CAPITOLUL III.

Modelarea econometrică a cursului de schimb

RON/EURO din România în perioada 2000 – 2014

3.1. Modelarea cursului de schimb RON/EURO

Dispunem de 196 observaţii asupra mărimii variabilelor m2, i, e, robor, ri,

rs, cs, notate astfel: Yt – cursul de schimb şi X1t – agregatul monetar M2, X2t –
importul, X3t – exportul, X4t – rata dobânzii, X5t – rata dobânzii ROBOR, X6t –
IPC, X7t – rata inflaţiei, X8t – rata şomajului.

Obiectivele cercetării noastre sunt: modelarea econometrică a cursului de schimb

EURO/RON din România. Datele au fost preluate de pe http://www.bnro.ro/ şi au
fost preluate în Excel, apoi introduse în EWiews. Am folosit datele referitoare la
valoarea agregatului monetar M2, a importurilor, a exportului, a ratei dobânzii
ROBOR, a ratei inflaţiei şi a ratei şomajului, în perioada ianuarie 2000 – ianuarie
2014.
În scopul identificării formei legăturii dintre cele nouă variabile, vom
reprezenta grafic norul de puncte:

60

50

40
CS

30

20

10

0
0 100,000 200,000 300,000

M2

Analiza modului în care sunt dispuse punctele pe suprafaţa graficelor permite

studierea următoarelor aspecte, legate de:
- existenţa legăturii: deoarece punctele graficului nu sunt împrăştiate în planul xoy
ci se grupează sub forma unui “nor” de puncte putem afirma că între x şi y există
legătură.
- sensul legăturii: deoarece punctele sunt situate pe o dreaptă descendentă rezultă
că legătura este inversă ceea ce înseamnă o scădere a cursului de schimb (CS).
- forma legăturii: după forma norului putem afirma că între x şi y există o legătură
liniară.
- intensitatea legăturii: legătura dintre cele două variabile este de intensitate
medie spre mică la nivelul eşantionului de valori.

0
 60

50

40

CS
30

20

10

0
0 1,000 2,000 3,000 4,000 5,000 6,000

Analiza modului în care sunt dispuse punctele pe suprafaţa graficelor permite

studierea următoarelor aspecte, legate de:
- existenţa legăturii: deoarece punctele graficului nu sunt împrăştiate în planul xoy
ci se grupează sub forma unui “nor” de puncte putem afirma că între x şi y există
legătură.
- sensul legăturii: deoarece punctele sunt situate pe o dreaptă descendentă rezultă
că legătura este inversă ceea ce înseamnă o scădere a cursului de schimb (CS)
RON/EURO determinând şi o scădere a importurilor.
- forma legăturii: după forma norului putem afirma că între x şi y există o legătură
liniară.
- intensitatea legăturii: legătura dintre cele două variabile este de intensitate
medie spre mare la nivelul eşantionului de valori.

60

50

40
CS

30

20

10

0
0 1,000 2,000 3,000 4,000 5,000

Analiza modului în care sunt dispuse punctele pe suprafaţa graficelor permite

studierea următoarelor aspecte, legate de:
- existenţa legăturii: deoarece punctele graficului nu sunt împrăştiate în planul xoy
ci se grupează sub forma unui “nor” de puncte putem afirma că între x şi y există
legătură.
- sensul legăturii: deoarece punctele sunt situate pe o dreaptă descendentă rezultă
că legătura este inversă ceea ce înseamnă o scădere a cursului de schimb (CS).
- forma legăturii: după forma norului putem afirma că între x şi y există o legătură
liniară.
- intensitatea legăturii: legătura dintre cele două variabile este de intensitate
medie spre mare la nivelul eşantionului de valori.

