Documente Academic
Documente Profesional
Documente Cultură
ECONOMETRIE
Note de curs
Constanţa - 2011
ISBN 978-606-598-094-5
© Ex Ponto - 2011
2
CUPRINS
3
CAPITOLUL 4. MODELUL UNIFACTORIAL .................................................................... 40
BIBLIOGRAFIE………………………………………………………………………………...99
ANEXE
4
CAPITOLUL 1. ECONOMETRIA: ISTORIC ŞI CONCEPTE
1
Francois Quesnay (1694 - 1774) a fost economist francez al şcolii fiziocrate. În 1758 a publicat Tableau économique
creat pe bazele gândirii fiziocrate marcând, astfel, o prima fază de abordare a economiei în sens analitic.
2
Sir William Petty (1623 - 1687) a fost economist şi filosof englez. El a dezvoltat metode eficiente pentru studiu
pământului, în contextul în care acest pământ era confiscat şi dat soldaților lui Oliver Cromwell. A avut contribuții
însemnate în teoria fiscalității, teoria monetară, diviziunea muncii şi conturile de venituri. Amintim câteva dintre
lucrările sale: A Treatise of Taxes and Contributions (1662); Political Arithmetic posthum. (approx. 1676, pub.
1690); Verbum Sapienti posthum. (1664, pub. 1691); Political Anatomy of Ireland posthum. (1672, pub. 1691);
Quantulumcunque Concerning Money posthum. (1682, pub. 1695).
3
P. Culiano, Out of this world, Shambhala Publications, Inc., Boston & London, 1991, citat de Tudorel Andrei, Regis
Bourbonnais, în Econometrie, Ed. Economică, Bucureşti, 2008, pag.20
4
Ragnar Anton Kittil Frisch (1895-1973), economist norvegian cu domenii de studiu econometria şi teoria producţiei
a obţinut Premiul Nobel pentru Economie în anul 1969. Amintim următoarele lucrări ale sale: Kvantitativ formulering
av den teoretiske økonomikks lover [Quantitative formulation of the laws of economic theory](1926);
5
şi statistician norvegian, prin analogie cu termenul „biometrie”, folosit de Fr. Galton şi K. Pearson
la sfârşitul secolului al XIX-lea, care desemna cercetările biologice care utilizau metodele
statisticii matematice.
Dezvoltarea rapidă a econometriei a generat formularea mai multor definiţii cu privire la
domeniul acestei discipline economice.5
Există mai multe categorii de definiţii:
a) definiţia istorică;
b) definiţia restrictivă;
c) definiţia extinsă.
Definiţia istorică a econometriei a fost formulată de R. Frisch în primul număr al revistei
„Econometrica” (ianuarie 1933): „înţelegerea efectivă a realităţilor constitutive din economie prin
unificarea temei economice cu statistica şi matematica”. Altfel spus, econometria este „economia
studiată pe baza datelor statistice cu ajutorul modelelor matematice”.6
Definiţia restrictivă (cvasi-stabilă) a econometriei propusă de Cowles Commission for
Research in Economics (Chicago, 1940-1950), consideră că există econometrie dacă investigarea
fenomenelor economice se face cu ajutorul modelelor aleatoare (stocastice). Susţinătorii acestei
definiţii, L. R. Klein, E. Malinvaud, G. Rottier, includ în domeniul econometriei numai cercetările
economice care utilizează metodele inducţiei statistice (teoria estimaţiei, verificarea ipotezelor
statistice) la verificarea relaţiilor cantitative formulate în teoria economică cu privire la
fenomenele sau procesele economice cercetate.
Conform acestor definiţii, un studiu econometric presupune:
existenţa prealabilă a unei teorii economice privind fenomenul, procesul sau sistemul
economic cercetat, pe baza căreia se construieşte modelul economic, care reprezintă
formalizarea ipotezelor teoriei economice cu privire la fenomenul, procesul sau sistemul
investigat;
posibilitatea aplicării metodelor inducţiei statistice la verificarea ipotezelor teoriei
economice; construirea modelului econometric şi rezolvarea acestuia.
