Indicatori de influenţă asupra

populației României în perioada

2000-2013

1
 Cuprins

1. Introducere...............................................................................................pag 3

2. Fundamentare teoretică (cunoașterea domeniului)..............................pag 4

3. Stabilirea variabilelor..............................................................................pag 5

4. Culegerea datelor.....................................................................................pag 6

5. Modelul regresiei simple..........................................................................pag 6

5.1. Formularea modelului regresiei simple...............................................pag 6

5.2. Estimarea parametrilor regresiei simple............................................pag 6

5.3. Interpretarea rezultatelor regresiei simple.........................................pag 7

6. Modelul regresiei multiple.......................................................................pag 8

6.1. Formularea modelului regresiei multiple...........................................pag 8

6.2. Estimarea parametrilor regresiei multiple.........................................pag 8

6.3. Interpretarea rezultatelor regresiei multiple......................................pag 9

7. Concluzii..................................................................................................pag 11

8. Anexe.......................................................................................................pag 12

9. Bibliografie..............................................................................................pag 21

2
 1. Introducere
Econometria a apărut ca știință în secolul XX, chiar dacă unele noțiuni au fost
formulate la sfârșitul secolului XIX. Nașterea ei este legată de înființarea în 1933 a
Societății de Econometrie și publicarea revistei ,,Econometrica” unde regăsim prima
definiție a econometriei formulată de R. Frisch: ,,Experiența a arătat că fiecare din
următoarele trei puncte de vedere, al statisticii, al teoriei economice și al matematicii,
este o condiție necesară, dar nu și suficientă, pentru o înțelegere efectivă a realităților
cantitative din economia modernă; unificarea lor este aceea care asigura eficiență.
Econometria este tocmai această unificare.” Analiza de regresie studiază dependența
dintre o variabilă dependentă (y) și una sau mai multe variabile independente (x) cu
scopul de a estima și a previziona valoarea medie a variabilei dependente, cunoscându-
se valorile fixate ale variabilelor independente. Variabila dependentă mai este
denumită și variabilă endogenă, rezultativă sau efect, iar variabila independentă se mai
numește exogenă, factorială sau cauză. Regresia arată modul în care o variabilă este
dependentă de una sau mai multe variabile. Funcţia de regresie stă la baza efectuării a
numeroase analize micro sau macroeconomice. Modelul liniar de regresie presupune
identificarea variabilelor pentru definirea modelului şi precizarea variabilei reziduale -
contextul în care este utilizat modelul de regresie. Pentru analiza datelor seriilor
cronologice (de timp) se utilizează o funcţie temporală care, în esenţă, este tot de
regresie, cu o variabilă de timp (t).

Forma generală:

yt = a0 + a1·xt + εt
unde:
yt - variabila de explicat;
xt - variabila explicativă;
a0 , a1 - parametrii modelului;
εt - eroarea de specificare.

Metoda celor mai mici pătrate este o metodă matematică de a obține o soluție a

unui sistem de ecuații supradeterminat, adică care are mai multe ecuații decât
necunoscute. Cele mai mici pătrate înseamnă că soluția obținută minimizează suma
pătratelor abaterilor față de valorile ecuațiilor. Metoda celor mai mici pătrate a fost
elaborată pentru prima dată de către matematicianul german Carl Friedrich Gauss și
este una din cele mai des utilizate metode de estimare a ecuațiilor de regresie a
sondajelor statistice.

3
 2. Fundamentare teoretică
Modelul din lucrare are drept scop explicarea unei mărimi ce caracterizează
situaţia actuală a populaţiei României, care intră sub incidenţa unor indicatori
importanţi precum rata inflației, respectiv venitul național brut (ca pondere în PIB).
Economia țării este supusă fluctuaţiilor ciclice și anume creştere economică, recesiune.
Mediul economic este supus adesea unor riscuri care ar putea afecta analiza, întrucât în
cazul producerii unei crize economice populația este supusă diminuării pe seama
creşterii numărului de şomeri şi a reducerii salariului mediu lunar, ce determină
scăderea venitului național brut și creșterea ratei inflaței, eveniment ce s-a produs
odată cu declanșarea crizei economice din 2008. Astfel, acest lucru determină ca,
cetățenii României să aleagă migrarea către alte state în căutarea unui loc de muncă.

