Sunteți pe pagina 1din 265

Dan Ion Gherguţ Pavel Wagner

Bucureşti, 2010
CUPRINS
Capitolul 1: OBIECTUL ŞI NATURA STATISTICII .....................................................1
1.1 În loc de introducere: de ce avem nevoie de statistică? ..............................1
1.2 O scurtă istorie a termenului de statistică.................................................2
1.3 Natura statisticii.......................................................................................2
1.4 Metoda. Etapele cercetării statistice ..........................................................5
1.4.1 Metoda statisticii ..........................................................................................5
1.4.2 Etapele cercetării statistice ..........................................................................6
1.5 Concepte de bază utilizate în statistică......................................................8
1.6 Scale de măsurare .................................................................................. 15
1.7 Întrebări de control................................................................................. 18
1.8 Bibliografie selectivă ............................................................................... 18
Capitolul 2: COLECTAREA, SISTEMATIZAREA SI PREZENTAREA DATELOR
STATISTICE....................................................................................... 21
2.1 Introducere............................................................................................. 21
2.2 Observarea statistică – colectarea datelor statistice ................................. 21
2.2.1 Principiile observării statistice....................................................................22
2.2.2 Metode de observare statistică ..................................................................22
2.2.3 Chestionarul statistic .................................................................................26
2.2.4 Erorile observării statistice şi controlul calităţii datelor înregistrate ..........32
2.3 Sistematizarea datelor observării ............................................................ 33
2.3.1 Distribuţia de frecvenţe ..............................................................................34
2.3.2 Gruparea pe clase de interval ....................................................................36
2.4 Serii statistice......................................................................................... 42
2.5 Prezentarea datelor statistice .................................................................. 43
2.5.1 Tabelele statistice ......................................................................................43
2.5.2 Reprezentarea grafică a distribuţiilor de frecvenţe ....................................48
2.6 Cuvinte – cheie ....................................................................................... 58
2.7 Întrebări de control................................................................................. 59
2.8 Bibliografie ............................................................................................. 59
Capitolul 3: INDICATORII STATISTICI ................................................................... 61
3.1 Introducere............................................................................................. 61
3.2 Indicatori primari si indicatori derivaţi .................................................... 61
3.3 Mărimile relative..................................................................................... 63
3.4 Cuvinte - cheie ....................................................................................... 75
3.5 Intrebări de control................................................................................. 75
3.6 Bibliografie ............................................................................................. 75

i
Capitolul 4: ANALIZA DESCRIPTIVĂ A SERIILOR DE REPARTIŢIE ........................ 77
4.1 Introducere............................................................................................. 77
4.2 Definirea, trăsăturile şi reprezentarea grafică a seriilor de repartiţie ........ 77
4.3 Indicatorii tendinţei centrale ................................................................... 85
4.3.1 Media aritmetică ........................................................................................ 86
4.3.2 Mediana (valoarea centrală) ...................................................................... 94
4.3.3 Modul (valoarea dominantă) ...................................................................... 98
4.3.4 Alte tipuri de medii .................................................................................. 101
4.3.5 Media pătratică........................................................................................ 104
4.3.6 Media geometrică..................................................................................... 104
4.4 Indicatorii variaţiei ............................................................................... 106
4.4.1 Indicatorii simpli ai variaţiei .................................................................... 107
4.4.2 Indicatorii sintetici ai variaţiei ................................................................. 114
4.4.3 Descompunerea dispersiei într-o colectivitate împărţită pe grupe (Regula de
adunare a dispersiilor). ........................................................................... 120
4.4.4 Media si dispersia unei variabile alternative........................................... 127
4.5 Asimetria şi aplatizarea......................................................................... 128
4.5.1 Asimetria ................................................................................................. 128
4.5.2 Aplatizarea .............................................................................................. 131
4.6 Cuvinte – cheie ..................................................................................... 133
4.7 Intrebări de control............................................................................... 133
4.8 Bibliografie ........................................................................................... 134
Capitolul 5: ELEMENTE DE SONDAJ STATISTIC ................................................ 135
5.1 Introducere........................................................................................... 135
5.2 Definire, etape, noţiuni, avantaje .......................................................... 135
5.3 Procedee de selecţie .............................................................................. 138
5.4 Erorile sondajului statistic.................................................................... 143
5.5 Eroarea medie si eroarea limită............................................................. 145
5.6 Tipuri de sondaje folosite frecvent in practica statistică ......................... 154
5.6.1 Sondajul aleator simplu........................................................................... 154
5.6.2 Sondajul stratificat .................................................................................. 156
5.6.3 Sondajul în trepte .................................................................................... 159
5.6.4 Sondajul de serii ...................................................................................... 162
5.7 Determinarea volumului eşantionului ................................................... 162
5.8 Estimarea parametrilor colectivităţii generale ........................................ 164
5.9 Cuvinte cheie........................................................................................ 165
5.10 Întrebări de control............................................................................... 165
5.11 Bibliografie ........................................................................................... 166

ii
Capitolul 6: ANALIZA SERIILOR INTERDEPENDENTE......................................... 167
6.1 Introducere........................................................................................... 167
6.2 Tipuri de legături .................................................................................. 167
6.3 Metode simple de analiză a legăturii dintre variabile.............................. 170
6.4 Metode parametrice de analiză a legăturilor .......................................... 174
6.4.1 Metoda regresiei.......................................................................................174
6.4.2 Metoda corelaţiei ......................................................................................182
6.4.3 Metode neparametrice..............................................................................188
6.5 Cuvinte – cheie ..................................................................................... 191
6.6 Intrebări de control............................................................................... 192
6.7 Bibliografie ........................................................................................... 192
Capitolul 7: SERII CRONOLOGICE...................................................................... 193
7.1 Introducere........................................................................................... 193
7.2 Definire, tipuri, reprezentare grafică...................................................... 193
7.3 Indicatorii statistici ai seriilor cronologice de perioade ........................... 195
7.3.1 Indicatorii absoluţi ai seriilor cronologice .................................................196
7.3.2 Indicatorii relativi ai seriilor cronologice...................................................198
7.3.3 Indicatorii medii ai seriilor cronologice .....................................................200
7.4 Indicatorii statistici ai seriilor cronologice de momente .......................... 201
7.5 Ajustarea seriilor cronologice ................................................................ 203
7.6 Criterii de alegere a procedeelor de ajustare .......................................... 219
7.7 Extrapolarea seriilor cronologice ........................................................... 220
7.8 Cuvinte – cheie ..................................................................................... 223
7.9 Intrebări de control............................................................................... 223
7.10 Bibliografie ........................................................................................... 224
Capitolul 8: INDICII STATISTICI.......................................................................... 225
8.1 Introducere........................................................................................... 225
8.2 Definire. Tipuri de indici ....................................................................... 225
8.3 Probleme metodologice privind construirea indicilor de grup ................. 229
8.4 Indici de grup calculaţi ca o medie a indicilor individuali....................... 233
8.5 Indicii de grup calculaţi ca raport a două medii..................................... 237
8.6 Descompunerea variaţiei unei variabile complexe pe factori de influenţă
prin metoda indicilor ............................................................................ 241
8.7 Serii cronologice de indici statistici ....................................................... 247
8.8 Cuvinte cheie........................................................................................ 249
8.9 Întrebări de control............................................................................... 249
8.10 Bibliografie ........................................................................................... 250
Index alfabetic................................................................................................. 251

iii
Lista tabelelor

Tabelul 1 – Clasificări ale variabilelor statistice........................................................... 12


Tabelul 2.1 – Matricea datelor primare ....................................................................... 33
Tabelul 2.2 – Repartiţie de frecvenţe unidimensională ................................................ 35
Tabelul E.2.1.1 - Gruparea pe intervale a datelor individuale şi frecvenţele absolute .. 41
Tabelul E.2.2.1 – Date referitoare la salariaţii firmei X la data de 31.12.2008.............. 45
Tabelul E.2.2.2 – Repartizarea angajaţilor în funcţie de sex ........................................ 46
Tabelul E.2.2.4 - Repartizarea angajaţilor pe grupe de salarii...................................... 47
Tabelul E.3.2.1 – Populaţia României la 1 iulie pe medii de rezidenţă.......................... 66
Tabelul E.3.2.2 – Corespondenţa dintre mărimile relative de structură şi aria
cercului de structură ............................................................................... 67
Tabelul E.3.3.1 – Selecţie de indicatori macroenomici ai României în anul 2007 ......... 71
Tabelul E.3.4.1 – Exporturile României în perioada 2000 – 2007 (mil. Euro) ............... 73
Tabelul E.4.1.1 – Distribuţia întreprinderilor după cifra de afaceri.............................. 81
Tabelul E4.1.2. – Frecvenţele relative cumulate ale distribuţiei întreprinderilor după
cifra de afaceri ......................................................................................... 83
Tabelul E4.1.3. – Frecvenţele absolute, frecvenţele relative şi densităţile de frecvenţă
ale distribuţiei întreprinderilor după cifra de afaceri ................................. 84
Tabelul E.4.2.1 – Distribuţia companiilor după numărul de angajaţi........................... 88
Tabelul E.4.3.1 – Distribuţia companiilor după cifra de afaceri ................................... 90
Tabelul E.4.4.1 – Distribuţia companiilor după cifra de afaceri ................................... 93
Tabelul E4.6.1. – Distribuţia întreprinderilor după cifra de afaceri.............................. 96
Tabelul E4.7.1. – Distribuţia întreprinderilor după cifra de afaceri.............................. 99
Tabelul E.4.8.1 – Rata şomajului la 1 ianuarie a.c. ................................................... 102
Tabelul E4.9.1. – Distribuţia întreprinderilor după cifra de afaceri............................ 109
Tabelul E4.10.1. – Distribuţia întreprinderilor după cifra de afaceri (continuare)....... 111
Tabelul E4.11.1. – Distribuţia întreprinderilor după cifra de afaceri (continuare)....... 113
Tabelul E4.12.1. – Distribuţia întreprinderilor după cifra de afaceri (continuare)....... 115
Tabelul E4.13.1. – Distribuţia întreprinderilor după cifra de afaceri (continuare)....... 116
Tabelul 4.1 – Modelul tabelului de contingenţă......................................................... 120
Tabelul E.4.14.1 – Gruparea agenţilor economici după numărul de salariaţi ............. 125
Tabelul 4.2 – Notaţiile caracteristicii alternative........................................................ 128
Tabelul 5.1 – Notaţii folosite în sondajul statistic ...................................................... 137
Tabelul E.5.1.1 – Repartizarea muncitorilor după timpul nelucrat ............................ 148
Tabelul E.5.3.1 – Rezultatele sondajului la ieşirea de la urne în turul II al alegerilor
prezidenţiale din 6 decembrie 2009 ........................................................ 152
Tabelul E.5.3.2 – Intervalele de încredere ale rezultatelor sondajului la ieşirea de la
urne în turul II al alegerilor prezidenţiale din 6 decembrie 2009 ............. 153
Tabelul E.5.4.1 – Salariul mediul lunar net estimat .................................................. 158

iv
Tabelul 6.1 – Rezultatele la examenul de admitere şi media notelor din prima
sesiune de examene – eşantion de 10 studenţi ....................................... 170
Tabelul 6.2 – Gruparea agenţilor economici după numărul salariaţilor ..................... 173
Tabelul E.6.1.1 – Calculul parametrilor unei funcţii de regresie liniară unifactorială . 177
Tabelul E.6.1.2 – Calculul parametrilor unei funcţii de regresie liniară unifactorială . 181
Tabelul 6.3 – Tabel de asociere ................................................................................. 189
Tabelul E.6.2.1 – Rangurile ţărilor în funcţie de rata de alfabetizare a populaţiei
masculine şi feminine ............................................................................ 190
Tabelul E.6.3.1 – Cifra de afaceri şi profitul obţinute de 8 companii studiate ............ 191
Tabelul 7.1 - Evoluţia unor indicatori macroeconomici în perioada 2000 - 2007........ 195
Tabelul 7.2 – Evoluţia cifrei de afaceri a companiei X în perioada 2000 - 2009 .......... 197
Tabelul 7.3 – Stocul de mărfuri ale companiei X la începutul lunii ............................ 202
Tabelul 7.5 – Calculul parmetrilor funcţiei liniare pentru o serie cronologică............. 216
Tabelul E.8.1.1 – Vânzările companiei X din luna septembrie a anilor 2008 şi 2009.. 234
Tabelul E.8.2.1 – Volumul vânzărilor şi modificarea preţurilor produselor vândute
de compania X ....................................................................................... 237
Tabelul E.8.3.1 – Fondul de salarii, numărul de angajaţi şi salariul mediu al
companiilor A şi B în luna decembrie a anilor 2008 şi 2009.................... 239
Tabelul 8.4 - Fondul de salarii, numărul de angajaţi şi salariul mediu al
companiilor A şi B în luna decembrie a anilor 2008 şi 2009.................... 246

v
Lista graficelor
Fig. 1.1 – Etapele cercetării statistice .........................................................................6
Fig. 1.2 – Precizie vs. exactitate ................................................................................ 14
Fig. 2.1 – Distribuţia angajaţilor în funcţie de starea civilă........................................ 50
Fig. 2.2 – Distribuţia procentuală a angajaţilor în funcţie de starea civilă.................. 50
Fig. 2.3 – Distribuţia angajaţilor în funcţie de starea civilă (diagramă rectangulară) .. 51
Fig. 2.4 – Distribuţia angajaţilor în funcţie de numărul de copii ................................ 52
Fig. 2.5 – Curba cumulativă a distribuţiei angajaţilor în funcţie numărul de copii ..... 52
Fig. 2.6 – Distribuţia angajaţilor pe grupe de salarii.................................................. 53
Fig. 2.7 – Grafic incorect - Distribuţia angajaţilor pe grupe de salarii ........................ 54
Fig. 2.8 – Poligonul frecvenţei angajaţilor pe grupe de salarii din firma X la
31.12.2008 ............................................................................................ 55
Fig. 2.9 – Distribuţia şi curba cumulativă a frecvenţelor angajaţilor pe grupe de
salarii din firma X la 31.12.2008 ............................................................ 56
Fig. 2.10 – Diagrama tulpină-cu-ramuri a salariilor angajaţilor din firma X la
31.12.2008 ............................................................................................ 57
Fig. 2.11 – Rata de căsătorie şi numărul de copii ai angajaţilor din firma X la
31.12.2008 ............................................................................................ 58
Fig. 4.1 – Repartiţia agenţilor economici după cifra de afaceri ................................... 81
Fig. 4.2 – Repartiţia agenţilor economici după cifra de afaceri (reprezentare prin
poligonul frecvenţelor)............................................................................ 82
Fig. 4.3 – Repartiţia agenţilor economici după cifra de afaceri (reprezentare prin
poligonul frecvenţelor cumulate crescător şi descrescător) ...................... 83
Fig. 4.4 – Histograma repartiţiei agenţilor economici după cifra de afaceri (suprafaţa
fiecărei coloane este egală cu proporţia numărului de companii din
fiecare interval de grupare)..................................................................... 85
Fig. 4.5 – Calculul grafic al medianei la intersecţia ogivelor....................................... 97
Fig. 4.6 – Calculul grafic al medianei la intersecţia ogivelor....................................... 98
Fig. 4.7 – Histograma repartiţiei agenţilor economici după cifra de afaceri............... 100
Fig. 4.8 – Distribuţia normală şi gruparea valorilor pe intervale ale abaterii standard119
Fig. 4.9 – Exemplu de distribuţie simetrică............................................................. 129
Fig. 4.10 – Exemplu de distribuţie asimetrică la dreapta......................................... 129
Fig. 4.11 – Exemplu de distribuţie asimetrică la stânga .......................................... 130
Fig. 4.12 – Exemplu de distribuţie ascuţită............................................................. 132
Fig. 4.13 – Exemplu de distribuţie aplatizată .......................................................... 132
Fig. 6.1 - Diagrama rezultatelor la admintere si in prima sesiune de examene......... 171
Fig. 6.2 – Legătură liniară directă ........................................................................... 171
Fig. 6.3 – Legătură liniară indirectă ........................................................................ 171
Fig. 6.4 – Legătură neliniară................................................................................... 172
Fig. 6.5 – Absenţa legăturii..................................................................................... 172

vi
Fig. 6.6 – Legătură puternică ................................................................................. 172
Fig. 6.7 – Legătură slabă ........................................................................................ 172
Fig. 6.8 – Graficul de corelaţie între vechimea în muncă şi câştigul salarial............. 178
Fig. 7.1 – Tipuri de serii cronologice ....................................................................... 194
Fig. 7.2 – Serie cronologică de momente echidistante.............................................. 202
Fig. 7.3 – Serie de timp cu variaţii sezoniere egale .................................................. 205
Fig. 7.4 – Serie de timp cu variaţii sezoniere diferite................................................ 206
Fig. 7.5 – Trasarea grafică a liniei de trend ............................................................. 207
Fig. 7.6 – Seria de timp a vânzărilor şi dreapta tendinţei......................................... 211
Fig. 7.6 – Extrapolarea seriei de timp ..................................................................... 222

vii
Capitolul 1: OBIECTUL ŞI NATURA STATISTICII

1.1 În loc de introducere: de ce avem nevoie de statistică?


Când căutăm un loc de muncă, avem o idee destul de exactă despre salariul obţinut
pe postul pe care dorim să îl obţinem. Atunci când mergem la un magazin, la piaţă sau să
petrecem o seară în oraş, de cele mai multe ori, ştim ce sumă de bani trebuie să avem la noi
şi ne dăm seama când „coşul de cumpărături” s-a scumpit. Când plecăm într-o călătorie ştim
care este durata ei aproximativă, la fel ca şi timpul de care avem nevoie dimineaţa ca să
ajungem la şcoală sau la locul de muncă, fie dacă folosim transportul în comun sau
autoturismul, fie dacă mergem pe jos sau cu bicicleta. Fără să ne dăm seama, am făcut
raţionamente bazate pe calcule statistice: salariul mediu plătit pentru un anumit post,
cheltuiala medie pe care o facem la cumpărături, timpul mediu necesar pentru o călătorie
etc. Pe lângă aceste valori medii avem, cel puţin, şi o reprezentare a valorilor minime şi
maxime. Acestea nu sunt singurele date statistice pe care le intersectăm în fiecare zi în şirul
de informaţii receptate. Presa abundă de ştiri legate de rata şomajului, a inflaţiei, produsul
intern brut, rata de schimb valutar, deficitul comercial, veniturile medii, mortalitatea, ponderea
populaţiei tinere sau vârstnice etc. Acolo unde lucrăm ni se spune despre volumul vânzărilor,
numărul de clienţi, costurile pe produs sau pe angajat, despre profitabilitatea clienţilor sau
ţinte de atins. Totuşi, nici simplitatea unor situaţii cotidiene şi nici obişnuinţa de a auzi sau de
a discuta despre date statistice nu îi împiedică pe cei mai mulţi dintre studenţi – de aici sau
de oriunde – să spună că, dintre toate cursurile urmate, cel de statistică este unul dintre cele
mai grele, plictisitoare şi aride.

Cursul de faţă îşi propune să ajute studenţii să înţeleagă noţiunile statisticii şi, cu
răbdare şi stăruinţă, să înţeleagă şi de ce avem nevoie de ele, să le aplice în situaţii practice
şi să interpreteze rezultatele pe care le obţin.

Instrumentele statisticii sunt esenţiale pentru măsurarea şi cunoaşterea realităţii în o


multitudine de domenii: în sociologie, psihologie, macro şi microeconomie, ştiinţe politice,
management, medicină, farmaceutică, fizică, biologie, astronomie, astronautică, geografie şi
multe altele. Statistica oferă argumente obiective, cantitative, pentru luarea deciziilor, fie că
sunt legate de viaţa personală, fie că este vorba de activitatea unei companii, de politicile
publice ale guvernului sau de acţiuni ce trebuie întreprinse la nivel internaţional.

După ce am trecut în revistă câteva situaţii concrete, aparent banale, în care apar
cifrele statistice, este momentul să formulăm o primă definiţie a statisticii: este ştiinţa
studierii în expresie numerică a fenomenelor de masă care au loc în societate,
economie sau din natură, având nu doar un rol descriptiv, dar şi unul explicativ, identificând
cauzele fundamentale, legităţile care conduc la manifestarea respectivelor fenomene.

Legând obiectul de scopul ei, statistica este ştiinţa colectării şi analizării datelor în
scopul formulării de concluzii şi luării deciziilor 1 .

1
Tamhane, Ajit C., and Dorothy D. Dunlop. Statistics and Data Analysis from Elementary to
Intermediate. Prentice Hall, 2000, pp. 1

1
Statistica, pentru simplul motiv că ne invadează spaţiul privat şi public, trebuie să facă
parte din bagajul educaţional al oricărui individ. De aceea, fiecare ar trebui să-şi pună
întrebări cum ar fi: cum sunt produse datele statistice, ce măsoară ele, ce semnifică şi cum
trebuie interpretate? Răspunsurile sunt chiar mai simple decât mulţi studenţi îşi închipuie şi
tocmai aceste răspunsuri, cel puţin o parte dintre ele, se regăsesc în capitolele acestui curs.

Cursul de faţă este adresat studenţilor din primul ciclu universitar şi are rol introductiv,
pentru a-i familiariza cu limbajul, conceptele şi, inevitabil, cu relaţiile de calcul al mărimilor
statistice.

1.2 O scurtă istorie a termenului de statistică


Etimologic, termenul ″statistică″ derivă din cuvântul ″status″, cu sensul de stare,
situaţie, fel, stat. Cuvântul ″statistică″ este atribuit lui Gottfried Achenwall, care l-a folosit în
1776 pentru a desemna o ″ştiinţă a descrierii statului″, disciplină academică la modă în
universităţile medievale, având ca obiect de studiu descrierea unor state sau regiuni.

Istoric, originile statisticii sunt plasate în anul 1663, când John Graunt – considerat
întemeietorul demografiei – a publicat lucrarea sa Natural and Political Observations upon
the Bills of Mortality (Observaţii naturale şi politice ale tabelelor de mortalitate), în care a
dezvoltat primele tabele de mortalitate ale populaţiei Londrei, confruntată la vremea
respectivă cu efectele ciumei bubonice. Deşi izvorâtă dintr-o nevoie de cunoaştere empirică,
bazele matematice ale statisticii au fost puse în secolul al XVII-lea, odată cu dezvoltarea
teoriei probabilităţilor de către Blaise Pascal şi Pierre Fermat. O contribuţie esenţială la
evoluţia statisticii, cu implicaţii în domeniul eşantionarii, dezvoltării experimentelor şi, în
general, inferenţei statistice, a avut-o Carl Friederich Gauss, prin fundamentarea legii
distribuţiei normale şi a metodei celor mai mici pătrate.

Astăzi, termenul ″statistică″ a intrat în limbajul universal al ştiinţei şi al vieţii cotidiene.


În decursul timpului această noţiune a căpătat mai multe accepţiuni, care desemnează
diverse ipostaze, de la simple descrieri şi înregistrări până la statistica modernă, văzută ca
un instrument indispensabil în procesul de conducere în oricare domeniu al activităţii umane.

1.3 Natura statisticii


Termenul de „statistică” este frecvent utilizat cu următoarele accepţiuni:

Statistica este o activitate practică

Ca activitate practică, statistica a apărut ca răspuns la nevoia de cunoaştere în


expresie numerică a realităţii. Statistica ca activitate practică are drept obiectiv obţinerea
datelor statistice exprimate numeric referitoare la colectivităţi statistice. Înţeleasă în acest fel,
statistica se prezintă cel mai adesea forma tabelelor, a căror construire presupune ca regulă
culegerea datelor, sistematizarea şi prelucrarea lor. Spre exemplu, în cazul statisticii
populaţiei, unităţile (persoanele) înregistrate la recensământ sunt sistematizate pe sexe,
vârstă, nivel de educaţie, regiuni geografice sau administrative, domenii de activitate
economică etc.
2
În prezent, activitatea practică în domeniul statisticii se confundă cu activitatea ce se
desfăşoară în cadrul instituţiilor publice care au responsabilităţi de colectare, prelucrare şi
difuzare a datelor statistice, stabilite prin legea care reglementează statistica oficială şi
organizarea şi funcţionarea sistemului statistic naţional. La nivelul Uniunii Europene, în
centrul sistemului statistic european se află Eurostat: Oficiul de Statistică al Comunităţilor
Europene. În România, statistica oficială este reprezentată la nivel naţional, pe de o parte,
de Institutul Naţional de Statistică (INS) şi de direcţiile sale teritoriale (judeţene şi
regionale) de statistică şi, pe de altă parte, de Banca Naţională a României, responsabilă –
în principal – pentru statisticile monetare şi ale balanţei de plăţi externe. Statistica oficială
cuprinde şi activităţile statistice ale altor instituţii publice, cum ar fi ministerul finanţelor
publice, al agriculturii, al mediului, al sănătăţii, al educaţiei sau al justiţiei, dacă acele activităţi
sunt cuprinse în programele statistice naţionale anuale şi multi-anuale – pentru a li se
conferi girul de calitate garantată prin respectarea principiilor fundamentale ale statisticii
oficiale 2 .

Printre principiile fundamentale ale statisticii oficiale, la care trebuie să adere în


totalitate orice instituţie care pretinde că face parte din sistemul statistic naţional şi, implicit,
european, se pot enumera:

- autonomia profesională şi caracterul ştiinţific al standardelor, metodelor şi


procedurilor adoptate de autorităţile statistice;

- imparţialitatea şi nediscriminarea în ceea ce priveşte sursele de date, colectarea,


prelucrarea şi difuzarea statisticilor;

- confidenţialitatea informaţiilor individuale colectate şi utilizarea lor exclusiv în


scopuri statistice;

- transparenţa metodelor şi tehnicilor utilizate în producţia statistică;

- relevanţa, pentru domeniile observate, a datelor şi informaţiilor publicate;

- proporţionalitatea între cantitatea de informaţii individuale, care se solicită a fi


înregistrate şi cantitatea de informaţii prelucrate care se oferă utilizatorilor;

- deontologia statistică în selectarea şi aplicarea metodelor şi procedeelor pentru


realizarea cercetărilor statistice, precum şi în publicarea rezultatelor;

- respectarea raportului cost/eficienţă la nivelul fiecărui obiectiv al cercetărilor


statistice, în condiţiile utilizării optime a resurselor disponibile şi furnizării
rezultatelor la cel mai înalt nivel calitativ posibil;

- promovarea cooperării şi respectarea bunelor practici în statistică.

Termenul de statistică oficială nu trebuie confundat cu orice cifră statistică


comunicată de instituţiile publice, atâta timp cât metodele prin care au fost obţinute datele

2
Principiile fundamentale ale statisticii oficiale au fost stabilite de Organizaţia Naţiunilor Unite şi au
fost înscrise în Codul de Practici al Statisticii Europene pentru autorităţile statistice naţionale şi ale
Comunităţii (European Statistics Code of Practice for the national and Community statistical
authorities) adoptat de Comitetul pentru Programul Statistic la 24 februarie 2005 şi promulgat prin
recomandarea Comisiei Europene din 25 mai 2005 asupra independenţei, integrităţii şi răspunderii
autorităţilor statistice naţionale şi ale Comunităţii.

3
respective nu sunt prezentate în mod transparent, pentru ca ele să fie considerate ca fiind pe
deplin credibile şi plauzibile. Spre exemplu, numărul turiştilor care vizitează litoralul Mării
Negre la sfârşitul săptămânii nu este o statistică oficială, cel mult o statistică administrativă
comunicată presei de autorităţile publice locale sau utilizată pentru sistemul decizional
propriu. Nu este o statistică oficială pentru că nu se ştie cum sunt colectate datele, cum sunt
prelucrate, ce grad de calitate şi de încredere putem asocia respectivelor cifre şi, nu în
ultimul rând, nu există un calendar anunţat din timp asupra difuzării lor.

În egală măsură, companii private sau asociaţii profesionale desfăşoară activităţi


statistice. Spre exemplu, presa dă publicităţii date statistice cum ar fi numărul vânzărilor sau
înmatriculărilor de autovehicule comunicate de asociaţiile profesionale, ori volumul vânzărilor
din sectorul comerţului cu amănuntul, al câştigurilor salariale din anumite domenii de
activitate etc., produse şi comunicate de institute de cercetări de piaţă. Desigur, ele nu pot fi
considerate „statistici oficiale”, dar sunt girate de propriile sisteme de atestare a calităţii, cum
este cel promovat, spre exemplu, de ESOMAR.

Statistica este asimilată cu mulţimea datelor statistice

Datele statistice obţinute în activitatea practică, ca valori individuale observate în


cadrul cercetării statistice sau ca rezultate agregate sunt utilizate cu sintagma de „statistică”
sau „statistici”. Deşi se consideră incorectă o asemenea utilizare din punct de vedere strict
ştiinţific, presa scrisă şi cea audio-vizuală prezintă formulări de genul „o statistică dată
publicităţii recent...” sau „statisticile ultimei luni ne arată că ...”. Limba este vie şi, pe măsură
ce noile înţelesuri devin din ce în ce mai larg utilizate şi acceptate, ele se transferă şi în
textele academice şi în literatura de specialitate.

Statistica este o metodă de cercetare

O altă accepţiune dată noţiunii de statistică este cea conferită totalităţii metodelor
folosite în cercetarea cantitativă a fenomenelor de masă. Ca metodă de cercetare, statistica
este folosită de alte discipline ştiinţifice pentru descoperirea regularităţilor din domeniul
respectiv de studiu, a tendinţelor care se pot constitui ca elemente de previziune.

Folosirea statisticii ca metodă de cercetare este urmarea faptului că legile ştiinţifice


sunt legi cu caracter statistic. Aceste legi se manifestă numai la nivelul ansamblului şi
exprimă valoarea medie, adică normală, predominantă, purtată de majoritatea elementelor
unui ansamblu. Aceste legi nu se manifestă şi nu pot fi verificate la nivelul fiecărui element, ci
numai la nivelul întregului.

Majoritatea fenomenelor şi proceselor din realitatea socioeconomică nu sunt de tip


determinist, nu sunt certe. Aceste fenomene şi procese se produc şi se modifică în timp şi în
spaţiu ca rezultat al combinării complexe a mai multor factori de influenţă. Datorită influenţei
acestor factori care se modifică în timp şi în spaţiu, rezultatul apare sub forma unei mulţimi
de manifestări individuale aparent întâmplătoare. Impresia că manifestările se produc la
întâmplare este doar aparentă, deoarece în mulţimea factorilor de influenţă există unii care
imprimă tuturor manifestărilor o esenţă comună, care nu este sesizabilă la nivelul fiecărui
element. Deci fiecare manifestare individuală (yi) a fenomenului (Y) apare ca rezultat al
combinării influenţelor esenţiale (sistematice) cu cele neesenţiale (întâmplătoare) sub a căror

4
acţiune ia naştere şi variază fenomenul cercetat. Datorită acestor influenţe manifestările
individuale nu sunt identice, ci asemănătoare. Ca atare, legea după care se produce şi
evoluează fenomenul rămâne mascată de mulţimea diversă a manifestărilor individuale.

Pentru a putea desprinde ceea ce este esenţial, regula, trebuie cercetată o mulţime a
acestor manifestări individuale (masă, colectivitate), eliminându-se ceea ce este întâmplător,
neesenţial, prin simplificări şi abstractizări succesive.

Astfel de fenomene se numesc fenomene de masă sau de tip colectiv, iar


cunoaşterea legilor care le guvernează presupune cercetarea ansamblului de manifestări
individuale.

Aşadar, cunoaşterea statistică, respectiv a ceea ce este esenţial, normal, care se


manifestă după o anumită regulă, în mulţimea manifestărilor individuale presupune fixarea
fiecărei manifestări individuale (înregistrarea datelor), sintetizarea datelor individuale în valori
tipice prin prelucrarea datelor individuale şi formularea regularităţilor care se manifestă în
colectivitate.

Statistica este o ştiinţă

Ca ştiinţă, statistica şi-a construit un obiect de studiu, o metodă particulară şi un scop


bine precizat. În literatura de specialitate se susţine frecvent că statistica este ştiinţa
metodelor pentru cercetarea în expresie numerică a fenomenelor de masă. Însă aceste
metode de cercetare sunt folosite şi de alte discipline ştiinţifice.

Obiectul statisticii îl constituie studiul aspectelor cantitative şi calitative în expresie


numerică a fenomenelor de masă.

Scopul statisticii este acela de a extrage informaţii din date pentru a înţelege mai
bine fenomenul pe care aceste date îl reflectă. Cu alte cuvinte, statistica nu are un scop în
sine, de a colecta, sistematiza, prezenta şi interpreta datele statistice, ci şi de a găsi
cauzalităţile fenomenului şi de a formula pe baza lor previziuni şi, prin toate acestea, să
sprijine luarea unor decizii argumentate faptic.

1.4 Metoda. Etapele cercetării statistice

1.4.1 Metoda statisticii


Metoda statisticii este reprezentată de un ansamblu de principii metodologice,
metode şi tehnici folosite în investigarea fenomenelor de masă.

Principiile metodologice prin care se particularizează metoda statisticii sunt


observarea faptică şi exprimarea numerică.

Observarea faptică presupune obţinerea datelor asupra fenomenelor economico-


sociale şi de mediu prin observarea, măsurarea şi înregistrarea unităţilor componente cu
ceea ce are individual fiecare. Observarea faptică a elementelor se realizează acolo unde
acestea există şi sub forma în care acestea există în momentul producerii lor.

5
Exprimarea numerică este impusă de faptul că măsurarea fenomenelor de masă nu
poate fi realizată numai sub formă atributivă. De exemplu, nu este suficient să spunem
despre o ţară că este mică, trebuie să precizăm numeric ce suprafaţă, ce populaţie etc. are
ţara respectivă. Folosirea expresiei numerice face posibil calculul indicatorilor prin care se
caracterizează o colectivitate, facilitează comparările şi elaborarea modelelor privind evoluţia
în timp şi spaţiu a fenomenelor.

În cunoaşterea statistică se recurge la o serie de metode, tehnici şi procedee proprii


de culegere şi sistematizare a datelor individuale, de prelucrare şi de calcul a indicatorilor şi
de interpretare şi valorificare a rezultatelor cercetării.

În demersul statistic se recurge la cele două tipuri de raţionament ale metodei


ştiinţifice: deductiv şi inductiv. În primul caz se porneşte de la general şi se deduc prin
raţionament logic anumite proprietăţi particulare. În cazul metodei inductive se pleacă de la
observarea şi înregistrarea manifestărilor empirice, individuale, şi prin simplificări
abstractizări şi generalizări se reţine la nivelul întregului numai ceea ce este generat de
cauze comune, adică numai ceea ce este normal, esenţial, permanent.

1.4.2 Etapele cercetării statistice


Cunoaşterea statistică presupune parcurgerea mai multor etape (v. Figura 1.1).

Observarea date Prelucrarea


Pregătirea statistică şi analiza Difuzarea
cercetării (culegere statistică rezultatelor
datelor) statistice

Fig. 1.1 – Etapele cercetării statistice

Pregătirea cercetării statistice presupune:

- definirea scopului cercetării;

- definirea fenomenului sau procesului de observat, ceea ce înseamnă definirea


populaţiei statistice de referinţă, a ariei de cuprindere a acesteia şi a unităţilor care
fac obiectul cercetării;

- definirea variabilelor pentru care urmează să se înregistreze datele individuale;

- definirea indicatorilor prin care se poate atinge scopul urmărit prin cercetare;

- definirea modalităţilor de obţinere a datelor individuale (există surse de date care


răspund obiectivului cunoaşterii? Este necesară organizarea unei înregistrări a
datelor individuale? se culeg date pentru toate unităţile colectivităţii sau numai
pentru o parte a acesteia? cum se culeg datele: prin interviu faţă în faţă, telefonic,
prin poştă, on-line?).

6
Observarea statistică înseamnă înregistrarea după reguli unitare a caracteristicilor
unităţilor colectivităţii şi se concretizează în materialul faptic. Datele înregistrate trebuie să
îndeplinească următoarele condiţii:

- să fie autentice, să reflecte realitatea;

- să îndeplinească cerinţele de volum, în sensul că volumul acestora să permită


realizarea obiectivului cercetării;

- dacă datele se obţin printr-un sondaj, eşantionul trebuie să fie reprezentativ


pentru întreaga colectivitate.

Prelucrarea statistică este etapa prin care se realizează sistematizarea datelor


individuale, prezentarea datelor sub formă de serii, tabele şi grafice statistice şi se
calculează indicatori derivaţi care permit caracterizarea tendinţei centrale, variaţia valorilor,
intensitatea corelaţiei, tendinţa de evoluţie.

Analiza statistică constă în compararea şi confruntarea datelor, formularea şi


prezentarea concluziilor pe baza indicatorilor derivaţi în formularea şi verificarea ipotezelor.

Analiza statistică se defalcă, de regulă, în două părţi:

1. Analiza statistică descriptivă. Are drept obiectiv prezentarea cât mai sugestivă a
datelor empirice obţinute în urma unei observări, respectiv: volumul; structura; prezentarea
grafică; evoluţia în timp.

Observaţie: informaţiile
Cadranul 2 – O listă a etapelor generice ale unei
furnizate de statistica descriptivă se cercetări statistice
referă numai la masa unităţilor la
1. Definirea scopului, obiectivelor şi a ipotezelor
nivelul cărora s-au observat valorile cercetării statistice
variabilelor. 2. Consultarea literaturii de specialitate pentru a
identifica experienţele similare
2. Analiza statistica 3. Identificarea variabilelor măsurate şi a modului de
inductivă sau inferenţa statistică. În observare
cazul celor mai multe ştiinţe se 4. Stabilirea indicatorilor calculaţi şi a formatelor de
ieşire
urmăreşte formularea de concluzii 5. Dezvoltarea unui plan de colectare a datelor
care sunt valabile nu numai pentru • Definirea populaţiei de referinţă/unitatea
grupe riguros delimitate, ci pentru statistică, unitatea de observare
toate obiectele, unităţile care posedă • Definirea perioadei de referinţă şi de
colectare a datelor
aceleaşi trăsături ca acelea de la care
• Proiectarea eşantionului / observare totală
s-au cules datele empirice. Dacă se / surse externe
urmăreşte un asemenea obiectiv se • Stabilirea metodei de colectare (PAPI,
CAPI, CATI, poştă, on-line)
ajunge în domeniul statisticii inductive.
6. Formarea personalului cercetării statistice
Statistica inductivă porneşte de la
7. Colectarea datelor
datele empirice înregistrate pentru o 8. Proiectarea aplicaţiei informatice (introducere
parte din unităţile colectivităţii date/prelucrare)
(eşantion), iar pe baza indicatorilor 9. Prelucrarea datelor
calculaţi pentru eşantion se 10. Analiza rezultatelor
11. Raportare (difuzarea rezultatelor)
formulează concluzii valabile pentru

7
întreaga colectivitate. Obiectul inferenţei îl constituie estimarea parametrilor întregii
colectivităţi şi verificarea ipotezelor, baza constituind-o calculul probabilităţilor.

Difuzarea rezultatelor este ultima etapă, obligatorie, a oricărei cercetări statistice şi


reprezintă, practic, confirmarea îndeplinirii obiectivului stabilit în etapa pregătitoare, deoarece
cercetarea statistică serveşte unui obiectiv de cunoaştere, de înţelegere a realităţii şi de
fundamentare a unor decizii bazate pe rezultate obiective. Este recomandabil şi necesar ca
forma, structura şi suportul difuzării rezultatelor să fie predefinite încă din etapa pregătitoare,
astfel încât atât beneficiarul rezultatelor, cât şi expertul care a proiectat şi pus în practică
cercetarea statistică să fie familiarizaţi cu produsul final.

Niciuna din etapele prezentate nu pot fi concepute şi derulate fără utilizarea


tehnologiei informaţiei. În etapa pregătitoare începe proiectarea aplicaţiei informatice de
introducere a datelor, sunt definite clasificările şi nomenclatoarele utilizate la introducerea şi
validarea datelor, după care este proiectată, testată şi pusă în operă aplicaţia informatică de
prelucrare propriu-zisă a datelor, pentru calculul indicatorilor ceruţi, de producere a tabelelor
şi altor forme de prezentare a rezultatelor, până la producerea automată a rapoartelor ieşire.
Tehnologia informaţiei stă, de asemenea, în centrul specificării modelelor statistice, al
evaluării calităţii acestora şi, în principal, al producerii statisticilor pe baza cărora sunt
interpretate intensitatea legăturilor dintre variabilele statistice şi măsura în care modificarea
unei variabile explicative conduce la modificarea variabilei explicate, proces esenţial pentru
realizarea de prognoze pe baza datelor statistice.

1.5 Concepte de bază utilizate în statistică


În cercetarea statistică se utilizează un set de concepte de bază, indiferent de
domeniul la care se referă fenomenul sau procesul studiat. Principalele concepte sunt:

 colectivitatea (populaţia) statistică;

 eşantion;

 unitatea statistică/unitatea de observare;

 caracteristica (variabila) statistică;

 observaţie;

 frecvenţa;

 probabilitate;

 parametru;

 estimator;

 precizie;

 exactitate;

 deplasare (bias);

 indicatorul statistic.

8
Colectivitatea statistică – reprezintă totalitatea entităţilor (unităţilor, manifestărilor)
de aceeaşi natură (care posedă o serie de caracteristici esenţiale comune) supuse
investigaţiei statistice. Frecvent se defineşte drept masa unităţilor care posedă aceleaşi
criterii de identificare din punct de vedere al conţinutului, timpului şi spaţiului.

Colectivitatea statistică specifică vieţii economice şi sociale are un caracter obiectiv,


concret şi finit. Sarcina statisticianului constă în fiecare caz în identificarea şi definirea cu
maximă exactitate a tuturor unităţilor care compun colectivitatea şi delimitarea acestora în
timp şi în spaţiu. Deci, o colectivitate cuprinde toate unităţile care au aceleaşi proprietăţi,
care răspund scopului cercetării şi sunt identice prin prisma timpului şi locului. Exemplu: În
cazul unei cercetări statistice într-o firmă, colectivităţi statistice ar putea fi: totalitatea
angajaţilor, stocul de materiale, stocul de contracte, totalitatea clienţilor, dar şi totalitatea
operaţiunilor de încasări şi plăţi etc.

În cazul cercetărilor statistice la nivel macroeconomic, exemple de colectivităţi


statistice sunt: populaţia României la o anumită dată calendaristică (de regulă, 1 ianuarie şi 1
iulie), stocul de produse finite în industrie la o anumită dată (de regulă, finele lunii sau ale
trimestrului), exporturile României în la sfârşitul anului, totalitatea companiilor de pe întregul
teritoriu al României sau toate companiile care au capital românesc, indiferent unde sunt
înregistrate etc.

În orice cercetare statistică este important să se facă deosebirea dintre o colectivitate


de stoc şi una de flux.

O colectivitate statistică în care unităţile intră în masa ei sau care ies din masa ei la
un moment dat reprezintă o colectivitate de stoc. Pentru astfel de colectivităţi are sens să
se înregistreze date având ca referinţă un moment (oră, zi, lună, trimestru, an).

Exemple: efectivul salariaţilor la sfârşitul lunii; stocul de materiale la data de 31


martie; numărul populaţiei României la data de 1 ianuarie etc.

O colectivitate care exprimă un proces, o devenire în timp, reprezintă o colectivitate


de flux sau dinamică. Caracterizarea unei astfel de colectivităţi presupune
observarea/înregistrarea unităţilor pe parcursul unei perioade de timp (lună, trimestru, an
....).

Exemple: exporturile României în anul ..., încasările unei firme în luna ..., numărul
născuţilor vii în Bucureşti în anul .....

Unei colectivităţi de stoc îi corespund colectivităţi de flux, care descriu intrările şi


ieşirile în şi din colectivitatea de stoc. Spre exemplu, populaţia unei localităţi la un moment
dat, care este o colectivitate de stoc, are drept colectivităţi de flux corespondente naşterile,
decesele, imigrările şi emigrările care au loc într-o anumită perioadă de timp până la
momentul observării.

Dacă cunoaşterea statistică a unei colectivităţi de flux presupune o


culegere/observare/înregistrare continuă, datele unei colectivităţi de stoc se înregistrează la
anumite momente fixe de timp. Intervalul dintre două înregistrări succesive depinde de
volumul colectivităţii (numărul unităţilor componente), de costurile implicate, de obiectivul
cunoaşterii. În cazul populaţiei, intervalul dintre două înregistrări succesive (recensământe)

9
este, de regulă, de 10 ani, înregistrarea efectivului animalelor se face anual, stocul de
produse al unei firme este inventariat periodic etc.

Date referitoare la colectivitatea de stoc între două observări/înregistrări succesive se


obţin pornind de la colectivităţile de flux aferente, după următoarea relaţie:

St1 = St0 + It1/t0 – Et1/t0 (1.1)

unde:

St0 – stocul la momentul t0, respectiv la ultima observare/înregistrare;

It1/t0 – colectivitatea de flux a intrărilor în perioada t0-t1, respectiv totalitatea unităţilor


intrate în stoc în această perioadă;

Et1/t0 – colectivitatea de flux a ieşirilor în perioada t0-t1, respectiv totalitatea unităţilor


ieşite din stoc în această perioadă;

St1 – stocul la momentul t1.

Relaţia (1.1) este denumită ″relaţie de actualizare a colectivităţilor de stoc″.

Eşantionul este o parte a populaţiei statistice de referinţă care a fost selectat


conform unor metode bine fundamentate teoretic - din corpul teoriei şi practicii sondajelor.
Un eşantion reprezentativ al colectivităţii statistice este acela care dă tuturor unităţilor
statistice o şansă nenulă de a fi prezentă în eşantion. Această şansă este în principiu
garantată dacă se utilizează o metodă aleatoare de selecţie, bazată pe teoria probabilităţilor.
Aleator nu înseamnă “la întâmplare”, deoarece întâmplarea poate afecta, fără intenţie,
şansele de a include o unitate în eşantion. Scopul aplicării riguroase a acestor metode este
ca estimaţiile calculate pe baza eşantionului să caracterizeze întreaga colectivitate statistică.

Un element esenţial pentru selecţia eşantioanelor reprezentative îl reprezintă baza de


3
sondaj . Ea este o listă completă a unităţilor statistice, fără duble înregistrări, din care se
selectează eşantionul. Calitatea ei, în termeni de grad de acoperire, actualitate şi exactitate a
variabilelor pe care le conţine şi unicitate a înregistrărilor determină în mod evident calitatea
şi costurile eşantionului.

Unităţile statistice reprezintă elementele componente ale colectivităţii statistice.


Sunt purtătorii caracteristicilor prin intermediul cărora se descriu unităţile statistice.

Numărul unităţilor care compun o colectivitate defineşte volumul sau efectivul acestei
colectivităţi statistice.

Unităţile statistice trebuie definite clar, cerinţă impusă de necesitatea delimitării şi


identificării în timp şi spaţiu şi a obţinerii de date autentice.

În funcţie de conţinutul unităţii, acestea pot fi:

 Unităţi statistice simple, reprezentate de fiecare element component al


colectivităţii. Exemple: angajatul, persoana, firma, produsul etc.

3
In limba engleză, termenul de bază de sondaj este întâlnit ca “sampling frame”, iar în limba franceză
ca “base de sondage”.

10
 Unităţi statistice complexe, care cuprind una sau mai multe unităţi simple.
Exemple: secţia de producţie, gospodăria, localitatea, ramura de activitate
economică.

În cazul unei cercetări se optează pentru o unitate simplă sau complexă în funcţie de
obiectivele cunoaşterii. Astfel, la recensământul populaţiei se foloseşte ca unitate statistică
″persoana″ şi ″menajul/gospodăria″. În primul caz se urmăreşte obţinerea datelor necesare
cunoaşterii unor elemente privind numărul, structura pe sexe, medii de rezidenţă, nivel de
instruire etc. În cel de-al doilea caz interesează de regulă condiţiile de locuit, condiţiile de trai
etc. Într-un studiu privind consumul de servicii turistice, unităţile statistice sunt „persoana
adultă” şi „familia”, pentru a analiza, spre exemplu, modul în care se iau deciziile privind
comportamentul turistic al familiei (care este persoana adultă din familie care are cea mai
mare influenţă în ceea ce priveşte destinaţia, durata, bugetul alocat etc.) şi comportamentul
de consum turistic al familiei (suma cheltuită şi destinaţia acestora, modalităţile de plată, tipul
de produse şi servicii consumate).

Caracteristica statistică (variabila statistică) este proprietatea, însuşirea unităţilor


statistice care interesează în cadrul cercetării. În cadrul unei cercetări interesează, desigur,
mai multe caracteristici.

Trebuie făcută distincţia între caracteristici de înregistrare şi caracteristici de


identificare. Corespunzător primelor se culeg date pentru toate unităţile colectivităţii, iar
ultimele servesc la identificarea, delimitarea unităţilor care formează colectivitatea şi pentru
care nu este necesară calcularea unor mărimi statistice agregate. Caracteristicile de
identificare sunt vitale într-o bază de sondaj pentru a putea contacta unităţile selectate.

Toate caracteristicile de înregistrare trebuie să fie comune concomitent tuturor


unităţilor colectivităţii, ele deosebindu-se de la o unitate la alta prin forma de manifestare sau
prin valoarea observată/înregistrată.

Formele de manifestare înregistrate pentru caracteristica unei unităţi statistice


reprezintă valorile observate sau valorile empirice. Cu ocazia înregistrării/observării se obţin
pentru fiecare caracteristică X atâtea valori empirice (xi) câte unităţi statistice compun
colectivitatea. Mulţimea valorilor posibile ale unei variabile X reprezintă câmpul de variaţie
al variabilei, adică:

X: (x1, x2, .... , xn) sau X: (xi), i = 1, n

Caracteristicile statistice pot fi de diferite tipuri. O clasificare frecventă este legată de


utilizarea tehnologiei informaţiei în prelucrarea datelor statistice. Astfel, din punctul de vedere
al unei aplicaţii informatice, caracteristicile statistice sunt de trei tipuri:

 numerice sau cantitative, care pot fi reprezentate ca o cantitate măsurabilă;

 nenumerice, categoriale sau calitative, care sunt reprezentate prin denumiri


sau însuşiri;

 dată calendaristică, care este un tip special de variabilă numerică, deoarece


este reprezentată ca număr de zile (sau de ore, minute sau secunde în unele
situaţii) de la anumită dată fixă, de regulă 1 ianuarie 1960. O variabilă de tip dată

11
calendaristică este extrem de utilă, spre exemplu, în calcularea dobânzii cuvenite
pentru un depozit, luând în considerare perioada scursă de la dată constituirii
depozitului sau în determinarea duratei medii de realizare a unei operaţiuni într-un
proces de fabricaţie, ori până la constatarea unei defecţiuni la o piesă dintr-un
ansamblu mecanic etc. Stocarea unei date calendaristice ca o variabilă
nenumerică nu poate fi recunoscută de aplicaţia informatică ca o valoare
numerică, asupra căreia să se poată realiza operaţii aritmetice.

Mai departe, variabilele numerice pot fi clasificate în variabile numerice continue şi


variabile numerice discrete. Dacă o variabilă numerică poate lua orice valoare
intermediară într-un interval oarecare, atunci este o variabilă continuă; altfel, este o variabilă
discretă. Spre exemplu, să presupunem că firmele care au o cifră de afaceri anuală de mai
puţin de 100.000 euro sunt scutite de plata unor anumite taxe. Cifra de afaceri anuală este o
variabilă numerică continuă, deoarece cifra de afaceri a firmelor poate lua orice valoare între
0 şi 100.000 euro. Să presupunem, de asemenea, că aruncăm de mai multe ori o monedă şi
numărăm de câte ori cade stema. Numărul de steme poate fi cuprins între 0 şi infinit, dar nu
orice număr din acest interval, ci doar un număr întreg, ceea ce ne arată că numărul de
steme este o variabilă numerică discretă.
Tabelul 1 – Clasificări ale variabilelor statistice

Criterii de clasificare Tipuri de caracteristici / exemple


Variabile cantitative, numerice (vârsta, profitul)
După modul de
Variabile calitative, nenumerice (sexul, profesia, domeniul de activitate,
exprimare
starea civilă)
Variabile discrete - pot lua mai multe valori întregi în cadrul unui interval dat
(număr de copii într-o familie, număr de salariaţi al unei firme)
După natura variaţiei
Variabile continue - pot lua orice valori într-un interval dat (inălţimea
corporală, costul unitar, câştigul salarial)
Variabile alternative, binare - pot lua numai două valori (sexul, mediul urban
După modul de sau rural)
manifestare Variabile nealternative - pot lua o mulţime de valori (venitul lunar, vârsta,
starea civilă)
Variabile de timp (vechimea în muncă, anul naşterii, anul înregistrării firmei)
Variabile de spaţiu (locul naşterii, domiciliul, judeţul)
După conţinut
Variabile atributive - care nu sunt de timp şi de spaţiu (cifra de afaceri,
câştigul salarial)
Variabile primare - pentru care se culeg date brute (cantităţi de produse,
După modul de număr de salariaţi)
obţinere a datelor Variabile derivate, secundare - acelea ale căror valori rezultă din
prelucrarea datelor (PIB/locuitor, rata inflaţiei, rata profitului)

Observaţia este formată din totalitatea valorilor colectate pentru toate variabilele
supuse observării la nivelul unei unităţi statistice. Astfel, după colectarea datelor, vom obţine
tot atâtea observaţii câte unităţi statistice au fost supuse observării. După introducerea
valorilor observate în calculatorul electronic, fişierul rezultat din cercetare are, de obicei, o
formă rectangulară de n observaţii x m variabile.

Frecvenţa de apariţie a unei variante distincte sau a unui grup de variante, poate fi
absolută sau relativă. Frecvenţa absolută (ni) arată de câte ori a fost înregistrată o variantă
distinctă, iar cea relativă (fi) exprimă ponderea, greutatea specifică sau cota-parte în totalul
elementelor unei colectivităţi ( fi = ni / Σni).

12
Probabilitatea se referă la rezultatele unei situaţii denumite experiment. Un
experiment este orice proces prin care datele sunt obţinute în urma observării unor
evenimente necontrolate din natură sau al unor procese controlate în laborator.
Probabilitatea unui eveniment rezultă în urma repetării experimentului de un mare număr de
ori în aceleaşi condiţii şi este dată de proporţia dintre numărul de apariţii ale acestui
eveniment şi numărul total de experimente.

Parametrul este valoarea numerică prin care se descrie o anumită caracteristică


(variabilă) a populaţiei statistice. Referindu-se la întreaga populaţie statistică, parametrul
arată valoarea „adevărată” a variabilei observate. Valoarea parametrului este, de obicei,
necunoscută şi este exprimată sub formă de total, medie sau proporţie. Spre exemplu, un
parametru este cifra de afaceri totală (adevărată) a întreprinderilor dintr-o anumită ramură
economică, ori cifra de afaceri medie pe întreprindere sau proporţia cifrei de afaceri a
întreprinderilor mari (cu peste 250 de salariaţi) din ramura respectivă. Într-o altă cercetare
statistică, variabila de interes poate fi înălţimea copiilor născuţi într-un anumit an, iar
parametrul calculat poate fi înălţimea medie a băieţilor şi a fetelor ori proporţia fetelor care au
o înălţime sub o anumită valoare. Alt exemplu poate fi un studiu statistic asupra sărăciei, iar
variabila de interes să fie venitul mediu pe persoană din fiecare gospodărie. Un parametru
este proporţia gospodăriilor cu un venit mediu pe membru de familie sub pragul de sărăcie.
Un alt parametru extrem de important al populaţiei este dispersia valorilor unei variabile de
interes.

Estimator este o funcţie numerică, definită pentru variabila de interes, care este
calculat pe baza datelor din eşantion şi care estimează parametrul populaţiei statistice.
Rezultatul calculelor ne oferă o estimaţie. Concret, fiecare parametru are drept corespondent
un estimator cu cel puţin o estimaţie. In oglinda exemplelor de mai sus, un estimator este,
spre exemplu, cifra de afaceri medie din eşantionul de 2000 de întreprinderi din o ramură
economică sau proporţia gospodăriilor din eşantionul de 30000 de gospodării al căror venit
mediu pe persoană se află sub pragul de sărăcie etc.

Precizia ne arată gradul de împrăştiere a estimaţiilor unui parametru. Precizia este cu


atât mai mare cu cât gradul de împrăştiere a estimaţiilor în jurul parametrului (necunoscut)
este mai mic. Împrăştierea este dată de faptul că dintr-o populaţie statistică putem extrage
mai mult de un eşantion, din fiecare obţinând câte o estimaţie prin intermediul aceluiaşi
estimator. Ştim că valoarea medie a unei variabile obţinută din datele unui eşantion reflectă
valoarea medie a variabilei din populaţia din care a fost extras eşantionul. Însă, dacă
extragem două eşantioane independente, este aproape sigur că cele două valori medii vor fi
diferite, deşi ele estimează aceeaşi valoarea medie (adevărată) din populaţia statistică.
Această variaţie a estimaţiilor contribuie la gradul de împrăştiere, deci la stabilirea preciziei
estimaţiilor.

Exactitatea (acurateţea) arată cât de aproape este o estimaţie de valoarea


adevărată a parametrului. O precizie mare (împrăştiere mică) nu este o garanţie implicită a
unei estimaţii exacte, deoarece un eşantion oarecare, deşi ne garantează o precizie bună,

13
poate fi departe de valoarea adevărată. De asemenea, o precizie slabă putem avea şi atunci
când estimaţiile sunt destul de exacte. Figura de mai jos reflectă cele patru cazuri posibile 4 .

Precis si exact Imprecis si exact

Precis si inexact Imprecis si inexact

Fig. 1.2 – Precizie vs. exactitate


Deplasarea (bias) este deviaţia sistematică a estimaţiei de la valoarea (adevărată) a
parametrului. În cazul unui estimator deplasat, dacă am extrage toate eşantioanele posibile,
atunci am constata că, spre exemplu, media estimaţiilor obţinute din toate eşantioanele
diferă de media din populaţia statistică.

Indicatorul statistic este o noţiune folosită cu sensul de expresie numerică a unei


măsurări statistice sau a unui calcul asupra datelor obţinute printr-o înregistrare statistică.

Prin intermediul indicatorilor statistici se măsoară diferite aspecte ale fenomenelor şi


proceselor de masă. Aşadar, folosirea şi determinarea indicatorilor presupune în prealabil
elaborarea lor conceptuală şi metodologică, urmată de calcularea lor pe baza datelor
observate.

Orice indicator statistic este format din două părţi: o parte noţională care defineşte
conţinutul indicatorilor şi o expresie numerică delimitată în timp şi în spaţiu.

4
Diagramă pusă la dispoziţie de MIT OpenCoursWare

14
Exemplu: Produsul Intern Brut al României a fost în anul 2009 de 491.274 milioane
lei; rata inflaţiei a fost în Romania în decembrie 2009 faţă de decembrie 2008 de 4,74%.

Partea noţională
Delimitare în spaţiu
PIB

România
Delimitare în timp
2009
Expresie numerică
491274 mil lei

1.6 Scale de măsurare


Măsurarea înseamnă atribuirea, după reguli precise, de numere
proprietăţilor/însuşirilor unităţilor statistice. Diferenţierea valorilor se face printr-un instrument
de măsurare denumit scală.

Prin scalare/cuantificare variantele înregistrate pentru o variabilă calitativă (masculin,


feminin, căsătorit etc.) se transformă în variabile cantitative, deoarece scalarea înseamnă
înlocuirea cuvintelor înregistrate prin numere. Pentru alegerea metodelor statistice de
prelucrare şi de analiză sunt de mare importanţă criteriile care pot fi folosite la măsurarea şi
ordonarea variantelor înregistrate.

Exemple:

Variabila Variante înregistrate


Sexul: masculin; feminin
Starea civilă: căsătorit, necăsătorit, divorţat, văduv
Performanţe profesionale: foarte bune, bune, satisfăcătoare,
nesatisfăcătoare
Înălţime corporală: x cm
Numărul copiilor: 0,1,2,3,....

Variantele înregistrate în cazul primelor două variabile calitative sunt cuvinte care nu
rezultă din numărare sau măsurare. Se poate constata doar dacă o unitate are o anumită
însuşire sau nu. În acest caz variantele nu pot fi ordonate, în sens de ″mai mare″ sau ″mai
mic″ şi nu se pot determina distanţe sau rapoarte între variantele înregistrate.

La variabila a treia, variantele admit stabilirea unor liste de ranguri, ordine, în sensul
că ″bine″ se situează pe o treaptă superioară faţă de ″satisfăcător″.

15
În cazul ultimelor două variabile, variantele sunt numere care rezultă din măsurare
sau numărare. Valorile observate nu numai că pot fi ordonate, dar are sens să se determine
distanţe şi rapoarte prin intermediul lor.

Deci, la prelucrarea datelor variabilelor menţionate nu pot fi aplicate aceleaşi metode.


Are sens, de exemplu să se calculeze ″greutatea medie″ a mai multor persoane, dar nu are
sens să se determine ″sexul mediu″.

În practica statistică, scalele tipice de măsurare sunt: scala nominală, scala ordinală,
scala interval şi scala raport.

Scala nominală se aplică în cazul variabilelor calitative, când valorile observate


(cuvinte) nu pot fi aşezate într-o ordine crescătoare sau descrescătoare. Măsurarea cu
ajutorul scalei nominale presupune înlocuirea cuvintelor cu numere. Numerele au doar
menirea de a diferenţia (deosebi) unităţile colectivităţii, deci de a arăta dacă o unitate posedă
sau nu o anumită valoare observată. Valorile individuale ale unei variabile măsurate pe scala
nominală nu au o valoare intrinsecă şi sunt mutual exclusive.

Exemplu: masculin (0) şi feminin (1). Aceste numere nu admit nici un fel de operaţii
aritmetice (adunări, scăderi, înmulţiri sau împărţiri).

Observaţie: pentru valorile scalate nominal are sens să se determine frecvenţele de


apariţie, respectiv să se numere de câte ori apare o anumită variantă.

Scala ordinală sau cu ranguri se aplică când valorile observate pot fi ordonate nu
numai după criteriul dacă sunt identice sau deosebite, ci şi după criteriul ″mai mare″ sau ″mai
mic″. Numerele care înlocuiesc variantele observate, denumite ranguri, trebuie să redea
ordinea stabilită, existentă.

Exemplu: scala notelor (1,2,...,10), scala calităţii produselor, scala ″stelelor″ hotelurilor
şi restaurantelor, scala Likert. Numerele atribuite (rangurile) nu admit operaţii
aritmetice şi nu pot cuantifica distanţa (diferenţa) dintre două numere, ci doar sensul
diferenţei.

Observaţie: valorile observate permit ordonarea lor crescătoare sau descrescătoare


şi singurul indicator care are sens să fie folosit este mediana sau valoarea centrală
(Me) .

Scala interval se aplică la măsurarea variabilelor cantitative, când are sens să se


stabilească doar diferenţele dintre valorile observate (numere). Originea scalei interval se
alege subiectiv.

Exemplu: măsurarea temperaturii după scala Celsius (când originea ″0″ este punctul
de îngheţ al apei şi ″100″ este punctul de fierbere al apei) şi scala Farenheit. Are sens
0 0
în acest caz să se facă diferenţa dintre 10 C şi 5 C, care este egală cu diferenţa între
0 0
37 C şi 32 C. Nu are însă sens să se facă raportul între valori.

Scala raport se foloseşte tot pentru măsurarea variabilelor cantitative, dar, spre
deosebire de scala interval, originea ″0″ se alege în mod obiectiv. În cazul acestei scale,
raportul între oricare două valori este independent de unitatea de măsură folosită. Scala

16
raport este folosită pentru măsurarea valorilor a numeroase variabile, cum sunt: dimensiunile
fizice (înălţime, greutate), preţul, viteza etc.

În concluzie, la alegerea scalei de măsurare trebuie pornit de la ce informaţie


interesează. Cel care aplică metodele statistice trebuie să se întrebe: ce urmăreşte şi ce
operaţii aritmetice şi transformări sunt necesare în acest scop.

Scala nominală indică existenţa unei diferenţe între valorile observate, iar scala
ordinală, în plus, poate arăta şi care este sensul diferenţei. Pe lângă cele două rezultate
obtenabile cu scalele anterioare, scala de tip interval arată şi care este mărimea diferenţei,
iar cea de tip raport adaugă posibilitatea fixării unei origini absolute. Acestea sunt diferenţele
fundamentale dintre cele patru scale de masurare.

Folosirea diferitelor procedee statistice depinde în mod esenţial de nivelul scalei de


măsurare. În continuare sunt exemplificate ce tipuri de indicatori statistici pot fi calculaţi în
cazul fiecărei scale de măsurare.

- scala nominală: modul, coeficientul de contingenţă, hi-patrat;

- scala ordinală: mediana, quantile, corelaţia rangurilor;

- scala interval: media aritmetică, abaterea standard, corelaţia, regresia, analiza


dispersională;

- scala raport: cele de la scala interval, la care se adaugă media geometrică, media
armonică, coeficientul de variaţie, logaritmi.

O corespondenţă între scalele de măsurare şi categoriile de variabile este redată în


diagrama de mai jos.

Variabile

Calitative Cantitative

Nominale Ordinale Discrete Continue

Interval Raport

Fig. 1.3 – Relaţia între categoriile de variabile şi scalele de măsurare

O metodă simplă de a afla ce fel de variabilă intervine în procesul de observare


statistică – de tip calitativ sau numeric, iar aceasta din urmă discretă sau continuă – constă
în investigarea valorilor individuale ale variabilei. O variabilă este calitativă sau numerică
discretă dacă modalităţile individuale ale variabilei – sau variantele – pot fi numărate şi
clasificate într-un număr finit de categorii. De cele mai multe ori, datele unei variabile
calitative sau numerice discrete încep prin cuvintele „numărul de...”. În schimb, o variabilă
numerică continuă este rezultatul unei măsurători.

17
1.7 Întrebări de control
1. De ce statistica studiază fenomene şi procese de masă?

2. Ce înţelegeţi prin statistică ca “activitate practică”?

3. De ce se consideră că statistica este o ştiinţă metodologică cu caracter


preponderent inductiv?

4. Prin ce se deosebeşte statistica descriptivă de inferenţa statistică?

5. Care sunt principiile prin care se particularizează metoda statisticii?

6. În ce constă definirea unei cercetări statistice?

7. Ce condiţii trebuie să îndeplinească datele obţinute în urma cercetării statistice?

8. În ce constă prelucrarea şi analiza statistică?

9. Ce înţelegeţi prin autonomia profesională a statisticii?

10. De ce credeţi că este importantă confidenţialitatea datelor observării?

11. Cum definiţi colectivitatea statistică?

12. Ce legătură există între o colectivitate de stoc şi una de flux?

13. Ce înţelegeţi prin colectivităţi de flux corespondente?

14. După ce criterii se alege unitatea de înregistrare ca unitate simplă sau complexă?

15. Care sunt tipurile de variabile?

16. Ce înţelegeţi prin “indicator statistic”?

17. Ce înseamnă scalarea variabilelor?

18. În funcţie de ce criterii se aleg scalele de măsurare?

19. Prin ce se deosebeşte scala ordinală de scala nominală?

20. Prin ce se deosebeşte scala raport de scala interval?

1.8 Bibliografie selectivă


1. Elisabeta Jaba, Statistica, Editura Economică, Bucureşti 1998, cap. 1 „Rolul
statisticii în cunoaştere”, p. 3 – 29.

2. Horst Degen, Peter Lorscheid, Statistik – Lehrbuch, mit Wirtschafts und


Bevölkerungsstatistik, Oldenbourg Verlag München Wien, 2001, p.10 – 16.

3. Jochen Schwarze, Grundlagen der Statistik I, Verlag Neue Wirtschaftsbriefe,


Herne / Berlin 1994, p. 13 – 44.

4. Mansfield Edwin, Basic Statistics with Applications, W.W. Norton&Company, New


York, London, 1986, p. 86-92

5. Mihai Korka, Liviu Stelian Begu, Erica Tusa, Bazele statisticii pentru economişti,
Editura Tribuna Economică, Bucureşti 2002, cap. „Statistica instrument de

18
cunoaştere şi analiză cantitativă a fenomenelor şi proceselor economice”, p. 15 –
30.

6. Moineagu C., Negură I., Urseanu V., Statistica. Concepte, principii, metode,
Editura Ştiinţifică şi Enciclopedică, Bucureşti, 1976, p.19 – 22

7. Virgil Voineagu, Eugenia Lilea s.a, Statistica economică. Teorie şi aplicaţii,


Editura Tribuna Economică, Bucureşti 2002, p. 13 – 22

19
Capitolul 2: COLECTAREA, SISTEMATIZAREA SI
PREZENTAREA DATELOR STATISTICE

2.1 Introducere
Cunoaşterea statistică presupune parcurgerea mai multor etape, începând cu
definirea scopului cercetării şi încheind cu interpretarea rezultatelor.

Una din etapele de mare importanţă pentru rezultatele întregii cercetări se referă la
colectarea sau înregistrarea datelor pentru toate variabilele unităţilor care compun
colectivitatea studiată. Printre problemele la care trebuie găsite răspunsuri în această fază se
numără: dacă există date disponibile în alte surse şi în ce masură aceste date răspund
obiectivului cercetării; dacă datele existente nu sunt satisfăcătoare şi trebuie organizată o
înregistrare specială, ce variabile trebuie înregistrate, se recurge la o înregistrare totală sau
parţială, când trebuie organizată înregistrarea datelor, ş.a..

După culegerea datelor pentru toate unităţile şi variabilele se pune problema de a


introduce ordine în această masă de date, ceea ce înseamnă sistematizarea şi comprimarea
lor astfel încât datele să spună ceva relevant despre colectivitatea studiată. Datele se
sistematizează prin clasificarea şi gruparea lor şi se prezintă prin intermediul seriilor
statistice, tabelelor statistice şi prin grafice.

Pornind de la aceste probleme, în acest capitol se tratează problematica teoretică şi


metodologică referitoare la:

 care sunt principalele modalităţi de obţinere sau înregistrare a datelor statistice;

 principalele surse de date statistice;

 cum se sistematizează datele empirice ale unei observări sau înregistrări de


masă;

 ce probleme de cunoaştere pot fi rezolvate prin gruparea statistică a datelor;

 cum trebuie prezentate datele statistice pentru a deveni expresive;

 regulile de bază privind construirea tabelelor statistice şi construirea


reprezentărilor grafice;

 cum se poate recunoaşte o sistematizare ştiinţifică de o pseudosistematizare.

2.2 Observarea statistică – colectarea datelor statistice


Observarea statistică este etapa esenţială a oricărei cercetări statistice. Datorită
faptului că în statistică predomină metoda inductivă de cunoaştere a realităţii, prima etapă a
demersului metodologic se referă la culegerea (înregistrarea sau observarea) datelor
individuale ale variabilelor unităţilor. Observarea reprezintă un proces complex de

21
identificare, măsurare şi înregistrare a fenomenelor de manifestare. Ea constă în culegerea
anumitor date pe baza unor reguli sau criterii unitare de la unităţile colectivităţii cercetate.

2.2.1 Principiile observării statistice


Realizarea unei observări statistice, care să permită obţinerea datelor necesare
atingerii scopului cercetării, presupune respectarea câtorva principii:

- autenticitatea datelor, respectiv asigurarea concordanţei dintre datele înregistrate


şi dimensiunea reală a variabilelor observate;

- îndeplinirea condiţiei de volum, în sensul că volumul datelor culese să fie suficient


de mare astfel încât să permită manifestarea legii numerelor mari, iar factorii
aleatori (neesenţiali, întâmplători) să se compenseze în mod real 5 ;

- datele să fie obţinute în timp util, să poată servi fundamentării deciziei la momentul
potrivit;

- culegerea datelor să se realizeze în condiţii obiective, fără intervenţia


responsabililor pentru culegerea datelor (operatori de interviu, coordonatori etc.).

Pregătirea şi desfăşurarea observării statistice implică multiple acţiuni care, de


regulă, sunt reunite în planul de observare statistică. La rândul său, planul de observare
statistică este cuprins în programul cercetării statistice (v. Cadranul 1) Principalele elemente
ale planului observării statistice sunt:

- reperele de timp ale observării, care se referă la două aspecte: stabilirea timpului
la care se referă toate datele care urmează a fi înregistrate (momentul sau
perioada de referinţă) şi timpul (perioada) în care trebuie realizată înregistrarea
(perioada de colectare). În cazul unei colectivităţi de stoc, toate datele înregistrate
se referă la un moment dat (moment critic), iar în cazul unei colectivităţi de flux
timpul la care se referă datele este o perioadă (lună, trimestru, etc.);

- locul observării statistice, care coincide, de regulă, cu locul producerii


fenomenului înregistrat;

- măsurile organizatorice, respectiv măsurile prin care se asigură logistica


desfăşurării observării statistice: elaborarea formularelor de înregistrare şi a
instrucţiunilor de completare, recrutarea şi instruirea personalului de înregistrare,
etc..