Această definiţie restrictivă exclude din domeniul econometriei cercetările economice care
nu se fundamentează pe:
o teorie economică – implicită sau explicită privind modelul econometric al fenomenului,
procesului sau sistemului studiat;
o interpretare aleatoare a modelului respectiv.
Astfel, analiza seriilor cronologice, modelul lui Leontief (Balanţa Legăturilor între Ramuri
– B.L.R.7) ca şi statistica economică (care se fundamentează pe metoda balanţelor) nu intră în
"Sammenhengen mellem primærinvestering og reinvestering [The relationship between primary investment and
reinvestment]"(1927) şi "Correlation and scatter in statistical variables" (1929).
5
Vezi Eugen Ştefan Pecican, Econometrie ediţia a 2-a revăzută şi adăugită, Ed C.H. Beck, Colecţia Oeconomica,
Bucureşti, 2006; Ioan Gâf-Deac, Econometrie, Ed. Fundaţiei România de Mâine, Bucureşti, 2007 şi alţii
6
R. Frisch citat de Ioan Gâf-Deac, Econometrie, Ed. Fundaţiei România de Mâine, Bucureşti, 2007, pag.15
7
Balanţa legăturilor dintre ramuri − BLR − este un model matematic de structură ce oglindeşte trăsăturile esenţiale
ale reproducţiei, reflectă dezvoltarea economiei naţionale de ansamblu şi, separat, pe ramurile acesteia, conexiunile
existente în economie, evidenţiază fluxurile de bunuri ce au loc în procesul reproducţiei, ca urmare a legăturilor dintre
ramuri, proporţiile ce se formează în economia naţională.
Preocupat de problema echilibrului economic în contextul crizei mondiale, economistul Wassily Leontief a început, în
anul 1931, activitatea de cercetare a legăturilor de producţie dintre ramurile economiei americane. El divizează
economia naţională pe ramuri ale producţiei, ramuri pe care le pune faţă în faţă (pe de o parte, producătoare, pe de altă
6
sfera de cuprindere a econometriei: prima, deoarece existenţa unei teorii economice nu este
necesară, iar ultimele două, fiindcă nu permit aplicarea metodelor inducţiei statistice.
Definiţia extinsă a econometriei, promovată de economiştii din ţările anglo-saxone, ţine
seama de puternica dezvoltare, apărută după 1950, a metodelor cercetării operaţionale: teoria
optimului, teoria stocurilor, teoria grafelor, teoria deciziilor, teoria jocurilor etc.
Prin econometrie, în sensul larg al termenului, se înţelege econometria, definită în mod
restrictiv, adică, include domeniile menţionate atunci când ea este înţeleasă în sens restrictiv, la
care se adaugă metodele cercetării operaţionale. În prezent, în domeniul econometriei se includ şi
tehnicile moderne de analiză a datelor sau analiza marilor tabele.
Deoarece încă nu s-a cristalizat o concepţie unitară privind „frontierele” econometriei, în
manualele sau tratatele de econometrie, autorii, de regulă, îşi menţionează concepţia pe baza
căreia şi-au structurat lucrările.
În ţara noastră, atât în literatura de specialitate, deşi rareori se fac precizări exprese, cât şi
prin structura planurilor de învăţământ de la facultăţile economice, econometria este concepută şi
aplicată ca metodă generală de investigare cantitativă a fenomenelor şi proceselor economice –
adică, în accepţiunea largă a termenului.
parte, consumatoare pentru a putea produce), oferind, astfel, posibilitatea relevării interdependenţelor dintre ele.
Balanţele, BLR, pot avea caracter statistic sau previzional, pot fi elaborate în expresie fizică sau valorică, sunt modele
statice sau dinamice. (vezi Caracotă D. şi Caracotă C., Dimensiuni contemporane ale dezvoltării durabile şi
competitive, Capitolul 5: Analiza input-output, disponibilă la adressa: http://www.biblioteca-
digitala.ase.ro/biblioteca/pagina2.asp?id=cap5)
7
programarea dinamică, programarea stocastică, modele de stocare, modele cu fenomene de
aşteptare, lanţuri Markov ş.a..
