Documente Academic
Documente Profesional
Documente Cultură
ECONOMETRIE
1
În limba engleză “Econometrics”, iar în limba franceză “Économétrie”.
Într-o încercare de definire a econometriei, Ragnar FRISCH a arătat că econo-
metria nu trebuie asimilată, în mod separat, nici cu statistica economică, nici cu
teoria economică generală şi nici cu utilizarea metodelor statistico-matematice în
domeniul economic. În acest context, Ragnar FRISCH defineşte econometria ca
reprezentând o unificare, o îmbinare, a celor trei domenii, această unificare fiind
tocmai elementul care conferă econometriei forţă ştiinţifică şi eficienţă aplicativă
deosebite.
Un impuls deosebit pentru dezvoltarea econometriei, încă din momentul
apariţiei acesteia, a fost reprezentat de înfiinţarea Societăţii de Econometrie (Eco-
nometric Society), la Cleveland, în Ohio, în anul 1930, la iniţiativa statisticianului
Irving FISHER, care a fost primul său preşedinte, şi a economistului Ragnar
FRISCH. Primele două reuniuni ştiinţifice ale acestui for econometric au avut loc
în septembrie 1931, la Universitatea din Lausanne, respectiv în decembrie 1931, la
Washington D.C.. Impulsul dat dezvoltării econometriei prin înfiinţarea Societăţii
de Econometrie a fost amplificat prin apariţia în 1933, a celei mai prestigioase
reviste din domeniu, revista Econometrica, care a ajuns în prezent la peste 75 de
ani de apariţie neîntreruptă. Colegiul de conducere al revistei Econometrica este
localizat în prezent la Universitatea Princeton şi include cele mai prestigioase nume
ştiinţifice şi universitare din domeniu, cum ar fi Stephen MORRIS (Princeton
University), Larry SAMUELSON (Yale University), Whitney NEWEY (MIT),
Daron ACEMOGLU (MIT), Steven BERRY (Yale University), David LEVINE
(Washington University, St. Louis), Harald UHLIG (University of Chicago).
În prezent, există în lume sute şi sute de reviste cu profil econometric, iar
numărul de articole, studii şi cărţi pe acest profil este de ordinul zecilor sau chiar
sutelor de mii2 . De asemenea, econometria este predată, ca disciplină economică
fundamentală şi cu pondere foarte mare în procesul de pregătire universitară, la
toate universităţile economice de prestigiu din lume.
Tot ca semn al importanţei, valorii ştiinţifice şi utilităţii econometriei în
contextul ştiinţei economice contemporane, poate fi menţionat şi numărul mare de
premii Nobel acordate pentru contribuţii ştiinţifice în domeniul econometriei.
Pentru exemplificare, menţionăm premiile Nobel pentru economie, acordate unor
personalităţi marcante din domeniul econometriei, cum ar fi: Jan TINBERGEN şi
Ragnar FRISCH - în anul 1969, pentru dezvoltarea şi aplicarea modelelor
econometrice dinamice la analiza proceselor economice; Lawrence KLEIN - în
anul 1980, pentru modelarea econometrică cu ajutorul calculatorului în domeniul
proceselor macroeconomice; Trygve HAAVELMO - în anul 1989, pentru nume-
roasele lucrări publicate în domeniul econometriei şi pentru rezultatele obţinute în
domeniul fundamentării probabilistice a econometriei; Daniel McFADDEN şi
James HECKMAN - în anul 2000, pentru cercetările şi contribuţiile din domeniul
microeconometriei; Robert ENGLE and Clive GRANGER - în anul 2003, pentru
realizările spectaculoase din domeniul analizei seriilor de timp, reprezentate de
2
De exemp lu, o simplă căutare pe Internet, doar după cuvintele cheie engleze
“Econometrics” şi “Econometric Analysis”, listează peste 5 milioane de lucrări.
modelele de tip ARCH şi metodele de identificare a fenomenului de cointegrare a
seriilor de timp. În plus faţă de aceste premii Nobel acordate pe problematica
econometriei, alte premii Nobel pentru economie au fost acordate pentru preo-
cupări legate, mai mult sau mai puţin direct, tot de domeniul econometriei.
Dezvoltarea explozivă a econometriei şi modelării econometrice, ca instru-
mente de cunoaştere ştiinţifică, de simplificare a complexităţii şi de sintetizare a
cauzalităţii din diverse domenii de activitate, a fost stimulată şi de dezvoltarea
mijloacelor electronice de calcul. Apariţia calculatoarelor bazate pe micropro-
cesoare şi larga accesibilitate a acestora din punct de vedere al preţului şi software-
ului aplicativ au făcut ca, în prezent, să nu existe domeniu de cercetare în care
calculatorul electronic să nu fie instrumentul cel mai frecvent folosit pentru
rezolvarea celor mai diverse probleme. Calculatorul electronic a devenit instru-
mentul predilect şi de neînlocuit în procesul de analiză econometrică, în activitatea
de predicţie şi, în general, în orice activitate ştiinţifică bazată pe modelarea mate-
matică. Prelucrarea unui volum uriaş de informaţii, pe baza unor algoritmi de o
complexitate deosebită şi în condiţii de precizie ridicată, nu se poate realiza decât
cu ajutorul calculatorului electronic.