Populația României se află într-o scădere continuă datorită unor factori istorici
precum trecerea în 1989 de la comunism la democrație, factori economici precum
declanșarea crizei economice, factori demografici precum sporul natural care este
negativ și este de așteptat ca populația să înregistreze o scădere lentă ca urmare a
acestuia. O mare parte din locuitorii României decid să plece în alte țări și datorită
sistemelor de sănătate, învățământ, securitate, care sunt nesatisfăcătoare. Inflația este
procesul de creștere semnificativă și persistentă a nivelului prețurilor. Inflația
reprezintă acea stare de dezechilibru economic în care masa monetară existentă în
economie depășeste necesarul real de monedă, ducând la creșterea generalizată a
prețurilor și la scăderea puterii de cumpărare a banilor. Procesul inflaționist are o
istorie îndelungată și s-a manifestat de-a lungul timpului cu intensități diferite și cu
schimbări de sens. Pe termen lung inflația este prezentă în orice economie. Fenomenul
nu poate fi controlat în totalitate, și în același timp nu este dezavantajos pentru toată
lumea. Cei care anticipează corect evoluția inflației pot găsi mereu metode de a se
îmbogăți, în detrimentul celor care nu o pot anticipa. Emisiunea excesivă de monedă
peste oferta reală de bunuri și servicii atrage după sine un ”surplus de cerere” și, ca
urmare, creșterea ansamblului prețurilor. Inflația ca stare de dezechilibru economic
este preponderent negativă, având numeroase consecințe asupra populației, agenților
economici și asupra mersului de ansamblu al economiei. Venitul național brut (ca
pondere în PIB) este egal cu produsul intern brut diminuat cu veniturile primare
vărsate de unităţile rezidente către unităţile nerezidente şi mărit cu veniturile primare
primite de la restul lumii de către unităţile rezidente. Conceptul de venit național brut
(VNB) este identic cu cel de produs naţional brut (PNB) care a fost utilizat până acum
în contabilitatea naţională. Scopul este de a măsura veniturile naţionale generate atât în
interiorul ţării, cât şi în afara sa. Acesta se calculează ca raport între VNB și PIB
înmulţit cu 100 (VNB% = VNB/PIB*100). Determinarea VNB reprezintă o cerinţă şi o
etapă importantă în evaluarea capacităţii sau necesarului de finanţare al unei economii,
care se realizează prin intermediul venitului disponibil brut (VDB). Prognoza venitului

4
naţional brut pe termen mediu, bazată pe evoluţia anterioară, precum şi pe estimările
exogene ale produsului intern brut şi balanţei veniturilor, evidenţiază o mare constanță
în creşterea reală şi nominală a acestuia, în condiţiile unei uşoare reduceri a ponderii
veniturilor nete negative.

Teoretic, subiectul regresiei a mai fost tratat de Prof.univ.dr.Alexandru Tasnadi

în lucrarea „Econometrie”, de I. Popescu, L. Duguleană, C. Duguleană în lucrarea
„Metode statistice de analiză a problemelor economice în Quattro Pro”, de L.
Duguleană, C. Duguleană în lucrarea „Economie aplicată”, de L. Duguleană în
lucrările „Metode de previziune economică”, „Econometrie”, de Yunfei Wang în
lucrarea „Testing predictive regression models with nonstationary regressors”, de
Prof.univ.dr.Ovidiu Tanasoiu, Lect.univ.dr. Andreea Iluzia IACOB în lucrarea
„Econometrie-studii de caz” etc. Practic, populația României a mai fost folosită în
modele explicative, atât ca variabilă de explicat, cât și ca variabilă explicativă de către
Zhang Lei, Zhang Dayong în lucrarea „Analysis of population density and energy
consumption -example from Yangtze river delta in China”, de către Paci Raffaele,
Marrocu Emanuela în lucrarea „Different tourists to different destinations. Evidence
from spatial interaction models”, de către Li Qian, Song Jinping, Wang Enru, Hu Hao,
Zhang Jianhui, Wang Yayao în lucrarea „Economic growth and pollutant emissions in
China: A spatial econometric analysis”, de către Østergaard Poul Alberg, Parajuli
Ranjan, Dalgaard Tommy, Pokharel Govind Raj în lucrarea „Energy consumption
projection of Nepal: An econometric approach” și de către Faria João Ricardo, Ogura
Laudo, Sachsida Adolfo în lucrarea „Crime in a planned city: The case of Brasília”. În
lucrarea „Crime in a planned city: The case of Brasília” se evidențiază faptul că o mai
mare concentrare a activităților economice și de planificare stricte, duce la o densitate
mai mică a populației și venituri mai mari decât în cele mai multe locuri din periferie.
În lucrarea „Analysis of population density and energy consumption -example from
Yangtze river delta in China” se folosesc modele econometrice de analiză a datelor
panel, folosite pentru a examina ipotezele. În lucrarea „Different tourists to different
destinations. Evidence from spatial interaction models” sunt realizate analize asupra
mai multor variabile explicative pentru a demonstra dacă densitatea populației prezintă
un impact negativ asupra deciziilor turiștilor atunci când aleg o anumită destinație
turistică.

