Universitate “Ştefan cel Mare”, Suceava

Facultatea de Ştiinţe Economice şi Administraţie publică

Specializarea : Contabilitate şi informatică de gestiune
Formă învăţământ: Zi

PROIECT LA ECONOMETRIE

PROFESOR COORDONATOR: STUDENTA:

Lector univ.Dr. Macovei Anamaria Bejan Antonela-Diana
Anul III, Grupa 1

1
 1. REGRESIA LINIARĂ SIMPLĂ
DESCRIERE
Șomajul este un fenomen economic care ia nastere din crizele sau recesiunile economice.
Somajul survine decalajului din trecere rea si oferta de pe piata locurilor de munca concretizandu-se
in imposibilitatea gasirii unuiloc de munca platit de catre personae calificate pentru jobul respectiv.
Șomajul reprezintă un fenomen economic ce se manifestă ca un dezechilibru pe piața
muncii, în care există un surplus de ofertă de muncă față de cererea de muncă.
Cauzele care determină apariția șomajului sunt:

 Criza economică;
 Imigrarea, emigrarea forței de muncă;
 Ritmul de creștere economică bazată pe eficacitatea ridicată a muncii, care nu mai este
capabilă să asigure o ocupare a forței de muncă în totalitate;
 Dezvoltarea tehnică într-un termen scurt;
 Schimbările de structură a ramurilor și sectoarelor economice;
 Situația economică și politică internațională defavorabilă.
Șomajul poate fi de mai multe tipuri, respectiv: șomaj ciclic, fricțional, structural, sezonier,
tehnologic. De asemenea șomajul poate fi voluntar, atunci când persoanele nu vor să lucreze din
anumite motive, sau șomaj involuntar când, deși sunt apți pentru realizarea unui job, nu reușesc să
gasească unul.
Şomajul reprezintă probabil fenomenul economic cel mai îngrijorător pentru fiecare
persoană.
Rata șomajului se referă la indicatorul obținut în urma raportarii numarului de șomeri la
populația de referință. Se înregistrează o creștere a ratei șomajului în momentul în care apare
decalajul între oferta și cererea de pe piață muncii din cauza căruia persoanele nu își pot gasi un loc
de muncă.
Rata șomajului este un factor important de care se ține cont atunci când se iau măsuri de
politică economică sau de protecție socială. Prin intermediul recensămintelor și anchetelor prin
sondaj se pot obține mai multe informații despre rata șomajului.
Produsul Intern Brut (PIB) este un indicator macroeconomic care exprimă suma valorii de
piață a tuturor mărfurilor și serviciilor destinate consumului final, produse în toate ramurile
economiei în interiorul une țări în decurs de un an.
Principalele surse de date utilizate pentru estimarea produsului intern brut trimestrial sunt:

 surse statistice: anchete infra-anuale privind producția industrială, de construcții, servicii,

comerț; contul de producție al agriculturii; anchete infra-anuale privind caștigurile salariale
si efectivul de salariati;
 surse financiar-contabile: bilanțuri contabile ale institutiilor financiare;
 surse administrative: executia bugetului de stat și a bugetelor locale, precum și a bugetului
asigurarilor sociale de stat; balanta de plati.

1. Variabilele sunt:
X – variabila care arată distanţa dintre incendiu şi cea mai apropiată staţie de pompieri, exprimată
2
 APLICAȚIE

Prin această aplicație, îmi propun analiza prin intermediul unui model de regresie liniară
influenţa Ratei șomajului României din perioada 2008-2018 asupra PIB-ului.
În schema de mai jos putem observa că cel mai mic pricent de 4,2% al ratei șomajului a fost
înregistrat in anul 2018, iar cel mai mare procent de 7,3% a fost înregistrat in 2011. Tendinţa
descendentă a ratei şomajului se accentuează pe timpul lunilor de vară, fiind influenţată de creşterea
numărului de persoane angajate pe perioadă determinată în sectoare ale economiei cu activitate
sezonieră (construcţii, agricultură, servicii etc.)
Dacă la începutul anului 2011 numărul de şomeri era similar cu cel de la începutul anului
2009, an de începere a crizei economico-financiare în ţara noastră, pe parcursul primului semestru
al anului 2011 numărul de şomeri a cunoscut o scădere constantă. Începând cu trimestrul III al
anului, numărul de şomeri începe să cunoască o creştere usoară datorată în principal restrângerii
activităţii agenţilor economici care desfăşoară activităţi cu caracter sezonier.