Întrucât modelarea, şi în special cea analitică, se realizează prin simplificarea realităţii,
există posibilitatea ca această simplificare să afecteze precizia redării faptelor. În consecinţă,
luarea oricărei decizii bazate pe modelare implică un anumit grad de risc. De aceea, atunci când
se aplică, este necesar ca modelele să fie validate artificial, anterior aplicării practice. Chiar şi în
aceste condiţii, este recomandat ca asociat deciziei care se ia în urma folosirii unui model, să se
calculeze riscul aferent astfel încât aplicarea deciziei în prezenţa riscului să fie eficientă economic.
Abilitatea de a construi modele prin care să se reprezinte tot mai adecvat sistemele la care
se referă, a crescut considerabil în ultimele decenii, atât ca urmare a dezvoltării cercetărilor
operaţionale care pun la dispoziţie tot mai multe tipuri de modele sub formă prefabricată, cât şi,
datorită posibilităţilor de a apela la o tehnică de calcul tot mai performantă pentru testarea
validităţii şi rezolvării modelelor.
Concomitent cu progresele şi facilităţile oferite de ştiinţă şi tehnologie, se lărgeşte şi gama
complicaţiilor care limitează modelele, astfel: se reduc resursele naturale, populaţia globului
creşte, se accentuează globalizarea, pretenţiile cresc în toate domeniile vieţii ş.a.m.d.. 8
În general, modelul reprezintă un instrument de cercetare ştiinţifică, o imagine
convenţională, homomorfă, simplificată a obiectului supus cercetării.
Fiind o construcţie abstractă, în care se neglijează proprietăţile neesenţiale, modelul este
mai accesibil investigaţiei întreprinse de subiect, aceasta fiind una din explicaţiile multiplelor
utilizări pe care modelul le are în epoca contemporană.
Utilizat în economie, modelul - imagine abstractă, formală a unui fenomen, proces sau
sistem economic – se construieşte în concordanţă cu teoria economică, rezultând modelul
economic.
Modelul economic, reproducând în mod simbolic teoria economică a obiectivului
investigat, prin transformarea sa în model econometric, devine un obiect supus cercetării şi
experimentării (verificării), de la care se obţin informaţii noi privind comportamentul fenomenului
respectiv.
În acest mod, reprezentările econometrice, spre deosebire de modelele economice care
explică structura fenomenului sau procesului economic de pe poziţia teoriei economice, au
întotdeauna o finalitate practică, operaţională, ele devenind instrumente de control şi dirijare, de
simulare şi de previziune a fenomenelor economice.
Variabilele care formează structura unui sistem econometric, după natura lor, pot fi:
a) variabile economice;
b) variabila eroare (aleatoare), u;
c) variabila timp, t.
a) Variabilele economice, de regulă, se împart în:
variabile explicate, rezultative sau ENDOGENE, Yi , i= , şi
variabile explicative, factoriale sau EXOGENE, Xj, j = independente de variabilele
endogene Yi .
unde: n = numărul variabilelor rezultative;
k = numărul variabilelor factoriale.
8
Laura Iacob Patache, Piaţa muncii şi ocuparea în zona Dobrogea, Editura Universitară, Bucureşti, 2010, 152 şi urm.
8
În cazul modelelor de simulare sau de prognoză, variabilele Xj se mai împart în:
variabile exogene predeterminate (variabile de stare a sistemului – capacitatea de
producţie a unei întreprinderi, sau cu lag – xt-1, yt-1) şi
variabile instrumentale sau de comandă economică (dobânda, impozitul pe profit
etc.)
b) Variabila aleatoare, u, sintetizează ansamblul variabilelor, cu excepţia variabilelor Xj, care
influenţează variabila endogenă Yi, dar care nu sunt specificate în modelul econometric.
Aceste variabile (factori), pe baza ipotezelor teoriei economice, sunt considerate factori
întâmplători (neesenţiali), spre deosebire de variabilele Xj, care reprezintă factorii
determinanţi (esenţiali) ai variabilei Yi.
De asemenea, variabila eroare reprezintă eventualele erori de măsură – erori
întâmplătoare şi nu sistematice – conţinute de datele statistice privind variabilele
economice.