3. Stabilirea variabilelor
În model au fost incluse trei variabile, dintre care o variabilă de explicat
(endogenă) şi două variabile explicative (exogene). Variabila de explicat este populaţia
României exprimată în milioane persoane în perioada 2000-2013. Variabilele
explicative incluse în model sunt rata inflației din România exprimată în procente din

5
perioada 2000-2013 şi venitul național brut (ca pondere în PIB) din România exprimat
în procente în perioada 2000-2013.

4. Culegerea datelor
Datele privind venitul național brut au fost culese de pe www.insse.ro la
secțiunea baze de date statistice, IDDR (Indicatori de Dezvoltare Durabilă în
România). Datele privind populația României și rata inflației (HICP) au fost extrase
de pe http://epp.eurostat.ec.europa.eu/portal/page/portal/eurostat/home, Statistics
Database. Rata inflației și venitul național brut din anul 2013 sunt provizorii, acestea
au fost extrase dintr-un Comunicat de presă de pe www.insse.ro, în cazul ratei inflației
și din Ziarul Financiar http://www.zf.ro și Revista Română de Statistică
http://www.revistadestatistica.ro în cazul venitului național brut.

5. Modelul regresiei simple

Se va analiza iniţial impactul ratei inflației asupra populației României din

fiecare an, urmând să se adauge ulterior şi alte variabile. Datele disponibile pentru
estimarea parametrilor sunt prezentate în Anexa nr.1.

5.1. Formularea modelului regresiei simple:

Popt = a0 + a1· rit + εt

unde:

Popt = populația României în anul t;

rit = rata inflației în anul t;

a0, a1 = parametrii modelului;

ε t = eroare de specificare în anul t.

5.2. Estimarea parametrilor regresiei simple:

Popt = 20373270,15 + 55443,72 rit + et

St. Error (175086,58) (9766,41)

(t*) (116,36) (5,67)

Ŕ 2 = 0,71

F* = 32,23

6
 n = 14

unde:

(t*) = rația Student

5.3. Interpretarea rezultatelor regresiei simple:

Rezultatele datelor prelucrate în Excel au o probabilitate de 95%, numărul de

observări este 14 (n=14), iar numărul variabilelor explicative este 1 (k=1). Conform
graficului de corelație între populația României și rata inflației prezentat în Anexa nr. 2
se observă o corelație liniară de legătură pozitivă între cele două variabile. Valoarea
coeficientului Multiple R este 0,85 ceea ce înseamnă că între cele două variabile există
o legătură de intensitate puternică. Indicatorul “Adjusted R Square” ( Ŕ2) are valoarea
0,71 ceea ce înseamnă că variabila dependentă (populația României) este determinată
într-o proporție de 71% de factorul ales, 29 % se datorează altor factori de influenţă
neincluși în model. Semnele indicatorilor “Upper 95%” și “Lower 95%” sunt aceleaşi
ceea ce confirmă relevanţa și validitatea modelului.

AUTOCORELAȚIA ERORILOR
Determinarea existenței autocorelației erorilor se poate face printr-un examen
vizual al rezidurilor sau cu ajutorul testului Durbin Watson. Pentru a putea fi realizat
un examen vizual al rezidurilor este nevoie de realizarea unui grafic în care să fie
evidențiate rezidurile modelului. Acest grafic este prezentat în Anexa nr. 3 și se poate
observa că avem o autocorelație pozitivă.

TESTUL STUDENT

Următorul test efectuat asupra regresiei simple este testul Student, testul de
semnificaţie individuală a valorii parametrilor. Valoarea tabelară a lui t ∝/2
n −2

corespunzătoare numărului de observări n=14 și cu o probabilitate de 95% este 2,18

❑ ❑
(Anexa nr.4). Analizând t â 0 și t â 1 am obţinut valori mai mari decât această valoare,
ceea ce indică faptul că modelul este bine ales. De asemenea, se poate constata faptul
că rata inflației influențează populația României deoarece t â 1 > t ∝/2
❑
n −2 .