Rata șomajului pe ani

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

7.3 7.4 7.3

6.9 7 6.8 6.8

5.8 5.9

4.9
4.2

X Rata șomajului

3
 În schema de mai jos putem observa că cel mai mic PIB de 118,2 mild EURO, a fost
înregistrat în anul 2009, iar cel mai mare PIB de 202 mild EURO, a fost înregistrat in anul 2018.
Fenomenul creşterii economice a fost analizat şi de alţi economişti ce au ajuns la concluzia că
locomotiva creşterii economice ”se sprijină pe patru roţi indiferent cât de bogată sau săracă este o
ţară”. Aceste roţi sau factori ai creterii economice sunt: resursele umane (oferta de muncă,
disciplina, educaţia, motivaţia), resursele naturale (pământul, mineralele, combustibilii, calitatea
mediului), formarea capitalului (utilaje, fabrici, şosele), tehnologia (ştiinţa, ingineria,
managementul, spiritul întreprinzător). În literatura de specialitate, creşterii economice i se acordă o
atenţie deosebită, deoarece bunăstarea generală a societăţii depinde de nivelul acesteia.1

Produsul Intern Brut pe ani

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

202
187.8
170.4
159
149.5
139.7 140.6
131.3 132
118.2 124.4

Y Produsul intern brut

1
Factorii de influenţă ai creşterii economice la nivelul României
4
 METODOLOGIA ELABORĂRII

Pe baza cercetărilor efectuate în domeniu, am hotărât realizarea unui model în care să includ
valorile reale ale PIB-ului din România, precum şi Rata șomajului.
Pentru realizarea cercetării am introdus date găsite de pe site-urile Institutului Național de
Statistică2 și Banca Națională a României3, date cuprinse între ani 2008 și 2018.

ANII X Rata somajului(%) Y PIB

2008 5,8 139,7
2009 6,9 118,2
2010 7,3 124,4
2011 7,4 131,3
2012 7 132
2013 7,3 140,6
2014 6,8 149,5
2015 6,8 159
2016 5,9 170,4
2017 4,9 187,8
2018 4,2 202

Variabilele sunt:
X - variabila care arată Rata Șomajului exprimată în procente (variabila independentă)
Y – variabila care arată Produsul Intern Brut (PIB) explimat in miliarde euro (variabila dependentă)

2
Institutului Național de Statistică
3
Banca Națională a României
5
 Pentru realizarea corectă a unei regresii liniare simple este să verificam grafic dacă există o
dependență între valiabila dependentă și cea independetă. Graficul sugerează că există legatură
directă și liniară între cele doua valiabile.Observăm că alături de graficul de mai sus avem R2care
este de 0,767 (76%) adică, variabila dependentă este explicată în proporție de 76% de cea
independentă, ceea ce înseamnă că există o legătură puternică între ele.
Coregolama sugerează că există legatură directă și liniară între cele doua varoabile.
Există o funcție f astfel încât variabila X explică variabila Y prin funcția f ,Y =f ( X ), o
funcție liniară f (x)= β0 + β 1 X +ε .

COEFICIENȚII DE REGRESIE LINIARĂ SIMPLĂ:

Pentru fiecare dintre cele n=11 ANI am notat valorile celor două variabile X-Rata șomajului
și Y- PIB-ul, obținându-se astfel seria de date {( x 1 , y 1 ¿ ,¿ , y 2),......,( x n , y n)} sau {¿ , y i),i=1 ´, n
}. Pe baza acestui eșantion vom determina estimatorii b 0 ș ib 1 ai parametrilor β 0 și respectiv β 1 ai
modelului de regresie. Estimatorii b 0 ș ib 1 reprezintă soluția sistemului ecuațiilor normale:
n n

{ n∗b 0 +b1∗∑ xi =∑ y i
n
b0∗∑ xi +b 1∗∑ x 2i =∑ x i y i
i=1
i=1
n

i=1
i=1
n

i=1

Rezolvarea sistemului de ecuații liniare folosind metoda lui Cramer :

n

∆ n
b 0=

n
∆b
∆
și b 1=
0
∆b
∆

∆
, unde
∆=

n
1

| |
n
n∑ xi
i=1

∑ xi ∑ x
i=1
n

i=1
2
i
este determinaul matricei sistemului de ecuații, iar

| | | |
b0=¿
∑ yi ∑ xi
i=1
n
i=1
n

∑ x i y i∑ x 2i
i=1 i=1
¿ , b0=¿
n
n ∑ yi
i=1
n

∑ x i∑ xi y i
i=1 i=1
¿ sunt martorii corespunzători celor două necunoscute.

