiale are efecte farabile asupra elutiei costurilor si preturilor, mai ales ca ponderea
cheltuielilor materiale in costul de productie este predominanta la majoritatea produselor.In al treilea
rand, echilibrarea raportului cerere-oferta si manifestarea neingradita a concurentei pe piata ar putea
determina elutia ondulatorie a preturilor si salariilor.In al patrulea rand, atenuarea inflatiei si asigurarea
cresterii treptate a puterii de cumparare a monedei nationale ar avea o influenta deosebit de farabila
asupra elutiei preturilor si salariilor.In al cincilea rand, este necesar ca statul roman sa actioneze nu numai
pentru corelarea preturilor interne cu cele externe, ci si a salariilor. in timp ce preturile de pe piata noastra
interna s-au apropiat simtitor de cele utilizate pe piata mondiala, salariile continua sa inregistreze un nivel
mult inferior celui din tarile dezltate.

Actionandu-se pe caile mentionate, precum si pe altele, prin unirea eforturilor tuturor factorilor de decizie
din economia noastra, ar fi posibil sa se imprime corelatiei dintre salarii si preturi un curs farabil, cu
efecte benefice pe toate urile : economic, social si politic.”

1.2. Metodologia cercetării

Etapa I: Identificareadatelor

30
 Datele noastre au fostcolectate de pe site-ul Institutului Naţional de Statistică, datele fiind
inregistrate pentru anii 1996-2014. Pentru Indicii castigului salarial real am folosit ca an de
baza, anul 1995.
EtapaII: Introducereadatelor în Eviews
Introducerea seriilor de date în Eviews folosind date anuale, din perioada 1996- 2014,
pentru Indicii Prețurilor de Consum, Dinamica productivității muncii pe persoană ocupată
(Ron/persoană) și Indicii câștigului salarial real (an baza 1995) din România.
Etapa III: Identificarea variabilelor endogene /exogene
Identificarea ecuaţiilor MES (Metoda ecuațiilor simultane) luând în considerare
elementele de mai jos:
Variabile endogene: Indicii câștigului salarial real şi Indicii Prețurilor de Consum
Variabile predeterminate: Dinamica productivității muncii pepersoană ocupată
Etapa IV: Estimarea parametrilor pentru fiecare ecuaţie
Pentru fiecare ecuatie am estimat parametrii utilizând metoda celor mai mici patrate.

2.1. Date utilizate

“Indicele preţurilor de consum (IPC) are destinaţia de a măsura schimbările în

dinamică a nivelului general al preţurilor la produsele şi serviciile procurate pentru consum de
către gospodăriile populaţiei din ţară. IPC este un indice lunar şi se calculează numai pentru
elemente care intră în consumul direct al populaţiei, fiind excluse: consumul de bunuri şi servicii
din producţia proprie a gospodăriei casnice, cheltuielile sub forma de investiţii şi acumulare,
dobînzile plătite pentru credite, rate de asigurare, amenzi, impozite etc., precum şi cheltuielile
aferente plăţii muncii pentru producţia (agricolă etc.) gospodăriilor individuale. IPC măsoară
tendinţa generală a evoluţiei în timp a preţurilor de consum.”
(http://www.statistica.md/public/files/Metadate/IPC.pdf)

31
 INDICII PRETURILOR DE CONSUM-%
300

250

200

150

100

50

Productivitatea muncii este unul din cei mai importanti indicatori sintetici ai eficientei
activitatii economice a intreprinderilor, care reflecta eficacitatea sau rodnicia muncii cheltuite in
procesul de productie. Cresterea productivitatii muncii constituie cel mai important factor de
sporire a volumului productiei, de reducere a costurilor de productie si de crestere a rentabilitatii
si competitivitatii produselor. Nivelul productivitatii muncii se determina fie ca raport intre
volumul productiei si cantitatea de munca cheltuita pentru obtinerea lui, fie prin raportarea
timpului de munca cheltuit la volumul productiei obtinute.
Dinamica productivității muncii ( ) trebuie să fie superioară dinamicii salariului
mediu ( ) pentru ca productivitatea muncii să fie însoțită de reducerea costului. Dinamica
productivității muncii se determină cu ajutorul indicelui productivității muncii .