O utilizare, relativ recentă şi în acelaşi timp spectaculoasă, a calculatorului
electronic este cea legată de analiza, prelucrarea şi sintetizarea grafică a infor-
maţiei, ca activităţi importante ale demersului econometric. Posibilităţile extraor-
dinare pe care le oferă tehnica de calcul actuală în acest domeniu reprezintă un
motiv care face ca utilizarea calculatorului electronic să devină indispensabilă în
orice problemă de analiză econometrică.
În prezent, există zeci şi zeci de produse software dedicate soluţionării proble-
melor din domeniul econometriei, produse apărute şi dezvoltate în ultimele 3-4
decenii, pe măsura dezvoltării tehnicii de calcul şi ca răspuns la dezvoltarea
extraordinară a abordărilor econometrice. O inventariere pe care am făcut-o recent,
şi care nu este nici pe departe exhaustivă, ci doar minimală, cu privire la instru-
mentele software existente în lume la acest moment și dedicate domeniului econo-
metric, a condus la identificarea a peste 100 de astfel de instrumente software.
Acest număr este cu atât mai semnificativ, cu cât aceste produse software sunt de
notorietate mondială, având o largă utilizare în practica econometrică. Prin comple-
xitatea lor, prin multitudinea de facilităţi pe care le oferă şi prin uşurinţa cu care pot
fi folosite, produsele software elaborate pentru domeniul econometriei pot fi
considerate ca fiind adevărate medii informatice pentru desfăşurarea activităţilor de
cercetare ştiinţifică din acest domeniu.
Printre cele mai noi şi mai performante instrumente software existente în
prezent, destinate, total sau parţial, activităţilor legate de conţinutul econometriei,
putem menţiona: • EVIEWS 6.0, Quantitative Micro Software, Irvine, CA, USA,
2008; • SPSS 17.0, SPSS Inc., Chicago, IL, USA, 2009; • STATISTICA 8.0, Stat-
Soft Inc., Tulsa, OK, USA, 2008; • S-PLUS 8.0, MathSoft Inc., Seattle, Washing-
ton, USA, 2008;• SAS 9.2, SAS Institute Inc., Cary, NC, USA, 2008; • SYSTAT
12.02, SPSS Inc., Chicago, IL, USA, 2007; • RATS 7.2, Estima Evanston, IL,
USA, 2009; • R - Project 2.9, 2009; • JMP 8.0, SAS Institute Inc., Cary, NC, USA,
2008; • SPAD 7.0, CISIA, Saint Mande, France, 2007; • STATA MP 10.1, Stata
Corp., Texas, USA, 2009; • GAUSS 9.0, Aptech System Inc., 2008; • MATHEMA-
TICA 7.0, Wolfram Research, Champaign, IL, USA, 2009.
Pe lângă instrumentele software menţionate anterior, mai există o mare varie-
tate de produse informatice nespecializate pe domeniul econometric, care includ
însă proceduri software dedicate exclusiv soluţionării unor probleme din domeniul
econometriei, cum ar fi EXCEL, MATLAB, MATCAD etc.
În contextul dezvoltării deosebite a instrumentelor software dedicate analizei
econometrice, econometria poate fi privită ca reprezentând o combinare eficientă a
statisticii economice, teoriei economice generale, teoriei probabilităţilor statisticii
matematice şi informaticii.
În România, primele preocupări mai relevante în domeniul econometriei au
apărut după anul 1965, odată cu înfiinţarea Facultăţii de Calcul Economic şi
Cibernetică Economică 3 , în cadrul Academiei de Studii Economice din Bucu-
reşti, cu înfiinţarea Laboratoarelor de Cercetare ale Catedrei de Cibernetică
Economică şi cu apariţia revistelor ştiinţifice “Studii şi Cercetări de Calcul Eco-
nomic şi Cibernetică Economică” şi “Economic Computation and Economic
Cybernetics Studies and Research”. Profilul facultăţii, al laboratoarelor de cer-
cetare şi al celor două reviste ştiinţifice, natura cantitativă a majorităţii disciplinelor
predate în facultate, preocupările ştiinţifice ale cadrelor universitare, precum şi
proiectele de cercetare şi lucrările publicate de acestea, au reprezentat elemente
stimulatorii pentru dezvoltarea econometriei în România şi pentru extinderea apli-
caţiilor acesteia în economia românească, încă din perioada anilor 1965-1970. În
acest context, merită a fi menţionate contribuţiile şi rezultatele remarcabile obţi-
nute în acest domeniu de profesorii universitari: Ludovic TÖVISSI, Corneliu
CUŞA, Eugen PECICAN, Gheorghe RUXANDA, Vergil VOINEAGU, Cons-
tantin MITRUŢ, Tudorel ANDREI etc.
Un element important al contribuţiei Facultăţii de Calcul Economic şi Ciber-
netică Economică, la promovarea şi dezvoltarea econometriei în ţara noastră, este
reprezentat de instrumentul software EMI - Limbaj pentru Analiză şi Predicţie,
instrument dezvoltat de prof. dr. Gheorghe RUXANDA şi utilizat de generaţii
întregi de studenţi din Academia de Studii Economice din Bucureşti.