2.2.2 Metode de observare statistică


Modul în care se obţin datele în cadrul unei cercetări statistice depinde de
problematica cunoaşterii pe care o urmărim, adică de ce anume vrem să cunoaştem.

5
Această condiţie este aplicabilă cercetărilor statistice prin sondaj şi este îndeplinită prin proiectarea
unui eşantion bine fundamentat din punct de vedere teoretic şi pus în practică după principii riguroase.
Numărul de unităţi observate nu este un scop în sine, pentru că în acest fel am fi tentaţi ca
întotdeauna să realizăm observări complete, de tipul recensămintelor, ceea ce nu este justificat
întotdeauna din punct de vedere practic şi economic.

22
Dacă fenomenul sau procesul ce urmează să fie cercetat se circumscrie agenţilor
economici, atunci este normal să se pornescă de la datele din sistemul informaţional intern al
acestora, evidenţiate în diferite surse. Aceste date apar în mod normal în procesul
conducerii. Astfel de date (denumite, de regulă, date secundare sunt, de exemplu: numărul
salariaţilor, stocurile de produse finite, cifra de afaceri, realizările individuale ale punctelor de
vânzare etc).

Mai dificilă este obţinerea datelor dacă fenomenul sau procesul cercetat nu face
obiectul evidenţierii sistematice în alte surse sau dacă datele disponibile (de regulă,
publicaţii) răspund numai parţial scopului cercetării. Într-o asemenea situaţie este necesar să
se organizeze o observare sau înregistrare specială, caz în care trebuie să se rezolve corect
toate aspectele de natură metodologică şi organizatorică cuprinse în programul observării.
Observarea statistică poate fi indirectă, prin observare documentară şi directă, prin
observare în teren.

Observarea indirectă presupune preluarea datelor înregistrate în diferite documente


(contabile, de regulă) 6 , lucrări publicate anterior (cărţi, publicaţii periodice de specialitate,
pagini web) 7 . Observarea indirectă are două avantaje principale faţă de cea directă: costuri
semnificativ mai reduse şi operativitatea obţinerii datelor. Recurgerea la această variantă
presupune verificarea dacă datele secundare îndeplinesc cel puţin următoarele condiţii:

- metodologia de elaborare a acestor date să fie compatibilă cu cea folosită în cazul


cercetării în cauză;

- datele preluate din diferite surse să răspundă scopului cercetării. Chiar dacă nu
răspund întocmai obiectivului cercetării, să ofere răspunsuri suficient de apropiate
de realitate şi, printr-o prelucrare adecvată, să poată fi utilizate în scopuri
statistice.

Observarea directă intervine în cazul înregistrărilor special organizate, când se


culeg (înregistrează) date pentru fiecare unitate şi pentru toate caracteristicile programului
observării.

Observarea directă se poate realiza prin:

1. Interviu faţă-în-faţă. Această metodă presupune consemnarea răspunsurilor de


către un operator de interviu. Consemnarea poate fi realizată pe suport de hârtie
(PAPI: Paper Assisted Personal Interview) sau direct în computer (CAPI:
Computer Assisted Personal Interview). O formă particulară de observare sunt
interviurile realizate prin telefon şi asistate de computer (CATI: Computer Assisted
Telephone Interview). Interviurile faţă-în-faţă tipice sunt cele realizate cu ocazia
recensămintelor populaţiei sau cele realizate de institutele private de cercetare a
opiniei publice şi de marketing.

2. Chestionar auto-administrat (autoînregistrare) . Metoda presupune


completarea chestionarului (de obicei, pe suport de hârtie) de către o persoană –
6
Această metodă este din ce în ce mai privilegiată în statistica oficială, prin utilizarea surselor
administrative.
7
În literatura de specialitate, acest tip de observare poartă denumirea de “desktop research”.

23
fie cea direct vizată de cercetare, fie o persoană capabilă să ofere răspunsurile în
cunoştinţă de cauză – după ce, în prealabil, un operator sau un alt responsabil al
cercetării a înmânat chestionarul, instrucţiunile de completare şi a oferit un set
minimal de îndrumări. Ulterior, chestionarul este ridicat de responsabilul cercetării
sau este trimis prin poştă. În egală măsură, chestionarul poate fi trimis şi
recepţionat exclusiv prin poştă, caz în care este vorba de o cercetare statistică
prin poştă 8 . Din ce în ce mai des se recurge la cercetări mijlocite de tehnologia
informaţiei, prin care răspunsurile sunt completate pe computer în aşa-numitele
sondaje on-line cu ajutorul aplicaţiilor Web.

3. Observare propriu-zisă, care se foloseşte în situaţiile când este necesară


numărarea (de către o persoană sau un aparat) anumitor cantităţi. Măsurarea
intensităţii traficului, de exemplu, presupune numărarea autoturismelor care trec
printr-un anumit punct de observare într-un interval de timp.

4. Experiment, metodă care, ca modalitate de observare statistică, se aplică mai rar


în studiul fenomenelor economice şi sociale, datorită faptului că acestea nu sunt
fenomene certe. Totuşi, se apelează la această metodă pentru a testa influenţa
anumitor factori asupra apariţiei unui anumit eveniment, cum ar fi preferinţa
pentru un produs, percepţiile asupra decidenţilor politici, calităţile unui produs sau
serviciu etc.

O problemă care apare frecvent în aplicarea primelor două metode este


nonrăspunsul. Există cercetări statistice unde participarea (răspunsul) este obligatorie, iar în
altele participarea este voluntară. În general, autorităţile din sfera statisticii oficiale realizează
cercetări statistice „obligatorii”, însă şi aici nonrăspunsul (refuzul de a răspunde 9 ) nu este o
raritate. Chiar şi în cazul statisticii oficiale există cercetări statistice unde răspunsul este
obligatoriu şi pentru altele rămâne la alegerea unităţii selectate. Însă în cazul în care o
unitate acceptă să răspundă, atunci ea este obligată să ofere toate datele solicitate.

Dacă observarea este organizată de către operatori privaţi (asociaţii profesionale,


institute de cercetare, camere de comerţ etc.), unităţile statistice nu au obligaţia legală de a
completa un chestionar. În acest caz rata de nonrăspuns poate fi destul de mare.

Nonrăspunsul constituie o problemă importantă în realizarea cercetărilor statistice şi


reclamă proceduri speciale atât pentru prevenirea lui, cât şi pentru prelucrarea statistică a
datelor colectate, deoarece unităţile care nu răspund nu sunt în mod necesar identice cu cele
care au răspuns, de unde şi pericolul de a realiza inferenţe pe baza unor date incomplete.

În funcţie de gradul de cuprindere a unităţilor colectivităţii în cercetarea statistică,


observarea statistică directă poate fi totală şi parţială.

Observarea totală presupune să se înregistreze fiecare unitate cuprinsă în


colectivitate cu toate caracteristicile din programul observării. Exemple de înregistrări totale

8
În limba engleză, acest tip de cercetare este denumită “mail survey”.
9
Nonrăspunsurile sunt de mai multe categorii: unitatea nu este identificată, nu mai există, nu face
parte din populaţia statistică vizată de cercetare. Refuzul de a răspunde este doar una din aceste
categorii.

24
realizate de către statistica oficială sunt: recensământul populaţiei şi al locuinţelor,
recensământul fermelor, animalelor şi livezilor, ş.a..

Observarea parţială presupune înregistrarea numai a unei părţi din unităţile


colectivităţii. Exemple: sondajul statistic, ancheta statistică etc..

Observarea totală are un singur avantaj comparativ cu observarea parţială: nu există


erori de reprezentativitate, iar rezultatele pot fi prezentate în cele mai detaliate structuri de
agregare, sun condiţia păstrării confidenţialităţii datelor individuale. În schimb, observarea
parţială prezintă câteva avantaje majore: numărul mai mic de unităţi care se înregistrează
determină costuri semnificativ mai reduse; rezultatele se obţin mult mai repede; programul
de înregistrare poate fi mult mai amplu; este singura modalitate de obţinere a datelor în
condiţiile în care o înregistrare totală conduce la distrugerea unităţilor.

Recensământul reprezintă o observare totală (exhaustivă) prin care se înregistrează


printr-o metodologie unitară, toate unităţile care compun o colectivitate de stoc (stare). În
funcţie de colectivitatea observată, se poate organiza: recensământul populaţiei,
recensământul fermelor, al animalelor, recensământul întreprinderilor etc..

Culegerea datelor prin recensământ se bazează pe următoarele principii:

 universalitatea înregistrării, în sensul că se înregistrează toate unităţile ce


definesc colectivitatea;

 simultaneitatea înregistrării, ceea ce înseamnă că datele înregistrării trebuie să


exprime situaţia la un moment dat, numit moment critic (este o anumită oră, în
cazul recensământului populaţiei, o perioadă în cazul recensământului animalelor
etc.).

 periodicitatea recensământului – indică necesitatea organizării înregistrării la


intervale regulate de timp.

 comparabilitatea datelor, în sensul că metodologia de efectuare a


recensământului trebuie să conducă la obţinerea de date comparabile în timp şi
pe plan internaţional.

Rapoartele statistice reprezintă lucrări prin care se obţin date pentru colectivităţi de
fapte şi de evenimente. Rapoartele statistice reprezintă una din modalităţile prin care
statistica oficială obţine date de la agenţii economici privind cifra de afaceri, investiţiile, forţa
de muncă, câştiguri salariale etc.. Denumirea de „raport” provine din practica statistică
anterioară anului 1990, când toate întreprinderile erau obligate să furnizeze (raporteze) date
statistice la autoritatea competentă din acea perioadă. Ele erau de fapt formulare concepute
într-o manieră tabelară, ca să uşureze completarea lor. Termenul este uşor demodat astăzi
pentru că, deşi ca formă s-au păstrat într-o oarecare măsură, ele nu mai sunt adresate
tuturor întreprinderilor din România – ar fi imposibil – şi nici nu mai există o obligativitate
expresă în cazul unor cercetări statistice.

Sondajul statistic este o observare parţială prin care se înregistrează date numai
pentru o parte din unităţile colectivităţii, numită eşantion sau mostră. Pentru ca datele
obţinute prin intermediul sondajului să permită cunoaşterea realităţii, este necesar ca

25
eşantionul să fie reprezentativ. Un eşantion este reprezentativ dacă fiecare unitate din
colectivitatea generală are o şansă nenulă de a fi selectată în eşantion. Un astfel de eşantion
se mai numeşte şi probabilist.

Dezavantajele înregistrărilor totale au făcut ca majoritatea datelor statistice să


provină, în prezent, din sondaje statistice.

Pe lângă noţiunile de mai sus, mai sunt utilizate şi cele de anchetă statistică şi
anchetă de opinie.

Ancheta statistică este o tehnică a observării parţiale şi se confundă, din ce în ce mai


mult, cu noţiunea de cercetare statistică prin sondaj sau sondaj statistic. Eşantionul unei
anchete statistice, pentru ca rezultatele să fie cât mai corecte şi plauzibile, trebuie să fie, de
asemenea, reprezentativ. Bineînţele, sunt cazuri în care eşantioanele nu sunt probabilistice,
însă rezultatele sunt de încredere dacă metodele de selecţie sunt astfel controlate încât să
reducă sau să elimine riscul distorsionării rezultatelor. Opiniile potrivit cărora o anchetă
statistică este caracterizată prin utilizarea unui eşantion de tip panel sunt eronate, deoarece
un eşantion panel este un eşantion reprezentativ care rămâne neschimbat pe parcursul unei
serii de observări succesive (lunare, anuale sau cu o altă frecvenţă), spre deosebire de alte
sondaje (anchete) în care eşantionul este schimbat de la o perioadă la alta. Astfel, putem
deosebi anchete transversale 10 , cu eşantioane care se schimbă de la o perioadă la alta sau
sunt de tip panel, în care obiectivul constă în obţinerea unor estimaţii cu o anumită perioadă
(dată) de referinţă, asimilabile mărimilor de stoc, şi anchete longitudinale, de regulă cu
eşantioane panel, în care obiectivul constă în obţinerea de estimaţii ale modificărilor de la o
perioadă la alta, asimilabile mărimilor de flux.

Ancheta de opinie este, de asemenea, o observare parţială. Diferenţa faţă de alte


tipuri de anchete este dată de programul de observare, care constă în întrebări şi variabile ce
privesc atitudini, percepţii, comportamente psiho-socio-economice în relaţie cu situaţii sau
evenimente care prezintă un anumit interes public. Partea de la care se culeg date nu trebuie
să fie reprezentativă pentru întreaga colectivitate, însă, din rigori profesionale, se preferă
utilizarea unui eşantion cât mai apropiat de caracteristicile unuia probabilist. Eşantionul tipic
într-o anchetă de opinie este cel selectat prin metoda cotelor. Răspunsurile se consemnează
într-un chestionar de către un personal instruit sau anchetele se pot realiza prin
autoînregistrare, prin poştă, prin telefon sau prin Internet.

Monografia statistică este o înregistrare special organizată şi presupune studierea


complexă, aprofundată a unei unităţi (localitate, întreprindere, comunitate etc.), activităţi sau
fenomen din realitatea socio-economică sau culturală.

2.2.3 Chestionarul statistic


După ce am ales metoda de observare, ajungem în punctul în care e nevoie să
colectăm datele primare, deci să le înregistrăm pe un suport. Cel mai vechi instrument de
colectare a datelor este chestionarul statistic, indiferent de suportul fizic al înregistrării datelor

10
Cross-sectional (engl.)

26
– pe hârtie sau suport magnetic, prin utilizarea tehnologiei informaţiei – sau de metoda de
observare.

Chestionarul trebuie adaptat metodei de observare, deoarece în cercetările în care se


utilizează metodele de colectare prin autoadministrare sau on-line, interacţiunea cu
respondentul este limitată, motiv pentru care sunt necesare instrucţiuni suplimentare, iar
întrebările să fie bine înlănţuite logic şi nu foarte numeroase. Pe ansamblu, chestionarul
trebuie să fie cât mai simplu şi scurt. O durată a completării chestionarului care depăşeşte 20
de minute, mai ales în cazul interviurilor faţă-în-faţă, induce oboseală şi plictiseală persoanei
intervievate, ceea ce determină creşterea ratei nonrăspunsurilor parţiale şi totale.

Proiectarea chestionarului înseamnă să răspundem la o întrebare aparent simplă: ce


întrebări punem? Formularea întrebărilor presupune experienţă şi o cunoaştere
cuprinzătoare a domeniului investigat şi a psihologiei celui intervievat. O întrebare trebuie să
fie clară, concisă şi fără ambiguitate, să nu aibă mai multe înţelesuri sau să ascundă, în fapt,
mai multe întrebări, pentru că naşte confuzie, iar răspunsul nu va corespunde aşteptărilor.
După formularea lor, o etapă importantă este testarea chestionarului, adică aplicarea lui pe
un eşantion de respondenţi – care nu trebuie să fie neapărat probabilist – pentru a vedea
care sunt reacţiile, răspunsurile primite, gradul în care sunt înţelese întrebările şi pentru a
putea face amendamentele necesare înainte de lansarea cercetării statistice.

Pentru a conferi simplitate şi conciziune chestionarului, întrebările trebuie împărţite în


trei grupe, care indică şi prioritatea lor:

- Ce trebuie să ştiu;

- Ce ar fi util să ştiu;

- Ce ar fi frumos să ştiu.

La ultima categorie se renunţă de la bun început. A doua categorie poate fi luată în


considerare dacă lungimea chestionarului – nu doar prin prisma numărului de întrebări, ci şi
a variabilelor culese – permite includerea lor.

Întrebările au, în principiu, mai multe variante de răspuns. O recomandare generală


este ca persoana care răspunde la întrebări să aibă posibilitatea să ofere şi răspunsuri de
tipul “Nu ştiu”/”Nu este cazul”/”Nu (vreau să) răspund”, care sunt utile atunci când se pun
întrebări sensibile, cum sunt cele referitoare la venituri sau patrimoniul personal ori al
familiei, la starea de sănătate sau la alte aspecte care ţin de viaţa intimă. O altă posibilitate
priveşte variante de răspuns de tip “Niciunul/Niciuna”, “Altul/Alta/Altceva”, atunci când este
potrivită includerea lor. Un aspect practic priveşte gruparea variantelor “Nu ştiu” şi “Nu
răspund” (NS/NR) într-una singură, dacă separarea nu este de interes pentru utilizator sau
nu au relevanţă pentru a fi prelucrate separat.

Există mai multe tipuri de întrebări, determinate de modul în care se solicită şi se


facilitează formularea unui răspuns:

1) Întrebări structurate (închise)

Sunt întrebările care dau posibilitatea celui/celei intervievate să aleagă una sau
mai multe variante de răspuns dintr-un set prestabilit de către analist. Variantele

27
de răspuns sunt mutual disjunctive, adică nu se pot suprapune sau confunda, şi
sunt colectiv exhaustive, adică împreună formează toate variantele posibile de
răspuns. Pentru completarea tuturor variantelor posibile, se poate recurge la
adăugarea uneia din variantele menţionate mai sus, de genul “Altul/Alta ? Care
…..”, dând posibilitatea completării unei variante inexistente în lista prestabilită.

În categoria întrebărilor închise se pot defini mai multe sub-categorii:

a) Dihotomică

Este întrebarea cea mai frecvent întâlnită, fără a fi inoportună, în care respondentului
i se cere să răspundă doar prin „Da” sau „Nu”. Ea nu permite delimitarea unei măsuri
a percepţiilor sau a sentimentelor între aceşti doi poli.

Exemplu

Q1. Vă place produsul X ?

1. Da

2. Nu

3. NS/NR

b) Cu răspuns multiplu

Respondentul are posibilitatea să aleagă una sau mai multe variante de răspuns

Exemple:

Q2: Câte pahare de apă beţi pe zi? (încercuiţi un singur răspuns)

1. Intre 1 si 2

2. Intre 3 si 5

3. 6 sau mai multe

4. Niciunul

Q3: Care este dispozitivul fără de care nu puteţi trăi? (încercuiţi una sau mai multe
variante)

Telefon MP CD Laptop PC Consolă


mobil player player jocuri

c) Cu scală de apreciere

Respondentul este rugat să aprecieze un anumit subiect pe o scală care variază de


la „rău” la „bine”. De obicei, întrebările cu rate de apreciere au un număr par de
opţiuni, pentru a nu da posibilitatea respondentului să aleagă o variantă de „mijloc” .

Există şi posibilitatea de a da o notă de apreciere pentru un anumit subiect, nota cea


mai mică echivalând cu un nivel scăzut al aprecierii, iar nota cea mai mare cu nivelul
maxim de apreciere.

28
Exemple:

Q4. Cum apreciaţi acest produs? (încercuiţi o variantă de răspuns)

1. Excelent

2. Bun

3. Destul de bun

4. Slab

Q5. Pe o scală unde “10” înseamnă că subiectul vă interesează şi “1” că nu va


intereseaza deloc, cum evaluaţi interesul dvs. faţă de următoarele subiecte:

Politică __4__

Ştiinţă şi tehnică __8__

Politică externă __4__

Afaceri __9__

Monden __10_

d) Cu scală de acord (atitudine)

Mai este numită şi întrebare cu scala Likert, în care respondentului i se cere să-şi
exprime gradul de acord sau de dezacord faţă de un anumit subiect.

Exemplu

Q6. Cât de mult sunteţi de acord cu următoarele afirmaţii (marcaţi cu un X în căsuţa


corespunzătoare răspunsului ales):

Total De Total de
Dezacord Nici-nici
dezacord acord acord
Cursul de statistica este
X
dificil
Volumul de munca
X
pentru teme este mare

e) Cu scală de importanţă

Este o scală similară cu cea de apreciere, cu deosebirea că variantele de răspuns


sunt explicit formulate de la “fără importanţă’ până la “foarte important”,
echivalând-o cu o scală de la 1 la 5. Respondentului i se cere să aprecieze
importanţa pe care o acordă unui anumit subiect.

Exemplu

Q7. Existenţa unei farmacii în localitatea mea este (încercuiţi răspunsul ales):

5 4 3 2 1
Extrem de Întrucâtva Puţin Deloc
Importantă
importantă importantă importantă importantă

29
f) Bipolare

Acest tip de întrebare este o variantă a scalei de apreciere în care respondentul


poate nuanţa evaluarea sa prin marcarea unei poziţii aflate între extremităţile opuse
ale unor criterii sau atribute ale unui subiect.

Exemplu

Q8. Cum aţi descrie filiala locală a companiei ABC? (marcaţi cu un X pe scala
fiecărui atribut, în măsura în care consideraţi că este mai aproape de aprecierea
dumneavoastră):

Locaţie Locaţie
_X_ ___ ___ ___ ___ ___ ___
convenabilă neconvenabilă
Personal Personal
___ ___ ___ _ X_ ___ ___ ___
prietenos neprietenos
Servicii Servicii
___ ___ _X_ ___ ___ ___ ___
de calitate proaste
Eficienţă ___ _X_ ___ ___ ___ ___ ___ Ineficienţă

g) Întrebări de manifestare a intenţiilor

Prin acest tip de întrebare se testează intenţiile persoanelor – clienţi ai unei companii
sau consumatori ai unor produse sau servicii – de a cumpăra, de a consuma un
produs sau un serviciu, de obicei nou sau susceptibil de a fi introdus pe piaţă. În
aparenţă extrem de utilă, este necesar ca ea să fie coroborată şi cu alte întrebări care
să consolideze plauzibilitatea răspunsului deoarece, de cele mai multe ori,
răspunsurile se confundă mai mult cu dorinţele persoanelor chestionate decât cu
nevoile lor reale.

Exemplu

Q9. Dacă automobilul va avea în dotare un sistem GPS, aţi fi dispus(ă) să îl


cumpăraţi? (încercuiţi răspunsul ales):

5 4 3 2 1
Probabil Nu sunt Probabil Sigur
Sigur da
da sigur(ă) nu nu

2) Nestructurate (deschise)

Întrebările deschise oferă mai multă libertate celor chestionaţi de a-şi formula
propriile răspunsuri, într-o manieră individualizată. Avantajul lor constă în faptul că se pot
culege informaţii mai interesante şi de o mai mare profunzime, care ating aspecte neluate în
seamă în etapa de proiectare a cercetării sau a chestionarului însuşi. Dezavantajele constau
în faptul că astfel de întrebări pot duce la răspunsuri neconstructive şi nerelevante, fiind mult
mai dificil de prelucrat deoarece fiecare respondent foloseşte propriile cuvinte. De aceea,
astfel de întrebări sunt supuse mai întâi unui proces de filtrare şi codificare, în încercarea de
a găsi cât mai multe elemente comune în masa de răspunsuri. Volumul de codificare

30
manuală nu este de neglijat, ceea ce poate duce la erori de înregistrare şi de introducere în
computer.

Întrebările deschise sunt de două categorii: deschise numeric şi deschise textual.

a) Întrebări deschise numeric

Sunt întrebările în care se cer anumite valori numerice.

Exemple

Q10. Cât de mult cheltuiţi pentru ţigări în fiecare săptămână ? ________ lei

Q11. Care este venitul total lunar al familiei dumneavoastră ? _________ lei

b) Întrebări deschise textual

Sunt întrebările în care datele sunt de tip text

Exemple

Q12. În ce mod îşi poate îmbunătăţi compania activitatea ?


__________________________________________________
__________________________________________________

Q13. Care este primul cuvânt care vâ vine in minte când vâ


gândiţi la calităţile prietenului/prietenei vostru/voastre ?
_________________________________

În finalul acestei secţiuni, sunt utile câteva recomandări practice suplimentare.

Intrebările duble, cum s-a precizat anterior, este bine să fie evitate. Dacă ele sunt
însă imperios necesare, este bine ca ele sa fie plasate separat în chestionar. Un exemplu de
astfel de întrebare este: Credeţi că produsul este bun şi se vinde bine?. Întrebările care
sugerează răspunsul trebuie evitate cu desăvârşire. Un exemplu de astfel de întrebare este:
Aţi cumpăra acest produs, pentru care s-au primit numeroase reclamaţii? Este foarte
probabil ca majoritatea răspunsurilor, dacă nu toate, vor fi “Nu”. Un alt tip de întrebare, care
trebuie evitată, este cea unilaterală, care nu lasă alternativă, mai ales atunci când ea se
înscrie într-un curent de atitudine recent lansat, dezvoltat şi amplu comentat în spaţiul public.
Un exemplu de întrebare unilaterală este: Aţi fi de acord cu interzicerea produselor care
poluează atmosfera?. Răspunsul va fi covârşitor afirmativ, chiar dacă, în esenţă, toate
produsele – adică obiectele manufacturate – sunt rezultatul unor procese poluante, însă în
grade diferite.

De asemenea, este utilă realizarea unei distincţii între întrebările neclare şi cele
ambigue. O întrebare neclară este o întrebare dificil de înţeles, ca spre exemplu: Cum
apreciaţi situaţia actuală? Respondentul nu ştie despre care situaţie este vorba: situaţia
familială, situaţia economică, din ţară, de pe continent, din lume? Astfel de întrebări trebuie
contextualizate în spaţiu şi în timp, pentru ca şi răspunsul să reflecte o apreciere în aceleaşi
repere. O întrebare ambiguă este o întrebare cu dublu înţeles, ca spre exemplu: Aţi luat
medicamentul cu lichide? Nu se ştie dacă este vorba despre un medicament care conţine
lichide sau dacă medicamentul trebuie administrat înainte sau după ce pacientul a ingerat

31
lichide. O altă întrebare ambiguă este: Unde aţi fost rănit? Nu se face distincţie între o
întrebare care priveşte rănirea unei anumite părţi a corpului sau dacă întrebarea vizează
aflarea unei locaţii geografice unde a avut loc incidentul în urma căruia persoana a fost
rănită.

Ca o concluzie, analistul este dator să adapteze întrebările situaţiilor concrete şi, ca


regulă generală, să se plaseze în locul celui intervievat pentru a găsi cele mai potrivite
întrebări ca să obţină cele mai bune răspunsuri.

2.2.4 Erorile observării statistice şi controlul calităţii datelor


înregistrate
Erorile de observare statistică, denumite şi erori de înregistrare, reprezintă diferenţele
dintre valoarea înregistrată cu ocazia observării şi valoarea existentă în realitate. Aceste
erori au cauze diferite şi pot influenţa în mod diferit rezultatele finale ale cercetării statistice.
Ignorarea lor poate duce la distorsionarea rezultatelor, pierderi de precizie şi intrepretări
eronate

Tipurile de erori de observare statistică sunt:

 Erori de măsurare – sunt cauzate, de regulă, de neatenţie şi nu au un caracter


premeditat. În termeni teoretici, dar şi practici, erorile de măsurare sunt cauzate
de acurateţea instrumentului de măsurare. Aceste erori reprezintă abateri
(pozitive şi negative) ale valorilor observate de la realitate. Repetarea măsurătorii
conduce, invariabil, la îmbunătăţirea rezultatelor. Se apreciază că erorile de
măsurare nu influenţează semnificativ rezultatele finale ale cercetării dacă
volumul colectivităţii observate este mare – cu cât înregistrarea se referă la un
număr mai mare de unităţi, cu atăt mai mare este probabilitatea ca aceste abateri
să se compenseze. Pe lângă erorile de măsurare, pot apărea erorile de
completare (de transcriere) a datelor pe suportul lor de culegere (chestionar pe
hârtie, chestionar electronic).

 Erori sistematice 11 – reprezintă abateri de la realitate, de regulă, într-un singur


sens. Reprezentând abateri într-un singur sens, pot avea o influenţă semnificativă
asupra rezultatelor întregii cercetări. Ele sunt determinate fie de metodologia
aleasă, fie de tehnicile utilizate în prelucrarea datelor. În cazul unui sondaj, spre
exemplu, eroarea sistematică apare atunci când eşantionul nu este reprezentativ
pentru colectivitatea din care a fost extras.

 Erori de reprezentativitate (sau întâmplătoare) – apar invariabil în cazul


sondajului statistic şi sunt cauzate de numărul mare de factori necontrolabili ce
influenţează valorile observate, factori care intră sub incidenţa termenului şansă.
Oarecum similar cu erorile de măsurare, ne putem aştepta in mod rezonabil ca

11
Bias (engl.)

32
erorile de reprezentativitate să se anuleze reciproc pe parcursul unei perioade de
timp sau prin extragerea unui număr mai mare de unităţi în eşantion.

Controlul datelor înregistrate are drept scop descoperirea eventualelor erori de


înregistrare, deci asigurarea creşterii calităţii datelor observării, în termeni de autenticitate şi
validitate. Controlul statistic al datelor înregistrate vizează: controlul volumului datelor
înregistrate, al corespondenţei dintre valorile transcrise şi valorile reale prin reluarea
observării pe un subeşantion, al calculului aritmetic din care au rezultat anumiţi indicatori, al
documentelor de evidenţă primară care au stat la baza completării formularelor, al corelaţiilor
logice dintre datele înregistrate, al consistenţei prin comparaţii cu alte surse de date etc.

2.3 Sistematizarea datelor observării


În urma observării statistice rezultă o masă de date primare neordonate, care nu
permit alcătuirea unei imagini asupra fenomenului sau procesului studiat: care sunt relaţiile
între diversele aspecte ale fenomenului studiat, aspecte care sunt reflectate de variabilele
observate şi de valorile lor înregistrate?. Aceste date primare se prezintă sub forma unei
matrici în care, pe coloane, apar variabilele observate (Xj) , iar, pe rânduri, cele n unităţi de la
care s-au înregistrat caracteristicile respective. Intersecţia dintre fiecare rând şi o coloană
indică varianta sau valoarea caracteristicii j înregistrată la unitatea i (xij, i  1, n unităţi,

j  1, m caracteristici). Cu alte cuvinte, avem o matrice cu n linii şi m coloane, de forma


tabelului 2.1.
Tabelul 2.1 – Matricea datelor primare

Unităţile Variabile/caracteristici observate (Xj)


colectivităţii
observate X1 X2 ....Xj... Xm-1 Xm
i  1, n
1 x11 x12 ....x1j... x1m-1 x1m
2 x21 x22 ....x2j... x2m-1 x2m
...i... ... ... ....xij... ... ...
n-1 xn-11 xn-1n-1 ....xn-1j... xn-1m-1 xn-1m
n xn1 xnn ....xnj... xnm-1 xnm

Fiecare variabilă observată se prezintă prin valorile înregistrate. Valorile individuale


înregistrate sunt denumite modalităţi ale variabilei (caracteristicii). Modalităţile sunt fie pre-
definite, ca în cazul variabilelor calitative (nominale sau ordinale) fie rezultate din observarea
propriu-zisă, ca în cazul variabilelor numerice discrete sau continue.

Prima operaţie intuitivă pe care o putem face este să calculăm totaluri pentru acele
variabile pentru care este logică o asemenea operaţie: variabilele de tip numeric măsurate
pe scala interval sau raport. Această operaţie este denumită generic centralizarea datelor,
însă ea poate fi prematură în această etapă.

Mai întâi, pentru a putea sesiza ceva semnificativ pe baza acestei mase de date
empirice (tendinţă de evoluţie, legăturile dintre variabile etc) este necesară, într-o primă fază,
să se introducă ordine în aceste date. Deci să se sistematizeze datele primare.

33
Sistematizarea înseamnă, în cele din urmă, prezentarea datelor într-o formă uşor inteligibilă
şi relativ uşor interpretabilă, fie prin tabele, fie prin grafice şi diagrame. În cele ce urmează ne
vom opri la tabele 12 .

O primă posibilitate constă în ordonarea crescătoare sau descrescătoare a


modalităţilor pentru o caracteristică, la toate unităţile colectivităţii. Rezultă o ordonare a
valorilor după rangul pe care îl au valorile în cazul caracteristicii respective. De exemplu,
după sortarea crescătoare în funcţie caracteristica X1, valoarea observată pentru unitatea 2
este mai mică decât cea observată pentru unitatea 5, mai mică decât cea de la unitatea 20
etc.:

X2,1 < X5,1 < ... < X20,1 < ...

La o astfel de abordare se poate recurge dacă numărul valorilor distincte înregistrate


nu este mare, pentru că orice ordonarea după valorile unei caracteristici implică de-
ordonarea valorilor celorlalte. De regulă, numărul unităţilor statistice este mult mai mare
decât numărul valorilor distincte (diferite) înregistrate. Aceasta deoarece anumite valori pot
apărea de mai multe ori. Şi oricum, în final, vom obţine tot o matrice a tuturor observaţiilor,
greu de analizat şi interpretat.

2.3.1 Distribuţia de frecvenţe


În capitolul introductiv s-a precizat că statistica este formată din două părţi: statistica
descriptivă şi statistica inferenţială. Un instrument central al statisticii descriptive, care o
influenţează implicit pe cea inferenţială, este distribuţia de frecvenţe.

Să considerăm pentru început cazul unei singure variabile Xj din cele m observate şi
să presupunem că aceasta este calitativă sau numerică discretă, deci are un număr finit de
modalităţi, respectiv K(j) ( k ( j )  1, K ( j ) ), ceea ce arată că variabilele pot avea un număr
diferit de modalităţi. Spre exemplu, prima variabilă calitativă observată este sexul, care are
două modalităţi: feminin şi masculin. A doua variabilă observată este numărul de copii, care
este o variabilă numerică discretă şi poate avea, să spunem, 16 modalităţi (valori distincte),
de la 0 la 15 – considerând că, din observaţiile istorice, o familie sau o persoană nu poate
avea mai mult de 15 copii.

Ataşând fiecărei modalităţi k ( j) observate pentru variabila Xj frecvenţa


corespunzătoare, adică numărul de apariţii ale modalităţii respective, se obţine o repartiţie –
sau un tabel – de frecvenţe. Întrucât procedăm la sistematizarea datelor în raport cu o
singură variabilă observată, distribuţia de frecvenţe rezultată se numeşte distribuţie
unidimensională.

Continuând exemplul anterior, vom putea constata că, într-o companie sunt 12
angajaţi de sex feminin şi 8 de sex masculin şi că, în plus, fiecare are între 0 şi 4 copii.

12
O precizare este totuşi necesară în acest punct: considerăm că valorile variabilelor sunt corecte din
punctul de vedere al criteriilor de calitate stabilite încă din etapa de proiectare a cercetării statistice. În
practică, înainte de a proceda la sistematizarea datelor, ele trebuie trecute printr-un proces de
verificare, corecţie şi validare, pentru a ne asigura că erorile – inerente în orice cercetare statistică –
nu vor distorsiona rezultatele finale.

34
O formă generică a unui tabel de frecvenţe este prezentată în tabelul nr. 2.2.
Tabelul nr. 2.2 – Repartiţie de frecvenţe unidimensională

Valorile Numărul Total


caracteristicii Xj de xk ( j )  nk ( j )
unităţi
xk ( j )
nk(j)
x1(j) n1(j) x1( j )  n1( j )
x2(j) n1(j) x2( j )  n2( j )
.... ....
xk(j) nk(j) xk ( j )  nk ( j )
.... ....
xK(j) nK(j) xK ( j )  nK ( j )
K ( j) K ( j) n
Total  nk ( j )  n
k 1
 x k ( j ) n k ( j )   xi
k 1 i 1

Dacă numărul variantelor distincte înregistrate nu este prea mare, repartiţia de


frecvenţe oferă o imagine concludentă privind numărul de câte ori apar anumite valori,
privind forma repartiţiei etc.

Un astfel de tabel este extrem de util şi pentru verificarea calităţii datelor. Spre
exemplu, dacă am codificat sexul persoanelor cu valorile 1 pentru feminin şi 2 pentru
masculin (sau invers), o tabelă corectă de frecvenţe ne va arăta doar cele două valori. Orice
altă valoare care apare în tabel ne indică faptul că unei persoane i s-a ataşat un cod
K ( j)
incorect. De asemenea, însumând numărul de apariţii ale fiecărei modalităţi ( n
k 1
k( j) ), este

obligatoriu să obţinem numărul total al unităţilor supuse observării – din eşantion în cazul
unei observari parţiale sau din întrega colectivitate în cazul unei observări totale
K ( j)
( n
k 1
k ( j)  n ).

În cazul unei variabile numerice discrete (cu un număr finit şi redus de modalităţi) are
sens să procedăm la calcularea produsului dintre modalitatea variabilei şi numărul de unităţi
K ( j) n
observate pentru fiecare modalitate: x
k 1
k ( j) nk ( j )   xi . În acest fel, putem calcula suma
i 1

valorilor înregistrate pentru variabila respectivă. Spre exemplu, dacă variabila observată este
numărul de copii pe familie, calculând produsul dintre numărul de copii (0, 1, 2, .... 15) şi
numărul de familii înregistrate ca având fiecare un anumit număr de copii şi însumând apoi
produsele calculate, vom obţine numărul total al copiilor care aparţin familiilor observate.
Acelaşi rezultat l-am fi obţinut dacă însumam direct numărul de copii în setul de date primare
culese pentru fiecare familie observată, fără a recurge la sistematizarea datelor prin tabelul
de frecvenţe. Cu toate acestea, tabelul de frecvenţe este mult mai grăitor decât investigarea
întregului set de observaţii.

35
O astfel de operaţie, de calcule de produse şi de însumare, nu are sens în cazul
variabilelor calitative codificate cu valori numerice, deoarece suma respectivă nu are nici o
semnificaţie statistică. In exemplul nostru, în care am codificat sexul persoanelor cu 1 şi 2,
este evident că un calcul al produselor dintre numărul de persoane de sex masculin şi
valoarea 1 şi, respectiv, dintre numărul de persoane de sex feminin şi valoarea 2, după care
se însumează cele două rezultate, nu are niciun sens statistic.

Tabelul de frecvenţe, de asemenea, nu este indicat în cazul variabilelor numerice


continue, deoarece este foarte probabil ca fiecare din valorile înregistrate să fie caracteristice
unei singure unităţi observate, deci nu are relevanţă practică o distribuţie de frecvenţe fiecare
(nk(j)) egală cu 1. În aceste cazuri, numărul modalităţilor înregistrate tinde să fie egal cu
numărul unităţilor supuse observării, iar următoarea operaţiune indicată este gruparea
datelor sau crearea de clase de interval.

2.3.2 Gruparea pe clase de interval


În tabelul 3 apare, de fapt, o grupare a datelor după o carcteristică numerică
(cantitativă) sau nenumerică (nominativă sau calitativă) în care fiecare variantă distinctă
defineşte o grupă sau o clasă.

Gruparea statistică este o metodă de sistematizare a datelor, prin care se comprimă


volumul datelor înregistrate după una sau mai multe caracteristici. Gruparea datelor
presupune separarea unităţilor unei colectivităţi în grupe omogene după variaţia uneia sau a
mai multor caracteristici de grupare. O grupă poate fi considerată omogenă, dacă valorile
individuale ale caracteristicii corespunzătoare unităţilor care compun grupa prezintă o
variaţie minimă. De altfel, calculul indicatorilor derivaţi prin intermediul metodei grupării se
bazează pe supoziţia că valorile sunt uniform distribuite în interiorul grupelor formate.

Cu prilejul alegerilor, spre exemplu, birourile electorale dau periodic publicităţii


comunicate de presă în care sunt prezentate rezultatele estimative ale prezenţei la vot pe
medii de rezidenţă – rural şi urban – şi pe judeţe. Judeţele sunt grupate în judeţe cu o
prezenţă mai mică sau mai mare a electoratului la vot, la fel ca şi sectoarele Municipiului
Bucureşti. O altă grupare de interes poate fi a ocupaţiilor după nivelul câştigurilor salariale,
ori a ţărilor după nivelul veniturilor anuale pe locuitor etc.

În practica statistică se utilizează o mare diversitate de tipuri de grupări statistice, în


funcţie de numărul caracteristicilor puse la baza grupei, de conţinutul caracteristicii de
grupare, de modul de exprimare, ş.a..

După numărul caracteristicilor, grupările pot fi: grupări simple şi grupări combinate.

Gruparea simplă presupune separarea unităţilor colectivităţii după variaţia unei


singure caracteristici; de exemplu gruparea agenţilor economici după numărul salariaţilor.

Gruparea combinată presupune separarea unităţilor după variaţia simultană a două


sau mai multe caracteristici de grupare. Mai întâi se grupează unităţile după o caracteristică
primară, urmând apoi ca fiecare grupă să fie separată pe subgrupe după a doua
caracteristică de grupare, numită caracteristică secundară. Astfel, de exemplu, dacă este
necesar să se grupeze agenţii economici din cadrul unei ramuri după mărimea cifrei de

36
afaceri şi după numărul angajaţilor, se distribuie agenţii economici după numărul angajaţilor,
iar după aceea după cifra de afaceri.

După conţinutul caracteristicilor, grupările statistice pot fi teritoriale, cronologice sau


atributive.

Gruparea după o caracteristică de timp şi după o caracteristică de spaţiu se


utilizează când timpul şi spaţiul constituie caracteristici esenţiale pentru datele care se
grupează. Rezultatele unor astfel de grupări conduc la o serie cronologică (de timp) sau la o
serie teritorială (de spaţiu).

Gruparea după o caracteristică atributivă conduce la o clasificare dacă atributele


sunt stări, exprimate prin cuvinte: profesie, stare civilă etc.. Astfel de clasificări oficiale
folosite la sistematizarea datelor sunt: Clasificarea Activităţilor din Economia Naţională
(CAEN), Clasificarea Ocupaţiilor din Economie (COR), Clasificarea Standard a Comerţului
Internaţional (CSCI).

Caracteristicile atributive pot fi, la rândul lor, agregate în grupe care prezintă
relevanţă pentru analist şi utilizatorul rezultatelor. Spre exemplu, într-o scală de tip Likert,
care are cinci puncte de evaluare („Total de acord”, „De acord”, „Nici acord, nici dezacord”,
„Dezacord”, „Total dezacord”) se poate recurge la gruparea primelor două niveluri în „De
acord şi total de acord”, şi a ultimelor două în „Dezacord şi total dezacord”, mai ales în
situaţiile în care numărul de observaţii din primul şi ultimul nivel este redus. Astfel, prin
gruparea celor 5 modalităţi, obţinem 3.

Grupările după o caracteristică atributivă exprimată în cifre (vârstă, câştigul salarial


etc.) nu se diferenţiază din punct de vedere al metodologiei de prelucrare de grupările după
o caracteristică cantitativă.

Gruparea după o caracteristică numerică presupune rezolvarea corectă a


următoarelor probleme:

 Grupăm datele pe valori sau pe intervale?

Se optează pentru una din cele două modalităţi în funcţie de numărul de valori
distincte înregistrate. Dacă numărul valorilor distincte înregistrate nu este prea mare (cel mult
10 – 12 valori diferite) se recomandă o grupare pe valori, în care fiecare grupă (clasă) este
definită de o valoare observată. De exemplu, gruparea locuinţelor din Municipiul Bucureşti,
înregistrate la recensământul din 2002 după numărul camerelor.

Dacă numărul valorilor distincte înregistrate este mare, cum este cazul variabilelor
numerice continue, se recomandă o grupare pe intervale de grupare.

Intervalul de grupare 13 , numit şi intervalul de variaţie, cuprinde un grup de valori


apropiate, despărţit de restul valorilor prin limita inferioară şi superioară a grupei.

 Care este numărul grupelor, în cazul în care se recurge la o grupare pe


intervale?

13
În literatura engleză de specialitate, termenul asociat intervalului de grupare este “class interval”.

37
Nu există reguli precise privind numărul r de intervale de grupare. Acesta trebuie
stabilit astfel încât să nu se piardă prea mult din diversitatea informaţiilor culese, deci să fie
suficient de mare. În caz contrar poate denatura structura repartiţiei datelor înregistrate. Pe
de altă parte, să nu fie prea mare, pentru a permite sesizarea rapidă, dar corectă, a
aspectelor esenţiale.

Dacă problematica cunoaşterii nu impune un anumit număr de grupe prestabilit,


alegerea rămâne la aprecierea celui care face gruparea. Ca regulă, numărul grupelor trebuie
astfel ales încât să nu modifice structura datelor înregistrate.

La stabilirea numărului de grupe se pot aplica următoarele reguli generale:

a) dacă numărul datelor observate nu depăşeşte 100, numărul grupelor să nu fie


mai mare decât rădăcina pătrată din numărul observaţiilor. De exemplu, dacă
n=64 atunci r ≤ 8;

b) după regula lui Sturges 14 , dacă numărul valorilor observate este n, atunci
numărul grupelor poate fi cel mult egal cu 1  log 2 n  1  3,322  log10 n .

În unele ţări se aplică următoarele reguli: cel puţin 10 grupe dacă s-au înregistrat
circa 100 de valori; 13 grupe în cazul când numărul valorilor observate se apropie de 1.000
şi cel puţin 16 grupe dacă numărul datelor care urmează să fie grupate se apropie de
10.000.

În cazul acestor reguli se presupune că s-au înregistrat numai valori distincte. Deci,
aceste reguli nu pot fi aplicate dacă numărul valorilor distincte este mic.

 Intervalele de variaţie să fie egale sau neegale?

Alegerea uneia sau alteia din cele două modalităţi depinde de scopul pentru care se
face gruparea, de variaţia datelor înregistrate etc.

O grupare pe intervale egale se recomandă dacă se urmăreşte sistematizarea datelor


în vederea prelucrării, respectiv obţinerii unor indicatori derivaţi din valorile observate sau
indicatori deja calculaţi. Dacă însă se urmăreşte cunoaşterea tipurilor calitative existente în
colectivitate se recomandă o grupare pe intervale neegale. Populaţia unei ţări sau a unui
judeţ se grupează frecvent pe intervale, fiecare clasă cuprinzând 5 valori distincte: până la 4
ani; 4–9 ani; 10–14 ani; 15–19 ani; ...;60–64 ani; 65– 69 ani; etc.. Dacă însă ne interesează
cunoaşterea posibilităţilor de participare la activitatea economică şi socială, se recurge la o
grupare pe intervale neegale: până la 14 ani; 15 – 64 ani; 65 ani şi peste.

În practică se procedează, de regulă, astfel: într-o primă etapă se grupează datele pe


intervale egale, urmând ca în cea de a doua etapă să se reunească mai multe intervale
egale într-un interval neegal, care cuprinde toate valorile ce aparţin aceluiaşi tip.

14
H.A. Sturges in "The choice of a class interval," Journal of American Statisticians Association, vol.
21, 65-66, 1926; Transformarea din logaritm în baza 2 în logaritm în bază 10 este utilă deoarece
majoritatea calculatoarelor de buzunar au implementată funcţia logaritmului zecimal.

38
Se recurge frecvent la o grupare pe intervale neegale din nevoia de a acoperi
intervalele egale vide (fără unităţi) sau când unui câmp mare de variaţie al valorilor de
observaţie îi corespunde un număr restrâns de unităţi (frecvenţe).

Cu cât intervalul de variaţie este mai mare, cu atât mai aproximativi sunt indicatorii
derivaţi calculaţi pe baza unei grupări statistice.

 Cum se stabilesc limitele care definesc o grupă / clasă?

În cazul unei grupări pe intervale egale, limita inferioară a primului interval poate fi
valoarea observată cea mai mică (xmin) sau o valoare mai mică decât aceasta. Limita
superioară se obţine adăugând, pentru fiecare din cele r intervale, mărimea intervalului (h).

Intervalele pot fi închise, când ambele limite se cuprind în interval, şi deschise, când
lipseşte una din limite. De regulă sunt deschise primul interval, până la limita sa superioară
(până la x1 sup) şi ultimul interval, peste limita sa inferioară (xm inf şi peste). În asemenea
situaţii, în vederea determinării indicatorilor derivaţi se impune închiderea intervalelor
deschise (stabilirea limitelor acestor intervale). Aceasta deoarece fiecare grupă intră în toate
calculele cu centrul ci al intervalului, calculat conform relaţiei:

xi. inf  xi. sup


ci  , unde:
2
xi.inf este limita inferioară a intervalului;

xi.i sup este limita superioară a intervalului.

În condiţiile în care, de regulă, nu se cunosc valorile extreme, se recomandă


închiderea intervalelor deschise cu mărimea intervalelor alăturate.

Dacă variabila de grupare prezintă o variaţie continuă, se recomandă ca limita


inferioară a unui interval să fie egală cu limita superioară a intervalului precedent. În această
situaţie trebuie, să se specifice printr-o notă în ce clasă se cuprinde valoarea care defineşte
limita inferioară şi superioară. Precauţia este imperios necesară, deoarece este foarte
probabil ca una din valorile înregistrate să fie egală atât cu limita superioară a unui interval,
cât şi cu limita inferioară a intervalului următor, situaţie în care e necesară o decizie în
privinţa intervalului în care va fi contorizată valoarea respectivă. Odată luată această decizie,
regula trebuie păstrată pentru toate celelalte intervale.

Dacă variabila de grupare prezintă o variaţie discretă, se recomandă ca limita


inferioară a unui interval să fie mai mare decât limita superioară a intervalului precedent. În
acest caz, ambele limite sunt cuprinse în clasa de interval respectivă.

Se recomandă ca limitele de interval să se exprime, pe cât posibil, prin numere


întregi, iar fiecare interval grupă să cuprindă un număr suficient de mare de valori individuale
care să faciliteze analiza statistică a frecvenţelor.

 Cum stabilim mărimea intervalului de grupare (h)?

A x max  x min
h  , unde: (2.1.)
r r

39
h = mărimea intervalului de grupare;

A = amplitudinea absolută a variaţiei;

r = numărul de grupe / intervale de variaţie.

De regulă, se recomandă rotunjirea mărimii intervalului rezultat din calcul, astfel încât
să uşureze toate calculele efectuate pe baza datelor de grupare. Rotunjirea se face numai în
sus. În caz contrar apare riscul ca valorile cele mai mari să nu se încadreze în ultimul interval
de variaţie. O rotunjire mai grosieră uşurează toate calculele, dar afectează rigurozitatea
indicatorilor calculaţi.

Mărimea intervalului de grupare se poate determina pe baza formulei lui H. A.


Sturges:

x max  x min
h (2.2.)
1  3,322  log n
Dacă problema cunoaşterii urmarită impune o anumită mărime, prestabilită, a
intervalului de grupare, numărul de grupe se determină pe baza amplitudinii absolute a
variaţiei şi mărimii intervalului de grupare, conform relaţiei:

A
r (2.3.)
h
Odată stabilit numărul de grupe sau mărimea intervalului de grupare, se definesc
intervalele de variaţie şi se repartizează unităţile pe aceste intervale.

Exemplul 2.1: Construirea grupelor de interval


Pentru un eşantion de 50 de angajaţi au fost înregistrate datele privind câştigul salarial nominal
brut realizat în luna ianuarie 2010.

Câştigul salarial lunar brut (mii lei)


2,2 3,0 3,8 4,6 5,4 2,4 3,2 3,9 4,7 5,6
5,6 4,7 3,9 3,5 2,7 5,9 4,9 4,3 3,2 2,7
6,2 7,5 2,9 3,6 4,2 5,0 6,0 7,6 6,1 5,1
4,4 3,7 6,8 6,9 3,5 4,5 5,0 5,8 6,6 6,5
4,2 6,3 4,1 7,2 5,7 4,8 5,3 5,2 5,3 5,2
Gruparea acestor date pe valori conduce la prea multe grupe deoarece numărul valorilor distincte
este mare. Sistematizarea datelor individuale presupune gruparea pe intervale de variaţie.
Paşii pentru crearea intervalelor de grupare şi calculul frecvenţelor sunt următorii:
1. Calculul numărului de intervale de variaţie
Întrucât numărul unităţilor de observare este mai mic de 100, putem recurge la calculul numărului
de grupe prin rădăcina pătrată a numărului de observaţii. Numărul de grupe (r) poate fi egal cu 7:

r  50  7 .
Cu ajutorul formulei lui H.A. Sturges, numărul intervalelor de grupare este:

40
r  1  3,3322  log10 50  1  3,3322  1,69897  6,64  7

2. Identificarea valorilor minimă şi maximă ale variabilei de grupare şi calculul


mărimii intervalului de grupare
Pentru aflarea valorilor extreme, cea mai simplă operaţiune este să sortăm crescător valorile
observate. Astfel, constatăm că valoarea minimă este 2,2 mii lei, iar cea maximă este 7,6 mii lei.
Urmează să calculăm mărimea intervalului de grupare, potrivit relaţiei (2.1.):

A x max  x min 7,6  2,2


h    0,77  0,8 mii lei
r r 7
3. Construirea intervalelor de grupare şi a tabelului de frecvenţe
Limita inferioară a primului interval de grupare este egală cu valoarea minimă din setul de valori
înregistrate, iar limita superioară este egală cu valoarea minimă la care se adaugă mărimea
intervalului de grupare calculată în pasul anterior. Limita inferioară a celui de al doilea interval
este egală cu limita superioară a primului interval, iar cea superioară rezultă din însumarea mărimii
intervalului de grupare la limita inferioară. Acest proces se repetă pentru întregul număr de grupe
stabilit în pasul 1. Prin rotunjirea în plus a mărimii intervalului de grupare ne asigurăm că valoarea
maximă din setul de valori înregistrate este inclusă în ultimul interval de grupare.
Pentru o mai bună ilustrare a modului de sistematizare a datelor, în tabelul următor numărul
unităţilor care „intră” în fiecare interval de grupare este marcat prin bare. Intervalele de grupare şi
numărul muncitorilor (frecvenţa absolută) corespunzător fiecărei grupe sunt prezentate în tabelul
E.2.1.1.
Tabelul E.2.1.1 - Gruparea pe intervale a datelor individuale şi frecvenţele absolute
Numărul
Intervale de grupare Incadrarea muncitorilor
muncitorilor
Xi pe intervale de grupare
(ni)
2,2 – 3,0 ||||| 5
3,0 – 3,8 ||||||| 7
3,8 – 4,6 ||||||||| 9
4,6 – 5,4 |||||||||||| 12
5,4 – 6,2 |||||||| 8
6,2 – 7,0 |||||| 6
7,0 – 8,0 ||| 3
7
Total - n
r 1
r  50

Notă: Limita inferioară este inclusă în interval. Dacă valoarea observată cea mai mică se alege drept limită
inferioară a primului interval, atunci toate intervalele sunt închise inferior.
În urma grupării muncitorilor rezultă o serie de repartiţie (distribuţie) după câştigul salarial brut.
Repartiţia obţinută tinde spre o repartiţie normală.

Gruparea datelor după regulile menţionate, nu trebuie înţeleasă drept un procedeu


care se aplică mecanic. Aceasta deoarece pot apare situaţii care impun încercarea mai

41
multor grupări succesive, până se ajunge la o grupare care satisface obiectivele cunoaşterii.
Astfel de situaţii pot fi:

- apariţia unei grupe vide (fără frecvenţe). O asemenea situaţie poate presupune fie
regruparea datelor păstrând acelaşi număr de grupe şi aceeaşi mărime a
intervalului de grupare, dar modificând limitele intervalelor, fie recurgerea la o
grupare pe intervale neegale, prin reunirea mai multor intervale egale;

- cel mai mare număr de unităţi (frecvenţa cea mai mare) apare de două ori sau de
mai multe ori. Într-o asemenea situaţie se impune, de asemenea, efectuarea unei
alte grupări, de regulă, prin modificarea limitelor intervalelor (glisarea în sus sau în
jos).

În esenţă, întrebarea esenţială pe care trebuie să ne-o punem atunci când decidem
sistematizarea datelor prin metoda grupării este „Ce probleme de cunoaştere pot fi rezolvate
prin metoda grupării datelor?”

Concretizându-se în repartiţia datelor înregistrate pe grupe, gruparea permite


cunoaşterea structurii colectivităţii şi a deplasărilor intervenite în timp şi spaţiu în
colectivitatea studiată. De exemplu, structura populaţiei ocupate pe ramuri de activitate,
structura agenţilor după numărul de salariaţi etc.. În egală măsură, gruparea datelor
facilitează evidenţierea tendinţelor de variaţie ale caracteristicilor, de asemenea, în timp şi
spaţiu. Un alt exemplu este acela al grupării salariaţilor după câştiguri, cunoscut fiind faptul
că ratele mari ale inflaţiei din anii `90 au condus la denominari diferite ale salariilor în timp.

În final, gruparea datelor individuale contribuie la identificarea şi interpretarea formei


şi direcţiei de manifestare a legăturilor statistice (a corelaţiilor) dintre variabile. În acest caz,
datele se grupează după cel puţin două caracteristici, între care există o legătură logică.

Astăzi, metoda grupării este mult facilitată de utilizarea aplicaţiilor informatice cu


destinaţie statistică, pentru crearea unor tabele cât mai relevante. Bineînţeles, aplicarea
acestei metode nu mai este demult manuală, însă înţelegerea ei temeinică ajută la
înţelegerea modului în care sunt construite automat histogramele în aplicaţiile informatice
existente – spre exemplu, în MS Excel – precum şi regulile ce trebuie urmate când se decide
crearea unor tabele cu intervale de grupare.

2.4 Serii statistice


O serie statistică este rezultatul sistematizării datelor prin grupare. Seria statistică
reprezintă şiruri de date, care se află în corespondenţă univocă cu variantele sau intervalele
de grupare ale unei (unor) caracteristici de grupare. Deci, într-o serie statistică unităţile
colectivităţii sau valorile unor caracteristici înregistrate sunt prezentate în raport de valorile
sau intervalele de variaţie ale caracteristicii / caracteristicilor de grupare.

Seriile statistice se diferenţiază după numărul caracteristicilor care au stat la baza


grupării datelor şi după natura acestor caracteristici.

a) După numărul caracteristicilor de grupare, seriile pot fi:

42
- unidimensionale (unicriterială), când sistematizarea datelor se realizează în
funcţie de o singură caracteristică;

- multidimensionale (multicriterială), atunci când sistematizarea se face simultan


după mai multe variabile.

b) După natura caracteristicii de grupare, seriile unidimensionale se împart în trei


tipuri:

- serii de repartiţie (distribuţie); prezintă corespondenţa dintre două şiruri de


date statistice: primul şir este format din valori ale caracteristicii de grupare (xi),
iar al doilea şir reprezintă frecvenţa de apariţie corespunzătoare (ni).

O serie de repartiţie definită de cuplurile de valori (xi,ni), se notează astfel:

 x , x ,..., xi ,..., x k  x 
X :  1 2  sau X :  i  , i  1, k
 n1 , n2 ,..., ni ,..., n k   ni 
- serii cronologice (dinamice, de timp), se obţin dacă gruparea este realizată
în funcţie de o variabilă de timp (zi, lună, trimestru, semestru, an);

- serii de spaţiu (teritoriale), când variabila de grupare este o caracteristică


geografică sau teritorial – administrativă.

2.5 Prezentarea datelor statistice


Rezultatele obţinute în urma sistematizării datelor unei observări statistice se prezintă
prin intermediul tabelelor şi graficelor statistice. Aceste două modalităţi de prezentare măresc
puterea de informare a datelor şi facilitează înţelegerea aspectelor ce fac obiectul
cunoaşterii.

2.5.1 Tabelele statistice


Tabelele statistice oferă o prezentare ordonată a datelor unei colectivităţi şi sunt mai
expresive decât o masă sistematizată de date. Această modalitate de prezentare se
recomandă dacă producătorul de date statistice dispune de informaţii că utilizatorii
intenţionează să efectueze calcule pentru obţinerea unor indicatori derivaţi.

La reprezentarea datelor se poate recurge la o varietate de tipuri de tabele statistice:

 tabele enumerative sau descriptive – se folosesc în etapa observării, şi anume


pentru înregistrarea datelor;

 tabele de prelucrare – se folosesc pentru aplicarea unui algoritm de calcul al


indicatorilor derivaţi;

 tabele cu o singură intrare (unidimensionale) – servesc la prezentarea rezultatelor


unei grupări după o singură caracteristică (calitativă sau numerică discretă) sau
pe clase de interval împreună cu frecvenţele aferente variantelor sau claselor
respective. Un tabel cu o singură intrare este cel prezentat în exemplul 2.1.;

43
 tabele cu dublă intrare (bidimensionale) – servesc la prezentarea rezultatelor
grupării după două caracteristici interdependente.

Pentru construirea tabelelor statistice, este recomandabilă parcurgerea următorilor


paşi:

- În prima coloană definim diferitele modalităţi sau variante ale variabilei observate,
în cazul unei variabile discrete, sau grupele de interval, în cazul unei variabile
numerice continue;

- În a doua coloană asociem fiecărei modalităţi frecvenţa absolută ni care


corespunde numărului de unităţi care posedă acea variantă sau face parte din
grupa de interval respectivă;

- În coloana a treia calculăm frecvenţa relativă (notată cu fi) corespunzătoare


fiecărei modalităţi sau grupe de interval. Este definită ca raport între frecvenţa
absolută a modalităţii şi efectivul total al populaţiei (notat cu n) şi este exprimată ca
un coeficient sau în procente (fi=ni/n).

În cazul unei variabile discrete sau continue grupate pe clase de interval, adaugăm
două noţiuni:

- numim frecvenţa cumulată a valorii xi a variablei X numărul de unităţi statistice


pentru care valoarea caracteristicii este strict mai mică decat xi. O notam cu Ni (Ni
= n1+n2+...+ni-1)

- numim frecvenţa cumulată relativă a valorii xi a variablei X raportul : Fi = Ni / n


unde Fi=f1+f2+...fi-1. Frecvenţa cumulată relativă apare în cea de a patra coloană.

E necesar să mai reţinem că un tabel statistic trebuie să furnizeze informaţii clare,


precise şi uşor de înţeles, ceea ce necesită respectarea unui set de reguli fundamentale
pentru construirea şi prezentarea sa, şi anume:

- să aibă un titlu clar şi concis care să sugereze natura datelor prezentate, timpul şi
spaţiul la care se referă datele cuprinse în tabel;

- să se indice unitatea de măsură. Dacă este comună pentru toate datele prezentate
în tabel, aceasta poate fi menţionată în titlul general al tabelului. Dacă nu este
comună, aceasta trebuie indicată în fiecare caz în parte (în titlurile interioare);

- să se menţioneze sursa datelor (sub tabel);

- dacă datele prezentate necesită scurte explicaţii metodologice privind conţinutul şi


compatibilitatea acestora, se recomandă folosirea unei note explicative, care apar
fie în subsolul paginii sau sub tabel, după sursa datelor;

- să fie astfel construit încât să poată fi înţeles, fără explicaţii suplimentare, care
preced sau urmează tabelul statistic;

- toate rubricile tabelului să fie completate cu cifre sau simboluri.

Dacă în tabel apar simboluri, este necesar să se explice semnificaţia acestora. Ca


regulă, semnificaţia simbolurilor şi a semnelor convenţionale se prezintă la

44
începutul sau sfârşitul cărţii, publicaţiei, etc.. Atunci când sunt publicate tabele
statistice, cele mai frecvent utilizate sunt următoarele simboluri:

„0” – există o expresie numerică diferită de zero, dar aceasta reprezintă mai puţin
de jumătate din unitatea de măsură folosită;

„…” – datele nu sunt încă disponibile, deci apar mai târziu;

„-” – expresia numerică este zero;

„x” – nu are sens să se determine o astfel de expresie numerică;

„xp” – expresia numerică este provizorie;

„xr” – date rectificate sau revizuite.

Exemplul 2.2.: Construirea tabelelelor unidimensionale


Pentru exemplificarea modalităţilor de construire a unui tabel cu o singură intrare, vom investiga
datele din setul următor de observaţii, prezentat în Tabelul E.2.2.1. Datele se referă la 20 de
angajaţi ai unei firme, pentru care au fost înregistrate următoarele variabile: prenumele; sexul, cu
două modalităţi (M- Masculin, F – Feminin); starea civilă, cu trei modalităţi (Căsătorit(ă),
Necăsătorit(ă), Văduv(ă)); numărul de copii (0, 1, 2, 3 etc.); salariul lunar (lei).
Prenumele este o variabilă calitativă, de identificare. Sexul şi starea civilă sunt două variabile
calitative nominale. Numărul de copii este o variabilă numerică discretă ordinală, iar salariul lunar
este o variabilă numerică continuă de tip raport.
Tabelul E.2.2.1 – Date referitoare la salariaţii firmei X la data de 31.12.2008
Nr. Prenumele Sex Stare civilă Numărul Salariul lunar
crt. de copii în Lei
1 Alexandru M Văduv(ă) 2 632
2 Andreea F Necăsătorit(ă) 0 854
3 Bogdan M Căsătorit(ă) 2 755
4 Beatrice F Văduv(ă) 1 1065
5 Carmen F Divorţat(ă) 1 1268
6 Cristian M Necăsătorit(ă) 0 684
7 Dumitru M Necăsătorit(ă) 2 932
8 George M Divorţat(ă) 3 1387
9 Ioana F Căsătorit(ă) 2 858
10 Lucian M Necăsătorit(ă) 0 822
11 Mihai M Divorţat(ă) 1 1563
12 Monica F Căsătorit(ă) 2 815
13 Nicolae M Căsătorit(ă) 0 954
14 Ovidiu M Căsătorit(ă) 1 1069
15 Paul M Necăsătorit(ă) 2 842
16 Petre M Căsătorit(ă) 2 1195
17 Radu M Divorţat(ă) 1 988
18 Sandu M Necăsătorit(ă) 2 756
19 Tiberiu M Căsătorit(ă) 0 786
20 Veronica F Căsătorit(ă) 3 963

45
Să presupunem că dorim construirea unui tabel de frecvenţe în funcţie de variabila Sex, care este
o variabilă calitativă.
Urmărind paşii descrişi mai sus şi recomandările generale, în prima coloană vom înscrie cele două
modalităţi ale variabilei, în cea de a două coloană frecvenţele absolute, iar în cea de a treia
frecvenţele relative.
Tabelul E.2.2.2 – Repartizarea angajaţilor în funcţie de sex
Sex (xi) Frecventa absolută (ni) Frecvenţa relativă (fi) (%)
Feminin 6 6/20=30%
Masculin 14 14/20=70%
Total 20 100
Sursa: Direcţia Resurse Umane

Procedând la construirea unui tabel de frecvenţe în care variabila observată este numărul de copii,
care este o variabilă numerică discretă, vom obţine:
Tabelul E.2.2.3 - Repartizarea angajaţilor în funcţie de numărul de copii
Numărul Frecvenţa Frecvenţa Frecvenţa
copiilor (xi) absolută (ni) relativă (fi) (%) relativă cumulată (Fi) (%)
0 5 25 25
1 5 25 50
2 8 40 90
3 2 10 100
Total 20 100 -
Sursa: Direcţia Resurse Umane

După cum se poate observa, variabila observată (X) este numărul de copii, variabilă care are 4
modalităţi (xi): x1=0; x2=1; x3=2 şi x4=3.
Frecvenţele absolute rezultă din numărarea angajaţilor care deţin una din cele patru modalităţi.
Spre exemplu, n2=5 ne arată că în setul de date am observat că există cinci angajaţi care au un
copil.
Calculul frecvenţelor relative este la fel de simplu. Spre exemplu, frecvenţa relativă
corespunzătoare valorii “0” a numărului de copii este dată de raportul procentual dintre frecvenţa
absolută a angajaţilor cu 0 copii, adică 5, şi numărul total al angajaţilor, adică 20:
f1=(5/20)x100=0,25x100=25%. Similar, în cazul angajaţilor cu 2 copii, frecvenţa relativă este
f3=(8/20)x100=0,40x100=40%.
Frecvenţa relativă cumulată rezultă din însumarea valorilor frecvenţei relative pentru valorile
variabilei mai mici sau egale cu valoarea curentă. Spre exemplu:
F1=f1=25%;
F2=f1+f2=25%+25%=50%;
F3=f1+f2+f3= F2+f3 = 50% + 40% = 90%
F4= f1+f2+f3+f4=F3+f4=90% + 10% = 100%.

46
Calculul frecvenţei relative cumulate se dovedeşte util pentru situaţiile în care dorim să avem o
imagine exploratorie rapidă asupra distribuţiei datelor individuale, precum şi în evaluarea gradului
de concentrare a datelor în jurul unor valori, aşa cum vom vedea în secţiunile următoare.
De asemenea, ea ne ajută să răspundem la o serie de întrebări simple, cum ar fi: care este
procentul angajaţilor care au mai puţin de 3 copii? Răspunsul este 90%, deoarece procentul
angajaţilor cu 3 copii este 10%. La fel, putem spune că procentul angajaţilor cu cel puţin un copil
este de 75%, însumând procentele celor cu 1, 2 sau 3 copii (25%+40%+10%=75%) sau scăzând
din 100 procentul celor fără copii (25%).
Dacă dorim să realizăm o distribuţie de frecvenţe în funcţie de nivelul salariului, care este o
variabilă numerică continuă, e necesar să recurgem la construirea claselor de interval. Să
presupunem că nu este nevoie de clase de interval de mărime egală şi că 5 clase sunt suficiente 15 .
Din motive de facilitare a eventualelor calcule, vom face o mică schimbare faţă de paşii prezentaţi
anterior şi vom proceda după cum urmează:

- Notăm în prima coloană limitele inferioare si superioare ale claselor de salariu xi inf şi xi sup;

- Notăm în coloana a 2-a centrul de interval ci=( xi inf + xi sup)/2;

- Notăm în coloana a 3-a frecvenţele absolute ni care corespund, ca regulă, intervalului închis la
stânga şi deschis la dreapta, contorizând pentru fiecare interval cele ni persoane care câştigă
între xi inf şi xi sup lei (mai mult sau egal cu xi inf şi mai puţin strict decât xi sup);

- Notăm în coloana a 4-a frecvenţele relative fi;

- Notăm în coloana a 5-a frecvenţele cumulate Fi definite ca pentru variabilele discrete


(Fi=f1+f2+...fi-1)

- Notăm în coloana a 6-a amplitudinea intervalului xi sup - xi inf.

- Un exemplu de tabel este următorul:


Tabelul E.2.2.4 - Repartizarea angajaţilor pe grupe de salarii
Frecvenţa
Grupa de salariu Centrul de Frecvenţa Frecvenţa Amplitudinea
relativă
(Lei) interval absolută relativă (%) intervalului
cumulată (%)
Xi inf - Xi sup ci ni fi Fi Ai
1 2 3 4 5 6
600 - 800 700 5 25 25 200
800 - 900 850 5 25 50 100
900 - 1000 950 4 20 70 100
1000 - 1200 1100 3 15 85 200
1200 - 1600 1400 3 15 100 400
TOTAL 20 100

15
În acest exemplu nu am recurs la calculul numărului de grupe de interval cu ajutorul rădăcinii
pătrate sau al formulei lui Sturges din motive didactice.

47
2.5.2 Reprezentarea grafică a distribuţiilor de frecvenţe
Se spune că un grafic este mai bun decât 100 de tabele deoarece graficele, prin
puterea lor expresivă, facilitează sintetizarea unui volum mai mare de informaţie decât
tabelele statistice. Unul din motive este acela că un om consumă de 20 de ori mai puţină
energie atunci când recepţionează un stimul vizual decât în cazul unuia auditiv, fără să fie
absolut necesară prelucrarea voluntară a semnalului recepţionat. Când privim un tabel
vedem cifre pe care trebuie să le comparăm, să judecăm magnitudinea lor în raporturile
reciproce ale cifrelor respective şi să formulăm o concluzie. Un grafic, prin simplitatea lui,
permite realizarea involuntară a aprecierilor, conducând-ne deseori mai repede către
aceleaşi concluzii.

Datele statistice individuale pot fi reprezentate prin diagrame figurative, cum ar fi


pictogramele sau cartogramele, sau cu ajutorul graficelor statistice. Principiul acestui tip de
reprezentări este proporţionalitatea graficului cu mărimea reprezentată, mai precis cu
frecvenţa modalităţii prezentate în grafic.

În cazul diagramelor figurative, numerele sunt reprezentate de imagini sub forma


siluetelor – antropomorfe sau zoomorfe, a clădirilor, vehiculelor etc. – care amintesc de
colectivitatea studiată. Aceste imagini au o dimensiune proporţională cu frecvenţa
înregistrată.

Există un pericol de prezentare sau de interpretare greşită a pictogramelor, care ţine


de păstrarea proporţiilor. În cazul în care unei dublari a numărului îi corespunde numai o
mărire cu un factor de doi a imaginii într-o singură direcţie, regula suprafeţei proporţionjale
este respectată. Însă dacă dublării numărului îi corespunde o dublare a dimensiunii imaginii,
ochiul uman percepe realitatea într-un multiplu de 4 (factor de 2 în lăţime şi factor de 2 în
înălţime). Interpretarea graficului este astfel distorsionată.