Pe baza acestor premise economice se acceptă că variabila aleatoare „u” urmează o
lege de probabilitate L(u), în acest scop formulându-se o serie de ipoteze statistice cu
privire la natura distribuţiei acestei variabile, ipoteze statistice care vor trebui testate cu
teste statistice adecvate fiecărei ipoteze.
c) Variabila timp, t, se introduce în anumite modele econometrice ca variabilă explicativă a
fenomenului endogen Yi, imprimându-se acestora un atribut dinamic, spre deosebire de
modelele statice.
Deşi timpul nu poate fi interpretat ca variabilă concretă (economică), se recurge la
această variabilă explicativă (fictivă) din două motive:
în primul rând, timpul, ca variabilă econometrică, permite identificarea unor regularităţi
într-un proces evolutiv, ceea ce constituie un prim pas spre specificarea precisă a unor
variabile care acţionează în timp;
în al doilea rând, el reprezintă măsura artificială a acelor variabile care acţionează asupra
variabilei Y care, fiind de natură calitativă, nu pot fi cuantificate şi, ca atare, nici specificate
în modelul econometric. Un exemplu cunoscut în acest sens îl constituie funcţia de
producţie Cobb-Douglas cu progres tehnic autonom9:
(1.1)
unde:
Q = volumul fizic al producţiei;
K = capitalul;
L = forţa de muncă;
e = numărul natural;
t = timpul;
u = variabila aleatoare;
A, α, (1-α) şi g = parametrii funcţiei, A este o constantă, α şi (1-α) reprezintă
elasticitatea outputului în raport cu capitalul fix şi, respectiv, forţa de muncă (cu cât
creşte outputul dacă K, respectiv L cresc cu 1%):
9
Vezi, Daniela Luminiţa Constantin, Economie Regională, Ed. Oscar Print, Bucureşti, 1998, pag.164-167
9
(1.2)
(1.3)
t 1 2... T
xt x1 x2... xT
yt y1 y2... yT
xi x 1 x 2 … xn
yi y1 y2 … yn
10
Într-un model econometric, un fenomen economic X={xi}, i= , poate fi introdus cu
următoarele valori:
[1] Valori reale sau empirice, xi = (x1, x2,.., xn), valori exprimate în unităţi de măsură
specifice naturii fenomenului X, ele fiind mărimi concrete şi pozitive, deci aparţin
sistemului numerelor raţionale. Vectorul valorilor lui X, xi = (x1, x2,.., xn), poate fi definit
prin doi parametri:
- media aritmetică a variabilei X
[2]Valorile centrate :
Aceste valori sunt tot mărimi concrete, dar ele aparţin sistemului numerelor reale având
atât valori pozitive cât şi negative.
Se poate demonstra uşor că aceste valori centrate au media egală cu zero, iar dispersia lor
este egală cu dispersia valorilor reale:
(1.6)
= = = M(x2) (1.7)
11
= = (1.9)
În plus faţă de aceste două proprietăţi L( ) = N(0;1)10, abaterile standard sunt mărimi
abstracte (adimensionale). Aceste calităţi conduc, atât la diminuarea calculelor statistice cu aceste
valori, cât şi la efectuarea de comparaţii între distribuţiile mai multor fenomene economice de
naturi diferite.
Un model econometric poate fi format dintr-o singură relaţie sau dintr-un sistem de relaţii
statistice. Aceste relaţii pot fi: relaţii de identitate sau deterministe, relaţii de comportament,
relaţii tehnologice şi relaţii instituţionale.
Relaţiile de identitate sunt de tipul ecuaţiilor de balanţă folosite în „Sistemul de balanţe
ale economiei naţionale”.
Relaţiile de comportament sunt acele ecuaţii stocastice care reflectă şi modelează un
proces de luare a deciziei, care încearcă să descrie răspunsul variabilei endogene Y, sub forma
deciziei, la un set de valori ale variabilelor exogene. De exemplu, într-un model macroeconomic,
relaţiile de comportament se referă la dependenţe privind consumul, investiţiile, importul şi
exportul, sistemul de preţuri, cererea monetară etc.
Relaţiile tehnologice descriu atât imperativele de ordin tehnologic privind producţia cât şi
relaţiile tehnico-economice existente în producţie, forţa de muncă şi fondurile de producţie ale
unei unităţi, ale unei ramuri sau ale economiei naţionale. Aceste relaţii tehnologice sunt
reprezentate de cunoscutele funcţii de producţie de diferite tipuri.