TESTUL FISHER

Următorul test efectuat este testul Fisher, care constă în compararea

parametrilor modelului cu parametrii de valori fixate. Aplicând testul Fisher observăm
că valoarea calculată F*= 32,23 este mai mare decât valoarea teoretică F ∝/2 1, n −2 = 4,75

(Anexa nr. 4) de unde rezultă că parametrii modelului sunt semnificativi din punct de

7
vedere statistic și se poate afirma că, cu probabilitatea de 95%, rata inflației
influențează populația României.

6. Modelul regresiei multiple

Ulterior s-a mai adăugat la modelul iniţial variabila explicativă venitul național
brut (ca pondere în PIB) în speranța de a îmbunătăți modelul și pentru a urmări
evoluția populației României (creșterea sau scăderea acesteia). Datele disponibile
pentru estimarea parametrilor sunt prezentate în Anexa nr. 5.

6.1. Formularea modelului regresiei multiple:

Popt = a0 + a1 · rit + a2 · vnbt + ε t

unde:

Popt = populaţia României în anul t;

rit = rata inflației în anul t;

vnbt = venitul național brut în anul t;

a0, a1, a2 = parametrii modelului;

εt = eroarea de specificare în anul t.

6.2. Estimarea parametrilor regresiei multiple:

Popt = 51667396,61 + 66600,58 rit - 320837,70 vnbt + et

St. Error (7182384,07) (6687,52) (73627,41)

( t*) (7,19) (9,96) (-4,36)

Ŕ 2 = 0,88

F* = 49,76

n = 14

unde:

(t*) = raţia Student

6.3. Interpretarea rezultatelor regresiei multiple:

8
 Rezultatele datelor prelucrate în Excel au o probabilitate de 95%, numărul de
observări este 14 (n=14), iar numărul variabilelor explicative este 2 (k=2). Valoarea
coeficientului “Multiple R” are valoarea 0,95 ceea ce înseamnă că legătura dintre
variabila dependentă y și factorii de influență aleși este o legătură de intensitate
puternică. Indicatorul “Adjusted R Square” ( Ŕ2) are valoarea 0,88 ceea ce înseamnă că
variabila dependentă y este determinată într-o proporție de 88% de factorii aleşi , 12%
se datorează altor factori de influenţă neincluși în model.

TESTUL DURBIN WATSON

Primul test de semnificaţie, este testul Durbin-Watson cu ajutorul căruia se

determină autocorelaţia erorilor. În urma aplicării testului Durbin-Watson valoarea
calculată DW=1,67 (Anexa nr. 6). Pentru a determina prezenţa şi tipul autocorelaţiei
erorilor pentru modelul estimat se extrag din tabela de distribuţie Durbin-Watson
valorile corespunzătoare pragului de semnificaţie de 0,05, numărului de observări,
n=14 şi numărului de variabile explicative k=2. Valorile extrase din tabelă sunt dL =
0,905 şi dU = 1,551. Valoarea calculată a DW aparţine intervalului [dU, 4-dU] de unde
rezultă că erorile nu sunt autocorelate, se acceptă ipoteza nulă H0. Putem afirma că
modelul este valid, corect identificat din punct de vedere statistic, iar valorile obținute
pe baza testelor Student și Fisher sunt relevante. Graficul în care sunt evidențiate
rezidurile modelului este prezentat în Anexa nr. 6.

TESTUL STUDENT

Pentru a demonstra că variabilele explicative incluse în model influenţează

populaţia României, se va aplica testul Student. Valoarea tabelară a lui t ∝/2 n −k −1

corespunzătoare numărului de observări n=14 şi cu o probabilitate de 95% este 2,20

❑ ❑ ❑
(Anexa nr.7). Valorile rațiilor Student: t â 0, t â 1 și t â 2sunt mai mari decât această valoare.
Aplicând testul Student se constată faptul că ambele variabile explicative influențează
în mod semnificativ populația României. Prin urmare se continuă analiza datelor cu
efectuarea testelor Fisher, Chow, Multicoliniaritate și Variabila Dummy.

TESTUL FISHER

Aplicând testul Fisher se observă faptul că valoarea calculată F*= 49,76 este
mai mare decât valoarea teoretică F ∝/2
k ,n − k− 1= 3,98 (Anexa nr. 7) de unde rezultă că, cu

probabilitatea de 95%, rata inflației și venitul național brut influenţează semnificativ

populaţia României.