Graficul statistic reprezintă o modalitate de prezentare a datelor care permite


sesizarea a ceea ce este esenţial în cazul fenomenului studiat, prin intermediul unor imagini
spaţiale cu caracter convenţional. O reprezentare grafică este o manieră simplificată de
descriere a realităţii, transpunând aspectele măsurabile în mărimi şi figuri geometrice variate.

Graficele se folosesc frecvent ca modalitate de prezentare a datelor deoarece


facilitează formarea unei imagini vizuale privind: tendinţele de evoluţie în timp şi în spaţiu;
interdependenţele dintre variabile; structura şi mutaţiile intervenite în timp şi spaţiu.

Reprezentarea grafică a datelor statistice este şi un instrument ajutător de alegere a


metodelor şi procedeelor de calcul statistic şi de aproximare a unor mărimi statistice.

Reprezentările grafice pot însoţi tabele statistice sau pot fi folosite de sine stătător.
Se recomandă prezentarea datelor numai sub formă grafică dacă se cunoaşte faptul că
utilizatorii nu intenţionează să efectueze calcule proprii.

Un grafic este o formă mai simplă, dar mai sugestivă de sistematizare şi a datelor
individuale. Creşterea sugestivităţii se realizează prin neglijarea informaţiilor de detaliu.

Elementele unui grafic corespund în mare măsură cu cele menţionate în cazul


tabelelor statistice:

48
- titlul graficului – trebuie să indice, ca şi în cazul tabelului statistic, conţinutul datelor
care se prezintă, timpul şi spaţiul la care se referă;

- axa sau axele graficului. În cazul majorităţii reprezentărilor grafice se folosesc axe
în sistemul de coordonate rectangulare;

- scara de reprezentare – este elementul care indică echivalentul unei unităţi


grafice, deci serveşte la gradarea axei / axelor. Scările pot fi uniforme, când
punctele cotate pe suportul scării sunt echidistante, sau neuniforme, când
distanţele dintre punctele cotate sunt variabile (scara logaritmică, scara binomială
etc.).

- reţeaua graficului – este formată dintr-o reţea de linii paralele cu axele de


coordonate rectangulare. Uneori reţeaua graficului este formată dintr-o reţea de
cercuri concentrice;

- legenda graficului – explică semnele convenţionale, liniile, culorile şi haşurile


folosite în construirea graficului; sursa datelor – se menţionează sub reţeaua
graficului.

Reprezentările grafice se constituie într-un mijloc care, prin intermediul imaginilor,


informează rapid asupra mărimilor numerice, asupra tendinţelor şi asupra interdependenţelor
dintre variabile. Un grafic poate reflecta corect aceste aspecte dacă se respectă principiul
proporţionalităţii, în sensul alegerii corecte a scării graficului şi a tipului de grafic.

Graficele statistice pot fi construite uşor cu ajutorul aplicaţiilor informatice 16 , pornind


chiar de la datele individuale şi nu neapărat de la rezultate deja agregate, aşa cum de multe
ori se întâmplă, când graficele sunt considerate ca o simplă alternativă a tabelelor. Pentru
eficienţa sa, vizualizarea grafică a datelor individuale este unul dintre instrumentele preferate
de analişti pentru evidenţierea relaţiilor dintre variabile, a tendinţelor de evoluţie temporală şi
spaţială a fenomenelor, inclusiv pentru investigarea interactivă a efectelor modificării unora
sau altora dintre variabile.

În cazul variabilelor calitative, se utilizează frecvent diagrama de bare, aşa cum


este cea din Figura 2.1. Pe axa orizontală sunt reprezentate modalităţile variabilei calitative,
iar pe axa verticală frecvenţele absolute. Lungimea barelor este dată de mărimea frecvenţei
absolute a fiecărei modalităţi.

16
MS Excel este, poate, cel mai uzitat mediu pentru realizarea de grafice. Există însă multe alte
aplicaţii software utilizate pentru prelucrarea datelor statistice şi prezentarea rezultatelor: Matlab, SAS,
SPSS, Graph etc.

49
Fig. 2.1 – Distribuţia angajaţilor în funcţie de starea civilă

9
8
8

7
6
6
Frecven te absolute

5
4
4

3
2
2

0
Ca sato rit(a) Divortat(a) Ne cas atori t(a) Va duv(a)
Star e civila

Un alt tip de grafic este diagrama circulară de structură, în care sunt prezentate
frecvenţele relative sau cele absolute ca sectoare de cerc, a căror arie este, de asemenea,
proporţională cu mărimea efectivului populaţiei care deţine fiecare din modalităţile observate,
aşa cum se poate vedea şi în Figura 2.2.

Fig. 2.2 – Distribuţia procentuală a angajaţilor în funcţie de starea civilă

Vaduv(a)
10%
Cas atorit(a)
Cas atorit(a)
40%
Div ortat(a)

Nec as atorit(a) Nec as atorit(a)


30% Vaduv(a)

Divortat(a)
20%

Un al treilea tip de grafic este diagrama rectangulară, în care forma rectangulară ce


reprezintă întreaga colectivitate studiată este împărţită în porţiuni, de asemenea,
rectangulare, a căror arie este proporţională cu frecvenţa relativă sau absolută deţinută de
fiecare modalitate observată, ca în Figura 2.3.

50
Fig. 2.3 – Distribuţia angajaţilor în funcţie de starea civilă (diagramă rectangulară)

25

20
2
Numar angajati

15 6 Vaduv(a)
Necasatorit(a)
Divortat(a)
10 4 Casatorit(a)

5
8

0
Stare civila

Atunci când observarea populaţiei constă în măsurători ale unor variabile cantitative,
reprezentările grafice adecvate sunt:

- Cazul variabilelor discrete

o Diagramele de bare

o Curba cumulativă

- Cazul variabilelor continue

o Histogramele

o Poligonul frecvenţelor

o Curba cumulativă

o Diagrama tulpină-cu-ramuri

o Norul de puncte

Diagrama de bare utilizată pentru reprezentarea grafică a distribuţiei de frecvenţe a


unei variabile cantitative discrete nu diferă de cea pentru o variabilă calitativă. Pornind de
la exemplul anterior, diagrama distribuţiei angajaţilor în funcţie de numărul de copii este cea
din Figura 2.4.

51
Fig. 2.4 – Distribuţia angajaţilor în funcţie de numărul de copii

7
Numar an gaja ti

0
0 1 2 3

Numa r co pii

Curba cumulativă a frecvenţelor unei variabile numerice discrete se reprezintă


grafic prin marcarea numărului de observaţii cumulate sau a frecvenţelor relative cumulate
corespunzător modalităţii variabilei numerice discrete observate. Un exemplu este prezentat
în Figura 2.5.

Fig. 2.5 – Curba cumulativă a distribuţiei angajaţilor în funcţie numărul de copii

22
20
18
16
14
12
Fi

10
8
6
4
2
0
0 1 2 3
Nr. copii

Fiecare punct de pe grafic reprezintă numărul unităţilor statistice – în cazul nostru


sunt angajaţii – a căror valoare este mai mică sau cel mult egală cu valoarea observată: sunt
5 angajaţi nu au nici un copil, 10 au cel mult un copil (sau mai puţin de 2 copii, 18 au cel mult
doi copii (sau mai puţin de 3 copii) şi, în final, putem spune că 20 de angajaţi au cel mult trei
copii.

Unirea punctelor cu o linie conduce la obţinerea curbei cumulative, numită şi ogivă.

52
În cazul variabilelor numerice continue, tipul de grafice ce mai frecvent utilizat este
histograma, cum este cea din Figura 2.6. O histogramă are o axă orizontală, pe care sunt
scalate toate valorile măsurătorii realizate pe colectivitatea statistică. Valorile sunt împărţite
în segmente care corespund claselor de interval – create de analist după o metodă similară
celei prezentate în secţiunea 2.3.2, alese de el după orice altă regulă determinată de scopul
analizei sau create automat de aplicaţia informatică. Pe fiecare din aceste segmente este
ridicată o coloană care poate fi de diferite forme: rectangulară, coloană cu secţiune circulară,
piramidă etc.

Cel mai simplu şi fericit caz este acela în care segmentele sunt de mărime egală.
Însă, atunci când nu sunt egale, sunt necesare o serie de precauţii.

Caracterul special al histogramei şi cheia înţelegerii rolului ei rezidă în


proporţionalitatea barelor verticale în raport cu mărimea claselor de interval şi numărul
observaţiilor din fiecare clasă:

- fiecărei clase de interval a variabilei îi corespunde un patrulater cu baza dată de


amplitudinea clasei (hi) şi cu înălţimea dată de densitatea de frecvenţă di definită
prin di = fi /hi, unde fi este frecvenţa relativă a clasei;

- Suprafaţa fiecărui patrulater corespunde cu frecvenţa clasei: si = di*(xi+1-xi) =


(fi/hi)hi = fi

- Aria delimitata de histogramă este egală cu 1.

Fig. 2.6 – Distribuţia angajaţilor pe grupe de salarii

30,00%

25,00%

20,00%
Frecven ta (% )

15,00%

10,00%

5,00%

0,00%
650 750 850 950 1050 1150 1250 1350 1450 1550
Centr ul de inter val

Să remarcăm mai întâi că în graficul de mai sus, care reflectă datele din Tabelul
E.2.2.4, amplitudinea claselor este diferită: 200 de lei pentru prima şi a patra, 100 pentru a
doua şi a treia şi 400 pentru a cincea clasă. Să observăm apoi că în clasa 600-800 de lei
sunt 5 angajaţi (25% din numărul total al angajaţilor), în clasa 800-900 de lei 5 angajaţi
(25%), în clasa 900 – 1000 sunt 4 angajaţi (20%) iar în clasele 1000 – 1200 de lei şi 1200 –
1600 de lei câte 3 angajaţi (câte 15% din totalul angajaţilor). Presupunând că salariile
angajaţilor sunt uniform distribuite în interiorul fiecărei clase, pentru respectarea regulii

53
proporţionalităţii, atunci trebuie să considerăm că în intervalul 600-700 de lei sunt 12,5% din
salariaţi, iar în intervalul 700 – 800 de lei alţi 12,5% adică, teoretic, în medie câte 2,5 salariaţi
în fiecare sub-segment. Un raţionament similar aplicăm şi în cazul intervalului 1000-1200 de
lei, unde, din proporţia celor 15% dintre angajaţi, 7,5% sunt în sub-segmentul 1000-1000 şi
alţi 7,5% în sub-segmentul 1100-1200. În cazul clasei 1200-1600, în fiecare sub-segment
echivalent cu 100 de lei vom avea câte 3,75% din numărul total al angajaţilor, iar în clasa
respectivă vom regăsi, în total, 3,75% x 4 = 15%. Însumând frecvenţele relative ale fiecărui
sub-segment (2x12,5%+25%+20%+2x7,5%+4x3,75%), vom obţine 100%, adică, în termeni
de coeficienţi, suprafaţa totală este egală cu 1.

Această manieră de intrepretare şi de construire a histogramei este esenţială pentru


înţelegerea corectă a distribuţiei unei variabile, deoarece o construcţie greşită poate conduce
la interpretări şi concluzii greşite. Astfel, dacă am fi reprezentat în grafic faptul că în
segmentul 600 – 800 de lei sunt 5 angajaţi, fără a păstra proporţionalitatea, s-ar putea trage
concluzia că în fiecare sub-segment de 100 de lei sunt în medie câte 5 angajaţi, deci în total
10 în intervalul 600 – 800 de lei. Similar, o construcţie greşită ar fi fost să reprezentăm clasa
1200 – 1600 de lei ca având în fiecare sub-segment câte 3 angajaţi. Păstrând amplitudinea
claselor de interval, dar fără să ţinem seama de înălţimea corectă a fiecărui patrulater, o
histogramă eronată este prezentată în Figura 2.7.

Fig. 2.7 – Grafic incorect - Distribuţia angajaţilor pe grupe de salarii

4
Frecventa

0
650 750 850 950 1050 1150 1250 1350 1450 1550
C entrul de int erv al

Pe baza graficului din Figura 2.6 concluzionăm că salariile angajaţilor urmează o


distribuţie asimetrică la dreapta 17 , cu o frecvenţă maximă în intervalul 800-900 de lei.
Graficul din figura 2.7 ne-ar fi îndreptat greşit către concluzia că frecvenţa maximă se
întâlneşte în intervalele 600-800 şi 800-900 de lei.

Un aspect important în construirea histogramelor sunt punctele de mijloc ale claselor


de interval sau centrele de interval 18 .

17
În teoria statistică, această formă a distribuţiei se numeşte “log-normală” şi este caracteristică
distribuţiei veniturilor.
18
În terminologia engleză, utilizată şi în aplicaţiile informatice în care pot fi construite grafice statistice,
aceste puncte se numesc midpoints.

54
O modalitate alternativă de prezentare grafică a unei distribuţii de frecvenţe este
poligonul frecvenţelor. Similar cu histograma, poligonul frecvenţelor prezintă pe axa
orizontală toate valorile variabilei măsurate sau clasele de interval, prin centrele de interval,
iar pe axa verticală numărul observaţiilor pentru fiecare valoare sau clasă de interval.
Punctele de pe grafic sunt trasate la intersecţia dintre centrul de interval şi numărul de
observaţii din intervalul în cauză. Unirea tuturor punctelor conduce la o formă geometrică
numită poligonul frecvenţelor, aşa cum este cea din Figura 2.8.

Fig. 2.8 – Poligonul frecvenţei angajaţilor pe grupe de salarii din firma X la 31.12.2008

0, 3

0, 25

0, 2
Frecventa (%)

0, 15

0, 1

0, 05

0
650 75 0 8 50 950 1 050 115 0 12 50 1 350 1450 155 0

C ent rul de inter val

La fel ca şi pentru variabilele numerice discrete, şi în cazul variabilelor continue


putem reprezenta curba frecvenţelor cumulate. Pe axa orizontală reprezentăm clasele de
interval prin centrele lor, iar pe axa verticală scalăm frecvenţele absolute sau relative, după
care reunim centrele de interval cu frecvenţele cumulate Fi şi obţinem o curbă ascendentă.
La o primă privire, putem citi direct pe această curbă care este proporţia indivizilor pentru
care valoarea variabilei este strict mai mică decat o valoare înregistrată xi.

Spre exemplu, în graficul din Figura 2.9 sunt prezentate pe axa verticală din stânga
frecvenţele relative ale fiecărei clase de interval şi, pe scala din dreapta, curba frecvenţelor
cumulate. Curba cumulativă ne arată, spre exemplu, că 50% dintre angajaţi au un salariu de
mai puţin de 850 de lei, deşi salariile variază între 600 şi 1600 de lei. De asemenea, putem
observa că 25% dintre angajaţi au un salariu de peste 1050 de lei.

55
Fig. 2.9 – Distribuţia şi curba cumulativă a frecvenţelor angajaţilor pe grupe de salarii din firma
X la 31.12.2008

30,00% 100,00%

25,00%

75,00%

20,00%

15,00% 50,00%

10,00%

25,00%

5,00%

0,00% 0,00%
650 750 850 950 1050 1150 1250 1350 1450 1550

Intervale de salarii

Frecventa relativa Frecventa cumulata

Curba cumulativă a frecvenţelor ne dă un indiciu şi asupra formei distribuţiei. O curbă


cumulativă cu o pantă de aproximativ 45% şi în formă de „S” ne sugerează o distribuţie
normală. Cu cât panta curbei este mai mică, cu atât mai mult datele prezintă o variaţie mai
mare. De asemenea, cu cât capetele formei „S” sunt mai alungite spre stânga sau spre
dreapta, cu atât mai mult avem o distribuţie cu o asimetrie mai pronunţată spre stânga sau
dreapta. În exemplul de mai sus, numărul observaţiilor este mic, motiv pentru care forma de
„S” este puţin vizibilă. Totuşi, putem remarca tendinţa de aplatizare a curbei spre dreapta,
îndeosebi după valoarea de 950 lei, ceea ce ne indică o puternică asimetrie spre dreapta a
distribuţiei analizate.

Un alt tip de grafic prezent ca opţiune în majoritatea aplicaţiilor informatice de


prelucrare a datelor statistice este diagrama tulpina-cu-ramuri 19 . Este o tehnică grafică
simplă care arată amplitudinea datelor, dacă datele sunt concentrate şi, de asemenea, dacă
există valori extrem de mici sau mari. Instrucţiunile de creare a unui grafic, aşa cum au fost
prezentate anterior, nu mai sunt valabile în acest caz, în care fiecare observaţie este
caracterizată de o tulpină şi de o ramură.

Să presupunem că dorim să creăm o diagramă tuplină-cu-ramuri pentru variabila


salariu. Pentru că valorile sunt de ordinul sutelor şi miilor de lei, să decidem că tulpina va fi
formată din cifrele de ordinul sutelor, iar ramurile din cifrele de ordinul zecilor. Cifrele sutelor,
cele mai semnificative, determină rândul în care valorile individuale vor fi plasate. Sortând
datele, observăm că cea mai mică valoare observată este 632, iar cea mai mare este 1563.
Ca urmare, primul rând va fi alcătuit de cifrele care sunt de ordinul a 600 de lei, iar ultimul din

19
În limba engleză, termenul este întâlnit ca “stem-and-leaf plot” sau “stem-and-leaf diagram”.

56
cele care sunt de ordinul a 1500 de lei. Prima observaţie are valoarea de 632 de lei. Prin
rotunjirea la cifra celor mai apropiate zeci, valoarea respectivă va fi plasată pe primul rând,
unde se află cifra „6” a sutelor, iar în prima coloană va fi plasată cifra „3” a zecilor. A doua
valoare – după sortare – este 684, care, prin rotunjire, este echivalentă cu 680. Ca urmare,
cea de a doua ramură a tulpinii „6” este „8”. Continuând exemplificarea, pe tulpina „8” vor fi
plasate, în ordine, observaţia 12, cu valoarea de 815 lei rotunjită la 820, observaţia 10, cu
valoarea 822 rotunjită tot la 820, observaţia 15, cu valoarea 842 lei, rotunjită la 840,
observaţia 2, cu valoarea 854 rotunjită la 850 – adică ramura „5” – şi, în final, observaţia 9 cu
valoarea 858 în ramura „6”, după rotunjirea la 860. Acest proces este continuat pentru toate
observaţiile din setul de date, rezultând diagrama din Figura 2.10.

Fig. 2.10 – Diagrama tulpină-cu-ramuri a salariilor angajaţilor din firma X la 31.12.2008

6 38
7 669
8 2245 6
9 3569
10 77
11
12 07
13 9
14
15 6

Este, în mod evident, o diagramă simplă şi foarte elocventă, care poate fi construită
cu majoritatea aplicaţiilor informatice existente 20 . Avantajul ei constă în faptul că, spre
deosebire de histogramă, ea nu pierde nici o informaţie individuală asupra datelor, păstrând
valenţele vizuale. Observăm, astfel, că cele mai multe salarii se concentrează în jurul a 800
de lei, iar salariile de peste 1000 de lei sunt rare. Mai mult, valoarea maximă, de peste 1500
de lei, este la mare distanţă de majoritatea celorlalte salarii.

Norul de puncte 21 este un alt tip de grafic prin care sunt puse în relaţie două
variabile observate, pentru a evidenţia eventuala asociere a acestora. Atât pe axa orizontală,
cât şi pe cea verticală sunt reprezentate valorile celor două variabile numerice continue, fie
sub forma valorilor individuale, fie al unor clase de interval prin centrele lor. Fiecare punct
este creat la intersecţia coordonatelor valorilor variabilelor studiate.

Un exemplu de astfel de grafic este cel din Figura 2.11.

20
În M.S. Excel este necesară scrierea unor formule sau crearea unei aplicaţii special destinate
acestui scop.
21
Termenul similar în limba engleză este “scatter plot”, iar în limba franceza este “nuage de points”.

57
Fig. 2.11 – Rata de căsătorie şi numărul de copii ai angajaţilor din firma X la 31.12.2008

0,75
Rata de casatorie

0,5
Bar bati

0,25 Fem ei

0
0 1 2 3

Nu m ar ul de cop ii

Graficul ne arată care este relaţia dintre rata de căsătorie – adică numărul de
persoane căsătorite din totalul persoanelor observate – şi numărul de copii ai fiecărei
persoane, pe sexe. Strict pe baza datelor observate, ceea ce ne determină să fim rezervaţi
în privinţa unor generalizări, constatăm că rata de căsătorie a bărbaţilor fără copii este mai
mare decât a femeilor: între bărbaţii fără copii, 1 din 2 este căsătorit (rata de căsătorie a
bărbaţilor fără copii este egală cu 0,5), în timp ce, între femeile fără copii, nu există nici una
care să fie căsătorită (rata de căsătorie a femeilor fără copii este egală cu 0). Apoi, pe
măsură ce numărul de copii creşte, observăm că şi rata căsătoriei creşte în cazul femeilor,
dar scade în cazul bărbaţilor. Putem concluziona, intuitiv, că există o relaţie inversă între rata
căsătoriei şi numărul de copii în cazul bărbaţilor şi una directă în cazul femeilor. Un astfel de
grafic poate indica existenţa potenţială a unor probleme personale în cazul bărbaţilor
necăsătoriţi, dar cu un număr de copii în întreţinere mai mare decât media.

2.6 Cuvinte – cheie


 observare statistică, înregistrare de  grupare statistică
date
 principii ale observării statistice  grupă omogenă
 eroare întâmplătoare  grupare simplă
 eroare sistematică  grupare combinată
 eroare de reprezentativitate  interval de variaţie
 obiectul observării  serie statistică
 unitatea de observare  serie unidimensională
 observare directă  serie multidimensională
 observare indirectă  serie de repartiţie = serie de
distribuţie
 observare totală  serie cronologică
 observare parţială  tabel statistic
 recensământ  reguli de construire a tabelului
statistic
 raport statistic  tipuri de tabele statistice

58
 anchetă statistică  grafic statistic
 anchetă de opinie  elemente constructive ale
graficului statistic
 monografie statistică

2.7 Întrebări de control


1. Care sunt principiile organizării şi desfăşurării unei observări statistice?

2. Care sunt principalele aspecte metodologice şi organizatorice cuprinse întrun plan


de observare statistică?

3. În ce constau observarea directă şi indirectă?

4. Ce avantaje are observare parţială comparativ cu observarea totală?

5. Care sunt principiile fundamentale pe care se bazează organizarea


recensământului?

6. Ce fel de erori de observare cunoaşteţi?

7. Cum influenţează erorile de observare rezultatele cercetării?

8. Care sunt principiile grupării statistice?

9. Care sunt problemele fundamentale care trebuie rezolvate în cazul grupării după
o caracteristică numerică?

10. Cum se stabileşte mărimea intervalului de grupare?

11. Când se recurge la o grupare pe valori observate şi când se recurge la una pe


intervale de variaţie?

12. Ce probleme de cunoaştere pot fi soluţionate prin gruparea statistică?

13. Ce este o serie statistică şi care sunt principalele tipuri de serii de date statistice?

14. Ce este un tabel statistic şi care sunt principalele reguli de construire?

15. Ce este un grafic statistic şi care sunt elementele constructive ale acestuia?

16. Care sunt principalele categorii de grafice adecvate pentru reprezentarea


distribuţiilor de frecvenţe ?

2.8 Bibliografie
1. Jaba Elisabeta, Statistica, Editura Economică, Bucureşti, 1998, p. 30-46.

2. Korka Mihai, Begu Liviu Stelian, Tusa Erica, Bazele statisticii pentru economişti,
Editura Tribuna Economică, Bucureşti 2002, p. 31-46.

3. Mansfield Edwin, Basic Statistics with Applications, W.W. Norton&Company, New


York, London, 1986, p. 18-31

4. Schwarze Jochen, Grundlagen der Statistik I, Verlag Neue Wirtschaftsbriefe,


Herne / Berlin 1994, p. 26-44.

59
Capitolul 3: INDICATORII STATISTICI

3.1 Introducere
În urma sistematizării datelor, prin centralizare şi grupare, se obţin expresii numerice,
denumite indicatori absoluţi sau mărimi absolute, care evidenţiază volumul unui ansamblu de
unităţi sau valoarea unei caracteristici, pe total sau pe fiecare grupă.

Indicatorii absoluţi, deşi reprezintă baza informaţională pentru oricare analiză


statistică, au o capacitate relativ limitată de descriere şi de informare. Aceasta deoarece
reprezintă valori definite prin ele însele, independent de orice sistem de referinţă. Puterea de
informare a acestor indicatori creşte dacă sunt comparaţi cu aceiaşi indicatori înregistraţi
pentru o altă unitate de timp sau de spaţiu, sau cu alţi indicatori, caz în care rezultă indicatori
derivaţi.

În acest capitol sunt prezentate cele mai simple categorii de indicatori folosiţi în
procesul cunoaşterii statistice. Se tratează premisele metodologice, formele de exprimare,
relaţiile de calcul şi cazurile de utilizare. Se dezvoltă grupa cea mai simplă de indicatori
derivaţi şi anume mărimile relative.

3.2 Indicatori primari si indicatori derivaţi


Indicatorul statistic este expresia numerică agregată a unei variabile observate
asupra unui fenomen, proces, sau asupra unei categorii economico-sociale delimitate în timp
şi spaţiu, obţinută în urma unei cercetări statistice. În procesul cunoaşterii, indicatorii statistici
îndeplinesc multiple funcţii, printre care cele mai importante sunt: funcţia de măsurare, de
comparare, de sinteză, de estimare şi de verificare a ipotezelor şi de testare a semnificaţiei
parametrilor statistici utilizaţi.

După etapa în care apar în procesul de cunoaştere statistică indicatorii statistici pot fi:
primari (absoluţi) şi derivaţi.

Indicatorii primari se obţin în urma centralizării şi grupării datelor unei observări


statistice şi exprimă direct nivelul caracteristicii cercetate, în unităţi concrete de măsură. Deci
un indicator primar este o mărime absolută care exprimă volumul unui ansamblu sau
valoarea unei caracteristici. Aceşti indicatori rezultă fie prin agregarea nivelelor individuale
(indicatori de nivel), fie prin compararea sub formă de diferenţă a două nivele ale aceluiaşi
indicator, înregistrate pentru unităţi diferite de timp sau de spaţiu, sau a două nivele a doi
indicatori diferiţi.

Agregarea (însumarea) directă a valorilor individuale înregistrate în vederea obţinerii


unui indicator primar (absolut) presupune ca elementele individuale să fie însumabile direct,
deci să fie de aceeaşi natură şi să fie exprimate în aceeaşi unitate de măsură.

61
Exemplul 3.1: Indicatori statistici absoluţi
În Tabelul E.2.2.3 se însumează numărul angajaţilor care au 0, 1, 2 sau 3 copii, iar însumarea este
prezentată sub denumirea de frecvenţă absolută. În Tabelul E.2.2.4 sunt prezentate frecvenţele
absolute rezultate prin însumarea numărului angajaţilor al căror salariu se regăseşte într-una din
grupele de salariu ce au fost construite. O regulă de bază de verificare a corectitudinii calculului
frecvenţelor absolute este aceea că însumarea frecvenţelor absolute trebuie să coincidă cu
efectivul populaţiei statistice observate.
Totuşi, indicatorii absoluţi nu sunt numai de forma frecvenţelor absolute, care rezultă, după cum
am văzut, dintr-o numărătoare a apariţiei unei modalităţi a variabilei studiate. Să presupunem, de
exemplu, că dorim să analizăm pe durata unei luni calendaristice care sunt zilele cu vânzări mai
mari sau mai mici ale unui magazin de comerţ electronic. Variabila studiată este „totalul
vânzărilor zilnice”, iar ea este grupată pe o caracteristică de timp: ziua. Aşadar, este vorba despre
o serie statistică de timp. Totalul vânzărilor zilnice, care este indicatorul primar sau absolut pe
care îl calculăm, se obţine prin însumarea vânzărilor realizate pentru toate produsele
comercializate într-o zi de către toţi agenţii de vânzare din toate punctele de vânzare. Seria
obţinută conţine deja date agregate. Similar, producţia anuală de energie electrică la nivelul unei
ţări se obţine prin însumarea producţiilor anuale de energie electrică aferente tuturor agenţilor
economici.
După cum s-a prezentat în prima parte a cursului, statistica este interesată de studiul datelor
individuale, pentru a putea trage concluzii generalizatoare asupra tendinţelor esenţiale care se
manifestă în câmpul fenomenului sau procesului studiat. De asemenea, am aflat că analizele
statistice pleacă de la „numărătoarea” datelor individuale. Astfel, modificând puţin exemplul
anterior, să presupunem că vrem să analizăm performanţa anuală a agenţilor de vânzări, pentru că
performanţele zilnice sau lunare nu pot fi complet elocvente, din cauza sezonalităţii ciclului
economic şi a comportamentului de consum al clienţilor. De aceea, este de preferat să observăm
efectul combinat al acestor cauze la nivelul unui întreg an, motiv pentru care variabila observată
este „vânzările anuale ale agenţilor de vânzări”. Ataşând fiecărei valori observate a vânzărilor
individuale numărul de agenţi care au realizat valoarea respectivă, adică cel puţin unul, obţinem o
serie statistică în sens general, formată din valorile observate şi frecvenţele absolute ale apariţiei
valorilor respective. Dacă recurgem la gruparea pe intervale de variaţie, seria va fi formată din
centrele de interval şi frecvenţele observate.

Dacă elementele individuale sunt exprimate în unităţi de măsură diferite, deci


însumarea directă nu este posibilă, se impune folosirea unor coeficienţi de echivalenţă. De
exemplu, producţia unui agent economic din industria textilă poate consta în: fire – care se
exprimă în tone, ţesături – care se exprimă în metri pătraţi (mp), costume care se exprimă în
bucăţi. Coeficientul de echivalenţă folosit în economie este în majoritatea cazurilor “preţul”.
Deci se agregă / însumează expresii valorice.

62
Folosirea coeficienţilor de echivalenţă în vederea agregării se impune şi în cazurile în
care valorile individuale nu se obţin în etapa observării, deci nu sunt mărimi absolute, ci ele
provin dintr-un calcul statistic. Un exemplu este rata sărăciei, în care fiecare persoană, în
funcţie de gen şi vârstă, este echivalată în „adult” cu ajutorul scalelor de echivalenţă,
deoarece un copil sau o femeie au un consum caloric diferit de un bărbat. Un alt exemplu
sunt emisiile de gaze cu efect de seră, în care fiecare sursă de poluare este ajustată prin
coeficienţi de echivalenţă, deoarece o fermă de creştere a animalelor are un grad de poluare
mai mare decât o întreprindere de produse electronice.

Indicatorii derivaţi (mărimile derivate) se obţin prin prelucrarea mărimilor absolute,


prin aplicarea diferitelor metode şi procedee de calcul statistic.

Indicatorii derivaţi au o putere de informare sporită în comparaţie cu indicatorii


primari şi fac posibilă analiza aspectelor calitative ale fenomenelor şi proceselor cercetate.
Aceşti indicatori oferă informaţii privind: relaţiile cantitative dintre diferitele părţi ale unei
colectivităţişi dintre diferitele caracteristici; valorile tipice; gradul şi forma variaţiei
caracteristicilor studiate; interdependenţa dintre variabile etc.. exemple de indicatori derivaţi
care fac obiectul cursului sunt: mărimile relative; mărimile medii; indicatorii variaţiei;
indicatorii corelaţiei; indicii statistici etc.

3.3 Mărimile relative


Mărimile relative sunt rezultatul raportului dintre doi indicatori statistici şi arată câte
unităţi din indicatorul de la numărător revin la o unitate a indicatorului de la numitor,
considerat ca baza de raportare (comparare).

Indicatorii implicaţi în raport pot fi de aceeaşi natură, înregistraţi la unităţi diferite de


timp / spaţiu sau la grupe diferite ale aceleiaşi colectivităţi, sau pot fi indicatori de natură
diferită.

Calculul şi folosirea mărimilor relative presupune respectarea câtorva reguli, care


asigură obţinerea de mărimi relative semnificative, compatibile cu realitatea. Aceste reguli
sunt:

 între indicatorii comparaţi să existe o legătură de cauzalitate, logică, de


condiţionare, solid fundamentate teoretic;

 indicatorii comparaţi să fie comparabili prin prisma sferei de cuprindere, atât în


cazul comparării în timp, cât şi în spaţiu;

 baza de comparare / numitorul raportului să fie un termen semnificativ, normal,


ceea ce înseamnă că nu trebuie să reprezinte o stare de excepţie;

 forma de exprimare a mărimilor relative se alege astfel încât rezultatul să fie cât
mai sugestiv, uşor de înţeles şi de interpretat şi eventual de reţinut. În cazul în
care se compară sub formă de raport doi indicatori absoluţi cu acelaşi conţinut pot
fi folosite următoarele forme de exprimare: coeficienţi, procente ( 0 0 ), promile

63
( 0 00 ), prodecimile ( 0 000 ) etc.. Se optează pentru una din aceste forme de
exprimare în funcţie de expresivitatea rezultatului raportului.

Exprimarea sub formă de coeficient se recomandă când valorile indicatorilor


comparaţi sunt relativ apropiate. Coeficientul exprimă câte unităţi din numărător revin la o
unitate a numitorului raportului. Daca coeficienţii se înmulţesc cu 100 rezultă procente (%)
care arată câte unităţi din numărător revin la 100 de unităţi ale numitorului.

Observaţie: Dacă rezultatul unui raport se exprimă sub formă de procent,


numitorul este considerat egal cu 100, respectiv cu 1, dacă se exprimă sub
formă de coeficient.

Dacă indicatorul din numărătorul raportului este cu mult mai mic decât cel din
numitor, mărimile relative pot fi exprimate în promile, prodecimile sau procentimile, care
arată câte unităţi indicatorul comparat revin la 1000, 10000, respectiv 100000 de unităţi din
baza de raportare. De exemplu, indicatorii prin care se măsoară mişcarea naturală a
populaţiei (rata natalităţii, rata mortalităţii etc) se exprimă în promile.

Mărimile relative se diferenţiază după funcţia de cunoaştere pe care o îndeplinesc în


cinci tipuri şi anume:

- mărimi relative de structură;

- mărimi relative de coordonare sau de corespondenţă;

- mărimi relative de intensitate;

- mărimi relative de dinamică;

- mărimi relative de performanţă.

Mărimile relative de structură arată în ce raport se află fiecare parte faţă de întreg.
Calculul mărimilor relative presupune în prealabil separarea/gruparea întregului pe părţi
(elemente, grupe).

Mărimile relative de structură se pot calcula pe baza frecvenţelor absolute


corespunzătoare grupelor (ni) şi pe baza valorii caracteristicii aferente fiecărei fiecărei grupe
(xi). În primul caz rezultă frecvenţe relative (fi) iar în cel de al doilea caz rezultatul se numeşte
pondere sau greutate specifică (gi).

Frecvenţa relativă este un raport între numărul unităţilor din fiecare grupă sau
corespunzător fiecărei modalităţi ale variabilei discrete şi numărul unităţilor din întreaga
colectivitate:

ni
fi  k
 100 , i  1, k , (3.1)
n
i 1
i

unde k este numărul de grupe sau de variante (modalităţi) ale variabilei discrete.

Frecvenţele relative pot fi însumate dacă toate au fost calculate faţă de aceeaşi bază
de calcul. Suma este egală cu 1 dacă frecvenţele relative au fost exprimate sub formă de
coeficient şi cu 100 dacă sau exprimat sub formă de procente.
64
Greutatea specifică (ponderea) exprimă importanţa fiecărei grupe/părţi în nivelul
absolut al caracteristicii pe total colectivitate.

 pentru o serie simplă:

xi
gi  n
 100 , i  1, n (3.2)
x
i 1
i

 pentru o serie de frecvenţe:

x i  ni
gi  k
 100 , i  1, k (3.3)
x
i 1
i  ni

Şi în cazul greutăţilor specifice trebuie să se verifice egalitatea: g i  1 sau

g i  100 .

Mărimile relative de structură se reprezintă grafic prin diagrame circulare de structură,


care pot fi:

a) cercul de structură;

b) dreptunghiul de structură;

c) pătratul de structură.

Exemplificăm în continuare modul de construire a cercului de structură. Se


procedează astfel:

 aria cercului este egală cu suma mărimilor relative de structură care se reprezintă
grafic, deci cu 100%;

 cercul se împarte în atâtea sectoare de cerc în câte grupe a fost despărţită


colectivitatea, respectiv câte mărimi relative de structură se reprezintă;
o
 fiecare sector de cerc se construieşte pornind de la regula 1% = 3.6 , deoarece
o
100% = 360 .

Exemplul 3.2: Calculul mărimilor relative de structură şi reprezentarea lor grafică


Tabelul E.2.2.1 prezintă datele individuale ale angajaţilor unei firme, printre care se regăseşte şi
salariul lunar. Seria statistică formată din valorile individuale ale salariului lunar şi frecvenţele de
apariţie este o serie statistică simplă. Greutatea specifică pentru o serie statistică simplă, adică
a fiecărei observaţii, se calculează prin raportul dintre valoarea individuală a salariului lunar şi
totalul salariilor plătite angajaţilor din colectivitatea observată. Pentru prima observaţie (i=1),
greutatea specifică este:

632
g1   100  3,29% .
19188

65
Greutatea specifică a salariului lunar aferent celei de a 11-a observaţii este:

1563
g11   100  8,15% .
19188
Pentru exemplificarea calculului greutăţilor specifice ale unei serii de frecvenţe, apelăm la
datele din tabelul E.2.2.3, în care este prezentată repartizarea angajaţilor în funcţie de numărul de
copii, al căror număr total este de 27.
Evident, greutatea specifică a numărului de copii ai angajaţilor fără copii este 0, deoarece valoarea
variabilei observate (xi) este egală cu 0. Greutatea specifică a numărului de copii ai celor 5 angajaţi
cu un singur copil, adică a doua categorie din tabelul nostru, este:

1 5
g2   100  18,5%
27
Greutatea specifică a numărului de copii ai celor 2 angajaţi cu trei copii, adică a patra categorie din
tabelul nostru, este:

3 2
g4   100  22,2% .
27
Exemplele de mai sus au făcut apel la datele individuale referitoare la numărul de copii şi salariile
angajaţilor unei firme. În următorul exemplu vom utiliza datele agregate referitoare la populaţia
României din mediile urban şi rural înregistrată la data de 1 iulie din anii 1980, 2000 şi 2007.
Tabelul E.3.2.1 – Populaţia României la 1 iulie pe medii de rezidenţă
Populaţia la 1 iulie
Anul Urban Rural
(mii locuitori)
1 iulie 1980 22.201,4 10.171,6 12.029,8
1 iulie 2000 22.435,2 12.244,6 10.190,6
1 iulie 2007 21.537,6 11877,7 9659,9
Sursa: Anuarul Statistic al României 2008, INS

Structura populaţiei pe medii a fost:

 în anul 1980:

10171,6
gu   100  45,8%
22201,4

12029,8
gr   100  54,2%
22201,4

 în anul 2000

12244,6
gu   100  54,6%
22435,2

66
10190,6
gr   100  45,4%
22435,2

 în anul 2007

11877,7
gu   100  55,1%
21537,6

9659,9
gr   100  44,9%
21537,6

Se remarcă o creştere a ponderii populaţiei din mediul urban în totalul populaţiei de la 45,8% în
anul 1980 la 55,1% în anul 2007. Acest fenomen poate fi pus atât pe seama creşterii populaţiei în
localităţile urbane, cât şi creşterii numărului localităţilor urbane, prin transformarea comunelor în
oraşe.
Dacă se face diferenţa dintre ponderea din anul 2007 şi cea din anul 1980, respectiv 55,1% şi
45,8%, rezultă o creştere cu 9,3 puncte procentuale. Dacă interesează cu câte procente a crescut
ponderea populaţiei din mediul urban se face raportul dintre cele două cifre, se exprimă
procentual şi se scade 100, respectiv

55,1
 100  100  20,4%
45,8

Deci, ponderea populaţiei din mediul urban în totalul populaţiei a crescut în 2007 faţă de 1980 cu
20,4%.
Calculele privind mărimea sectoarelor de cerc corespunzătoare ponderii părţilor colectivităţii se
reprezintă în tabelul E..3.2.2

Tabelul E.3.2.2 – Corespondenţa dintre mărimile relative de structură şi aria cercului de structură
1 iulie 1980 1 iulie 2000 1 iulie 2007
Populaţia % Grade % Grade % Grade
Mediul urban 45,8 164,9 54,6 196,6 55,1 198,4

Mediul rural 54,2 195,1 45,4 163,4 44,9 161,6

Total 100 360,0 100 360,0 100 360,0


Sursa: Calcule pe baza datelor din Anuarul Statistic al României 2008, INS

Numărul de grade corespunzător fiecărui sector de cerc se obţine înmulţind ponderea fiecărei
grupe cu 3.60 (de exemplu 45.8 * 3.6 = 164.90).

67
Fig. 3.1 – Structura populaţiei României pe medii de rezidenţă

1 iulie 1980 1 iulie 2000 1 iulie 2007

Dacă este necesar să se vizualizeze grafic concomitent mărimea colectivităţii şi ponderea fiecărei
părţi în întreaga colectivitate se procedează astfel:
a) se alege figura geometrică prin care se reprezintă datele pornind de la regula că aria
figurii geometrice trebuie să fie proporţională cu mărimea colectivităţii (populaţia
României la 01.07.1980, 1.07.2000 şi, respectiv, la 01.07.2007). În cazul exemplului
din tabelul nr. 3.12 se va opta pentru o figură geometrică care poate fi construită în
funcţie de un singur element. Aceasta deoarece pentru fiecare an întreaga
colectivitatea este descrisă printr-o singură expresie numerică: numărul populaţiei.
Figurile geometrice care pot fi utilizate în acest caz sunt pătratul şi cercul.
2
În cazul cercului construit pentru anul 1980: A= π R = 22201.4, de unde:

22201,4
R  84,09 mii persoane
3,14

84,09
Considerând 40.000 de persoane = 1 cm, rezultă R   2,102 cm
40
2
Pentru anul 2000: A= π R = 22435.2, de unde:

22435,2
R  84,53 mii persoane
3,14

84,53
Considerând 40.000 de persoane = 1 cm, rezultă R   2,114 cm
40
2
Pentru anul 2007: A= π R = 21.537,6, de unde:

21537,6
R  82,820 mii persoane
3,14

Considerând 40.000 de persoane = 1 cm, rezultă

68
82,820
R  2,070 cm
40
b) se construieşte cercul în funcţie de raza rezultată din calcul şi se împarte pe sectoare
de cerc (vezi calculele efectuate în tabelul 3.2).
Fig. 3.2 – Structura populaţiei României pe medii de rezidenţă - grafice proporţionale cu
mărimea colectivităţii statistice

1 iulie 1980 1 iulie 2000 1 iulie 2007

Diferenţele între cele trei grafice sunt aproape insesizabile tocmai din cauza valorilor apropiate ale
razelor calculate. Important să reţinem, totuşi, este faptul că modul în care sunt construite
graficele poate influenţa percepţia datelor statistice de către cel care le priveşte. Nerespectarea
acestor reguli va conduce cu siguranţă la utilizarea greşită – intenţionată sau nu – a datelor
statistice şi, implicit, la concluzii greşite.

Mărimile relative de coordonare (corespondenţă) sunt rezultatul comparării sub


formă de raport a aceluiaşi indicator aferent a două grupe ale aceleiaşi colectivităţi sau a
două unităţi teritoriale diferite (A şi B):

XA
k A/ B  , (3.4)
XB

dacă baza de comparaţie este grupa sau unitatea B, respectiv

XB
kB / A  , (3.5)
XA

dacă baza de comparaţie este grupa sau unitatea A.

Pornind de la datele din tabelul nr. 3.1 se pot calcula mărimi relative de coordonare
care exprimă proporţia dintre populaţia din mediul rural şi cea din mediul urban sau invers.

PU 10171,6
kU / R    0,846 , fie
PR 12029,6

PR 12029,6
k R /U    1,182
PU 10171,6

69
Mărimile relative de coordonare se exprimă sub formă de coeficienţi (câte unităţi din
numărător revin la o unitate din numitor). Rezultatul devine mai expresiv dacă acesta se
înmulţeşte cu 100 sau 1000.

Deci, în anul 1980, la 100 de persoane din mediul rural au revenit 84,6 persoane din
mediul urban, sau la 100 de persoane din mediul urban au revenit 118,2 persoane din mediul
rural. Pornind de la datele pentru anul 2007, se obţine:

PU 11877,7
kU / R    1,230 , fie
PR 9659,9

PR 9659,9
kR /U    0,813
PU 11877,7

Observăm, aşadar, că în anul 2007 raportul dintre populaţia urbană şi cea rurală s-a
inversat: la 100 de persoane din mediul rural au revenit 123 de persoane din mediul urban,
iar la 100 de persoane din mediul urban au revenit 81,3 persoane din mediul rural.

Teoretic, oricare din termenii comparaţi pot fi folosiţi drept bază de comparaţie. În
analiză, baza de comparaţie se alege în funcţie de scopul cunoaşterii. Dacă, de exemplu, se
urmăreşte evidenţierea faptului că numărul populaţiei din mediul urban a crescut, se preferă
folosirea populaţiei din mediul rural drept bază de comparaţie.

Mărimile relative de coordonare se folosesc cel mai frecvent în studiul variaţiei în


profil teritorial, când se compară acelaşi indicator din două unităţi teritoriale. De exemplu se
compară preţul unui produs înregistrat în două oraşe, se compară PIB pe locuitor al
României cu cel înregistrat în aceeaşi perioadă în Ungaria, se compară costul unui eşantion
de mărfuri în judeţul A şi B etc..

Mărimile relative de coordonare se reprezintă grafic prin diagrame prin coloane sau
prin benzi. Coloanele sau benzile se sprijină pe abscisă, iar lungimea fiecărei coloane sau
benzi este direct proporţională cu mărimea relativă de coordonare reprezentată.

Mărimile relative de intensitate se calculează ca raport între doi indicatori de natură


diferită între care există o legătură logică, o interdependenţă sau o asociere.

Exemple: câştigul salarial mediu se obţine ca un raport între suma câştigurilor


salariale şi numărul mediu de salariaţi; productivitatea unui factor de producţie
este rezultatul raportului între volumul producţiei şi nivelul factorului de
producţie; rata şomajului se obţine împărţind numărul şomerilor la numărul
populaţiei active (forţa de muncă) etc..

Relaţia generală din care rezultă o mărime relativă de intensitate este:

yi
xi  , i  1, n , (3.6)
zi

70
unde n este numărul de unităţi din colectivitatea observată, yi şi zi reprezintă valorile
înregistrate pentru caracteristica Y şi Z la unitatea i, iar xi este mărimea relativă de intensitate
calculată pentru unitatea i.

Din relaţia (3.6) rezultă că yi = xi*zi. Deci numărătorul raportului depinde de zi, care
are caracter de frecvenţă, şi de mărimea relativă de intensitate xi.

Pentru a calcula o mărime relativă de intensitate la nivelul unei colectivitaţi împărţită


pe grupe, se poate proceda astfel:

 se însumează valorile individuale înregistrate corespunzătoare variabilei din


numărătorul şi numitorul raportului şi se calculează x după relaţia:

yi
x , i  1, n , (3.7)
zi

 se face media aritmetică a mărimilor relative de intensitate calculate la nivelul


unităţilor colectivităţii, pornind de la faptul că yi = xi*zi

xi  z i
x (3.8)
zi

Mărimile relative de intensitate se exprimă în unităţi de măsură specifice celor doi


indicatori comparaţi.

Exemplul 3.3 – Calculul mărimilor relative de intensitate


Pentru anul 2007 se cunosc următorii indicatori pentru România:
Tabelul E.3.3.1 – Selecţie de indicatori macroenomici ai României în anul 2007
Unitatea de Valoarea în
Indicatori
măsură (UM) anul 2007
Suprafaţa km2 238.391
Populaţia la 1 iulie mii locuitori 21.537,6
mil lei
Produsul Intern Brut 416006,8
preţuri curente
Exporturi FOB mil Euro 29.549
Importuri FOB mil Euro 51.322
Sursa: Anuarul statistic al României, 2008, Buletin Statistic Lunar nr. 12/2009.

Pe baza datelor din tabelul 3.3 se pot calcula mai multe mărimi relative de intensitate, cum ar fi:

 Densitatea populaţiei, care se calculează ca raport între efectivul populaţiei şi suprafaţa


21537,6 mii locuitori
administrativă: D p  2
 90,3 locuitori/km2;
238391 km

PIB2007 416006,8
 Produsul Intern Brut pe locuitor    19315,4 lei/locuitor
P01.07.2007 21537600

71
E _ FOB2007 29549 mil Euro
 Exportul pe locuitor    1372 Euro/locuitor
P01.07.2007 21537600 locuitori

I _ FOB2007 51322 mil Euro


 Importul pe locuitor    2382,9 Euro/locuitor
P01.07.2007 21537600 locuitori

Mărimile relative de dinamică (indici) se obţin prin raportarea aceluiaşi indicator


înregistrat pentru unităţi diferite de timp. În numărător apare indicatorul cu nivelul din
perioada curentă (x1) iar în numitor apare acelaşi indicator cu nivelul din perioada
considerată bază de comparaţie (x0). Raportul caracterizează evoluţia în timp, dinamica
procesului observat.

În cazul în care datele absolute privind indicatorul pe baza căruia se analizează


evoluţia în timp se referă la mai multe unităţi de timp succesive, se pot calcula în funcţie de
baza de comparaţie:

a) mărimi relative de dinamică cu bază fixă,

b) mărimi relative de dinamică cu bază în lanţ (mobilă).

Dacă se raportează nivelul absolut aferent fiecărei unităţi de timp (xt) la acelaşi nivel
considerat bază de comparaţie se obţin mărimi relative de dinamică cu bază fixă (indici cu
bază fixă).

xt
It /0  , t  1, n (3.9)
x0

Dacă se raportează fiecare termen la termenul precedent, rezultă mărimi relative de


dinamică cu bază în lanţ (mobilă).

xt
I t / t 1  , t  1, n (3.10)
xt 1

Mărimile relative de dinamică se exprimă de obicei procentual, numitorul raportului


fiind considerat egal cu 100. Între cele două modalităţi de calcul există următoarele relaţii:

 produsul mărimilor relative de dinamică cu bază în lanţ conduce la o mărime


relativă de dinamică cu bază fixă:

 t / t 1  I t / 0 (3.11)

 raportul dintre două mărimi relative de dinamică succesive cu bază fixă conduce
la o mărime relativă de dinamică cu baza în lanţ:

It /0
 I t / t 1 (3.12)
I t 1 / 0

Mărimile relative de dinamică se reprezintă grafic prin cronograme, dacă indicatorii


implicaţi în raport se referă la perioade succesive de timp, şi prin diagrame prin coloane,
dacă indicatorul din numărătorul şi numitorul raportului se referă la un singur moment dat.

72
Exemplu 3.4 – Calculul mărimilor relative de dinamică
Tabelul următor prezintă evoluţia exporturilor României în perioada 2000 – 2007.
Tabelul E.3.4.1 – Exporturile României în perioada 2000 – 2007 (mil. Euro)

Export FOB Mărimi relative de dinamică (%)


Anii
(mil. Euro) cu bază fixă cu bază în lanţ
2000 11273 100,0% 100,0%
2001 12722 112,9% 112,9%
2002 14675 130,2% 115,4%
2003 15614 138,5% 106,4%
2004 18935 168,0% 121,3%
2005 22255 197,4% 117,5%
2006 25850 229,3% 116,2%
2007 29549 262,1% 114,3%

Mărimile relative de dinamică cu baza fixă (2000 = 100) sunt prezentate în coloana a treia a
tabelul nr. 3.4.

12722
I 2001 / 2000   100  112,9%
11273
14675
I 2002 / 2000   100  130,2%
11273
....
29549
I 2007 / 2000   100  262,1%
11273
Mărimile relative de dinamică cu baza în lanţ sunt prezentate în coloana a patra a tabelului 3.4.

12722
I 2001 / 2000   100  112,9%
11273
14675
I 2002 / 2001   100  115,4%
12722
....
29549
I 2007 / 2006   100  114,3%
25850
Rezultatele calculelor de mai sus arată cât la sută reprezintă exporturile din fiecare an faţă de anul
2000 şi, respectiv, faţă de anul precedent. Dacă din fiecare mărime relativă de dinamică (indice)
exprimată procentual se scade 100 rezultă modificarea relativă (rata de modificare).
Dacă procedăm la calculul rapoartelor dintre indicii cu bază fixă, obţinem indicii cu bază în lanţ,
potrivit relaţiei (3.12). Spre exemplu, raportând indicele exporturilor din anul 2002 faţă de anul
2000 la indicele exporturilor din anul 2001 faţă de anul 2000, obţinem indicele exporturilor din
anul 2002 faţă de anul 2001.

73
I 2002 / 2000 130,2%
  115,3%  I 2002 / 2001
I 2001 / 2000 112,9%
Dacă procedăm la calculul produsului dintre indicii cu bază în lanţ pentru un segment din
perioadă observată, obţinem indicele de dinamică dintre valoarea variabilei pentru prima perioadă
din segmentul respectiv şi valoarea variabilei pentru ultima perioadă, potrivit relaţiei (3.11). Spre
exemplu, să calculăm produsul indicilor cu bază în lanţ pentru primele trei intervale de
comparaţie, adică segmentul 2000 – 2003.

15614 14675 12722


 2003 / 2000  I 2003 / 2002  I 2002 / 2001  I 2001 / 2000     100 
14675 12722 11273
15614
  100  138,5%  I 2003 / 2000
11273
După cum se poate observa, termenii interni ai rapoartelor se simplifică, rezultând raportul
termenilor externi, care corespund ultimei şi primei perioade din segmentul de timp analizat,
adică indicele exporturilor din perioada 2003 faţă de exporturile din anul 2000.

Mărimile relative de performanţă sunt rapoarte procentuale care exprimă cât la sută
reprezintă nivelul programat pentru perioada curentă faţă de nivelul realizat pentru perioada
precedentă sau cât la sută reprezintă nivelul unui indicator realizat în perioada curentă
comparativ cu nivelul programat pentru această perioadă.

Mărimile relative de performanţă pot fi:

 ale ţintei programate sau planificate:

xP
kP/0   100 (3.13)
x0

 ale atingerii ţintei programate:

x1
k1 / P   100 (3.14)
xP

Produsul celor două mărimi relative de performanţă conduce la o mărime relativă de


dinamică a realizărilor cu bază fixă:

xp x1 x
  1 (3.15)
x0 x p x0
Mărimile relative de performanţă se reprezintă grafic prin diagramele prin coloane.

74
3.4 Cuvinte - cheie
 indicator statistic  mărimi relative de coordonare
 indicatori primari  diagrama prin benzi
 indicatori derivaţi  diagrama prin coloane
 mărimi relative  mărimi relative de intensitate
 mărimi relative de structură  mărimi relative de dinamică
 diagrama de structură  cronograma
 pondere  mărimi relative ale ţintei programate
 frecvenţă relativă  mărimi relative ale atingerii ţintei

3.5 Intrebări de control


1. Ce este un indicator statistic?

2. Prin ce se deosebeşte un indicator derivat de unul primar?

3. Care sunt regulile a căror respectare asigură obţinerea unor mărimi relative
semnificative?

4. Care sunt criteriile în funcţie de care se alege forma de exprimare a mărimilor


relative?

5. Prin ce se deosebesc mărimile relative de coordonare de cele de structură?

6. Cum se reprezintă grafic mărimile relative de structură?

7. Cum se calculează o mărime relativă de intensitate pentru un ansamblu dacă se


cunosc mărimile relative de intensitate corespunzătoare unităţilor componente?

8. Care sunt mărimile relative de dinamică în funcţie de baza de comparaţie?

9. Care sunt relaţiile de trecere de la mărimile relative de dinamică cu bază în lanţ la


cele cu bază fixă şi invers?

10. Ce exprimă mărimile relative de performanţă?

3.6 Bibliografie
1. Elisabeta Jaba, Statistica, Editura Economică, Bucureşti 1998, p. 94-202

2. Tudor Baron, Elena Maria Biji, Statistica teoretică şi economică, Editura Didactică
şi Pedagogică, Bucureşti 1996, p. 64-70

3. Virgil Voineagu, Eugenia Lilea s.a, Statistica economică. Teorie şi aplicaţii,


Editura Tribuna Economică, Bucureşti 2002, p. 55-73

75
Capitolul 4: ANALIZA DESCRIPTIVĂ A SERIILOR DE
REPARTIŢIE

4.1 Introducere
Cunoaşterea statistică a trăsăturilor cantitative şi calitative ale fenomenelor şi
proceselor presupune, aşa cum am văzut în subcapitolul 2.2, să înregistrăm la nivelul
fiecărui element al colectivităţii cercetate valorile concrete (formele de manifestare)
corespunzatoare caracteristicilor cuprinse în programul observării. În urma înregistrării
(observării) se obţine o masă de date primare care nu permite sesizarea aspectelor
esenţiale, relevante pentru întreaga masă. Puterea de informare creşte dacă aceste date se
sistematizează în funcţie de una sau mai multe variabile atributive, proces care conduce la
obţinerea seriilor de repartiţie de frecvenţe, cum am văzut în subcapitolul 2.4. Aceste serii
oferă informaţii privind clasele/grupele care domină în serie, forma de repartiţie a frecvenţelor
ş.a. Astfel de serii sunt de exemplu: repartiţia agenţilor economici pe clase de mărime după
numărul salariaţilor, repartiţia populaţiei pe grupe de vârstă, repartiţia salariaţilor după
mărimea salariului brut/net, repartiţia clienţilor unei bănci după nivelul creditelor aflate în sold
etc.

În acest capitol se abordează aspecte metodologice privind valorile tipice, respectiv


valorile care sunt în măsură să evidenţieze ceea ce este esenţial şi comun într-o serie de
repartiţie, intensitatea variaţiei valorilor individuale în jurul unei valori tipice, descompunerea
variaţiei pe grupe de factori care au generat împrăştierea valorilor empirice. În cazul fiecarui
indicator se insistă asupra cazurilor de utilizare şi asupra limitelor indicatorului respectiv.

Mai întâi, însă vom trece în revistă câteva din conceptele prezentate în subcapitolele
2.3, 2.5 şi 3.3 referitoare la seriile de distribuţie, calculul principalilor indicatori şi
reprezentarea lor grafică.

4.2 Definirea, trăsăturile şi reprezentarea grafică a seriilor de


repartiţie
Seria de repartiţie sau seria de distribuţie este rezultatul grupării colectivităţii în
funcţie de variantele sau intervalele de variaţie ale unei caracteristici atributive cantitative sau
calitative.

Seriile de repartiţie se diferenţiază între ele după numărul caracteristicilor de grupare


şi după natura acestora.

Dacă se foloseşte o singură caracteristică de grupare, seria se numeşte


unidimensională sau unicriterială, iar dacă gruparea se face în funcţie de două sau mai multe
caracteristici rezultă serii bi şi multidimensionale.

Dacă caracteristica de grupare este una cantitativă (numerică), seria de repartiţie se


numeşte serie de variaţie.

77
Gruparea elementelor colectivităţii în funcţie de o caracteristică calitativă
(nenumerică) se concretizează într-o serie de atribute sau serie nominativă.

Prelucrarea şi analiza informaţiilor cuprinse într-o serie de repartiţie empirică trebuie


să ţină seama de trăsăturile unei astfel de serii. Principalele trăsături ale unei serii de
repartiţie sunt:

 omogenitatea termenilor unei serii de repartiţie se explică prin faptul că toate


valorile au acelaşi conţinut şi sunt cauzate de factori esenţiali. Omogenitatea
valorilor ce compun o serie de repartiţie presupune o variaţie cât mai mică între
aceste valori. Dacă termenii prezintă o variaţie pronunţată 22 se desprinde
concluzia că în colectivitatea studiată sunt prezente mai multe tipuri calitative,
ceea ce înseamnă că seria respectivă trebuie separată în două sau mai multe
serii distincte;

 independenţa termenilor este urmarea faptului că fiecare valoare individuală


este specifică pentru o anumită unitate a colectivităţii şi nu depinde de valoarea
înregistrată la celelalte unităţi. Desigur, această independenţă este relativă,
deoarece unităţile care fac parte din aceeaşi colectivitate se supun aceloraşi legi
care se manifestă sub formă de tendinţă;

 variabilitatea termenilor seriei este determinată de faptul că fenomenele de


masă nu sunt fenomene univoc determinate, ci se produc sub acţiunea mai multor
cauze, unele esenţiale iar altele întâmplătoare, care fac ca manifestarea
individuală să fie diversă, distinctă de alte manifestări. Cu cât influenţa cauzelor
aleatoare este mai pronunţată, cu atât variabilitatea termenilor este mai mare, iar
gradul de omogenitate a valorilor înregistrate este mai mic;

 concentrarea sau dispersarea termenilor seriei este expresia intensităţii


influenţei cauzelor esenţiale si neesenţiale. Dacă raportul de forţe dintre cele
două grupe de cauze tinde spre un echilibru relativ, frecvenţele de apariţie
corespunzătoare fiecărei unităţi sunt apropiate. Reprezentarea grafică seamănă
în acest caz cu o repartiţie uniformă sau rectangulară. Dacă factorii de influenţă
au diverse forme de manifestare şi intensităţi diferite, atunci frecvenţele de
apariţie corespunzătoare valorilor ce formează seria de repartiţie se pot concentra
astfel:

 către valorile care se află în mijlocul seriei, caz în care graficul repartiţiei tinde
să semene cu un clopot Gauss-Laplace (normală).

 către cele două extremităţi ale repartiţiei, caz în care reprezentarea grafică
sugerează o curbă în formă de «U».

 către una din valorile extreme ale seriei, atunci graficul seamănă cu un «J».

22
În acest paragraf, noţiunea de variaţie poate fi înţeleasă mai mult intuitiv, în sensul că datele sunt
mai mult sau mai puţin diferite între ele. În subcapitolul 4.5 vom prezenta pe larg conceptul de variaţie,
modul său de calcul şi de interpretare.

78
Diversitatea situaţiilor care pot fi întâlnite în practică impune ca economistul să aibă în
vedere, la alegerea metodelor statistice folosite în analiza seriilor de repartiţie, natura
distribuţiei empirice.

Oricare ar fi natura seriei de repartiţie, elementele centrale ale acesteia sunt valorile
variabilei observate şi frecvenţele de apariţie a fiecărei stări individuale ale variabilei
respective.

Cum am văzut în subcapitolul 2.5, frecvenţele absolute (ni) exprimă numărul


unităţilor elementelor cuprinse într-o grupă, definită de o variantă sau un interval de variaţie.
Frecvenţele absolute se exprimă în unităţi concrete de măsură (număr de agenţi economici,
număr de salariaţi, număr de clienţi etc). În Tabelul E.4.1.1 frecvenţele absolute apar în
coloana a doua şi indică câţi agenţi economici se încadrează în fiecare interval.

Compararea frecvenţelor absolute a două repartiţii alcătuite pentru aceeaşi


caracteristică dar cu număr diferit de unităţi componente nu poate fi realizată pe baza
frecvenţelor absolute. Compararea presupune, în acest caz folosirea frecvenţelor relative.

Frecvenţele relative (fi) exprimă ponderi, greutăţi specifice, câte părţi ale unităţilor
corespunzătoare unei variante sau grup de variante se regăsesc în totalul colectivităţii. Deci,
frecvenţele relative sunt mărimi relative de structură :

ni
fi  k
 100 , i  1, k ,
n
i 1
i

unde k este numărul de grupe determinate pentru o variabilă numerică continuă sau
de variante (modalităţi) ale variabilei discrete.

În cazul repartiţiei din Tabelul E.4.1.1, frecvenţele relative sunt prezentate sub formă
de coeficient şi ca procente în coloanele 3 şi 4.

În analiza repartiţiilor empirice este uneori necesar să se cunoască frecvenţa


absolută sau relativă la care s-a înregistrat cel mult o valoare xi şi, respectiv, cel puţin o
anumită valoare xi. Indicatorul frecvenţelor la care se recurge în acest caz este frecvenţa
cumulată. Acest indicator ne ajută să răspundem la întrebări simple, dar al căror răspuns se
dovedeşte extrem de relevant în numeroase situaţii: care este procentul firmelor cu cel mult
9 angajaţi? Care este numărul punctelor de vânzare cu realizări de cel puţin 3000 de lei pe
zi? Care este numărul gospodăriilor populaţiei al căror venit mediu zilnic pe persoană este
de cel mult 10 lei pe zi? Cât la sută din agenţii economici au o cifră de afaceri anuală de cel
mult 100.000 Euro?

Frecvenţele cumulate corespunzătoare unei valori empirice a caracteristicii xi se


calculează însumând frecvenţele absolute sau relative începând cu cele corespunzătoare
valorilor mai mici sau începând cu cele aferente valorilor mai mari ale caracteristicii până la
sau de la xi inclusiv. În primul caz rezultă frecvente cumulate crescător respectiv frecvenţe
cumulate descrescător, în cel de-al doilea caz.

Frecvenţele cumulate servesc şi la exprimarea nivelului de concentrare într-o


colectivitate şi la determinarea unori indicatori ai tendinţei centrale, cum este mediana.

79
Dacă o repartiţie este alcătuită pe intervale neegale de grupare, frecvenţele relative
nu sunt în măsură să sugereze forma repartiţiei – prin reprezentare grafică – deoarece nu
sunt direct comparabile. În asemenea situaţie trebuie să se recurgă la densităţile de
frecvenţe.

Rolul densităţilor de frecvenţă este esenţial pentru definirea completă a distribuţiei de


frecvenţe şi, prin generalizare, a distribuţiei de probabilităţi, deoarece regula este ca aria
barei care reprezintă fiecare clasă de interval să fie egală cu numărul de unităţi din acea
clasă de interval (v. Fig. 2.6 şi Fig. 2,7). Cu alte cuvinte, înălţimea barei este egală cu
proporţia unităţilor din fiecare interval împărţită la amplitudinea clasei de interval. Aşadar,
densitatea de frecvenţă (înălţimea barei) se defineşte ca raportul dintre frecvenţa absolută
(ni) sau relativă (fi) şi mărimea intervalelor de grupare (hi). Dacă densităţile de frecvenţe
descresc spre cele două capete ale seriei, repartiţia empirică tinde spre o repartiţie normală
(vezi tabelul nr. E4.1.3, coloanele 5 şi 6).

O primă imagine asupra formei repartiţiei se obţine prin intermediul reprezentării


grafice. Repartiţiile de frecvenţe unidimensionale se vizualizează prin următoarele tipuri de
grafice:

 histograma, poligonul frecvenţelor şi poligonul frecvenţelor cumulate, dacă


variabila prezintă o variaţie continuă;

 diagrama prin coloane, dacă repartiţia s-a construit pentru o variabilă cu o variaţie
discretă.

Pentru exemplificarea celor de mai sus, vom prezenta în continuare etapele de lucru
şi rezultatele obţinute.

Exemplul 4.1. – Indicatorii frecvenţelor unei serii de repartiţie şi reprezentarea lor grafică
Să presupunem că, în urma unei cercetări statistice, au fost culese date referitoare la cifra de
afaceri obţinută în anul 2009 de un număr de 200 de companii specializate în producţia de
accesorii auto.
Datele au fost grupate în intervale de variaţie, iar pentru fiecare interval au fost calculate
frecvenţele absolute şi relative, prezentate în Tabelul E.4.1.1

80
Tabelul E.4.1.1 – Distribuţia întreprinderilor după cifra de afaceri

Număr Ponderea numărului de


Cifra de afaceri companii companii în total
(mii lei) Frecvenţa relativă (fi)
Frecvenţa
absolută (ni) Coeficient Procente
1 2 3 4
Sub 2000 15 0,075 7,5%
Între 2000 şi 2400 25 0,125 12,5%
Intre 2400 şi 2800 50 0,250 25,0%
Intre 2800 şi 3200 46 0,230 23,0%
Intre 3200 şi 3600 35 0,175 17,5%
Intre 3600 şi 4000 24 0,120 12,0%
Peste 4000 5 0,025 2,5%
Total 200 1,000 100,0%
Notă: Limita superioară este cuprinsă în interval
Construirea histogramei, a poligonului frecvenţelor şi a poligonului frecvenţelor cumulate
presupune închiderea intervalelor marginale deschise. Se poate proceda astfel:

 limita inferioară a primului interval, respectiv limita superioară al ultimului interval este
valoarea empirică cea mai mică (xmin) respectiv cea mai mare (xmax) înregistrată ;

 daca nu se cunosc aceste valori extreme, închiderea intervalelor deschise se face cu


mărimea intervalelor învecinate. Deci x1,inf = 2000-400=1600 iar x7,sup = 4000+400=4400.
Fig. 4.1 – Repartiţia agenţilor economici după cifra de afaceri

60

50

40
Nr. unitati

30

20

10

0
1600 - 2 000 - 240 0 - 2800 - 3 200 - 36 00 - 400 0 -
2000 2 400 280 0 3200 3 600 40 00 440 0
Cifra de afaceri

Construirea poligonului frecvenţelor presupune marcarea, în cadranul I al sistemului de


coordonate rectangulare, a punctelor cu coordonatele xi (mijlocul intervalului) şi ni (frecvenţele de
apariţie) şi unirea punctelor succesive prin segmente de dreaptă. Suma ariilor dreptunghiurilor
care definesc histograma trebuie să fie egală cu aria delimitată de poligonul frecvenţelor si axa Ox.

81
Fig. 4.2 – Repartiţia agenţilor economici după cifra de afaceri (reprezentare prin poligonul
frecvenţelor)

60

50

40
Nr. unitati

30

20

10

0
1600 - 2000 2000 - 2400 2400 - 2800 2800 - 3200 3200 - 3600 3600 - 4000 4000 - 4400

Cifra de aface ri

În continuare, pentru exemplificarea modului de calcul şi a utilităţii frecvenţelor absolute


sau relative cumulate, să presupunem că ne interesează câte companii din totalul celor studiate
au avut o cifră de afaceri de cel mult 3200 mii lei (vezi tabelul nr. E.4.1.2). In acest scop se
cumulează frecvenţele absolute corespunzătoare primelor patru intervale, deci 136, respectiv 68%
din totalul companiilor, valoare pe care o citim în celula de la intersecţia coloanei a 5-a cu cu
rândul celei de a patra clase de interval.
În coloana a 6-a găsim frecvenţele relative cumulate descrescător, care se citeşte în felul următor:
100% dintre companii au o cifră de afaceri cel puţin egală cu cea din primul interval. Sau, dacă
închidem primul interval cu amplitudinea intervalului următor şi obţinem limita inferioară a
primului interval, egală cu 1600 mii lei, putem spune că 100% dintre companii au o cifră de
afaceri mai mare de 1,6 milioane lei. A doua linie din coloana a 6-a ne arată ca 92,5% dintre
companiile studiate au o cifră de afaceri de peste 2 milioane lei.
Dacă ne interesează care este proporţia companiilor care au avut o cifră de afaceri de cel puţin
2400 mii lei, avem la îndemână două posibilităţi. Prima este să citim în coloana a 5-a, a
frecvenţelor relative cumulate crescător, care este proporţia companiilor care au avut o cifră de
afaceri de cel mult 2400 de lei, adică 20%, pe care o scădem din 100 şi obţinem rezultatul căutat:
80%. Cea de a doua posibilitate este să citim în coloana a 6-a, a frecvenţelor relative cumulate
descrescător, care este valoarea corespunzătoare companiilor din intervalul 2400 – 2800 şi
obţinem, de asemenea, rezultatul căutat: 80% (vezi Tabelul E.4.1.2 ).