1
 60

50

40

CS
30

20

10

0
0 5 10 15 20 25 30 35 40

ROBOR

Analiza modului în care sunt dispuse punctele pe suprafaţa graficelor permite

studierea următoarelor aspecte, legate de:
- existenţa legăturii: deoarece punctele graficului nu sunt împrăştiate în planul xoy
ci se grupează sub forma unui “nor” de puncte putem afirma că între x şi y există
legătură.
-sensul legăturii: deoarece majoritatea punctelor sunt situate pe o dreaptă
descendentă, legătura este inversă, ceea ce înseamnă o scădere a cursului de
schimb (CS), determinând scăderea ratei dobânzii ROBOR.
- forma legăturii: după forma norului putem afirma că între x şi y există o
legătură liniară.
- intensitatea legăturii: legătura dintre cele două variabile este de intensitate
medie spre mică la nivelul eşantionului de valori.

60

50

40
CS

30

20

10

0
0 10 20 30 40 50 60 70

RI

Analiza modului în care sunt dispuse punctele pe suprafaţa graficelor permite

studierea următoarelor aspecte, legate de:
- existenţa legăturii: deoarece punctele graficului nu sunt împrăştiate în planul xoy
ci se grupează sub forma unui “nor” de puncte putem afirma că între x şi y există
legătură.
-sensul legăturii: deoarece majoritatea punctelor sunt situate pe o dreaptă
ascendentă, legătura este directă, ceea ce înseamnă o creştere a cursului de schimb
(CS), determinând creşterea ratei inflaţiei (RI).
- forma legăturii: după forma norului putem afirma că între x şi y există o
legătură liniară.
- intensitatea legăturii: legătura dintre cele două variabile este de intensitate
medie spre mică la nivelul eşantionului de valori.

2
 60

50

40

CS
30

20

10

0
100 110 120 130 140 150 160

RS

Analiza modului în care sunt dispuse punctele pe suprafaţa graficelor permite

studierea următoarelor aspecte, legate de:
- existenţa legăturii: deoarece punctele graficului nu sunt împrăştiate în planul xoy
ci se grupează sub forma unui “nor” de puncte putem afirma că între x şi y există
legătură.
-sensul legăturii: deoarece majoritatea punctelor sunt situate pe o dreaptă
ascendentă, legătura este directă, ceea ce înseamnă o creştere a cursului de schimb
(CS), determinând creşterea ratei şomajului (RS).
- forma legăturii: după forma norului putem afirma că între x şi y există o
legătură liniară.
- intensitatea legăturii: legătura dintre cele două variabile este de intensitate
medie spre mică la nivelul eşantionului de valori.

Modelul econometric are următoarea formă:

Pentru analiza legăturii dintre variabilele cursul de schimb şi agregatul monetar

M2 am ales următorul model:
Yt  a  X t   t  t  1,.....
unde:
Yt = cursul de schimb din luna t
Xt = agregatul monetar din luna t
εt = variabila reziduală

1. Ipoteze fundamentale

 H0 : Ipoteza de liniaritate: modelul este liniar în Xt;

 H1 : Ipoteze asupra variabilelor X şi Y:
(i) xt şi yt reprezintă valori numerice ale variabilelor X şi Y rezultate prin
observarea statistică, neafectate de erori sistematice;
(ii) Y este variabila endogenă aleatoare, pentru că este funcţie de ε ;
(iii) X, variabila explicativă, este considerată ca fiind o variabilă
deterministă în model, nealeatoare;
 H2 : Ipoteze asupra erorilor ε:

3
 (i) ε are o distribuţie independentă de timp, de speranţă matematică nulă,
respectiv:

E (εt) = 0, () t = 0, 1, 2, …, T

V (εt) = E[εt – E(εt)]2 =

E ε 2t  
= σ ε , t
2

altfel spus, modelul este homoscedastic.

(ii) Independenţa erorilor. Două erori εt şi εt’ sunt independente liniar între
ele, adică

cov  ε t ,ε t'   0

respectiv

cov  ε t ,ε t'  =E{[ε t -E  ε t  ][ε t' -E  ε t  ]} = E  ε t ,ε t'  = 0, () t  t ' =1, 2,..., T

(iii) Variabila ε are o distribuţie normală.