Deşi iniţial obiectul econometriei a fost legat în mod exclusiv de domeniul
economic, ulterior, utilizarea metodelor şi tehnicilor econometrice a fost extinsă şi
în afara domeniului economic, ele fiind folosite în prezent şi în alte domenii, cum
ar fi: sociologia, psihologia, medicina, biologia, ştiinţa politică etc.
În general, se poate spune că econometria este o ramură a ştiinţei economice,
care se ocupă cu estimarea empirică şi testarea relaţiilor sau legăturilor care se
manifestă între fenomene şi procese din realitatea economică.
Econometria este disciplina care se ocupă cu identificarea, estimarea empirică
şi testarea unor relaţii economice, prin intermediul construirii unor modele mate-
3
În prezent, Facultatea de Cibernetică, Statistică şi Informatică Economică
matice specifice, numite modele econometrice, în scopul analizei, simulării şi
predicţiei comportamentului fenomenelor economice reale.
Econometria are ca principal obiectiv aplicarea unor metode şi tehnici ale teo-
riei probabilităţilor şi statisticii matematice la date economice obţinute prin obser-
vare statistică, în scopul:
• identificării, măsurării şi formalizării unor legături dintre diferite fenomene
sau procese din realitatea economică, sub forma modelelor econometrice;
• estimării parametrilor modelelor econometrice care descriu legături cauzale
semnificative pentru domeniul economic;
• cuantificării influenţelor exercitate de anumite fenomene şi verificării sem-
nificaţiei acestor influenţe;
• verificării unor ipoteze sau idei teoretice formulate cu privire la natura şi
semnificaţia unor legături dintre fenomene şi procese economice;
• utilizării modelelor econometrice pentru efectuarea de analize, evaluări,
simulări şi predicţii.
Econometria utilizează o serie de elemente fundamentale, reprezentate de
teorii economice, fapte exprimate prin intermediul unor date relevante şi metode
statistice, numite tehnici econometrice, în scopul construirii unor modele care să
descrie o serie de relaţii de interes existente în realitatea economică. Econometria
utilizează datele existente pentru a estima legături manifestate în lumea reală şi
pentru a verifica anumite ipoteze cu privire la aceste legături.
Obiectul de studiu al econometriei include, ca elemente de importanţă mai
semnificativă, analiza corelaţiei, analiza regresiei, analiza varianţei şi analiza
seriilor de timp. Produsul final şi semnificativ al demersului econometric este
reprezentat de modelul econometric estimat şi validat, model care poate fi utilizat
pentru analiză, simulare sau predicţie.
Având în vedere natura, conţinutul şi derularea oricărui demers econometric,
etapele cele mai relevante ale acestui demers pot fi sintetizate sub forma următoare:
a. formularea unui principiu, unei teorii sau a unei ipoteze, referitoare fie la
natura comportamentului unuia sau mai multor fenomene economice, fie la
existenţa uneia sau mai multor legături de cauzalitate din realitatea economică;
b. culegerea datelor necesare, verificarea calităţii acestora şi construirea bazei
informaţionale ce va fi utilizată pentru identificarea, estimarea şi validarea
modelului econometric;
c. efectuarea unor analize preliminare, cu natură exploratorie, în scopul suma-
rizării datelor, identificării principalelor caracteristici şi tendinţe evidenţiate de
date, detectării eventualelor erori prezente în date şi inventarierii factorilor
semnificativi care trebuie reţinuţi în analiza econometrică;
d. specificarea unui model econometric adecvat, compatibil cu postulatele
teoriei economice şi cu datele disponibile, şi formularea ipotezelor statistice
care stau la baza specificării modelului econometric;
e. alegerea metodei de estimare, a instrumentului software adecvat şi utilizarea
acestora şi a bazei informaţionale existente, pentru estimarea parametrilor
modelului econometric;
f. testarea modului în care sunt îndeplinite ipotezele statistice care stau la baza
specificării modelului econometric şi aplicarea procedurilor de corecţie adec-
vate, în condiţiile în care anumite ipoteze nu sunt verificate;
g. validarea modelului econometric, pe baza unor indicatori, criterii, proceduri
şi teste referitoare la calitatea acestuia;
h. respecificarea modelului econometric, în situaţia în care acesta nu înde-
plineşte cerinţele necesare pentru validare sau se dovedeşte a nu fi în concor-
danţă cu teoria economică și cu realitatea economică evidenţiată de datele
disponibile;
i. utilizarea modelului econometric, estimat şi validat, pentru analize şi eva-
luări cantitative, pentru simulare şi pentru predicţie;
j. formularea unor concluzii şi propuneri pentru fundamentarea unor decizii şi
măsuri de politică economică.
Având în vedere etapele şi modul în care are loc derularea unui demers econo-
metric general, se poate spune că acesta are o natură extrem de laborioasă, cu o
pronunţată tentă de iterativitate, implică o multitudine de activităţi şi presupune
utilizarea unei game variate de instrumente statistico-matematice.