6
 ¿

Calculele intermediare sunt prezentate în tabelul de mai jos:

ANII X Rata somajului Y PIB X*Y X2 Y2

2008 5,8 139,7 810,26 33,64 19516,09
2009 6,9 118,2 815,58 47,61 13971,24
2010 7,3 124,4 908,12 53,29 15475,36
2011 7,4 131,3 971,62 54,76 17239,69
2012 7 132 924 49 17424
2013 7,3 140,6 1026,38 53,29 19768,36
2014 6,8 149,5 1016,6 46,24 22350,25
2015 6,8 159 1081,2 46,24 25281
2016 5,9 170,4 1005,36 34,81 29036,16
2017 4,9 187,8 920,22 24,01 35268,84
2018 4,2 202 848,4 17,64 40804
TOTAL 70,3 1654,9 10327,74 460,53 2738694

Se obține:
∆b 1654,9∗460,53−70,3∗2738694
b 0= 0
= = -1549766,1
∆ 11∗460,53−70,32
∆b 11∗2738694−70,3∗1654,9
b 1= = 1
=30009295
∆ 11∗460,53−70,32

Prin urmare dreapta de regresie este ŷ= b 0+b 1*x = -1549766,1+30009295*x, ecuația de

regresie liniară în eșantion este y i=b 0+ b1∗x i+e i = -1549766,1+30009295*x+e i, i=1,11
´ , iar valorile
ajustate ale observațiilor y i,i=1,11 prin regresie sunt
´

ŷ i=b 0 + b1* x i=- 1549766,1+30009295* x i,i=1,11

´ .

Interpretarea valorilor coeficienților:

 b 1arată că valoarea Produsului Intern Brut crește , în medie cu 3009295 miliarde

EURO, dacă Rata șomajului crește cu o unitate (b 1 panta dreptei de regresie arată cu
câte unități se modifică, în medie, nivelul variabilei deendente, dacă nivelul
variabilei independente crește cu o unitate)
 b 0 arată că valoarea Produsului Intern Brut este, în medie egal cu -1549766,1
miliarde EURO ¿ ¿- arată nivelul mediu al variabilei depentente, dacă nivelul
variabilei indepentente ar fi egal cu 0 unități)

Variables Entered/Removeda

Model Variables Entered Variables Removed Method

1 RATA SOMAJb . Enter

a. Dependent Variable: PIB

7
b. All requested variables entered.

Model Summaryb

Model R R Square Adjusted R Square Std. Error of the Durbin-Watson

Estimate

1 ,876a ,767 ,741 13,62164 ,483

a. Predictors: (Constant), RATA SOMAJ

b. Dependent Variable: PIB

VALIDITATEA MODELULUI DE REGRESIE:

Formuleaz ipotezele pentru testarea validității modelului:

 H 0: modelul de regresie nu este valid sau nu este semnificativ statistic.

 H 1: modelul de reresie este valid sau semnificativ statistic.

Pentru calculul statisticii F folosim tabelul ANOVA:

 Coeficientul de regresie R, pentru analiza de regresie liniară simplă, în acest caz R=

0,876;
 Coeficientul de determinare pentru regresie R2, pentru analiza de regresie liniară
simplă, în acest caz R2= 0,767. R-square, este 0,767, este coeficientul de
determinaţie, astfel, 76,7% din variaţia produsului intern brut este explicată
de variaţia somajului, diferenţa reprezintă influenţa altorfactori.
 Adjusted R Square: reprezintă o corelație a lui R2;
 Std. Error of the estimate: reprezintă eroarea standard a preciziei.
 Erorile standard calculate, aferente parametrilor estimaţi (standard error= 13,62164)
sunt utilizate pentru testarea semnificaţiei parametrilor funcţiei de regresie. Orice
fenomen este influentat, în general, de unul sau mai mulți factori. Se poate observa
că evolutia ratei șomajului influenteazî PIB (variabila dependenta)

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 5492,867 1 5492,867 29,603 ,000b

1 Residual 1669,941 9 185,549

Total 7162,807 10

a. Dependent Variable: PIB

b. Predictors: (Constant), RATA SOMAJ

În tabelul de mai sus avem următoarele elemente:

 Suma pătratelor (Sum of Squares)

 Grade de libertate (df)
 Media pătratelor (Mean Square)
 Valoarea statistică (F)
 Valoarea statistică critică (Sig)
8
 În al treilea tabel avem rezultatul analizei ANOVA cu privire la sursele de variaţie asupra
variabilei dependente.
Sunt două surse de influență: influenţa predictorului, adică influenţa explicată pe baza
modelului de predicţie (Regression), şi influenţa reziduală (eroarea de predicţie) (Residual).
Raportul F are valoarea de 29,603, ceea ce arată faptul că influenţa regresieieste mai mare
comparativ cu influenţa reziduală. Privind la valoarea lui Sig.vedem că este sub 0,0005, ceea ce
înseamnă că cele două tipuri de influenţe diferă semnificativ ca şi pondere.
Cu alte cuvinte, modelul de regresie este valid.
Regula de decizie este: dacă F calc > F critic= F α, k ,n−k −1, adică F calc se găsește în regiunea crițică,
atunci respingem H 0 și acceptăm H 1, că modelul de regresie este valid statistic.