Relaţiile instituţionale sunt folosite pentru a explica în mod determinist sau stocastic
fenomenele care sunt determinate fie de lege, fie de tradiţie sau fie de obiceiuri. Din rândul
acestora fac parte, de exemplu, ecuaţiile care explică stabilirea impozitelor sau a cotizaţiilor în
funcţie de venit.
Tipologia modelelor econometrice este extrem de vastă. Totuşi, un model econometric
poate fi construit prin intermediul unei singure ecuaţii de comportament, tehnologice sau
instituţionale, sau cu ajutorul unui sistem de ecuaţii de genul celor patru relaţii, menţionate mai
sus, denumite modele cu ecuaţii multiple.
Testele statistice11 sunt instrumente de lucru indispensabile investigaţiei econometrice.
Necesitatea utilizării acestora este determinată de faptul că demersul econometric constă într-o
înşiruire logică de ipoteze privind semnificaţia variabilelor exogene, a calităţii estimaţiilor
obţinute, a gradului de performanţă a modelelor construite. Acceptarea sau respingerea ipotezelor
formulate în econometrie se poate face cu ajutorul mai multor teste, cele mai uzuale fiind: testul
χ2, testul t, testul F etc.
Pe lângă aceste teste statistice, în practica curentă, în diverse domenii, se foloseşte frecvent
un test denumit „testul erorii”.
10
Relaţia L(x**) = N(0;1) se citeşte: variabila x** = urmează legea de probabilitate normală având media
egală cu zero iar abaterea medie pătratică este egală cu unu (legea normală, centrată şi redusă).
11
Vezi – ipoteză statistică, test, eroare de gradul 1 şi gradul 2, prag de semnificaţie, nivel de semnificaţie – Dicţionar
statistic-economic, D.C.S., Bucureşti, 1969
12
În general, aplicarea acestui test presupune compararea a două valori:
0 = valoarea observată sau estimată;
T = valoarea teoretică, aşteptată sau prognozată.
Pe baza celor două valori se definesc:
- eroarea absolută, = ;
- eroarea relativă, = 100 .
Se construiesc cele două ipoteze:
H0: 0 ≈ T;
H1: 0≠ T.
Stabilindu-se arbitrar o valoare absolută (Ea) sau relativă (Er)12 de echivalare a celor două
valori, (0) şi (T), regula de (alegere) decizie a celor două ipoteze este următoarea:
este acceptată ipoteza H0 dacă Ea ≤ ea sau Er ≤ er ⇒ cele două valori, (0) şi (T), sunt
echivalente, adică diferenţele dintre ele sunt întâmplătoare şi nu sistematice;
este acceptată ipoteza H1 dacă Ea > ea sau Er > er ⇒ cele două valori, (0) şi (T), diferă
semnificativ şi nu pot fi considerate ca echivalente, respectiv extrase din aceeaşi urnă sau
dintr-o colectivitate omogenă.
Acest test al erorii este utilizat în mod curent în domeniul analizei statistico-economice a
variaţiei în timp şi/sau în spaţiu a unui fenomen economic, dar poate fi aplicat şi în domeniul
econometriei, dar cu discernământ şi nu în mod excesiv.
12
Un astfel de test şi criteriu de decizie se utilizează în comerţul cu produse îmbuteliate sau ambalate pentru care, de
regulă, criteriul de decizie este de ± 5 % din volumul sau greutatea, T, a ambalajului.
13
vezi Ioan Gâf-Deac, 2007, p.77
13
În prezent, nu putem concepe modelarea proceselor economice fără a apela la utilizarea
unor pachete de programe care permit rezolvarea de ecuații simultane, efectuarea de previziuni,
prelucrarea statistică a datelor, etc. Dintre acestea, cele mai des utilizate în econometrie sunt: Data
Analysis din EXCEL, EVIEWS, SAS, SPSS, STATISTICA, MATLAB şi altele cu performanţe
diferite şi multiple.