82
Tabelul E4.1.2. – Frecvenţele relative cumulate ale distribuţiei întreprinderilor după cifra de
afaceri
Număr Frecvenţa absolută Frecvenţa relativă
companii cumulată cumulată (%)
Cifra de afaceri (ni*) (Fi)
Frecvenţa
absolută Crescător Descrescător Crescător Descrescător
(ni)
1 2 3 4 5 6
1600 – 2000 15 15 200 7,5% 100,0%
2000 – 2400 25 40 185 20,0% 92,5%
2400 – 2800 50 90 160 45,0% 80,0%
2800 – 3200 46 136 110 68,0% 55,0%
3200 – 3600 35 171 64 85,5% 32,0%
3600 – 4000 24 195 29 97,5% 14,5%
4000 – 4400 5 200 5 100,0% 2,5%
Total 200 200

O repartiţie construită pe baza frecvenţelor cumulate se reprezintă grafic prin poligonul


frecvenţelor cumulate, numit si ogivă (vezi fig. 4.3)
Fig. 4.3 – Repartiţia agenţilor economici după cifra de afaceri (reprezentare prin poligonul
frecvenţelor cumulate crescător şi descrescător)

250

200
Nr. unitati

150

100

50

0
1600 - 2000 2000 - 2400 2400 - 2800 2800 - 3200 3200 - 3600 3600 - 4000 4000 - 4400

Cifr a de afacer i

Frecvenţele cumulate sunt comparabile între ele indiferent de mărimea intervalelor de grupare.
Punctul de intersecţie a celor două curbe reprezintă cifra de afaceri mediană, de aproximativ 2900
mii lei.
Pentru exemplificarea calculului densităţii de frecvenţă, să apelăm la datele din tabelul
E.4.1.3.
Densitatea de frecvenţă absolută aferentă primului interval de variaţie (sau grupă de interval)
este rezultatul împărţirii dintre frecvenţa absolută a acestui interval (15) la amplitudinea
intervalului (400). Aşadar, 15/400 = 0,0375.

83
Densitatea de frecvenţă relativă rezultă fie din împărţirea densităţii de frecvenţă absolută
(0,0375) la numărul total de companii (200) înmulţită cu 100, fie din împărţirea frecvenţei relative
corespunzătoare (7,5%) la amplitudinea intervalului (400). Echivalenţa celor două opţiuni este
destul de evidentă:

d1a n 1 0,0375 15 1
d1r   100  1   100   100    100
n h1 n 200 400 200

sau

f1% n 1 15 1
d 
1
r
  1  100    100 
h1 n h1 200 400

Tabelul E4.1.3. – Frecvenţele absolute, frecvenţele relative şi densităţile de frecvenţă ale


distribuţiei întreprinderilor după cifra de afaceri
Număr Ponderea
companii numărului de
Cifra de afaceri Densitatea de frecvenţă
companii în total
(mii lei) Frecvenţa
Frecvenţa relativă (fi)
absolută
(ni) Coeficient Procente Absolută Relativă
1 2 3 4 5 6
1600 – 2000 15 0,075 7,5% 0,0375 0,0188
2000 – 2400 25 0,125 12,5% 0,0625 0,0313
2400 – 2800 50 0,250 25,0% 0,1250 0,0625
2800 – 3200 46 0,230 23,0% 0,1150 0,0575
3200 – 3600 35 0,175 17,5% 0,0875 0,0438
3600 – 4000 24 0,120 12,0% 0,0600 0,0300
4000 – 4400 5 0,025 2,5% 0,0125 0,0063
Total 200 1,000 100,0% - -
Reprezentarea grafică a densităţilor de frecvenţă scoate în evidenţă faptul că înălţimea lor este
proporţională cu aria suprafeţelor determinate de frecvenţele fiecărui interval de grupare şi de
mărimea acestora. Din cauza faptului că intervalele sunt egale, graficul densităţilor de frecvenţă
este similar cu cel al frecvenţelor absolute din Figura 4.1.

84
Fig. 4.4 – Histograma repartiţiei agenţilor economici după cifra de afaceri (suprafaţa fiecărei
coloane este egală cu proporţia numărului de companii din fiecare interval de grupare)

0,1400

0,1200
Proportia companiilor

0,1000

0,0800

0,0600

0,0400

0,0200

0,0000
1600 - 2000 - 2400 - 2800 - 3200 - 3600 - 4000 -
2000 2400 2800 3200 3600 4000 4400
Cifra de aface ri

Repartiţia agenţilor economici după cifra de afaceri tinde către repartiţia normală, concluzie care
rezultă şi din figura nr. 4.2, din cauza faptului că frecvenţele relative descresc către capetele seriei.
În realitate, însă, este foarte rar ca o distribuţie de frecvenţe să urmeze o distribuţie normală.

4.3 Indicatorii tendinţei centrale


Repartiţiile si prezentarea lor sub formă de tabele şi grafice oferă o imagine asupra
colectivităţii statistice care a fost supusă analizei. Caracterizarea mai concisă presupune
folosirea unor valori tipice cu o mare putere de sinteză şi de informare, care pot fi utilizate la
compararea mai multor repartiţii empirice. Prin aceste valori tipice se caracterizează masa
valorilor empirice printr-o singură expresie numerică. Aceste valori tipice au menirea de a
exprima ceea ce este comun, tipic, esenţial pentru elementele colectivităţii cercetate şi sunt
denumite indicatori ai tendinţei centrale.

Complexitatea realităţii impune, în funcţie de variabilitatea valorilor individuale, de


tipul de scală de măsurare, de natura datelor disponibile etc., folosirea mai multor indicatori
ai tendinţei centrale. În practica statistică se utilizează ca principali indicatori ai tendinţei
centrale mărimile medii.

În funcţie de natura datelor disponibile şi de necesităţile de analiză poate fi folosită


una din următoarele două grupe de mărimi medii: medii calculate şi medii poziţionale (de
poziţie).

Caracterizarea tendinţei centrale în cazul unei repartiţii unidimensionale se poate


realiza prin media aritmetică, prin mediana (valoarea centrală) şi prin valoarea modală sau
mod (valoarea dominantă).

85
Media reprezintă în statistică principalul indicator prin care se caracterizează sintetic
un număr mare de valori individuale. Media este rezultatul sintetizării într-un singur număr,
fiind nivelul reprezentativ a tot ceea ce este esenţial şi tipic în masa valorilor individuale.
Fiind o mărime rezultată dintr-un calcul, media nu coincide de cele mai multe ori cu nici una
din valorile empirice. Se exprimă în unităţi concrete de măsură şi anume în aceleaşi unităţi
de măsură ca şi valorile concrete din care se calculează.

Media poate descrie ceea ce este esenţial, comun, obiectiv într-o masă de
manifestări individuale, dacă sunt îndeplinite următoarele cerinţe fundamentale:

 numărul valorilor individuale din care se calculează să fie suficient de mare;

 valorile individuale din care se calculează o medie să fie cât mai apropiate ca
mărime, ceea ce înseamnă să formeze un ansamblu omogen. Dacă colectivitatea
este eterogenă se recomandă împărţirea acesteia pe grupe şi calcularea de medii
de grupă / condiţionale ;

 alegerea tipului de medie trebuie să pornească de la natura variaţiei fenomenului


analizat.

4.3.1 Media aritmetică


Media aritmetică ( x ) este cea mai cunoscută şi cea mai utilizată medie. Este
rezultatul raportului dintre suma valorilor individuale observate şi numărul total al unităţilor
din colectivitatea statistică pentru care s-au înregistrat valori valide 23 . În sens statistic, media
aritmetică este valoarea care s-ar fi înregistrat în toate cazurile individuale dacă toţi factorii
de influenţă ar fi fost constanţi. În aceste condiţii, abaterea valorilor individuale de la media
lor se datorează acţiunii factorilor întâmplători, neesenţiali.

Media aritmetică poate fi aplicată în cazul unei variabile măsurate printr-o scală
metrică, iar datele din care se calculează sunt valori primare, direct măsurabile. Teoretic ar
trebui ca valorile empirice observate să tindă să formeze o progresie aritmetică, însă rareori
ne vom găsi în realitate în faţa unei asemenea situaţii.

Media aritmetică are avantajul că este uşor de aplicat şi este uşor de înţeles. Media
aritmetică are marele dezavantaj că este sensibilă la valorile extreme, adică valorile mult mai
mici sau mult mai mari decât marea majoritate a celorlalte valori tind să subestimeze sau să
supraestimeze valoare medie obţinută.

Media aritmetică este acea valoare care înlocuind toate valorile individuale (xi), nu
modifică suma acestora ( x i ).

Media aritmetică poate fi calculată ca o medie simplă şi ca o medie ponderată.


23
Existenţa valorilor valide este un aspect extrem de important în calculul indicatorilor tendinţei
centrale, deoarece există o diferenţă între o valoare “lipsă” şi valoarea “zero” atribuită unei variabile
numerice. Dacă o valoare lipseşte – nu a fost observată sau, din punct de vedere logic, nu se poate
atribui o valoare unei variabile observate pentru o anumită unitate – atunci ea nu intră în calculul
indicatorului respectiv, nici la numărător, nici la numitor. In caz contrar rezultatul este în mod eronat
subestimat, deoarece nu intră în calcului numărătorului, dar intră în calculul numărului de unităţi, de la
numitor.

86
Pentru o serie simplă, suma valorilor individuale este:
n
x1  x 2  ....  x n   x i (4.1)
i 1

şi, înlocuind fiecare termen cu media x


n
x  x  ....  x  n  x   x i (4.2)
i 1

se obţine relaţia mediei aritmetice simple:


n

x i
x i 1
(4.3)
n
Relaţia (4.3) se aplică dacă fiecare valoare empirică a fost observată o singură dată
sau de acelaşi număr de ori, deci când frecvenţele de apariţie sunt egale.

În cazul unei serii de frecvenţe valorile individuale apar de un număr diferit de ori (ni).
Pentru a obţine, în acest caz, nivelul totalizator al valorilor individuale se ţine seama de
frecvenţa absolută înregistrată în cazul fiecărei valori distincte (xi · ni). Media aritmetică se
calculează sub forma mediei aritmetice ponderate, după formula :
k

 x n i i
x i 1
k
, (4.4)
n i 1
i

unde i  1, k grupe sau variante ale unei variabile numerice discrete.

ni
În relaţia (4.4) expresia k
reprezintă recvenţa relativă fi, care exprimă ponderea
n
i 1
i

cu care intră în calculul mediei fiecare valoare distinctă înregistrată. Deci, dacă se dispune
de o repartiţie de frecvenţe relative, media aritmetică se calculează după relaţia:
k
x   xi  fi , (4.5)
i 1

când frecvenţele relative se exprimă sub formă de coeficienţi şi


k

x f i i
x i 1
, (4.6)
100
când frecvenţele relative sunt exprimate procentual.

87
Exemplul 4.2 – Calculul mediei aritmetice pentru o serie de repartiţie cu valori discrete
Pentru ilustrarea modului de calcul al mediei aritmetice, să presupunem că am cules datele din 50
de companii pentru care variabila de observare a fost numărul de angajaţi şi că vrem să aflăm care
este numărul mediu de angajaţi pe o companie. Datele sunt prezentate în tabelul E.4.2.1.
În prima coloană regăsim valorile observate ale variabilei de interes – numărul de angajaţi – şi în
coloana a doua frecvenţele absolute – numărul de companii al căror număr de angajaţi este 8, 12,
15 etc. În coloana a treia este calculată frecvenţa relativă exprimată în procente, pentru a vedea
cum putem utiliza cele două modalităţi de exprimare a frecvenţei în formulele de calcul ale mediei
aritmetice.
Întrucât avem la dispoziţie frecvenţele de apariţie ale fiecărei variante ale variabilei de interes,
vom utiliza formula mediei aritmetice ponderate.
Pentru controlul corectitudinii calculelor, este recomandat să folosim modelul tabelului de calcul,
în care vom înscrie în coloane succesive rezultatele fiecărei etape de lucru. Acest tabel este folosit
numai pentru scopuri didactice şi este util pentru înţelegerea modului de calcul al fiecărui
indicator al tendinţei centrale. În aplicaţiile practice, aceşti indicatori pot fi lesne calculaţi cu
ajutorul pachetelor informatice, de la cele mai comune, cum este MS Excel, până la pachetele
specializate de analiză a datelor şi de realizare a rapoartelor (SPSS, SAS etc.)
Astfel, dacă suntem în situaţia să utilizăm relaţia de calcul (4.4), a mediei aritmetice ponderate,
k
ceea ce ne interesează este să obţinem suma produselor de la numărător:  x n
i 1
i i . De aceea, în

coloana a 4-a a tabelului vom înscrie rezultatul înmulţirii dintre fiecare variantă a variabilei de
interes şi frecvenţa absolută care corespunde acesteia: x i ni .

Tabelul E.4.2.1 – Distribuţia companiilor după numărul de angajaţi

Numărul de Frecvenţa
Frecvenţa
angajaţi relativă (fi) x i ni xi  fi
absolută (ni)
(xi) %
1 2 3 4 5
8 5 10 40 80
12 10 20 120 240
15 15 30 225 450
24 10 20 240 480
32 7 14 224 448
45 3 6 135 270
Total 50 100 984 1968
k
Suma produselor din coloana a 4-a este 984, iar numărul total al unităţilor (  ni ) este 50.
i 1

Aplicând relaţia (4.4), obţinem:

88
k

 x n i i
984
x i 1
k
  19,68 angajaţi 24 .
n
50
i
i 1

Dacă apelăm la relaţia (4.6), în coloana a 5-a calculăm produsul dintre variantele variabilei de
k
interes şi frecvenţa relativă exprimată procentual (  x i  f i ), după care însumăm rezultatele
i 1

obţinute. Rezultatul este următorul:


k

x f i i
1968
x i 1
  19,68 angajaţi.
100 100
Aşadar, indiferent de relaţia de calcul folosită, rezultatul este acelaşi: o companie dintre cele 50
incluse în studiu au în medie un număr de aproximativ 20 de angajaţi.

Dacă repartiţia de frecvenţe a fost construită pe intervale de grupare egale sau


neegale, media aritmetică se estimează aplicând una din relaţiile 4.4 – 4.6. Specificitatea
acestui caz constă în stabilirea valorii variabilei de interes pe care o vom folosi în calcularea
indicatorilor tendinţei centrale. Mai precis, fiecare interval de grupare se ia în calculul mediei
cu centrul (mijlocul) intervalului (ci) ca valoare a variabilei de interes (xi). Centrul fiecărui
interval se determină ca o medie aritmetică simplă ale limitelor fiecărui interval:

xi inf  xi sup
ci  (4.7)
2
Se procedează astfel pornind de la ipoteza că frecvenţele se distribuie uniform pe
intervalul de grupare. Această ipoteză nu se verifică întotdeauna, motiv pentru care nivelul
k n
totalizator calculat (  x i ni ) nu este egal cu suma valorilor empirice (  x i ).
i 1 i 1

Media calculată pentru o repartiţie de frecvenţe construită pe intervale de grupare


este numai o estimare a mediei calculată pe baza datelor negrupate. Estimarea este cu atât
mai grosieră cu cât intervalele de grupare sunt mai mari.

Calculul mediei aritmetice ponderate pentru o serie de repartiţie cu intervale de


grupare este ilustrat în exemplul 4.3.

24
Să ne reamintim că unitatea de măsură a mediei aritmetice este aceeaşi cu cea a variabilei de
interes. În cazul de faţă, unitatea de măsură este “angajat”.

89
Exemplul 4.3 – Calculul mediei aritmetice ponderate pentru o serie de repartiţie cu
intervale de grupare
Vom utiliza datele prezentate în Tabelul E.4.1.1 la care vom adăuga, succesiv, coloanele de calcul
care ne ajută să ajungem la rezultatul aşteptat.
Tabelul E.4.3.1 – Distribuţia companiilor după cifra de afaceri

Cifra de afaceri Frecvenţa Centrul


c i  ni
(mii lei) (xi) absolută (ni) de interval (ci)
1 2 3 4
Sub 2000 15 1800 27000
Între 2000 şi 2400 25 2200 55000
Intre 2400 şi 2800 50 2600 130000
Intre 2800 şi 3200 46 3000 138000
Intre 3200 şi 3600 35 3400 119000
Intre 3600 şi 4000 24 3800 91200
Peste 4000 5 4200 21000
Total 200 581200
Notă: Limita superioară este cuprinsă în interval
În coloana a 3-a vom calcula centrele de interval. Intervalele marginale fiind deschise, se închid
convenţional, pornind de la mărimea intervalelor alăturate: x1inf = x1sup – 4000 = 1600 şi x7sup =
x7inf + 400 = 4400.
Primul centru de interval este:

x1 inf  x1 sup 1600  2000 3600


c1     1800
2 2 2
Al doilea este:

x 2 inf  x 2 sup 2000  2400 4400


c2     2200
2 2 2
Mai departe, calculele sunt similare. Să observăm că, intervalele fiind de amplitudine egală (400 de
angajaţi), centrele de interval păstrează aceeaşi amplitudine.

În coloana a 5-a vom calcula produsul ci  ni dintre centrele de interval şi frecvenţele absolute,
similar cu produsul xi  ni , după care însumăm rezultatele.

90
Media aritmetică ponderată, potrivit relaţiei (4.4), este:
k

 c n i i
581200
x i 1
k
  2906 mii lei.
n
200
i
i 1

Aşadar, cifra medie de afaceri a companiilor studiate a fost de 2906 mii lei.

Media aritmetică are câteva proprietăţi matematice, care sunt de mare importanţă
pentru aplicarea ei în statistică.

1) media aritmetică este cuprinsă în intervalul de variaţie al variabilei:

x min  x  x max (4.8)

2) suma abaterilor valorilor individuale de la media lor este egală cu zero:

 pentru o serie simplă:


n

 (xi 1
i  x)  0 (4.9)

 pentru o serie de frecvenţe


k

 (xi 1
i  x )  ni  0 (4.10)

3) dacă toate valorile individuale se măresc sau se micşorează cu o constantă a,


media noii serii se modifică în acelaşi sens şi cu aceeaşi constantă a:
n n

 (x i  a)  xi na
x  i 1
 i 1
  xa (4.11)
n n n
respectiv,
k k k

 (x i  a )  ni  xi  n i a   ni
x  i 1
k
 i 1
k
 k
i 1
 xa (4.12)
n
i 1
i n
i 1
i n
i 1
i

4) dacă toate valorile individuale se modifică prin împărţirea / înmulţirea cu o


constantă h, media noii serii va fi de h ori mai mică / mai mare decât media seriei
iniţiale.

 pentru o serie simplă:


n n
xi

i 1 h
x
1 i 1 i x
x     (4.13)
n h n h

91
 pentru o serie de frecvenţe
k k
xi
 h n i
1
 xi  n i
x
x  i 1
k
  i 1
k
 (4.14)
n n
h h
i i
i 1 i 1

Ţinând seama de ultimele două proprietăţi menţionate se obţine relaţia de calcul


simplificat al mediei aritmetice:

 Pentru o serie simplă:


n
( xi  a )
 h
x i 1
h  a (4.15)
n
 Pentru o serie de frecvenţe:
k
( xi  a )
 h
 ni
x i 1
k
h  a (4.16)
n
i 1
i

Cele două constante semnifică:

 h este mărimea intervalului de grupare

 a poate fi centrul oricărui interval de grupare .

Această metodă este aplicabilă atunci când gruparea este realizată pe intervale
egale.

Dacă se micşorează toate frecvenţele prin împărţirea la o constantă c, media seriei


nu se modifică.
k
ni 1 k
 xi  c
  x  ni
c i 1 i
x i 1
k
 x (4.17)
ni 1 k

i 1 c
  ni
c i 1
k
Constanta c reprezintă, de regulă, totalul frecvenţelor absolute (  n ).
i 1
i

Într-o colectivitate împărţită pe subcolectivităţi, media pe total se poate calcula şi ca o


medie aritmetică a mediilor subcolectivităţilor xi .

 Când subcolectivităţile sunt de aceeaşi talie:


k

x i
x i 1
(4.18)
k
 Când subcolectivităţile au talie diferită, adică au un număr diferit de unităţi:

92
k

x i  ni
x i 1
k
(4.19)
n
i 1
i

Aplicarea relaţiei de calcul simplificat al mediei este exemplificată în cele ce urmează.

Exemplul 4.4– Calculul mediei aritmetice ponderate pentru o serie de repartiţie cu


intervale de grupare
Vom utiliza datele din tabelul E.4.1.1. De regulă, constanta a este centrul intervalului frecvenţa
cea mai mare, care este¸în cazul nostru 2600, deoarece are frecvenţa absolută egală cu 50.
Amplitudinea intervalului este 400. Aşadar, a = 2600 şi h = 400.
În coloana a 4-a calculăm raportul dintre diferenţa centrelor de interval faţă de constanta aleasă şi
amplitudinea intervalului
Tabelul E.4.4.1 – Distribuţia companiilor după cifra de afaceri

Cifra de afaceri Frecvenţa Centrul ci  a ci  a


 ni
(mii lei) (xi) absolută (ni) de interval (ci) h h
1 2 3 4 5
Sub 2000 15 1800 -2 -30
Între 2000 şi 2400 25 2200 -1 -25
Intre 2400 şi 2800 50 2600 0 0
Intre 2800 şi 3200 46 3000 1 46
Intre 3200 şi 3600 35 3400 2 70
Intre 3600 şi 4000 24 3800 3 72
Peste 4000 5 4200 4 20
Total 200 153
Notă: Limita superioară este cuprinsă în interval
Înlocuind în relaţia (4.15) datele noastre, obţinem:
k
( xi  a )
 h
 ni
153
x i 1
k
h  a   400  2600  2906 mii lei
n
200
i
i 1

Se observă faptul că media determinată pe baza relaţiei de calcul simplificat este egală cu cea
obţinută prin aplicarea relaţiei de bază (4.4) din Exemplul 4.3.

Pentru aceeaşi serie de repartiţie, dacă schimbăm de numărul de clase (grupe) sau
alegem limite diferite de interval, se pot obţine valori medii diferite. Dacă dorim să comparăm
două fenomene, de cele mai multe ori suntem tentaţi să comparăm mediile, pentru că sunt
uşor de înţeles. Totuşi, e necesară maximă precauţie atunci când comparăm direct două
valori medii, pentru că e nevoie de o investigare mai aprofundată a colectivităţilor statistice

93
din care provin cele două mărimi, mai concret a structurii acestora şi a momentelor la care
au fost realizate observaţiile.

Mai mult, în cazul mediilor ponderate, trebuie să fim prudenţi în interpretare deoarece
ponderile pot introduce un efect de structură, determinat de ponderile fiecărei valori
observate.

Vom ilustra efectul structurii asupra mediei aritmetice ponderate în cele ce urmează.

Exemplul 4.5– Efectul de structură asupra mediei aritmetice ponderate


Să presupunem că două companii, A şi B, realizează acelaşi aparat electric, iar operatorii – bărbaţi
şi femei – realizează câte o operaţiune diferită pentru care fiecare este plătit.
În compania A, din totalul operatorilor, ¾ sunt bărbaţi care sunt plătiţi cu 16 lei pentru fiecare
aparat la care realizează operaţiunile stabilite, iar restul de ¼ dintre operatori care sunt femei sunt
plătite cu 12 lei/aparat.
În compania B, din totalul operatorilor, ¼ sunt bărbaţi care sunt plătiţi cu 17 lei pentru fiecare
aparat la care realizează operaţiunile stabilite, iar restul de ¾ dintre operatori care sunt femei sunt
plătite cu 13 lei/aparat.
Evident, operatorii companiei B sunt mai bine plătiţi decât cei din compania A, însă plata medie
pe aparat este diferită în cele două companii:
3  1 
Compania A: x A =  x16    x12   15 lei/aparat
4  4 
1  3 
Compania B: x B =  x17    x13   14 lei/aparat
4  4 
Aşadar, chiar dacă în compania B plata individuală este mai bună, plata medie este mai mică,
pentru că ponderea femeilor, care sunt plătite mai puţin decât bărbaţii, este cu 50 de puncte
procentuale mai mare decât în compania A, pentru un plus de doar 1 leu pe aparat.

4.3.2 Mediana (valoarea centrală)


Mediana (Me) unei serii este acea valoare care împarte şirul valorilor ordonate
crescător în două părţi egale. Cu alte cuvinte, 50% dintre valori se găsesc în stânga
medianei şi 50% se găsesc în dreapta ei.

Xmin Me Xmax

Mediana presupune că formele de manifestare ale caracteristicilor pot fi măsurate cel


puţin printr-o scală ordinală.

Indiferent de tipul seriei (simplă sau de frecvenţe), determinarea medianei presupune:

a) stabilirea locului medianei;

b) calcularea valorii mediane

Locul medianei se află prin relaţia:

94
n 1
LoMe  (4.20)
2
În cazul unei serii simple formată dintr-un număr impar de termeni, mediana este
tocmai valoarea centrală, din mijloc.

Dacă, de exemplu, dispunem de şirul ordonat de valori: 2, 4, 4, 6, 7, 9, 10, atunci


mediana ocupă poziţia a 4-a în serie.

7 1
LoMe  4
2
În şirul nostru, cea de a 4-a valoare este „6”. În concluzie, Me  6

Dacă seria este formată dintr-un număr par de termeni, atunci mediana se
localizează între cei doi termeni centrali. Valoarea medianei se determină, în acest caz, ca o
medie aritmetică simplă a celor doi termeni din mijlocul seriei.

De exemplu, dacă seria este formată din valorile: 2, 4, 4, 6, 7, 9, 10, 15, mediana se
8 1
situează între termenii care ocupă poziţiile patru şi cinci în serie ( LoMe   4,5 ) şi este
2
egală cu media aritmetică a celor doi termeni, respectiv valorile 6 şi 7, adică:

67
Me   6,5
2
Într-o serie construită pe intervale de grupare, locul medianei indică intervalul în care
se situează. La calcularea valorii medianei se porneşte, ca şi în cazul mediei, de la ipoteza
că valorile se distribuie uniform pe întregul interval de grupare. Valoarea medianei se
estimează pe baza relaţiei :

n  1 Me
  ni
2
Me  x 0  h  i 1
(4.21)
n Me

unde:

- x0 este limita inferioară a intervalului unde se află mediana;


- h este mărimea intervalului median;

n 1
- este locul medianei;
2
Me
- n
i 1
i este suma frecvenţelor până la intervalul median sau frecvenţa cumulată

crescător corespunzătoare intervalului care precede intervalul median;

- nMe este frecvenţa intervalului median.

Se remarcă faptul că toate elementele din relaţia 4.21 sunt legate de locul medianei
în serie.

95
Locul medianei în serie se stabileşte astfel:

a) se determină frecvenţele cumulate crescător;

b) se identifică prima frecvenţă cumulată crescător care este mai mare sau cel puţin
n 1
egală cu expresia care indică locul medianei;
2
c) intervalul de grupare care corespunde cerinţei de mai sus este intervalul median.

Exemplificăm în continuarea calculul medianei pe baza unei repartiţii pe intervale de


grupare.

Exemplul 4.6 – Calculul medianei pentru o repartiţie pe intervale de grupare


Vom utiliza datele din Tabelul E.4.1.1, referitoare la cifra de afaceri colectate pentru 200 de
companii.
Tabelul E4.6.1. – Distribuţia întreprinderilor după cifra de afaceri
Număr Frecvenţa absolută
companii cumulată
Cifra de afaceri
Frecvenţa (Fi)
(xi)
absolută Descrescător
Crescător
(ni)
1 2 3 4 Me

1600 – 2000 15 15 200 n


i 1
i

2000 – 2400 25 40 185


2400 – 2800 50 90 160
LoMe
2800 – 3200 46 136 110
3200 – 3600 35 171 64
3600 – 4000 24 195 29
x0
4000 – 4400 5 200 5
Total 200 200
nMe
Primul pas este să calculăm locul medianei:
n  1 201
LoMe    100,5
2 2
Prima frecvenţă cumulată crescător care este mai mare decât 100,5 este 136. Deci, mediana se află
în intervalul 2800 – 3200, adică 2800 < Me < 3200.
Aplicând relaţia de calcul a medianei din (4.21) şi înlocuind cu valorile din tabelul de mai sus,
obţinem:
n  1 Me
  ni
2 100,5  90
Me  x 0  h  i 1
 2800  400   2891,3 mii lei, unde:
n Me 46
- x0 = 2800;
- h = 400;

96
n 1
- =100,5;
2
Me
- n
i 1
i = 90;

- nMe =46.

Mediana poate fi calculată şi grafic pe baza poligonului frecvenţelor cumulate în două


moduri asemănătoare:

a) Se construieşte poligonul frecvenţelor cumulate crescător şi descrescător.

Proiecţia punctului de intersecţie a celor două curbe pe axa Ox indică mediana. Ca


exemplu putem folosi graficul din Fig. 4.3, trasând perpendiculara din punctul de intersecţie
pe axa Ox.
Fig. 4.5 – Calculul grafic al medianei la intersecţia ogivelor

250

200 200 195 200


185
171
160
Nr. unitati

150
136
100
110
90
64
50
40
29
0
15 Me 5
1600 - 2000 2000 - 2400 2400 - 2800 2800 - 3200 3200 - 3600 3600 - 4000 4000 - 4400

Cifra de aface ri

b) Se construieşte poligonul frecvenţelor cumulate crescător.

n  1 201
Mai întâi identificăm locul medianei LoMe    100,5 . Din acest punct de
2 2
pe axa Oy trasăm o perpendiculară la axa Ox până ce intersectează poligonul frecvenţelor
cumulate crescător. Proiecţia pe axa Ox a punctului de intersecţie dintre această paralelă şi
curba frecvenţelor indică valoarea medianei.

97
Fig. 4.6 – Calculul grafic al medianei la intersecţia ogivelor

250

200 195 200


171
Nr. unitati

150
136
100
90
50
40
15
0
1600 - 2000 2000 - 2400 2400 - 2800 2800 - 3200 3200 - 3600 3600 - 4000 4000 - 4400

Cifr a d e afacer i

Mediana are o serie de proprietăţi, din cadrul cărora menţionăm:

 calculul medianei este foarte simplu;

 este mai relevantă decât media aritmetică în cazul distribuţiilor nesimetrice;

 nu este influenţată de valorile extreme (aberante) şi nici de faptul că intervalele


marginale pot fi deschise. Aceasta deoarece valoarea ei depinde de poziţia pe
care o ocupă o anumită variantă în seria de distribuţie. Pornind de la această
proprietate, mediana poate înlocui media aritmetică dacă seria prezintă intervale
deschise şi/sau dacă distribuţia se abate pronunţat de la repartiţia normală, ceea
ce se întâmplă în marea majoritate a situaţiilor;

 suma abaterilor absolute a valorilor observate de la mediană este minimă:


n

 (x
i 1
i  Me)  min pentru o serie simplă şi

 (x
i 1
i  Me)  ni  min pentru o serie de frecvenţe.

4.3.3 Modul (valoarea dominantă)


Modul 25 (Mo) unei distribuţii statistice este aceea valoare a variabilei care are
frecvenţa cea mai mare de apariţie. Modul este singurul indicator ai tendinţei centrale care
are sens în cazul unei repartiţii după o variabilă nominală, ale cărei variante au fost măsurate
printr-o scală nominală.

Într-o serie de frecvenţe alcătuită pe valori, modul este valoarea cu frecvenţa cea mai
mare. Astfel, în seria din Tabelul E.4.2.1, frecvenţa cea mai mare, egală cu 15, o
înregistrează companiile cu 15 salariaţi. Astfel, valoarea modală este dată de x3=15.

25
Cuvântul se pronunţă cu accentul pe litera “o”: mód, forma sa articulată fiind módul.

98
Într-o repartiţie de frecvenţe alcătuită pe intervale egale de grupare, frecvenţa cea
mai mare indică intervalul în care se află modul. Valoarea acestuia se estimează prin
interpolare, pe baza relaţiei:

1
Mo  x0  h  , (4.22)
1   2

unde:

- x0 este limita inferioară a intervalului unde se află modul;


- h este mărimea intervalului modal;

- 1 este diferenţa dintre frecvenţa intervalului modal şi frecvenţa intervalului


precedent.

-  2 este diferenţa dintre frecvenţa intervalului modal şi frecvenţa intervalului


următor.

Pentru ilustrarea modului de calcul al modului, vom utiliza datele prezentate în


Tabelul E.4.6.1.

Exemplul 4.7 – Calculul valorii modale pentru o distribuţie de frecvenţe pe intervale de


grupare
Vom apela, din nou, la datele referitoare la cifra de afaceri înregistrată pentru 200 de companii la
finele anului 2009.
Tabelul E4.7.1. – Distribuţia întreprinderilor după cifra de afaceri
Cifra de afaceri Frecvenţa absolută
(xi) (ni)
1 2
1600 – 2000 15
2000 – 2400 25
2400 – 2800 50
2800 – 3200 46
3200 – 3600 35
3600 – 4000 24
4000 – 4400 5
Total 200
Valoarea modală se află în intervalul cu cea mai mare frecvenţă, egală cu 50. Aşadar, intervalul
modal este 2400 – 2800. Valoarea inferioară a intervalului modal (x0) este 2400, iar mărimea
intervalului de grupare este h=400. Valoarea 1 este dată de diferenţa dintre intervalul modal şi
cel anterior: 1 =50-25=25. Valoarea  2 este dată de diferenţa dintre intervalul modal şi cel
următor:  2 =50-46=4. Înlocuind valorile intermediare în relaţia (4.22), obţinem:

99
1 25
Mo  x0  h   2400  400   2744,8 mii lei.
1   2 25  4
Interpretarea mărimii statistice obţinute ne arată că cele mai multe întreprinderi din cele studiate,
în număr de 50, au o cifră de afaceri de aproximativ 2745 26 mii lei.

Ca şi mediana, modul poate fi calculat grafic pornind de la histogramă, însă rezultatul


nu este foarte exact din cauza scalei de măsurare segmentelor pe axa Ox. Histograma, în
schimb, ne arată foarte uşor care este intervalul modal, aşa cum rezultă şi din graficul
următor

Fig. 4.7 – Histograma repartiţiei agenţilor economici după cifra de afaceri

0,1400

0,1200
Proportia companiilor

0,1000

0,0800

0,0600

0,0400

0,0200 Mo
0,0000
1600 - 2000 - 2400 - 2800 - 3200 - 3600 - 4000 -
2000 2400 2800 3200 3600 4000 4400
Cifra de aface ri

Modul are următoarele proprietăţi principale :

 calculul este foarte simplu;

 valoarea modului nu depinde de toţi termenii seriei; se recomandă să se


folosească modul când interesează valoarea tipică. Poate fi folosit independent,
dar şi ca un indicator care completează informaţiile furnizate de alte medii.

 modul oferă relativ puţine informaţii. Ele arată numai dacă o valoare modală
apare mai frecvent decât celelalte valori. Dacă celelalte valori apar aproape tot
aşa de frecvent ca valoarea modală, s-ar putea ca o valoare să devină modală
din întâmplare. Deci, poate se recomandă pentru a caracteriza ce este tipic într-o
distribuţie numai dacă o valoare domină clar în serie ;

 dacă celelalte valori se îndepărtează foarte mult de valoarea modală, acesta nu


poate oferi informaţii relevante pentru caracterizarea seriei.

26
Statistica, prin excelenţă, înseamnă estimaţie. Din acest motiv am optat pentru rotunjirea rezultatului
obţinut, deoarece, în acest fel, este şi mai uşor de reţinut. (n. aut).

100
În cazul distribuţiei companiilor după cifra de afaceri, cei trei indicatori ai tendinţei
centrale au următoarele valori :

x = 2906 mii lei, Me = 2891,3 mii lei şi Mo = 2744,8 mii lei.

Aşadar, Mo < Me < x , ceea ce înseamnă că distribuţia prezintă o asimetrie de


dreapta, întrucât distribuţia este alungită spre dreapta, aşa cum se poate vedea şi din Fig.
4.7.

Dacă ordinea celor trei indicatori este x < Me < Mo , atunci seria este asimetrică de
stânga.

Cei trei indicatori sunt egali ( x = Me = Mo) în cazul unei serii perfect simetrice.

În concluzie, media aritmetică descrie corect ceea ce este esenţial într-o serie de
distribuţie, dacă aceasta este formată din valori omogene şi tinde spre o repartiţie normală.
În acest caz, mediana şi modul pot completa media.

Dacă seria nu este omogenă sau dacă repartiţia este pronunţat asimetrică, sau dacă
clasele marginale sunt deschise, se recomandă folosirea modului şi a medianei.

4.3.4 Alte tipuri de medii


În practica statistică se utilizează mai multe tipuri de medii. Alegerea tipului mediei
trebuie să pornească de la natura datelor din care se calculează o medie.

Media aritmetică se aplică dacă are sens să se însumeze valorile individuale, deci să
se calculeze nivelul totalizator ( x i ). Frecvent însă este necesar să se calculeze media din
datele care sunt mărimi relative de intensitate (salarii medii, rate medii de rentabilitate) sau
mărimi relative de structură (rate ale şomajului pe judeţe) sau modificări relative (ritmuri de
creştere) etc. În asemenea situaţii, însumarea directă a valorilor din care se calculează
media nu are sens.

În grupa "alte tipuri de medii" se cuprind: media armonică ( x h ), media geometrică

( x g ), media pătratică ( x p ), media cronologică ( xc ).

1
Media armonică se calculează din valorile inverse ale termenilor seriei ( ) şi este
xi
acea valoare care nu modifică suma inverselor termenilor.
n
1 1 1 1 1 1 1
  ....     ....   (4.23)
x1 x 2 xn xh xh x h i 1 xi

deci:
n
1 1
n  (4.24)
x h i 1 xi

de unde rezultă:

101
n
xh  n
(4.25)
1

i 1 x i

Relaţia 4.25 se aplică în cazul unei serii simple.

Pentru o serie de frecvenţe se foloseşte media armonică ponderată :


k

n i
xh  k
i 1
(4.26)
1

i 1 x i
 ni

Ca regulă, media armonică trebuie folosită când datele din care se calculează media
nu sunt date primare ci sunt date derivate, rezultate din calcule, respectiv sunt mărimi
relative de structură sau mărimi relative de intensitate. Aceste mărimi relative pot fi
interpretate drept medii parţiale, din care trebuie calculată o medie totală / generală.

La calcularea unei medii din medii parţiale, poate fi utilizată media aritmetică sau
media armonică în funcţie de datele disponibile, şi anume:

 Dacă pe lângă mediile parţiale se cunosc numitorii rapoartelor din care rezultă
aceste medii parţiale se explică media aritmetică;

 Dacă pe lângă mediile parţiale se cunosc numărătorii din care rezultă aceste
medii parţiale, se aplică media armonică.

Exemplul 4.8 – Calculul mediei armonice


Pentru trei judeţe se cunoaşte rata şomajului pentru luna X şi numărul populaţiei active la 1
ianuarie a.c.
Tabelul E.4.8.1 – Rata şomajului la 1 ianuarie a.c.
Numărul şomerilor
Judeţul Rata şomajului
(mii persoane)
A 8,4 80
B 12,0 100
C 6,5 50
Total - 230

Care este rata medie a şomajului?


Primul îndemn este să calculăm media aritmetică simplă din cele trei rate, respectiv: (8,4 + 12,0 +
6,5)/3 = 8,97%. Totuşi, trebuie să privim mai întâi cum se calculează ratele şomajului la nivelul
fiecărui judeţ.

102
Rata şomajului la nivelul fiecărui judeţ (RSi) este o pondere care arată cât la sută reprezintă
NS i
numărul şomerilor (NSi) în populaţia activă (PAi), deci RS i   100 .
PAi

Aşadar, folosirea mediei aritmetice simple s-ar justifica numai dacă numitorii celor trei
rapoarte - populaţia activă din fiecare judeţ - ar fi egali, ceea ce în realitate rareori se
poate întâmpla.
3
Rata medie este un raport dintre numărul şomerilor din cele trei judeţe  NS
j 1
i şi populaţia activă

3
din cele trei judeţe (  PAi ), deci :
j 1

 NS
j 1
i

RS  3
 100
 PA
j 1
i

NS i
Nu se cunoaşte populaţia activă. Aceasta rezultă din expresia PAi   100 sau
RS i
1
PAi   NS i  100
RS i
3 n
 NS
j 1
i n i
Deci, RS  3
 100  n
i 1
 100 , ceea ce înseamnă că se aplică media armonică :
1 1

j 1 RS i
 NS i 
i 1 xi
 ni

230
RS   100  9,12%
1 1 1
 80   100   50
8,4 12 6,5
După cum se poate constata, există o diferenţă între media calculată cu ajutorul formulei mediei
armonice faţă de cea a mediei aritmetice, care ar subestima rezultatul căutat.
Dacă pe lângă rata şomajului s-ar fi cunoscut populaţia activă, rata medie a şomajului s-ar fi
calculat pe baza mediei aritmetice ponderate.

În practica statistică şi în analiza activităţii economice, media armonică se foloseşte


cel mai frecvent la calculul indicelui preţurilor de tip Paasche (vezi capitolul 8: Indici statistici).

103
4.3.5 Media pătratică
Media pătratică ( x p ) este definită drept acea valoare care, înlocuind termenii seriei
ridicaţi la pătrat, din care se calculează, nu modifică suma pătratelor acestora:
n
x12  x 22  ....  x n2   xi2  x 2p  x 2p  ....  x 2p  n  x 2p (4.27)
i 1

Aşadar:

n n

 xi2 x 2
i
x 2p  i 1
 xp  i 1
(4.28)
n n
Media pătratică se recomandă a fi folosită când într-o serie in care predomină valorile
absolute sau atunci când seria este formată atât din valori pozitive cât şi negative.

Relaţia 4.28 se aplică la calculul mediei pătratice în cazul unei serii simple. În cazul
unei serii de frecvenţe se aplică media pătratică ponderată :

x 2
i  ni
xp  i 1
k

n
i 1
i

Media pătratică este întotdeauna mai mare decăt media aritmetică ( x p > x ).
Aceasta deoarece prin ridicare la pătrat creşte importanţa valorilor mari.

Media pătratică se aplică cel mai frecvent la calculul abaterii medii pătratice, care
este unul din cei mai utilizaţi indicatori sintetici de variaţie.

4.3.6 Media geometrică


Media geometrică ( x g ) se bazează pe relaţia de produs a termenilor seriei, faţă de
relaţia de însumare aplicată în cazul mediilor prezentate anterior.

Media geometrică este acea valoare care, înlocuind termenii seriei, nu modifică
produsul acestora:
n
x1  x 2  ....  x n   xi  x g  x g  ....  x g (4.29)
i 1

sau
n
n  x g   xi (4.30)
i 1

de unde:

104
- media geometrică simplă:

n
xg  n x i 1
i (4.31)

- media geometrică ponderată:

k
x g   ni  xini (4.32)
i 1

O formă alternativă a acestei relaţii se obţine prin logaritmare, obţinând:


k

n i  ln xi
xg  i 1
k
(4.33)
n
i 1
i

Cu alte cuvinte, media geometrică este media aritmetică ponderată a logaritmilor


valorilor observate.

Folosirea mediei geometrice presupune ca între termenii seriei să existe o relaţie de


produs. De cele mai multe ori, media geometrică se aplică atunci când seria este formată din
termeni care reprezintă mărimi relative de dinamică.

Din modificări relative exprimate sub formă de coeficienţi (rate de creştere) nu se


calculează direct media geometrică. Aceste date se transformă mai întâi în indici, adăugând
1, urmând ca din datele obţinute să se calculeze media geometrică. Creşterea medie se
obţine dacă din rezultatul mediei geometrice se scade 1.

Aplicarea mediei presupune ca toţi termenii seriei să fie pozitivi. Media geometrică
acordă o importanţă mai mare valorilor mai mici. Calculată pe baza aceloraşi date, media
geometrică este mai mică decât media aritmetică.

Un exemplu clasic al mediei geometrice este rata medie de rentabilitate financiară,


atunci când se cunoaşte valoarea iniţială a unui activ, valoarea finală şi numărul de ani ai
perioadei analizate. Spre exemplu, dacă acum 10 ani a fost plasat un activ financiar în
valoare de 25000 Euro, iar acum el valorează 33598 Euro, care a fost rata medie anuală a
rentabilităţii financiare?

33598
R f  10  1,03
25000
Astfel, creşterea medie anuală a fost de 3%, valoare obţinută scăzând 1 din rezultatul
de mai sus.

105
Existenţa mai multor tipuri de medii ridică întrebarea: când se aplică una sau
alta din mediile prezentate anterior?

 Modul este, în cazul variabilelor măsurate pentru o scală nominală,


singurul indicator ai tendinţei centrale care are sens.

 Mediana este principalul indicator ai tendinţei centrale în cazul


variabilelor măsurate pe baza unei scale ordinale. În cazul variabilelor
cantitative, măsurate printr-o scală metrică, mediana completează media
aritmetică sau poate înlocui această medie dacă repartiţia este pronunţat
asimetrică sau cuprinde valori care se abat semnificativ de masa
valorilor.

 Media aritmetică este cea mai importantă medie în cazul seriilor


alcătuite pentru o variabilă măsurată pe baza unei scale metrice. Se
poate aplica întotdeauna, când are sens să se însumeze termenii seriei.

 Media geometrică se aplică tot în cazul variabilelor scalate metric şi


când între date există o relaţie de produs, respectiv exprimă evoluţia in
timp.

 Media armonică presupune ca măsurarea să se bazeze pe o scală


metrică, iar datele din care se calculează să fie mărimi relative de
structură sau de intensitate.

 Media pătratică se aplică în cazul seriilor de date scalate metric, când


termenii pot fi atât valori pozitive cât şi negative.

4.4 Indicatorii variaţiei


Caracterizarea unei repartiţii prin intermediul mediilor ridică, în mod normal,
întrebarea dacă valorile empirice se situează aproape de media lor sau prezintă o
împrăştiere pronunţată.

Aceasta deoarece media are menirea de a caracteriza tendinţa centrală. Cu cât


împrăştierea / variaţia valorilor individuale este mai mare, cu atât mai puţin este media în
măsură să sintetizeze ceea ce este tipic, esenţial şi comun în masa de date empirice. Deci,
reprezentativitatea mediei scade odată cu creşterea variaţiei valorilor individuale, respectiv
cu cât valorile individuale sunt mai apropiate între ele cu atât colectivitatea este mai
omogenă şi media mai reprezentativă.

În general, indicatorii variaţiei servesc descrierii mai complete a unei repartiţii


comparativ cu cea realizată numai prin intermediul mediei. Un indicator de variaţie
completează informaţiile furnizate de o medie. Indicatorii variaţiei oferă informaţii privind
calitatea mediei unei repartiţii ca reprezentativă sau nereprezentativă.

106
Indicatorii variaţiei servesc la: verificarea reprezentativităţii mediei ca valoare tipică a
unei serii de date empirice; verificarea gradului de omogenitate a seriei; caracterizarea
statistică a formei şi gradului de variaţie; cunoaşterea gradului de influenţă a factorilor.

Indicatorii variaţiei se diferenţiază în funcţie de numărul variantelor / valorilor luate în


calcul şi după rolul îndeplinit în analiza variaţiei, în două grupe :

- Indicatori simpli ai variaţiei;

- Indicatori sintetici ai variaţiei.

4.4.1 Indicatorii simpli ai variaţiei


Indicatorii simpli ai variaţiei se determină ca diferenţă dintre două valori şi ca un
raport procentual dintre diferenţa a două valori şi media valorilor empirice. Din această grupă
fac parte amplitudinea variaţiei (absolută şi relativă) şi abaterile individuale (absolute şi
relative).

Amplitudinea absolută (A) este indicatorul de variaţie cel mai simplu. Se determină
ca diferenţă dintre valorile extreme ale caracteristicii şi exprimă mărimea câmpului de
împrăştiere.

A  x max  x min
În cazul unei repartiţii construită pe intervale de grupare, amplitudinea variaţiei se
determină ca diferenţă dintre limita superioară a ultimului interval şi limita inferioară a
primului interval. Dacă primul şi ultimul interval sunt deschise, amplitudinea variaţiei se
estimează pe baza diferenţei dintre centrele intervalelor extreme.

Amplitudinea relativă (A%) este un raport procentual dintre amplitudinea absolută şi


media seriei:

A
A(%)   100 (4.34)
x
Amplitudinea variaţiei (absolută şi relativă) poate dezinforma atunci când valorile
extreme se situează la distanţă mare de masa valorilor empirice. Din acest motiv acest
indicator nu oferă informaţii concludente privitor la gradul de variaţie a două repartiţii.

Amplitudinea variaţiei se aplică:

- în toate cazurile când interesează tocmai valorile extreme;

- în controlul calităţii proceselor de producţie.

O alternativă la amplitudinea variaţiei, în scopul caracterizării împrăştierii unei


repartiţii o constituie intervalul intercuartilic sau intervalul interdecilic.

Mai întâi, însă, vom defini cuantilele, respectiv indicatorii care împart seria valorilor
ordonate într-un anumit număr de parţi egale: cuartilele; quintilele; decilele; centilele;
percentilele etc.

Cuartilele sunt notate cu litera „Q” şi sunt acele valori ale caracteristicii care împart
seria valorilor ordonate în patru părţi egale: cuartila inferioară (Q1) este acea valoare care

107
separă 25 % din valorile mici de restul de 75 % din valori; cuartila a doua (Q2) împarte seria
în două părţi egale, deci coincide cu mediana (Q2 = Me); cuartila a treia (Q3) separă primii 75
% din valori de restul de 25 % din valorile mai mari.

xmin Q1 Q2 Q3 xmax

Cuantilele se calculează după metodologia menţionată la mediană.

Locul cuartilelor se determină conform relaţiilor următoare:

n 1
LoQ1  ;
4
n 1
LoQ2  ; (4.35)
2
3
LoQ3   (n  1)
4
Se cumulează crescător frecvenţele. Q1 este valoarea corespunzătoare frecvenţei
n 1 3
cumulate care este mai mare sau cel puţin egală cu , respectiv  (n  1) în cazul Q3.
4 4
Valoarea Q1 se calculează după relaţia:

n  1 Q1
  ni
4
Q1  x0  h  i 1
(4.36)
nQ1

respectiv, Q3:

3  (n  1) Q3
  ni
4
Q3  x 0  h  i 1
(4.37)
nQ3

Intervalul intercuartilic este dată de diferenţa dintre a treia şi prima cuartilă:

IQR  Q3  Q1 (4.38)

Pe lângă diferenţa absolută dată de această diferenţă, intervalul intercuartilic ne arată


că 50% dintre valorile observate se găsesc în acest interval. Cu cât diferenţa este mai mică,
cu atât distribuţia este mai concentrată în jurul valorii mediane.

Intervalul intercuartilic este o măsură de împrăştiere mai bună decât amplitudinea


absolută, deoarece este mai puţin sensibilă la valorile extreme şi la datele atipice.

108
Exemplul 4.9 – Calculul indicatorilor de localizare: cuartilele şi intervalul intercuartilic
Vom utiliza datele din Tabelul E.4.1.1, referitoare la cifra de afaceri colectate pentru 200 de
companii.
Tabelul E4.9.1. – Distribuţia întreprinderilor după cifra de afaceri
Număr Frecvenţa absolută
companii cumulată
Cifra de afaceri
Frecvenţa (Fi)
(xi)
absolută
Crescător Descrescător
(ni)
1600 – 2000 15 15 200
2000 – 2400 25 40 185
2400 – 2800 50 90 160
2800 – 3200 46 136 110
3200 – 3600 35 171 64
3600 – 4000 24 195 29
4000 – 4400 5 200 5
Total 200 200

Q1 şi Q3 se determină astfel:
a) Determinarea locului primei şi a celei de a treia cuartile:

n  1 201
LoQ1    50,25
4 4
Prima frecvenţă cumulată mai mare sau egală cu 50,25 este 90, deci prima cuartilă se găseşte în
intervalul 2400 – 2800 mii lei.

3  (n  1) 603
LoQ3    150,75
4 4
Prima frecvenţă cumulată mai mare sau egală cu 150,75 este 171, deci a treia cuartilă se găseşte
în intervalul 3200 – 3600 mii lei.
b) Determinarea valorii primei şi a celei de a treia cuartile:

n  1 Q1
  ni
4 50,25  40
Q1  x0  h  i 1
 2400  400   2482 mii lei
nQ1 50

3  (n  1) Q3
  ni
4 150,75  136
Q3  x 0  h  i 1
 3200  400   3368,6 mii lei
nQ3 31
c) Calculul intervalului intercuartilic

IQR  Q3  Q1  3386,6  2482  904,6 mii lei


Interpretare: 50% dintre companii au o cifră de afaceri cuprinsă între 2482 şi 3386 mii lei, cu o
variaţie relativ redusă între ele.

109
Decilele, notate cu litera „D”, separă şirul valorilor ordonate în 10 părţi egale. Prima
decilă (D1) separă 10 % din valorile mai mici de restul de 90 % din valori, a doua decilă (D2)
separă 20% din valorile cele mai mici de restul de 80% din valori etc. Şi în cazul lor se
procedează în acelaşi mod ca în cazul cuartilelor: mai întâi se calculează localizarea lor şi
apoi valoarea lor propriu-zisă.

Localizarea ţine seamă de poziţia lor în seria de repartiţie:

n 1
LoD1 
10
2  (n  1)
LoD2 
10
....

9  (n  1)
LoD9 
10
Valorile decilelor urmează aceleaşi relaţii de calcul ca în cazul cuartilelor, cu excepţia
introducerii în calcul a poziţiei fiecărei decile, cu frecvenţele precedente şi cea a intervalului
decilic în cauză.

n  1 D1
  ni
10
D1  x0  h  i 1

n D1

2  (n  1) D2
  ni
10
D2  x 0  h  i 1

n D2

9  (n  1) D9
  ni
10
D9  x0  h  i 1

n D9

Ca şi în cazul cuartilelor, se poate calcula intervalul interdecilic, ca diferenţă între


decila a noua şi prima decilă, adică valorile care delimitează primele 10% dintre valori şi
ultimele 10%.

IDR  D9  D1 (4.39)

Cuantilele se pot calcula şi grafic. Se porneşte de la poligonul frecvenţelor cumulate


şi de pe ordonată corespunzător valorii care indică locul cuantilei respective se trasează o
paralelă la abscisă.

Din punctul de intersecţie cu poligonul frecvenţelor cumulate se trasează o paralelă la


axa Ox.

110
În continuare ilustrăm modul de calcul al decilelor.

Exemplul 4.10 – Calculul indicatorilor de localizare: decilele şi intervalul interdecilic


Vom utiliza datele din Tabelul E.4.1.1, referitoare la cifra de afaceri colectate pentru 200 de
companii.
Tabelul E4.10.1. – Distribuţia întreprinderilor după cifra de afaceri (continuare)
Număr Frecvenţa absolută
companii cumulată
Cifra de afaceri
Frecvenţa (Fi)
(xi)
absolută
Crescător Descrescător
(ni)
1600 – 2000 15 15 200
2000 – 2400 25 40 185
2400 – 2800 50 90 160
2800 – 3200 46 136 110
3200 – 3600 35 171 64
3600 – 4000 24 195 29
4000 – 4400 5 200 5
Total 200 200

Decilele se determină astfel:


a) Determinarea locului decilelor:

n  1 201
LoD1    20,1
10 10
Prima frecvenţă cumulată mai mare sau egală cu 20,1 este 40, deci prima decilă se găseşte în
intervalul 2000 – 2400 mii lei.

2  (n  1) 402
LoD2    40,2
10 10
Prima frecvenţă cumulată mai mare sau egală cu 40,2 este 90, deci a doua decilă se găseşte în
intervalul 2400 – 2800 mii lei.
În mod asemănător se procedează pentru toate celelalte decile intermediare. Să calculăm locul
celei de a noua decile:

9  (n  1) 1809
LoD9    180,9
10 10
Prima frecvenţă cumulată mai mare sau egală cu 180,9 este 195, deci a noua decilă se găseşte în
intervalul 3600 – 4000 mii lei.

111
b) Determinarea valorii primei, a doua şi a noua decile:

n  1 D1
  ni
10 20,1  15
D1  x0  h  i 1
 2000  400   2081,6 mii lei
n D1 25

2  (n  1) D2
  ni
10 40,2  40
D2  x 0  h  i 1
 2400  400   2401,6 mii lei
n D2 50

9  (n  1) D9
  ni
10 180,9  171
D9  x0  h  i 1
 3600  400   3765 mii lei
n D9 24

c) Determinarea intervalului interdecilic

IDR  D9  D1  3765  2401,6  1316,4 mii lei

Interpretare: 80% dintre observaţii au valori cuprinse între 2401,6 şi 3765 mii lei.

Pe baza intervalului intercuartilic sau a celui interdecilic se poate calcula coeficientul


de dispersie. Coeficientul de dispersie permite caracterizarea unei distribuţii printr-un număr
adimensional, ceea ce permite compararea între două distribuţii. El se exprimă procentual fie
ca raport între intervalul intercuartilic şi mediană sau intervalul interdecilic şi mediană:

Q3  Q1 D  D1
CD   100 sau CD  9  100 (4.40)
Me Me
Un alt indicator robust al împrăştierii, care nu este influenţat de valorile atipice, este
abaterea mediană absolută 27 . Ea se calculează ca mediană a abaterilor valorilor
individuale de la mediană.

AMA=mediana{xi-Me} (4.41)

Abaterea mediană absolută este utilă pentru compararea a două distribuţii ale
aceleiaşi variabile fie la două momente cronologice diferite, fie din locaţii geografice diferite,
pentru a aprecia gradul de împrăştiere a datelor.

27
În limba engleză, acest indicator este denumit “median absolute deviation”, prescurtat MAD (n.aut)

112
Exemplul 4.11 – Calculul abaterii mediane absolute liniare şi a coeficientului de dispersie
Vom utiliza datele din Tabelul E.4.1.1, referitoare la cifra de afaceri colectate pentru 200 de
companii.
În exemplul 4.6 am calculat mediana, egală cu 2891,3 mii lei.
Tabelul E4.11.1. – Distribuţia întreprinderilor după cifra de afaceri (continuare)
Frecvenţa
Cifra de afaceri
absolută xi  Me
(xi)
(ni)
1600 – 2000 15 -1091,3
2000 – 2400 25 -691,3
2400 – 2800 50 -291,3
2800 – 3200 46 108,7
3200 – 3600 35 508,7
3600 – 4000 24 908,7
4000 – 4400 5 1308,7
Total 200

Am obţinut, aşadar, 7 abateri individuale de la mediană. Mediana acestora se calculează astfel:


k 1 7 1
LoMe   4
2 2
În concluzie, abaterea mediană absolută este a 4-a valoare din seria de mai sus, adică 108,7 mii
lei.

AMA = 108,7 mii lei


Coeficientul de dispersie, calculat după ambele relaţii, este:

Q3  Q1 904,6
CD   100   100  31,2%
Me 2891,3

D9  D1 1316,4
CD   100   100  45,5%
Me 2891,3

Abaterile individuale absolute (di) reprezintă diferenţa între fiecare valoare empirică
şi media aritmetică a termenilor:

d i  xi  x (4.42)

Abaterile individuale relative (di%) se calculează ca un raport procentual dintre


abaterea absolută şi media caracteristicii:

xi  x
di   100 (4.43)
x

113
În analiza variaţiei se calculează, de regulă, numai abaterile maxime, respectiv
pozitivă ( x max  x )şi negativă ( x min  x ). Dacă aceste abateri, luate în valoare absolută,
diferă seminificativ, trebuie trasă concluzia că repartiţia este pronunţat asimetrică, situaţie
care impune calcularea şi a indicatorilor care măsoară gradul de asimetrie.

4.4.2 Indicatorii sintetici ai variaţiei


Amplitudinea variaţiei şi abaterile individuale oferă o imagine globală asupra variaţiei,
dar nu sunt în situaţia să ofere o măsură care să caracterizeze sintetic gradul de variaţie. O
astfel de măsură se obţine dacă se porneşte de la principiul aplicat în cazul mediilor şi
anume: suma abaterilor ponderate cu frecvenţele de apariţie. Aceasta înseamnă să se
sintetizeze toate abaterile individuale într-o singură expresie, calculând media lor:

 ( x  x) n
i i
.Dar suma abaterilor valorilor individuale de la media lor este întotdeauna
n i

egală cu 0. Pentru a evita compensarea abaterilor pozitive şi negative există două posibilităţi:

a) fiecare abatere individuală să se ia în calcul cu valoarea absolută, xi  x ;


b) fiecare abatere individuală să se ia în calcul cu pătratul lor, xi  x 
2
.

În primul caz se calculează o medie aritmetică a valorilor absolute ale abaterilor


individuale ( d ), respectiv o medie aritmetică a pătratelor abaterilor individuale (  2 ) .

Indicatorii sintetici ai variaţiei sunt: abaterea medie liniară ( d ); dispersia (  2 ) ,


abaterea medie pătratică (σ ) ; coeficientul de variaţie ( C v ).

Abaterea medie liniară ( d ) se calculează ca o medie aritmetică simplă sau ponderată


a abaterilor individuale, luate cu valoarea absolută:

 pentru o serie simplă:


n

x i x
d i 1
(4.44)
n
 pentru o serie de frecvenţe:
k

x i  x  ni
d i 1
k
(4.45)
n
i 1
i

În cazul unei serii de frecvenţe relative exprimate procentual, d se calculează:


k

x i  x  fi%
d i 1
(4.46)
100

114
Abaterea medie liniară evidenţiază cu cât se abate în medie fiecare termen de la
media termenilor. Calculul abaterii medii liniare este exemplificat în continuare.

Exemplul 4.12 – Calculul abaterii medii liniare


Vom utiliza datele din Tabelul E.4.1.1, referitoare la cifra de afaceri colectate pentru 200 de
companii.
Tabelul E4.12.1. – Distribuţia întreprinderilor după cifra de afaceri (continuare)
Număr
companii
Cifra de afaceri
Frecvenţa xi  x x i  x  ni
(xi)
absolută
(ni)
1600 – 2000 15 1106 16590
2000 – 2400 25 706 17650
2400 – 2800 50 306 15300
2800 – 3200 46 94 4324
3200 – 3600 35 494 17290
3600 – 4000 24 894 21456
4000 – 4400 5 1294 6470
Total 200 99080

În cazul de faţă, al unei repartiţii pe intervale de grupare, valoarea variabilei de interes este centrul
de interval. De asemenea, din Exemplul 4.4, am obţinut valoarea mediei aritmetice, egală cu 2906
mii lei. Ca urmare, în coloana a 3-a vom calcula valoarea absolută a diferenţei dintre centrul de
interval şi media cifrei de afaceri pe baza relaţiei 4.45. Diferenţele liniare pentru primele doua
intervale sunt:

x1  x = 1800  2906  1106

x 2  x = 2200  2906  706

Repetăm calculele pentru toate intervalele şi obţinem rezultatele din coloana a 3-a.
Abaterea medie liniară este:
k

x i  x  ni
99080
d i 1
k
  495,4 mii lei
n
200
i
i 1

Interpretare: Cifra de afaceri a oricărui agent economic se abate în medie de la 2906 mii lei cu
495,4 mii lei.

115
Dispersia (  2 ) se calculează ca o medie aritmetică simplă sau ponderată a
pătratelor abaterilor termenilor seriei de media lor:

 pentru o serie simplă:


n

 (x i  x) 2
2  i 1
(4.47)
n
 pentru o serie de frecvenţe:
k

 (x i  x ) 2  ni
2  i 1
k
(4.48)
n
i 1
i

 pentru o serie de frecvenţe relative exprimate procentual:


k

 (x i  x) 2  f i %
2  i 1
(4.49)
100
Dispersia este o mărime abstractă, exprimată în pătratul unităţii de măsură a
variabilei observate, care nu serveşte nemijlocit analizei variaţiei. Pe baza ei se calculează
abaterea medie pătratică (  ).

Exemplul 4.13 – Calculul dispersiei


Vom utiliza datele din Tabelul E.4.1.1, referitoare la cifra de afaceri colectate pentru 200 de
companii, în care vom calcula pătratul diferenţelor centrelor de interval faţă de medie.
Tabelul E4.13.1. – Distribuţia întreprinderilor după cifra de afaceri (continuare)
Număr
companii
Cifra de afaceri
(xi)
Frecvenţa xi  x x i 
2
 x  ni
absolută
(ni)
1600 – 2000 15 -1106 18348540
2000 – 2400 25 -706 12460900
2400 – 2800 50 -306 4681800
2800 – 3200 46 94 406456
3200 – 3600 35 494 8541260
3600 – 4000 24 894 19181664
4000 – 4400 5 1294 8372180
Total 200 71992800

Aplicând relaţia (4.48), dispersia este:

116
k

 (x i  x ) 2  ni
71992800
2  i 1
k
  359964 mii lei la pătrat
n
200
i
i 1

Valoarea dispersiei depinde, pe de o parte, de variabilitatea caracteristicii studiate şi, pe de altă


parte, de ordinul de mărime al acesteia. În plus, ea se exprimă în pătratul unităţii de măsură a
caracteristicii. De aceea, valoarea ei ne arată magnitudinea variabilităţii, însă nu este deplin
utilizabilă în această formă, făcând necesară utilizarea ei în alte măsuri statistice: abaterea medie
pătratică, coeficientul de variaţie, analiza varianţei etc.

În vederea determinării dispersiei pot fi aplicate formule alternative care rezultă din
dezvoltarea expresiei din numărătorul relaţiei de bază (formula 4.48) şi din unele proprietăţi
ale dispersiei.

Dacă se dezvoltă binomul xi  x rezultă:  


k k

 (x  (x
2
i  x )  ni 2 2
i  2  x  x i  x )  ni
2  i 1
k
 i 1
k

n i 1
i n
i 1
i

k k k

x  ni  2  x  x i  ni  x   ni
2 2
i
 i 1 i 1
k
i 1

ni 1
i

x i  ni
Ştim că media este x  i 1
k
. Înlocuind în relaţia de mai sus, obţinem:
n
i 1
i

k k k k k k

x  ni  2  x  x i  ni  x   ni x x x
2
2
i
2
i  ni i  ni i  ni
i 1 i 1
k
i 1
 i 1
k
 2 i 1
k
 i 1
k

n i 1
i n
i 1
i n
i 1
i n
i 1
i

2 2 2
 k  k k
 k   k 
  x i  ni   ni  x  ni2
i   x i  ni    x i  ni 
  i 1 k   i 1  i 1
 2   i 1 k    i 1  
  k k    k 
  ni   ni  ni   ni    ni 
 i 1  i 1 i 1  i 1   i 1 
2
k
 k  k

 x  n   x i  ni
2
 x 2
 ni

i i i
  k
2 i 1
  i 1 k  sau  2  i 1
 x
2
(4.50)
  k

i 1
ni   ni
 i 1


n
i 1
i

Proprietăţile dispersiei sunt:

117
 dispersia calculată pe baza valorilor empirice micşorate sau mărite în prealabil
prin scăderea sau adăugarea unei constante a, este egală cu dispersia valorilor
iniţiale 28 , deci:

 x2  a   x2
i i

 dispersia calculată pe baza valorilor seriei micşorate în prealabil prin împărţirea la


o constantă h, este de h 2 ori mai mică decât dispersia valorilor iniţiale.

1
 x2 / h 
i 2
  x2i
h
xi  a
Aplicând transformarea în (4.50), obţinem:
h

 xi  a 
k 2

    ni
 
2 i 1  h 
k
 h2  x  a  2
(4.51)
 ni i 1

unde a şi h au semnificaţiile ca la calculul mediei aritmetice.

Relaţia 4.51, prin scăderea unei constante a, simplifică calculul dispersiei dacă
seria de repartiţie a fost construită pe intervale de grupare egale.

Abaterea medie pătratică sau abaterea standard (σ ) este o medie pătratică a


abaterilor individuale:

 pentru o serie simplă:

 (x i  x) 2
 i 1
(4.52)
n

 pentru o serie de frecvenţe:

 (x i  x ) 2  ni
 i 1
k
(4.53)
n
i 1
i

Deci,    2
Pe baza dispersiei calculate în Exemplul 4.13, abaterea medie pătratică (sau ecartul
tip) este:

  359964  599,97  600 mii lei.


Interpretare: Cifrele de afaceri se abat în medie de la 2906 mii lei cu 600 mii lei.

28
Distribuţia se translatează pe axă, însă dispersia este aceeaşi.

118
Aşadar,   d deoarece o medie pătratică este mai mare decât o medie aritmetică.

Abaterea medie pătratică are un rol extrem de important în caracterizarea seriilor de


repartiţie. Astfel, pe baza distribuţiei normale, cunoaştem că:

 
aproximativ 68,2% dintre valori se află în intervalul x   ; x   
 aproximativ 95,4% dintre valori se află în intervalul x  2 ; x  2 

 aproximativ 99,6% dintre valori se află în intervalul x  3 ; x  3 

Fig. 4.8 – Distribuţia normală şi gruparea valorilor pe intervale ale abaterii standard

O abatere medie de 600 mii lei reprezintă mult sau puţin? Poate reprezenta mult sau
puţin în raport cu o valoare tipică, deci cu media seriei.

Coeficientul de variaţie (CV) este raportul procentual dintre abaterea medie


standard şi media seriei de repartiţie. Utilitatea lui este dată de faptul că abaterea medie
pătratică, ca şi abaterea medie liniară sunt măsuri absolute ale variaţiei şi, ca urmare,
valoarea lor depinde de mărimea valorilor caracteristicii. Comparaţii privind gradul de variaţie
şi omogenitatea între două sau mai multe repartiţii nu pot fi efectuate pe baza acestor
indicatori.


Cv   100 (4.54)
x
Cu cât coeficientul de variaţie se apropie mai mult de zero, cu atât variaţia este mai
redusă, colectivitatea este mai omogenă. iar media este mai reprezentativă.

Se apreciază că dacă coeficientul de variaţie care nu depăşeşte pragul de 35%,


intensitatea variaţiei este redusă iar media este reprezentativă pentru valorile individuale din
care s-a calculat. Cu cât se depăşeşte pragul de 35% cu atât intensitatea variaţiei creşte, iar
media devine mai nereprezentativă. Aceasta înseamnă că variaţia nu mai poate fi pusă pe

119
seama întâmplării, deci cel puţin un factor considerat întâmplător are o influenţă
semnificativă.

În cazul repartiţiei prezentată în Exemplul 4.13, coeficientul de variaţie este egal cu 20,6% ceea ce
indică faptul că media este reprezentativă.

 599,97
Cv   100   100  20,6%
x 2906

4.4.3 Descompunerea dispersiei într-o colectivitate împărţită pe


grupe (Regula de adunare a dispersiilor).
Dispersia este un indicator pe baza căruia se calculează abaterea medie pătratică.
De asemenea, se foloseşte la analiza interdependenţelor, în sensul că nu de puţine ori este
necesar să se cuantifice cât din variaţia valorilor unei variabile efect (rezultat) se poate
explica pe seama altei / (altor) variabile explicative. De exemplu, cât la sută din variaţia cifrei
de afaceri celor 200 de agenţi economici (  2  359964 mii lei) se poate explica prin variaţia
numărului de angajaţi?

Pentru a răspunde unei astfel de cerinţe de cunoaştere se recurge la o grupare a


datelor după caracteristica considerată cauză (X), denumită şi variabilă explicativă, urmând
ca fiecare grupă obţinută să fie împărţită după caracteristica efect (Y), denumită şi variabilă
explicată. Procedând astfel rezultă o repartiţie bidimensională, respectiv o repartiţie
multidimensională de frecvenţe dacă în analiză se introduc mai multe variabile factoriale.
Astfel de tabele se numesc tabele de contingenţă.

În tabelul nr. 4.1 se prezintă macheta unei repartiţii bidimensionale, în care valorile au
fost împărţite în r grupe după caracteristica X şi în m grupe după caracteristica Y.

Tabelul 4.1 – Modelul tabelului de contingenţă

Totalul
Valorile Valorile frecvenţelor
variabilei caracteristicii Y(yi) asociate
X (xi) variabilei
X (xi.)
y1 y2 ... yj ... ym
x1 n11 n12 ... n1j … n1m n1.
x2 n21 n22 ... n2j … n2m n2.
... … ... … ... … … …
xi ni1 ni2 ... nij … nim ni.
... … ... … ... … … …
xr nr1 nr2 ... nrj … nrm nr.
Totalul
frecvenţelor
asociate n.1 n.2 … n.j ... n.m n..
variabilei
Y (n.j)

120
În tabelul nr. 4.1 apar pentru variabila efect (Y) două tipuri de repartiţii:

a) o repartiţie pe total (yj, nj), care nu ţine seama de grupele construite după
caracteristica considerată cauză.;

b) r repartiţii condiţionate de grupele construite după caracteristica de grupare X.

În plus, tabelul prezintă două distribuţii de total, una în funcţie de valorile variabilei
efect (Y) şi una în funcţie de variabila cauză (X), numite distribuţii marginale.