Calculele intermitentesunt prezentate în tabelele următoare:

ANII X Y X*Y X2 Y^ EROAREA X3 X4 X2*Y X5 X6
2008 5,8 139,7 810,26 33,64 19516,09 -19376,39 17,4 23,2 4699,508 29 34,8
2009 6,9 118,2 815,58 47,61 13971,24 -13853,04 20,7 27,6 5627,502 34,5 41,4
2010 7,3 124,4 908,12 53,29 15475,36 -15350,96 21,9 29,2 6629,276 36,5 43,8
2011 7,4 131,3 971,62 54,76 17239,69 -17108,39 22,2 29,6 7189,988 37 44,4
2012 7 132 924 49 17424 -17292 21 28 6468 35 42
2013 7,3 140,6 1026,38 53,29 19768,36 -19627,76 21,9 29,2 7492,574 36,5 43,8
2014 6,8 149,5 1016,6 46,24 22350,25 -22200,75 20,4 27,2 6912,88 34 40,8
2015 6,8 159 1081,2 46,24 25281 -25122 20,4 27,2 7352,16 34 40,8
2016 5,9 170,4 1005,36 34,81 29036,16 -28865,76 17,7 23,6 5931,624 29,5 35,4
2017 4,9 187,8 920,22 24,01 35268,84 -35081,04 14,7 19,6 4509,078 24,5 29,4
2018 4,2 202 848,4 17,64 40804 -40602 12,6 16,8 3563,28 21 25,2
TOTAL 70,3 1654,9 10327,74 460,53 2738694,01 210,9 281,2 66375,87 351,5 421,8

X3*Y 1/X 1/X2 Y/X LNY X*LNY LNX (LNX)2 LNX*LNY

2430,78 0,1724137 0,029726516 24,08620 4,93949727 28,649084 1,7578579 3,09006445 8,68293438
9 7 1 8
2446,74 0,1449275 0,021003991 17,13043 4,7723781 32,929408 1,9315214 3,73077496 9,21795049
4 5 9 3
2724,36 0,1369863 0,018765247 17,04109 4,82350218 35,211565 1,9878743 3,95164442 9,58851625
6 9 4
2914,86 0,1351351 0,018261505 17,74324 4,87748478 36,093387 2,00148 4,00592219 9,76218824
4 3 4 1
2772 0,1428571 0,020408163 18,85714 4,88280192 34,179613 1,9459101 3,78656630 9,50149382

9
 4 3 5 8
3079,14 0,1369863 0,018765247 19,26027 4,94591898 36,105208 1,9878743 3,95164442 9,83186547
4 5 4
3049,8 0,1470588 0,021626298 21,98529 5,00729639 34,049615 1,9169226 3,67459230 9,59859968
2 4 5 1
3243,6 0,1470588 0,021626298 23,38235 5,0689042 34,468548 1,9169226 3,67459230 9,71669708
2 3 6 1
3016,08 0,1694915 0,028727377 28,88135 5,13814861 30,315076 1,7749524 3,15045584 9,11996896
3 6 8 8
2760,66 0,2040816 0,041649313 38,32653 5,23537757 25,653350 1,5892352 2,52566853 8,32024634
3 1 1 7
2545,2 0,2380952 0,056689342 48,09523 5,3082677 22,294724 1,4350845 2,05946759 7,61781283
4 8 3 5
30983,2 1,7750922 0,297249296 274,7891 54,9995777 349,94958 20,245635 37,6013933 100,958274
2 5 7 4 5

În următorul tabel avem date cu privire la coeficienţii de regresie:

SPSS-ul calculează aceşti coeficienţi în două forme:
 coeficienţii nestandardizaţi (coloana B); Pe linia lui Constant este valoare lui a,iar pe
următoarea, valoarea lui b. În exemplul nostru, a = 291,668 şi b = -22,097. Pe baza acestor
valori, putem scrie ecuaţia de regresie (în forma sa nestandardizată) ca fiind:
Y’ = 291,668 + -22,097* X.
 coeficienţii standardizaţi (coloana Beta). Coeficientul de regresie standardizat este, aşa cum
spuneam anterior, chiar R (r din analiza de corelaţie). În exemplul nostru, Beta = -0,876. Pe
baza acestor valori, putem scrie ecuaţia de regresie (în forma sa standardizată) ca fiind:
zY’ = -0,876* zX
Pentru aceşti coeficienţi au fost desfășurate teste de semnificaţie. În coloana lui Sig. vedem
că coeficienţii sunt diferiţi de zero, deci pot fi păstraţi în modelul de predicţie.
Pentru coeficienţii de regresie nestandardizaţi au fost calculate şi limitele între care se află
aceşti coeficienţi la nivel de populaţie (95% CI):
 pentru coeficientul a: limita inferioară = 232,221, limita superioară = 351,114;
 pentru coeficientul b: limita inferioară = -31,285, limita superioară = -12,910.
Pentru coeficientul a observăm precizia destul de crescută a estimării şi faptul că nu conţin
valoarea zero, iar coeficientul b observăm precizia cu minus a estimării.