Orice demers econometric complet, care conduce aproape totdeauna la obţi-
nerea unui model econometric estimat şi validat, se finalizează prin utilizarea mo-
delului econometric în trei scopuri principale: analiza, simularea şi predicţia. Cele
trei activităţi care reprezintă obiectivele finale ale demersului econometric, sunt
activităţi foarte importante pentru fundamentarea proceselor decizionale din dome-
niul economic.
Analiza efectuată pe baza modelelor econometrice este o analiză de tip structu-
ral, care are ca scop validarea unor puncte de vedere teoretice cu privire la com-
portamentul unor fenomene şi unor legături cauzale, testarea semnificaţiei pe care o
are influenţa anumitor factori cauzali şi cuantificarea acestei influenţe, măsurarea
senzitivităţii unor fenomene de tip efect, în raport cu o serie de fenomene de tip
cauză, astfel încât analiza pe baza modelului econometric poate conduce la o mai
bună înţelegere a manifestării fenomenelor economice reale şi a legăturilor dintre
acestea, îmbogăţind în acest fel cunoaşterea economică.
Într-o accepţiune restrânsă şi simplificată, activitatea de analiză econometrică
poate fi privită ca fiind activitatea care vizează: explicarea şi înţelegerea compor-
tamentului fenomenelor economice şi legăturilor dintre acestea, obţinerea unor noi
cunoştinţe economice şi adâncirea cunoaşterii realităţii economice, identificarea
unor noi legităţi, care guvernează comportamentul fenomenelor economice.
Predicţiile efectuate cu ajutorul modelelor econometrice, au scopul de a antici-
pa viitoarele manifestări ale unor fenomene economice sau ale unor legături dintre
aceste fenomene, asigurând în acest fel creşterea eficienţei deciziilor şi acţiunilor
umane din domeniul economic.
Activitatea de predicţie economică presupune utilizarea modelelor econome-
trice în scopul determinării celor mai probabile stări şi evoluţii pe care le vor înre-
gistra în viitor fenomenele şi procesele economice.
În afară de utilizarea sa în scopuri de analiză şi predicţie, modelul econometric
poate fi utilizat şi în scopul simulării comportamentului unor fenomene sau pro-
cese, sau în scopul evaluării impactului unor alternative decizionale, în vederea
alegerii celei mai bune decizii.
Prin intermediul simulării, se încearcă să se determine modul în care se
schimbă comportamentul fenomenelor, în condiţiile modificării împrejurărilor care
condiţionează manifestarea acestuia.
Simularea reprezintă totalitatea activităţilor ştiinţifice prin intermediul cărora
se încearcă să se reproducă, într-o manieră artificială, pe bază de calcule şi cu
ajutorul modelului econometric, modul în care se poate schimba comportamentul
unui fenomen, în raport cu o serie de modificări ipotetice ale condiţiilor care deter-
mină acest comportament.
raportul de determinaţie multiplă R2 are valoarea strict mai mică decât unitatea, ca
semn al faptului că variabilitatea variabilei efect Y nu se formează doar sub
influenţa factorilor semnificativi, ci și sub influenţa factorilor accidentali.
Prin felul particular în care se manifestă, relaţiile de cauzalitate dintre feno-
menele şi procesele din economie au natura unor relaţii stohastice. Din aceste
motiv, modelele econometrice, indiferent de natura şi forma lor, vizează în exclu-
sivitate descrierea relaţiilor cauzale de tip stohastic.
,
unde descrie factori semnificativiși observabili, descrie factori obser-
vabili cu natură sezonieră, iar descrie factori neobservabili, numiţi şocuri sau
inovaţii.
În situaţiile în care mulţimea factorilor cauzali angrenaţi în relaţiile de cauza-
litate temporale include doar timpul, factori cauzali observabili şi factori sezonieri,
modelele utilizate pentru descrierea acestor relaţii capătă forma generală:
,
astfel încât aceste modele pot fi perfect asimilate modelelor de regresie clasice.
• d. Relaţii liniare şi relaţii neliniare
Din punct de vedere al formei lor, respectiv al modului în care fenomenele de
tip efect reacţionează la variaţiile înregistrate de fenomenele de tip cauză, relațiile
sau legăturile dintre fenomene pot să fie de două feluri: relații de tip liniar şi relații
de tip neliniar.
Relaţiile de tip liniar corespund situaţiilor în care variaţiile unuia dintre feno-
mene tind să manifeste o proporţionalitate constantă, directă sau inversă, în raport
cu variaţiile celuilalt fenomen. Relaţiile de tip neliniar corespund situaţiilor în care
raportul dintre variaţiile celor două fenomene nu mai este constant, modificându-se
continuu în timp sau în spaţiu, în diferite sensuri. Relaţiile sau legăturile de tip
neliniar apar în mod frecvent în domeniul economic, ele fiind rezultatul direct al
complexităţii interacţiunilor care se manifestă între fenomenele sau procesele din
acest domeniu.
Măsurarea intensităţii şi tipului relațiilor dintre fenomenele economice se face
în mod diferit, în funcţie de natura liniară sau neliniară a acestora. În cazul relațiilor
de tip liniar măsurarea intensităţii şi tipului legături se poate face cu ajutorul coefi-
cienţilor de corelaţie simplă, în timp ce în cazul relațiilor de tip neliniar, măsurarea
intensităţii şi tipului relației este ceva mai dificilă şi se poate face numai în con-
textul analizei de regresie, prin intermediul raportului de determinaţie R2 .