15
CAPITOLUL 2. BAZELE ECONOMICE ŞI MATEMATICE
ALE ECONOMETRIEI
16
În sine, econometria prin faptul că „măsoară”, deci induce cuantificări ale informaţiilor,
determină „cunoaştere”, în înţeles general, cognitiv.
Dintr-un model raţional este posibilă construirea, deci generarea, unui model empiric, care
„împinge” cunoaşterea în noi areale evolutive, cu ajutorul rezultatelor-imagini.
Modelele econometrice reconstituie mecanismele economice în imagini, care sub procesări
statistice duc la noi rezultate-imagini, folositoare managementului comportamentului sistemelor
complexe.
Modelele posibilităţilor sunt generate de statistici specifice, cu ajutorul cărora se
experimentează întreg setul de modele alternative, până la stabilirea celui cu verosimilitate
maximă.
Statisticile reprezintă intrările (inputs) principale în procesele economice cercetate.
Reductibilitatea poate afecta predicţia, în măsura în care concentrarea sau simplificările
operate prin statistici pierd din calcule variabile cu potenţial permanent de influenţă.
În fapt, econometria reprezintă o extensie sau o dezvoltare ulterioară a economiei
matematice.
Între micro şi macroeconomie sunt marcate raporturi dimensionale, respectiv este
formalizat un dualism necontradictoriu.
Aplicabilitatea modelelor econometrice este urmărită concomitent ca imagine – rezultat, în
cele două niveluri, respectiv micro şi macroeconomic.
Ajustarea ecuaţională econometrică şi deopotrivă estimarea reprezintă proceduri sau
instrumente de căutare a aliniamentelor de predicţie, cu grad cât mai înalt de verosimilitate.
Ipotezele simplificatoare nu trebuie să influenţeze tendinţa de creştere a identificării
verosimilităţi.
17
- un complex de relaţii, la un timp dat implică un anume complex la un timp următor,
aspect ce pune în evidenţă dinamica sistemului.”
Structural, sistemele se referă la reunirea părţilor specifice, din rândul cărora enumerăm:
18
Numai astfel sistemul econometric devine un câmp, un spaţiu obiectiv şi structurat pentru
cercetarea problemei economice de interes (fenomenul econometric în cazul de faţă).
Pentru a defini un proces, un obiect sau un fenomen economic ca sistem, el trebuie separat
şi opus restului „lumii”, trebuie să i se cunoască graniţele.
Intrarea apare ca un dispozitiv ce recepţionează acţiunile exterioare, format din elemente
identificabile, care în cazul fenomenului de conducere recepţionează informaţii (intrarea este
informaţională în econometrie).
Intrarea mai este definită şi drept capacitatea de a recepţiona informaţii exterioare, sau
orice acţiune informaţională din exterior asupra sistemului, ori conexiune prin care mediul exterior
acţionează aspra sistemului.
Ieşirea este definită analog intrării, fiind un dispozitiv prin care sistemul acţionează asupra
altor sisteme, respectiv un grup de elemente identificabile prin care informaţiile ies din sistem.
Elementele intrării sunt: capacitatea de a transmite informaţii, orice acţiuni informaţionale
ale sistemului asupra altor sisteme.
d) Caracteristicile şi principiile funcţionării sistemelor econometrice.
Valoarea de comandă este sarcina pe care o are de rezolvat sistemul econometric în
ansamblu, superior organizat în condiţiile unui mediu ce produce perturbaţii.
Adaptabilitatea este însuşirea de a menţine la ieşire valoarea de comandă neschimbată, în
condiţiile unui mediu perturbator. Sistemul econometric adaptiv funcţionează după principiul
independenţei relative a ieşirii, în raport cu intrarea.
Relaţia intrare – ieşire în sistemele econometrice adaptive nu mai este explicabilă prin
cauzalitatea liniară din viziunea clasică ci rezidă dintr-o cauzalitate specifică, fiind înţeleasă prin
conceptul de stabilitate.
Stabilitatea înseamnă menţinerea stării la ieşire, independent de modificările intrării.
Stabilitatea se realizează prin echilibru, prin homeostază şi prin perfecţionarea structurii
(autoorganizare şi instruire).
Echilibrul reprezintă stabilitatea sistemelor econometrice cu o structură slabă (acestea tind
să se deplaseze spre un punct propriu de echilibru).