TESTUL CHOW
9
 Aplicând testul Chow am împărţit variabilele în 2 perioade egale (2000-2006 și
2007-2013) pentru a observa dacă modelul e stabil sau nu pe întreaga perioadă.
Valoarea calculată F❑este 2,73, iar F ∝/2
k+1 ,n − 2 k− 2 este 4,07(Anexa nr. 8). Astfel se acceptă

ipoteza H 0, prin care, cu probabilitatea de 95% modelul este stabil pe întreaga perioadă
și se poate afirma faptul că nu au intervenit schimbări semnificative în relațiile dintre
mărimile economice introduse în model.

TESTUL DE MULTICOLINIARITATE

Pentru a detecta prezenţa multicoliniarităţii vom utiliza testul bazat pe

comparaţia dintre coeficientul de corelaţie şi cel de determinaţie. Coeficientul de
corelaţie, Multiple R=0,85, ceea ce semnifică o legătură puternică între variabile.
Coeficientul de determinaţie, R2=0,73, ceea ce semnifică că în proporţie de 73%,
populația este influenţată de variabilele luate spre analiză. Analizând datele pentru y
(populația României) și x (rata inflației) din tabela din Anexa nr. 9 se observă că
valoarea lui Multiple R (0,85) este mai mare decât cea a lui R Square (0,73) de unde
reiese faptul că există prezenţă de multicoliniaritate.

VARIABILA DUMMY

Variabilele Dummy se utilizează atunci când se dorește introducerea în model a

unor factori calitativi sau a unor factori binari. Pentru construirea unui model adecvat
vom introduce o variabilă auxiliară D1 care marchează începutul crizei economice în
România. Datele specifice sunt prezentate în Anexa nr.10. Vom observa în ce măsură
criza economică din 2008 a afectat populația României, se atribuie valoarea 0
perioadei dinaintea anului 2008 și valoarea 1, perioadei după declanșarea crizei
economice. Pentru a putea determina acest lucru se va efectua testul Student.

Modelul econometric va arăta astfel:

Popt = a0 + a1·rit + a2·vnbt + a3·D1 + ε t

unde:

Popt = populaţia României în anul t;

rit = rata inflației în anul t;

vnbt = venitul național brut în anul t;

D1 = variabila auxiliară;

a0, a1, a2, a3 = parametrii modelului;

εt = eroarea de specificare în anul t.

10
Estimarea parametrilor regresiei multiple cu Variabila Dummy:

Popt = 27838980,01+ 40041,13 rit - 70550,68 vnbt - 819310,97 D1 + et

St. Error (5270636,49) (5470,66) (54780,03) (135668,16)

( t*) (5,28) (7,32) (-2,29) (-6,04)

Ŕ 2 = 0,97

F* = 152,31

n = 14

unde:

(t*) = raţia Student

Conform coeficientului de corelaţie, Multiple R=0,99, legătura între variabila

de explicat, populația României şi variabilele explicative, rata inflației, venitul național
brut și variabila Dummy este o legătură foarte puternică aproape de determinism.
Coeficientul de determinaţie, R Square=0.98, arată că, în proporţie de 98%, variabilele
independente analizate influenţează populația României. Aplicând testul Student, se
observă faptul că variabila dummy influenţează semnificativ populația României.
Valoarea tabelară a lui t ∝/2
n −k −1 corespunzătoare numărului de observări n=14 şi cu o

probabilitate de 95% este 2,23. Valoarea lui t â 3 > t ∝/2

❑
n −k −1 ceea ce indică faptul că

populația României a fost influențată de criza economică din anul 2008.

7. Concluzii
În concluzie, modelul de față are rolul de a explica elementele ce influențează
direct populația României, pe o perioadă determinată de timp, prin aplicarea unor teste.
Astfel s-a observat că populația României este influențată de rata inflației și venitul
național brut. Modelul prezentat poate previziona populația României pentru următorii
ani, eventualele creșteri sau scăderi ale populației ţinând cont de venitul național brut
și de rata inflației înregistrată anual. Populația a înregistrat scăderi semnificative odată
cu declanșarea crizei economice din 2008. Pe fondul creșterii ratei inflației mulți
locuitori ai României au decis migrarea către țările vestice, care din punct de vedere
economic sunt mai dezvoltate și asupra cărora criza nu a avut un impact atât de mare,
în speranța unui trai de viață mai bun. Cu ajutorul modelului se pot face comparaţii
între nivelul real populației şi nivelul previzionat, oferind o sursă pentru un studiu
economic la nivelul României.
Pe tot parcursul analizei, pentru fiecare model, s-a testat existenţa sau
nonexistenţa autocorelaţiei erorilor. În urma aplicării testelor Student și Fisher s-a
demonstrat că modelul este bine construit, variabilele explicative au o influență
11
semnificativă asupra populației apoi, din calculul testului Chow observăm că modelul
este stabil pe întreaga perioadă de timp luată în calcul. Ulterior am decis introducerea
unei variabile dummy în model, reprezentată de eventualele efecte pe care persistența
crizei economice l-a avut asupra populației României, această variabilă dovedindu-se
că are o influenţă semnificativă pentru variabila de explicat în urma efectuării testului
Student. În concluzie, se poate afirma, cu o probabilitate de 95%, că rata inflației și
venitul național brut au o influenţă semnificativă asupra populației României.