În funcţie de natura liniară sau neliniară a relaţiilor economice pe care le
modelează, modelele econometrice sunt de două tipuri: modele liniare şi modele
neliniare. Această clasificare a modelelor econometrice corespunde modului con-
cret în care variabilele care definesc fenomene de tip cauză intervin în cadrul mo-
delului econometric. În acest context, de exemplu, un model econometric de forma:
f1
f4
f3
f2 fi (R1)
f5 f6 c5 cN c3 c1 c4 c2 ci cN-1c6
cmin cmax
fN-1
fN
şi varianţa de selecţie:
,
care sunt estimatori pentru media şi varianţa unei populaţii statistice.
Ca funcţii de elementele eşantionului aleator, estimatorii pot fi evaluaţi în
raport cu orice eşantion dat de observaţii. Valoarea obţinută din evaluarea unui
estimator pe un eşantion particular de observaţii, se numeşte estimaţie.
Estimaţia este o valoare numerică, rezultată din evaluarea unui estimator pe
mulţimea de observaţii reprezentate de un eşantion, respectiv o valoare reală defi-
nită sub forma:
,
unde reprezintă valorile numerice din eşantionul de observaţii.
Calitatea estimaţiilor obţinute pentru anumiţi parametri, adică măsura în care
acestea reuşesc să aproximeze parametrii populaţiei, depinde de trei factori impor-
tanţi: calitatea datelor disponibile la nivel de eşantion, proprietăţile statistice ale
estimatorilor şi calitatea metodei de estimare utilizată.
Printre cele mai importante proprietăţi calitative ale estimatorilor, de care
depinde măsura în care aceştia pot aproxima valorile adevărate ale parametrilor,
menţionăm: nedeplasarea, consistenţa, liniaritatea şi eficienţa.
Caracteristici şi variabile
Econometria are ca scop modelarea legăturilor cauzale manifestate la nivelul
unor fenomene sau caracteristici pe care le posedă unită țile sau elementele unei
colectivităţi, numite generic unităţi observaţionale.
Din perspectiva informaţiei statistice, o colectivitate prezintă interes direct nu
din punct de vedere al elementelor sale ca atare, ci din punct de vedere al trăsă-
turilor, al proprietăţilor pe care le au aceste elemente. Proprietăţile specifice pe
care le pot avea elementele aparţinând unei colectivităţi oarecare, sunt numite
caracteristici sau atribute, fiecare caracteristică de interes a elementelor unei
colectivităţi, definind o dimensiune a colectivităţii respective.
Este important să precizăm că orice caracteristică luată în considerare în ana-
liza econometrică trebuie să fie comună tuturor unităţilor colectivităţii analizate,
existând doar diferenţe de valoare ale acestei caracteristici de la o unitate a colec-
tivităţii la alta. Aceste diferenţe definesc aşa-numita variabilitate a caracteristicii
respective, peste mulţimea de unităţi observaţionale.
Caracteristicile sau atributele unităţilor elementare ce alcătuiesc o anumită
colectivitate, sunt elemente ale unei realităţi date, de natură empirică. De regulă, în
activitatea ştiinţifică nu se operează cu elementele acestei realităţii ca atare, ci cu
simboluri, care sunt reprezentări abstracte ale realităţii. În econometrie reprezen-
tarea simbolică a caracteristicilor empirice ale elementelor unei colectivităţi, este
asigurată prin intermediul conceptului de variabilă (aleatoare).
În cadrul demersurilor ştiinţifice care au ca scop investigarea fenomenelor şi
proceselor din lumea reală, caracteristicile unităţilor unei colectivităţi sunt reflec-
tate prin intermediul conceptului de variabilă, tocmai pentru a sugera natura schim-
bătoare a acestora, variabilitatea lor în timp şi spaţiu.
Variabila reprezintă o abstractizare a mulţimii de valori posibile pe care le
poate înregistra o caracteristică, de-a lungul tuturor unităţilor unei colectivităţi.
Natura variabilelor implicate într-o analiză econometrică este determinată în
mod direct de natura caracteristicilor pe care le au obiectele supuse analizei. Din
acest punct de vedere, variabilele care intervin într-o analiză econometrică pot fi
structurate sub forma unor tipuri diferite, în funcţie de anumite criterii de diferen-
ţiere. Tipul variabilelor este foarte important, deoarece atât procedurile de analiză
econometrică, cât şi posibilităţile de interpretare a rezultatelor obţinute, sunt
substanţial diferite în raport cu natura variabilelor implicate în analiză.
Printre cele mai importante categorii de variabile întâlnite în econometrie se
numără variabilele de tip cantitativ şi calitativ, variabilele de tip discret şi conti-
nuu, variabilele endogene şi exogene etc. Clasificarea variabilelor în aceste catego-
rii, corespunde unor criterii specifice de clasificare, cum ar fi: natura valorilor
variabilelor, natura mulţimilor de valori ale variabilelor, rolul pe care îl au varia-
bilele în cadrul modelelor etc.