Homeostaza reprezintă stabilitatea sistemelor biologice (menţinerea unui sistem de
organizare ridicat, deja câştigat). Pe calea schimbării interioare a conexiunilor, în anumite limite
normale, sistemul econometric îşi permite menţinerea comportamentului.
Stabilitatea dinamică adaptivă se realizează prin autoorganizare, autoreglare şi instruire.
Autoreglarea este capacitatea sistemului econometric complex procesual adaptiv creată cu
scopul de a realiza valoarea de comandă, cu care se intervine în momentul când ieşirea se
depărtează de valoarea de comandă dată.
Folosirea capacităţii proprii de reglare impune o altă caracteristică, şi anume autonomia
(independenţa de a crea şi folosi capacitatea proprie de reglare).
Autoorganizarea este un proces de adaptare la perturbaţii externe pe calea diversificării
structurii, cu scopul de păstrare a stabilităţii, de a nu oscila, de a nu se distruge.
Atingerea valorilor de comandă e posibilă numai prin existenţa unei structuri funcţionale,
adaptată, adecvată valorii de comandă.
Modificându-se valorile de comandă şi/sau condiţiile în care funcţionează sistemul
econometric se înregistrează schimbări adecvate de structură. Aceste schimbări fac parte din
19
procesul de autoorganizare. Structura nu este ceva static ci este singura, deseori, care trebuie să se
schimbe, pentru adaptarea sistemului la perturbaţii.
Legătura inversă (feed-back) este capacitatea sistemului econometric de a realiza un flux
permanent din spaţiu, dinspre punctul terminus (unde se evidenţiază ieşirea) spre dispozitivul de
reglare.
În managementul economic controlul este denumit feed-back.
Reglatorul este legat cu intrarea şi cu ieşirea. Ca urmare a conexiunii inverse, acesta
intervine asupra stării generale a sistemului econometric (se realizează intervenţii directe asupra
intrării şi asupra stării sistemului).
I II III
I II III
20
Timp mort (Tm)
perturbare
X+∆X ZX S Y+∆Y Y
reglare
Z
R
Figura nr.3: Schema unui sistem cu autoreglare prin circuitul feed-back
a = apariţie, perturbare dispozitiv de comandă;
b = timp de stocare + prelucrare informaţii la dispozitivul de comandă şi timpul transmiterii
comenzii la efector;
- Pentru Tab < Tm perturbaţia nu are timp de traversare stabilitate;
∆Y = capacitate de sarcină pentru R
Sursa: Ioan Gâf-Deac, Econometrie, Ed. Fundaţiei România de Mâine, Bucureşti, 2007, pag.48
[S]
R
Figura nr.4: Schema unui sistem cu autoreglare şi autoorganizare
Valoarea x a intrării în S variază, ajungând x ≠ ∆x .
Rezultatul y la ieşire trebuie menţinut constant.
Sesizarea variaţiei lui y, care devine y + ∆y , se transmite prin legătură inversă la
regulatorul R.
R aplică valorii x la intrare o corecţie Z, care este de natură să restabilească rezultatele la
valoarea y.
Noua intrare se modifică la Zx şi sistemul îşi menţine y la ieşire la norma dată.
Sursa: Ioan Gâf-Deac, Econometrie, Ed. Fundaţiei România de Mâine, Bucureşti, 2007, pag.48
21
Timpul mort (Tm) este intervalul dintre apariţia perturbaţiei la intrare şi până când aceasta
se reflectă la ieşire, traversând întregul ansamblu.
Timpul de reglare efectivă (de transfer) este perioada de la apariţia perturbaţiei până când
informaţia ajunge la dispozitivul de comandă (recepţie, transmitere, mesaj) plus timpul pentru
stocare-prelucrarea informaţiilor la dispozitivul de comandă şi transmiterea comenzii până la
efector.
Reglarea efectivă are loc în paralel cu procesul de traversare a perturbaţiei prin ansamblu.
Acest aspect este posibil numai pentru perturbaţii ce sunt sesizate încă la intrare, când regulatorul
este legat direct cu intrările.