Corespunzător celor două tipuri de repartiţii se pot calcula pentru variabila Y


următoarele medii:

 media generală pentru repartiţia pe total ( y ), calculată prin intermediul


valorilor individuale ale variabilei Y şi a distribuţiei marginale a acesteia :
m

y
j 1
j  n. j
y m
(4.55)
n
j 1
.j

Aceeaşi măsură poate fi obţinută prin intermediul valorilor individuale ale variabilei Y
pe ansamblul distribuţiei din tabelul de contingenţă:
r m

 y
i 1 j 1
j  nij
y r m
(4.56)
 n
i 1 j 1
ij

 medii de grupă sau medii condiţionate de factorul de grupare xi , ( y i ),


pentru repartiţiile condiţionate :
m m

y
j 1
j  nij y
j 1
j  nij
yi  m
 (4.57)
n
ni 
ij
j 1

Pe baza relaţiei (4.57), relaţia (4.56) poate fi rescrisă în funcţie de mediile


condiţionate ale variabilei Y, astfel:
r m r
 y
i 1 j 1
j  nij y i  ni 
y r m
 i 1
r
(4.58)
 n
i 1 j 1
ij n
i 1
i

Numărul mediilor de grupă este egal cu numărul grupelor construite după


caracteristica factorială. Media mediilor de grupă este egală cu media generală.

121
Pornind de la valorile individuale ale variabilei efect ( y j ) şi de la mediile condiţionate

( y i ) şi de la media generală ( y ) se pot determina următoarele abateri:

a) variaţia valorilor individuale în jurul mediei generale, y j  y ;

b) variaţia valorilor individuale în jurul mediilor de grupă (condiţionate), y j  y i ;

c) abaterea mediilor condiţionate de la media generală, y i  y .

Corespunzător celor trei tipuri de abateri, la nivelul fiecărei unităţi observate se poate
scrie:

y j  y = y j  yi + yi  y

Ceea ce înseamnă că abaterea totală este egală cu suma dintre abaterea valorilor
individuale faţă de media grupei şi abaterea mediei de grupă de la media generală. Ce
semnificaţie au aceste abateri?

Termenul din stânga al relaţiei, y j  y , măsoară variaţia valorilor individuale în jurul

mediei generale. Dacă valorile empirice înregistrate ( y j ) sunt rezultatul influenţei tuturor
factorilor (esenţiali şi neesenţiali), iar media presupune că toţi factorii sunt constanţi,
înseamnă că această diferenţă exprimă variaţia valorilor individuale în jurul mediei sub
acţiunea tuturor factorilor: factorul X considerat esenţial şi toţi ceilalţi factori, consideraţi
neesenţiali.

Primul termen al părţii din dreapta a relaţiei, y j  y i , măsoară variaţia valorilor


individuale de la media de grupă, deci exprimă variaţia în interiorul fiecărei grupe construite
după factorul X. Cum factorul X are aceeaşi valoare în cazul tuturor unităţilor din aceeaşi
grupă, înseamnă că această diferenţă se datorează acţiunii cauzelor din interiorul grupei,
deci factorilor neesenţiali.

Al doilea termen al părţii din dreapta a relaţiei, y i  y , evidenţiază influenţa factorului


esenţial de grupare (X) asupra variaţiei valorilor mediei condiţionate în jurul mediei generale.

Pe baza acestor abateri se pot calcula următoarele dispersii.

Dispersia generală (  02 sau  Y2 ) se determină pentru repartiţia marginală construită


pentru Y, şi ca urmare, nu ţine seama de grupele construite după factorul X.

 y 
m
2
j  y  n j
j 1
 02  m
(4.59)
n
j 1
j

Prin  02 se măsoară variaţia variabilei dependente (efect) sub influenţa tuturor


factorilor.

122
Pentru ansamblul tabelului de contingenţă, dispersia generală mai poate fi scrisă şi
sub următoarea formă:

 y 
r m
2
j  y  nij
i 1 j 1
 02  r m
(4.59’)
 n
i 1 j 1
ij

Dispersia de grupă sau dispersia condiţionată  i2 măsoară variaţia la nivelul


fiecărei grupe construite după factorul X. Numărul dispersiilor de grupă este egal cu numărul
grupelor stabilite după caracteristica considerată cauză (i = 1, 2 ... r).

 y 
m
2
j  yi  nij
j 1
  i
2
m
(4.60)
n j 1
ij

Fiecare dispersie de grupă măsoară variaţia valorilor variabilei dependente sub


influenţa factorilor din interiorul grupei respective, care sunt priviţi ca factori neesenţiali în
raport cu factorul X.

Pentru a măsura acţiunea tuturor factorilor neesenţiali din toate grupele se calculează
media dispersiilor de grupă.
2
Media dispersiilor de grupă (  ) este o medie aritmetică a dispersiilor de grupă:
r

2
 i
2
 ni 
  i 1
r
(4.61)
ni 1
i

Dacă toate grupele sunt de acelaşi volum (n1 = n2 = ... = ni = ...), atunci toate
dispersiile de grupă intră în calculul mediei cu aceeaşi importanţă
n1 n 2 nr 
r
 r
 ...  r
, atunci se aplică media aritmetică simplă:
n
i 1
i n
i 1
i n
i 1
i

2
 i
2

  i 1
(4.62)
r

Dispersia dintre grupe (  2 ) sau dispersia explicată (  Y2 / X ) măsoară variaţia


mediilor de grupă de la media generală şi exprimă variaţia datorată acţiunii factorilor de
grupare, deci a factorului X.

123
 y 
r
2
i  y  ni 
 Y2 / X  i 1
r
(4.63)
n
i 1
i

Pornind de la factorii de influenţă care determină variaţia valorilor variabilei Y, între


dispersiile menţionate există relaţia:
2
 02 =  +  Y2 / X (4.64)

Relaţia [4.64] este denumită regula de adunare a dispersiilor.

Dispersia totală ne arată că este suma dintre media dispersiilor de grupă şi dispersia
mediilor de grupă.

Pe baza acestei relaţii se calculează doi indicatori derivaţi (mărimi relative de


structură) care exprimă ponderea variaţiei acţiunii fiecărui grup de factori (esenţiali şi
neesenţiali) în variaţia totală şi anume:

 Coeficientul de determinaţie ( RY2 / X ), care exprimă ce cotă parte din variaţia totală
se datorează acţiunii factorului considerat esenţial:

 Y2 / X
RY2 / X   100 (4.65)
 02

 Coeficientul de nedeterminaţie ( K Y2 / X ) măsoară cât la sută din variaţia totală se


datorează influenţei factorilor neînregistraţi, consideraţi neesenţiali sau reziduali.
2

K 2
 2  100 (4.66)
0
Y/X

Exemplul 4.14 – Regula adunării dispersiilor


Variaţia cifrei de afaceri prezentată în Tabelul E.4.4.1 se datorează acţiunii unui mare număr de
factori: numărul salariaţilor; domeniul de activitate; preţurile practicate; calitatea produselor etc.
Presupunem că un factor esenţial de influenţă este numărul de salariaţi (X) şi vrem să măsurăm
cât de mare este această influenţă asupra cifrei de afaceri. În acest caz se grupează mai întâi agenţii
economici după acest factor, iar grupele obţinute se defalcă după cifra de afaceri (Y). Procedând
astfel se obţine o repartiţie bidimensională (vezi Tabelul E.4.14.1)

124
Tabelul E.4.14.1 – Gruparea agenţilor economici după numărul de salariaţi
şi după cifra de afaceri
Grupe Grupe după cifra de afaceri (mii lei)
după
numărul
de 1600- 2000- 2400- 2800- 3200- 3600- 4000- Total
salariaţi 2000 2400 2800 3200 3600 4000 4400
(pers.)
8 15 25 40 25 15 - - 120
16 - - 10 21 20 24 5 80
Total 15 25 50 46 35 24 5 200

Pentru verificarea regulii de adunarea a dispersiilor şi calculul coeficientului de determinaţie,


procedăm mai întâi la calculul mediilor pentru variabila « cifra de afaceri ».

a) media generală ( y ):
7

yj 1
j  n j
1800  15  2200  25  2600  50  3000  46  3400  35  3800  24  4200  5
y 2 7
  2906
 n
200
ij
i 1 j 1

mii lei

b) mediile de grupă ( y i ):

y j 1
j  n1 j
1800  15  2200  25  2600  40  3000  25  3400  15  3800  0  4200  0
y1  7
  2600
n
120
1j
j 1

mii lei
7

yj 1
j  n2 j
1800  0  2200  0  2600  10  3000  21  3400  20  3800  24  4200  5
y2  7
  3365
n
80
2j
j 1

mii lei

Media generală ( y ) poate fi calculată pe baza mediilor parţiale ( y i ) astfel:


2

y i  ni 
2600  120  3365  80
y i 1
2
  2906 mii lei
n
200
i
i 1

Să vedem cum facem toate aceste calcule în tabelul E.4.14.1

125
Yj
Xi Total
1800 2200 2600 3000 3400 3800 4200
8 15 25 40 25 15 - - 120
16 - - 10 21 20 24 5 80
Total 15 25 50 46 35 24 5 200
y j  n1 j 27000 55000 104000 75000 51000 0 0 312000
y j  n2 j 0 0 26000 63000 68000 91200 21000 269200
y j  n j 27000 55000 130000 138000 119000 91200 21000 581200

În continuare, procedăm la calculul dispersiilor pentru variabila Y:

c) dispersia generală (  02 =  Y2 ):

 y 
7
2
 y  n j
 02 
j 1
j


1800  29062  15  2200  29062  25  ...  4200  29062  5 
7

n
200
j
j 1

71992800
 359964
200

d) dispersiile de grupă (  i2 ):

 y 
7
2
 y1  n1 j
 12 
j 1
j


1800  26002  15  2200  26002  25 
7

n
120
1j
j 1

2600  26002  40  3000  26002  25  3400  29062  15  27200000  226666,7


120 120

 y 
7
2
 y2  n2 j
 
2 j 1
j


2600  3365  10  3000  3365  21
2 2

2 7

n
80
2j
j 1

3400  33652  20  3800  33652  24  4200  33652  5  897647375  208775,0


80 80
2
e) media dispersiilor de grupă (  ):
2

2
 i
2
 ni 
226666,7  120  11220592,2  80
  i 1
2
  219510,0
n
200
i
i 1

126
f) dispersia dintre grupe (  2 ) sau dispersia explicată (  Y2 / X )

 y 
2
2
 y  ni 
 2
 i 1
i

2600  2906  120  3365  2906  80
2 2
 140454,0
Y/X 2

n
200
i
i 1

g) regula de adunare a dispersiilor:


2
 02 =  +  Y2 / X =219510,0 + 140454,0 = 359964

După cum lesne se poate observa, regula de adunare a dispersiilor este verificată.
Calculele adiţionale de mai sus sunt sintetizate în tabelul de mai jos:

Yj
Xi Total
1800 2200 2600 3000 3400 3800 4200
8 15 25 40 25 15 - - 120
16 - - 10 21 20 24 5 80
Total 15 25 50 46 35 24 5 200
y j  2
 y  n j 18348540 12460900 4681800 406456 8541260 19181664 8372180 71992800,0

y j  y  n
1
2
1j
9600000 4000000 0 4000000 9600000 0 0 27200000,0

y j 
2
 y2  n2 j 0 0 5852250 2797725 24500 4541400 3486125 16702000,0

h) coeficientul de determinaţie ( RY2 / X ) este:

 Y2 / X 140454,0
R 2
  100   100  39,02%
0
Y/X 2
359964,0

Înseamnă că 39% din variaţia cifrei de afaceri a celor 200 de agenţi economici se datorează
deosebirilor privind numărul de salariaţi. Cota parte de 61% din variaţia cifrei de afaceri se poate
explica prin acţiunea tuturor celorlalţi factori consideraţi neesenţiali, reziduali.

4.4.4 Media si dispersia unei variabile alternative


Variabilele statistice se pot grupă după numărul variantelor / valorilor pe care le pot
lua şi în variabile nealternative şi, respectiv, variabile alternative. Variabila alternativă este
cazul particular al unei caracteristici nominative sau atributive la care se înregistrează numai
două stări care se exclud reciproc. De exemplu, un student poate fi după susţinerea unui
examen în situaţia de promovat sau nepromovat; o piesă poate corespunde standardului de
calitate sau nu; sexul – masculin sau feminin ; mediul de rezidenţă – urban sau rural etc.

Cele două variante care se înregistrează în cazul unei variabile alternative sunt: DA şi
NU. Exprimarea cantitativă a celor două variante presupune înlocuirea variantei DA cu 1 şi a
variantei NU cu 0.

127
Notaţiile uzuale folosite în cazul calcului mediei şi a dispersiei sunt prezentate în
Tabelul 4.2.

Tabelul 4.2 – Notaţiile caracteristicii alternative

Variantele Frecvenţa
Valoarea atribuită
caracteristicii Absolută Relativă
m
x1 (Da) 1 m p
n
nm
x2 (Nu) 0 n-m  q  1 p
n
Total n p  q 1

Media variabilei alternative este:


n

x i
1  m  0  ( n  m) m
x i 1
  p (4.67)
n n n
După cum se poate observa, media unei caracteristici alternative este ponderea
unităţilor care posedă varianta care interesează (Da) în totalul unităţilor, deci este o frecvenţă
relativă.

Dispersia unei astfel de variabile se deduce din relaţia de bază de calcul a dispersiei:

 x 
k
2
 x  ni
2  i 1
i

1  p 2  p  0  p 2  q  q 2  p  p 2  q  p  q  (q  p )
 pq
k
pq pq pq
n
i 1
i

sau

 2  p  (1  p) (4.68)

Prin urmare, dispersia caracteristicii alternative este produsul dintre ponderea celor
două variante în colectivitatea studiată.

4.5 Asimetria şi aplatizarea


Descrierea unei repartiţii statistice unidimensionale se realizează, de regulă, prin
intermediul mediei şi al dispersiei. Sunt însă situaţii când unii utilizatori reclamă informaţii
privind forma repartiţiei, ceea ce înseamnă un indicator prin care se caracterizează forma
variaţiei valorilor în jurul mediei. Seriile de distribuţie pot fi, pe de o parte, simetrice şi
asimetrice sau oblice şi, pe de altă parte, aplatizate sau ascuţite.

4.5.1 Asimetria
Se spune că o distribuţie este simetrică dacă frecvenţele de apariţie (absolute sau
relative) scad proporţional şi simetric în raport cu frecvenţa cea mai mare, care corespunde
valorii centrale.

128
Într-o distribuţie simetrică, cei trei indicatori ai tendinţei centrale sunt egali (fig. nr.
4.9). O distribuţie simetrică nu este întotdeauna o distribuţie normală, însă o distribuţie
normală este întotdeauna simetrică

Fig. 4.9 – Exemplu de distribuţie simetrică

x  Me  Mo
O distribuţie nonsimetrică poate fi asimetrică la dreapta (fig. nr. 4.10) sau la stânga
(fig. nr. 4.11). x

Fig. 4.10 – Exemplu de distribuţie asimetrică la dreapta

129
Fig. 4.11 – Exemplu de distribuţie asimetrică la stânga

Asimetria de dreapta (pozitivă) sau de stânga (negativă) se judecă în funcţie de


poziţia modului (Mo) faţă de media x pe axa absciselor.

Fig. 4.9 – 4.11 oferă o imagine vizuală privind forma repartiţiei, dar nu oferă o măsură
privind amploarea abaterii de la simetrie.

O modalitate simplă de descriere / măsurare a formei variaţiei constă în calcularea


diferenţei între medie şi mod.

As  x  Mo (4.69)

Dacă: x = Mo ⇒ distribuţia este simetrică ;

x > Mo ⇒ asimetrie de dreapta (pozitivă) ;

x < Mo ⇒ asimetrie de stânga (negativă).


Rezultatul aplicării relaţiei [4.69] se exprimă în unităţile de măsură ale variabilei (mil.
lei; Kg etc) şi ca atare această relaţie nu poate fi folosită pentru comparaţii între serii
construite pentru variabile diferite.

Pentru măsurarea aimetriei se foloseşte frecvent coeficientul de asimetrie propus de


Karl Pearson:

x  Mo
C as  (4.70)

Acest coeficient poate lua valori cuprinse între – 1 şi + 1. Cu cât Cas este mai mic cu
atât distribuţia tinde mai mult spre una simetrică ; Se consideră că o distribuţie este moderat
asimetrică, dacă Cas < 0,3 . Distribuţia agenţilor economici după cifra de afaceri (vezi
Exemplele 4.4 şi 4.7) este moderat asimetrică la dreapta (coeficientul este pozitiv).

2906  2745
C as   0,27
600

130
Dacă seria de repartiţie este bi sau multimodală (frecvenţa cea mai mare apare de
două sau de mai multe ori) care tinde spre normalitate, se recomandă calcularea
coeficientului de asimetrie (C`as).

3  x  Me 
C as  (4.71)

Coeficientul de asimetrie (C`as) ia valori cuprinse între (– 3; 3). Un coeficient de
asimetrie situat între – 0,3 şi + 0,3 indică o distribuţie moderat asimetrică. Dacă C`as
depăşeşte 0,3, asimetria este puternică, ceea ce sugerează că indicatorii tendinţei centrale
tind să fie nereprezentativi.

4.5.2 Aplatizarea
Gradul de aplatizare a unei distribuţii ne arată cât de „plată” sau „ascuţită” este o
distribuţie. O distribuţie plată are „cozile” mai lungi, în timp ce una ascuţită are cozile mai
scurte.

Gradul de aplatizare a fost definit de Karl Pearson ca fiind:

    3, (4.72)

unde

 x 
N
4
i x
 i 1
(4.73)
N  4
Această relaţie de calcul este valabilă atunci când avem date despre toate
elementele colectivităţii statistice.

xi  x
Mărimea se mai numeşte scor Z sau valoare normată şi se obţine, după cum

se vede, prin transformarea variabilei iniţiale scăzând valoarea medie şi împărţind diferenţa
la abaterea medie pătratică. Cu alte cuvinte, parametrul  este media scorurilor Z ridicate la
puterea a 4-a. Aşadar,

xi  x
Zi 

Parametrul  se mai numeşte „aplatizarea Pearson”, iar  - 3 este „excesul de
aplatizare” sau „aplatizarea Fisher”, chiar dacă Pearson a fost cel care a definit aplatizarea
ca  -3.

O distribuţie normală are, de regulă, un parametru  egal cu 3. Aşadar, excesul de


aplatizare este 0 pentru o distribuţie normală.

Atunci când  > 0, distribuţia este ascuţită, sau „leptocurtică”, aşa cum se poate
vedea din Fig. 4.12.

131
Fig. 4.12 – Exemplu de distribuţie ascuţită

Când  <0, distribuţia este aplatizată, sau „platicurtică”, aşa cum se poate vedea din
Fig. 4.13.

Fig. 4.13 – Exemplu de distribuţie aplatizată

Atunci când folosim date de sondaj, ceea ce se întâmplă frecvent, se utilizează un


estimator al gradului de aplatizare  :

n(n  1)  Z 4 3(n  1) 2
g  (4.74)
(n  1)(n  2)(n  3) (n  2)(n  3)

Această relaţie este utilizată şi în MS Excel pentru calculul gradului de aplatizare cu


funcţia KURT.

132
4.6 Cuvinte – cheie
Serie unidimensională / Concentrarea sau dispersarea
multidimensională. termenilor
Serie de repartiţie = serie Frecvenţe absolute, relative,
distribuţie = serie de frecvenţe. cumulate
Serie de atribute = serie Densitatea de frecvenţă.
nominativă
Indicatorii tendinţei centrale:
Omogenitatea termenilor medie, mediană, mod
Variabilitatea termenilor Indicatorii variaţiei
Independenţa termenilor Amplitudinea variaţiei
Cuartile Dispersie dintre grupe = dispersie
explicată
Abaterea medie liniară
Media dispersiilor de grupă =
Dispersia
dispersia reziduală
Abatere medie pătratică = abaterea
Coeficient de determinaţie
standard
Media variabilei alternative
Coeficient de variaţie
Dispersia variabilei alternative
Regula de adunare a dispersiilor
Asimetrie de stânga / dreapta;
Medie condiţionată = medie de
negativă / pozitivă
grupă
Coeficient de asimetrie
Dispersie condiţionată = dispersie
de grupă Coeficient de aplatizare

4.7 Intrebări de control


1. Care este deosebirea dintre o serie de variaţie şi o serie de atribute?

2. Ce reprezintă densităţile de frecvenţe?

3. Ce exprimă media aritmetică?

4. Când media unei serii este reprezentativă?

5. Când se verifică egalitatea: x = Mo = Me ?

6. Când se aplică media geometrică?

7. De ce este necesar să se studieze variaţia valorilor în jurul mediei?

8. Care este semnificaţia coeficientului de variaţie?

9. În ce constă regula de adunare a dispersiilor?

10. Care este semnificaţia dispersiei dintre grupe?

11. Ce măsoară media dispersiilor de grupă?

12. Când se aplică şi cum se calculează media şi dispersia unei variabile alternative?

133
13. Prin ce se caracterizează o distribuţie simetrică?

14. Cum se interpretează coeficientul de asimetrie?

15. Cum se interpretează gradul de aplatizare?

4.8 Bibliografie
1. Bij E., Lilea E., Wagner P., Petcu N., Vătui M., – Statistica, Editura Didactică şi
Pedagogică, Bucureşti, 1999, p. 159–203.

2. Jaba E., – Statistica, Editura Economică, Bucureşti, 1998, p. 103– 176.

3. Korka M., Begu St., Tuşa E., Bazele statisticii pentru economişti, Editura Tribuna
Economică, 2002, p. 70–102.

4. Schwarze J., – Grundlagen der Statistik I, Verlag Neue Wirtschafts – Briefe,


GmbH, Berlin, 1994, p.58–106.

5. Tudorel A., Stancu S. – Statistica. Teorie şi aplicaţii, Editura All, Colecţia


„Oeconomica”, Bucureşti, 1995, p. 124-125, 132-140, 252-265

6. Voineagu V., Lelea E., Gaschin Z., Vătui M., Boldeanu D., – Statistica economică.
Teorie şi aplicaţii, Editura Tribuna Economică, Bucureşti, 2002, p. 84–150.

134
Capitolul 5: ELEMENTE DE SONDAJ STATISTIC

5.1 Introducere
Cunoaşterea statistică a realităţii din oricare domeniu de activitate presupune
colectarea de date individuale pentru caracteristicile care interesează, iar prin sistematizarea
şi prelucrarea acestor date să se obţină informaţii care răspund obiectivului urmărit. Datele
empirice individuale pot fi obţinute prin metode de înregistrare (observare) exhaustivă sau
parţială.

Înregistrările parţiale, cunoscute în practica statistică sub numele de anchete


statistice, sunt preferate investigaţiilor totale datorită avantajelor pe care le au faţă de
acestea din urmă.

Un aspect fundamental al sondajelor este că, din toate eşantioanele care pot fi
extrase dintr-o colectivitate generală, al căror număr este de cele mai multe ori astronomic,
putem investiga doar unul singur. Este esenţial, astfel, ca rigorile teoretice şi metodologice
să fie urmate cu perseverenţă, pentru a evita ca erorile inerente să nu distorsioneze
substanţial estimaţiile.

În acest capitol sunt prezentate fundamentele sondajului statistic ca instrument


metodologic de realizare a anchetelor statistice. Se tratează etapele sondajului statistic,
avantajele şi limitele acestei forme de investigare a realităţii, procedeele de eşantionare,
calculul indicatorilor specifici principalelor tipuri de selecţie şi extinderea rezultatelor
sondajului asupra colectivităţii generale care face obiectul cercetării.

5.2 Definire, etape, noţiuni, avantaje


Sondajul statistic reprezintă o formă a cercetării statistice pe baza unei părţi
reprezentative din colectivitatea generală. Realizarea unui sondaj statistic presupune
proiectarea şi implementarea unui plan de sondaj care înseamnă parcurgerea următoarelor
etape:

a) alegerea unui procedeu de sondaj şi extragerea unui eşantion reprezentativ din


colectivitatea generală, având stabilite conţintul şi structura colectivităţii generale
(baza de sondaj), mărimea eşantionului şi probabilităţile de incluziune;

b) determinarea indicatorilor statistici ce vor fi calculaţi pe baza datelor observate


pentru fiecare caracteristică înregistrată (descrierea statistică);

c) generalizarea (extinderea) rezultatelor obţinute pentru eşantion asupra


colectivităţii generale, care cuprinde formalizarea estimatorilor şi estimarea
propriu-zisă a parametrilor colectivităţii generale.

Planul de sondaj este o componentă a cercetării statistice.

Colectivitatea generală este alcătuită din totalitatea unităţilor / elementelor care


formează fenomenul sau procesul care face obiectul cercetării. Din colectivitatea generală se

135
extrag unităţile care compun eşantionul. Din acest motiv se mai numeşte bază de sondaj.
Numărul unităţilor care alcătuiesc baza de sondaj defineşte volumul acestuia (N).

Indicatorii statistici calculaţi pe baza datelor aferente colectivităţii generale se mai


numesc parametrii colectivităţii generale. Exemplele tipice de parametri sunt: media, totalul şi
dispersia. Aceşti parametri se estimează în cazul sondajului statistic cu ajutorul estimatorilor:
estimator de medie, estimator de total, estimator de dispersie.

Baza de sondaj reprezintă, uzual, o listă cu toate unităţile compun colectivitatea


generală, listă alcătuită după un criteriu care nu are nici o legătură cu ordinul de mărime al
valorilor variabilelor înregistrate. Exemple de baze de sondaj folosite frecvent în cazul
anchetelor statistice ar putea fi: registrul auto, liste electorale, lista localităţilor, registrul
agenţilor economici, registrul populaţiei, lista gospodăriilor înregistrate la recensământ etc.

O bază de sondaj trebuie să îndeplinească câteva cerinţe fundamentale şi anume:

- să cuprindă întreaga populaţie;

- să fie actuală;

- să fie ferită de orice repetiţie, adică să nu conţină duble înregistrări;

- uşor accesibilă

Eşantionul (mostra, colectivitatea de selecţie, proba) reprezintă o parte din


colectivitatea generală, extrasă astfel încât să reproducă principalele trăsături esenţiale ale
colectivităţii generale din care a fost extras. Numărul unităţilor care compun eşantionul
reprezintă volumul acestuia (n). Sondajul statistic poate caracteriza suficient de corect
realitatea numai dacă eşantionul este reprezentativ.

Noţiunea de reprezentativitate este adesea confundată cu:

- puterea eşantionului de a reflecta la scară redusă structura colectivităţii de


referinţă, asimilată, de fapt cu sondajul stratificat cu alocare proporţională;

- selectarea unui eşantion de volum suficient de mare;

- ponderea variabilei de studiu (ex. cifra de afaceri) acoperită de eşantion în totalul


aceleiaşi variabile din baza de sondaj.

Potrivit unei definiţii clasice, un eşantion este reprezentativ dacă reproduce structura
şi principalele trăsături ale colectivităţii din care a fost extras. Cu alte cuvinte, eşantionul este
reprezentativ dacă este o fotografie la scară redusă a colectivităţii generale. Metodele
actuale utilizate în domeniul sondajelor permit, totuşi, să extragem eşantioane care nu
reproduc întocmai structura colectivităţii generale, însă păstrează calitatea de a fi
reprezentative. De aceea, o definiţie mai corectă este aceea conform căreia un eşantion este
reprezentativ dacă fiecare unitate din colectivitatea generală are o şansă nenulă de a fi
selectată în eşantion, eşantion care se numeşte probabilist.

Reprezentativitatea este asigurată de caracterul aleator al selecţiei prin care fiecare


unitate din populaţia de referinţă are o probabilitate nenulă de a fi prezentă în orice eşantion
extras; orice unitate care are o probabilitate nulă va fi omisă sistematic, deci nu va fi
reprezentată în eşantion.

136
Chestiunea importantă este ca eşantionul reprezentativ (selectat aleator) să fie
eficace pentru estimarea oricarei variabile şi studierea oricărei sub-populaţii, ceea ce
echivalează cu estimarea parmetrilor într-un interval de precizie acceptabilă.

Indicatorii statistici calculaţi pe baza datelor înregistrate pentru eşantion sunt numiţi
estimatori.

Probabilitatea, în sens larg, înseamnă raportul dintre numărul de evenimente


aşteptate şi numărul total de evenimente posibile. În teoria sondajelor, se folosesc două
noţiuni ale probabilităţii:

 probabilitatea de selecţie, notată cu p s , asociată eşantioanelor - probabilitatea


nenulă ca o unitate să fie selectată la fiecare extragere elementară; suma
probabilităţilor de selecţie este 1;

 probabilitatea de incluziune, notată cu  , asociată unităţilor selectate -


probabilitatea ca o unitate sa aparţină eşantionului final; suma probablităţilor de
incluziune este diferită de 1.

Notaţiile folosite uzual pentru indicatorii colectivităţii generale şi cei ai eşantionului


sunt prezentaţi în Tabelul 5.1. Accentul circumflex plasat deasupra simbolurilor semnifică
faptul că mărimea statistică respectivă este estimată din eşantion, deci nu provine din
calculul la nivelul întregii colectivităţi supuse studiului.

Tabelul 5.1 – Notaţii folosite în sondajul statistic


Colectivitatea
Denumire variabilă Eşantion
generală
Mărime (număr unităţi) N n
Variabila de studiu X x
M m
Caracteristică alternativă p pˆ 
N n
N n

Medie
 Xi x i
X  i 1
xˆ  i 1

N n

Varianţă
 X i X   s2 
1 n
 ( xi  xˆ ) 2
 u2  n i 1
N

Dispersie (varianţa corectată) S u2 


1
N 1
 Xi  X   s2 
1 n

n  1 i 1
( xi  xˆ ) 2

Varianţa caracteristicii alternative  p2  p  (1  p) s 2pˆ  pˆ  (1  pˆ )


N n
Dispersia caracteristicii alternative S p2   p  (1  p) s 2pˆ   pˆ  (1  pˆ )
N 1 n 1

Utilizarea sondajului statistic în cercetarea fenomenelor şi proceselor în domenii


diverse ale vieţii economice şi sociale este expresia avantajelor acestui mod de cercetare
comparativ cu cercetarea totală. Dintre avantajele cele mai semnificative menţionăm:

137
- în multe situaţii sondajul statistic este singura alternativă la care se poate recurge
şi anume atunci când cercetarea conduce la distrugerea elementelor. De exemplu:
estimarea recoltei agricole înainte de recoltare; determinarea duratei de
funcţionare a unor produse; cercetarea rezistenţei diferitelor materiale;

- este mai operativ şi mai ieftin deoarece numărul unităţilor de la care se culeg date
este semnificativ mai mic decât colectivitatea generală;

- permite cunoaşterea mai completă în sensul că în cazul unui număr mai mic de
unităţi se poate folosi un program de observare mai amplu comparativ cu cel
utilizat în cazul unei înregistrări exhaustive;

- erorile de înregistrare sunt de mai mică amploare şi pot fi depistate mai uşor;

- poate fi folosită ca mijloc de verificare a rezultatelor unei cercetări totale. La


judecarea avantajelor menţionate se adaugă faptul că sondajul statistic, fiind o
cercetare statistică parţială, oferă doar o estimare a parametrilor colectivităţii
generale, deci rezultatele nu sunt determinări exacte.

În concluzie, sondajul statistic s-a impus în practica cercetării din majoritatea


domeniilor de activitate datorită operativităţii cu care se obţin rezultatele, datorită costului
informaţiilor şi, nu în ultimul rând, datorită faptului că oferă rezultate suficient de exacte
despre colectivitatea studiată.

Cercetarea realităţii economice şi sociale se bazează, în prezent, în practica


statistică, în majoritatea cazurilor prin metoda sondajului.

Înregistrări şi cercetări totale se organizează în cazul câtorva fenomene şi procese


(recensăminte ale populaţiei, recensăminte agricole etc). Partea covârşitoare a indicatorilor
macroeconomici se estimează pe baza rezultatelor obţinute în urma cercetărilor prin sondaj.
Producţia industrială, producţia agricolă, produsul intern brut, volumul investiţiilor, efectivul
salariaţilor, câştigul salarial mediu, rata inflaţiei etc. sunt doar câteva exemple de indicatori
statistici determinaţi prin aplicarea sondajului statistic în statistica oficială. Tot prin sondaj
sunt chestionaţi alegătorii la ieşirea de la urne sau când sunt investigate diverse teme socio-
economice.

5.3 Procedee de selecţie


În vederea formării eşantionului pot fi aplicate mai multe procedee de extragere a
unităţilor din colectivitatea generală (baza de sondaj). La alegerea procedeului de
eşantionare trebuie să se ţină seama de volumul colectivităţii generale (N), de volumul
eşantionului (n) şi de gradul de omogenitate al bazei de sondaj prin prisma caracteristicilor
care interesează.

Procedeele de sondaj se diferenţiază după mai multe criterii:

 După algoritmul de extragere a eşantionului, se deosebesc:

- sondaje probabiliste;

- sondaje neprobabiliste sau empirice.

138
 După volumul eşantionului, se disting:

- sondaje de volum mare – eşantionul este format din cel puţin 120 de unităţi;

- sondaje de volum redus – eşantionul sub 30 de unităţi.

 După numărul etapelor parcurse la formarea eşantionului, sondajele se separă în:

- sondaje simple, când se parcurge o singură etapă la extragerea eşantionului;

- sondaje în trepte, când se parcurg cel puţin două etape la formarea


eşantionului.

Selecţiile probabiliste se recomandă a fi aplicate în marea majoritate a situaţiilor,


deoarece sunt complet fundamentate teoretic şi permit calculul preciziei aşteptate încă din
etapa de proiectare a planului de sondaj. Doar în situaţii determinate de raţiuni de
operativitate şi eficienţă se recomandă utilizarea sondajelor empirice. Caracteristic acestui tip
de selecţie este faptul că elimină orice intervenţie subiectivă în alegerea unităţilor ce
formează eşantionul.

Chiar şi atunci când colectivitatea generală care se studiază nu este omogenă, se pot
pune la punct planuri de sondaj care compensează variaţia mare a variabilei sau variabilelor
de interes. Procedeele de sondaj aplicabile sunt cele prin stratificare, în trepte, cu
probabilităţi inegale etc. Astfel, se asigură includerea în eşantion a unor unităţi din toate
categoriile, respectiv se asigură că structura eşantionului să corespundă cu structura
colectivităţii generale. Spre exemplu, în cazul sondajului stratificat, după ce s-a stabilit
volumul eşantionului (n) se extrage din fiecare strat existent în colectivitatea generală câte un
subeşantion folosind un procedeu aleator.

În vederea extragerii eşantionului se pot aplica mai multe procedee: procedeul


tragerii la sorţi; procedeul tabelului cu numere întâmplătoare; procedeul selecţiei sistematice
sau al pasului de numărare. În practica generală, însă, se recurge la generarea de numere
aleatoare cu ajutorul funcţiilor implementate în programele informatice specializate în
prelucrarea datelor. Generatoarele de numere aleatoare sunt, de fapt, generatoare de
numere „pseudoaleatoare”, deoarece numerele generate tind să se repete după un număr
mai mic sau mai mare de repetiţii. Pentru nevoile curente, însă, seriile de numere generate
sunt suficient de robuste.

Procedeul tragerii la sorţi (procedeul loteriei) se aplică în cazul colectivităţilor


omogene şi de volum restrâns. Se procedează astfel: se numerotează unităţile colectivităţii
generale de la 1 la N şi se extrage câte o unitate (bilă sau jeton) până la completarea
eşantionului de volum n.

Extragerea poate fi făcută în două variante:

 procedeul selecţiei repetate sau al bilei revenite;

 procedeul selecţiei nerepetate sau al bilei nerevenite.

În cazul aplicării procedeului selecţiei aleatoare repetate, o unitate o dată extrasă


se restituie bazei de sondaj, fapt ce face ca o unitate să poată pătrunde de mai multe ori în
eşantion.

139
Ca urmare, probabilitatea de includere în eşantion a fiecărei unităţi este constantă pe
parcursul procesului de extragere a eşantionului:

1
i  , i  1, n
N
Datorită faptului că o unitate poate intra de mai multe ori în eşantion,
reprezentativitatea eşantionului poate fi redusă şi, ca urmare, erorile pot fi mari. Numărul
eşantioanelor care se pot forma în acest caz este egal cu N .

Procedeul selecţiei aleatoare nerepetate presupune ca o unitate o dată extrasă nu


se mai restituie bazei de sondaj. În acest caz, creşte probabilitatea unităţilor de a fi incluse în
eşantion pe parcursul extragerii, de la 1/ N în cazul primei extrageri la 1/ N −(n −1), în cazul
ultimei extrageri:

1
1  ;
N
1
2  ;
N 1
1
3  ;
N 2
...
1
n 
N  n 1
Datorită faptului că o unitate nu poate intra de mai multe ori în eşantion, erorile sunt
mai mici comparativ cu selecţia repetată. Numărul de eşantioane de volumul n care se pot
forma în acest caz este egal cu C Nn .

Procedeul tabelului cu numere întâmplătoare sau prin generarea numerelor


aleatoare se recomandă în vederea formării eşantionului când volumul colectivităţii generale
este mare. Folosirea acestui procedeu presupune întocmirea listei unităţilor de la 1 la N şi
extragerea celor n unităţi care compun eşantionul.

Numerele cuprinse într-un astfel de tabel de numere aleatoare sunt sistematizate pe


rânduri şi pe coloane. În vederea formării eşantionului se alege la întâmplare rândul şi
coloana cu care va începe selecţia. De exemplu, dacă colectivitatea generală este formată
din 2000 de unităţi şi se propune formarea unui eşantion de 5% (n=100) se va proceda
astfel: pornind de la rândul şi coloana alese la întâmplare, vor fi cuprinse în eşantion toate
unităţile la care numărul din lista de la 1 la N corespunde cu numerele citite din tabel, care
sunt cuprinse între 1 şi 2000.

Generarea de numere aleatoare presupune folosirea unei funcţii speciale


implementate în aplicaţia informatică prin care fiecărei unităţi din baza de sondaj se ataşează
un număr aleator cuprins între 0 şi 1 sau între două limite oarecare. În pasul următor, lista se
selectează crescător după numărul aleator şi se extrag primele n unităţi. Cu ajutorul
calculatorului electronic, spre exemplu în MS Excel, prin funcţia RANDBETWEEN(a; b) sau
cu RAND()*(b-a)+a, se poate genera un şir de numere aleatoare între a şi b. Concret,

140
fiecărei unităţi din baza de sondaj se asociază un număr aleator, după care lista este sortată
crescător şi, în ordinea numerelor aleatoare sunt selectate primele „n” unităţi. Această
metodă este asimilată cu procedeul selecţiei aleatoare nerepetate, deoarece, prin
alocarearea unui număr aleator fiecărei unităţi din baza de sondaj, se elimină situaţiile în
care o unitate poate apărea de mai multe ori în eşantion.

Procedeul selecţiei sistematice asigură o selecţie cvasialeatoare deoarece numai


prima unitate se extrage la întâmplare, după care celelalte sunt extrase adăugând un pas fix
de numărare.

Se porneşte de la lista tuturor unităţilor care compun colectivitatea generală şi se


determină pasul de numărare, egal cu inversul fracţiei de sondaj:

N
p
n
În continuare, se generează un număr aleator cuprins între 1 şi p şi se extrage
unitatea din primele p unităţi ale bazei de sondaj. Celelalte unităţi care vor fi cuprinse în
eşantion sunt determinate de pasul de numărare.

Eşantionul de n unităţi este format din prima unitate extrasă la întâmplare şi din
celelalte n – 1 unităţi determinate prin adăugarea succesivă a pasului de numărare la
numărul de ordine al primei unităţi. De exemplu, dacă N /n = 20 şi prima unitate extrasă
corespunde numărului 7, atunci vor fi cuprinse în eşantion: 7, 27, 47, 67, .... .

În practică, pentru utilizarea selecţiei sistematice se recomandă mai întâi sortarea


crescătoare a bazei de sondaj în funcţie de o variabilă puternic corelată cu variabilele de
interes ale cercetării prin sondaj, cât mai actuală. Această sortare asigură o stratificare
implicită a eşantionului, dând posibilitatea selectării unităţilor din toate categoriile de mărime.

Sondajele empirice sunt sondaje non-probabiliste, deoarece nu se poate stabili


aprioric care este probabilitatea de incluziune a fiecărei unităţi eşantionate. Acest fapt este
cauzat de absenţa bazei de sondaj, situaţie care poate fi compensată prin instrucţiunile date
operatorilor de interviu pentru a limita distorsiunile introduse în selecţia unităţilor de sondaj,
distorsiuni induse fie de factorul uman care efectuează selecţia, fie de algorimul utilizat, spre
exemplu, în sondajele on-line sau telefonice.

Sondajele empirice se bazează pe informaţii fiabile asupra colectivităţilor supuse


observării şi pe operatori de interviu bine formaţi, care nu introduc distorsiuni sistematice. De
asemenea, sunt intens utilizate variabile de control pentru o eventuală stratificare a posteriori
în scopul ameliorării estimaţiilor. În final, precizia se calculează ca şi cum selecţia este
aleatorie.

Sondajele empirice sunt larg utilizate datorită operativităţii şi costurilor reduse. Prin
metodele de selecţie, statisticianul se asigură că ele se apropie de idealul metodelor
probabiliste. De asemenea, având la dispoziţie o serie de indicatori statistici ai populaţiilor
supuse observării – indicatori statistici proveniţi, de regulă, din sistemul statisticii oficiale,
cum ar fi populaţia pe vârste, sexe, medii de rezidenţă, localităţi – statisticianul poate
aproxima probabilităţile de incluziune ale unităţilor selectate în eşantion.

141
Există două principale metode de selecţie utilizate în sondajele empirice: metoda
cotelor, cu varianta sa a “itinerariilor”, şi metoda unităţilor-tip. De asemenea, mai există
metoda voluntarilor, dar pe care nu o vom trata în cele ce urmează.

Metoda cotelor constă în stabilirea structurii eşantionului proporţional cu anumite


caracteristici ale colectivităţii generale, cunoscute fie din statisticile oficiale publicate, fie din
alte cercetări statistice de mare volum şi cu o precizie ridicată a estimaţiilor. Spre exemplu,
dacă populaţia ţării este formată din 44% bărbaţi şi 56% femei, atunci eşantionul nostru
trebuie să conţină bărbaţi şi femei exact în aceleaşi proporţii. De asemenea, dacă aceeaşi
populaţie se regăseşte în proporţie de 45% în mediul rural şi 55% în mediul urban,
eşantionul trebuie să reflecte aceste proporţii. Pe lângă aceste caracteristici se pot adăuga şi
altele, cum ar fi grupele de vârstă, categoria socio-ocupaţională (salariat, persoană cu
profesii liberale, pensionar, elev sau student, casnic(ă) etc.).

De regulă, volumul eşantioanelor utilizate de institutele de sondare a opiniei publice


este de cca. 1200 de persoane de 18 ani şi peste. Chiar dacă operatorul a primit instrucţiuni
foarte stricte de asigurare a caracterului aleatoriu al selecţiei persoanelor, el are încă
libertatea de alege locuinţele şi persoanele pe care le va intervieva, preocuparea sa fiind şi
aceea de a respecta cotele alocate. De aceea, în cazul în care la o anumită adresă nu
răspunde nimeni sau o persoană refuză interviul el va căuta o altă adresă, o altă persoană
până când cotele sale vor fi completate. În sondajele probabiliste, în cazul unui refuz sau
imposibilităţii contactării, este complet interzisă înlocuirea unităţii care nu răspunde deoarece
caracterul aleatoriu al selecţiei este compromis.

Problemele cotelor se complică atunci când ele sunt încrucişate, deoarece există
riscul ca unele dintre ele să se epuizeze rapid, în sensul că acele cote care sunt construite
pe caracteristici mai frecvente pot fi completate mai rapid decât altele mai rar întâlnite, cum
ar fi în cazul profesiilor liberale, spre exemplu.

Sondajul pe cote este, cu adevărat, o fotografie la scară redusă a colectivităţii


generale, ceea ce induce sentimentul că eşantionul este “reprezentativ”. Estimaţiile obţinute
pe eşantion sunt, practic, ceea ce ne aşteptăm să observăm la nivelul întregii colectivităţi.
Precizia acestor estimaţii este asimilată cu cea obţinută dintr-un eşantion cu adevărat
aleator, cum este cel simplu aleator fără revenire.

Metoda itinerariilor se completează, în cercetările statistice, cu metoda cotelor. În


metoda cotelor, operatorul are o oarecare libertate de a-şi alege respondenţii. În schimb, în
metoda itinerariilor, operatorul are un consemn clar de a urma un anumit traseu cu ajutorul
unor hărţi sau prin indicarea străzilor, arterelor de circulaţie, a părţii acestora – numerele
impare, numerele pare – pe care să le parcurgă şi să asigure completarea cotelor alocate.
Aceste itinerarii sunt alese aleator sau pot fi indicate după anumite reguli.

Metoda unităţilor-tip este, poate, cea mai empirică metodă din setul celor expuse
aici. Ea constă în desemnarea uneia sau mai multor unităţi “medii”, care posedă un număr
de caracteristici definitorii şi întâlnite la majoritatea colectivităţii generale. În felul acesta, se
condideră că unităţile-tip sunt “reprezentative” pentru colectivitatea respectivă. Alegerea este
cel puţin parţial subiectivă şi se bazează pe un pariu, în sensul că se prespune că unităţile-
tip au un comportament similar cu cel al colectivităţii generale şi, în consecinţă, se pot face

142
generalizări fără riscuri prea mari de a greşi. După ce caracteristicile unităţilor-tip au fost
stabilite, alegerea propriu-zisă nu se face complet aleatoriu, deoarece rezultatele finale pot fi
încă şi mai dezastruoase, aşa cum în unele situaţii practice şi de notorietate s-a întâmplat.

5.4 Erorile sondajului statistic


Prin organizarea unui sondaj statistic se urmăreşte, cel mai adesea, estimarea
indicatorilor unei colectivităţi de mare amploare, pentru determinarea cărora nu este posibilă
sau nu se justifică organizarea unei cercetări exhaustive, pornind de la indicatorii calculaţi pe
baza datelor eşantionului.

Trebuie acceptată situaţia că oricât de corectă ar fi făcută eşantionarea, valorile


rezultate din prelucrarea datelor aferente eşantionului se abat de la cele determinate pe baza
datelor înregistrate pentru colectivitatea generală. De asemenea, niciodată un eşantion
planificat nu coincide cu cel realizat, cu datele rezultate din observare.

Erorile de sondaj (de selecţie) se consideră diferenţele care există între valorile
oricărui indicator calculat pe baza datelor eşantionului şi valorile aceluiaşi indicator
determinate pe baza datelor aferente colectivităţii generale. În cadrul sondajului statistic se
disting două feluri de erori:

- erori de înregistrare, comune tuturor tipurilor de observări statistice;

- erori de reprezentativitate, specifice cercetării prin sondaj.

Erorile de înregistrare care intervin în cazul sondajului statistic sunt de mai mică
amploare comparativ cu cele în cazul unei înregistrări totale. Aceasta, datorită faptului că
volumul datelor înregistrate este semnificativ mai mic, iar culegerea datelor se realizează de
un personal de specialitate.

Erorile de reprezentativitate sunt specifice sondajului statistic. Ele pot fi erori


sistematice şi erori întâmplătoare.

Erorile de reprezentativitate sistematice se concretizează în abateri de la realitate


întrun singur sens. Această grupă de erori se datorează nerespectării principiilor pe care se
fundamentează sondajul statistic. Printre principalele cauze care pot duce la apariţia erorilor
sistematice menţionăm:

- alegerea deliberată a unor unităţi considerate reprezentative;

- selectarea preferenţială a acelor unităţi care să ducă la rezultatul dorit de


cercetător;

- baze de sondaj incomplete;

- rată mare de non-răspunsuri;

- volumul redus al eşantionului.

Aceste erori pot fi evitate dacă se respectă întocmai principiile teoriei selecţiei.

Erorile de reprezentativitate întâmplătoare nu pot fi evitate, chiar dacă se respectă


toate regulile sondajului statistic. Aceasta deoarece, pe de o parte, prin numărul mic de

143
unităţi care compun eşantionul nu se pot reproduce întocmai toate trăsăturile esenţiale ale
colectivităţii generale şi, pe de altă parte, nu putem investiga decât un eşantion din cele pe
care le putem extrage din colectivitatea generală.

Erorile de reprezentativitate întâmplătoare, deşi nu pot fi evitate, ele pot fi calculate


cu anticipaţie, dacă selecţia este probabilistică. Parametrii colectivităţii generale se
estimează pe baza indicatorilor obţinuţi din prelucrarea datelor eşantionului cu o anumită
eroare întâmplătoare de reprezentativitate.

Eroarea de reprezentativitate se determină de cele mai multe ori pe baza diferenţei


dintre media eşantionului ( x ) şi media colectivităţii generale ( X ). Se consideră că un
eşantion este reprezentativ dacă eroarea se încadrează în intervalul ± 5% , ceea ce
înseamnă că:

x X
 5% (5.1)
X
Determinarea erorii de reprezentativitate pe baza relaţiei 5.1 presupune să se
cunoască media colectivităţii generale, ceea ce presupune că s-a recurs, anterior, la o
observare totală. De cele mai multe ori sondajul statistic înlocuieşte o cercetare totală, deci
nu se cunosc parametrii acesteia (media, dispersia etc). În asemenea situaţii se recomandă,
în vederea verificării eficacităţii eşantionului, compararea mediei de sondaj cu media din
baza de sondaj, în ipoteza că în baza de sondaj dispunem cel puţin de o variabilă importantă
care este corelată cu variabila de interes a cercetării statistice.

Extragerea a două eşantioane de volum diferit şi compararea mediilor celor două


eşantioane este o altă soluţie, însă compararea cu baza de sondaj este cea mai firească şi
mai relevantă, deoarece există un risc – minim, dar prezent – ca cele două eşantioane să fie
ambele distorsionate. În plus, este foarte puţin probabil ca cel care suportă costurile
cercetării prin sondaj să fie de acord să finanţeze realizarea ei pe două eşantioane diferite
pentru raţiuni metodologice, de verificare a egalităţii mediilor de sondaj.

Dacă diferenţa dintre media de sondaj şi cea din baza de sondaj nu este
semnificativă (de peste 5%), atunci eşantionul poate fi folosit pentru estimarea parametrilor
colectivităţii generale. În cazul în care diferenţa este semnificativă se recomandă extragerea
unui alt eşantion (diferit de primul), extragere care se poate repeta până când se obţine un
eşantion convenabil obiectivelor stabilite, acceptând ipoteza că eşantionul rezultat va reflecta
corect comportamentele din colectivitatea generală. În selectarea eşantionului şi în stabilirea
volumului acestuia se vor avea în vedere modul în care se doreşte publicarea rezultatelor, la
nivelul de dezagregare cel mai scăzut, astfel încât subeşantioanele să fie consistente la
acele niveluri, adică volumul lor să fie de minim 50 de unităţi. Altfel, există riscul ca
estimaţiile să nu poată fi garantate cu nivelul de precizie stabilit aprioric.

144
5.5 Eroarea medie si eroarea limită
Eroarea de reprezentativitate este diferenţa dintre media eşantionului şi media
colectivităţii generale. Dar, teoretic, dintr-o colectivitate generală de volum egal cu N se pot
extrage succesiv mai multe eşantioane de acelaşi volum n. Numărul eşantioanelor posibile
de format este egal cu N n în cazul sondajului repetat şi cu C Nn în cazul sondajului repetat.

Fiecare eşantion va fi definit de media x̂ s şi de dispersia  s2 calculate pentru caracteristica

sau caracteristicile care interesează, unde s ia valori cuprinse între 1 şi N n în cazul


sondajului simplu aleator repetat şi între 1 şi C Nn în cazul sondajului aleator simplu nerepetat.
şi dispersia. Mediile de selecţie diferă între ele şi ca urmare şi erorile de reprezentativitate
xˆ s  X vor fi diferite de la un eşantion la altul.

Dacă se iau în considerare toate eşantioanele posibile de un anumit volum n, se


remarcă faptul că mediile de selecţie x̂ s se distribuie normal faţă de media care coincide cu
media colectivităţii generale, care are frecvenţa cea mai mare de apariţie. Mai mult, într-un
sondaj simplu aleator, media mediilor de sondaj coincide cu media colectivităţii generale. Dar
cum nu se cunoaşte care din eşantioanele posibile a fost extras, nu se cunoaşte eroarea de
reprezentativitate aferentă.

În aceste condiţii, se recurge la estimarea erorii medii de reprezentativitate sau a


mediei pătratice a erorilor de reprezentativitate, notată cu  x̂ .

Eroarea medie de reprezentativitate se calculează ca o abatere medie pătratică a


tuturor mediilor de selecţie de la media colectivităţii generale.

 xˆ 
S
2
s X  ns
 xˆ  s 1
S
(5.2)
n
s 1
s

unde :

- S − numărul eşantioanelor posibile

- n s − frecvenţa mediilor de selecţie posibile

În cazul unui sondaj aleator simplu nerepetat, în care numărul total al eşantioanelor
posibile este C Nn , eroarea medie de reprezentativitate este:

 xˆ 
C Nn
2
s X
 xˆ  s 1

C Nn

145
Eroarea medie de reprezentativitate se poate calcula anticipat, pornind de la relaţia
dintre dispersia colectivităţii generale (  u2 ), dispersia mediilor de selecţie de la media

colectivităţii generale (  x̂2 ) şi volumul eşantionului ( n ).

În cazul selecţiei simple repetate această relaţie pentru o variabilă numerică este:

 u2 =  x2ˆ  n (5.3)

Eroarea medie de reprezentativitate se estimează pe baza relaţiei:

 u2
 xˆ  (5.4)
n
ceea ce înseamnă că mărimea erorii este direct proporţională cu dispersia
colectivităţii generale şi invers proporţională cu volumul eşantionului. Deci, cu cât
împrăştierea valorilor individuale în jurul mediei este mai pronunţată cu atât eroarea este mai
mare, iar cu cât volumul eşantionului este mai mare cu atât eşantionul este mai reprezentativ
şi, implicit, eroarea de reprezentativitate este mai mică.

Aplicarea relaţiei (5.4) presupune să se cunoască dintr-o cercetare totală anterioară


dispersia colectivităţii generale, situaţie foarte rar întâlnită în practica organizării unui sondaj
statistic.

Dacă nu se cunoaşte  u2 , iar eşantionul este suficient de mare, se acceptă ipoteza

că dispersia eşantionului extras ( s 2 ) poate caracteriza suficient de corect variaţia în cadrul


colectivităţii generale. Eroarea medie de reprezentativitate se estimează, în acest caz, pe
baza relaţiei :

s2
ˆ x̂  (5.5)
n
1 n
unde s 2   ( xi  xˆ ) 2 , adică varianţa corectată calculată din eşantion.
n  1 i 1

Pentru calculul erorii medii de reprezentativitate în cazul selecţiei simple repetate pe


o variabilă alternativă, relaţiile (5.4) şi (5.5) se particularizează, ţinând seama că media
M N
(proporţia) p şi că dispersia colectivităţii generale este  u2   p  (1  p) ,
N N 1
dispersia proporţiei estimate pe baza proporţiei (necunoscute) din colectivitatea generală
este:

N p  (1  p )
p   (5.6)
N 1 n
Având în vedere faptul că dispersia din colectivitatea generală este estimată de
n
dispersia din eşantion s 2pˆ   pˆ  (1  pˆ ) , putem estima dispersia proporţiei estimate
n 1
conform relaţiei

146
pˆ  (1  pˆ )
ˆ pˆ  (5.7).
n 1
În cazul selecţiei simple nerepetate o unitate poate intra o singură dată în eşantion
şi, ca urmare, eşantioanele sunt mai reprezentative decât în cazul selecţiei repetate, ceea ce
înseamnă că eroarea este mai mică. Acest fapt se reflectă în relaţia de calcul a erorii medii
N n
de reprezentativitate prin introducerea unui coeficient de corecţie: . Dacă volumul
N 1
colectivităţii generale este foarte mare se renunţă la "1" din numitorul raportului, iar
n
coeficientul menţionat este 1  .
N
Eroarea medie de reprezentativitate pentru sondajul nerepetat se calculează pe baza
relaţiilor:

 u2  n
 xˆ   1   (5.8)
n  N
respectiv:

s2  n
ˆ xˆ   1   (5.9)
n  N
dacă nu se cunoaşte dispersia colectivităţii generale, ceea ce se întâmplă, de regulă,
în realitate deoarece, dacă am cunoaşte parametrii colectivităţii generale, nu ar mai fi fost
nevoie de o cercetare prin sondaj.

În cazul unei variabile alternative, eroarea medie de reprezentativitate se determină


pe baza relaţiilor:

N p  (1  p )  n
p   1   (5.10)
N 1 n  N
dacă se cunoaşte proporţia din colectivitatea generală şi, dacă se cunoaşte numai
proporţia din eşantion,:

n pˆ  (1  pˆ )  n pˆ  (1  pˆ )  n
ˆ pˆ   1    1   (5.11)
n 1 n  N n 1  N 
În practică se consideră că un eşantion este reprezentativ dacă abaterea medie de
selecţie de la media colectivităţii generale (eroarea de reprezentativitate) este cuprinsă între
± 5% . Aceasta înseamnă că interesează mai puţin eroarea medie de reprezentativitate, ci
abaterea cea mai mare (eroarea limită) care poate să apară între media eşantionului şi
media colectivităţii generale.

Eroarea limită de reprezentativitate (  x ) se determină ca o abatere a mediei de


selecţie de la media colectivităţii generale garantată cu suma probabilităţilor corespunzătoare
limitelor intervalului de variaţie.

147
Eroarea limită se calculează ca un produs dintre eroarea medie de reprezentativitate
( ˆ x ) şi argumentul z sau t corespunzătoare funcţiei de probabilitate Φ(z) (funcţia normală)
sau Φ(t) (funcţia Student).

Eroarea limită se calculează astfel:

- pentru o variabilă numerică:

 x  z  x (5.12)

- pentru o variabilă alternativă:

 p  z   pˆ (5.13)

Relaţiile (5.12) şi (5.13) se particularizează pentru selecţia simplă repetată şi


nerepetată ţinând seama de relaţiile de calcul pe baza cărora se calculează eroarea limită.

Argumentul probabilităţii z se obţine din tabelul întocmit pentru funcţia GaussLaplace


şi depinde de probabilitatea cu care se garantează rezultatele sondajului pentru care s-a
optat. Dacă de exemplu se optează pentru o probabilitate de 95%, atunci z = 1.96 şi,
respectiv, z = 3 dacă probabilitatea care se foloseşte este 99,73%.

Din relaţiile (5.12) şi (5.13) se observă faptul că eroarea limită este direct
proporţională cu probabilitatea cu care se garantează rezultatele şi invers proporţională cu
precizia acestora.

Pentru a ilustra posibilităţile de cunoaştere oferite de indicatorii sondajului prezentat,


prezentăm exemplele următoare.

Exemplul 5.1 – Calculul intervalului de încredere al estimaţiei de medie pentru o variabilă


numărică obţinută printr-un sondaj aleator simplu nerepetat (SASNR)
Presupunem că managerul unei firme cu 2000 de muncitori a dispus organizarea unui studiu cu
privire la folosirea timpului de lucru într-un schimb. Eşantionul pentru care s-au înregistrat date a
fost de 5% (n = 100).
Programul de observare selectivă a cuprins, pe lângă alte caracteristici, şi timpul nelucrat în cadrul
unui schimb exprimat în minute. Rezultatele sistematizării muncitorilor după timpul nelucrat se
prezintă în Tabelul E.5.1.
Tabelul E.5.1.1 – Repartizarea muncitorilor după timpul nelucrat

Grupe după timpul nelucrat (minute) Numărul muncitorilor


Sub 10 15
10 – 14 25
14 – 18 30
18 – 22 15
22 – 26 10
26 şi peste 5
Total 100

148
Caracterizarea sintetică a eşantionului prin prisma timpului nelucrat presupune cunoaşterea
mediei şi dispersiei valorilor individuale.

 Media eşantionului:
6

x i  ni
1580
xˆ  i 1
6
  15,80 minute
n
100
i
i 1

 Dispersia eşantionului:

 
6
1 2956
  xi  xˆ
2
s2    29,9
n  1 i 1 99
Coeficientul de variaţie ( Cv ) este egal cu 34,6%, ceea ce înseamnă că eşantionul poate fi
considerat relativ omogen, iar media timpului nelucrat de 15,8 minute relativ reprezentativă, fapt
pe care va trebui să îl verificăm.

În condiţiile în care dispersia colectivităţii generale (  u2 ) nu se cunoaşte, ea poate fi estimată prin


dispersia eşantionului.
Intrucât pentru formarea eşantionului s-a recurs la o selecţie nerepetată, iar rezultatele sondajului
se garantează cu o probabilitate egală cu 99,73%, eroarea medie de reprezentativitate şi eroarea
limită se calculează astfel:

 eroarea medie de reprezentativitate:

s2  n 29,9  100 
x   1     1    0,53 minute
n  N 100  2000 
Înseamnă că media unui eşantion n = 100 se abate în medie cu 0,54 minute de la media timpului
nelucrat a celor 2000 de muncitori.

 eroarea limită:

s2  n
 x  z 99,73   x  z 99,73   1    3  (0,53)  1,6 minute
n  N
În tabelele întocmite pentru repartiţia normală, valoarea parametrului z corespunzătoare
probabilităţii de 99,73% este egal cu 3.
Aceasta înseamnă că abaterea cea mai mare care poate apare între media eşantionului şi media
colectivităţii generale este de ±1,60 minute. Putem concluziona că intervalul de încredere a mediei
pe muncitor a timpului nelucrat este cuprins între 15,80 – 1,60 minute şi 15,80 + 1,60 minute,
adică în intervalul (14,20 ; 17,40).

1,60
În termeni procentuali, eroarea limită relativă este de  100  10,1% .
15,80

149
Cu alte cuvinte, eşantionul garantează că eroarea maximă a mediei timpului nelucrat este de
 10,10% cu o probabilitate de 99,73%.

Dacă am fi dorit să garantăm o eroare limită cu o probabilitate de 95%, valoarea parametrului z


este 1,96, iar eroarea limită ar fi fost:

s2  n
 x  z 95   x  z 95   1    1,96  (0,53)  1,04 minute.
n  N

În termeni procentuali, eroarea limită relativă ar fi fost de  6,61% .

Putem observa, astfel, că precizia creşte pe măsură ce probabilitatea de garantare scade, însă
creşte şi riscul de a obţine estimaţii în afara intervalului de încredere aprioric stabilit. În plus, dacă
dorim să garantăm cu o probabilitate de 95% ca media să se abată cu doar  5% de la media
colectivităţii generale, dar necunoscută, atunci trebuie să creştem volumul eşantionului.

În exemplul următor prezentăm modul de calculul al erorii limită pentru estimarea unei
proporţii, pe baza datelor din Exemplul 5.1.

Exemplul 5.2 – Calculul intervalului de încredere al estimaţiei de medie pentru o


variabilă alternativă obţinută printr-un sondaj aleator simplu nerepetat (SASNR)
Variabila nealternativă în funcţie de care s-a construit distribuţia muncitorilor prezentată în
Tabelul E.5.1.1 poate fi transformată într-o variabilă alternativă dacă se judecă timpul nelucrat de
către fiecare muncitor în raport cu media.
Dacă interesează, de exemplu, care este proporţia muncitorilor din colectivitatea generală la care
timpul nelucrat depăşeşte media, se procedează astfel, pornind de la datele eşantionului:

 Calculul mediei eşantionului


Proporţia muncitorilor al căror timp nelucrat este mai mare decât media de 15,8 minute este dată
de numărul acestora raportat la numărul total de muncitori din eşantion. Cum media este
cuprinsă în intervalul 14 – 18, este imposibil să aflăm numărul lor exact. Dacă vom considera însă
că cei 30 de muncitori sunt uniform distribuiţi în acest interval, numărul celor care au depăşit
media timpului nelucrat trebuie să fie proporţional cu raportul dintre diferenţa faţă de medie a
18,0  15,8
limitei superioare a intervalului şi mărimea intervalului:  0,55 . Astfel, concluzionăm
4,0
că 30*0,55 dintre muncitori au depăşit media timpului nelucrat în acest interval, adică aproximativ
17. Ei se adaugă la cei din intervalele superioare (15+10+5), adică sunt în total 47 de muncitori
din cei 100. Cu alte cuvinte, media eşantionului, adică proporţia celor care au depăşit media
timpului nelucrat este:

47
pˆ   0,47 sau 47%.
100

150
 Calculul dispersiei din eşantion:

pˆ  (1  pˆ )  n  0,47  (1  0,47)  100 


 p2ˆ  1    1    0,00239
n 1  N  99  2000 
 eroarea limită, dacă Φ(z)= 0,9973 , z =3 este:

 pˆ  z   pˆ  3  0,00239  3  0,0489  0,1467 sau 14,67 puncte procentuale.

Prin rotunjire, putem spune că proporţia muncitorilor din eşantion al căror timp nelucrat
depăşeşte media de 15,8 minute (47%) se abate de la proporţia existentă în colectivitatea generală
cu cel mult 14,7 puncte procentuale cu o probabilitate de 99,73%. Cu alte cuvinte, intervalul de
încredere al proporţiei muncitorilor care au un timp nelucrat peste medie este cuprins între 32,3%
şi 61,7%.
Eroarea limită relativă de reprezentativitate se calculează ca raport între eroarea limită de
reprezentativitate şi estimaţia punctuală obţinută. În cazul nostru,

p 14,7
%pˆ   100   100  31,2%
pˆ 47

De regulă, eroarea relativă acceptată este de 5%. Eroarea relativă de mai sus este substanţială,
inacceptabilă în condiţii reale. Ea este determinată, pe de o parte, de variabilitatea crescută a
variabilei studiate şi, pe de altă parte, de dimensiunea redusă a eşantionului. Ca urmare, singura
posibilitate de a asigura o precizie mai bună constă în mărirea eşantionului.

Din exemplul de mai sus am văzut că există o diferenţă între eroarea limită de
reprezentativitate şi eroarea limită relativă de reprezentativitate. Această diferenţă este foarte
importantă atunci când se interpretează rezultatele unui sondaj în care se calculează
proporţii exprimate procentual. De aceea, considerăm necesară formularea unor precizări
legate de modul de prezentare a erorii limită – admisă sau calculată – în cazul exprimării
procentuale a unor proporţii.

De cele mai multe ori, atunci când sunt date publicităţii rezultatele unui sondaj de
opinie al căror eşantion cuprinde aproximativ 1200 de persoane, formularea standard din
raportul tehnic este : „Rezultatele sunt garantate cu o probabilitate de 95% pentru o eroare
de  3%”. Cei care citesc raportul studiului şi văd proporţiile din tabele sau grafice, în mod
instinctiv construiesc intervalele de încredere scăzând sau adăugând cele 3 procente la
proporţiile publicate. Însă eroarea respectivă este, de fapt, o diferenţă – maxim acceptabilă
din punct de vedere teoretic – între proporţiile estimate şi cele care se presupun a se regăsi
în colectivitatea generală, proporţii care sunt exprimate procentual. În acest caz, „3%” nu se
citeşte „3 la sută” ci „3 puncte procentuale”. Eroarea şi confuzia sunt generate, de fapt, de
autorii rapoartelor tehnice. Dacă am interpreta în sens clasic eroarea de 3%, care este o
rată, diferenţele pe care ar trebui să le adunăm sau să le scădem la/din proporţiile rezultate
ar trebui să fie egale cu 3% din proporţiile respective. În cazul nostru, spre exemplu, potrivit
interpretării erorii ca rată, la proporţia de 47% nu ar fi trebuit să adăugăm sau să scădem
14,67 puncte procentuale, ci 14,67% din 47%, adică doar 6,89 puncte procentuale.

151
Pentru ilustrarea modului de calcul al intervalului de încredere pentru o
proporţie rezultată dintr-un sondaj de opinie, prezentăm exemplul de mai jos.

Exemplul 5.3 – Calculul intervalului de încredere al proporţiei din sondajele la ieşirea de


la urne (exit-poll)
La alegerile prezidenţiale din decembrie 2009, mai multe institute de cercetare a opiniei publice au
realizat sondaje la ieşirea de la urne. O parte din institute l-au indicat drept câştigător pe Traian
Băsescu, iar altele pe Mircea Geoană. Fiecare dintre institutele care au realizat separat sondajul la
urne au afirmat că rezultatele lor sunt garantate într-un interval de  1,5% cu o probabilitate de
95%, mai precis cu o eroare maximă de  1,5 puncte procentuale faţă de rezultate publicate. În
final, după numărătoarea voturilor valabil exprimate, Traian Băsescu a obţinut 50,3% din voturi,
iar Mircea Geoană 49,7%.
Care a fost eroarea reală, pe baza rezultatelor fiecărei categorii de institut şi a mărimii eşantionului
utilizat de acestea ?
Pentru facilitatea calculelor, vom considera că mărimea populaţiei cu drept de vot – cea care
reprezintă colectivitatea generală (N) – este de 17 milioane persoane. De asemenea, pentru
motive didactice, vom considera că mărimea eşantioanelor intervievate de fiecare institut (n) a
fost de aproximativ 12000 persoane.
Mai întâi, să prezentăm rezultatele date publicităţii de aceste institute la ora 21:00 în ziua de 6
decembrie 2009:
Tabelul E.5.3.1 – Rezultatele sondajului la ieşirea de la urne în turul II al alegerilor prezidenţiale
din 6 decembrie 2009
Voturi exprimate pentru (%):
Grupa de institute
Traian Băsescu (50,3) Mircea Geoană (49,6)
A 50,4 49,6
Interval de încredere teoretic 48,9 51,9 48,1 51,1
B 49,0 51,0
Interval de încredere teoretic 47,5 50,5 49,5 52,5

Pornind de la precizia anunţată, de  1,5 puncte procentuale faţă de rezultate publicate, procentul
institutelor din grupa A s-ar fi situat între 48,9% şi 51,9% pentru Traian Băsescu şi între 48,1% şi
51,1% pentru Mircea Geoană, iar pentru institutele din grupa B între 47,5% şi 50,5% pentru
Traian Băsescu şi între 49,5% şi 52,5% pentru Mircea Geoană. Aşadar, pentru ambele categorii de
institute rezultatele finale s-au situat în intervalele de încredere, însă institutele din grupa A au
avut o precizie mai bună decât cele din grupa B, deoarece eroarea de reprezentativitate, adică
diferenţa dintre media de sondaj şi cea a colectivităţii generale, a fost mai mică.
Acestea sunt diferenţele rezultate pe baza erorilor teoretice comunicate de institutele respective.
Să vedem, totuşi, care au fost erorile rezultate din datele de sondaj.

152
În primul rând, să calculăm erorile medii de reprezentativitate pentru fiecare dintre categoriile de
institute. Potrivit relaţiei (5.11), eroarea medie de reprezentativitate este:

 Pentru institutele din categoria A:

50,4  (100  50,4)  12000 


 pˆ / A  1  6 
 0,46 puncte procentuale
12000  1  17  10 

 Pentru institutele din categoria B:

49  (100  49)  12000 


 pˆ / A  1    0,46 puncte procentuale
12000  1  17  10 6 

După cum se poate constata, eroarea medie de reprezentativitate este aceeaşi în ambele cazuri.
Mai departe, pentru o probabilitate de garantare a rezultatului de 95%, eroarea limită de
reprezentativitate se calculează potrivit relaţiei (5.13).

 p  z   pˆ  1,96 * 0,46  0,89 puncte procentuale

Eroarea limită de reprezentativitate este de  0,89 puncte procentuale pentru ambele categorii de
institute. Aplicând acest rezultat la estimaţiile fiecărei categorii de institut, intervalele de încredere
ar fi fost:
Tabelul E.5.3.2 – Intervalele de încredere ale rezultatelor sondajului la ieşirea de la urne în turul
II al alegerilor prezidenţiale din 6 decembrie 2009
Traian Băsescu (50,3%) Mircea Geoană (49,7%)
Grupa de
institute Limita Limita Limita Limita
inferioara superioara inferioara superioara
A 49,5 51,3 48,7 50,5
B 48,1 49,9 50,1 51,9

Pe baza acestui exemplu didactic – în ceea ce priveşte volumele eşantioanelor, mărimea


colectivităţii generale şi gruparea institutelor după modul în care au indicat câştigătorul alegerilor
prezidenţiale – observăm că rezultatele finale nu se încadrează în intervalele de încredere calculate
pentru institutele din grupa B. Dacă aceasta ar fi fost situaţia reală, existenţa unor limite de
interval foarte aproape sau egale cu 50% ar fi trebuit să constituie un semnal pentru verificarea
extrem de atentă a datelor din teren, astfel încât să se poată identifica câştigătorul alegerilor.

153
5.6 Tipuri de sondaje folosite frecvent in practica statistică
În practica statistică se pot aplica mai multe tipuri de sondaje în funcţie de gradul de
omogenitate al colectivităţii studiate şi de forma de organizare a acesteia. Cel mai frecvent
se folosesc următoarele tipuri:

a) sondajul aleator (întâmplător) simplu repetat (SASR) sau nerepetat (SASNR);

b) sondajul stratificat;

c) sondajul în trepte;

d) sondajul de serii.