Ca şi caracteristicile unităților la care se referă, variabilele pot fi de împărţite,
în funcţie de natura valorilor pe care acestea le iau, în două mari categorii: varia-
bile calitative şi variabile cantitative.
Variabilele calitative sunt variabile care diferă prin tip, care se referă la
proprietăţi nenumerice ale unităţilor elementare aparţinând unei colectivităţi şi care
nu pot fi exprimate sub o formă numerică semnificativă. Valorile variabilelor de tip
calitativ se numesc alternative, variante, modalităţi sau categorii, motiv pentru
care variabilele calitative se mai numesc şi variabile categoriale. În funcţie de
numărul de valori posibile pe care le pot lua, variabilele categoriale sunt de două
tipuri: variabile bicategoriale şi variabile multicategoriale. Ca exemple de varia-
bile calitative putem menţiona: sexul, opţiunea cumpărătorului, opţiunea alegăto-
rului, profesia, starea civilă etc. Variabilele cantitative sunt variabile care diferă
prin mărime, care se referă la proprietăţi numerice ale unităţilor elementare dintr-o
colectivitate şi care sunt exprimate în unităţi numerice de lungime, de frecvenţă, de
volum, de greutate, de valoare etc. Ca exemple de variabile cantitative putem
menţiona: preţul unui produs, cheltuielile lunare ale unei familii, salariul mediu
lunar, venitul naţional, volumul fizic al producţiei etc.
Un alt criteriu de clasificare a variabilelor este cel al naturii mulţimii în care
acestea pot lua valori. Din acest punct de vedere, variabilele se împart în două
categorii: variabile de tip discret şi variabile de tip continuu.
Variabilele de tip discret sunt variabile care pot lua valori într-o mulţime
finită, indiferent de natura calitativă sau cantitativă a acestora. Variabilele de tip
discret pot să fie atât variabile calitative, cât şi variabile cantitative, cu condiţia ca
în cazul ultimelor, numărul de valori posibile să fie finit. Ca exemple de variabile
de tip discret putem menţiona: categoria de venit, nivelul de instruire, vârsta,
numărul de salariaţi, numărul de cumpărători, numărul de piese defecte, numărul
de firme falimentare, numărul de tranzacţii la bursă etc. Variabilele de tip continuu
sunt variabile numerice pentru care mulţimea de valori posibile este o mulț ime de
numere reale, care are puterea continuului.Ca exemple de variabile de tip continuu
putem menționa: masa monetară dintr-o economie, prețul unui bun economic, rata
inflației, rata șomajului, cursul de schimb al monedei naționale etc.
Un alt criteriu de clasificare a variabilelor este cel reprezentat de rolul acestora
în contextul relaţiilor de cauzalitate şi, implicit, în cadrul modelelor care descriu
relaţii de acest fel. Din acest punct de vedere, variabilele se împart în trei categorii:
variabile endogene, variabile exogene şi variabile fictive.
Variabilele endogene sunt variabile care exprimă fenomene de tip efect sau
rezultat, considerate a se forma sub influenţa unor alte fenomene şi apar în cadrul
modelelor econometrice ca variabile dependente. Variabilele exogene sunt varia-
bile care simbolizează fenomene de tip cauze, care, prin modul lor de manifestare,
determină comportamentul unui fenomen de tip efect. Atât variabilele endogene,
cât şi variabilele exogene, pot să fie variabile de tip calitativ sau variabile de tip
cantitativ. Variabilele fictive sunt variabile artificiale, care sunt utilizate în con-
strucția modelelor econometrice cu scopul de a asigura flexibilizarea modelelor sau
cu scopul de a cuantifica influențe de tip sezonier. De regulă, variabilele fictive
sunt variabile de tip binar, adică variabile care pot lua două valori posibile. În cazul
în care varibilele fictive sunt incluse într-un model cu scopul de a descrie sezo-
nalitatea, numărul acestora şi valorile lor posibile sunt determinate de numărul de
perioade din intervalul de ciclitate.
Variabilele pot fi clasificate şi în funcţie de tipul scalelor pe care sunt măsurate
valorile acestor variabile. Din acest punct de vedere, există patru tipuri de variabile,
respectiv variabile nominale sau categoriale, variabile ordinale, variabile de tip
interval şi variabile de tip raport, tipuri ce corespund scalelor nominală, ordinală,
interval sau raport.
Din punct de vedere teoretic, strict necesar pentru înţelegerea logicii modelării
econometrice şi pentru fundamentarea procedurilor de construire a estimatorilor
pentru parametrii modelelor econometrice, baza informaţională utilizată în econo-
metrie este privită și într-un sens generalizant, ca eşantion aleator de volum T,
eşantion care are următoarea structură generală:
unde cele T observaţii sunt presupuse a fi identic şi independent distribuite (iid), iar
elementele sale sunt variabile aleatoare.
În cazul special al modelelor de regresie multiplă, eşantionul de observaţii şi
eşantionul aleator sunt privite ca fiind structurate sub forma a câte două entităţi
informaţionale distincte, respectiv vectorul de observaţii ale variabilei dependente
Y şi matricea de observaţii ale variabilelor independente , adică:
Eşantion de observaţii: Eşantion aleator:
1
Galton Francis (1822-1911), medic englez, a utorul a numeroase studii de statistică, psihologie,
antropologie etc.