8. Anexe
Regresia simplă
Anexa nr. 1 Date
y x
Ani Populație Rata inflației
mil pers %
2000 22455485 45,7
2001 22430457 34,5
2002 21833483 22,5
2003 21627509 15,3
2004 21521142 11,9
2005 21382354 9,1
2006 21257016 6,6
2007 21130503 4,9
2008 20635460 7,9
2009 20440290 5,6
2010 20294683 6,1
2011 20199059 5,8
2012 20095996 3,4
2013 20057458 3,5

Anexa nr. 2 Corelația dintre populația României și rata inflației

12
 Corelația dintre populația României și rata inflației

23000000
22500000
22000000
Populația României

21500000
21000000
20500000 Linear
20000000 ()
19500000
19000000
18500000
0 5 10 15 20 25 30 35 40 45 50
Rata inflației

Anexa nr. 3 Autocorelația erorilor

RESIDUAL
OUTPUT

Observation Predicted Y Residuals

22907048,3
1 8 -451563,3793
22286078,6
2 6 144378,3403
21620753,9
3 6 212729,0399
21221559,1
4 4 405949,8597
21033050,4
5 8 488091,5246
20877808,0
6 5 504545,9545
20739198,7
7 3 517817,2669
8 20644944,4 485558,5994
20811275,5
9 8 -175815,5755
20683755,0
10 1 -243465,0081
20711476,8
11 7 -416793,8706
20694843,7
12 5 -495784,7531

13
 20561778,8
13 1 -465782,8132
20567323,1
14 9 -509865,1857

Autocorelația erorilor
600000

400000

200000
Residuals

0
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

-200000

-400000

-600000

Anexa nr. 4 Testele Student și Fisher

SUMMARY OUTPUT

Regression Statistics

Multiple R 0,853627

R Square 0,72868
Adjusted R
Square 0,70607
Standard
Error 448899,3
Observations 14

ANOVA
Significanc
  df SS MS F eF
Regression 1 6,494E+12 6,5E+12 32,22814 0,000103 4,747225
Residual 12 2,418E+12 2E+11
Total 13 8,912E+12       2,178813

Coefficient Standard Upper Lower Upper

  s Error t Stat P-value Lower 95% 95% 95,0% 95,0%

14
 116,36
Intercept 20373270 175086,58 1 1,09E-19 19991789 20754751 19991789 20754751
5,6769 34164,55
X Variable 1 55443,72 9766,4056 8 0,000103 34164,56 76722,89 5 76722,89

RESIDUAL OUTPUT

Observati Predicte Residual

on dY s
-
229070 451563,
1 48 4
222860 144378,
2 79 34
216207 212729,
3 54 04
212215 405949,
4 59 86
210330 488091,
5 50 52
208778 504545,
6 08 95
207391 517817,
7 99 27
206449 485558,
8 44 6
-
208112 175815,
9 76 6
206837
10 55 -243465
-
207114 416793,
11 77 9
-
206948 495784,
12 44 8
-
205617 465782,
13 79 8
-
205673 509865,
14 23 2

15
Regresie multiplă
Anexa nr.5 Date
y x1 x2
Venitul național brut (ca pondere în
Ani Populație Rata inflației PIB)
mil pers % %
2000 22455485 45,7 99,2
2001 22430457 34,5 99,2
2002 21833483 22,5 98,9
2003 21627509 15,3 97,7
2004 21521142 11,9 95,8
2005 21382354 9,1 97,1
2006 21257016 6,6 96,7
2007 21130503 4,9 96,4
2008 20635460 7,9 97,1
2009 20440290 5,6 98,6
2010 20294683 6,1 98,8
2011 20199059 5,8 98,7
2012 20095996 3,4 98,9
2013 20057458 3,5 98,8