 H3 : Ipoteze privind variabila exogenă X:
cov(xt, εt) = 0,   t - erorile sunt independente de X;

(i)
(ii) Se presupune că pentru T  , primele două momente empirice ale
variabilei X sunt finite, respectiv
T
1
lim ∑ x t =X 0 ,
Speranţa matematică T →∞ T t=1
T
1
lim ∑ ( x t − X )2 =σ 20 ,
Varianţa T →∞ T t=1

2. Determinarea estimatorilor de regresie liniară prin metoda celor mai mici

pătrate

Aplicăm metoda celor mai mici pătrate pentru determinarea coeficienţilor.

Folosind softul Eviews obţinem următoarele rezultate:
Dependent Variable: CS
Method: Least Squares
Date: 05/06/14 Time: 18:36
Sample: 2000M01 2014M01
Included observations: 169
CS=C(1)* M2+ C(2)

Coefficient Std. Error t-Statistic Prob.  

C(1) -0.000123 8.52E-06 -14.47881 0.0000

C(2) 27.47968 1.188592 23.11952 0.0000

R-squared 0.556601    Mean dependent var 13.08136

Adjusted R-squared 0.553946    S.D. dependent var 12.67216

4
S.E. of regression 8.463387    Akaike info criterion 7.121140
Sum squared resid 11962.03    Schwarz criterion 7.158180
Log likelihood -599.7363    Hannan-Quinn criter. 7.136171
F-statistic 209.6360    Durbin-Watson stat 0.020857
Prob(F-statistic) 0.000000

a^ =
∑ y t x t −T Y X = ∑ ( y t −Y )( x t −X ) = cov ( X , Y ) =−0 .00
∑ x 2t −T X 2 ∑ ( x t −X )2 V (X)
^ −a^ X=27 . 48
b=Y
Plecând de la variabilele lui x şi y au fost estimaţi cei 2 parametrii:
- a estimat este C(1) şi înregistrează valoarea -0,00.
- b estimat este C(2) şi este egal cu 27,48.
Yt=a*Xt+b
Yt=-0,00+27,48

3.2. Testarea validităţii modelului

Testarea validităţii modelului presupune parcurgerea următoarelor etape:

- Testarea validităţii modelului de regresie folosind metoda descompunerii
varianţei;
- Calculul raportului de corelaţie şi testarea semnificaţiei lui;
- Inferenţa statistică pentru parametrii modelului de regresie;
- Verificarea ipotezelor modelului de regresie.

3.2.1. Testarea validităţii modelului de regresie folosind metoda

descompunerii varianţei

Dispersia totală verifică următoarea relaţie:

  y -Y  =   yˆ -Y  +   y -yˆ   
T 2 T T T

t t t t + 2 yˆ t -Y  y t -yˆ t 
t=1 t=1 t=1 t=1

Termenii relaţiei se definesc prin:

 
T 2
σ 2Y =  y t -Y
t=1 - varianţa totală a variabilei Y determinată de toţi factorii
săi de influenţă;
  yˆ -Y 
T 2
σ 2Y/X = t
- varianţa fenomenului Y determinată numai de variaţia
t=1

factorului X, considerat factorul principal al variabilei Y, adică variaţia lui Y

explicată de modelul econometric;
T

 y - yˆ t 
2
σ ε2 = t
t=1 - variaţia reziduală, sau variaţia fenomenului Y generată
de către factorii nespecificaţi în model, aceşti factori fiind consideraţi – în etapa
de specificare – drept factori cu influenţă întâmplătoare, neesenţiali pentru a
explica variaţia fenomenului Y;