2
Pearson Karl (1857-1936), statistician englez, profesor la King’s Colle ge din Londra, a avut numeroase şi
importante contribuţii teoretice la dezvoltarea statisticii moderene.
• o structură cauzală semnificativă şi observabilă, reprezentată de un ansamblu
de n variabile, stohastice sau nestohastice, notate cu şi numite va-
riabile independente, cauzale, explicative, exogene, regresori, predictori,
factori, covariaţii sau cauze;
• o structură cauzală nesemnificativă şi neobservabilă, reprezentată de o varia-
bilă aleatoare ɛ, numită perturbaţie sau termen eroare;
• o structură parametrică, reprezentată de coeficienţii sau parametrii mode-
lului, notaţi cu , ale căror valori sunt constante şi necunoscute;
• o formă funcţională, reprezentată de o funcţie reală f(.), de una sau mai multe
variabile, liniară sau neliniară, care descrie legătura funcţională dintre variabila
dependentă şi variabilele explicative şi care se numeşte funcţie de regresie;
• un set de ipoteze statistice, referitoare la perturbaţia ε şi care asigură validi-
tatea şi operaţionalitatea modelului de regresie.
Forma cea mai generală a unui model de regresie multiplă, este următoarea:
(23.1)
Atât variabila dependentă Y, cât şi variabilele independente sunt
considerate a fi variabile aleatoare observabile, adică variabile ale căror realizări
pot fi cunoscute pe calea observării directe, iar perturbaţia ε este o variabilă alea-
toare neobservabilă, cu proprietăți distribuționale speciale.
În funcţie de numărul de variabile independente incluse în mode-
lul de regresie (23.1), acesta se numeşte model de regresie simplă, în cazul în care
include o singură variabilă independentă, respectiv model de regresie multiplă, în
cazul în care include două sau mai multe variabile independente.
De asemenea, în funcţie de forma pe care o are funcţia de regresie f(.), în
raport cu parametrii , respectiv formă liniară sau formă neliniară, mo-
delul de regresie (23.1) se numeşte model de regresie liniar sau model de regresie
neliniar.
(23.2)
formă cunoscută sub numele de model cu regresori nestohastici sau determinişti,
unde şi sunt versiunile con-
diţionate ale variabilei dependente Y şi perturbaţiei ε, pentru care valorile de con-
diţionare sunt reprezentate de combinaţia de valori .
În cadrul figurii (23.2) este ilustrată interpretarea pe care o are media condi-
ţionată în contextul analizei regresiei, pentru cazul particular al unei relaţii de tip
liniar şi al existenţei unei singure variabile independente.
Densit at ea de probabilit at
p(y/x)
E(y /x5)
E(y /x4)
E(y /x3)
yi
x1 x2 x3 x4 x5 x
unde este operatorul de medie, şi având în vedere că primul termen din partea
dreaptă a modelului (23.2) este strict determinist, prin aplicarea operatorului de
medie asupra celor doi membri ai modelului (23.2), vom obţine:
(23.3)
unde este o constantă, care reprezintă media varia-
bilei dependente condiţionate , numită şi medie condiţio-
nată a variabilei dependente Y.
Pe baza rezultatului anterior, modelul de regresie cu regresori nestohastici
poate fi rescris sub forma:
(23.4)
care evidenţiază atât faptul că funcţia de regresie descrie media condiţionată a
variabilei dependente Y, cât şi faptul că perturbaţiile condiţionate descriu abaterile
simple ale valorilor variabilei dependente condiţionate ,
faţă de media acesteia, deoarece perturbația condiționată poate fi scrisă sub forma:
(23.7)
care se numeşte model teoretic sau model al populaţiei statistice, este aceea a
estimării parametrilor săi .
Presupunând că forma funcţiei de regresie f(.) este cunoscută şi că baza infor-
maţională disponibilă pentru estimarea parametrilor modelului este reprezentată de
eşantionul aleator (degenerat) având forma următoare:
iar cele T linii ale matricii X definesc cele T niveluri de condiţionare pentru varia-
bila dependentă Y. Similar, cele T perturbaţii condiţionate, corespunzătoare celor T
niveluri de condiţionare reprezentate de valorile variabilelor , pot fi
notate sub forma:
iar modelul teoretic (23.7) poate fi scris la nivel de eșantion sub forma următoare:
.
Reprezentarea grafică a funcţiei de regresie din acest model de regresie liniară
se numeşte dreaptă de regresie a popula ției sau dreaptă de regresie teoretică.