Anexa nr. 6 Testul Durbin-Watson

RESIDUAL OUTPUT

Testul
Observatio
n Predicted Y Residuals ((et-(et-1))^2 et^2 Dw 1,6663939
1 22883943 -428457,9613 1,83576E+11
22138016, 8552144565
2 5 292440,4993 5,19695E+11 5 dL 0,905
21435060,
3 9 398422,1109 11232101997 1,5874E+11 dU 1,551
8235007180
4 21340542 286967,0222 12422236816 3 4-dL 3,095
21723691, 4102636064
5 6 -202549,6498 2,39627E+11 6 4-dU 2,449
6876613451
6 21120121 262232,9776 2,16023E+11 5
21081954, 3064647240
7 7 175061,339 7598894572 3
8 21064985 65518,00909 11999741121 4292609515
21040200,
9 3 -404740,3302 2,21143E+11 1,63815E+11

16
 20405762,
10 5 34527,54906 1,92956E+11 1192151644
20374895,
11 2 -80212,19902 13165209789 6433996871
20386998, 3532136697
12 8 -187939,7961 11605235181 1
20162989,
13 9 -66993,87137 14627916717 4488178801
20201733, 2081547738
14 7 -144275,6992 5972480917 7
SUMA: 1,47807E+12 8,86985E+11

Autocorelația erorilor
500000

400000

300000

200000

100000
Residuals

0
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
-100000

-200000

-300000

-400000

-500000

Anexa nr. 7 Testele Student și Fisher

SUMMARY OUTPUT

Regression Statistics
Multiple R 0,94894
R Square 0,90048
Adjusted R
Square 0,88238
Standard
Error 283963

17
Observations 14

ANOVA
Significanc
  Df SS MS F eF 3,982297
Regression 2 8,0255E+12 4,01E+12 49,7641 3,08E-06
Residual 11 8,8699E+11 8,06E+10 2,200985
Total 13 8,9124E+12      

Coefficient Standard Lower Upper Lower Upper

  s Error t Stat P-value 95,0% 95,0% 95,0% 95,0%
7182384,0 6747571
Intercept 5,2E+07 7 7,193628 1,8E-05 35859076 7 35859076 67475717
6687,5204 51881,44
X Variable 1 66600,6 6 9,958934 7,7E-07 51881,44 81319,71 4 81319,71
73627,413
X Variable 2 -320838 9 -4,35758 0,00114 -482891 -158785 -482890,5 -158784,

Anexa nr. 8 Testul Chow

SUMMARY OUTPUT

Regression Statistics
Multiple R 0,9489
R Square 0,9005
Adjusted R
Square 0,8824
Standard Error 283963
Observations 14

ANOVA
Significanc
  df SS MS F eF
49,7640
Regression 2 8,03E+12 4E+12 7 3,08E-06
8,1E+1
Residual 11 8,87E+11 0
Total 13 8,91E+12      

Coefficient Standard Lower Upper Lower Upper

  s Error t Stat P-value 95,0% 95,0% 95,0% 95,0%
7,1936 1,77E- 6747571 35859075, 67475717,
Intercept 5E+07 7182384 3 05 35859076 7 9 3
9,9589 51881,443 81319,710
X Variable 1 66601 6687,52 3 7,7E-07 51881,444 81319,71 6 1
- 0,00114 - - - -
X Variable 2 -320838 73627,41 4,3576 1 482890,55 158784,8 482890,55 158784,86

Subperioada 1

18
SUMMARY OUTPUT

Regression Statistics

Multiple R 0,97766

R Square 0,95583
Adjusted R
Square 0,93374

Standard Error 124507

Observations 7

ANOVA
Significance
  df SS MS F F

Regression 2 1,3418E+12 6,71E+11 43,2784 0,001951

Residual 4 6,2008E+10 1,55E+10

Total 6 1,4038E+12      

Coefficient Standard Lower Upper Lower Upper

  s Error t Stat P-value 95,0% 95,0% 95,0% 95,0%
3658503
Intercept 1,8E+07 6696589,75 2,686789 0,05484 -600391 7 -600391 36585037

X Variable 1 30086,1 6461,15338 4,656453 0,00961 12147,02 48025,1 12147,02 48025,098

X Variable 2 32399,4 69620,2891 0,465373 0,66587 -160897 225696,3 -160897 225696,35

Subperioada 2

SUMMARY OUTPUT

Regression Statistics
Multiple R 0,941
R Square 0,8856
Adjusted R
Square 0,8283
Standard Error 156086
Observations 7