5
Descompunerea varianţei - Metoda ANOVA
Numărul Valoarea testului
Sursa de Măsura Dispersii
gr. de F
variaţie variaţiei corectate
libertate Fcalc Fα;v1;v2
Varianţa
explicată de
σ 2Y =  y t -Y 
T 2 σ2
model, k=1 s 2Y/X = Y/X
datorată
t=1
k
factorului X
Varianţa s 2Y/X
Fcalc =
Reziduală, s ε2
σ 2Y/X =   yˆ t -Y 
T 2
σ ε2
datorată T–k-1 s ε2 =
t=1 T - k -1
factorilor
neesenţiali
n T
Varianţa σ ε2 =   y t -yˆ t 
2
  y -yˆ 
2

T-1 t t

totală
2 t=1
s = ε
t=1 T-1

Pe baza datelor din tabel se pot testa următoarele ipoteze:

H0: s2Y/X = s2ε, cele două dispersii sunt aproximativ egale, influenţa
factorului X nu diferă semnificativ de influenţa factorilor întâmplători.
H1: s2Y/X ≠ s2ε, influenţa factorului X şi a factorilor întâmplători – măsurată
prin cele două dispersii – diferă semnificativ şi, deci, se poate trece la discuţia
similitudinii, a verosimilităţii modelului teoretic în raport cu modelul real.
Acceptarea ipotezei H0 este echivalentă cu respingerea modelului (modelul
nu este valid).
Testarea semnificaţiei dintre două dispersii se face cu ajutorul distribuţiei
teoretice Fisher-Snedecor, respectiv cu testul F.
s 2Y/X σ Y/X
2
σε2
Fcalc = = :
s ε2 k T-k-1
Cunoscând cele două valori, , şi Fα,v1,v2 valoarea
teoretică a variabilei F, preluată din tabelul repartiţiei Fisher – Snedecor, în
funcţie de un prag de semnificaţie α şi un numărul gradelor de libertate υ1 = k; υ2
= n–k-1, regula de decizie se scrie:
- se acceptă H0 şi se respinge H1 dacă Fcalc ≤ Fα,υ1,υ2, deci modelul nu este
valid;
- se acceptă H1 şi se respinge H0 dacă Fcalc >Fα,υ1,υ2 , deci modelul este valid.

3.2. Calcularea coeficientului de corelaţie R2, a coeficientului de corelaţie

corectat şi testarea reprezentativităţii lui

Coeficientul de corelaţie R2 exprimă rolul jucat de ansamblul variabilelor

exogene asupra variabilei endogene. Cu cât valoarea acestuia este mai apropiată
de 1, cu atât legătura dintre variabile este mai intensă.

6
   y -Y 
T 2
i
 Y/X =
R i=1

  y -Y 
T 2
i
i=1

Efectuăm calculele şi obţinem:

 Y/X 
R

Această expresie nu ţine cont de numărul observaţiilor şi nici de numărul

variabilelor explicative din model. O valoare mai precisă a lui R 2 , care ţine cont
de numărul observaţiilor T = ..... şi numărul variabilelor exogene p = .... este
următoarea (R2 corectat):

 T 1
R2  1  (1  R 2 ) 
Tp

Testarea reprezentativităţii lui R2

H0: R2 =0
H1: R2 ≠0

 2
R T  p 1
Fcalc  2
 
 p
1 R

Se compară valoarea calculată a lui F cu cea tabelară. Regulile de decizie

sunt următoarele:
- dacă Fcalc < Ftab, ipoteza nulă este cea care este acceptată, fapt echivalent
cu inexistenţa unei legături între cele două variabile la nivel de populaţiei totală.
- dacă Fcalc > Ftab, ipoteza nulă este cea care se respinge, acceptându-se cea
alternativă.

Întrucât Fcalc>Ftab rezultă că .........................

3.3. Teste şi regiuni de încredere pentru coeficienţi

3.3.1.Testarea validităţii estimaţiei coeficienţilor

Pentru testarea validităţii estimaţiei coeficienţilor ai se utilizează testul

Student. În general :
H0 : ai = 0, cu alternativa

7
 H1 : ai ≠ 0
âi
| |≥t α
σ^ â 2
Dacă i atunci H0 se respinge, iar coeficientul ai este
semnificativ diferit de 0.
σ^ â
Valorile i sunt.....