În raport cu eşantionul aleator (degenerat) reprezentat de relaţiile (23.8), mode-
lul teoretic de regresie liniară are forma următoare:
(23.11)
unde reprezentă forma condiţionată a variabilei dependente Y, iar reprezintă
forma condiţionată a variabilei perturbaţie , forme corespunzătoare celui de-al t-
lea nivel de condiţionare , iar modelul estimator al modelului de
regresie liniară (23.11) are forma următoare:
- unităţi colectivitate
- unităţi eşantion
Variabila explicativă x
Figura 23.3: Ilustrarea grafică a legăturii dintre modelul teoretic
şi modelul estimator
Pe baza modelului estimatorși u tilizând metoda celor mai mici pătrate, esti-
matorii pentru parametrii modelului de regresie liniară multiplă, în măsura în care
aceştia există, sunt definiţi de relaţia:
atunci mulţimea de valori pe care le poate lua variabila aleatoare Y, dându-se valo-
rile de predicţie , poate fi privită ca fiind mulţimea valori-
lor variabilei condiţionate , al cărei comportament este descris de relaţia:
Am arătat anterior că, în condiţiile ipotezei de medie nulă a perturbaţiilor
condiţionate , funcţia de regresie (teoretică) descrie chiar
media condiţionată, ceea ce înseamnă că, din punct de vedere teoretic, valorile
necunoscute ale variabilei condiţionate pot fi aproximate cu ajutorul relaţiei:
unde atât forma f a legii de probabilitate, cât şi valorile parametrilor acestei legi,
depind de indicele t, care indexează timpul.
Proprietatea de non-identic distribuire a variabilelor aleatoare ,
ridică o serie de dificultăţi, teoretice şi practice, în domeniul modelării seriilor de
timp. În scopul atenuării sau eliminării acestor dificultăţi, apare necesitatea de a
impune o serie de restricţii asupra distribuţiilor de probabilitate ale variabilelor
aleatoare , cele mai multe dintre aceste restricţii fiind asociate cu con-
ceptul de staţionaritate.
Seria de timp reprezentată generic prin intermediul listei de variabile aleatoare
, poate fi privită ca fiind o subsecvenţă compactă şi reindexată,
dintr-o listă infinită de variabile aleatoare, de forma:
listă cunoscută sub numele generic de proces stohastic (discret). În acest fel, seria
de timp apare ca fiind o sub-secvenţă continuă şi observabilă a unui proces sto-
hastic, motiv pentru care baza teoretică a modelării seriilor de timp este reprezen-
tată de teoria proceselor stohastice.
Y
Densitate de
probabilitate
Y(t1)
Y(t0)
t0 t1 t2 t
Figura 23.4: Ilustrarea naturii stohastice a evoluţiei unui fenomen
economic
Cea de-a treia caracteristică numerică importantă a unui proces stohastic este
reprezentată de covarianţă sau autocovarianţă, definită de funcţia:
După cum se poate observa, procesul de tip ‘zgomot alb” verifică cele trei
condiţii de slabă staţionaritate. Mai mult decât atât, el are covarianţele, şi deci şi
corelaţiile, nule, motiv pentru care se mai numeşte şi proces fără memorie.
O variantă importantă a procesului aleator de tip ‘zgomot alb’ este cea cunos-
cută sub numele proces Gaussian. Procesul stohastic , se numeşte proces
Gaussian, dacă el este un proces de tip ‘zgomot alb’ şi, în plus, variabilele care îl
compun sunt repartizate după legea normală, respectiv:
-4
Ca-8urmare a faptului că nu sunt autocorelate, procesele de tip ‘zgomot alb’ se mai numesc procese non-in
-12
10 20 30 40 50 60 70 80 90 100
respectiv ‘mers aleator cu derivă’, dacă variabilele aleatoare care îl compun sunt
legate între ele prin relaţia de recurenţă:
unde defineşte un proces aleator de tip ‘zgomot alb’, iar c este o constantă.
Se poate arăta că media procesului de tip ‘mers aleator simplu’ este constantă,
deci nu depinde de timp, însă varianţa acestuia depinde de timp, respectiv:
70
60
50
40
30
20
10
0
10 20 30 40 50 60 70 80 90 100
Figura 23.6: Reprezentarea grafică a observaţiilor unui
proces stohastic de tip ‘mers aleator simplu’
unde:
unde:
Din nefericire însă, utilizarea acestui rezultat fundamental este foarte limitată,
deoarece în cele mai multe dintre situaţii fenomenele din economia reală au evo-
luţii pentru care nu se verifică decât foarte rar proprietatea de staţionaritate, nici
măcar în varianta slabă a acesteia. Din acest motiv, pentru a putea descrie în mod
adecvat evoluţiile de acest tip, apare necesitatea ca procesele stohastice sau seriile
de timp să fie supuse unor operaţii preliminare de staţionarizare, în urma cărora se
obţin procese stohastice sau serii de timp sta ționare .
După cum se poate observa, deşi descompunerea Wold asigură existenţa unui
model econometric pentru orice proces stohastic slab staţionar, forma acestui
model apare ca fiind oarecum nenaturală. Această lipsa de naturaleţe este dată de
faptul că, într-un astfel de model, variabila dependentă este explicată prin inter-
mediul unor factori care par relativ “ciudaţi”, reprezentaţi de şocurile sau ino-
vaţiile , care definesc un proces de tip ‘zgomot alb’ şi care au o natură
neobservabilă. Cu toate acestea, în anumite condiţii se poate trece de la repre-
zentarea Wold de tip medie mobilă, la o altă reprezentare a procesului stohastic
staţionar, cu mult mai naturală, care este reprezentarea de tip autoregresiv.
unde:
unde:
Bibliografie