ANOVA
  df SS MS F Significanc

19
 eF
3,8E+1 15,4755
Regression 2 7,54E+11 1 9 0,0130977
2,4E+1
Residual 4 9,75E+10 0
Total 6 8,52E+11      

Coefficient Standard Lower Upper Lower Upper

  s Error t Stat P-value 95,0% 95,0% 95,0% 95,0%
7,9980 0,00132 7385312 35791023, 73853122,
Intercept 5E+07 6854466 1 5 35791024 3 9 9
0,0672 0,94958 - 125572,6 - 125572,65
X Variable 1 2971,2 44157,72 9 4 119630,34 5 119630,34 1
- 0,00701 - - - -
X Variable 2 -350664 68839,61 5,0939 2 541793,74 159534,9 541793,74 159534,92

SCR 80635036747
SCR1 15501979649
SCR2 24362942280
gl1 3
gl2 8
Testul Chow F* 2,727217336
F teoretic 4,066180557

Anexa nr. 9 Multicoliniaritate

SUMMARY OUTPUT

Regression Statistics
Multiple R > R Square -> există
Multiple R 0,85363 prezență de multicoliniaritate

R Square 0,72868
Adjusted R
Square 0,70607

Standard Error 448899

Observations 14

ANOVA
Significanc
  df SS MS F eF

20
 6,4943E+1 32,228
Regression 1 2 6E+12 1 0,0001028
2,4181E+1
Residual 12 2 2E+11
8,9124E+1
Total 13 2      

Coefficient Standard P- Lower Upper Lower Upper

  s Error t Stat value 95,0% 95% 95,0% 95,0%
175086,58 116,3 1,1E- 2075475 19991789, 2075475
Intercept 2E+07 2 6 19 19991789 1 3 1
9766,4055 76722,8 34164,555 76722,89
X Variable 1 55443,7 6 5,677 0,0001 34164,555 9 3 5

Anexa nr.10 Variabila Dummy

y x1 x2 x3
Ani Populație Rata inflației VNB Dummy
mil pers % %
2000 22455485 45,7 99,2 0
2001 22430457 34,5 99,2 0
2002 21833483 22,5 98,9 0
2003 21627509 15,3 97,7 0
2004 21521142 11,9 95,8 0
2005 21382354 9,1 97,1 0
2006 21257016 6,6 96,7 0
2007 21130503 4,9 96,4 0
2008 20635460 7,9 97,1 1
2009 20440290 5,6 98,6 1
2010 20294683 6,1 98,8 1
2011 20199059 5,8 98,7 1
2012 20095996 3,4 98,9 1
2013 20057458 3,5 98,8 1

SUMMARY OUTPUT
 

Regression Statistics

Multiple R 0,9892

R Square 0,9786
Adjusted R
Square 0,9722

Standard Error 138156

21
 Observations 14

ANOVA
Significanc 2,2281388
  df SS MS F eF 4
2,9E+1 152,31
Regression 3 8,72E+12 2 2 1,2086E-08
1,9E+1
Residual 10 1,91E+11 0

Total 13 8,91E+12      

Coefficient Standard Lower Upper Lower Upper

  s Error t Stat P-value 95,0% 95,0% 95,0% 95,0%
0,0003 16095270, 39582689,
Intercept 3E+07 5270636 5,2819 6 16095270,1 39582690 1 9
7,3192 52230,51 27851,739 52230,517
X Variable 1 40041 5470,66 5 2,5E-05 27851,7392 7 2 2
0,2267 51506,83 51506,832
X Variable 2 -70551 54780,03 -2,2879 9 -192608,19 3 -192608,19 9
0,0001
X Variable 3 -819311 135668,2 -6,0391 3 -1121598,4 -517023,5 -1121598,5 -517023,47

Valoarea lui t â 3 > t ∝/2

❑
n −k −1 , așadar populația României a fost influențată de

criza economică din anul 2008.

9. Bibliografie
1. L. Duguleană, C. Duguleană, “Economie aplicată”, Editura Universității
Transilvania Brașov, 1998;
2. L. Duguleană, “Metode de previziune economică”, “Econometrie”,
Editura Transilvania din Brașov;
3. C. Doltu, “Economics, microeconomics, macroeconomics”;
4. Anuarul Statistic 2013;
5. http://www.biblioteca-digitala.ase.ro/;
6. http://www.revistadestatistica.ro/;
7. http://www.insse.ro/;
8. http://www.zf.ro/;
9. http://epp.eurostat.ec.europa.eu/;
10.http://www.capital.ro/.

22