32
 Dinamica productivitatii munci pe
persoana ocupata (Ron/persoana)
20

15

10

-5

-10

Indicelecâştiguluisalarial real
Definitie: “ Indicele castigului salariului real reprezinta raportul dintre indicele castigului salarial mediu
nominal net si indicele general al preturilor de consum. “

Castigul salarial real exprima contravaloarea marfurilor si a serviciilor care pot fi cumparate, respectiv
utilizate, cu castigul salarial mediu net lunar, intr-o anumita perioada de timp, de obicei un an, comparativ
cu alta perioada, avand in vedere preturile marfurilor si a tarifelor serviciilor.

Periodicitate: Anuală.

Metodologie: “ Castigul salarial nominal net pentru calculul castigului salarial real se determina prin
scaderea din castigul salarial nominal brut a impozitului, precum si a contributiei pentru asigurarile
sociale de stat, asigurarile sociale de sanatate si pentru fondul de somaj. Pana in anul 1990 a fost scazuta
si contributia salariatilor fara copii. “

Ics = (Icn / Ipc) * 100

Ics = indicele castigului salarial real

Icn = indicele castigului salarial mediu nominal net

Ipc = indicele general al preturilor de consum

Sursa de colectare:INS.

Transformări aduse datelor: s-a calculat in functie de anul de baza 1995

33
 Indicii câștigului salarial real
(an de bază 1995)
250

200

150

100

50

2.2. Rezultatele empirice ale cercetării

Is=232,8 -0,726 Ip-0.0311Iw

Aplicând MCMMP, obținem un model valid pentru indicele salarial real, probabilitatea asociată
lui F calculat fiind 0,014, mai mică decât pragul de 5%. Indicele de dinamica al productivitatii nu este
semnificativ.

34
 Valoarea coeficientului de determinație (R-squared = 0,4321) arată că aproximativ 43,21% din
variația variabilei endogene este explicată de variația indicelui productivitatii munci sic el al IPC, adică o
legătură medie între variabilia dependent și variabilele independente, lucru confirmat și de valoarea
coeficientului de determinație ajustat (Adjusted R-squared = 0,35), care ia în considerare și numărul de
observații și numărul de variabile exogene.

35
36
Concluzii:

Prin acest proiect ne-am propus să verificăm dacă există o legătură între valorile pe care
le-a înregistrat PIB/loc, în perioada 2004-2015. Studiile efectuate pe perioadele anterioare arată
existența unei legături directe și puternice, de aceea dorim să analizăm în ce măsură acest lucru
se verifică la nivelul țării noastre, în ultimii 12 ani.
Am ajuns la concluziile că modelul unifactorial de regresie liniară pe care l-am ales este valid
statistic, la fel şi cei doi parametrii ai modelului. Calculele au fost realizate pentru un nivel de
semnificaţie α=0,05.

Toate rezultatele au fost obţinute prin calcule aplicând MCMMP şi folosind pachetele Microsoft
Excel şi Eviews. Astfel s-a putut face o comparaţie între ceea ce a rezultat în fiecare caz.

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

anuală, preluate de pe site-ul Institutului Național de Statistică şi site-ul EUROSTAT. Pentru
PIB-ul real per locuitor am deflaţionat datele, luând ca an de bază 2015 prin împărţirea la
Indicele Preţului de Consum din anul respectiv a valorilor nominale ale PIB-ului.

37
Bibliografie:
http://www.zf.ro/zf-utile/pib-ul-romaniei-evolutia-produsului-intern-brut-ins-8264863

http://www.lapensie.com/forum/salariul-mediu-pe-tara.php#C1

http://www.bnr.ro/PublicationDocuments.aspx?icid=3922

http://appsso.eurostat.ec.europa.eu/nui/submitViewTableAction.do

38