5.6.1 Sondajul aleator simplu


Sondajul aleator simplu repetat sau nerepetat este recomandat pentru cazurile în
care colectivitatea generală este omogenă. În vederea formării eşantionului se extrag aleator
unităţi simple, prin procedeul repetat sau nerepetat.

Într-un sondaj aleator simplu (repetat sau nerepetat) al cărui eşantion este de volum
n, iar colectivitatea generală este de mărime N, probabilitatea de incluziune a oricărei unităţi i
este:

n
i  (5.14)
N
Astfel, dacă dintr-o grupă de 20 de studenţi dorim să selectăm aleator 5 studenţi,
probabilitatea de incluziune în cazul unui sondaj aleator simplu este egală cu fracţia de
sondaj, adică 5/20 = 1/4. Cu alte cuvinte, vom selecta aleator un student din 4.

În partea introductivă a acestui capitol am văzut că o etapă importantă în proiectarea


planului de sondaj este formularea estimatorilor, ca pas premergător extinderii (estimării)
rezultatelor. Extinderea rezultatelor, într-un sondaj, este de neconceput în absenţa
probabilităţilor de incluziune.

Estimatorul de total, atunci când observăm valorile unei variabile de interes X este:

x
Tˆ ( X ) =  i , (5.15)
is i

unde:

-  i este probabilitatea de incluziune din relaţia (5.14);

- xi sunt valorile variabilei observate;

- s este eşantionul de volum i.


Înlocuind în relaţia (5.15) probabilitatea de incluziune, obţinem:

154
x x x
Tˆ ( X )   i   i  N   i  N  xˆ , (5.16)
is  i is n is n
N
unde x̂ este media aritmetică simplă obţinută din eşantionul s .

Să remarcăm faptul că totalul estimat din eşantion este obţinut prin multiplicarea cu
N, fiind deci necesară cunoaşterea mărimii colectivităţii generale.

Întrucât Tˆ ( X )  N  xˆ , este logic să alegem ca estimator de medie pentru un sondaj


aleator simpu:

Tˆ ( X ) N  xˆ
x i
xˆ    is
(5.17)
N N n
Fără a intra în detalii, vom spune că estimatorii de total şi de medie sunt estimatori
nedeplasaţi (fără erori sistematice) ai totalului şi mediei colectivităţii generale. Cu alte
cuvinte, dacă am extrage toate eşantioanele posibile din colectivitatea generală de volum N,
media totalurilor şi media mediilor din toate aceste eşantioane vor coincide cu totalul şi
media colectivităţii generale.

Cum însă, de regulă, putem studia un singur eşantion, este rezonabil să considerăm
că media şi totalul dintr-un eşantion simplu aleator vor aproxima suficient de bine cei doi
parametri ai colectivităţii generale. Aproximarea, însă, se face prin estimarea intervalului de
încredere în care se află cele două estimaţii. Ca urmare, trebuie să calculăm eroarea medie
de reprezentativitate ( ˆ x̂ ) şi eroarea limită (  x )pe baza formulelor 5.4 – 5.13.

După cum am văzut, eroarea medie de reprezentativitate estimată pentru un


estimator de medie este:

s2
ˆ xˆ  în cazul SASR şi
n

s2  n
̂ xˆ   1   în cazul SASNR.
n  N
Eroarea medie de reprezentativitate estimată pentru un estimator de total este:

 în cazul SASR

s2
ˆ x̂  N  (5.18)
n
 în cazul SASNR:

s2  n
ˆ x̂  N   1   (5.20)
n  N
Calculul erorii limită pentru estimatorul de total este similar cu cel al estimatorului de
medie.

155
5.6.2 Sondajul stratificat
Sondajul stratificat se recomandă în situaţia în care colectivitatea este neomogenă. În
acest caz se separă unităţile simple pe straturi (grupe) mai omogene după o variabilă
calitativă sau cantitativă. Dacă, de exemplu, colectivitatea generală este formată din
totalitatea agenţilor economici, în vederea separării pe straturi (grupe, tipuri) s-ar putea folosi
caracteristici ca: domeniul de activitate, numărul angajaţilor, cifra de afaceri etc.

Eşantionul se formează prin extragerea din fiecare strat a unui număr de unităţi
simple (subeşantioane de volum ni), fapt ce conduce la o mai mare reprezentativitate, şi, ca
atare, la erori mai mici.

Principiul sondajului stratificat constă în delimitarea colectivităţii generale în H grupe


G1, G2, G3, ...., GH, fiecare de mărime N1, N2, N3, ...., NH astfel încât
H H
N   N h , iar n   nh
h 1 h 1

Eroarea de reprezentativitate şi eroarea limită se calculează ţinând cont nu de


variaţia în colectivitatea generală (  u2 ) sau la nivelul întregului eşantion ( ˆ x̂ ) ci de variaţia la
nivelul fiecărui strat (grupe). Caracterizarea variaţiei la nivelul fiecărui strat presupune
determinarea dispersiei fiecărei grupe sau strat ( ˆ i2 ).

Variaţia din toate grupele (straturile) se sintetizează prin media dispersiilor de grupă

ˆ 2 
  n
i
2
i
Cum ˆ 2 < ̂ 2 , sondajul stratificat conduce la erori mai mici comparativ cu
n i

sondajul aleator simplu.

Mai precis şi mai concret, vom porni de la regula de adunare a dispersiilor,


considerând fiecare strat cu media sa pentru variabila de interes. Din regula de adunare a
dispersiilor, am văzut că dispersia totală este egală cu suma dintre dispersia din interiorul
fiecărei grupe (strat) şi dispersia dintre mediile de grupă şi media generală.

Notând dispersia din interiorul fiecărui strat cu

S h2 
1
N h  1 iGh

  Xi  Xh 
2
(5.21)

şi media din strat cu


1
Xh    Xi (5.22)
N h iGh
dispersia adevărată, dar necunoscută, din întregul eşantion este:

X h  X 2
H
Nh 2 H Nh
S2    Sh   (5.23)
h 1 N h 1 N

Ea este estimată nedeplasat de dispersia de sondaj


H
Nh 2 H Nh
s2    sh   xh  x 2 , unde (5.24)
h 1 N h 1 N

156
s h2 
1
n h  1 iGh

  xi  x h 2
(5.25)

Relaţiile (5.23) şi (5.24) sunt familiare: primul termen (dispersia intra-strat) este media
ponderată a dispersiilor din fiecare strat, iar al doilea termen (dispersia inter-strat) este media
aritmetică ponderată a pătratelor abaterilor mediilor din strat faţă de media generală.

Întrucât ne interesează ca dispersia să fie foarte mică, este foarte important ca


stratificarea să fie făcută în aşa fel încât dispersiile S h2 intra-strat să fie mici, iar mediile dintre
grupe să fie cât mai diferite între ele. Cu alte cuvinte, stratificarea trebuie să delimiteze
comportamente cât mai apropiate în interiorul straturilor, dar cât mai diferite de la un strat la
altul.

Media generală a unui sondaj stratificat este media ponderată a mediilor din straturi:

N
xˆ st   h  xˆ h (5.26)
h N
Tinând cont, pe de o parte, de relaţia de estimare a dispersiei mediei, conform (5.9)
este:

s2  n
ˆ xˆ   1  
n  N
şi, pe de altă parte, de proprietăţile dispersiei, dispersia mediei sondajului stratificat 29 ,
adică eroarea medie de reprezentativitate este:

 N h  sh  
2 2
n
̂ xˆ      1  h  (5.27)
h  N  nh  N h 
st

În final, intervalul de încredere se construieşte conform relaţiei (5.12):


xˆ st  xˆ st  1,96  ˆ xˆ ; xˆ st  1,96  ˆ xˆ
st st
 pentru o probabilitate de garantare a preciziei
mediei estimate de 95%.

Aşa cum s-a menţionat, eşantionul (n) este format din suma subeşantioanelor
H
n   nh . Problema care trebuie rezolvată se referă la numărul unităţilor care compun
h 1

fiecare subeşantion, respectiv la repartizarea eşantionului pe straturi.

La repartizarea eşantionului pe subeşantioane se pot aplica trei metode:

a) Repartizarea în mod egal a eşantionului pe subeşantioane, indiferent de numărul


unităţilor care compun fiecare strat. Dimensiunea fiecărui subeşantion se obţine
împărţind volumul eşantionului (n) la numărul de straturi în colectivitatea generală:

29
Am prezentat numai relaţia de calcul specifică unui sondaj aleator simplu nerepetat (SASNR)
deoarece, dacă nu în toate, în majoritatea aplicaţiilor reale se utilizează doar acest procedeu de
eşantionaj.

157
N
nh  (5.28)
h
Acest tip de sondaj stratificat este denumit sondaj stratificat neproporţional.

b) Eşantionul se repartizează pe subeşantioane în funcţie de ponderea fiecărui strat


în colectivitatea generală . Volumul fiecărui subeşantion se determină prin relaţia:

Nh
nh  n  (5.29)
N
Acest tip de sondaj care poartă denumirea de sondaj stratificat proporţional se
aplică frecvent în practică.

c) Eşantionul (n) se repartizează pe subeşantioane atât în funcţie de ponderea


fiecărui strat în colectivitatea generală cât şi de gradul de omogenitate al fiecărui
strat ( s h2 ). Dimensiunea fiecărui eşantion se determină prin relaţia:

Nh  Sh
nh  n  H
(5.30)
N
h 1
h  Sh

Dacă se recurge la această variantă de repartizare a eşantionului se foloseşte


sondajul stratificat optim. Această metodă de alocare a eşantionului pe straturi se
mai numeşte alocare optimală Neyman.

Exemplul 5.4. – Calculul erorii limită de reprezentativitate într-un sondaj stratificat


Pentru estimarea câştigului salarial nominal mediu net dintr-un judeţ a fost organizat un sondaj
stratificat proporţional de 5%. În urma prelucrării datelor înregistrate pentru eşantion s-au
obţinut următoarele rezultate (Tabelul E.5.4.1):
Tabelul E.5.4.1 – Salariul mediul lunar net estimat

Numărul Salariul mediu Abaterea medie


Ramura salariaţilor lunar net (mii pătratică
(sute) lei) (mii lei)
Industrie 20 2,4 0,4
Construcţii 5 1,2 0,2
Altele 65 3,8 0,6
Total 90 - -

Dacă la formarea eşantionului s-a folosit, ca regulă, extragerea nerepetată, iar probabilitatea cu
care se garantează rezultatele este de 99,73%, indicatorii sondajului se calculează astfel:

158
 media mediilor de grupă:
3

n h  xˆ h
2,4  20  1,2  5  3,8  65
xˆ  h 1
3
  3,34 mii lei
n
90
h
h 1

 eroarea medie de reprezentativitate:

N h nh
Întrucât s-a optat pentru un sondaj stratificat proporţional,  , iar fracţia de sondaj
N n
nh 1
  0,05 , relaţia 5.27 devine
N h 20

 N h  sh  n 
2 2
 nh  s h  1 
2 3 2
ˆ xˆ      1  h        1   
st
h  N  nh  N h  h 1  n  nh  20 

1  20 2  0,4 2 5 2  0,2 2 65 2  0,6 2   1 


       1    0,056 mii lei
90 2  20 5 65   20 

 eroarea limită:

 x  3  0,056  0,168 mii lei.

Ca urmare, salariul mediu net lunar estimat se încadrează in intervalul (3,17; 3,51) mii lei. Eroarea
0,168
limită relativă garantată cu o probabilitate de 99,73% este   100  5,03% .
3,34

Astfel, în raportul tehnic al cercetării (studiului) statistic putem preciza că sondajul realizat asupra
9000 de salariaţi garantează estimaţia salariului mediu net lunar cu o eroare de  5% .

5.6.3 Sondajul în trepte


Deşi uşor de aplicat şi de înţeles din perspectiva calculelor necesare, sondajul aleator
simplu se dovedeşte ineficient în multe situaţii. În primul rând, sondajul aleator simplu poate
conduce la o dispersare geografică importantă a eşantionului, ceea ce atrage costuri de
transport foarte mari. În al doilea rând, sondajul aleator simplu presupune existenţa unei
baze de sondaj complete, a tuturor unităţilor care pot fi incluse în eşantion, inclusiv cu datele
lor de identificare.

Pentru a compensa aceste neajunsuri, o alternativă constă în realizarea de sondaje


în trepte (în cascadă sau stadii). Principiul lor este următorul: colectivitatea generală este
împărţită în grupe cât mai omogene, reuniunea lor constituind ansamblul colectivităţii
statistice supuse studiului. Aceste grupe se numesc unităţi primare (UP). Apoi, printr-un
procedeu oarecare de extragere, cum este SASNR, este selectat un eşantion de unităţi
primare. Aceasta este prima treaptă a sondajului. În treapta a doua, în cadrul fiecărei unităţi
primare selectate, sunt extrase unităţile secundare de sondaj, de asemenea, cu ajutorul

159
unei metode oarecare, cum este SASNR. Dacă se consideră necesar, mai departe se pot
extrage unităţi terţiare. De regulă, un sondaj în trepte are maxim trei stadii de selecţie.
Aşadar, spre deosebire de sondajul stratificat, unde sunt selectate unităţi din toate straturile,
în sondajul în trepte se selectează numai anumite unităţi primare şi, ulterior numai anumite
unităţi secundare etc.

Avantajul este evident, deoarece nu este nevoie de baze de sondaj pentru toate
unităţile primare. Condiţia este ca, pentru treapta a doua, să existe liste complete pentru
unităţile din unităţile primare selectate în prima treaptă.

Pentru o prezentare succintă, dar cât mai relevantă a acestui procedeu de sondaj,
este necesară precizarea unor notaţii esenţiale:

 M este numărul unităţilor primare constituite la nivelul colectivităţii generale, cu


i 1  M ;

 N i este mărimea unităţii primare i;


M
 N este mărimea colectivităţii generale N   N i ;
i 1

 X i , j este valoarea variabilei X pentru unitatea j din unitatea primară i;

 m este mărimea eşantionului de unităţi primare din cele M constituite;

 ni este mărimea eşantionului de unităţi secundare din unitatea primară i;

 si este mulţimea unităţilor secundare selectate în eşantionul unităţii primare i.

m
 f1  este fracţia de sondaj din prima treaptă de selecţie;
M

ni
 f 2i  este fracţia de sondaj din treapta a doua de selecţie.
Ni

Media de sondaj în fiecare UP selectată este:

x
jsi
ij

xˆ i  (5.31)
ni

Media estimată pentru întregul eşantion este:

N i  xˆ i
xˆ  iS
(5.32)
m
Totalul variabilei de interes se obţine prin ponderarea cu numărul total al seriilor
constituite:

160
N i  xˆ i
M
 xij
  Ni 
jS i
Tˆ ( x)  M  xˆ  M  iS
 
m m iS ni (5.33)
M Ni M N

m

iS ni
  xij   i   xij
jS i iS m ni jSi

Din relaţia (5.33) observăm că estimaţia totalului variabilei de interes este dat de
totalul variabilei de interes din fiecare UP ponderat cu produsul dintre inversul fracţiei de
sondaj a unităţilor primare şi inversul fracţiei de sondaj din fiecare UP. Ponderea este:

M Ni
wij   (5.44)
m ni

În cazul selecţiei aleatoare simple în ambele trepte de sondaj, dispersia estimată


pentru totalul estimat este condiţionat de varianţa din interiorul unităţilor primare şi varianţa
dintre unităţile primare, având următoarea formă:

2  ni  s 2 ,i
2
s12 M
ˆ Xˆ  M  1  f1    f1   N i  1 
2

m i 1  N i  ni

Mai mult, în cazul în care fracţia de sondaj din treapta a doua este constantă astfel
încât ni este proporţională cu N i şi dacă toate unităţile primare au aceeaşi mărime N ,
ignorând cel de al doilea termen pentru că fracţia de sondaj f 1 este, de regulă, o valoare
foarte mică, eroare medie de reprezentativitate pentru estimaţia de total este estimată de:

s1'2
ˆ Xˆ  N 2 1  f 1   (5.45)
m
Corespunzător acesteia, eroarea medie de reprezentativitate a estimatorului de
medie este:

s1'2
ˆ xˆ  1  f 1   , (5.46)
m
unde

 x
   xi  x  ; xi    xij ; x   i .
1 1
s1'2 
2

m  1 iS1 n jsi is1 m

Eroarea limită pentru estimatorul de total este:

 xˆ   z  ˆ Xˆ (5.47)

şi eroarea limită pentru estimatorul de medie este:

 x̂   z  ˆ xˆ , (5.48)

unde z este argumentul funcţiei Gauss-Laplace corespunzător probabilităţii fixate


pentru garantarea intervalului de încredere.

161
5.6.4 Sondajul de serii
Sondajul de serii 30 este o particularizare a sondajului în trepte şi se aplică dacă
colectivitatea care trebuie studiată este formată din unităţi complexe (echipe de muncitori,
gospodării, grupe de studiu), denumite serii. Pentru formarea eşantionului se extrag prin unul
din procedeele menţionate un anumit număr de unităţi complexe (serii), culegându-se date
de la toate unităţile componente ale seriilor respective. Pentru fiecare serie se calculează

media acesteia, iar pe baza lor se determină media colectivităţii generale ( Xˆ ) sau media
eşantionului ( x̂ ).

Datorită faptului că nu se cunosc valorile pentru fiecare unitate simplă care compune
seria, ci doar media seriei, la determinarea indicatorilor sondajului se foloseşte dispersia

dintre grupe sau dintre medii  2 


 x i  x
.
n
Numărul seriilor existente în colectivitatea generală se notează de regulă cu R, iar
numărul seriilor care compun eşantionul, cu r.

Eroarea medie de reprezentativitate şi eroarea limită se calculează astfel:

 pentru un sondaj aleator repetat:

2
x  (5.49)
r

2
 x  z  (5.50)
r

 pentru un sondaj aleator nerepetat:

2 Rr
x   (5.51)
r R 1

2 Rr
 x  z   (5.52)
r R 1

5.7 Determinarea volumului eşantionului


Realizarea unui sondaj statistic în vederea estimării indicatorilor colectivităţii generale
presupune să se decidă asupra mărimii eşantionului. Criteriile în funcţie de care se decide
privesc exactitatea estimării indicatorilor colectivităţii generale, costurile realizării sondajului
ş.a.

Volumul eşantionului se deduce în cazul fiecărui tip de sondaj, din formula erorii
limită. Prin ridicarea la pătrat a formulei erorii limită (  x ) se deduce volumul eşantionului.

30
În engleză, procedeul se numeşte “cluster sampling”, iar în franceză “sondage par grappes”.

162
 în cazul sondajului aleator simplu repetat:

 x2  x2
x  z   2x  z 2 
n n

z 2   x2
În consecinţă, n  (5.53)
2x

 în cazul sondajului aleator simplu nerepetat se porneşte de la relaţia:

 x2  n 2  n
x  z   1    2x  z 2  x  1  
n  N n  N

Volumul minim necesar pentru un sondaj aleator simplu nerepetat este dat de:

z 2   x2
n (5.54)
z 2   x2
2x 
N
Similar se deduc relaţiile privind volumul eşantionului pentru celelalte tipuri de
sondaje.

Atât din relaţia (5.53), cât şi din (5.54) observăm că, pentru determinarea volumului
minim necesar pentru un eşantion aleator simplu trebuie să cunoaştem dispersia colectivităţii
generale, ceea ce nu este întotdeauna la îndemână. Dacă o putem calcula din baza de
sondaj, este evident că ea va suferi din cauza posibilei vechimi a datelor. Ea mai poate
proveni dintr-o anchetă prin sondaj mai recentă, în care a fost studiată aceeaşi variabilă sau
dispunem, tot în baza de sondaj, de o variabilă puternic corelată cu variabila noastră de
interes.

Când avem o variabilă pe baza cărei putem calcula dispersia necesară, deseori, vom
constata că volumul eşantionului este foarte mare, depăşind resursele financiare şi materiale
de care dispunem, tocmai din cauza marii variabilităţi a valorilor incluse în calcule. În acest
caz, se recomandă stratificarea bazei de sondaj şi prelucrarea suplimentară a acesteia,
pentru a putea proiecta un plan de sondaj cât mai eficient, capabil să asigure precizia dorită
a rezultatelor. În practică, aproape fără excepţie, este nevoie de realizarea unui echilibru
între nevoia de a extrage un eşantion cât mai cuprinzător şi bugetul alocat cercetării, care nu
este niciodată îndestulător.

Un exemplu foarte grăitor despre volumul necesar al unui eşantion este dat de
Pascal Ardilly (Ardilly, 2006). El prezintă o situaţie destul de frecventă – şi foarte sensibilă –
întâlnită în alegerile unde se prezintă doi candidaţi. Problema care se pune este să
determinăm diferenţa minimă dintre voturile exprimate pentru cei doi candidaţi într-un sondaj
astfel încât să putem garanta cu o probabilitate de 95% că cel care apare drept câştigător din
sondaj câştigă cu adevărat alegerile.

Cu alte cuvinte, trebuie să aflăm care este proporţia minimă a voturilor acordate, să
spunem, candidatului A ( p̂ A ) astfel încât limita inferioară a intervalului de încredere să fie
mai mare de 50%.

163
Pentru o probabilitate de 95%, relaţia pe care care p̂ A trebuie să o satisfacă este:

pˆ A  (1  pˆ A ) 1
pˆ A  1,96  
n 1 2

Ceea ce trebuie să obţinem este să exprimăm p̂ A în funcţie de n . După o serie de


transformări, în final, obţinem

1 1,96
pˆ A    p MIN
2 2 n  2,84

Mai precis, diferenţa dintre cei doi candidaţi trebuie să fie cel puţin egală cu
1,96
2  p min  1  .
n  2,84

Pentru diferite volume ale eşantionului, prezentăm în continuare diferenţa minimă şi


procentajul minim pe care candidatul A trebuie să le înregistreze astfel încât să putem
garanta că va câştiga alegerile cu o probabilitate de 95%:

Diferenţa minimă Procentul


n
(în %) minim
100 19,3% 59,66%
400 9,8% 54,88%
900 6,5% 53,26%
1200 5,7% 52,83%
2000 4,4% 52,19%
5000 2,8% 51,39%
10000 2,0% 50,98%

Pentru un eşantion uzual de 1200 de persoane, comentariile trebuie să fie foarte


prudente dacă procentul obţinut de candidatul A nu este de minim 53%. Să observăm, de
asemenea, că aceeaşi prudenţă este necesară dacă, pe un eşantion de 10000 de persoane,
candidatul A nu a obţinut minim 51%.

5.8 Estimarea parametrilor colectivităţii generale


Aşa cum s-a menţionat, prin organizarea unui sondaj statistic se urmăreşte cel mai
adesea estimarea parametrilor colectivităţii generale. În acest scop se foloseşte cel mai
frecvent procedeul extinderii directe. Prin aplicarea acestui procedeu se estimează intervalul
de încredere pentru media colectivităţii generale şi limitele între care se va încadra nivelul
totalizat al caracteristicii pe întreaga colectivitate ( x i ).

Estimarea parametrilor colectivităţii generale se bazează pe media eşantionului ( x̂ )


şi pe eroarea limită  x̂ . Media colectivităţii generale se estimează pe baza relaţiei:

164
xˆ   xˆ < X < xˆ   xˆ (5.55)

iar limitele între care variază nivelul totalizat al caracteristicii în colectivitatea generală
se estimează pornind de la formula:

N  ( xˆ   x̂ ) < x i < N  ( xˆ   x̂ ) (5.55)

Revenind la Exemplul 5.4, câştigul salarial nominal mediu în colectivitatea generală


va fi cuprins între 3,17 mii lei şi 3,51 mii lei.

3,34  0,17 < X < 3,34  0,17


Suma salariilor nominale plătite variază între 5706 şi 6318 mii lei.

1800  3,17 < x i < 1800  3,51 .

5.9 Cuvinte cheie


Colectivitate generală = baza de Selecţie probabilistă
sondaj
Selecţie repetată
Eroare de reprezentativitate
Sondaj aleator simplu nerepetat
Eroare de sondaj
Sondaj aleator simplu repetat
Eroare limită
Sondaj de serii
Eroare medie de reprezentativitate
Sondaj în trepte
Estimator
Sondaj statistic
Eşantion = mostră = probă =
Sondaj stratificat = sondaj tipic
colectivitate de selecţie
Sondaj stratificat neproporţional
Parametru
Sondaj stratificat optim
Plan de sondaj
Sondaj stratificat proporţional
Probabilitate
Volumul eşantionului

5.10 Întrebări de control


1. Care este scopul folosirii sondajului statistic?

2. Care sunt principalele avantaje ale utilizării sondajului statistic?

3. De ce erorile sondajului nerepetat sunt mai mici comparativ cu cele ale sondajului
repetat?

4. De ce nu pot fi evitate erorile de reprezentativitate întâmplătoare?

5. Când se consideră că un eşantion este reprezentativ?

6. Când se foloseşte sondajul aleator simplu?

165
7. Când se recomandă aplicarea sondajului stratificat?

8. Cum se estimează parametrii colectivităţii generale pe baza estimatorilor?

5.11 Bibliografie
1. Ardilly P., Les techniques de sondages, Edititions Technip, Paris, 2006

2. Biji M., Statistică teoretică. Editura didactică şi pedagogică, Bucureşti, 1979, p 77-
193.

3. Biji E., Lelea E., Wagner P., Statistică economică, Editura didactică şi
pedagogică, Bucureşti, 1999

4. Korka M., Begu St., Tuşa Erica, Bazele statisticii pentru economişti, Editura
Tribuna economică, Bucureşti, 2002, p 102-114.

166
Capitolul 6: ANALIZA SERIILOR INTERDEPENDENTE

6.1 Introducere
În etapa observării se înregistrează întotdeauna date pentru mai multe variabile, nu
doar pentru una singură. În capitolele precedente au fost prezentate modalităţile prin care
datele aferente unei variabile pot fi prelucrate şi analizate independent de cele ce descriu
celelalte variabile. De cele mai multe ori, însă, suntem nevoiţi să punem câteva întrebări:
Între aceste variabile există vreo legătură? Dacă există, cât de puternică este legătura? Cum
se comportă o variabilă dacă alta sau altele se modifică? Un manager al unei reţele de
distribuţie poate fi interesat de legătura dintre volumul vânzărilor şi structura produselor
comercializate sau un sociolog vrea să ştie cum se relaţionează rezultatele la examene ale
studenţilor cu locul de muncă şi venitul pe care le au după absolvire. Pentru a estima astfel
de legături, statisticienii utilizează tehnicile de regresie şi, pentru a măsura cât de puternice
sunt aceste legături, ei utilizează tehnicile de corelaţie, analizând seriile interdependente.

În acest capitol se tratează conceptele, tehnicile şi metodele utilizate cel mai frecvent
în analiza legăturii între variabile statistice: metode simple de caracterizare a legăturii dintre
două variabile; regresia liniară simplă şi multiplă; regresia neliniară; indicatorii prin care se
măsoară intensitatea legăturilor statistice; corelaţia neparametrică.

Cunoaşterea acestor tehnici şi metode este utilă în practica economică pentru


explicarea evoluţiei în trecut dar şi pentru fundamentarea predicţiei evoluţiei variabilelor în
viitor sau în circumstanţe diferite.

6.2 Tipuri de legături


Prima problemă care trebuie soluţionată în analiza legăturii între o variabilă
dependentă (rezultativă, efect, explicată, notată cu Y) şi una sau mai multe variabile
independente (factoriale, cauzale, explicative, notate cu Xi) se referă la întrebarea: există o
legătură între variabile sau modificarea variabilei efect este influenţată de modificarea
variabilei (variabilelor) cauză? Răspunsul la o astfel de întrebare presupune să se pornească
de la teorie, respectiv de la ştiinţa de specialitate care studiază fenomenele respective şi de
la datele empirice înregistrate pentru variabilele presupuse a fi corelate.

De la bun început, însă, trebuie să clarificăm un aspect important referitor la legătura


dintre variabile, pe de o parte, şi efectul uneia sau mai multor variabile asupra variabilei
explicate sau cauzalitatea, pe de altă parte: dacă între două variabile constatăm că există o
legătură, cauzalitatea dintre ele nu este implicită. În schimb, dacă între ele există o relaţie de
cauzalitate, legătura este implicită.

Pornind de la datele empirice, se pot întâlni în practică următoarele situaţii:

a) variabila independentă X determină modificarea variabilei dependente Y, caz în


care între cele două variabile există o legătură univocă;

167
b) între cele două variabile există o legătură reciprocă;

c) variabilele au o evoluţie similară, determinată nu de dependenţa dintre ele ci de o


altă variabilă care influenţează simultan modificarea celor două variabile;

d) cele două variabile au întâmplător o evoluţie similară, fără să existe vreo legătură
între ele.

În cele ce urmează se tratează numai primele două tipuri de relaţii dintre variabile.

Legăturile dintre variabilele independente se clasifică după mai multe criterii.

a) După natura relaţiei de interdependenţă se disting legături funcţionale


(deterministe) şi legături stohastice (statistice).

În cazul legăturilor deterministe, legătura dintre variabila Y şi variabila X este


cunoscută cu certitudine. Spre exemplu, relaţia dintre profit şi costuri nu comportă nici un fel
de incertitudine: odată ce cunoaştem veniturile totale şi costurile totale, vom putea afla cu
exactitate care este profitul. Cu alte cuvinte, variabila X determină în mod univoc variabila Y,
ceea ce înseamnă că unei valori a variabilei cauză îi corespunde o valoare unică a variabilei
efect. Legăturile funcţionale sunt de forma: y  f  x  . Acest tip de legătură se întâlneşte mai
rar în realitatea economico-socială, deoarece variaţia unei variabile efect (Y) este rezultatul
influenţei simultane a mai multor variabile cauză (Xi).

Legăturile stohastice se întâlnesc cel mai frecvent în realitatea economico-socială.


În acest caz, modul în care funcţionează legătura dintre variabile nu poate fi precizat cu
certitudine. Legătura statistică există între două variabile dacă valoarea medie a unei
variabile se află în relaţie cu valoarea medie a altei variabile. Astfel, variabila rezultativă (Y)
este influenţată de una sau mai multe variabile cauză (Xi), dar pe lângă aceste cauze
considerate esenţiale există şi alte variabile neînregistrate (nespecificate) care acţionează
asupra variabilei Y. Caracteristic pentru legăturile stohastice este faptul că în variaţia
variabilei Y rămâne întotdeauna o parte neexplicată, determinată de influenţa factorilor
neînregistraţi. Cu alte cuvinte, nu putem calcula cu certitudine care este valoarea variabilei
explicate pe baza unei valori a variabilei explicative.

Influenţa variabilelor nespecificate este luată în calcul în modelul stohastic sub forma
variabilei reziduale (  ), denumită şi eroare aleatoare:

y  f x    (6.1)

Legătura statistică nu poate fi identificată la nivelul fiecărei unităţi, ci numai la nivelul


ansamblului unităţilor. Tendinţa de corelare se manifestă numai în cazul unui număr suficient
de mare de înregistrări.

b) După numărul variabilelor factoriale luate în considerare se deosebesc legături


simple şi legături multiple.

În cazul legăturilor simple, se analizează dependenţa variabilei efect (Y) în funcţie


de o singură variabilă cauză (X), toate celelalte variabile cu o influenţă semnificativă sau nu
(esenţiale sau întâmplătoare) sunt considerate cu o acţiune constantă. De exemplu,
dependenţa profitului de cifra de afaceri.

168
În cazul legăturilor multiple, variaţia variabilei Y se analizează în funcţie de mai
multe variabile cauză (X1, X2, ...).

De exemplu, analiza variaţiei salariului într-o colectivitate (Y) în funcţie de numărul


orelor lucrate (X1), de vechime (X2), de nivelul calificării (X3).

c) După natura caracteristicilor se disting legături corelative şi legături de cauzale.

În cazul analizei legăturii dintre două variabile cantitative sau una cantitativă şi alta
calitativă poate fi vorba, în primul rând, de o corelaţie statistică. De exemplu, analiza legăturii
între ramura de activitate şi câştigul salarial sau exemplul anecdotic al corelaţiei dintre
numărul nou-născuţilor şi numărul cuiburilor de barză. Între cele două fenomene poate exista
o corelaţie, dar nu în mod necesar o cauzalitate: va creşte numărul nou-născuţilor dacă va
creşte numărul cuiburilor de barză sau invers? Fireşte că nu.

Cauzalitatea statistică intervine în cazul legăturilor dintre două sau mai multe
variabile cantitative în sensul că modificarea uneia sau mai multor variabile considerate
explicative antrenează modificarea variabilei explicate într-o manieră consistentă. În cazul
cuibuirilor de barză şi al nou-născuţilor există, cel puţin, o a treia variabilă care le
influenţează distinct: ritmul biologic, gradul de dezvoltare socio-economică, prezenţa şi/sau
abundenţa resurselor de hrană etc.

d) După direcţia legăturii există legături directe şi legături inverse.

Dacă modificarea variabilei cauză este însoţită de modificări în acelaşi sens ale
variabilei efect, există o legătură directă. În cazul în care variabilele corelate tind să se
modifice în sens opus, este cazul unei legături inverse.

e) După forma funcţiei (expresia analitică a legăturii) acestea pot fi liniare sau
neliniare.

Dacă reprezentarea grafică a datelor empirice corespunzătoare celor două variabile


sugerează o dreaptă, legătura este liniară. În cazul legăturilor neliniare, dependenţa dintre
variabile se exprimă grafic printr-o curbă (hiperbolă, parabolă etc).

f) După timpul realizării legăturii se deosebesc legături sincrone (concomitente) şi


asincrone (cu decalaj).

În primul caz, modificarea variabilelor se produce în acelaşi timp, concomitent, iar în


cel deal doilea caz variaţia variabilei cauză (X) este urmată după un anumit timp de variaţia
variabilei efect (Y). De exemplu, legătura dintre modificarea preţurilor de consum şi
modificarea cheltuielilor populaţiei pentru consum este una sincronă, iar legătura dintre
investiţiile realizate în economie şi modificarea produsului intern brut este una asincronă.

Analiza corelaţiilor presupune parcurgerea următoarelor etape:

 identificarea variabilelor cauză şi ierarhizarea acestora;

 culegerea datelor pentru variabile presupuse a fi corelate;

 verificarea existenţei şi a formei legăturii prin metode simple;

 calculul indicatorilor de corelaţie şi testarea semnificaţiei indicatorilor de corelaţie.

169
6.3 Metode simple de analiză a legăturii dintre variabile
După culegerea datelor pentru variabilele implicate în analiza legăturii, trebuie
verificat dacă între variabile există o corelaţie, care este forma analitică a acesteia. Metodele
care răspund acestor probleme de cunoaştere sunt, de fapt, procedee de sistematizare a
datelor empirice înregistrate, şi anume:

 metoda grafică;

 metoda grupărilor;

 metoda tabelului de corelaţie;

 metoda seriilor paralele interdependente.

Metoda grafică este un procedeu simplu şi sugestiv de vizualizare a


interdependenţei dintre două variabile. Această metodă este, de altfel, cea mai rapidă pe
care o putem aplica cu ajutorul celor mai comune aplicaţii informatice care ne oferă
posibilitatea de a realiza grafice prin nor de puncte 31 .

Această metodă presupune reprezentarea grafică, în sistemul de axe rectangulare a


perechilor de valori empirice (xi, yi). Pe abscisă se înscriu valorile caracteristicii independente
iar pe ordonată cele ale caracteristicii dependente. Fiecare pereche de valori empirice se
reprezintă în cadranul I printr-un punct. Procedând astfel se obţine o diagramă de corelaţie
sau o corelogramă.

Să presupunem că ne interesează să vedem dacă există o relaţie între nota de la


examenul de admitere la o universitate şi media notelor primite la prima sesiune de examene
de către studenţi. Firesc, vom avea nevoie de un eşantion de studenţi din anul I asupra
cărora să organizăm o cercetare statistică. Eşantionul este format din 10 studenţi, iar
rezultatele observării sunt prezentate în tabelul următor.

Tabelul 6.1. – Rezultatele la examenul de admitere şi media notelor din prima sesiune
de examene – eşantion de 10 studenţi
Media notelor la
Student Nota la admitere examenele
din prima sesiune
1 7,34 7
2 8,52 8
3 8,05 7
4 9,21 8
5 6,55 7
6 7,32 6
7 9,16 9
8 9,33 7
9 7,21 8
10 6,15 6

31
„Scatter diagrams” în engleză sau “nouage de points” în franceză.

170
Pentru construirea graficului, variabila explicativă (sau independentă) este nota la
admitere, ale cărei valori le vom reprezenta pe axa orizontală, iar variabila explicată (sau
dependentă) este media notelor la examenele din prima sesiune, ale cărei valori le vom
reprezenta pe axa verticală în Figura 6.1.

Fig. 6.1 - Diagrama rezultatelor la admintere si in prima sesiune de examene


10

8
Media notelor in prima sesiune

0
0 1 2 3 4 5 6 7 8 9 10
Nota la admitere

Pe baza graficului se concluzionează dacă există o corelaţie, dacă există date atipice
şi care este forma şi direcţia legăturii în funcţie de tendinţa de ordonare a punctelor. Din
graficul de mai sus rezultă destul de vizibil că există o relaţie între cele două variabile,
respectiv între nota la admitere şi rezultatele din prima sesiune de examene.

Dacă punctele tind să se ordoneze în jurul unei linii drepte, corelaţia este liniară
directă (fig. 6.2) sau indirectă (fig. 6.3) iar dacă se ordonează sub forma unei curbe (fig. 6.4),
între cele două variabile există o corelaţie neliniară. De asemenea, graficul ne arată şi dacă
nu există nici o relaţie între două variabile (fig. 6.5). Dacă punctele se împrăştie fără nici o
regularitate, variabilele trebuie considerate independente.

Fig. 6.2 Legătură liniară directă Fig. 6.3 Legătură liniară indirectă

171
Fig. 6.4 Legătură neliniară Fig. 6.5 Absenţa legăturii

Cu cât tendinţa de ordonare a punctelor este mai pronunţată, cu atât corelaţia între
cele două variabile este mai intensă, adică legătura este puternică (fig. 6.6). Dacă punctele
sunt ordonate, dar sunt relativ împrăştiate, legătura dintre variabile este mai slabă (fig. 6.7).

Fig. 6.6 Legătură puternică Fig. 6.7 Legătură slabă

În mod evident, metoda grafică ne arată care este forma relaţiei doar dintre două
variabile. Dacă vom considera o variabilă drept variabilă efect şi vom încerca să o punem în
relaţie cu un set de alte variabile explicative pe care le-am inclus în programul de observare,
singura posibilitate de a vizualiza legăturile existente este să construim perechi între variabila
efect şi fiecare din variabilele explicative.

Metoda grupărilor se aplică atunci când numărul de unităţi pentru care s-au
înregistrat valori empirice este mare. Se grupează unităţile după variabila factorială şi pentru
fiecare grupă astfel construită se calculează media variabilei dependente (yi). Între cele două
variabile există o corelaţie dacă mediile de grupă (condiţionate, yi) reacţionează la
modificările intervenite în variabila independentă. Aplicarea acestei metode este influenţată
de modul cum s-a făcut gruparea. Se recomandă, în acest caz, ca intervalele de grupare să
fie egale, numărul grupelor construite să fie suficient de mare pentru evitarea pierderilor de
informaţii, numărul unităţilor din fiecare grupă să fie semnificativ ş.a. În tabelul nr. 6.2 se
prezintă un exemplu de aplicare a metodei grupării.

172
Tabelul 6.2 - Gruparea agenţilor economici după numărul salariaţilor
şi după cifra de afaceri
Grupe Grupe după cifra de afaceri (mil. lei)
după nr. Total
salariaţi 4-6 6-8 8 - 10 10 - 12 12 - 14
0–9 6 8 6 - - 20
10 – 19 4 11 11 4 - 30
20 – 29 - - 4 7 4 15
30 – 39 - - - 5 5 10
40 – 49 - - - 2 3 5
Total 10 19 21 18 12 80

Este cifra de afaceri (Y) influenţată de numărul de salariaţi (X)? Pentru fiecare grupă
construită după numărul de salariaţi se calculează cifra de afaceri realizată în medie de
fiecare agent economic din grupa respectivă.
5

y
j 1
j  nij
yi  5

n
j 1
ij

Grupările fiind pe intervale de mărime, vom introduce în calcul centrele de interval:

56  7 8  96
y1   7 milioane lei
20
5  4  7  11  9  11  11  4
y2   8 milioane lei
30
....

11  2  13  3
y5   12,2 milioane lei
5
Remarcăm faptul că media cifrei de afaceri pe agent economic creşte odată cu
creşterea numărului de salariaţi, deci există o corelaţie directă.

Cu cât mediile de grupă diferă mai mult între ele cu atât influenţa variabilei
independente este mai puternică.

Metoda tabelului de corelaţie presupune gruparea unităţilor colectivităţii după


variaţia celor două variabile şi interpretarea tendinţei de ordonare a frecvenţelor. Grupele
construite după variabila independentă apar, de regulă, în capetele coloanelor iar cele
aferente variabilei dependente apar în capetele rândurilor. La intersecţia dintre rândul "i" şi
coloana "j" apare numărul unităţilor (nij) corespunzător perechii de valori xj, yî. Tabelul care
rezultă este unul cu dublă intrare (vezi tabelul nr. 6.2).

Dacă valorile care definesc intervalele de grupare după X şi Y au fost ordonate


crescător, iar frecvenţele tind să se ordoneze după diagonala principală, atunci există o
corelaţie directă.
173
Dacă frecvenţele se concentrează în jurul diagonalei secundare, atunci există o
corelaţie inversă. Cu cât concentrarea frecvenţelor în jurul unei diagonale este mai puternică,
cu atât legătura dintre cele două variabile este mai intensă.

Dispersia frecvenţelor fără nici o regularitate sugerează că cele două variabile sunt
independente sau necorelate.

La folosirea tabelului de corelaţie se recomandă să se respecte regulile menţionate la


metoda grupării.

Metoda seriilor paralele interdependente se recomandă a fi aplicată în cazul unui


număr redus de valori (xi, yi) înregistrate pentru variabile X şi Y.

Se procedează astfel: se ordonează crescător datele variabilei independente (X) şi se


ataşează valorile corespunzătoare variabilei dependente (Y) şi se concluzionează referitor la
forma şi direcţia legăturii în funcţie de reacţia variabilei Y la modificările intervenite în
variabila X. Dacă datele tind să se modifice în acelaşi sens, există o corelaţie directă,
respectiv inversă, dacă tind să se modifice în sens opus. Mărimea cu care se modifică Y la
modificările lui X permite aprecierea intensităţii legăturii.

Ultimele două metode sunt rar utilizate în aplicaţiile practice, iar metoda grupării, cu
particularizarea sa prin metoda tabelului de corelaţie este utilizată mai puţin pentru
caracterizarea asocierii dintre două variabile şi mai mult pentru evidenţierea acestei legături.
Metoda grafică – diagrama norului de puncte – este facilă şi permite vizualizarea rapidă a
unei posibile legături între variabile şi, de aceea, este cea mai des utilizată. Odată cu
extinderea utilizării tehnologiei informaţiei, caracterizarea legăturii între variabile şi
măsurarea intensităţii ei sunt mijlocite de aplicaţiile dedicate prelucrării datelor statistice.

6.4 Metode parametrice de analiză a legăturilor


Metodele elementare prezentate oferă informaţii utile în studiul interdependenţelor.
Acestea nu sunt însă în măsură să descrie analitic dependenţa şi să măsoare numeric
intensitatea acesteia. Metodele care permit acest lucru sunt metoda regresiei şi metoda
corelaţiei.

6.4.1 Metoda regresiei


Prin intermediul metodei regresiei se analizează cu ajutorul unei expresii analitice,
denumită funcţie de regresie, modul în care variabila dependentă Y se comportă în raport cu
modificarea uneia sau a mai multor variabile independente (Xi).

Metoda regresiei răspunde la trei principale obiective ale analizei statistice:

1. metoda regresiei furnizează estimaţii ale variabilei dependente pentru anumite


valori date ale variabilei independente. Cu alte cuvinte, funcţia de regresie
exprimă cum se comportă în medie variabila dependentă – sau efect – sub
acţiunea influenţei unei variabile independente – sau cauză – în condiţiile în care
toate celelalte variabile independente esenţiale sau întâmplătoare ar exercita o
acţiune constantă, sau, respectiv, ar exercita o influenţă neesenţială. Acest

174
principiu se numeşte ceteris paribus, adică „toate celelalte fiind egale”, „celelalte”
fiind factorii care influenţează modificarea variabilei dependente. Astfel, studiind
relaţia dintre variabila dependentă şi cele independente, metoda ne oferă
posibilitatea de a găsi valoarea cea mai probabilă a variabilei dependente când
ştim o valoare a variabilei independente;

2. metoda regresiei ne oferă o măsură a erorilor care pot interveni în estimarea


variabilei dependente. Dacă putem estima valorile variabilei dependente în funcţie
de valoarea unei variabile independente, atunci suntem interesaţi să ştim cât de
multă încredere putem acorda acestei estimaţii, motiv pentru care statisticianul
construieşte un interval de încredere al acelei estimaţii;

3. metoda regresiei furnizează o estimaţie a efectului asupra valorii medii a lui Y


atunci când X se modifică cu o unitate. Pornind de la exemplul din tabelul 6.1,
modelul regresiei ne permite să spunem, în medie, care este modificarea mediei
la examene dacă nota la admitere se modifică cu un punct.

Funcţia de regresie este o funcţie matematică care exprimă legătura dintre variabila
dependentă Y şi k variabile independente Xk şi are forma generală :

Y X i  f  x1 , x 2 , x3 ,...., x K    (6.2)

unde "  " este variabila aleatoare perturbatoare, reziduală sau eroare, care
sintetizează influenţa tuturor factorilor neluaţi în calcul, nespecificaţi.

Dacă în analiza regresiei se implică o singură variabilă independentă se recurge la


regresia unifactorială liniară sau neliniară, iar dacă variaţia variabilei Y este dependentă de
cel puţin două variabile factoriale se recurge la regresia multifactorială sau multiplă.

Alegerea funcţiei de regresie se realizează cel mai simplu, pe baza reprezentării


grafice a perechilor de valori {xi,yi}.

Regresia unifactorială liniară

Un model este o formă simplificată, idealizată de reprezentare a realităţii. Modelul de


regresie nu face excepţie şi el presupune că valorile variabilei independente (X) şi cele ale
variabilei dependente (Y) tind să formeze o progresie aritmetică, deci când variabila
dependentă tinde să se modifice liniar sub influenţa unei singure variabile independente.

Tendinţa valorilor de a forma o progresie aritmetică se cunoaşte uşor prin


reprezentarea grafică a perechilor de valori, iar dacă corelograma sugerează tendinţa de
ordonare a punctelor în jurul unei drepte se optează pentru regresia liniară.

Ecuaţia funcţiei liniare de regresie este:

YX i  a  b  X   (6.3)

în care:

YX i – valorile teoretice ale variabilei Y în funcţie de X, pe care le putem estima;

175
X – vectorul valorilor empirice (observate) ale variabilei factoriale;
a şi b – parametrii necunoscuţi ai funcţiei de regresie care trebuie estimaţi.
Parametrul a nu are o semnificaţie economică. Geometric reprezintă ordonata la
origine, respectiv valoarea lui y când x = 0. Dacă a = 0, variabila Y depinde exclusiv de
variabila X, deci legătura este funcţională.

Parametrul b, denumit coeficient de regresie, exprimă economic cu cât se modifică în


medie variabila dependentă dacă variabila independentă se modifică cu o unitate.
Geometric, parametrul b semnifică panta dreptei de regresie. Semnul parametrului b oferă
următoarele informaţii:

- b > 0, legătura este directă;

- b < 0, legătura este inversă;

- b = 0, variabilele sunt independente sau necorelate.

După alegerea funcţiei de regresie trebuie să se estimeze parametrii a şi b ai ecuaţiei


liniare şi să se calculeze valorile funcţiei de regresie.

Estimarea parametrilor a şi b se realizează, cel mai adesea, prin metoda celor mai
mici pătrate, ceea ce înseamnă minimizarea sumei pătratelor erorilor  i
2
 min . Dar
eroarea reprezintă diferenţa dintre valoarea empirică (yi) şi valoarea teoretică, calculată pe
baza modelului liniar (Yxi). Deci, suma pătratelor abaterilor valorilor empirice de la cele
teoretice trebuie să fie minimă.

 y 
n
 YX i  min
2
i (6.4)
i 1

În cazul modelului unifactorial liniar expresia (6.4) devine:


n
S    y i  a  b  xi   min
2
(6.5)
i 1

Această expresie este minimă în punctele de anulare a derivatelor parţiale calculate


în funcţie de parametrii a şi b.

 S
 a  2    y y  a  bx    1
 S
  2    y y  a  bx    x 
 b
Punând condiţia ca aceste derivate să fie egale cu 0, simplificând cu 2 şi ţinând
seama de faptul că a şi b sunt constante, sistemul de mai sus devine:

n  a  b   x i   y i

a   x i  b   x i   x i  y i
2

unde xi şi yi reprezintă valorile empirice înregistrate pentru cele două variabile, iar n
semnifică numărul unităţilor observate din eşantion.

De unde, prin rezolvarea sistemului de ecuaţii se obţine:


176

b 
  xi  x    y i  y 
   x i  x 2 (6.6)
a  y  b  x

Pentru facilitarea calculelor, se utilizează o formă alternativă pentru parametrul b,
care conduce la acelaşi rezultat:

 n   xi  y i   xi   y i
b 
 n   xi2   xi 
2
(6.7)
a  y  b  x

După ce au fost calculaţi parametrii a şi b se pot determina valorile teoretice ale
funcţiei de regresie (Yxi ), prin înlocuirea succesivă în ecuaţia de regresie, cu valorile xi ale
caracteristicii factoriale.

Exemplul 6.1 – Estimarea parametrilor unei funcţii liniare unifactoriale


Pentru a ilustra valenţele analitice ale unei funcţii liniare de regresie unifactorială, se porneşte de la
datele privind vechimea în muncă şi câştigul salarial net realizat de 8 muncitori în luna mai 2010
(vezi Tabelul E.6.1.1, coloanele 2 şi 3). Între cele două variabile există normal o legătură directă,
salariul net fiind influenţat, pe lângă alţi factori, şi de vechimea în muncă.
Tabelul E.6.1.1 – Calculul parametrilor unei funcţii de regresie liniară unifactorială
Vechime în Câştig
Identificator muncă salarial
(ani) net (mii lei) xi  y i xi2 YX i
salariat
( xi ) ( yi )
1 3 2,9 8,7 9 2,89
2 6 3,1 18,6 36 3,19
3 9 3,5 31,5 81 3,48
4 11 3,8 41,8 121 3,67
5 15 4 60,0 225 4,06
6 19 4,4 83,6 361 4,45
7 22 4,8 105,6 484 4,74
8 25 5 125,0 625 5,03
Total 110 31,5 474,8 1942 31,50

Cele două serii de date confirmă existenţa unei corelaţii directe. Pentru alegerea formei legăturii se
construieşte corelograma.

177
Fig. 6.8 – Graficul de corelaţie între vechimea în muncă şi câştigul salarial

4
Castig salarial (mii lei)

0
0 5 10 15 20 25 30
Vechime (ani)

Reprezentarea grafică sugerează faptul că punctele tind să se ordoneze în jurul unei drepte. Deci,
funcţia de regresie este de forma: YXi = a + bxi.
Pentru aflarea parametrilor a şi b se porneşte de la sistemul de ecuaţii menţionat, rezolvarea căruia
presupune calcularea expresiilor x i  yi , x 2
i şi  x 
i
2

Sistemul de ecuaţii normale este:

n  a  b   x i   y i 8  a  110  b  31,5
  
a   x i  b   x i   x i  y i a  110  1942  b  474,8
2

Din rezolvarea sistemului prin metoda determinanţilor se obţine:

31,5 110
474,8 1942
a  2,6033
8 110
110 1942

8 31,5
110 474,8
a  0,097
8 110
110 1942
Valoarea parametrului a = 2,6033 semnifică faptul că dreapta intersectează ordonata în punctul
2,6, iar b = 0,097 înseamnă că salariul mediu net sporeşte în medie cu 97 lei dacă vechimea creşte
cu un an. Implicit, valoarea pozitivă a parametrului b (panta dreptei de regresie) arată că suntem
în faţa unei corelaţii directe.
Funcţia de regresie care descrie legătura dintre cele două variabile este:

178
Yxi= 2,6033 + 0,097*xi.
Valorile teoretice privind câştigul salarial net se obţin în urma înlocuirii în această funcţie lui xi cu
valorile corespunzătoare (vezi Tabelul E.6.1.1, coloana a 6-a).

Yx1 = 2,6033 + 0,097 ⋅ 3 = 2,89


..
Yx8 = 2,6033 + 0,097 ⋅ 5 = 5,03
Corectitudinea estimării parametrilor a şi b presupune ca suma valorilor empirice ale variabilei
dependente (∑ yi ) să fie egală cu suma valorilor teoretice (∑YXi ).
Utilizând această funcţie de regresie, un salariat al companiei respective poate formula o predicţie
a câştigului salarial pentru vechimi diferite de cele observate.
Spre exemplu, doi salariaţi, unul cu 10 ani vechime şi altul cu 30 de ani, ar putea avea

Y(10) = 2,6033 + 0,097 ⋅10 = 3,57 mii lei.

Y(30) = 2,6033 + 0,097 ⋅30 = 5,51 mii lei.

În cazul exemplului prezentat în Tabelul E.6.1.1, datele au fost prezentate sub forma
a două serii simple, deci negrupate.

Regresia unifactorială neliniară

În realitate apar frecvent situaţii ca modelul liniar unifactorial să nu corespundă tipului


de dependenţă dintre cele două variabile. Printre cele mai utilizate funcţii neliniare
menţionăm: funcţia polinomială de gradul 2; funcţia exponenţială; funcţia lognormală; funcţia
hiperbolică.

Funcţia se alege cel mai simplu pe baza reprezentării grafice, de forma celei
prezentate în Fig. 6.4. Ca şi în cazul regresiei liniare unifactoriale, parametrii funcţiei se
estimează pornind de la metoda celor mai mici pătrate, care presupune minimizarea erorilor

 y 
n
 YX i  min .
2
i
i 1

În cazul polinomului de gradul 2, ecuaţia de regresie este:

y i  a  b  xi  c  xi2 (6.8)

Aplicând metoda celor mai mici pătrate şi după anularea derivatelor parţiale calculate
în funcţie de a, b şi c se obţine sistemul de ecuaţii:

n  a  b   xi  c   xi2   y i

a   x i  b   x i  c   x i   x i  y i
2 3
(6.9)
a  x 2  b  x 3  c  x 4 
  i  i  i  xi2  yi

179
Prin rezolvarea sistemului de ecuaţii liniare (6.9) şi prin înlocuirea succesivă a lui xi cu
valorile empirice în funcţia de regresie, se obţin valorile teoretice pentru variabila rezultativă
(YXi).

Dacă legătura dintre cele două variabile are forma unei funcţii exponenţiale, ecuaţia
de regresie este:

Y X i  a  b xi (6.10)

Aplicarea metodei celor mai mici pătrate presupune în acest caz liniarizarea, prin
logaritmare: lg Y X i  lg a  xi  lg b .

În continuare se procedează ca la regresia liniară pentru a determina parametrii a şi b


şi pentru calculul valorilor funcţiei de regresie. Prin aplicarea metodei celor mai mici pătrate
se obţine:

n  lg a  lg b   xi   lg y i
 (6.11)
lg a   xi  lg b   xi   xi  lg y i
2

Regresia multifactorială

Modelele unifactoriale de regresie au avantajul uşurinţei aplicării. În realitate însă, se


întâlnesc foarte rar situaţii când efectul este rezultatul influenţei unei singure cauze. De cele
mai multe ori, variabila dependentă este influenţată concomitent de mai mulţi factori, ceea ce
înseamnă că în analiza legăturilor trebuie luaţi în calcul cel puţin factorii care exercită o
influenţă semnificativă. Forma generală a modelului regresiei multifactoriale este:

Y X i  f x1 , x 2 , x3 ,...., x K    (6.12)

Modelul multifactorial cel mai accesibil este cel liniar.

Y X 1 , X 2 ,..., X K  a0  a1  x1  a 2  x 2  ....  a K  x K (6.13)

în care:

a0 – sintetizează influenţa tuturor factorilor neluaţi în calcul

a1 … ak – reprezintă coeficienţii parţiali de regresie şi exprimă cu câte unităţi se


modifică variabila rezultativă dacă variabila factorială respectivă se modifică cu o unitate iar
toate celelalte variabile rămân constante (principiul ceteris paribus).

Prin aplicarea metodei celor mai mici pătrate se obţine sistemul de ecuaţii (6.14) prin
rezolvarea căruia se determină parametrii funcţiei de regresie.

n  a 0  a1   x1i  a 2   x 2i  ...  a k   x ki   y i

a 0   x1i  a1   x1i  a 2   x1i  x 2i  ...  a k   x1i  x ki   x1i  y i
2


a 0   x 2i  a1   x 2i  x1i  a 2   x 2i  ...  a k   x 2i  x ki   x 2i  y i
2
(6.14)
.............................................................................................................

a 0   x ki  a1   x ki  x1i  a 2   x ki  x 2i  ...  a k   x ki2   x ki  y i

180
La interpretarea rezultatelor privind parametrii funcţiei de regresie multifactorială
trebuie avut în vedere faptul că între variabilele factoriale luate în calcul poate exista o
dependenţă reciprocă, denumită multicoliniaritate, care poate afecta rezultatele finale, facând
necesară testarea existenţei acesteia.

Alegerea funcţiei de regresie pe baza graficului de corelaţie poate crea problema


dacă mulţimea punctelor corespunzătoare valorilor empirice (xi,yi) sugerează mai multe
funcţii posibile. În asemenea situaţie, se recomandă să se calculeze valorile după toate
funcţiile sugerate de grafic şi să se opteze, în final, pentru acea funcţie care satisface

 y 
n
 YX i  min , deci care minimalizează eroarea cu care se
2
condiţia de minim i
i 1

estimează valorile empirice (yi).

Indicatorul prin care se măsoară această eroare este eroarea standard (  yi ):


YX i

y 
 y i  YX i 2

(6.15)
i
YX i n
În cazul exemplului din Tabelul E.6.6.1 eroarea cu care s-au estimat câştigurile
salariale nete în funcţie de vechimea în muncă a fost de 66,1 lei. Pentru a calcula eroarea
standard a estimaţiilor funcţiei de regresie, e necesară determinarea pătratului diferenţelor
dintre valorile empirice ale variabilei dependente şi cele teoretice, calculate pe baza funcţiei
de regresie ale cărei parametri au fost obţinuţi în Exemplul 6.1. În continuarea exemplului
6.1, prezentăm mai jos modul de calcul.

Exemplul 6.1 (continuare) – Estimarea erorii standard a funcţiei de regresie liniară


unifactorială
Tabelul E.6.1.2 – Calculul parametrilor unei funcţii de regresie liniară unifactorială
Câştig
Vechime în
Identificator
salariat
muncă (ani)
salarial
net (mii lei) yi  YX i y i  YX i 
2

( xi )
( yi )
1 3 2,9 0,0057 0,0000
2 6 3,1 -0,0853 0,0073
3 9 3,5 0,0237 0,0006
4 11 3,8 0,1297 0,0168
5 15 4 -0,0583 0,0034
6 19 4,4 -0,0463 0,0021
7 22 4,8 0,0627 0,0039
8 25 5 -0,0283 0,0008
Total 110 31,5 0,0036 0,0350

0,0350
y   0,0661
i
YX i 8

181
Aceasta înseamnă că între câştigul salarial net realizat efectiv (yi) şi cel estimat pe baza funcţiei
lunare există, în cazul fiecărui muncitor, o diferenţă medie de 66,1 lei, diferenţă care se explică
prin influenţa altor factori asupra câştigului salarial net.

Dacă eroarea standard  yi se împarte la media valorilor empirice y se obţine eroarea


YX i

exprimată procentual:

y
y i

31,5
 3,938 mii lei.
n 8
Deci coeficientul de eroare este:

0,0661
Ke   100  1,68%
3,938

6.4.2 Metoda corelaţiei


Funcţia de regresie descrie dependenţa variabilei rezultative de variabila sau
variabilele cauză atrase în analiza legăturii. În studiul legăturilor dintre variabile este frecvent
necesar să se măsoare cât de puternică este corelaţia dintre variabile, caz în care se aplică
metoda corelaţiei 32 .

Indicatorii prin care se măsoară intensitatea legăturilor sunt: covarianţa cov( X , Y ) ;


coeficientul de corelaţie ( r ); raportul de corelaţie ( R ) şi coeficientul de determinaţie ( R 2 ) .

Covarianţa dintre două variabile este o medie aritmetică simplă a produselor


perechilor abaterilor valorilor empirice ( xi şi y i ) de la mediile lor aritmetice ( x şi y ).

cov( X , Y ) 
 x i  x    yi  y 
(6.16)
n
Dacă corelaţia este directă atunci cov( X , Y ) > 0, respectiv valori negative, în cazul
corelaţiilor inverse. Acest indicator se aplică mai rar în analiza corelaţiilor, datorită
următoarelor cauze:

 nu are un interval fix de variaţie; cu cât corelaţia este mai intensă cu atât
covarianţa, în valoare absolută, este mai mare;

 se exprimă în unităţile de măsură a caracteristicelor implicate în analiză, fapt ce


generează dificultăţi în cazul comparaţiilor.

32
Metoda corelaţiei presupune că ambele variabile analizate (X şi Y) sunt aleatoare şi distribuite
normal, în timp ce metoda regresiei presupune că variabila Y este aleatoare, în timp ce X nu este. De
asemenea, se presupune că abaterea standard a variabilei Y este constantă pentru toate valorile lui
X, iar abaterea standard a variabilei X este constantă pentru toate valorile lui Y.

182
Coeficientul de corelaţie liniară ( r ) (sau coeficientul de corelaţie Pearson 33 ) este
un indicator sintetic care măsoară intensitatea legăturilor liniare simple. Se calculează ca un
raport între covarianţă şi produsul abaterilor medii pătratice ale variabilelor implicate în
analiza corelaţiei (  x şi  y ) sau ca o medie aritmetică a produselor abaterilor normale

xi  x yi  y
normate: şi :
x y
n

cov( X , Y )
 x i  x    yi  y 
r  i 1
(6.17)
 x  y n  x  y

Înlocuind în această expresie x , y ,  x şi  y cu relaţiile de calcul pe baza cărora se

x , y  y , x   xi y   yi
2 2
2
 2

(x  x    şi  y    se
i i
determină
n n n  n  n  n 
   
ajunge la o relaţie relativ simplă de aplicat:

n   x i  y i   xi   y i
r
n   x  
(6.18)
  xi   n   y i2   y i 
2 2 2
i

Coeficientul de corelaţie poate lua valori cuprinse între –1 şi +1. Semnul


coeficientului de corelaţie coincide cu cel al coeficientului de regresie b. Dacă r > 0 există o
corelaţie directă, iar dacă r < 0 între cele două variabile este o corelaţie inversă.

Cu cât r se apropie mai mult de ± 1 cu atât legătura dintre variabile este mai
puternică. Dacă r = 1, atunci există o corelaţie directă funcţională, iar dacă r = –1, între
variabile este o corelaţie inversă funcţională. O valoare egală cu 0 indică lipsa legăturii dintre
variabile.

În exemplul prezentat privind legătura dintre vechimea în muncă şi câştigul salarial


net (vezi Tabelul E.6.1.1), coeficientul de corelaţie este:

8  474,8  110  31,5 333,4


r   0,9957
8 1942  110  8  128,11  31,5 
2 2 334,8

Relaţiile (6.17) şi (6.18) se aplică în cazul în care datele înregistrate pentru cele două
variabile se prezintă sub forma a două serii simple. Dacă numărul perechilor de valori
înregistrate este mare, acestea se sistematizează prin gruparea lor pe intervale egale şi se
prezintă întrun tabel cu dublă intrare. Într-o asemenea situaţie, fiecărei valori xi şi yi i se
ataşează frecvenţa corespunzătoare de apariţie.

Relaţia (6.21) devine:

n   xi  y i  n xy   xi  n x  y i  n y
r
n   x  
(6.19)
 n x   xi  n x   n   y  n y   y i  n y 
2 2 2 2
i i

33
In limba engleză poartă denumirea de “Product-moment correlation coefficient”

183
În aplicaţiile reale, o măsură atât de
Cadranul 2 – O scurtă istorie a regresiei liniare
mare a coeficientului de corelaţie este rar
Denumirea dată coeficientului de corelaţie induce pe
întâlnită. De asemenea, este necesar să
mulţi în eroare, atribuind descoperirea acestei mărimi
precizăm faptul că datele pe baza cărora se
statistice lui Karl Pearson. O serie de lucrări
calculează coeficientul de corelaţie este, în
descoperite la începutul anilor 2000 (v. „Galton,
majoritatea cazurilor, un eşantion, în condiţiile Pearson, and the Peas: A Brief History of Linear
în care analistul este interesat valoarea Regression for Statistics Instructors”, Jeffrey M.
acestuia pentru întreaga populaţie, caz în Stanton, Syracuse University, Journal of Statistics
care coeficientul de corelaţie este notat cu Education Volume 9, Number 3, 2001) conduc la
 („rho”). De aceea, este important să ştim concluzia că ideea conceptualizării noţiunilor de
câtă încredere putem da valorii calculate corelaţie şi regresie aparţine lui Sir Francis Galton.
Mai mult, ea nu este legată de explicarea „regresiei
conform relaţiei (6.19). Altfel spus, analistul
către medie” a înălţimii copiilor în relaţie cu strămoşii
este interesat să verifice dacă valoarea
lor, în încercarea de a explica modul în care sunt
coeficientului de corelaţie din populaţie este
moştenite trăsăturile înaintaşilor de către urmaşi, ci de
egal cu zero sau nu, deoarece, dacă   0 , un alt organism mult mai prozaic: mazărea dulce.
atunci cele două variabile analizate sunt El a ales mazărea dulce pentru că această specie se
independente, adică nu există corelaţie între auto-fecundează; plantele de sex feminin arată
ele. variaţiile genetice ale plantelor-mamă fără contribuţia
unui alt părinte. El a eliminat, în acest fel, problema
În termeni statistici, verificarea relaţiei
evaluării statistice a contribuţiei genetice a mai multor
  0 înseamnă testarea ipotezei nule care
surse.
este formalizată astfel: H 0 :   0 . Ipoteza
Primele concluzii despre regresie au izvorât dintr-o
alternativă este H 1:   0 . diagramă bidimensională în care a trasat punctele
determinate de mărimea boabelor de mazăre „fiice”
Pentru testarea ipotezei nule se
faţă de boabele de mazăre „mamă”, ilustrând
utilizează testul „t”. În acest scop, trebuie să elementele fundamentale a ceea ce astăzi statisticienii
calculăm statistica de test „t” 34 , care urmează numesc „regresie liniară”.
o distribuţie Student cu n-2 grade de libertate.
Relaţia de calcul a statisticii de test este:

r
tc  (6.20)
(1  r 2 ) /(n  2)

în care:

r – coeficientul de corelaţie liniară simplă;

n – numărul observaţiilor;

n – 2 – numărul gradelor de libertate.

Valoarea calculată pe baza relaţiei (6.20) se compară cu valoarea teoretică din


tabelul Student, pentru un prag de semnificaţie α (de regulă α= 0.05 ) şi n – 2 grade de
libertate (gradul de libertate este n-2 deoarece dreapta are doi parametri fixaţi).

34
În statistica t, magnitudinea numărătorului tinde să crească pe măsură ce ipoteza alternativă este
adevărată.

184
Întrucât ipoteza nulă priveşte testarea egalităţii coeficientului de corelaţie a întregii
colectivităţi statistice cu valoarea 0, este posibil ca, în realitate,  să fie „semnificativ” mai
mare decât 0 sau „semnificativ” mai mic decât 0. De aceea, este firesc să verificăm dacă
statistica t este fie foarte mare, fie foarte mică pe curba distribuţiei teoretice a acesteia, ştiind
că punctul de simetrie al acestei distribuţii este t=0, adică să aplicăm un test t bilateral.

În consecinţă, se compară valoarea calculată a statisticii t cu cea teoretică, iar regula


de evaluare a testului este următoarea: se respinge ipoteza nulă conform căreia   0 dacă
tc > tteoretic la pragul de semnificaţie de  / 2 sau dacă tc < -tteoretic la pragul de semnificaţie de
 / 2 şi nu respingem ipoteza nulă în caz contrar. Altfel spus, dacă tc > tteoretic sau dacă tc < -
tteoretic, probabilitatea 35 ca  să fie egal cu 0 este mai mică decât pragul de semnificaţie ales
(de regulă, o probabilitate totală de 5% sau  =0,05, adică 2,5% din stânga distribuţiei
Student şi 2,5% din dreapta ei), deci riscul să acceptăm în mod greşit ipoteza nulă este
foarte mic.

În cazul Exemplului 6.1, statistica t calculată este:

0,9957
tc   8  2  26,33
1  0,9957 2
Valoarea statisticii t pentru un prag de semnificaţie de 0,025 şi 6 grade de libertate se
poate citi într-o tabelă a valorilor critice ale variabilei t calculate pentru teste bilaterale şi
găsim că tteoretic; 0,025 = 2,447.

Întrucât 26,33 > 2,447 respingem ipoteza nulă   0 şi concluzionăm că valoarea


coeficientului de corelaţie calculat este semnificativ diferită de zero, deci o putem considera
adevărată în 95 de cazuri din 100 posibile.

Raportul de corelaţie (R) este un indicator sintetic care măsoară intensitatea


legăturilor liniare şi neliniare.

Înainte de a defini şi calcula raportul de corelaţie, să ne reamintim că în paragrafele


precedente am văzut cum se determină o funcţie de regresie liniară. Odată ce am găsit
parametrii funcţiei, următoarea întrebare pe care ne-o punem este: cât de bine ajustează
linia de regresie datele observate? Întrebarea este firească deoarece nu rareori diferenţele
între valorile observate ale variabilei dependente şi valorile teoretice sunt mari. Instrumentul
prin intermediul căruia se evaluează calitatea funcţiei de regresie este coeficientul de
determinaţie.

Aşa cum am văzut în secţiunea 4.4.3, din regula de adunare a dispersiilor,


coeficientul de determinaţie este raportul dintre dispersia între grupe, adică dispersia
explicată de variabila de grupare, şi dispersia totală. În cazul regresiei liniare, calculul
coeficientului de determinaţie este obţinut, de asemenea, prin împărţire a dispersiei totale
între dispersia explicată şi dispersia ne-explicată.

35
Valoarea teoretică faţă de care facem comparaţia este o cuantilă, iar probabilitatea ca valoarea
calculată să o depăşească pe cea teoretică este suprafaţa aflată sub curba distribuţiei.

185
După cum ştim, dispersia totală este dată de pătratul diferenţei dintre valorile
observate şi valoarea medie:
n

 y  y .
2
i
i 1

Întrucât regresia liniară ne permite să calculăm valorile teoretice obţinute prin funcţia
de regresie, pentru a măsura cât de bine ajustează această funcţie datele observate este
nevoie să operăm o modificare în relaţia de mai sus, pentru a pune în evidenţă dispersia
care nu este explicată de regresie şi dispersia explicată de regresie:

   
n n

 y  y  =  yi  YX i  YX i  y
2 2
i (6.21)
i 1 i 1

Aşadar, dispunând de valorile empirice înregistrate ( y i ), de valorile teoretice


calculate pe baza funcţiei de regresie ( Y X i ) şi de media valorilor empirice ( y ) se pot stabili
trei tipuri de abateri:

a) partea din stânga egalităţii,  yi  y  , reprezintă abaterea valorilor empirice de la


2

media lor. Media presupune toţi factorii de influenţă constanţi, iar valorile empirice
sunt rezultatul acţiunii tuturor factorilor. Dispersia calculată pe baza acestor
abateri este dispersia totală a variabilei dependente (  y2 ). Prin aceasta se
măsoară variaţia sub influenţa tuturor factorilor X şi a celorlalţi factori
neînregistraţi;

b) primul termen al părţii din dreapta egalităţii, y  Y  ,


i Xi reprezintă abaterea
valorilor empirice de la valorile teoretice. Valorile teoretice sunt expresia factorului
implicat în analiza legăturii, deci considerat esenţial. Abaterea menţionată este
provocată de influenţa factorilor neînregistraţi, aleatori. Dispersia care măsoară
variaţia variabilei Y numai sub acţiunea acestor factori este dispersia reziduală
(  y2 / r );


c) al doilea termen al părţii din dreapta egalităţii, YX i  y , reprezintă abaterea 
valorilor teoretice de la media valorilor empirice şi exprimă influenţa factorului X.
Pe baza acestor abateri se determină dispersia explicată sau dispersia
sistematică (  y2 / x ).