Coefficientsa

Model Unstandardized Standardized t Sig. 95,0% Confidence Interval for

Coefficients Coefficients B

B Std. Error Beta Lower Bound Upper Bound

(Constant) 291,668 26,279 11,099 ,000 232,221 351,114

1 RATA
-22,097 4,061 -,876 -5,441 ,000 -31,285 -12,910
SOMAJ

a. Dependent Variable: PIB

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 128,1472 198,8588 150,4455 23,43687 11

Residual -23,80300 17,59438 ,00000 12,92262 11

10
Std. Predicted Value -,951 2,066 ,000 1,000 11
Std. Residual -1,747 1,292 ,000 ,949 11

a. Dependent Variable: PIB

11
 În histograma de mai jos avem reprezentat regresiei standardizată reziduală care este
de 0,949, adică de 94,9%.

CONCLUZIE
În concluzie, legatura dintre Produsul Intern Brut și Rata șomajului este clară. Când Rata
șomajului crește, de asemenea crește și Produsul Intern Brut și invers, adica dacă Rata șomajului
scade, de asemenea scade și Produsul Intern Brut.

12
 2. REGRESIA LINIARĂ MULTIPLĂ

DESCRIERE
Șomajul reprezintă un fenomen economic ce se manifestă ca un dezechilibru pe piața
muncii, în care există un surplus de ofertă de muncă față de cererea de muncă.
Cauzele care determină apariția șomajului sunt:

 Criza economică;
 Imigrarea, emigrarea forței de muncă;
 Ritmul de creștere economică bazată pe eficacitatea ridicată a muncii, care nu mai este
capabilă să asigure o ocupare a forței de muncă în totalitate;
 Dezvoltarea tehnică într-un termen scurt;
 Schimbările de structură a ramurilor și sectoarelor economice;
 Situația economică și politică internațională defavorabilă.
Șomajul poate fi de mai multe tipuri, respectiv: șomaj ciclic, fricțional, structural, sezonier,
tehnologic. De asemenea șomajul poate fi voluntar, atunci când persoanele nu vor să lucreze din
anumite motive, sau șomaj involuntar când, deși sunt apți pentru realizarea unui job, nu reușesc să
gasească unul.
Şomajul reprezintă probabil fenomenul economic cel mai îngrijorător pentru fiecare
persoană.
Rata șomajului se referă la indicatorul obținut în urma raportarii numarului de șomeri la
populația de referință. Se înregistrează o creștere a ratei șomajului în momentul în care apare
decalajul între oferta și cererea de pe piață muncii din cauza căruia persoanele nu își pot gasi un loc
de muncă.
Rata șomajului este un factor important de care se ține cont atunci când se iau măsuri de
politică economică sau de protecție socială. Prin intermediul recensămintelor și anchetelor prin
sondaj se pot obține mai multe informații despre rata șomajului.
Produsul Intern Brut (PIB) este un indicator macroeconomic care exprimă suma valorii de
piață a tuturor mărfurilor și serviciilor destinate consumului final, produse în toate ramurile
economiei în interiorul une țări în decurs de un an.
Principalele surse de date utilizate pentru estimarea produsului intern brut trimestrial sunt:

 surse statistice: anchete infra-anuale privind producția industrială, de construcții, servicii,

comerț; contul de producție al agriculturii; anchete infra-anuale privind caștigurile salariale
si efectivul de salariati;
 surse financiar-contabile: bilanțuri contabile ale institutiilor financiare;
 surse administrative: executia bugetului de stat și a bugetelor locale, precum și a bugetului
asigurarilor sociale de stat; balanta de plati.
Rata de ocupare a forței de muncă în ansamblul factorilor de producție, unul dintre cele
mai importante elemente îl reprezintă forța de muncă. De aceea, modul de concepere a organizării
diverselor activități ar trebui să aibă în vedere (împreună cu alte elemente), problema ocupării, a
utilizării mâinii de lucru, ea fiind încadrată ca o dimensiune specifică dezvoltării. Importanța acestei
noțiuni ar putea fi motivată tocmai prin raportarea la termenul contrar, adică cel de neocupare, dat
fiind faptul că dacă nu se utilizează forța de muncă, înseamnă nu atât un element în plus pentru
13
raportări statistice, cât mai ales costuri sociale suplimentare. Indiferent de economie, se calculează
gradul de ocupare al forței de muncă, prin raportarea populației ocupate/populația aptă de muncă x
100. Gradul de ocupare al forței de muncă într-o economie, alături de nivelul subocupării și cel al
șomajului, țin seama de o serie de împrejurări. Unele dintre acestea sunt următoarele:

 Economia este determinată de un sistem propriu de organizare, economie care la un moment

dat dispune de un număr limitat de locuri de muncă, fiind vorba de fapt, de conceptul de
cere de muncă, necorelat cu oferta existentă în domeniu.
 Societatea a fost și va mai rămâne, probabil, stratificată. De aici decurge o chestiune
controversată: dacă veniturile sunt eterogene, care evient, influenteaza negativ gradul de
ocupare al forței de muncă.
 Piața forței de muncă presupune anumite premise care, în cazul în care nu sunt respectate,
pot provoca multiple disfuncționalități în întreaga activitate economică: informația să fie
transparentă (acces la lucru, diverse condiții de angajare, oportunități), mobilitatea forței de
muncă, raționalitatea.
 Există și anumiți factori care pot determina în mod direct, deși nu mereu proporțional,
mărimea șomajului, și anume: nivelul cultural, progresul tehnic, creșterea populației,
sistemul de învățământ.

14
 APLICAȚIE

Prin această aplicație, îmi propun analiza prin intermediul unui model de regresie multiplă
influenţa Ratei șomajului și al Ratei de ocupare a populației a României din perioada 2008-2018
asupra PIB-ului.
În schema de mai jos putem observa că cel mai mic pricent de 4,2% al ratei șomajului a fost
înregistrat in anul 2018, iar cel mai mare procent de 7,3% a fost înregistrat in 2011. Tendinţa
descendentă a ratei şomajului se accentuează pe timpul lunilor de vară, fiind influenţată de creşterea
numărului de persoane angajate pe perioadă determinată în sectoare ale economiei cu activitate
sezonieră (construcţii, agricultură, servicii etc.)
Dacă la începutul anului 2011 numărul de şomeri era similar cu cel de la începutul anului
2009, an de începere a crizei economico-financiare în ţara noastră, pe parcursul primului semestru
al anului 2011 numărul de şomeri a cunoscut o scădere constantă. Începând cu trimestrul III al
anului, numărul de şomeri începe să cunoască o creştere usoară datorată în principal restrângerii
activităţii agenţilor economici care desfăşoară activităţi cu caracter sezonier.

Rata șomajului pe ani

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

7.3 7.4 7.3

6.9 7 6.8 6.8

5.8 5.9

4.9
4.2

X Rata șomajului

15
 În schema de mai jos putem observa că cel mai mic PIB de 118,2 mild EURO, a fost
înregistrat în anul 2009, iar cel mai mare PIB de 202 mild EURO, a fost înregistrat in anul 2018.
Fenomenul creşterii economice a fost analizat şi de alţi economişti ce au ajuns la concluzia că
locomotiva creşterii economice ”se sprijină pe patru roţi indiferent cât de bogată sau săracă este o
ţară”. Aceste roţi sau factori ai creterii economice sunt: resursele umane (oferta de muncă,
disciplina, educaţia, motivaţia), resursele naturale (pământul, mineralele, combustibilii, calitatea
mediului), formarea capitalului (utilaje, fabrici, şosele), tehnologia (ştiinţa, ingineria,
managementul, spiritul întreprinzător). În literatura de specialitate, creşterii economice i se acordă o
atenţie deosebită, deoarece bunăstarea generală a societăţii depinde de nivelul acesteia.4

Produsul Intern Brut pe ani

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

202
187.8
170.4
159
149.5
139.7 140.6
131.3 132
118.2 124.4

Y Produsul intern brut

4
Factorii de influenţă ai creşterii economice la nivelul României
16
 În schema de mai jos putem observa că cea mai mică Rata de ocupare a pupulației este de
64,8% ,care a fost înregistrat în anul 2018, iar cea mai mică Rata de ocupare a pupulației de 59, a
fost înregistrat in anul 2008. Putem observa o creștere in 2018 de 5,8 % față de anul 2008.
Comparativ cu anul 2017, a scăzut numărul persoanelor care îşi desfǎşurau activitatea în
agriculturǎ, silviculturǎ şi pescuit (-36,8 mii persoane), construcții (-18,9 mii persoane),
administrație publică și apărare (-16,0 mii persoane), învǎţǎmânt (-4,7 mii persoane), intermedieri
financiare şi asigurǎri (-4,3 mii persoane), activitǎţi de spectacole, culturale şi recreative (-1,8 mii
persoane). Cele mai semnificative creşteri faţă de anul precedent s-au înregistrat în comerţ (+35,2
mii persoane), transport şi depozitare (+18,6 mii persoane) şi hoteluri şi restaurante (+17,5 mii
persoane).5
Şomajul a afectat în măsură mai mare absolvenţii învăţământului scăzut şi mediu, pentru
care rata şomajului a fost de 5,8%, respectiv 4,3%. Rata şomajului a fost de doar 2,1% în cazul
persoanelor cu studii superioare. Rata şomajului de lungă durată (în şomaj de un an şi peste) a fost
de 1,8%, iar incidenţa şomajului de lungă durată (ponderea persoanelor aflate în şomaj de un an şi
peste în total şomeri) a fost de 44,1%. Pentru tineri (15-24 ani), rata şomajului de lungă durată (în
şomaj de şase luni şi peste) a fost de 9,3%, iar incidenţa şomajului de lungă durată în rândul
tinerilor de 57,2%.