Pentru parametrul a emitem ipotezele:

H0 : a = 0, cu alternativa
H1 : a ≠ 0
După efectuarea calculelor, obţinem:
â
tcalc  
ˆ â
şi ştim că ttab =
Comparăm cele două valori şi tragem concluzia că ...................cu o
probabilitate de 95%, ceea ce înseamnă că ..............
Idem pt. parametrul b.

3.3.2. Intervale de încredere pentru coeficienţi

Forma intervalului de încredere pentru coeficientul a al modelului este:


P a  t tab  σ a  a  a + t tab  σ a   1 α
unde
a - termenul liber
σ a - abaterea medie pătratică a coeficientului a

 
Se cunoaşte a = ..., σ a = .... şi ttab = 1,96, iar probabilitatea de garantare a
rezultatelor este 95%, deci putem face calculele:

P  ....  a  ...   95%

Putem garanta deci, cu o probabilitate de 95%, că valoarea coeficentului a,

la nivelul populaţiei totale, este cuprinsă între ..........

8
3.4. Testarea ipotezelor fundamentale referitoare la variabila aleatoare ε

Pe lângă influenţa factorilor esenţiali, asupra mărimii ........... (Y) îşi

exercită influenţa şi alţi factori, care sunt surprinşi prin variabila ε. Aceşti factori
ar putea fi:........................

3.4.1. Ipoteza de homoscedasticitate a variabilei reziduale


Pentru a verifica ipoteza de homoscedasticitate a erorilor modelului ε t se
foloseşte testul White; se pleacă de la ecuaţia
2
ε t = α 0 + α1 x t + α 2 x t2 + ω t


şi se doreşte să se studieze dacă între ε t , xt şi xt2 există o legătură. Dacă între aceste
variabile există legătură, despre erorile modelului se spune că sunt
heteroscedastice, dacă nu – ele se numesc homoscedastice.

Existenţa legăturii la nivelul eşantionului este indicată de raportul de

corelaţie estimat, iar pentru generalizarea rezultatelor se emit ipotezele:
H 0 : R 2 2 / x , x2 = 0
(modelul este homoscedastic)
R 2 2  0
2
H1:  / x , x (modelul este heteroscedastic)
Regulile de decizie sunt:
- dacă Fcalc < Ftab , nu se poate respinge ipoteza H , adică erorile sunt
0
homoscedastice, acest lucru garantându-se cu o probabilitate de 95%.
- dacă Fcalc  Ftab , ipoteza H0 se respinge, şi se acceptă ca fiind adevărată,
cu o probabilitate de 95%, ipoteza H 1, ceea ce înseamnă că erorile sunt
heteroscedastice, acest lucru garantându-se cu o probabilitate de 95%. În acest caz
modelul nu este valid, el neputând fi folosit la realizarea de previziuni.

Aşadar, la nivel de eşantion, raportul de corelaţie înregistrează valoarea

2
R  2 / x, x2
= .........., valoare apropiată de zero. Acest fapt ne indică inexistenţa unei
legături între variabile la nivelul eşantionului. Pentru a generaliza această
informaţie la nivelul populaţiei totale, aplicăm testul Fisher şi emitem cele două
ipoteze:

H 0 : R 22 / x , x2 = 0
(modelul este homoscedastic)
R 2
 2 / x , x2
 0
H1: (modelul este heteroscedastic)

Deoarece Fcalculat =....... este mai mare/mic decât Ftabelar=3,92, se respinge

ipoteza H0 , deci se garantează, cu o probabilitate de 95% că modelul este .........