Dacă ridicăm la pătrat ambii termeni ai egalităţii şi însumăm pentru tot setul de
observaţii, obţinem:

  yi  y    yi  YX    Y 
n n n
y
2 2 2
i Xi (6.22)
i 1 i 1 i 1

Forma echivalentă, bazată pe cele trei dispersii definite mai sus, este:

 y2 =  y2 / x +  y2 / r (6.22’)

186
Termenul din stânga al ecuaţiei arată dispersia totală a variabilei dependente. Primul
termen al părţii drepte a ecuaţiei arată dispersia variabilei dependente care este explicată de
regresie, iar al doilea termen al părţii din dreapta a ecuaţiei reprezintă dispersia variabilei
dependente care nu este explicată de regresie.

Coeficientul de determinaţie (R2) arată cât de bine ajustează linia de regresie valorile
observate şi este dat de raportul dintre dispersia explicată de regresie şi dispersia totală:

 y  Y   y 
n n
 YX i
2 2
Xi i
R2  i 1
n
 1 i 1
n
(6.23)
 y  y  y  y
2 2
i i
i 1 i 1

O formă echivalentă a relaţiei (6.23), în care toate elementele de calcul sunt


disponibile, este:
2
n
1  n n

a   y i  b   xi  y i     y i 
i 1 i 1 n  i 1 
R2  2
(6.23’)
n
1  n 

i 1
y 2
i     yi 
n  i 1 
Cu cât valoarea coeficientului de determinaţie este mai mare, cu atât modelul de
regresie, adică variabila factorială, explică mai bine variaţia variabilei dependente. Cu alte
cuvinte, coeficientul de determinaţie – denumit în analiza statistică „R pătrat” – este măsura
de apreciere a calităţii modelului de regresie.

În exemplul 6.1, coeficientul de determinaţie este:

2,6033  31,5  0,097  474,8  (1 / 8)  (31,5) 2


R2   0,9876
128,11  (1 / 8)  (31,5) 2
Valoarea apropiată de 1 a coeficientului de determinaţie ne arată că funcţia de
regresie Y X i  2,6033  0,097  xi ajustează bine datele observate sau, prin alte cuvinte, că
98,76% din variabilitatea datelor observate este explicată prin modelul de regresie.

În manieră echivalentă, coeficientul de determinaţie (R2 ) exprimă ce cotă parte din


variaţia lui Y se datorează influenţei factorului X, considerat esenţial. În opoziţie, coeficientul
de nedeterminaţie (K2) măsoară cota parte din variaţia lui Y pe seama acţiunii tuturor
factorilor neluaţi în considerare, reziduali:

 y 
n
 YX i
2
 2 i
K2   i 1
y/r
(6.24)
 y2 n

 y  y
2
i
i 1

Raportul de corelaţie se calculează extrăgând rădăcina pătrată din coeficientul de


determinaţie:

187
 y 
n
 YX i
2
i
R  1 i 1
n
(6.25)
 y  y
i 1
i
2

Raportul de corelaţie poate lua valori cuprinse între 0 şi 1. Cu cât valoarea lui R se
apropie mai mult de 1 cu atât legătura dintre variabile este mai puternică, respectiv mai puţin
intensă cu cât se apropie mai mult de 0.

Pe baza Exemplului 6.1 şi a valorii coeficientului de determinaţie de mai sus, raportul


de corelaţie este:

R  0,9876  0,9938
La calcularea valorilor teoretice (valorile funcţiei de regresie, Y X i ) s-a pornit de la o
ipoteza că legătura dintre cele două variabile este liniară. De la aceeaşi ipoteză s-a pornit şi
la determinarea raportului de corelaţie. Dacă legătura dintre cele două variabile este într-
adevăr liniară, atunci se verifică egalitatea: r  R . Dacă raportul de corelaţie diferă de r ,
atunci legătura este neliniară. În acest caz trebuie identificată ecuaţia funcţiei neliniare,
calculate valorile teoretice ( Y X i ) pe baza acestei funcţii şi determinată intensitatea corelaţiei
prin R.

6.4.3 Metode neparametrice


Metodele de corelaţie prezentate fac parte din grupa metodelor parametrice de
măsurare a intensităţii legăturilor dintre variabile, întrucât modelele prin care sunt construite
presupun formularea anumitor supoziţii asupra variabilelor implicate şi a formei relaţiei dintre
acestea. Mai precis, aceste metode pot fi aplicate dacă variabilele îndeplinesc două condiţii:

a) sunt de natură cantitativă, numerică (scala de măsurare este cel puţin de tip
interval);

b) repartiţiile variabilelor tind spre distribuţia normală.

Dacă nu sunt îndeplinite aceste condiţii se recomandă aplicarea metodelor


neparametrice. Cei mai utilizaţi indicatori din acestă grupă sunt: coeficientul de asociere
Yule; coeficientul de corelaţie a rangurilor Spearman; coeficientul de corelaţie a rangurilor
Kendall.

Coeficientul de asociere Yule (Q) se aplică în cazul analizei corelaţiei dintre două
variabile alternative. Astfel de caracteristici admit numai două forme de manifestare: DA şi
NU şi se codifică cu 1 şi 0.

Repartiţia celor două variabile alternative se prezintă într-un tabel de asociere care
este o variantă simplificată a tabelului cu dublă intrare. În acest tabel valorile variabilei X apar
în capetele rândurilor, iar cele ale variabilei Y apar în capetele coloanelor.

188
Tabelul 6.3 – Tabel de asociere
X \ Y y1 y2 Total
x1 n11 n12 n1.
x2 n21 n22 n2.
Total n.1 n.2 n..

Coeficientul de asociere Yule se calculează pe baza relaţiei:

n11  n22  n12  n21


Q (6.26)
n11  n22  n12  n21
Acest indicator poate lua valori cuprinse între 1 şi +1. Valori negative ale lui Q indică
o asociere inversă, respectiv directă, dacă acest indicator este pozitiv.

Cu cât Q tinde mai mult spre ±1 cu atât asocierea este mai puternică. Dacă
coeficientul de asociere este egal cu 0, între cele două variabile nu există o legătură de
asociere.

Coeficienţii de corelaţie a rangurilor se aplică în cazul în care valorile sau formele


de manifestare a celor două variabile pot fi ierarhizate. Aceşti indicatori se recomandă în
situaţiile în care cel puţin una din variabile este nenumerică (calitativă sau exprimată prin
cuvinte) sau când distribuţia nu este cunoscută.

Caracteristic pentru aceşti coeficienţi este faptul că la determinarea lor nu se


porneşte de la valorile empirice corespunzătoare celor două variabile, ci de la numere care
indică locul fiecărei valori / forme de manifestare în serie, denumite ranguri ( R x , R y ). Deci,
valorile empirice / formele de manifestare se înlocuiesc cu ranguri. Se ordonează crescător
rangurile după caracteristica X (cel mai mic nivel are rangul 1) şi se ataşeză rangurile
corespunzătoare caracteristicii Y.

Coeficientul de corelaţie a rangurilor Spearman ( rS ) se determină pe baza


rangurilor celor două varabile ( R x , R y ), ordonate aşa cum s-a menţionat mai sus:

N
6 Di2
rS  1  i 1
(6.27)
N(N  1)
2

în care:

Di  R x ,i  R y ,i
n − numărul cuplurilor de valori X, Y.

Acest coeficient poate lua valori cuprinse între 1 şi +1 şi se interpretează în acelaşi fel
ca în cazul coeficientului de corelaţie liniară (r).

Exemplul următor ilustrează modul de calcul al coeficientului de corelaţie a rangurilor


Spearman.

189
Exemplul 6.2 – Calculul coeficientului de corelaţie a rangurilor Spearman
În tabelul următor sunt prezentate rangurile a 6 ţări ordonate după rata de alfabetizare masculină
(xi) şi feminină (yi). Spre exemplu, ţara 3 este a IV-a în ordinea ratei de alfabetizare masculine şi a
V-a după rata de alfabetizare feminină.
Tabelul E.6.2.1 – Rangurile ţărilor în funcţie de rata de alfabetizare a populaţiei masculine şi
feminine
Ţara
1 2 3 4 5 6
Rangul xi 6 5 4 3 1 2
Rangul yi 6 4 5 2 1 3
Di 0 1 1 1 0 1
Di2 0 1 1 1 0 1
N
6 D i2
64
rS  1  i 1
 1  0,886
N(N  1)
2
6  (36  1)

Deoarece valoarea coeficientului de corelaţie a rangurilor Spearman este ridicată, concluzionăm


că există o corelaţie puternică între rata de alfabetizare a populaţiei feminine şi a celei masculine în
cele 6 ţări analizate.

Coeficientul de corelaţie a rangurilor Kendall ( rK ) se calculează numai pe baza


rangurilor variabilei Y, după ce datele au fost sortate după variabila X. Relaţia de calcul este:

rk 
 P  Q i i
(6.28)
nn  1
1
2
unde :

- P − i suma rangurilor superioare care urmează în continuare după rangul i


analizat;

-  Q i− i suma rangurilor inferioare care urmează în continuare supă rangul


analizat.

- n este numărul de ranguri analizate.

Coeficientul Kendall ia deasemenea valori cuprinse între –1 şi +1. Semnul coeficientului


indică direcţia legăturii (+ corelaţie directă şi – o corelaţie inversă), cu cât tinde mai mult spre
±1, cu atât corelaţia este mai puternică.

Calculul coeficienţilor de corelaţie a rangurilor se exemplifică în continuare pe baza


datelor privind cifra de afaceri (X) şi profitul (Y) realizate de către opt agenţi economici.

190
Exemplul 6.3 – Calculul coeficientului de corelaţie a rangurilor Spearman şi Kendall
Într-o cercetare statistică au fost studiate 8 companii, ale căror cifră de afaceri şi profit au fost
sintetizate în tabelul următor.
Tabelul E.6.3.1 – Cifra de afaceri şi profitul obţinute de 8 companii studiate
Cifra de
Nr. Profit
afaceri Rx Ry Di2 Pi Qi
crt. (mil. lei)
(mil. lei)
1 47 4,0 1 1 0 7 0
2 54 4,7 2 2 0 6 0
3 58 5,9 3 7 16 1 4
4 60 5,2 4 4 0 3 1
5 61 5,0 5 3 4 3 0
6 62 5,8 6 6 0 1 1
7 64 5,6 7 5 4 1 0
8 70 6,4 8 8 0 0 0
Total - - - - 24 22 6

Pi şi Qi au fost determinate exclusiv pe baza coloanei de ranguri Ry.


Aplicând relaţiile corespunzătoare,

- coeficientul de corelaţie Spearman este:


N
6 D i2
6  24 144
rS  1  i 1
 1  1  0,714
N(N  1) 2
8  (64  1) 504
- Coeficientul de corelaţie Kendall este:

rk 
 P  Q
i i

2  (22  6) 32
  0,571
8  (8  1)
nn  1
1 56
2
Corelaţia dintre cele două variabile este una directă şi moderată ca intensitate.

6.5 Cuvinte – cheie


Coeficient de asociere Yule Covarinţa

Coeficient de corelaţie a rangurilor Dispersie explicată, sistematică


Kendall
Dispersie reziduală
Coeficient de corelaţie a rangurilor
Eroarea standard
Spearman
Legătură directă
Coeficient de corelaţie liniară
Legătură funcţională
Coeficient de determinaţie
Legătură inversă
Coeficient de regresie

191
Legătură multiplă Metoda tabelului de corelaţie

Legătură simplă Raport de corelaţie

Legătură statistică Regresie

Metoda celor mai mici pătrate Variabila dependentă, rezultativă,


efect, explicată
Metoda grafică
Variabila independentă, factorială,
Metoda grupării
cauzală, explicativă
Metoda seriilor paralele
interdependente

6.6 Intrebări de control


1. Prin ce se deosebeşte o legătură stohastică de una funcţională (deterministă)?

2. Ce informaţii oferă metodele simple de analiză a legăturilor dintre variabile?

3. Ce exprimă funcţia de regresie?

4. Care este semnificaţia geometrică şi economică a coeficientului de regresie


liniară?

5. De ce se abat valorile empirice (yi ) de la valorile funcţiei de regresie?

6. Când se aplică şi cum se interpretează coeficientul de corelaţie simplă?

7. Când reprezentarea grafică admite mai multe funcţii care ar putea descrie
legătura dintre două variabile, care este criteriul în funcţie de care se optează
pentru una din aceste funcţii?

8. Când se utilizează şi cum se interpretează raportul de corelaţie?

9. Când se verifică egalitatea r  R ?

10. Când se recomandă corelaţia rangurilor pentru măsurarea intensităţii legăturilor


dintre variabile?

6.7 Bibliografie
1. Biji E., Lelea E., Wagner P., Statistică, Editura didactică şi pedagogică, Bucureşti,
1999, p. 214-278

2. Korka M., Begu L., Tuşa E., Bazele Statisticii pentru Economişti, Editura Tribuna
economică, Bucureşti, 2002 p. 118-138.

3. Mansfield Edwin, Basic Statistics with Applications, W.W. Norton&Company, New


York, London, 1986, p. 449-487

4. Voineagu V., Lilea E., Goschin Z., Vătui M., Bolăleanu D., Statistică economică.
Teorie şi aplicaţii, Editura Tribuna economică, Bucureşti, 2002, p. 223-257.

192
Capitolul 7: SERII CRONOLOGICE

7.1 Introducere
În capitolele precedente am trecut în revistă metodele statistice adecvate analizei
datelor care reflectă fenomene sau procese observate la un anumit moment, în aşa-numitele
observări sau cercetări statistice transversale. Cunoaşterea regularităţilor care se manifestă
în evoluţia fenomenelor şi proceselor sociale presupune, însă, şi culegerea şi sistematizarea
datelor în funcţie de derularea lor în timp, în aşa-numitele cercetări statistice longitudinale.

Sistematizarea datelor în funcţie de timp conduce la serii cronologice, dinamice sau


de timp. Prin studiul seriilor de timp se urmăreşte, în principal, obţinerea unor informaţii
privitoare la variaţia apărută în timp, la influenţa factorilor care au provocat abaterea de la
evoluţia normală, la legităţile care s-au manifestat în evoluţia fenomenelor şi proceselor.
Seriile cronologice prezintă date de flux sau de stoc şi sunt serii lunare, trimestriale,
semestriale, anuale sau cu o periodicitate mai mare de un an. Există însă şi serii zilnice –
cum sunt rata cursului de schimb, a cotaţiilor petrolului sau aurului, indicii bursieri – sau serii
săptămânale. Există, de asemenea, serii cronologice fără o periodicitate anume, cum ar fi
indicatorii de politică monetară ai băncilor centrale.

În acest capitol se tratează instrumentele şi metodele strict necesare oricărui


economist care încearcă să explice evoluţia unor fenomene sau procese economice şi
sociale din realitate: metodele şi indicatorii prin care se descrie numeric o serie cronologică;
metode prin care se determină trendul manifestat în evoluţia în timp; procedee simple de
previzionare a evoluţiei viitoare.

7.2 Definire, tipuri, reprezentare grafică


O serie cronologică este formată din două şiruri paralele de date, din care primul şir
reprezintă valorile variabilei de timp (ti), iar cel de-al doilea valorile variabilei înregistrate
pentru o anumită perioadă de timp (yt).

Construirea unei serii cronologice presupune înregistrarea datelor la anumite


momente sau intervale de timp pentru colectivitatea statistică care se studiază.

O serie cronologică construită corect prezintă o serie de proprietăţi, şi anume:

 variabilitatea termenilor este, în principal, expresia mulţimii factorilor care


influenţează asupra evoluţiei în timp, acţiunea cărora face ca termenii seriei să
prezinte o anumită variaţie;

 omogenitatea termenilor unei serii cronologice este rezultatul faptului că prin


fiecare termen care intră în componenţa seriei se măsoară acelaşi fenomen sau
proces. Omogenitatea termenilor presupune folosirea aceloraşi definiţii, aceloraşi
metodologii de măsurare, aceleaşi metode de calcul a indicatorilor etc;

193
 interdependenţa termenilor constă în faptul că oricare termen depinde într-o
anumită măsură de valoarea termenilor precedenţi. Această proprietate
generează o anumită tendinţă în evoluţia fenomenelor în timp;

 succesiunea în timp a termenilor înseamnă că termenii unei serii cronologice


sunt rezultatul înregistrării în ordinea apariţiei lor.

Seriile cronologice se diferenţiază în funcţie de timpul la care se referă fiecare termen


şi după modul de exprimare a indicatorilor pentru care se construiesc serii cronologice.

Fig. 7.1 – Tipuri de serii cronologice


După timpul la care se referă fiecare termen, se deosebesc serii cronologice de
perioade (intervale) şi de momente.

Seriile cronologice de perioade (intervale) de timp se contruiesc pentru variabile


de flux, respectiv pentru variabile pentru care are sens să se cumuleze datele observate într-
un interval de timp (lună, trimestru, semestru, an). De exemplu: evoluţia cifrei de afaceri a
unui agent economic în ultimele 12 luni sau evoluţia exporturilor României în ultimii 10 ani.

Termenii unei serii cronologice de perioade sunt însumabil direct. Rezultatul însumării
reprezintă un indicator totalizator care are acelaşi conţinut ca şi termenii seriei cronologice.

Seriile cronologice de momente se contruiesc pentru variabile de stoc, respectiv


variabile pentru care are sens să se înregistreze date privind existentul la un moment dat. De
exemplu: efectivul salariaţilor la sfârşitul lunii; populaţia României la 1 iulie în ultimii 10 ani.

În cazul seriilor cronologice de momente sumarea termenilor nu are sens deoarece


se ajunge la înregistrări repetate.

În funcţie de distanţa dintre momente, termenii seriilor cronologice de momente


pot fi despărţiţi de intervale (distanţe) egale sau distanţe inegale de timp.

După modul de exprimare a indicatorilor pentru care se alcătuiesc serii


cronologice se disting: serii formate din indicatori absoluţi, serii formate din indicatori relativi;
serii construite pentru indicatori medii.

În cazul seriilor cronologice formate din indicatori absoluţi, fiecare termen este o
mărime absolută exprimată în unităţi concrete de măsură. O astfel de serie cronologică
apare în tabelul nr. 7.1 pe prima linie: populaţia la data de 1 ianuarie a fiecărui an din seria
observată.

194
Tabelul 7.1 - Evoluţia unor indicatori macroeconomici în perioada 2000 - 2007
Unitate
Indicator 2000 2001 2002 2003 2004 2005 2006 2007
de măsură
Populaţia la 1 mil
22,45 22,43 21,83 21,77 21,71 21,66 21,61 21,56
ianuarie locuitori
Dinamica PIB
faţă de anul % 2,4 5,7 5,1 5,2 8,5 4,2 7,9 6,3
precedent
PIB pe locuitor Euro 1800 2000 2200 2400 2800 3700 4500 5800
Sursa: Eurostat

Seriile cronologice formate din indicatori relativi, prezintă evoluţia unor indicatori
relativi exprimaţi, de regulă, procentual. În tabelul nr. 7.1, dinamica produsului intern brut
reprezintă un exemplu de o astfel de serie.

Printr-o serie cronologică formată din indicatori medii se prezintă evoluţia unor
caracteristici cantitative măsurate cel puţin pe o scală de intervale: PIB pe locuitor; câştigul
salarial mediu etc. În tabelul nr. 7.1, seria produsului intern brut pe locuitor exprimat în Euro
este formată din indicatori medii.

O primă imagine privind evoluţia unei variabile sau indicator se obţine prin
reprezentarea grafică. Seriile cronologice de perioade se reprezintă grafic prin cronograma,
iar seriile cronologice de momente se vizualizează prin diagrama cu coloane.

În ambele cazuri, graficul se construieşte în cadranul I al sistemului de coordonate


rectangulare. Pe abscisă se măsoară timpul, iar pe ordonată variabila a cărei evoluţie se
analizează în timp.

În cazul seriilor de intervale corespunzător fiecărei perechi de valori: ti, yt se


desenează un punct. Unind punctele succesive prin segmente de dreaptă se obţine
cronograma.

Dacă fiecare termen se referă la un moment dat corespunzător fiecărui moment se


ridică o coloana înălţimea căreia este direct proporţională cu mărimea termenului respectiv.
Baza coloanelor este aceeaşi ca şi distanţa dintre coloane.

7.3 Indicatorii statistici ai seriilor cronologice de perioade


Caracterizarea evoluţiei în timp a unei variabile se bazează pe un sistem de indicatori
format din:

a) indicatori absoluţi:

 indicatorii de nivel ( y t );

 modificarea absolută (  t 2 / t1 );

b) indicatori relativi:

 indicele de creştere / descreştere ( I );

 ritmul de creştere / descreştere ( R );

195
 valoarea absolută a unui procent din ritmul de creştere / descreştere ( A );

c) indicatori medii:

 nivelul mediu al seriei ( y );

 modificarea absolută medie (  );

 indicele mediu de creştere / descreştere ( I );

 ritmul mediu de creştere / descreştere ( R ).

Prin calcularea acestor indicatori se urmăreşte aflarea răspunsului la întrebări cum ar


fi: cum se interpretează datele disponibile? Care ar putea să fie evoluţia în viitorul apropiat?
A răspunde la astfel de întrebări presupune să se identifice regularităţile manifestate în
evoluţia fenomenului descris printr-o serie cronologică.

7.3.1 Indicatorii absoluţi ai seriilor cronologice


Indicatorii absoluţi ai seriilor cronologice exprimă nivelul la care ajunge variabila la
diferite momente sau perioade de timp şi modificările absolute în timp.

Indicatorii de nivel reprezintă valoarea variabilei la momentul sau în perioada de


referinţă (yt). Dacă se însumează toţi termenii seriei de perioade rezultă nivelul totalizat
n

y
t 1
t .

În cazul datelor din tabelul nr. 7.2, fiecare termen privind cifra de afaceri este un
indicator de nivel.

Modificarea absolută (  t 2 / t1 ) exprimă cu cât a crescut sau a scăzut în mărime


absolută un termen comparativ cu un alt termen, considerat ca bază de comparaţie.

În funcţie de baza de comparaţie se poate calcula:

a) modificarea absolută cu bază fixă, care este diferenţa dintre nivelul fiecărei
perioade (yt) şi nivelul din perioada bază de comparaţie (y1);

 t / 1  y t  y1 (7.1)

Baza de comparaţie poate fi primul sau oricare termen al seriei, cu condiţia să


fie un termen semnificativ.

b) modificarea cu bază în lanţ (mobilă, glisantă) se calculează ca diferenţa dintre


oricare termen (yt) şi termenul precedent (yt-1).

 t / t 1  y t  y t 1 (7.2)

Exemplificarea modului de calcul al indicatorilor seriilor cronologice se face pe baza


datelor privind evoluţia cifrei de afaceri a unui agent economic prezentată în tabelul nr. 7.2.

196
Tabelul 7.2 – Evoluţia cifrei de afaceri a companiei X în perioada 2000 - 2009
Cifra Modificarea
Indicele (%) Ritmul (%)
de absolută
Anul t
afaceri
 t /1  t / t 1 I t /1 I t / t 1 Rt / 1 Rt / t 1
(mil. lei)
2000 1 50 0 - 100,0 - 0,0 -
2001 2 54 4 4 108,0 108,0 8,0 8,0
2002 3 60 10 6 120,0 111,1 20,0 11,1
2003 4 63 13 3 126,0 105,0 26,0 5,0
2004 5 68 18 5 136,0 107,9 36,0 7,9
2005 6 72 22 4 144,0 105,9 44,0 5,9
2006 7 74 24 2 148,0 102,8 48,0 2,8
2007 8 77 27 3 154,0 104,1 54,0 4,1
2008 9 80 30 3 160,0 103,9 60,0 3,9
2009 10 81 31 1 162,0 101,3 62,0 1,3
31 162,0
10 10
Total - 679 -
  t / t 1
t 2
-
I
t 2
t / t 1
- -

Între cele două modalităţi de calcul a modificării absolute există următoarele relaţii de
trecere:

i. suma modificărilor absolute cu baza în lanţ este egală cu modificarea absolută în


bază fixă.
10


t 2
t / t 1 =  n /1 (7.3)

Dacă se însumează, de exemplu, primele două modificări absolute cu baza în lanţ


(4+6) se obţine modificarea absolută a anului 2002 faţă de anul 2000. De asemenea,
însumarea modificărilor cu baza în lanţ de pe toată perioada analizată este egală cu
modificarea absolută dintre ultimul şi primul termen al seriei cronologice:  10 / 1 = 31.

ii. diferenţa dintre două modificări absolute cu bază fixă succesive este egală cu
modificarea absolută cu baza în lanţ corespunzătoare.

 t / 1   t 1 / 1   t / t 1 (7.4)

De exemplu, diferenţa dintre 24 şi 22 reprezintă modificarea absolută cu baza în lanţ


în anul 2006 faţă de anul 2005.

Aceste relaţii de trecere sunt utile în analiza seriilor cronologice în cazurile în care nu
se cunosc termenii seriei.

Un comentariu special este necesar pentru înţelegerea modificărilor absolute ale


indicatorilor relativi exprimaţi procentuali, în completarea celui făcut la §5.5 în legătură cu
erorile limită de reprezentativitate specificate în rapoartele sondajelor de opinie. Spre
exemplu, în tabelul 7.1 este prezentată dinamica PIB faţă de anul precedent, exprimată
procentual. Făcând abstracţie de unitatea de măsură, modificarea absolută din anul 2001
faţă de anul 2000 este 5,7 - 2,4 = 3,3. Tentaţia este de a da acestui rezultat unitatea de
măsură a valorilor din care provine, adică „3,3 la sută”, notând „3,3%”. Contrar acestei
tentaţii, formularea corectă este „3,3 puncte procentuale”, deoarece este vorba despre o

197
modificare absolută, nu una relativă. Dacă ar fi fost relativă, cifra de 3,3% s-ar fi aplicat ca
multiplicator al dinamicii de 2,4%, iar calculul care urma ar fi trebuit să fie: 2,4 x 3,3% =
7,92%. Cu alte cuvinte, dinamica PIB din anul următor ar fi fost 2,4792%, nu de 5,7%. Pe
scurt, punctele procentuale măsoară diferenţa absolută dintre două mărimi exprimate
procentual.

7.3.2 Indicatorii relativi ai seriilor cronologice


Indicatorii relativi arată de câte ori s-a modificat nivelul sau cu cât la sută s-a
modificat nivelul unei ponderi faţă de baza de comparaţie.

Indicatorii relativi oferă informaţii utile privind evoluţia în timp, cu condiţia ca baza de
comparaţie să fie un termen în raport cu care să se facă comparaţia. Aceasta înseamnă să
fie un termen care se înscrie în tendinţa de evoluţie, să fie un termen « normal ».

Indicele de creştere/descreştere (I) arată de câte ori s-a modificat nivelul unei
perioade faţă de o altă perioadă sau cât la sută reprezintă nivelul actual faţă de cel
considerat ca bază de comparaţie. Indicele este un raport între doi termeni ai seriei
cronologice.

În funcţie de modul de alegere a bazei de comparaţie (numitorul raportului) se


calculează două categorii de indici:

a) indicele cu bază fixă:

yt
I t /1   100 (7.5)
y1
b) indicele cu bază în lanţ (mobilă, glisantă):

yt
I t / t 1   100 (7.6)
y t 1
Între cele două modalităţi de calcul există relaţii de trecere, şi anume:

i. produsul indicilor cu bază în lanţ este egal cu indicele cu bază fixă corespunzător.
10

I
t 2
t / t 1 = I n /1 (7.7)

Observaţie: Dacă se aplică această relaţie, iar indicii cu bază în lanţ sunt exprimaţi în
procente este necesar să se împartă produsul indicilor la 100n-1, n reprezentând numărul
indicilor cu bază în lanţ luaţi în calculul produsului.

108,0  111,1  105,0


De exemplu:  126% , care este indicele cu bază fixă în anul 2003
100 2
faţă de anul 2000.

ii. raportul dintre doi indici cu bază fixă succesivi este egal cu indicele cu baza în
lanţ corespunzător.

I t /1
 I t / t 1 (7.8)
I t 1 / 1

198
De exemplu,

I 2002 / 2000 120,0%


  111,1%  I 2002 / 2001
I 2001 / 2000 108,0%
Ritmul de creştere / descreştere (R) arată cu câte procente s-a modificat nivelul în
perioada curentă faţă de perioada considerată ca bază de comparaţie, sau, ceea ce este
acelaşi lucru, cât la sută reprezintă modificarea absolută faţă de baza de comparaţie. În
funcţie de alegerea bazei de comparaţie şi de modul de calcul a modificărilor absolute, se
determină:

 ritmul cu bază fixă:

 t /1
Rt / 1   100 (7.9)
y1
 ritmul cu baza în lanţ (mobilă, glisantă):

 t / t 1
Rt / t 1   100 (7.10)
y t 1
Ritmul de creştere/descreştere se calculează mai simplu pornind de la indicele
corespunzător. În cazul indicelui exprimat procentual, baza de comparaţie este egală cu 100.
Deci, dacă din indice se scade 100 (baza de comparaţie) se obţine ritmul de creştere sau
descreştere:

 t /1 y  y1 y 
Rt / 1   100  t  100   t  1  100  I t / 1  1  100
y1 y1  y1 
şi

 t / t 1 y  y t 1
Rt / t 1   100  t  100  I t / t 1  1  100
y t 1 y t 1
Observaţie: Ritmul de creştere/descreştere se foloseşte frecvent în comparaţii
teritoriale. De exemplu, se compară RPIB din România cu RPIB din Germania. Astfel de
comparaţii pot conduce la concluzii neconcordante cu realitatea dacă nu se indică nivelul
absolut din perioada considerată bază de comparaţie sau modificarea absolută care revine la
1% din modificarea relativă.

Valoarea absolută a unui procent din ritmul de creştere/descreştere (A) exprimă


care este echivalentul absolut al unui procent din ritmul de creştere / descreştere. Se
calculează ca un raport dintre modificarea absolută (∆) şi modificarea relativă (R):

 cu bază fixă:

 t /1
At / 1  (7.11)
Rt / 1 (%)
 cu baza în lanţ (mobilă, glisantă):

 t / t 1
At / t 1  (7.12)
Rt / t 1 (%)

199
Valoarea absolută a unui procent din ritmul de creştere / descreştere reprezintă a
suta parte din baza de comparaţie. Acest lucru devine evident dacă se dezvoltă relaţiile
(7.11) şi (7.12) :

y t  y1 y
At / 1   1
y t  y1 100
 100
y1
respectiv,

y t  y t 1 y
At / t 1   t 1
yt  y t 1 100
 100
y t 1
În cazul exemplului din tabelul nr. 7.2, la un procent din oricare ritm de creştere cu
bază fixă (8,0%; 20,0%;...; 48,0%; ...; 62%) revine o creştere absolută egală cu 0,5 miliarde
y1 50
lei, deoarece At / 1    0,5 mil lei.
100 100
În mod similar, la un procent de creştere a cifrei de afaceri între 2007 şi 2008 de
y t 1 77
3,9% revin A2008 / 2007    0,77 mil lei.
100 100

7.3.3 Indicatorii medii ai seriilor cronologice


Indicatorii medii oferă informaţii sintetice care se referă la întreaga serie cronologică:
nivelul mediu; modificarea medie absolută; indicele mediu de creştere / descretere; ritmul
mediu de creştere / descreştere.

 Nivelul mediu ( y ) se determină ca o medie aritmetică simplă a termenilor seriei:

y
y t
, unde t  1, n (7.13)
n

Pentru seria prezentată în tabelul nr. 7.2, y 


y t

679
 67,9 mii lei.
n 10
Nivelul mediu se recomandă a fi utilizată numai în cazul seriilor cronologice
aproximativ staţionare, deci când termenii seriei formează un şir omogen.

 Modificarea medie absolută (  ) sintetizează modificările absolute cu baza în


lanţ şi se calculează ca o medie aritmetică simplă a acestor modificări.


 t / t 1

 t /1
(7.14)
n 1 n 1
unde n reprezintă numărul modificărilor absolute cu baza în lanţ.

4  6  ...  3  3  1 31
   3,44 mil lei anual.
9 9

200
Modificarea mediei absolute poate caracteriza o serie cronologică numai dacă
modificările cu bază în lanţ sunt aproximativ egale, deci dacă evoluţia poate fi
apreciată drept liniară.

 Indicele mediu de creştere sau descreştere (  ) se determină ca o medie


geometrică a indicilor cu baza în lanţ.

n
yn
  n 1  I t / t 1  n 1 I n / 1  n 1 (7.15)
t 1 y1
unde n reprezintă numărul indicilor cu bază în lanţ.

Indicele mediu arată de câte ori s-a modificat, în medie, fiecare termen faţă de
termenul precedent sau cât la sută reprezintă în medie fiecare nivel faţă de cel
precedent.

În cazul seriei prezentată în tabelul nr. 7.2 indicele mediu de creştere sau
descreştere este:

  9 1,080  1,111  1,050  ...  1,041  1,039  1,031  9 1,620  1,0551 sau 105,51% .
Deci, cifra de afaceri a fost, in medie, in fiecare an faţă de anul precedent de
1,0551 ori mai mare sau a reprezentat în medie o creştere de 105,51% în fiecare
an comparativ cu anul anterior.

Indicele mediu sintetizează corect modificările relative cu bază în lanţ dacă indicii
cu bază mobilă sunt aproximativ egali.

 Ritmul mediu de creştere/descreştere ( R ) măsoară cu câte procente s-a


modificat fiecare termen faţă de termenul precedent. Se determină pornind de la
relaţia existentă între indice şi ritmul de creştere sau descreştere.

R  (   1)  100 (7.16)
Observaţie: Din cadrul indicatorilor medii menţionaţi, numai nivelul mediu ( y )
sintetizează valorile individuale. În cazul celorlalţi indicatori medii rezultatul calculului depinde
doar de valoarea primului şi al ultimului termen. Această situaţie poate conduce la concluzii
neconforme cu realitatea.

7.4 Indicatorii statistici ai seriilor cronologice de momente


Prelucrarea seriilor cronologice de momente prezintă câteva particularităţi faţă de
seriile de perioade. Aşa cum s-a menţionat, lungimea intervalelor de timp care separă
momentele pot fi egale sau neegale.

Dacă intervalele care despart momentele sunt egale, prelucrarea seriei se realizează
prin calcularea indicatorilor absoluţi, relativi şi medii, cu deosebirea că nivelul mediu se
calculează nu prin media aritmetică simplă ci prin media cronologică simplă. În cazul unei
serii de momente cu intervale inegale, singurul indicator care se calculează este nivelul
mediu, prin media cronologică ponderată.

201
Media cronologică simplă este o formă transformată a mediei aritmetice simple. Se
aplică când momentele la care se referă termenii seriei sunt echidistante (t1 = t2 = ... = tn).

t1 t2 t3 t4 tn-1

y1 y2 y3 y4 y5 yn-1 yn
Fig. 7.2 – Serie cronologică de momente echidistante

O serie cronologică formată din n termeni are n-1 intervale, fiecare interval fiind
delimitat de doi termeni.

La media cronologică se ajunge astfel:

a) se transformă seria de momente într-o serie de intervale prin calcularea mediilor


aritmetice simple parţiale din câte doi termeni succesivi de momente.

Pornind de la figura nr. 7.2, mediile parţiale sunt:

y1  y 2 y  y3 y  yn
y1  ; y2  2 ; ......; y n 1  n 1
2 2 2
Fiecare medie parţială se referă la o perioadă t, deci termenii seriei ( y1 , y 2 ,...., y n 1 )
sunt însumabili.

b) se calculează media generală din mediile parţiale:

y1  y 2 y 2  y 3 y yn
  ....  n 1
y1  y 2  y 3  .....  y n 1 2 2 2
y 
n 1 n 1
După efectuarea simplificărilor se obţine media cronologică simplă ( y cr ).

y1 y
 y 2  ....  y n 1  n
y cr  2 2 (7.17)
n 1
Calculul mediei cronologice simple se exemplifică pe baza datelor din tabelul nr. 7.3.

Tabelul 7.3 – Stocul de mărfuri ale companiei X la începutul lunii

Stocul de
Data
mărfuri (mii lei)
01/01/2009 420
01/02/2009 460
01/03/2009 430
01/04/2009 440

Variabilele observate la momentele respective sunt variabile de stoc şi, ca urmare, nu


pot fi însumate direct. Aceste date s-ar putea însuma dacă s-ar cunoaşte modificările de stoc
din fiecare lună sau stocul din cursul lunii, adică media parţială. Stocul mediu existent în
primele patru luni din anul 2009 se determină prin media cronologică simplă.

202
y1 y 420 440
 y 2  ....  y n 1  n  460  430 
y cr  2 2  2 2  440 mii lei.
n 1 4 1
Media cronologică ponderată se utilizează la calculul nivelului mediu dacă
momentele de timp pentru care s-au înregistrat valorile variabilei sunt despărţite prin
intervale neegale.

Calculul mediei cronologice ponderate se bazează pe ipoteza că modificarea


termenilor între momente se realizează uniform de la un moment la altul. Aceasta înseamnă
că fiecare termen va intra în calculul mediei cu o importanţă egală cu jumătate din lungimea
intervalelor alăturate lui. Deci frecvenţele sunt reprezentate de distanţele între termenii seriei.

Media cronologică ponderată se calculează folosind relaţia:

t1 t t t t t
y1   y 2  1 2  ....  y n 1  n  2 n 1  y n  n 1
y cr  2 2 2 2 (7.18)
t1 t1  t 2 t t t
  ....  n  2 n 1  n 1
2 2 2 2

7.5 Ajustarea seriilor cronologice


Evoluţia unei variabile în timp, descrisă printr-o serie cronologică, este efectul
influenţei unor factori esenţiali (sistematici) şi neesenţiali (întâmplători). Acţiunea acestor
factori imprimă evoluţiei o anumită regularitate, dar şi abateri de la această regularitate.
Analiza oricărei serii cronologice presupune identificarea componentelor generate de
influenţa diferitelor grupe de factori.

Spre deosebire de ajustarea seriilor de variabile interdependente, în care ipoteza


fundamentală constă în independenţa variabilelor explicative, caracteristic seriilor
cronologice este faptul că termenii seriei sunt corelaţi, fiecare observaţie fiind statistic
dependentă de cea precedentă.

Teoretic, o serie cronologică poate fi descompusă în următoarele patru componente:

 trendul sau tendinţa generală (fundamentală);

 sezonalitatea;

 ciclicitatea;

 variaţia reziduală (aleatoare).

Trendul (Tt) poate fi, de obicei, detectat prin simpla inspecţie a seriei de timp. El se
manifestă sub forma unei mişcări regulate cu caracter de continuitate a fenomenului, care
poate fi în creştere, în scădere sau constant. Ca regulă, trendul poate fi sesizat dacă seria
cronologică se referă la o perioadă de timp suficient de mare. Trendul sau tendinţa reflectă
direcţia de evoluţie şi este efectul influenţei factorilor sistematici. Astfel de factori ar putea fi
în cazul seriilor cronologice construite pe diferite variabile macroeconomice, volumul
investiţiilor, dimensiunea şi calitatea forţei de muncă, nivelul tehnologiei etc.

203
Sezonalitatea (St) poate fi uşor detectată din graficul unei serii de timp. Ea este de
regulă reprezentată prin vârfuri sau depresiuni care apar la intervale relativ regulate de timp,
sugerând că variabila atinge minime şi maxime. Intervalul de timp dintre două vârfuri sau
depresiuni succesive se numeşte perioadă. Variaţiile periodice din cadrul seriilor cronologice
se referă la perioade mai scurte decât un an, de regulă luni sau trimestre. Aceste oscilaţii în
jurul trendului sunt cauzate de factori cum sunt: clima, obiceiuri, iregularităţi ale calendarului;
sărbători laice sau religioase; condiţii de producţie etc.

Ciclicitatea (Ct) seamnă mai mult cu un sezon, cu precizarea că perioada ciclului


este mult mai lungă decât un trimestru sau chiar de un an. Ciclurile apar ca rezultat al unor
schimbări de natură calitativă, cum este simţul gustului, moda, tehnologiile, clima globală etc.
Un ciclu poate fi mai greu detectabil dintr-un grafic al seriei de timp şi, de obicei, se
consideră că este neglijabil, mai ales în cazul seriilor pe termen scurt. Periodicitatea
variaţiilor ciclice este cuprinsă, de regulă, între 3 şi 12 ani. Această componentă este efectul
unor factori conjuncturali şi psihologici. Evidenţierea variaţiilor ciclice în vederea eliminării lor
este diferită, motiv pentru care se studiază împreună cu trendul.

Variaţia reziduală sau aleatoare (Rt) sintetizează variaţiile termenilor seriilor


cronologice provocate de factori neprevizibili cu o acţiune neregulată. Astfel de factori pot fi:
greve, catastrofe naturale. Un termen echivalent al variaţiilor reziduale este de erori, fiind
diferenţa dintre valorile aşteptate sau teoretice şi valorile observate ale variabilei. Valorile
teoretice sunt rezultatul combinării aditive sau multiplicative ale trendului, ciclului şi
sezonalităţii. În teoria ajustării seriilor cronologice, se presupune că valorile reziduale sunt
distribuite normal şi că, pe o perioadă lungă de timp, ele se anulează reciproc astfel încât
suma lor este nulă.

Corespunzător componentelor menţionate, termenii empirici ai unei serii cronologice


pot fi priviţi drept o funcţie a acestor influenţe.

y t  f (Tt , S t , C t , Rt ) (7.19)

Pentru reunirea componentelor unei serii cronologice (înnodarea componentelor sau


compunerea componentelor) există două modele statistice: modelul aditiv şi modelul
multiplicativ.

Modelul aditiv de compunere presupune însumarea componentelor, ceea ce


înseamnă că grupurile de factori influenţează independent. Pentru acest model se optează
când variaţiile sezoniere (sezonalitatea) nu sunt dependente de trend. Aceasta înseamnă că,
în condiţiile unei tendinţe de creştere sau de scădere, valorile sezoniere sunt egale la
aceleaşi momente de timp. De cele mai multe ori, însă, factorii sunt interdependenţi, motiv
pentru care se recomandă utilizarea modelului multiplicativ, care se bazează pe ipoteza că
factorii care influenţează componentele sunt dependenţi.

204
yt d5

d3
Variaţie
Trend
reziduală

d1
Variaţie
d4
sezonieră

Sezonalitate
d2

Fig. 7.3 – Serie de timp cu variaţii sezoniere egale

Dacă notăm cu d1, d2, d3, ...., dk variaţiile sezoniere, egalitatea lor înseamnă că
d 1  d 2  d 3  ....  d k

În acest caz, luând în considerare faptul că includem componenta ciclică în trend,


modelul se prezintă astfel:

y t  Tt  S t  Rt (7.20)

În realitate, variaţiile sezoniere nu sunt de aceeaşi amploare la aceleaşi momente de


timp. De regulă, se comportă proporţional cu valorile trendului.

Modelul multiplicativ se aplică dacă amploarea oscilaţiilor sezoniere este variabilă


la momente succesive de timp. De exemplu, în cazul unui trend descrescător, între valorile
variaţiilor sezoniere există inegalitatea: d 1  d 2  d 3  ....  d k , iar în cazul unui trend

crescător există inegalitatea d 1  d 2  d 3  ....  d k . In realitate, aceste tipuri de modele


sunt rareori întâlnite, astfel încât să urmeze în totalitate aceste regularităţi. Această
abordare, însă, facilitează înţelegerea modelului multiplicativ şi a manierei de aplicare în
cazuri reale. Ca o regulă generală, în situaţia în care nu se specifică exact tipul modelului, se
utilizează modelul multiplicativ, de forma:

y t  Tt  S t  Rt (7.21)

Acest model de compunere porneşte de la ipoteza că între grupurile de factori există


o interacţiune.

Seria cronologică pentru care se poate aplica modelul multiplicativ este de forma din
diagrama următoare.

205
yt

d5

d3 Trend
Variaţie
reziduală

d1
Variaţie
d4
sezonieră

Sezonalitate
d2

Fig. 7.4 – Serie de timp cu variaţii sezoniere diferite

Prin analiza seriilor cronologice se urmăreşte, aşa cum s-a menţionat, cunoaşterea
regularităţilor manifestate, care sunt expresia acţiunii factorilor sistematici, esenţiali.

Aceasta înseamnă să se separe acţiunea factorilor sistematici care imprimă tendinţa


de evoluţie, de influenţa factorilor întâmplători ce provoacă abateri de la ceea ce este
normal, de la trend.

Operaţiunea prin care din termenii empirici ai unei serii cronologice (yt) se elimină
influenţa factorilor întâmplători poartă denumirea de ajustare a seriilor cronologice.

Ajustarea seriilor cronologice presupune deci înlocuirea termenilor empirici ( y t ) cu


termeni teoretici (calculaţi) care exprimă tendinţa de evoluţie a fenomenului studiat ( ŷ t ).

În vederea ajustării seriilor cronologice se utilizează, în special, următoarele metode:

 metoda grafică;

 metoda mediilor mobile;

 metoda modificării medii absolute;

 metoda indicelui mediu;

 metode analitice.

Metoda grafică constă în reprezentarea grafică a seriei cronologice (yt) prin


cronogramă, trasând cu mâna o dreaptă sau o curbă care trece printre valorile empirice, cât
mai aproape de acestea, aşa cum se poate vedea în figura nr. 7.5. Ca şi în cazul metodei
regresiei, este foarte important ca statisticianul să identifice valorile extreme, mai precis dacă
acestea sunt sau nu valori atipice (sau aberante) şi să le elimine din setul de date pentru a
nu induce distorsiuni în analiză.

206
Această metodă oferă informaţii orientative utile pentru alegerea funcţiei analitice
care este în măsură să descrie tendinţa de evoluţie. Ajustarea grafică se exemplifică pornind
de la datele din tabelul nr. 7.2.

90

80

70
Cifra de afaceri (mil. lei)

60

50

40

30
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
Anul

Fig. 7.5 – Trasarea grafică a liniei de trend

Metoda mediilor mobile (glisante) se recomandă pentru determinarea valorilor


trendului (pentru ajustare) dacă seria valorilor empirice prezintă variaţii alternative, adică de
o parte şi de alta a liniei de trend. Prin calcularea mediilor mobile se provoacă netezirea
acestor variaţii, iar tendinţa de evoluţie poate fi sesizată mai uşor. Netezirea variaţiei este cu
atât mai pronunţată cu cât numărul termenilor empirici din care se calculează mediile mobile
este mai mare. Ajustarea seriei presupune înlocuirea termenilor empirici ( y t ) cu termeni
teoretici ( ŷ t ) .

Metoda mediilor mobile este extrem de eficace. Înainte de a trece la previzini pe baza
trendului identificat, este absolut necesar să eliminăm orice variaţie importantă a datelor, în
special a componentei sezoniere. Mai întâi, este important să ştim care este perioada
datelor. Dacă avem o perioadă de lungime m, vom aplica media mobilă de perioadă m. Dacă
m este impar, atunci media mobilă este automat centrată pe punctele de date, dar când m
este par, este necesar să centrăm datele înainte de a trece mai departe.

Mediile mobile sunt medii aritmetice calculate dintr-un număr prestabilit de termeni.
Fiecare medie mobilă (glisantă) se deosebeşte de cea precedentă prin faptul că exclude
primul termen din care s-a calculat şi include în calcul termenul următor al seriei valorilor
empirice.

207
Să presupunem că avem o serie de timp formată din 7 termeni.

Medii
Medii Medii Medii mobile
Valori mobile
mobile provizorii definitive
empirice definitive
(m=3) (m=4) (m=4)
(m=3)
y1 - -

y2 y 3,1 - - -
y 3,1 y 4,1
y3 y 3, 2 y 4,1
y 3, 2 y 4, 2
y4 y 3, 3 y 4, 2
y 3, 3 y 4,3
y5 y 3, 4 y 4,3
y 3, 4 y 4, 4
y6 y 3, 5 -
- -
y7 - -

Generic, modul de calcul al mediilor mobile este următorul:

 dacă perioada este un număr impar (m=2k+1), fiecare medie mobilă înlocuieşte
termenul central din care se determină media. Astfel, dacă mediile se calculează
din 3 termeni (adică perioada m = 3) se obţine:

y1  y 2  y 3 y  y3  y 4 y  y 4  y5
y 3,1  ; y 3, 2  2 ; y 3, 3  3 etc.
3 3 3
 când mediile se calculează dintr-un număr par de termeni (m = 2k), se se
calculează medii mobile. Fiecare medie se va plasa între cei doi termeni centrali
din care s-a calculat. De exemplu, prima medie calculată din patru termeni se va
plasa între termenul al 3-lea şi al 4-lea. Din acest considerent se numesc şi medii
mobile provizorii:

y1  y 2  y 3  y 4 y  y3  y 4  y5
y 4,1  ; y 4, 2  2
4 4
y3  y 4  y5  y6 y  y5  y6  y7
y 4,3  ; y 4, 4  4
4 4
 se calculează medii mobile definitive din câte două medii mobile provizorii; se
centrează mediile provizorii:

a) dacă m=2k+1

y 3,1  y 3, 2 y 3, 2  y 3, 3
y 3,1  ; y 3, 2  ;
2 2

208
y 3 , 3  y 3, 4 y 3, 4  y 3 , 5
y 3, 3  ; y 3, 4 
2 2
b) dacă m=2k

y 4,1  y 4, 2 y 4, 2  y 4,3 y 4,3  y 4, 4


y 4,1  ; y 4, 2  ; y 4,3 
2 2 2
Mediile mobile definitive calculate reprezintă valorile ajustate.

Numărul termenilor din care se calculează pornind de la lungimea unui ciclu de


variaţie. De exemplu, în cazul unei serii privind consumul lunar de bere în ultimii 5 ani se
remarcă valori foarte mari în luna iulie şi august. În acest caz se vor calcula medii mobile din
12 termeni. Dacă o serie este formată din date trimestriale se vor calcula medii mobile din
câte patru termeni.

Numărul mediilor mobile calculate este mai mare decât numărul termenilor empirici,
ceea ce înseamnă că seria mediilor mobile care defineşte trendul este mai scurtă decât seria
termenilor empirici.

Cu cât numărul termenilor din care se calculează mediile mobile este mai mare, cu
atât numărul termenilor empirici care nu au o valoare teoretică corespondentă este mai
mare. Observaţie: Ajustarea prin metoda mediilor mobile presupune pe lângă oscilaţii
sezoniere şi o serie formată dintr-un număr mare de termeni.

Exemplul următor ilustrează modul de calcul al mediilor mobile şi de separare a


componentei sezoniere.

Exemplul 7.1 – Calculul mediilor mobile şi separarea componentei sezoniere cu ajutorul


unui model multiplicativ 36
Setul următor de date prezintă vânzările trimestriale ale unei firme. Datele seriei vor fi ajustate
aplicând metoda mediei mobile pentru o perioadă egală cu patru, întrucât datele trimestriale au, în
mod evident, o perioadă egală cu 4, ceea ce poate fi confirmat realizând cronograma şi verificând
intervalul de timp dintre două vârfuri sau depresiuni. Cifrele accentuate reprezintă vârful seriei de
timp. Pentru ajustarea seriei a fost utilizat un model multiplicativ.
Datele sunt prezentate tabelar, iar cifrele centrate între datele emprice sunt mediile mobile şi
provizorii calculate ca mai sus.

36
După Rajesh Gunesh, 1998.

209
t yt [TSR] 4Q-MM [T] 4Q-MMC [T]
2007 Q1 1 289

Q2 2 310
306
Q3 3 325 306,75
307,5
Q4 4 300 308,25
309
2008 Q1 5 295 310
311
Q2 6 316 311,25
311,5
Q3 7 333 312,25
313
Q4 8 302 313,75
314,5
2009 Q1 9 301 316,125
317,75
Q2 10 322 318,25
318,75
Q3 11 346
-
Q4 12 306
TSR semnifică cele 4 componente considerate în ajustarea unei serii cronologice: T – trendul
(combinat cu ciclul), S – sezonalitatea, R – valorile reziduale, în cazul fiecărei componente
calculate: valorile empirice (Yt); 4Q-MM este media mobilă de perioadă 4 provizorie, fiind
componenta combinată a trendului şi ciclului (TC); 4Q-MMC este media mobilă centrată de
perioadă 4, fiind, de asemenea, componenta combinată a trendului şi ciclului (TC).
De notat că aplicarea metodei mediilor mobile duce la pierderi de date. În tabelul de mai sus, am
pierdut prima şi ultimele două valori observate. În general, când m este par (în cazul nostru m este
egal cu 4), pierdem m valori, iar când m este impar, pierdem m-1 valori.
Graficul valorilor emprice şi al mediilor mobile centrare este redat mai jos.

210
360

350

340

330

320
Vanzari

y(t)
310
4Q-MMC

300

290

280

270

260
1 2 3 4 5 6 7 8 9 10 11 12
Trimestre

Fig. 7.6 – Seria de timp a vânzărilor şi dreapta tendinţei

Noul tabel de calcule este următorul:

t yt 4Q-MM 4Q-MMC yt /T Indice


[TSR] [T] [T] [SR] sezonier
2007 Q1 1 289 - - - 0,9528

Q2 2 310 - - - 1,0145
306
Q3 3 325 306,75 1,0595 1,0640
307,5
Q4 4 300 308,25 0,9732 0,9688
309
2008 Q1 5 295 310 0,9516 0,9528
311
Q2 6 316 311,25 1,0153 1,0145
311,5
Q3 7 333 312,25 1,0665 1,0640
313
Q4 8 302 313,75 0,9625 0,9688
314,5
2009 Q1 9 301 316,125 0,9522 0,9528
317,75
Q2 10 322 318,25 1,0118 1,0145
318,75
Q3 11 346 - - 1,0640
-
Q4 12 306 - - 0,9688

Obiectivul nostru este să separăm componenta sezonieră. Tehnic, în această etapă, după ce am
separat componenta de trend (T), nu putem separa sezonalitatea (S) de componenta reziduală (R).
De aceea, aplicând modelul multiplicativ, cele două componente combinate rezultă prin

211
împărţirea valorii empirice la componenta de trend, pe care am obţinut-o prin calculul mediei
mobile centrate (yt /T). În cazul modelului aditiv, componenta combinată rezultă prin scăderea
componentei de trend din valoarea empirică (yt -T).
În continuare, se calculează media rapoartelor dintre valorile empirice şi trend pentru fiecare
trimestru. Dacă suma acestor indici nu este patru (perioada seriei), indicele sezonier se calculează
prin multiplicarea mediei trimestriale calculate anterior cu un factor de corecţie, egal cu raportul
dintre 4 şi suma mediilor. Rezultatele sunt următoarele:

Trimestrul
Anul
1 2 3 4
2007 - - 1,0595 0,9732
2008 0,9516 1,0153 1,0665 0,9625
2009 0,9522 1,0118 - -
Total 1,9038 2,0270 2,1259 1,9358
Media 0,9519 1,0135 1,0630 0,9679 Total= 3,9963
Indice sezonier 0,9528 1,0145 1,0640 0,9688 Total= 4,0000

Indicii sezonieri sunt, de fapt, deviaţiile de la trend sau variaţiile sezoniere, corespunzătoare
modelului multiplicativ. Raportând valorile observate la aceşti indici, vom obţine valorile ajustate
sezonier, adică neinfluenţate de acest factor. Aceşti indici vor fi utilizaţi mai târziu pentru calculul
valorilor previzionate sau, altfel spus, pentru extrapolarea seriei de timp.

Metoda modificării medii absolute se aplică atunci când termenii seriei (yt) tind să
formeze o progresie aritmetică, respectiv când modificările absolute au bazele în lanţ
apropiate ca valoare. Aceasta înseamnă că valorile variabilei se modifică relativ uniform, iar
cronograma poate fi aproximată printr-o dreaptă.

Expresia prin intermediul căreia se determină valorile ajustate se bazează pe relaţia


dintre ultimul termen, modificările absolute şi primul termen:

y n  y1   2 / 1   3 / 2  ....   n / n 1

Dacă modificările absolute cu bază în lanţ sunt aproximativ egale, fiecare este
aproape egală cu modificarea absolută medie (  ). Deci, valorile ajustate rezultă din
expresia:

yˆ t  y1  (t  1)   , t  1, n (7.22)

Revenind la datele din tabelul nr. 7.2 privind evoluţia cifrei de afaceri rezultă:

y n  y1 81  50 31
    3,4 mil lei.
n 1 9 9
Valorile ajustate determinate prin metoda modificării medii absolute sunt:

yˆ1  y1  50

212
yˆ 2  y1    53,4

yˆ 3  y1  2    56,8

.....

yˆ10  y1  9    50  30,6  80,6

Observaţie: Dacă valorile empirice care compun seria şi se optează pentru metoda
modificării medii absolute, termenul notat în relaţia (7.22) cu y1 nu trebuie să fie obligatoriu
prima valoare empirică. Aceasta poate fi oricare termen empiric cu condiţia să se înscrie în
tendinţa de evoluţie, deci să fie un termen reprezentativ. Dacă se procedează astfel, lui t i se
va da valoarea 1 corespunzător termenului ales drept y1. Spre exemplu, primul termen t ia
valorile -2, -3, -4 etc. iar spre ultimul termen al seriei ia valorile +2, +3, etc.

Metoda indicelui mediu de creştere/descreştere se recomandă pentru


determinarea valorilor ajustate dacă termenii empirici tind să formeze o progresie
geometrică. O serie cronologică tinde spre o progresie geometrică dacă indicii cu bază în
lanţ sunt aproximativ egali, respectiv când cronograma seamănă cu graficul funcţiei
exponenţiale. Dacă este îndeplinită această condiţie atunci se poate scrie:

y n  y1  I 2 / 1  I 3 / 2  ....  I n / n 1  y1  I ( n 1)

Deci, valorile ajustate se calculează prin relaţia:

yˆ t  y1  I ( t 1) (7.23)

Ca şi în cazul ajustării prin metoda modificării medii absolute y1 poate fi oricare


termen empiric, care îndeplineşte condiţia de reprezentativitate.

Exemplificarea acestei metode se face tot pe baza datelor din tabelul nr. 7.2.

I  n 1 I n / 1  9 I 10 / 1  9 1,62  1,055 sau 105,5%

Valorile ajustate sunt:

yˆ1  y1  50

yˆ 2  y1  I  50  1,055  57,0

yˆ 3  y1  I 2  50  1,055 2  66,8

.....

yˆ10  y1  I 9  50  1,055 9  131,2

Metoda modificării medii absolute şi metoda indicelui mediu au avantajul uşurinţei


aplicării, dar au neajunsul că valorile ajustate depind exclusiv de primul termen. La aceasta
se adaugă şi faptul că de cele mai multe ori modificările absolute şi cele relative cu bază în
lanţ nu sunt omogene.

213
Metodele analitice de ajustare a unei serii cronologice presupun identificarea unei
funcţii care exprimă tendinţa de evoluţie şi calcularea valorilor acesteia, respectiv a valorilor
teoretice sau ajustate ( ŷ t ).

Alegerea funcţiei care se potriveşte cel mai bine trendului de evoluţie se poate face
pe baza următoarelor criterii:

 criteriul reprezentării grafice;

 criteriul modificărilor absolute şi relative cu baza în lanţ;

 criteriul diferenţelor.

Criteriul reprezentării grafice presupune construirea cronogramei şi interpretarea


acesteia. Dacă graficul sugerează o creştere sau scădere absolută uniformă se consideră că
seria tinde să se modifice liniar, deci drept funcţie de ajustare se alege ecuaţia dreptei:

yˆ t  a  b  t (7.24)

unde:

ŷ t − valorile ajustate (teoretice);

a − parametrul care matematic arată nivelul la care ar fi ajuns variabila y, dacă


influenţa tuturor factorilor ar fi fost constantă pe toată perioada analizată.

b − reprezintă parametrul care arată cu cât se modifică în medie variabila analizată


în condiţiile modificării cu o unitate a factorului timp. b > 0 înseamnă o tendinţă de creştere,
iar b < 0 o tendinţă de descreştere. b = 0 semnifică faptul că fenomenul a fost staţionar.

t − reprezintă valorile variabilei timp.


Dacă cronograma sugerează amplificarea creşterii sau descreşterii, termenii seriei
tind să formeze o progresie geometrică. În acest caz se va opta pentru funcţia exponenţială.

yˆ t  a  b t (7.25)

Dacă cronograma reprezintă o curbă crescătoare sau, respectiv, descrescătoare


către un punct maxim sau, respectiv, minim, atunci se consideră că fenomenul analizat se
modifică în timp sub forma unei parabole de gradul doi.

yˆ t  a  b  t  c  t 2 (7.26)

Criteriul modificărilor absolute şi/sau relative cu baza în lanţ presupune


calcularea modificărilor absolute cu baza în lanţ (  t / t 1 ) şi a indicilor de creştere /

descreştere cu bază în lanţ ( I t / t 1 ). Dacă  t / t 1 sun aproximativ egale se alege funcţia

liniară iar dacă I t / t 1 sunt relativ egale se optează pentru o funcţie exponenţială.

Criteriul diferenţelor constă în calcularea diferenţelor absolute (în modul) cu baza în


lanţ de diferite ordine :

 diferenţele de ordinul unu ( (t1/)t 1 ):

214
(t1/)t 1  y t  y t 1 (7.27)

 diferenţele de ordinul doi ( (t2/)t 1 ):

(t2/)t 1  (t1)  (t1)1 (7.28)

 diferenţele de ordinul "i" ( (ti /) t 1 ):

(ti/) t 1  (ti 1)  (ti11) (7.29)

Diferenţele absolute cu baza în lanţ de diferite ordine se interpretează astfel:

- dacă (t1/)t 1 sunt egale, seria cronologică se ajustează folosind funcţia liniară;

- dacă (t2/)t 1 sunt constante, se consideră că tendinţa poate fi descrisă pe baza


parabolei de gradul 2;

- dacă (t3/)t 1 sunt constante se optează pentru parabola de gradul 3, ş.a.md.

După alegerea funcţiei de ajustare după una din metodele menţionate urmează
estimarea parametrilor acesteia şi calcularea valorilor teoretice ŷ t .

Pentru estimarea parametrilor funcţiei de ajustare se utilizează cel mai frecvent


metoda celor mai mici pătrate care îşi propune minimizarea pătratelor abaterilor valorilor
empirice ( y t ) de la valorile teoretice sau ajustate ŷ t . Deci:

 y  yˆ t   min t  1, n
2
t (7.30)

Dacă se presupune un trend liniar, condiţia de minim devine:

 y  a  b  t   min
2
i (7.31)

iar sistemul de ecuaţii liniare este:

na  b t   y t
 (7.32)
a  t  b  t   t  y t
2

În cazul unei serii cronologice, deci în situaţia sistemului (7.32), variabila timp
reprezintă doar criteriul de sistematizare a datelor şi nu factorul care condiţionează valorile
empirice. De aceea, pentru a simplifica calculele, se transformă seria cronologică păstrând
condiţia ca valorile variabilei timp să formeze o progresie aritmetică cu raţia egală cu +1, dar
se pune condiţia suplimentară ca suma valorilor lui t să fie egală cu zero (  t  0 ).
Procedând astfel, sistemul de ecuaţii (7.32) devine:

na   y t
 (7.33)
b t   t  y t
2

de unde:

215

a 
 yt  y
 n

b  
(7.34)
t  yt
 t 2
Pentru satisfacerea condiţiei ca  t  0 , valorile lui t se aleg pornind de la numărul
termenilor seriei. Pot interveni două situaţii:

a) dacă seria este formată dintr-un număr impar de termeni, originea (t = 0) va


corespunde termenului central. Spre primul termen al seriei, t ia valorile -1, -2, -3
şamd, iar spre ultimul termen +1, +2, +3 şamd;

b) dacă seria este alcătuită dintr-un număr par de termeni, în centrul seriei se află
doi termeni, caz în care corespunzător primului termen central t = -1, şi +1 în
cazul celui deal doilea termen central. În continuare valorile lui t vor fi: -3, -5, -7
şamd spre primul termen şi +3, +5, +7 şamd spre ultimul termen.

Ajustarea analitică se ilustrează pornind de la datele din tabelul nr. 7.2

Tabelul 7.5 – Calculul parmetrilor funcţiei liniare pentru o serie cronologică


Cifra de
afaceri
Anul (mil. lei) t t2 t  yt yˆ t  67,9  1,77  t
yt
2000 50 -9 81 -450 51,97
2001 54 -7 49 -378 55,51
2002 60 -5 25 -300 59,05
2003 63 -3 9 -189 62,59
2004 68 -1 1 -68 66,13
2005 72 +1 1 72 69,67
2006 74 +3 9 222 73,21
2007 77 +5 25 385 76,75
2008 80 +7 49 560 80,29
2009 81 +9 81 729 83,83
Total 679 0 330 583 679,00

Cronograma construită pentru această serie cronologică sugerează că tendinţa de


evoluţie poate fi estimată printr-o funcţie liniară.

Seria este formată dintr-un număr par de termeni, deci, corespunzător termenilor
centrali, t  0.
Sistemul de ecuaţii normale obţinut pe baza datelor din tabelul nr. 7.5 este:


a 
 yt  679  67,9
 n 10

b  
t  y 583
  1,77
t

  t 330
2

Înlocuind în ecuaţia de ajustare a şi b cu valorile de mai sus se obţine:

216
yˆ t  67,9  1,77  t

Valorile ajustate, respectiv termenii care definesc trendul, se obţin înlocuind în


ecuaţia de mai sus t cu valorile corespunzătoare:

yˆ1  67,9  1,77  (9)  51,97

yˆ 2  67,9  1,77  (7)  55,51

....

yˆ 9  67,9  1,77  (7)  80,29

yˆ10  67,9  1,77  (9)  83,83

Să continuăm exemplul 7.1 ca să calculăm parametrii funcţiei de regresie liniară.

Exemplul 7.2 (continuare) – Calculul parametrilor funcţiei de regresie liniară


După ce am calculat indicii sezonieri, să transformăm variabila de timp, conform regulilor expuse
anterior şi să calculăm termenii necesari estimării parametrilor funcţiei de regresie.

t yt 4Q- 4Q- yt /T Indice


MM MMC t2 t  yt ŷ t R
[TSR] [T] [T] [SR] sezonier
2007 Q1 -11 289 - - - 0,9528 121 -3179 301,85 -12,85

Q2 -9 310 - - - 1,0145 81 -2790 303,71 6,29


306
Q3 -7 325 306,75 1,0595 1,0640 49 -2275 305,57 19,43
307,5
Q4 -5 300 308,25 0,9732 0,9688 25 -1500 307,43 -7,43
309
2008 Q1 -3 295 310 0,9516 0,9528 9 -885 309,29 -14,29
311
Q2 -1 316 311,25 1,0153 1,0145 1 -316 311,15 4,85
311,5
Q3 +1 333 312,25 1,0665 1,0640 1 333 313,01 19,99
313
Q4 +3 302 313,75 0,9625 0,9688 9 906 314,87 -12,87
314,5
2009 Q1 +5 301 316,125 0,9522 0,9528 25 1505 316,73 -15,73
317,75
Q2 +7 322 318,25 1,0118 1,0145 49 2254 318,59 3,41
318,75
Q3 +9 346 - - 1,0640 81 3114 320,45 25,55
-
Q4 +11 306 - - 0,9688 121 3366 322,31 -16,31
Total 0 3745 572 533 3744,96 0,04
Potrivit relaţiei (7.34), parametrii funcţiei sunt:

217

a 
 yt  3745  312,08
 n 12

b  
t  y 533
  0,93
t

  t 572
2

Funcţia de regresie este, aşadar: yˆ t  312,08  0,93  t

Înlocuind valorile lui t în funcţia de mai sus, obţinem valorile din penultima coloană a tabelului.
Suma valorilor ajustate este la o diferenţă de 0,04 unităţi de măsură de valorile observate, din
cauza rotunjirii operate asupra valorilor parametrilor estimaţi. În ultima coloană sunt calculate
valorile reziduale, adică diferenţa dintre valorile ajustate şi cele empirice, a căror sumă este egală,
de asemenea, cu 0,04 unităţi.

Dacă cronograma sau criteriul diferenţelor sugerează că tendinţa poate fi descrisă


printr-o parabolă de gradul doi:

yˆ t  a  b   t  c   t 2

atunci sistemul de ecuaţii normale este:

n  a  b   t  c   t 2   y t

a   t  b   t  c   t   t  y t
2 3
(7.35)
a  t 2  b  t 3  c  t 4  t 2  y
     t
Punând condiţia  t  0 , atunci sistemul devine:
n  a  c   t 2   y t

b   t  c   t   t  y t
2 3
(7.36)
a  t 2  c  t 4  t 2  y
    t
După calculul parametrilor a, b şi c, valorile teoretice, ajustate ŷ t se obţin prin
înlocuirea lui t cu valorile corespunzătoare.

În situaţia în care se foloseşte funcţia exponenţială y  a  b t , pentru a putea aplica


metoda celor mai mici pătrate este necesară liniarizarea ecuaţiei exponenţiale.

lg y t  lg a  t  lg b (7.37)

Sistemul de ecuaţii normale este:

n  lg a  lg b   t   lg y t
 (7.38)
lg a   t  lg b   t   t  lg y t
2

218
7.6 Criterii de alegere a procedeelor de ajustare
Criteriile în funcţie de care se alege procedeul de ajustare nu sugerează întotdeauna
categoric care este procedeul care poate descrie cel mai bine tendinţa de evoluţie în timp a
fenomenului studiat. În asemenea situaţie se recomandă să se ajusteze seria cronologică
recurgând la mai multe procedee, urmând să se opteze în final pentru unul dintre ele în
funcţie de următoarele criterii:

a) se compară suma valorilor empirice cu suma valorilor teoretice. Dacă se verifică


egalitatea  y   yˆ
t t , atunci se concluzionează că estimarea parametrilor
ecuaţiei de regresie este corectă. Aceeaşi concluzie se desprinde dacă suma
abaterilor valorilor empirice de la valorile teoretice este egală cu zero:

 y t  yˆ t   0 (7.39)

b) se determină suma abaterilor pătratice dintre valorile empirice şi valorile teoretice.


Procedeul de ajustare prin care această sumă este minimă, este considerat a fi
cel mai bun :

 y  yˆ t   min
2
t (7.40)

c) se calculează coeficientul de variaţie, determinat ca un raport dintre abaterea


medie liniară a valorilor empirice de la cele teoretice şi media valorilor empirice:

d yt
V yt   100 (7.41)
y

unde: d yt 
y t  yˆ t
n
Procedeul de ajustare care conduce la cel mai mic coeficient de variaţie descrie cel
mai bine tendinţa de evoluţie:

- se calculează coeficientul de eroare a funcţiei de ajustare analitică ( e ).

y
e  100
t / yˆ t

unde:

 y  yˆ t 
2

y / yˆ t 
t
, adică abaterea medie pătratică a valorilor teoretice
t
n
(ajustate) de la valorile empirice.

Cu cât coeficientul de eroare este mai mic cu atât variaţia valorilor empirice în jurul
funcţiei de ajustare este mai puţin intensă, ceea ce înseamnă că funcţia aleasă este mai
potrivită pentru determinarea tendinţei.

219
În exemplul 7.1,  yt / yˆ t este 14,74, iar y este 312,08, de unde rezultă că e este
4,7%. În termeni statistici, eroarea nu este mare, însă, cu siguranţă, se pot găsi funcţii de
ajustare mai eficace, cu o eroare mai mică.

7.7 Extrapolarea seriilor cronologice


Studiul evoluţiei variabilelor (indicatorilor) în timp urmăreşte cunoaşterea tendinţei de
manifestare într-o perioadă anterioară, în vederea fundamentării acesteia în viitor.

Extrapolarea unei serii cronologice constă în extinderea trendului manifestat în trecut


în afara orizontului de timp pentru care se dispune de date empirice, pornind de la ipoteza că
acţiunea factorilor de influenţă nu se modifică semnificativ în viitor.

Extrapolarea unei serii cronologice se realizează pe baza metodelor de ajustare


menţionate.

Valorile extrapolate sunt afectate de erori generate de cauze diverse, cum ar fi


modificarea în viitor a factorilor de influenţă sau de alegerea modelului de ajustare.