Rata de ocupare a forței de muncă pe ani

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
64.8
63.9

61.4 61.6
61
59.5 59.7
59 58.6 58.8 58.5

Rata de ocupare a populatiei

5
http://www.insse.ro/cms/sites/default/files/com_presa/com_pdf/somaj_2018r.pdf
17
 METODOLOGIA ELABORĂRII

Pe baza cercetărilor efectuate în domeniu, am hotărât realizarea unui model în care să includ
valorile reale ale PIB-ului din România, a Ratei șomajului și al Ratei de ocupare a populației .
Pentru realizarea cercetării am introdus date găsite de pe site-urile Institutului Național de
Statistică6 și Banca Națională a României7, date cuprinse între ani 2008 și 2018.
Variabilele sunt:
X - variabila care arată Rata Șomajului exprimată în procente (variabila independentă)
X 2 - variabila care arată Rata de ocupare a forței de muncă explimata în procente( variabila
indepenndenta)
Y – variabila care arată Produsul Intern Brut (PIB) explimat in miliarde euro (variabila
dependentă)
ANII X Rata somajului X2 Rata de ocupare forței de muncă Y PIB
2008 5,8 59 139,7
2009 6,9 58,6 118,2
2010 7,3 58,8 124,4
2011 7,4 58,5 131,3
2012 7 59,5 132
2013 7,3 59,7 140,6
2014 6,8 61 149,5
2015 6,8 61,4 159
2016 5,9 61,6 170,4
2017 4,9 63,9 187,8
2018 4,2 64,8 202

Un model de regresie liniară multiplă poate fi exprimat prin următoarea ecuație:

y= f(xi) + ε

unde y reprezintă variabila dependentă în acest caz Produsul Intern Brut, f(xi) este funcția de
regresie. De asemenea xi reprezintă variabilele independente în acest caz Rata șomajului și Rata de
ocupare forței de muncă.

Modelul liniar multifactorial are forma:

y i= β 0+ β 1 x i 1+ β 2 x i 2+.......+ β n x ¿+ ε i, cu i= 1 ´, n

Graficul următor sugerează că există legatură directă și liniară între Rata șomajului și
Produsul Intern Brut.Observăm că alături de graficul de mai jos avem R2care este de 0,767 (76%)
adică, variabila dependentă este explicată în proporție de 76% de cea independentă, ceea ce
înseamnă că există o legătură puternică între ele.

6
Institutului Național de Statistică
7
Banca Națională a României
18
 Graficul sugerează că există legatură directă și liniară între Rata de ocupare a pupulației și
Produsul Intern Brut.Observăm că alături de graficul de mai jos avem R2care este de 0,954 (95%)
adică, variabila dependentă este explicată în proporție de 95% de cea independentă, ceea ce
înseamnă că există o legătură puternică între ele.

Estimarea parametrilor modelului și interpretarea acestora

Estimarea punctuală a parametrilor
Modelul de regresie multiplă liniară are in vedere stabilirea funcției de regresie:
Ŷx1,x2,i = b0 + b1xi + b2x2i unde b0 și b1 sunt parametrii funcției de regresie, iar ε este valoarea
reziduală.

19
 Sistemul de ecuaţii pentru determinarea estimatorilor b0, b1 şi b2 este:

n n n

{
n b0 +b 1 ∑ x i 1+ b2 ∑ xi 2=∑ y i
i=1 i=1 i =1
n n n n
b0 ∑ x i1 +b 1 ∑ x 2i 1+ b2 ∑ xi 1 xi 2=∑ x i 1 y i
i=1 i=1 i=1 i=1
n n n n
b0 ∑ x i2 +b 1 ∑ x i 1 x i 2+ b2 ∑ x2i 2=∑ xi 2 y i
i=1 i=1 i=1 i=1

În tabelul de mai sunt prezentate variabilele introduse în ecuația de regresie

Variables Entered/Removeda

Model Variables Entered Variables Removed Method

1 LNX2b . Enter

a. Dependent Variable: LNY

b. Tolerance = ,000 limits reached.