9
3.4.2. Ipoteza independenţei valorilor variabilei reziduale εt

Testul Durbin Watson se bazează pe modelul de regresie multifactorial

Yt = aX t + b + ε t (1)
ε t = ρε t-1 + u t (2)


Erorile modelului (1), ε t se consideră a fi corelate de ordinul unu dacă, în
 
general, între două erori oarecare succesive, ε t şi ε t-1 , există o legătură ca şi cea
descrisă în relaţia (2), adică în situaţia în care valoarea coeficientului ρ, la nivelul
populaţiei totale, diferă semnificativ de zero. Verificarea independenţei erorilor se
rezumă deci la testarea ipotezelor:

H0: ρ = 0 (erori independente, necorelate) cu alternativa

H1: ρ ≠ 0 (erori dependente, corelate)

Pentru alegerea ipotezei corecte se determină statistica Durbin Watson:

  ε 
T
t - ε t -1
t=2
DWcalc = T 2
 ε
t=1
t

Valoarea DWcalc, se compară cu două valori teoretice, d1 şi d2, citite din

tabelul distribuţiei Durbin - Watson în funcţie de un prag de semnificaţie α,
convenabil ales, (α = 0,05 sau α = 0,01), de numărul de variabile exogene, k şi de
valorile observate (T, T ≥ 15).
Regulile de decizie ale testului sunt:

d ≤
0 < DWcalc < 1 d2 < DWcalc < 4 - d2 ≤ DWcalc≤ 4 4 - d1 < DWcalc <
DWcalc ≤
d1 4 - d2 - d1 4
d2
Autocorelare Indecizie Erorile sunt Indecizie Autocorelare
pozitivă ← independente → negativă

În cazul nostru, DW calculat = ....., se compară cu d 1 şi d2 din tabelul

distribuţiei Durbin Watson. În cazul nostru d1=1,64 iar d2=1,69 pentru
probabilitatea de 95%.

10
3.4.3. Testarea normalităţii distribuţiei variabilei aleatoare ε

Verificarea ipotezei de normalitate a erorilor presupune compararea

histogramei erorilor cu Clopotul lui Gauss. Se ştie că acesta este caracterizat prin
doi parametri – coeficientul de asimetrie, α = 0 respectiv coeficientul de boltire, β
= 3. Se spune despre erorile unui model econometric că sunt distribuite normal
dacă între valorile α şi β ce caracterizează histograma erorilor şi valorile standard
ale Clopotului lui Gauss, 0 şi 3, nu există diferneţe semnificative din punct de
vedere statistic. În cazul nostru aceste valori sunt coeficientul de asimetrie,
Skewness, αε = .... respectiv coeficientul de boltire, Kurtosis, βε =....... După cum
se observă, histograma erorilor este/nu este simetrică, deoarece valoarea
coeficientului de asimetrie nu este apropiat de zero, iar legat de boltire,
histograma erorilor este mai ascuţită/plată decât Clopotul lui Gauss, întrucât β > 3
(histograma erorilor este leptocurtică). Problema care se pune în acest moment
este aceea de a verifica dacă diferenţele între αε = ....... şi valoarea standard α = 0
respectiv βε = ...... respectiv valoarea standard β =3, sunt semnificative din punct
de vedere statistic sau nu. În acest scop se foloseşte testul Jarque Bera. Se emit
ipotezele:

H0: ε t N(0, 1) adică erorile sunt distribuite normal

H : ε t  N(0, 1) adică erorile sunt nu distribuite normal
1
Pentru alegerea ipotezei corecte, se determină valoarea
 α 2  β - 3 2 
JB calc = T + 
 6 24 
 , care în cazul nostru este deja calculată: JB calc = .....

Regulile de decizie sunt:

- dacă JBcalc < χ 2tab , atunci ipoteza de normalitate a erorilor este
acceptată.
- dacă JBcalc > χ 2tab , atunci ipoteza de normalitate a erorilor este
respinsă.

În cazul nostru JBcalc = ......>/< χ tab= 5,99, deci ........ În consecinţă,

modelul este/nu este valid, deci poate/nu poate fi folosit la realizarea de
previziuni.

4. Previziunea variabilei Y

11
5. Concluzii

12
Bibliografie

13