Pornind de la ipoteza că nu se modifică influenţa factorilor, valorile extrapolate se


obţin prelungind doar valorile variabilei de timp în cadrul modelului de ajustare ales.

În cazul unui trend liniar, valorile extrapolate se determină pe baza relaţiei:

yˆ t *  y1  (t *  1)   (7.43)

unde:

ŷt * − valori extrapolate;

y1 − termenul ales drept bază de ajustare;

t * − v alori extrapolate pentru variabila timp;

 − creşterea medie absolută.


Valorile extrapolate pentru cifra de afaceri (vezi tabelul nr. 7.2) pentru anii 2010 şi
2011 sunt:

yˆ 2010  50  (11  1)  3,4  84,4 mil lei


yˆ 2011  50  (12  1)  3,4  87,9 mil lei
Dacă seria cronologică tinde să formeze o progresie geometrică, extrapolarea se
realizează pe baza metodei indicelui mediu:

yˆ t *  y1  I t
*
(7.44)

Extrapolarea prin intermediul metodelor analitice presupune ca parametrii funcţiei


de ajustare se menţin nemodificaţi, iar la stabilirea valorilor extrapolate pentru t se menţine
condiţia: t  0.

220
Valorile extrapolate se determină pe baza relaţiilor:

 yˆ t *  a  b  t * , - tendinţa este liniară;

 yˆ t *  a  b  t *  c  t *2 , - tendinţa este sub formă de parabolă de gradul doi;

yˆ t *  a  b t , - tendinţa este exponenţială.


*

Observaţie: Se recomandă ca orizontul de timp pentru care se extrapolează să nu


depăşească jumătate din lungimea seriei analizate. Privitor la cât de lungă trebuie să fie o
serie cronologică pentru a putea vorbi de o tendinţă de evoluţie, se susţine frecvent ca seria
să fie formată din cel puţin 12-15 termeni.

Să ilustrăm extrapolarea seriei de timp cu datele din exemplele 7.1 şi 7.2

Exemplul 7.3 (continuare) – Extrapolarea seriei de timp


Să presupunem că dorim să estimăm care va fi volumul vânzărilor în fiecare trimestru al anului
2010, în ipoteza că tendinţa identificată cu ajutorul funcţiei de regresie se va păstra, în linii mari,
nealterată de alţi factori perturbatori în perioadele următoare.

Noile valori ajustate se calculează cu ajutorul funcţiei de regresie yˆ t  312,08  0,93  t . Această
funcţie ne arată, însă, trendul vânzărilor. Pentru a vedea care vor fi vânzările sub influenţa
factorilor sezonieri, va fi necesar să includem în calcul şi indicele sezonier. Potrivit modelului
multiplicativ, valorile ajustate sunt: date de relaţia yˆ t  Tt  S t  Rt

Aşadar, mai întâi să estimăm care vor fi valorile trendului în cele 4 trimestre. În acest scop,
înlocuim valorile variabilei t cu noile valori ale seriei extinse după regula pe care am aplicat-o
când am stabilit valorile variabilei t pentru estimarea parametrilor funcţiei de regresie. Aşadar,
noile valori sunt + 13, +15, +17 şi +19

yt Indice
t ŷ t ŷ t*
[TSR] sezonier
2007 Q1 -11 289 0,9528 301,85 287,60
Q2 -9 310 1,0145 303,71 308,11
Q3 -7 325 1,0640 305,57 325,13
Q4 -5 300 0,9688 307,43 297,84
2008 Q1 -3 295 0,9528 309,29 294,69
Q2 -1 316 1,0145 311,15 315,66
Q3 +1 333 1,0640 313,01 333,04
Q4 +3 302 0,9688 314,87 305,05
2009 Q1 +5 301 0,9528 316,73 301,78
Q2 +7 322 1,0145 318,59 323,21
Q3 +9 346 1,0640 320,45 340,96
Q4 +11 306 0,9688 322,31 312,25
2010 Q1 +13 0,9528 324,17 308,87
Q2 +15 1,0145 326,03 330,76
Q3 +17 1,0640 327,89 348,87
Q4 +19 0,9688 329,75 319,46

221
Înlocuind valorile lui t (+ 13, +15, +17 şi +19) în funcţia de mai sus, obţinem:

yˆ 2010Q1  312,08  0,93  (13)  324,17

yˆ 2010Q 2  312,08  0,93  (15)  326,03

yˆ 2010Q 3  312,08  0,93  (17)  327,89

yˆ 2010Q 4  312,08  0,93  (19)  329,75

Aceste valori sunt însă desezonalizate şi arată care ar fi evoluţia vânzărilor în absenţa factorilor
sezonieri şi reziduali. Introducând şi sezonalitatea în relaţia de calcul yˆ t  Tt  S t  Rt , vom obţine:

Q1  y 2010  Q1  SR 2010 Q1  324,17  0,9528  308,87


*
yˆ 2010 ˆ

Q 2  y 2010 Q 2  SR 2010 Q 2  326,03  1,0145  330,76


*
yˆ 2010 ˆ

Q 3  y 2010 Q 3  SR 2010 Q 3  327,89  1,0540  348,87


*
yˆ 2010 ˆ

Q 4  y 2010 Q 4  SR 2010 Q 4  329,75  0,9688  319,46


*
yˆ 2010 ˆ

Graficul datelor empirice, al trendului şi al valorilor ajustate sezonier este următorul:

360

340

320

300
Vanzari

280

260

240

220

200
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Trimestre

Valori empirice Valori desezonalizate Valori ajustate sezonier


Fig. 7.6 – Extrapolarea seriei de timp

222
7.8 Cuvinte – cheie
Serie cronologică – serie de timp – Sezonalitate.
serie dinamică.
Variaţie reziduală.
Serie cronologică de perioade
Ajustarea unei serii cronologice.
(intervale).
Ajustare (grafică, cu modificarea
Serie cronologică de momente.
medie absolută, cu indicele mediu
Indicator de nivel. de creştere / descreştere).

Modificare absolută. Ajustare prin metoda mediilor


mobile.
Indice de creştere / descreştere.
Ajustare analitică.
Raţii de creştere / descreştere.
Funcţie de ajustare.
Trend – tendinţă.
Eroarea standard a funcţiei de
Nivelul mediu.
ajustare.
Modificarea medie absolută.
Coeficient de eroare a funcţiei de
Indicele mediu. ajustare.
Ritmuri medii. Extrapolarea seriilor cronologice

7.9 Intrebări de control


1. Ce reprezintă o serie cronologică?

2. Prin ce se deosebeşte o serie cronologică de intervale de una de momente?

3. Cum se trece de la modificarea absolută / relativă cu bază în lanţ la bază fixă şi


invers?

4. Cum se calculează nivelul mediu în cazul unei serii de intervale şi în cazul unei
serii de momente?

5. Ce componente pot fi identificate într-o serie cronologică?

6. Când se foloseşte modelul aditiv de combinare a componentelor? Dar cel


multiplicativ?

7. Ce înţelegeţi prin ajustarea unei serii cronologice?

8. Când se foloseşte metoda mediilor mobile?

9. Ce criterii se au în vedere la alegerea funcţiei de ajustare?

10. Cum se foloseşte metoda diferenţelor?

11. Cum se aleg valorile variabilei de timp în cazul seriilor cu un număr par de
termeni?

223
12. Ce criterii se folosesc pentru aprecierea calităţii unei funcţii de ajustare?

13. În ce constă extrapolarea seriilor cronologice?

7.10 Bibliografie
1. Korka M., Begu S., Tuşa E., Bazele statisticii pentru economişti, Editura Tribuna
Economică, Bucureşti 2002, p. 142-167.

2. Voineagu V., Lilea E., Goschin Z., Vătui M., Boldeanu D., Statistică economică.
Teorie şi practică, Editura Tribuna Economică, Bucureşti 2002, p. 266-299;

3. Wagner Pavel, Bazele statisticii, Editura Universitatea Titu Maiorescu, Bucureşti,


2005, p. 142-168

4. Wonnacott T.H., Wonnacott R.J., Statistique – Economie, Gestion, Sciences,


Médecine (avec exercises d’application), Ed. Economica, 4 ème édition, Paris,
1995 p. 784-817.

224
Capitolul 8: INDICII STATISTICI

8.1 Introducere
Indicii statistici reprezintă un instrument de cunoaştere cu cea mai largă utilizare,
folosit nu numai de specialişti, dar şi de amatori în ale statisticii. Pătrunderea indicilor în
folosinţa cotidiană a omului modern se explică parţial prin faptul că informaţia furnizată de un
indice statistic este foarte concisă şi uşor de înţeles. La aceasta se adaugă şi faptul că există
impresia că oricine se pricepe la calcule aritmetice ştie şi statistică.

Problematica construirii indicilor statistici este deosebit de complexă, iar posibilităţile


de cunoaştere oferite sunt foarte diverse.

În prezentul capitol se tratează problematica metodologică privind construirea


indicilor, categoriile de indici şi logica construirii acestora, folosirea indicilor în analiza
influenţei factorilor asupra variaţiei unei variabile complexe, particularizarea relaţiilor
generale pentru indicele valorii, indicele volumului fizic, indicele preţurilor.

8.2 Definire. Tipuri de indici


Pentru descrierea şi caracterizarea cantitativă a fenomenelor din economie, societate
sau de mediu, statisticianul se foloseşte frecvent de mărimi relative care sunt forma uzuală
de exprimare a indicatorilor şi, în acelaşi timp, o importantă bază pentru fundamentarea
deciziilor economice şi politice la nivel micro sau macroeconomic. Utilizarea frecventă a
indicilor în caracterizarea fenomenelor social–economice este expresia faptului că reflectă
modificările intervenite în timp sau spaţiu şi permite măsurarea influenţei factorilor care au
generat acea mişcare.

Indicii sunt mărimi relative de dinamică sau de coordonare prin parametrul cărora se
măsoară modificarea relativă în timp sau în spaţiu a unei caracteristici observate pe o unitate
statistică, pe un grup de unităţi sau pe întreaga colectivitate studiată. Mai simplu, indicele
este un raport dintre două niveluri ale aceleiaşi caracteristici înregistrate pentru două unităti
de timp sau de spaţiu.

Indicele se confundă cu mărimile relative de dinamică sau de coordonare doar dacă o


caracteristică a fost înregistrată pentru o singură unitate statistică (întreprindere, persoană).
În acest caz, caracteristica apare în numărătorul raportului cu nivelul analizat şi în numitorul
raportului cu nivelul în perioada considerată bază de comparaţie. Dacă valorile caracteristicii
se referă la mai multe unităţi, construirea indicilor ridică o serie de probleme metodologice
(vezi § 8.3). În asemenea caz, indicii pot fi utilizaţi ca metodă de analiză factorială prin care
se măsoară influenţa factorilor asupra variabilei complexe studiate.

Indicii statistici oferă deci următoarele posibilităţi de cunoaştere:

a) exprimă nivelul relativ a unei variabile (Y) şi arată cât reprezintă nivelul analizat
faţă de cel de referinţă;

225
b) servesc ca mijloc de analiză factorială prin care se explică variaţia unei variabile
(Y) în funcţie de modificările intervenite în variabile considerate factori de influenţă
(X şi F, de exemplu). Folosirea indicilor în acest scop presupune ca variabila Y să
rezulte din produsul factorilor, cel puţin unul cantitativ (F) şi unul calitativ (X).

Aceasta înseamnă că la nivelul fiecărei unităţi la care se înregistrează variabilele


trebuie să existe relaţia y i  xi  f i .

În teoria şi în practica statistică se operează cu o mare diversitate de indici.


Principalele criterii de clasificare sunt:

1) După natura variaţiei exprimate:

1.a) indici de dinamică sau indici simpli, când se compară nivelul actual (notat cu
1) cu nivelul considerat bază de comparaţie (notat cu 0), cum ar fi, spre
exemplu, vânzările unei firme din trimestrul II faţă de trimestrul I sau faţă de
trimestrul II al anului anterior;

1.b) indici teritoriali – se compară nivelul aceleiaşi variabile înregistrat pentru


două unităţi teritoriale diferite, cum ar fi, spre exemplu, venitul salarial mediu
din Bucureşti faţă de venitul salarial din Braşov.

2) După sfera de cuprindere:

2.a) indici individuali sau indici elementari ( i ), când nivelul caracteristicii se referă
la un singur element al colectivităţii. Corespunzător celor trei variabile
menţionate mai sus, se pot calcula trei indici elementari:

y1 f f x
i1y/ 0  ; i1 / 0  1 ; i1x/ 0  1 (8.1)
y0 f0 x0

Pornind de la relaţia y i  xi  f i , înseamnă că există relaţia:

x1 f1 x f
i1y/ 0  i1x/ 0  i1f/ 0    1 1 (8.2)
x0 f 0 x0  f 0

La nivelul unei grupe sau pe ansamblul colectivităţii se pot calcula, pentru o


caracteristică, atâţia indici individuali din câte unităţi este formată grupa sau
colectivitatea.

Indicii elementari prezintă trei proprietăţi:

 identitatea;

 circularitatea;

 reversibilitatea.

Identitatea semnifică faptul că i0 / 0  1 sau 100. Identitatea permite alegerea


unei perioade de referinţă. Această perioadă de referinţă este baza de la care
se pot face comparaţii.

226
Circularitatea semnifică faptul că indicele elementar îşi păstrează valoarea
indiferent de calea de calcul aleasă. Astfel, dacă se cunoaşte indicele
perioadei t faţă de o perioadă de bază 0 şi, de asemenea, indicele perioadei t’
faţă de aceeaşi perioadă de bază 0, se poate calcula indicele perioadei t’ faţă
de perioada t:

yt
i y0 yt
it / t '  t/0   (8.3)
it ' / 0 yt ' yt '
y0

Reversibilitatea semnifică faptul că perioada de bază poate fi modificată prin


inversarea indicelui:

1 1 y0
i0 / t    (8.4)
it / 0 yt yt
y0

Indicii elementari sunt de trei tipuri:

 indici elementari de preţ;

 indici elementari de cantităţi;

 indici elementari de valori.

Indicii elementari de preţ arată raportul dintre preţul unei perioade t faţă de
perioada de bază 0.

pt
i( p) t / 0   100 (8.5)
p0

Indicii elementari de cantităţi arată raportul dintre două cantităţi sau volume
din două perioade – cea curentă şi cea de bază.

qt
i(q ) t / 0   100 (8.6)
q0

Indicii elementari de valori se bazează pe faptul că valoarea este produsul


dintre un preţ şi o cantitate. Dacă p este preţul unui produs, iar cantitatea
este q , valoarea este produsul p  q . Este astfel posibil să se calculeze
indicele elementar al valorii

vt p q p q
i (v ) t / 0   100  t t  100  t  t  100 (8.7)
v0 p0  q0 p0 q0

Ca urmare, orice variaţie a unei valori poate fi descompusă în variaţia cantităţii


(sau a volumului) şi variaţia preţului. În final, indicele valorii este produsul
dintre indicele cantităţii şi indicele de preţ.

2.b) indici de grup sau indici sintetici ( I ), când în comparaţie se implică nivelul
caracteristicii aferent tuturor unităţilor. Aceşti indici sintetizează variaţia

227
medie a caracteristicii studiate. Corespunzător celor trei variabile menţionate
se poate calcula câte un indice de grup: I y ; I x ; I f .

Dacă între variabile există relaţia Y  X  F , iar indicii elementari au fost


construiţi cu respectarea anumitor reguli (vezi 8.2) există relaţia:

I y  Ix I f (8.8)

Indicii de grup se diferenţiază ca modalitate de calcul în funcţie de natura


grupei sau a colectivităţii studiate.

Dacă colectivitatea este eterogenă, deci când valorile factorului cantitativ nu


pot fi însumate, indicii de grup se calculează ca:

- indici agregaţi, care presupun, în vederea obţinerii nivelului totalizator al


caracteristicii dacă valorile individuale nu sunt însumabile direct pentru
toate unităţile (agregare), folosirea unor coeficienţi care să permită
agregarea, adică însumarea valorilor individuale. De exemplu, indicele
cantităţilor de bunuri de consum cumpărate de o familie în luna octombrie
2010 faţă de aceeaşi lună din 2009, bunuri de consum diferite (pâine,
încălţăminte etc) nu pot fi însumate direct. Elementul care permite
însumarea este preţul unitar;

- indici de grup calculaţi ca o medie a indicilor individuali. Dacă


colectivitatea este omogenă, indicii de grup se pot calcula ca raport a
două medii aritmetice.

După sistemul de ponderare utilizat la construirea indicilor de grup, se disting:

- indici cu pondere constantă (vezi indicii de tip Laspeyres);

- indici cu ponderi variabile (vezi indicii de tip Paasche);

- indici cu pondere ideală (vezi indicii de tip Fisher).

După baza de comparaţie, indicii de grup pot fi:

- cu baza fixă, când nivelul fiecărei perioade se compară cu nivelul unei


singure baze;

- cu baza în lanţ, atunci când compararea se realizează între două niveluri


succesive.

Alegerea uneia sau alteia din modalităţile de construire a indicilor de grup depinde de
obiectivul cunoaşterii, de datele disponibile, de posibilitatea trecerii de la modificarea relativă
(Ι) la modificarea absolută (∆), de natura unităţilor care compun colectivitatea studiată.

228
8.3 Probleme metodologice privind construirea indicilor de
grup
Pe cât de clare şi expresive sunt informaţiile furnizate de indice, pe atât de complexă
este problema construirii indicilor de grup.

Problemele metodologice cele mai importante care se cer a fi soluţionate la


construirea indicilor de grup se referă la: alegerea bazei de comparaţie, alegerea formulei de
calcul, alegerea ponderilor.

Baza de comparaţie trebuie să fie un nivel al caracteristicii în raport cu care are sens
să se determine modificarea relativă. Aceasta înseamnă să fie un nivel care se înscrie în
tendinţa de evoluţie, deci să fie un nivel normal, nu unul care se abate semnificativ de la
restul valorilor.

În practica statistică se aleg frecvent drept bază de comparaţie perioada precedentă


(luna, trimestrul etc), aceeaşi perioadă din anul anterior (luna, trimestrul, semestrul).

Formula de calcul se alege pornind de la datele disponibile şi de la natura unităţilor


care compun colectivitatea studiată. În funcţie de aceste criterii, indicii de grup se calculează
ca indici agregaţi, ca o medie a indicilor individuali, ca raport a două medii arimetice (vezi
8.4; 8.5 şi 8.6).

Sistemul de ponderare a fost şi continuă să fie aspectul care face obiectul


dezbaterilor în domeniul teoriei statistice.

Ce este ponderea în cazul indicilor de grup?

Un indice de grup sintetizează modificarea relativă a caracteristicii la nivelul tuturor


unităţilor colectivităţii într-o valoare unică. Aceasta presupune determinarea nivelului
totalizator al caracteristicii pentru care se calculează indicele pentru cele două perioade
implicate în comparaţie.

Aşa cum s-a menţionat, între valorile variabilei complexe ( y i ) şi factorii de influenţă
( f i şi xi ) există, la nivelul fiecărei unităţi, relaţia y i  f i  xi . O relaţie similară trebuie să

existe la nivelul colectivităţii: y  f


i i  xi , unde i  1, n unităţi.

Indicele variabilei complexe este:

Iy 
y 1

x1  f1
(8.9)
y 0 x0  f0

Relaţia [8.9] exprimă variaţia lui y în funcţie de modificările intervenite în factorul


cantitativ ( f ) de la f 0 la f 1 şi în factorul calitativ ( x ) de la x0 la x1 .

Factorul cantitativ este reprezentat de unităţile de observare (întreprinderea,


cantităţile produse sau vândute, angajatul etc).

Factorul calitativ reprezintă atributele unităţilor (cifra de afaceri a întreprinderii, preţul


produsului, salariul angajatului etc).

229
Dacă se pune problema construirii şi calculării indicelui de grup pentru factorul
cantitativ ( I f ) şi / sau pentru factorul calitativ ( I x ), trebuie examinat dacă datele individuale
înregistrate sunt însumabile. Dacă nu sunt însumabile direct, trebuie găsit un element care
permite însumarea (agregarea), denumit pondere.

Ponderea exprimă importanţa cu care intră în calculul indicilor valorile celuilalt factor.

În cazul indicelui construit pentru factorul cantitativ, problema se rezolvă simplu dacă
datele individuale sunt însumabile (număr de salariaţi, produse de acelaşi fel etc)

I f

f 1
(8.10)
f 0

Dacă valorile nu sunt însumabile direct, factorul calitativ are rolul de pondere şi
figurează în numărătorul raportului cu aceeaşi valoare. Indicele de grup este un indice
agregat.

Valorile factorului calitativ nu sunt însumabile direct. Indicele construit pentru astfel de
variabilă foloseşte factorul calitativ drept pondere, şi se prezintă tot ca un indice agregat.

Teoretic, factorul care joacă rolul de pondere poate figura în numărătorul şi în


numitorul indicelui cu nivelul actual ( 1 ) sau cu cel din perioada considerată bază de
comparaţie ( 0 ).

În decursul timpului au fost propuse diferite sisteme de ponderare:

a) Sistemul de ponderare propus de Laspeyres în 1864, presupune ca la


construirea indicelui de grup al unui factor, ponderile să figureze cu nivelul din
perioada de bază.
f
Pornind de la relaţia [8.9], I şi I x vor fi:

I f

x 0  f1
şi I x 
x 1  f0
(8.11)
x 0  f0 x 0  f0

Folosind aceeaşi pondere la construirea celor doi indici factoriali, nu se verifică


relaţia de sistem ( I y  I x  I f ):

I y ( x, f )  I y ( x)  I y ( f ) ,
respectiv:

x 1  f1

x 0  f1

x
1  f0
(8.12)
x 0  f0 x 0  f0 x
0  f0

Indicii de grup de tip Laspeyres calculaţi pe baza termenilor unei serii cronologice,
sunt indici cu baza fixă şi ponderi constante, comparabile şi compară trecutul cu
prezentul.

b) Sistemul de ponderare propus de Paasche (1874) presupune utilizarea


ponderilor cu nivelul din perioada curentă şi compară prezentul cu trecutul. Indicii
celor doi factori (variabile factoriale se prezintă astfel:

230
I f

x 1  f1
şi I x 
x 1  f1
(8.13)
x 0  f1 x 1  f0

Nici în acest caz produsul indicilor factorilor nu este egal cu indicele variabilei
complexe:

I y ( x , f )  I y ( x )  I y ( f ) , respectiv

x 1  f1

x 1  f1

x 1  f1
(8.14)
x 0  f0 x 0  f1 x 1  f0

Răspunsul la întrebarea « Care din cele două tipuri de indici măsoară mai corect
variaţia intervenită în variabila "x" sau "f "? » este greu de dat. Aceasta datorită
faptului că oricare are avantaje dar şi dezavantaje în raport cu celălalt tip.

În practica statistică se preferă de cele mai multe ori indicele de tip Laspeyres,
opţiune determinată de faptul că determinarea lui reclamă numai cunoaşterea
nivelului din perioada curentă pentru caracteristica pentru care se calculează ( x1
sau f 1 ).

c) Sistemul de ponderare propus de Fisher porneşte de la unele limite ale


indicilor de tip Laspeyres (învechirea ponderii) şi Paasche (nu conduce la o serie
de indici comparabili) şi de la faptul că nici unul nu satisface cerinţa de sistem:
I y ( x, f )  I y ( x)  I y ( f ) .
El propune ca indicele variabilei calitative (X) şi a variabilei cantitative (F) să se
calculeze ca o medie geometrică a indicelui de tip Laspeyres şi de tip Paasche:

Ix 
x 1  f0

x 1  f1
(8.15)
x 0  f0 x 0  f1

şi

If 
x 0  f1

x 1  f1
(8.16)
x 0  f0 x 1  f0

Indicele Fisher satisface cerinţa de sistem şi valorile lui se încadrează în intervalul


de variaţie a valorilor indicelui Laspeyres şi Paasche.

În practica statistică acest indice nu se utilizează în mod curent, în principal


datorită informaţiilor reclamate – presupune cunoaşterea valorilor actuale pentru
x1 şi f 1 .

Desigur, indicii calculaţi după cele trei variante de ponderare nu conduc la aceleaşi
rezultate datorită ponderilor diferite utilizate.

În decursul timpului au fost propuse şi alte modalităţi de alegere a ponderilor în


vederea construirii indicilor de grup.

231
Indicii de grup, a căror calculare se bazează pe suma produselor factorilor (xi şi fi)
poartă denumirea de indici agregaţi (vezi relaţiile 8.11 – 8.13).

Particularizăm aceste relaţii generale de calcul a indicilor de grup pentru indicele


valorii ( I v ), pentru indicele volumului fizic ( I q ) şi pentru indicele preţurilor ( I p ).

Indicele valorii măsoară variaţia valorii producţiei, desfacerilor, exporturilor etc. Dacă
se calculează pentru o singură unitate (produs, marfă etc) se determină indicele individual
( i v ).

v1 q1  p1
iv   (8.17)
v0 q 0  p 0

iar dacă se determină pentru un grup de unităţi, se calculează indicele de grup ( I v ).

Iv 
v 1

q 1  p1
(8.18)
v 0 q 0  p0

Indicele valorii măsoară variaţia relativă a valorii sub influenţa modificărilor intervenite
în volumul fizic ( q ), care este factorul cantitativ şi în nivelul preţului ( p ) care este factorul
calitativ.

Dacă interesează modificarea absolută a valorii (∆), se face diferenţa dintre


numărătorul şi numitorul indicelui.

v(q, p )   q1  p1   q 0  p 0 (8.19)

Indicele volumului fizic măsoară variaţia relativă a cantităţilor ( q ).

Indicele individual al volumului fizic este dat de relaţia:

q1
iq 
q0

Indicele de grup al volumului fizic este un indice de tip Laspeyres, deci preţurile se
folosesc ca ponderi cu nivelul din perioada de bază ( p 0 ).

Iq 
q 1  p0
(8.20)
q 0  p0

Numărătorul raportului reprezintă o valoare ipotetică – cât ar fi fost valoarea în


perioada curentă dacă nu s-ar fi modificat preţurile.

Modificarea absolută a valorii numai datorită modificărilor intervenite în volumul fizic


[ v( q) ], se calculează ca diferenţa dintre numărătorul şi numitorul indicelui:

v(q )   q1  p 0   q 0  p 0   q1  q 0   p 0 (8.21)

Indicele preţurilor măsoară variaţia relativă a preţurilor ( p ).

Indicele individual al preţurilor este dat de relaţia:

232
p1
ip 
p0

Indicele de grup al preţurior se construieşte ca regulă, aplicând sistemul de


ponderare propus de Paasche.

Iq 
q 1  p1
(8.22)
q 1  p0

Modificarea absolută a valorii numai pe seama variaţiei preţurilor v( p ) este:

v( p )   q1  p1   q1  p 0    p1  p 0   q1 (8.23)

Observaţie: Indicele volumului fizic se calculează întotdeauna ca un indice de tip


Laspeyres. Dacă I v , I q şi I p trebuie să constituie un sistem I v  I q  I p , atunci
indicele preţurilor trebuie să fie un indice de tip Paasche [8.22]. Dacă indicele
preţurilor se calculează ca un indice independent, acesta poate fi construit şi după
regula propusă de Laspeyres (vezi indicele preţurilor de consum).

În practica statistică se calculează, pe baza datelor înregistrate, indicele valorii şi


indicele volumului fizic. Indicele preţurilor nu se calculează explicit, ci ca un raport dintre
Iv
indicele valorii şi indicele volumului fizic de tip Laspeyres ( I p
Paasche  q
).
I Laspeyres

8.4 Indici de grup calculaţi ca o medie a indicilor individuali


Determinarea indicilor agregaţi de tip Laspeyres sau de tip Paasche presupune
cunoaşterea unor agregate ipotetice ( x0 f1 sau x1 f 0 ), pentru care, de regulă, nu se dispune
de date pentru fiecare element (unitate).

Aşa cum s-a menţionat, statistica apelează, în vederea determinării diferiţilor


indicatori, la toate datele disponibile care răspund scopului cunoaşterii. De cele mai multe ori
se cunoaşte nivelul variabilei complexe pentru cele două perioade ( y 0  x 0  f 0 şi
y1  x1  f1 ).

Din diferite înregistrări special organizate (anchete statistice) se obţin date (valori)
pentru factorul cantitativ din cele două perioade ( f 0 şi f 1 ). Pe baza acestor valori se

calculează indicele individuali i f pentru fiecare element.

Indicele de grup este o medie a indicilor individuali. Forma mediei se alege în funcţie
de datele disponibile.

În cazul indicelui de grup al factorului cantitativ, forma agregată se transformă


într-un indice calculat ca o medie aritmetică a indicilor individuali.

233
f1
if   f1  i f  f 0
f0

Înlocuind în relaţia indicelui agregat, f1 cu expresia " i f  f 0 " rezultă:

If 
f 1  x0

i  f  x
f
0 0
(8.24)
f 0  x0  f x0 0

Particularizând această relaţie la indicele volumului fizic se obţine:

I q

q 1  p0

i  q  p
q
0 0
(8.25)
q 0  p0 q  p 0 0

Ca regulă, indicele de grup al factorului cantitativ se calculează ca o medie aritmetică


ponderată a indicilor individuali, unde ponderea este reprezentată de structura pe elemente a
f 0  x0 q0  p0
valorilor variabilei complexe din perioada de bază şi, respectiv, .
 f 0  x0  q0  p0
Forma indicelui din relaţia [8.25] ne arată că el este un indice Laspeyres. Aşadar,
indicele Laspeyres este o medie aritmetică ponderată a indicilor inviduali de volum.

Exemplificăm calculul indicilor de grup ca o medie a indicilor individuali pe baza


datelor privind volumul valoric al desfacerilor unui agent economic.

Exemplul 8.1 – Calculul indicilor agregaţi ca medie a indicilor individuali ai volumului


fizic
Să presupunem că o companie vinde trei categorii de produse, iar managerul companiei doreşte
să ştie care este influenţa separată a modificării cantităţilor şi preţurilor din luna septembrie a
ultimilor doi ani asupra valorii vânzărilor din aceleaşi perioade. Se cunosc valoarea vânzărilor din
anii 2008 şi 2009 (col. 1 şi 2), precum şi modificarea volumului fizic (col. 3)
Tabelul E.8.1.1 – Vânzările companiei X din luna septembrie a anilor 2008 şi 2009

Valoarea vânzărilor Modificarea


(mil. lei) volumului iv iq ip
Produsul
luna 09 luna 09 fizic
(%) (%) (%)
2008 2009 2009/2008
0 1 2 3 4 5 6
A 200 220 +5 110,0% 105,0% 104,8%
B 1500 1530 -2 102,0% 98,0% 104,1%
C 300 350 +10 116,7% 110,0% 106,1%
Total 2000 2100 -

Pentru fiecare produs (element) se poate calcula câte un indice (individual) care măsoară variaţia
relativă privind valoarea ( i v ), volumul fizic ( i q ) şi preţurile ( i p ). În cazul produsului A, obţinem:

234
A
v 2009 A
q 2009  p 2009
A
220
i Av   100   100   100  110,0%
A
v 2008 q 2008  p 2008
A A
200

q 2A009
i Aq  A
 100
q 2008
Nu cunoaştem cantităţile vândute în cele două perioade. Dar modificarea procentuală este ritmul
(R), care se obţine scăzând 100 din indice:

R q  i q (%)  100  i Aq  R Aq  100  105,0%


Indicele preţurilor pentru produsul A i Ap se deduce din relaţia de sistem i Av  i Aq  i Ap , deci

i Av 110
i Ap  q
 100   100  104,8%
iA 105
Pentru celelalte două produse, indicii sunt prezentaţi în tabelul E.8.1, coloanele 4 – 6.
Indicele de grup privind valoarea vânzărilor se calculează ca un indice agregat.

Iv 
 q .p1 1

2100
 100  105%
 q .p0 0 2000
ceea ce înseamnă că valoarea vânzărilor a crescut cu 5% sau de 1,05 ori, respectiv cu 100 milioane
lei, pe seama modificării cantităţilor vândute şi a preţurilor.

v(q, p )   q1  p1   q 0  p 0 =+100 milioane lei.

În cazul indicelui agregat privind volumul fizic nu se cunoaşte numărătorul ( q1  p 0 ) şi, ca


atare, se va aplica indicele mediu aritmetic ponderat.

I q

i  q  p
q
0 0

1,05  200  0,98  1500  1,10  300 2010
  1,005 sau 100,5%.
q  p 0 0 2000 2000
Interpretare: Datorită creşterii numai a cantităţilor vândute, valoarea vânzărilor trebuie să fie cu
0,5% mai mare decât în perioada de bază. Creşterea absolută a valorii vânzărilor pe seama acestui
factor trebuie să fie de 10 milioane lei.

v(q )   q1  p 0   q 0  p 0  2010  2000  10 milioane lei.


Dacă interesează variaţia preţurilor produselor vândute de acest agent economic se determină
indicele preţurilor pornind de la relaţia de sistem:

I v 1,050
Iv  Iq I p  I p    1,045 ori sau 104,5%.
I q 1,005
Interpretare: Preţurile produselor vândute au fost în medie cu 4,5% mai mari decât în aceeaşi
lună a anului 2008 sau valoarea desfacerilor trebuie să crească numai datorită creşterii preţurilor
cu 4,5%, respectiv cu 90 milioane lei.

v( p )   q1  p1   q1  p 0  100  10  90 milioane lei

235
În cazul indicelui factorului calitativ, forma agregată se transformă într-un indice
calculat ca o medie armonică a indicilor individuali:

x1 1
ix   x0  x  x1
x0 i
1
Dacă se înlocuieşte în relaţia indicelui agregat x0 cu expresia „  x1 ” rezultă:
ix

Ix 
x 1  f1

x  f 1 1
(8.26)
x 0  f1 1
i x  f
x 1 1

Particularizarea acestei relaţii la indicele preţurilor conduce la:

Ip 
p 1  q1

 p q 1 1
(8.27)
p 0  q1 1
i  p q
p 1 1

Relaţia [8.27] ne sugerează faptul că este un indice Paasche. Cu alte cuvinte,


indicele Paasche este o medie armonică a indicilor individuali ai preţurilor.

Din relaţiile (8.25) şi (8.27) rezultă faptul că indicele factorului cantitativ se calculează
folosind drept pondere valoarea fenomenului complex din perioada de bază, iar indicele
factorului calitativ se construieşte pe baza valorilor variabilei complexe din perioada curentă.
Se procedează astfel dacă indicele preţurilor se încadrează într-un sistem de genul
Iv  Iq I p.
Dacă indicele preţurilor se calculează ca un indice independent, deci fără încadrarea
lui într-un sistem de indici, acesta se determină după regula Laspeyres, deci ca o medie
aritmetică a indicilor individuali:

I p

i  q  p
p
0 0
(8.28)
q  p 0 0

Aşa se procedează, de exemplu, în cazul indicelui preţurilor de consum, care


măsoară variaţia relativă a preţurilor în ipoteza în care cantităţile de produse şi servicii de
consum cumpărate de populaţie nu s-au modificat faţă de perioada de bază.

Exemplificăm calculul indicelui preţurilor de consum pe baza datelor unui agent


economic care comercializează două produse.

236
Exemplul 8.2. – Calculul indicelui preţurilor
Să presupunem că o companie vinde două produse, al căror volum de vânzări este cunoscut
pentru aceeaşi lună (iunie) din ultimii doi ani (2008 şi 2009). Cunoaştem, de asemenea, care a fost
modificarea individuală a preţurilor din aceleaşi perioade. Să presupunem că dorim să aflăm care
este modificarea generală a preţurilor din luna iunie 2009 faţă de luna iunie 2008.
Tabelul E.8.2.1 – Volumul vânzărilor şi modificarea preţurilor produselor vândute de compania X
Volumul desfacerilor (mil. lei) Modificarea
preţurilor în iunie
Produsul
Iunie 2008 Iunie 2009 2009/iunie 2008
(%)
A 400 480 +12
B 100 110 -2
Total 500 590

Din ultima coloană observăm că preţul produsului A s-a modificat cu +12%, iar cel al produsului
B cu -2%.
Pentru fiecare produs în parte se poate analiza, pe baza indicilor individuali, modificarea relativă
intervenită în volumul desfacerilor, în preţurile şi în cantităţile vândute. Dacă interesează
modificarea relativă a preţurilor la nivelul companiei se calculează indicele de grup.

Ip 
p 1  q1

 p q1 1

590

590
 1,091 ori sau
p 0  q1 1
i  p q
p 1 1
1
 480 
1
 110
540,82
1,12 0,98
I p  109,1%

Aşadar, preţurile celor două produse au crescut în medie de 1,091 ori sau cu 9,1%. Din sporul
total al volumului vânzărilor de 90 milioane lei, 49,18 milioane lei este efectul creşterii preţurilor.

8.5 Indicii de grup calculaţi ca raport a două medii


În practică se operează frecvent cu indicatori care au caracter de medie. Astfel de
indicatori sunt de exemplu: salariul mediu, preţul mediu, rata medie de rentabilitate etc.
Variaţia relativă a unor astfel de indicatori se caracterizează prin intermediul indicilor calculaţi
ca un raport a două medii aritmetice. Aşa cum se cunoaşte, nivelul mediei ( x ) depinde de
ni
valorile individuale din care se calculează ( xi ) şi de structura colectivităţii
n
, respectiv,
i

de frecvenţa relativă cu care apar valorile xi .

Indicele calculat ca raport a două medii evidenţiază variaţia relativă în timp a mediei
în perioada curentă faţă de perioada de bază.

237
Ix 
x1

x n : x n
1i 1i 0i 0i

 x n  n
1i 1i 0i
(8.29)
x0 n n 1i 0i n  x n 1i 0i 0i

Un astfel de indice exprimă variaţia mediei sub influenţa a doi factori:

a) modificarea factorului calitativ la nivelul fiecărei unităţi înregistrate ( x1i  x0 i ) ;

n1i n0i
b) modificarea structurii colectivităţii 
 n1i n 0i

Salariul mediu din economie, de exemplu, poate creşte dacă cresc salariile
salariaţiilor, dar şi dacă aceste salarii rămân neschimbate însă creşte proporţia salariaţilor
care au avut salarii mai mari în perioada de bază.

Indicele raportului a două medii în care toţi factorii de influenţă implicaţi sunt variabili,
 
x  xi , i 
n

poartă denumirea de indice cu structură variabilă: I



  ni  .
SV

Modificarea absolută a mediei sub influenţa tuturor factorilor care apar în relaţia de
calcul se obţine ca diferenţa dintre numărătorul şi numitorul indicelui.

 
x n 1i 1i

x n 0i 0i
(8.30)
x  xi , i

n 
 ni  n 1i n 0i

Indicii de grup corespunzători factorilor de influenţă încadraţi într-un sistem se


construiesc după două reguli diferite:

 Indicele factorului calitativ (x) este un indice de tip Paasche, deci ponderile
sunt cele din perioada curentă.

x ( xi )
I SF 
x n : x n
1 1 0 1
(8.31)
n n 1 1

Acest indice măsoară care ar fi fost variaţia relativă a mediei dacă s-ar fi modificat
numai valorile caracteristicii la nivelul unităţilor şi structura colectivităţii ar fi fost
cea din perioada curentă. Este indicele mediei cu structură fixă ( I SF ).

Variaţia absolută a mediei sub influenţa factorului x, se determină după relaţia:

 x ( xi ) 
x n  x n
1 1 0 1
(8.32)
n n 1 1

ni

n
Indicele factorului cantitativ ( ) se calculează ca indice de tip Laspeyres.
i

Exprimă care ar fi fost variaţia relativă a mediei dacă s-ar fi modificat numai
structura colectivităţii (indicele variaţiei structurii - I VS ):

x(
I VS
ni
 ni
)

x n : x n 0 1 0 0
(8.33)
n n 1 0

238
Modificarea absolută a mediei datorată influenţei factorului de structură se
calculează prin relaţia:

 
x n  x n
0 1 0 0
(8.34)
n n
ni
x( )
 ni 1 0

Între indicii de grup, respectiv între modificările absolute corespunzătoare există


relaţiile:
 
x  xi , i 
n
 ni   I x ( xi )  I x (
ni
 )
  ni
I SV SF VS (8.35)

respectiv:

   x ( xi )   (8.36)
x  xi , 
ni ni
 ni 
x( )
  ni

Exemplificăm posibilităţile de cunoaştere oferite de indicii calculaţi ca raport a două


medii pe baza datelor pentru doi agenţi economici din aceeaşi ramură de activitate.

Exemplul 8.3 – Calculul indicilor ca raport a două medii


Tabelul E.8.3.1 – Fondul de salarii, numărul de angajaţi şi salariul mediu al companiilor A şi B în
luna decembrie a anilor 2008 şi 2009
Fond salarii ( Fti ) Salariu mediu ( S ti ) S 0i  N 1i
Compa- Nr. angajaţi ( N ti )
(mii lei) (mii lei) (mii lei)
nia
XII `08 XII `09 XII `08 XII `09 XII `08 XII `09
0 1 2 3 4 5 6 7
A 30 54 10 12 3,0 4,5 36
B 80 130 20 26 4,0 5,0 104
Total 110 184 30 38 3,7 4,8 140

Salariul mediu este raportul dintre fondul de salarii (F) şi numărul de salariaţi (N).

La nivelul fiecărui agent economic şi pentru fiecare perioadă, salariul mediu ( S ti ) se obţine prin
împărţirea fondului de salarii ( Fti ) la numărul salariaţilor ( N ti ). Rezultatele sunt prezentate în
tabelul E.8.3.1, în coloanele 5 şi 6.
La nivelul celor doi agenţi economici, salariul mediu rezultă din expresia:
2 2

 Fti S ti  N ti
St  i 1
2
 i 1
2
, deoarece Fti  S ti  N ti .
N
i 1
ti N
i 1
ti

110
S0   3,667 mii lei.
30

239
184
S1   4,842 mii lei.
38
Salariul mediu a crescut de 1,3204 ori sau, în procente, cu 32,04%.
2 2

S  F1i F 0i
4,842
I  1 
S i 1
2
: i 1
2
  1,3204
N N
S0 3,667
1i 0i
i 1 i 1

În mărime absolută, salariul mediu a sporit cu 1,1754 mii lei / salariat.

 S  S1  S 0  4,842  3,667  1,1754 mii lei.

Creşterea salariului mediu la nivelul celor două companii (întreprinderi) cu 32,1% sau, în cifre
absolute, cu 1,175 mii lei, se poate analiza în funcţie de modificările intervenite în salariul mediu la
nivelul fiecărui agent economic ( S i ) şi în funcţie de mutaţiile care au avut loc în structura
Ni
angajaţilor ( )
N i

 Indicele salariului mediu cu structură variabilă:


 N 

I
S  Si , i



 N i   S1  S  N : S  N
1i 1i 0i 0i

4,842
 1,3204 ori
N N
SV
S0 1i 0i 3,667
 Indicele salariului mediu cu structură fixă:

S S i 
I SF 
S  N : S  N
1i 1i 0i 1i

184 140
:  1,314 ori
N N 1i 1i 38 38

Interpretare: Salariul mediu pe total ar fi sporit cu 31,4% dacă s-ar fi modificat numai salariul
mediu la nivelul fiecărui agent economic.
Modificarea absolută determinată de influenţa acestui factor este de +1,158 mii lei:

SSFSi  
S  N 1i 1i

S  N 0i 1i

184 140
  1,1579 mii lei.
N 1i N 1i 38 38

 Indicele salariului mediu a variaţiei structurii:


N 

I
S i

 

N i 

S  N : S  N
0i 1i 0i 0i

140 110
:  3,684 : 3,667  1,0047 ori
N N
VS
1i 0i 38 30

N 


S i

  N i  

S  N 0i 1i

S  N 0i 0i

140 110
  3,684  3,667  0,0175 mii lei
N N
VS
1i 0i 38 30

240
Interpretare: Salariul mediu pe total trebuia să crească cu 0,47% sau, în cifre absolute, cu 0,018
mii lei, dacă s-ar fi modificat numai structura salariaţilor, iar salariile la nivelul fiecărui agent
economic ar fi rămas la nivelul lunii iunie 2008.
Influenţa pozitivă a variaţiei structurii asupra salariului mediu se explică prin faptul că a crescut
importanţa componentei B în totalul salariaţilor, de la 66,7% în iunie 2008 la 68,4% în luna iunie
2009, companie în care şi salariul mediu este mai mare. Deci salariile mai mari intră cu o pondere
mai mare în calculul mediei.
In final, să verificăm identităţile din relaţiile [8.35] şi [8.36]:
 N  N 
S  Si , i  S i 
I

  N i  S S i 
 I SF I

  N i 
 1,3204  1,3143  1,0047
SV VS

   x ( xi )    1,1754  1,1579  0,0175 q.e.d.


x  xi , 
ni ni
 ni 
x( )
  ni

8.6 Descompunerea variaţiei unei variabile complexe pe


factori de influenţă prin metoda indicilor
Măsurarea influenţei factorilor asupra modificării unei variabile complexe constituie o
funcţie de cunoaştere importantă a indicilor. Astfel, dacă vrem să cunoaştem influenţa
volumului fizic (q) şi a preţurilor (p) asupra variaţiei valorii producţiei (v) sau influenţa
numărului salariaţilor (N) şi a salariilor (S) asupra modificării fondului de salarii (F) sau
influenţa cantităţilor produse (q) şi a costului unitar (c) asupra costului total (C), se poate
recurge la metoda indicilor, ca instrument de separare şi cuantificare a acestor influenţe. În
fiecare din exemplele menţionate, variabila complexă este egală cu produsul factorilor de
influenţă.

Variaţia variabilei complexe şi influenţa factorilor pot fi calculate şi analizate în mărimi


relative şi în mărimi absolute. Descompunerea variaţiei relative pe factori de influenţă
presupune descompunerea indicelui variabilei complexe în produsul indicilor factorilor.
Această descompunere este denumită descompunere geometrică.

Descompunerea variaţiei în mărimi absolute presupune separarea modificării


absolute a variabilei complexe în suma modificărilor absolute induse de factorii de influenţă.
Separarea pe factori a variaţiei în mărimi absolute este denumită descompunere aritmetică
sau analitică.

Metodele cele mai folosite de descompunere a variaţiei unei variabile complexe pe


factori de influenţă sunt:

a) metoda substituţiei în lanţ (MSL);

b) metoda influenţelor izolate ale factorilor (MIIF) sau metoda restului nedescompus
(MRN).

241
Metoda substituţiei în lanţ presupune o anumită succesiune în modificarea
factorilor, şi anume:

i. mai întâi se modifică factorul cantitativ (se substituie f 0 cu f1 ), toţi ceilalţi factori
rămân la nivelul din perioada de bază;

ii. un factor odată substituit, se implică în determinarea influenţei celorlalţi factori cu


nivelul din perioada curentă.

iii. ultimul factor care se modifică (se substituie) este cel calitativ.

Presupunând că factorii se substituie în lanţ, înseamnă că indicii factorilor se


construiesc cu ponderi diferite, iar indicele variabilei complexe este egal cu produsul indicilor
factorilor. Corespunzător, modificarea absolută a variabilei complexe este egală cu suma
modificărilor absolute determinate de factorii cuprinşi în analiză.

Dacă între valorile înregistrate pentru variabila complexă ( y i ) şi factorii de influenţă


( xi şi f i ) există relaţia y i  xi  f i , influenţa factorilor după procedeul subsituirii în lanţ se
calculează conform relaţiilor:

 Influenţa factorului cantitativ ( f ) asupra modificării variabilei complexe ( y i ):

I y( f ) 
x 0  f1
(8.37)
x 0  f0

Modificarea absolută pe seama factorului cantitativ rezultă din relaţia:

 y ( f )   x0  f1   x0  f 0 (8.38)

 Influenţa factorului calitativ ( x ):

I y( x) 
x 1  f1
(8.39)
x 0  f1

Modificarea absolută pe seama influenţei factorului calitativ:

 y ( x )   x1  f1   x 0  f 1 (8.40)

Construirea indicilor factorilor cu ponderi diferite se concretizează în faptul că se


verifică relaţia de sistem:

I y ( x, f ) 
x 1  f1
 I y( x)  I y( f ) (8.41)
x 0  f0

respectiv:

 y ( x , f )   x1  f 1   x0  f 0   y ( x )   y ( f ) (8.42)

Pentru ilustrarea acestei metode pornim de la datele din tabelul E.8.3.1 şi ne


propunem să calculăm influenţa factorilor asupra modificării fondului de salarii (F) în luna
decembrie 2009 faţă de luna decembrie 2008.

242
Factorii de influenţă care pot fi implicaţi în această analiză sunt, conform datelor din
tabelul E.8.3.1, numărul de salariaţi, (factorul calitativ N i ) şi salariul mediu ( S i ).

 Modificarea fondului de salarii:

I F ( N ,S ) 
N 1  S1

12  4,5  26  5,0 184
  1,673 ori sau +67,3%
N 0  S0 10  3,0  20  4,0 110

Fondul de salarii a sporit cu 67,3%, ceea ce înseamnă +74 mii lei la fondul de
salarii, în mărime absolută.

 F ( N , S )   N 1  S1   N 0  S 0  184  110  74 mii lei

 Influenţa numărului salariaţilor:

I F(N) 
N 1  S0

12  3,0  26  4,0 140
  1,273 ori sau 127,3%
N 0  S0 10  3,0  20  4,0 110

şi:

 F ( N )   N 1  S 0   N 0  S 0  140  110  30 mii lei

Dacă ar fi crescut numai numărul salariaţilor, fondul de salarii trebuia să fie mai
mare cu 27,3%, respectiv cu 30 milioane lei.

 Influenţa modificării salariului mediu:

I F (S ) 
N 1  S1

12  4,5  26  5,0 184
  1,314 ori sau 131,4%
N 1  S0 12  3,0  26  4,0 140

şi

 F ( S )   N 1  S1   N 1  S 0  184  140  44 mii lei.

Creşterea salariului mediu la nivel de companie a determinat sporirea salariului


mediu pe total cu 31,4%, ceea ce reprezintă în mărime absolută un spor al
fondului de salarii de 44 mii lei.

Metoda influenţelor izolate ale factorilor (MIIF) sau metoda restului nedescompus
(MRN) ) presupune că fiecare factor acţionează independent. Aceasta înseamnă că influenţa
fiecărui factor se calculează pornind de la presupunerea că toţi ceilalţi factori rămân la
nivelul perioadei de bază.

Indicii factoriali şi modificările absolute antrenate de fiecare factor se calculează


pornind de la regula propusă de Laspeyres.

Procedând astfel, produsul indicilor factoriali şi, corespunzător, suma modificărilor


absolute nu este egală cu modificarea totală a variabilei complexe. Ca atare, o parte din
variaţia variabilei complexe nu se atribuie factorilor, parte denumită rest nedescompus.

Aplicarea acestui procedeu presupune parcurgerea a două etape:

243
 în prima etapă se calculează influenţele izolate ale factorilor. Se construiesc indici
factoriali sau se determină modificările absolute folosind aceeaşi regulă de
alegere a ponderilor (Laspeyres);

 în a doua etapă se repartizează modificarea variabilei complexe determinată de


modificarea concomitentă a factorilor (rest nedescompus).

Utilizarea acestui procedeu presupune, în cazul în care se implică doi factori de


influenţă, determinarea a trei indici, respectiv a trei modificări absolute:

 Influenţa izolată a factorului cantitativ:

I y( f ) 
x 0  f1
(8.43)
x 0  f0

şi

 y ( f )   x0  f 1   x0  f 0   f  x0 (8.44)

 Influenţa izolată a factorului calitativ:

I y( x) 
x 1  f0
(8.45)
x 0  f0

respectiv

 y ( x )   x1  f 0   x0  f 0   x  f 0 (8.46)

De remarcat faptul că, prin această metodă, nivelul factorului cantitativ folosit la
estimarea influenţei factorului calitativ este cel din perioada de bază, spre
deosebire de metoda substituţiei în lanţ.

 Influenţa modificării concomitente a factorilor (restul nedescompus):

I y ( x f ) 
x 1  f1
:
x 1  f0
(8.47)
x 0  f1 x 0  f0

respectiv:

 y( x f )  x1  f1  x0  f1   x1  f 0  x0  f 0   x  f (8.48)

Între indicele variabilei complexe şi indicii factoriali există relaţia:

I y ( x , f )  I y ( f )  I y ( x )  I y ( x f ) (8.49)

iar între modificările absolute se verifică relaţia:

 y ( x , f )   y ( f )   y ( x )   y ( x f ) (8.50)

Aşa cum s-a menţionat, specific metodei indicilor este faptul că variaţia variabilei
complexe se descompune în totalitate pe factorii de influenţă implicaţi în analiză. În situaţia a
doi factori de influenţă, restul nedescompus trebuie repartizat pe cei doi factori de influenţă.

244
În legătură cu proporţia în care se repartizează restul nedescompus pe factori de
influenţă, există următoarele posibilităţi:

 să se atribuie integral unui singur factor, caz în care se ajunge la procedeul


substituţiei în lanţ;

 să se repartizeze în mod egal pe factorii de influenţă;

 să se repartizeze în funcţie de ponderea influenţei izolate a fiecărui factor în suma


influenţelor izolate ale factorilor, variantă pentru care se optează cel mai frecvent
în practică. Proporţia în care se repartizează restul nedescompus pe cei doi
factori de influenţă ( k x şi k f ) se calculează astfel:

kf 
 f  x 0
(8.51)
 f  x   x  f
0 0

şi:

kx 
 x  f 0
(8.52)
 f  x   x  f
0 0

Influenţa totală a fiecărui factor asupra variaţiei variabilei complexe se determină pe


baza relaţiilor:

 y ( x )   x  f 0  k x  x  y (8.53)

 y ( f )   f  x0  k f  x  y (8.54)

Desigur, fiecare din cele două metode de descompunere are o serie de avantaje şi
limite. Dezavantajele se amplifică în cazul ambelor procedee, odată cu creşterea numărului
factorilor de influenţă. În cazul MSL este necesar să se separe factorii de influenţă după
natura lor, iar în cazul MIIF creşte numărul resturilor nedescompuse care trebuie repartizate
pe factori de influenţă.

Ilustrăm aplicarea MIIF pornind de la datele din tabelul E.8.3.1

 Modificarea fondului de salarii:

I F ( N ,S ) 
N 1  S1

184
 1,673 ori sau +67,3%
N 0  S0 110
şi:

F ( N , S )   N 1  S1   N 0  S 0  74 mii lei

 Influenţa izolată a modificării numărului salariaţilor:

I F(N) 
N 1  S0

140
 1,273 ori sau 127,3%
N 0  S0 110
şi:

245
F ( N )   N 1  S 0   N 0  S 0  30 mii lei

 Influenţa izolată a modificării salariului mediu:

I F (S ) 
N 0  S1

145
 1,318 ori sau 131,8%
N 0  S0 140
şi

F ( S )   N 0  S1   N 0  S 0  35 mii lei.

Tabelul 8.4 - Fondul de salarii, numărul de angajaţi şi salariul mediu al companiilor A


şi B în luna decembrie a anilor 2008 şi 2009
Com- S0 S1 N0 N1 N 0  S1 S N S  N
pania (mii lei) (mii lei) (pers) (pers) (mii lei) (mii lei) (mii lei) (mii lei)
0 1 2 3 4 5 6 7 8
A 3,0 4,5 10 12 45 +1,5 +2 3,0
B 4,0 5,0 20 26 100 +1,0 +6 6,0
Total - - 30 38 145 - - 9,0

 Influenţa modificării concomitente a factorilor:

I F (S N ) 
N 1  S1
:
N 0  S1

184 145
:  0,997 ori sau 99,7%.
N 1  S0 N 0  S0 140 140
şi:

F ( S  N )   S  N  1,5  2  1,0  6  9 mii lei.


sau

F ( S  N )   N 1  S1   N 1  S 0    N 0  S1   N 0  S 0  
 184  140   145  110   9 mii lei
 Cota parte din restul nedescompus care se atribuie influenţei numărului
salariaţilor:

F ( N ) 30
kN    0,462
F ( N )  F ( S ) 30  35
 Cota parte din restul nedescompus care se atribuie influenţei salariului mediu:

F ( S ) 35
kS    0,538
F ( N )  F ( S ) 30  35

Influenţa factorilor asupra modificării fondului de salarii este:

 Influenţa totală a numarului salariaţilor:

F ( N )  k N  S  N  30  0,462  9  34,158 mii lei

246
 Influenţa totală a salariului mediu:

F ( S )  k S  S  N  30  0,538  9  39,842 mii lei

Însumarea celor două influenţe este egală cu 74 mii lei, adică diferenţa fondurilor de
salarii din cele perioade. Aşadar, creşterea fondului de salarii cu 67,3%, respectiv cu 74 mii
lei a fost determinată în proportie de 53,8% de sporirea salariilor medii la nivelul agenţilor
economici şi în proporţie de 46,2% de creşterea numărului salariaţilor.

8.7 Serii cronologice de indici statistici


Caracterizarea evoluţiei unui indicator în timp se bazează pe analiza seriilor
cronologice. Serii cronologice se construiesc nu numai pentru indicatori absoluţi, ci şi pentru
indicatori relativi, pentru indici.

Construirea unei serii cronologice pentru indicii individuali nu ridică probleme


deosebite. Singurul aspect ce trebuie rezolvat se referă la alegerea bazei de comparaţie,
care poate fi aceeaşi pentru întreaga serie (au bază fixă) sau diferită la fiecare indice (cu
baza în lanţ). Pentru factorul xi , de exemplu, seria de indici se obţine din relaţia :

 cu bază fixă :

xt
itx/ 0  , t  1, n (8.55)
x0

 cu bază în lanţ :

xt
itx/ t 1  , t  1, n (8.56)
xt 1

La construirea de serii pentru indicii de grup agregaţi (valorile observate nu sunt


direct însumabile) trebuie soluţionată problema ponderii.

Dacă toţi indicii care compun seria au aceeaşi pondere, se dispune de o serie de
indici cu ponderi constante. Dacă ponderea diferă de la un indice la altul se dispune de o
serie de indici cu ponderi variabile.

Din combinarea bazei de comparaţie cu ponderea utilizată se pot construi patru tipuri
de serii cronologice de indici de grup.

a) Serii de indici cu bază fixă şi cu ponderi constante:

If 
x 0  ft
, respectiv I x 
x t  f0
, t  1, n (8.57)
x 0  f0 x 0  f0

De regulă, astfel de serii de indici se construiesc în practică pentru volumul fizic.

Iq 
q t  p0

q 1  p0
;
q 2  p0
,.....,
q n  p0
q 0  p0 q 0  p0 q 0  p0 q 0  p0

247
După această regulă se construieşte şi indicele preţurilor de consum (IPC) sau
indicele preţurilor producţiei industriale (IPPI):

IPC 
p t  q0
p 0  q0

După cum se poate observa, ponderile sunt din perioada de bază. Ponderile
respective sunt date de ponderea cheltuielilor medii ale gospodăriilor din România pentru
diferite categorii de produse şi servicii dintr-un an anterior. De regulă, decalajul dintre
perioada ponderilor este de doi ani faţă de anul pentru care se calculează IPC. În unele ţări
se procedează la „glisarea” anului, astfel încât decalajul să fie cât mai mic.

Baza de comparaţie a IPC-ului cu baza fixă este fie luna decembrie din anul
precedent, fie aceeaşi lună a anului anterior. Fiiind un indice cu bază fixă şi ponderi
constante, se poate construi cu uşurinţă seria indicilor cu bază în lanţ.

b) Serii de indici cu baza în lanţ şi ponderi constante :

If 
x  f 0 t
, respectiv I x 
x t  f0
, t  1, n (8.58)
x  f0 t 1 x t 1  f0
Astfel de serii de indici se construiesc în practică pentru caracterizarea dinamicii
volumului fizic şi al preţurilor în luna curentă faţă de luna precedentă.

De exemplu, în cazul indicelui preţurilor de consum seria de indici este:

IPC 
p t  q0

p 1  q0
,
p 2  q0
,....,
p n  q0
p t 1  q0 p 0  q0 p 1  q0 p n 1  q0
Produsul indicilor cu baza în lanţ şi cu ponderi constante care compun seria conduce
la un indice cu bază fixă:

p
n  q0 p  q0
 p 
t t


t 1 t 1  q0 p 0  q0
Această proprietate a indicilor stă la baza înlănţuirii indicilor.

c) Serii de indici cu baza în lanţ şi ponderi variabile:

If 
x  f t t
, respectiv I x 
x t  ft
, t  1, n (8.59)
x  ft t 1 x t 1  ft
Produsul indicilor unei astfel de serii nu conduce la un indice cu bază fixă.

d) Serii de indici cu baza fixă şi cu ponderi variabile :

If 
x t  ft
, respectiv I x 
x t  ft
, t  1, n (8.60)
x t  f0 x 0  ft
Asemenea serii se construiesc pentru indicii preţurilor utilizaţi la deflatarea
agregatelor valorice de producţie (producţia industrială, produsul intern brut etc).

248
8.8 Cuvinte cheie
Indice = indice statistic Indice individual = indice elementar

Indice al factorului calitativ Indicele preţurilor

Indice al factorului cantitativ Indicele valorii

Indice al variabilei complexe Indicele volumului fizic

Indice de grup = indice sintetic Indici cu bază fixă

Indice de grup agregat Indici cu bază în lanţ = indici cu


bază mobilă
Indice de grup calculat ca o medie
a indicilor individuali Indici de grup cu ponderi constante

Indice de grup calculat ca raport de Indici de grup cu ponderi variabile


medii
Metoda influenţelor izolate ale
Indice de tip Fisher factorilor = metoda restului
nedescompus
Indice de tip Laspeyres
Metoda substituirii în lanţ
Indice de tip Paasche
Serie cronologică de indici

8.9 Întrebări de control


1. Ce este un indice statistic ?

2. Prin ce se deosebeşte un indice de grup de unul individual ?

3. Care este deosebirea dintre un indice de grup de tip Laspeyres şi de tip Paasche
?

4. De ce se optează în practica statistică, de cele mai multe ori, pentru indicele


Laspeyres ?

5. Când se verifică relaţia : I 1v/ 0  I 1q/ 0  I 1p/ 0 ?

6. Cum se calculează şi când se aplică în practică indicele de tip Fisher ?

7. Indicele de grup al volumului fizic se determină ca o medie aritmetică sau ca o


medie armonică a indicilor individuali ?

8. Cum se aleg ponderile la construirea sistemului de indici calculaţi ca raport a


două medii ?

9. În ce constă metoda substituirii în lanţ în măsurarea influenţei factorilor asupra


variaţiei unei variabile complexe ?

10. De ce rămâne în cazul metodei influenţelor izolate o parte nedescompusă din


variaţia variabilei complexe ?

11. Cum se repartizează pe factori de influenţă restul nedescompus în cazul metodei


influenţelor izolate ?

249
12. Când produsul unei serii cronologice de indici cu bază în lanţ este egal cu indicele
cu bază fixă ?

8.10 Bibliografie
1. Biji E., Wagner P., Lilea E., Petcu N., Vătui V. – Statistică, Editura Didactică şi
Pedagogică, Bucureşti, 1999, p. 322-372

2. Korka M., Begu L., Tuşa E. – Bazele statisticii pentru economişti, Editura Tribuna
Economică, Bucureşti, 2002, p. 197-222

250
Index alfabetic
Aplatizare probabilitatea, 13

definiţie, 131 unitate statistică, 10

Aplatizarea unitate statistică complexă, 11

coeficient de aplatizare, 131 unitate statistică simplă, 10

Asimetria variabilă statistică, 11

asimetrie la dreapta, 129 Cuantile, 107

asimetrie la stânga, 130 Cuartile, 107

coeficient de asimetrie, 131 Decile, 110

definiţie, 129 Densitate de frecvenţă, 53

Caracteristica statistică, 11 Densitate de frecvenţă absolută, 83

Ceteris paribus, 175 Densitate de frecvenţă relativă, 84

Chestionar Densitate de frecvenţe, 80

întrebări deschise, 30 Distribuţie de frecvenţe, 34

întrebări închise, 27 curba cumulativă a frecvenţelor, 52

Coeficient de asociere Yule, 188 distribuţie unidimensională, 34

Coeficient de corelaţie histograma, 53

Kendall, al rangurilor, 190 poligonul frecvenţelor, 55

Spearman, al rangurilor, 189 reprezentare grafică prin diagrame de bare,


51
Colectivitate statistică
Distribuţii marginale, 121
colectivitate de flux, 9
Eroare de măsurare, 32
colectivitate de stoc, 9
Eroare sistematică, 32
definiţie, 9
Eşantion, 10
Concepte fundamentale ale statisticii
Frecvenţa absolută
caracteristică statistică, 11
tabele statistice, 44
colectivitate statistică, 9
Frecvenţă cumulată
deplasare, 14
tabele statistice, 44
eşantion, 10
Frecvenţa cumulată relativă
estimator statistic, 13
curba cumulativă a frecvenţelor, 52
exactitatea statistică, 13
tabele statistice, 44
frecvenţa de apariţie, 12
Frecvenţa relativă
indicator statistic, 14
mărimi relative de structură, 64
observaţia statistică, 12
tabele statistice, 44
parametrul, 13
Frecvenţe absolute, 79
precizia statistică, 13

251
Frecvenţe cumulate, 79 Indicatorii statistici

Frecvenţe relative, 79 definiţia indicatorului statistic, 61

Grafice Indicator primar, 61

curba cumulativă, variabilă numerică Indicatori derivat, 63


continuă, 55
mărimi relative, 63
curba cumulativă, variabilă numerică
Indicatorii tendinţei centrale, 85
discretă, 52
efect de structură, 94
diagrama circulară de structură, 50, 65
media aritmetică, 86
diagrama de bare, variabilă calitativă, 49
media aritmetică ponderată, 87
diagrama de bare, variabilă numerică
discretă, 51 media armonică, 101

diagrama rectangulară, 50 media artimetică simplă, 87

diagrama tulpina-cu-ramuri, 56 media geometrică, 104

graficul statistic, 48 media pătratică, 104

histograma, 53 mediana, 94

nor de puncte, 57 modelul tabelului de calcul, 88

ogivă, 52 modul, 98

poligonul frecvenţelor, 55 Indicatorii tendinţei locul medianei, 94

Greutatea specifică (ponderea) Indicatorii variaţiei, 106

mărimi relative de structură, 65 abateri individuale, 107

Indicatorii simpli ai variaţiei amplitudinea variaţiei, 107

abaterea individuală absolută, 113 Indice ca raport a două medii, 238

abaterea individuală relativă, 113 Indice de grup al factorului calitativ, 236

abaterea mediană absolută, 112 Indice de grup al factorului cantitativ, 233

amplitudinea absolută, 107 Indice Fisher, 231

amplitudinea relativă, 107 Indice Laspeyres, 230, 234

coeficientul de dispersie, 112 Indice Paasche, 230, 236, 238

intervalul intercurartilic, 107, 109 Indicele preţurilor, 232

intervalul interdecilic, 107, 110 Indicele valorii, 232

Indicatorii sintetici ai variaţiei Indicele volumului fizic, 232

abaterea medie liniară, 114, 115 Indici elementari, 227

abaterea medie pătratică, 114, 118 Indici sintetici, 227

coeficientul de variaţie, 114, 119 categorii de indici, 228

dispersia, 114, 116, 117 Indici statistici

proprietăţile dispersiei, 117 criterii de clasificare, 226

regula de adunare a dispersiilor, 124 descompunerea pe factori de influenţă, 241

252
proprietăţi, 226 coeficientul de corelaţie a rangurilor Kendall,
190
serie cronologică cu bază fixă, 247
coeficientul de corelaţie a rangurilor
serie cronologică cu bază fixă şi ponderi
Spearman, 189
constante, 247
Non-răspuns, 24
serie cronologică cu bază fixă şi ponderi
variabile, 248 Observare statistică directă

serie cronologică cu bază în lanţ, 247 observare statistică parţială, 25

serie cronologică cu bază în lanţ şi ponderi observare statistică totală, 24


constante, 248
recensământ, 25
serie cronologică cu bază în lanţ şi ponderi
sondaj statistic, 25
variabile, 248
Observarea statistică
Mărimi relative
chestionarul statistic, 26
diagrama circulară de structură, 65
Percentile, 107
frecvenţa relativă, 64
Regula adunării dispersiilor
greutatea specifică (ponderea), 65
media de grupă, 121
mărimi relative de coordonare
(corespondenţă), 69 media generală, 121

mărimi relative de dinamică (indici), 72 Regula de adunare a dispersiilor

mărimi relative de intensitate, 70 dispersia de grupă, 123

mărimile relative de structură, 64 dispersia generală, 122

Mărimile relative dispersia între-grupe, 123

mărimi relative de performanţă, 74 Scale de măsurare

Media variabilei alternative, 128 definiţie, 15

Metoda de observare statistică scala interval, 16

chestionar auto-adminsitrat, 23 scala Likert, 16, 29

experiment, 24 scala nominală, 16

interviu faţă-în-faţă, 23 scala ordinală, 16

observare propriu-zisă, 24 scala raport, 16

Metoda influenţelor izolate ale factorilor (MIIF), Serie cronologică


243 ciclicitatea, 204
Metoda restului nedescompus (MRN), 243 criterii de alegere a procedeelor de ajustare,
Metoda substituţiei în lanţ, 242 219

Metode neparametrice de analiză a legăturilor criteriul diferenţelor, 214


dintre variabile criteriul modificărilor cu baza în lanţ, 214
coeficienţii de corelaţie a rangurilor, 189 criteriul reprezentării grafice, 214
coeficientul de asociere Yule, 188 definiţie, 193

extrapolare pe trend liniar, 220

253
extrapolare prin metode analitice, 220 gruparea simplă, 36

extrapolare prin progresie geometrică, 220 gruparea statistică, 36

indicatori de creştere/descreştere, 198 intervale de grupare, 36

indicatori de nivel, 196 regula lui Sturges, 38

indicele mediu de creştere/descreştere, 201 Sondaj statistic

media cronologică ponderată, 203 bază de sondaj, 136

media cronologică simplă, 202 colectivitate generală, 135

metoda grafică, 206 definiţie, 135

metoda indicelui mediu de eroarea limită de reprezentativitate, 147


creştere/descreştere, 213
eroarea limită relativă de reprezentativitate,
metoda mediilor mobile, 207 151

metoda modificării medii absolute, 212 eroarea medie de reprezentativitate, 145

metode analitice de ajustare, 214 erori de înregistrare, 143

modelul aditiv, 204 erori de reprezentativitate, 143, 145

modelul multiplicativ, 205 erori de sondaj, 143

modificare absolută, 196 eşantion, 136

modificarea medie absolută, 200 estimator de medie, 155

nivelul mediu, 200 estimator de total, 154

proprietăţi, 193 estimatori, 137

ritmul de creştere/descreştere, 199 metoda cotelor, 142

ritmul mediu de creştere/descreştere, 201 metoda itinerariilor, 142

sezonalitatea, 204 metoda unităţilor-tip, 142

trendul, 203 notaţii, 137

valoarea absolută a unui procent din ritmul parametrii colectivităţii generale, 164
de creştere/descreştere, 199
plan de sondaj, 135
variaţia reziduală, 204
probabilitate, 137
Serie statistică
procedeul loteriei, 139
cronologică (dinamică, de timp), 43
procedeul tabelului cu numere
de repartiţie (distribuţie), 43 întâmplătoare, 140

de spaţiu (teritorială), 43 reprezentativitatea eşantionului, 136

multidimensională, 43 selecţie aleatoare nerepetată, 140

unidimensională, 43 selecţie aleatoare repetată, 139

Sistematizarea datelor selecţie probabilistă, 139

grupare pe valori, 37 selecţie sistematică, 141

gruparea combinată, 36 sondaj de serii, 162

254
sondaj în trepte, 159 Tabele statistice

sondaj stratificat, 156 categorii, 43

sondajul aleator simplu, 154 cu dublă intrare (bidimensionale), 44

sondajul empiric, 141 cu o singură intrare (unidimensionale), 43

volumul eşantionului, 162 reguli de construire, 44

Statistică Unitate statistică, 10

definiţie, 1 Unitate statistică complexă, 11

statistica oficială, 3 Unitate statistică simplă, 10

Statistică oficială Variabilă statistică, 11

Banca Naţională a României, 3 Variabilă statistică calitativă, 11

calitate în statistică, 3 Variabilă statistică de tip dată calendaristică,


11
Eurostat, 3
Variabilă statistică numerică, 11
Institutul Naţional de Statistică, 3

principiile fundamentale ale statisticii


oficiale, 3

255

S-ar putea să vă placă și