În următorul tabel avem următoarele elemente:

- coeficentul de regresie R (este coeficentul de regresie standardizat - Beta ) – pentru analiza
de regresie liniară simplă ,este identic cu coeficentul de corelație liniară Pearson (r) . În
cazul nostru , R=0,854;
- coeficentul de determinare pentru regresie R2 ( R Square)- pentru analiza de regresie
liniară simplă , este identic cu coeficentul de determinare pentru corelație (r 2). În cazul
nostru R2=0,730. Valoarea acestui coeficent ne spune că 7,3% din variați PIB-ului este
determinată de variația Ratei de ocupare a populației
- Adjusted R Square : reprezintă o corecție a lui R2
- Std. Error of the estimate : reprezintă eroarea standard a predicției . În cazul nostru avem o
valoare mică adica de 0,09368%

Model Summaryb

Model R R Square Adjusted R Square Std. Error of the Durbin-Watson

Estimate

1 ,854a ,730 ,700 ,09368 ,452

a. Predictors: (Constant), LNX2

b. Dependent Variable: LNY

În următorul tabel avem rezultatul analizei ANOVA cu privire la sursele de variaţie asupra
variabilei dependente.
Sunt două surse de influență: influenţa predictorului, adică influenţa explicată pe baza
modelului de predicţie (Regression), şi influenţa reziduală (eroarea de predicţie) (Residual).
Raportul F are valoarea de 24,340, ceea ce arată faptul că influenţa regresiei este mai mare
comparativ cu influenţa reziduală. Privind la valoarea lui Sig.vedem că este 0,001 cea ce inseamnă
ca este sub 0,005, ceea ce rezultă că cele două tipuri de influenţe diferă semnificativ ca şi pondere.
20
Cu alte cuvinte, modelul de regresie este valid.
Regula de decizie este: dacă F calc > F critic= F α, k ,n−k −1, adică F calc se găsește în regiunea crițică,
atunci respingem H 0 și acceptăm H 1, că modelul de regresie este valid statistic.
Df- este numărul gradelor de libertate
Sum of Square- sunt sumele de pătrate potrivit descompunerii:
Suma globală de pătrate = Suma de pătrate datorată regresiei + Suma de pătrate reziduală
Mean Square- mesia sumelor pătrate : Sum of Square împărțită la numărul respectiv de
grade de libertate. Valoarea de pe linia a doua ( Residual) este estimația dispersiei pentru repatiția
erorilor și este pătratul erorii standard a estimației.

F- valoarea statisticii F pentru testul caracterizat de :{ H 0 :∝1 =∝2 =0}

Significance F – este probabilitatea critică unilaterală . Dacă valoarea afișată este mai mică
decât pragul de semnificație fixat , atunci se respinge ipoteza nulă în favoarea ipotezei alternative .

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression ,214 1 ,214 24,340 ,001b

1 Residual ,079 9 ,009

Total ,293 10

a. Dependent Variable: LNY

b. Predictors: (Constant), LNX2

În tabelul de mai jos sunt valorile estimate pentru coeficienții modelului precum și
statisticile necesare verificării ipotezelor uzuale asupra coeficenților. De remarcat este că spre
deosebire de testul F , testele asupra coeficenților sunt individuale.

Coefficientsa

Model Unstandardized Coefficients Standardized t Sig. 95,0% Confidence Interval for B

Coefficients

B Std. Error Beta Lower Bound Upper Bound

(Constant) 6,461 ,297 21,720 ,000 5,788 7,134

1
LNX2 -,397 ,080 -,854 -4,934 ,001 -,579 -,215

a. Dependent Variable: LNY

În următorul tabel avem date cu privire la coeficienţii de regresie și anume:

 Coeficienții nestandardizați în coloana B

 Coeficienții standardizați în coloana Beta

Pentru aceşti coeficienţi au fost desfășurate teste de semnificaţie. În coloana lui Sig. vedem
că coeficienţii sunt diferiţi de zero, deci pot fi păstraţi în modelul de predicţie.
Pentru coeficienţii de regresie nestandardizaţi au fost calculate şi limitele între care se află
aceşti coeficienţi la nivel de populaţie (95% CI):
21
 Excluded Variablesa

Model Beta In t Sig. Partial Correlation Collinearity Statistics

Tolerance

1 LNX .b . . . ,000

a. Dependent Variable: LNY

b. Predictors in the Model: (Constant), LNX2

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 4,8722 5,3218 5,0000 ,14616 11

Residual -,15534 ,12959 ,00000 ,08888 11

Std. Predicted Value -,874 2,202 ,000 1,000 11

Std. Residual -1,658 1,383 ,000 ,949 11

a. Dependent Variable: LNY

22
 În histograma de mai jos avem reprezentat regresia standardizată reziduală care este de
0,949, adică de 94,9%.

CONCLUZIE
În concluzie, legatura dintre Produsul Intern Brut, Rata șomajului și Rata de ocupare a forței
de muncă este clară. Când Rata de ocuparea forței de muncă este în creștere, Rata șomajului scade
și crește Produsul Intern Brut, iar când Rata de ocuparea forței de muncă este în scădere, Rata
șomajului crește și scade Produsul Intern Brut.

23