Există şi perturbaţii care nu sunt sesizate la intrare de către regulator, fie pentru faptul că
nu se urmăresc sistematic, deci nu sunt cunoscute sub aspectul efectelor lor, fie că informaţia
întârzie să atingă la regulator.
Dacă timpul de transfer sau de reglare efectivă este mai scurt decât timpul mort, perturbaţia
nu are timp să traverseze sistemul şi să-şi realizeze efectul, rezultatul rămânând stabil.
Capacitatea de sarcină a dispozitivului de reglare este reflectată de nivelul perturbaţiei pe
care o poate prelua regulatorul.
Fiecare sistem acţionează într-un mediu specific, are o funcţie specifică şi trebuie, în
general, să răspundă la un anumit tip de intrări perturbatoare (să aibă o anumită capacitate de
sarcină).
La perturbaţii foarte puternice R se blochează şi depărtează ieşirea de valoarea de
comandă, iar sistemul econometric se dezorganizează. Apare necesitatea intervenţiei din afara
sistemului, pentru reorganizare şi pentru deblocarea dispozitivului de reglaj.
Reglarea se poate face prin:
autoreglare;
autoorganizare;
compensare;
schimbări aduse în mediul perturbator.
Autoreglarea este acţiunea dispozitivului de reglare asupra intrării perturbatoare.
Autoorganizarea este acţiunea de intervenţie asupra structurii sistemului pentru adaptarea
acestuia la perturbaţii (schimbarea unor legături în structură, schimbarea destinaţiei unor elemente,
suplimentarea sau scoaterea unor elemente din sistem).
Compensarea (comanda pură) are loc când forţele exterioare compensează efectele
perturbărilor deja suferite şi când acestea procedează la reorganizare. Rezultă necesitatea obiectivă
a existenţei unui sistem supraordonat, care să joace acest rol compensator. La reglarea prin
compensare nu mai are loc alertarea dispozitivului propriu de reglaj (circuitul informaţional se
deschide de către sistemul supraordonat).
O organizaţie, respectiv un fenomen economic se manifestă ca sistem econometric
suprastabil atunci când funcţionează ca sistem de autoreglare şi autoorganizare (există tendinţa de
a apela la reglare prin compensare chiar şi în situaţii când şi-ar putea folosi propriile capacităţi
pentru a putea face faţă perturbaţiilor).
Reglarea prin schimbări aduse mediului perturbator înseamnă eliminarea din afară a
intrărilor perturbatoare.
22
e) Alte caracteristici de funcţionare şi comportare
Orientarea este însuşirea sistemului econometric de a-şi optimiza nivelul răspunsurilor în
condiţii de perturbaţii variate. Orientarea este rezultatul capacităţii sistemului de a capta şi
prelucra, şi de a folosi informaţia despre mediu şi despre starea lui însuşi pentru a elabora stări noi,
neconforme cu tendinţa liniară a cauzei.
Finalitatea nu este o însuşire generală a sistemelor (sistemele fizice n-au această însuşire).
Nu se poate reduce la o finalitate determinată acţiunea sistemelor hipercomplexe, de tipul
organizaţiilor sociale sau cele ale fenomenelor economice, (deci organizaţiile sociale nu au însuşiri
de finalitate, ci au însuşiri de elaborare, de creştere, de creaţie, de dezvoltare).
Acţiunea este finalistă în sistemele cibernetice. Unele entităţi se pot manifesta ca
organizaţii finaliste, pentru realizarea unei valori comandate, ele fiind, în esenţă, subsisteme
sociale cu structuri şi destinaţii specifice.
Echifinalitatea constă în aceea că interacţiunile dintre părţile unui sistem se subordonează
cerinţei realizării aceleaşi valori de comandă.
Comportarea înfăţişează sistemul în acţiune sau funcţionarea lui. Aceasta e definită de
totalitatea acţiunilor sistemului, ca reacţie sau adaptare la mediul exterior, în urma recepţionării şi
prelucrării informaţiei.
Comportarea este un rezultat al caracterului orientat al funcţionării, al capacităţii de
autoreglare şi autoorganizare, al posibilităţii de a răspunde într-un mod adecvat la un mediu
complex.
Comportarea este un rezultat direct al conducerii sistemului ca un proces de obţinere, de
recepţie, de prelucrare şi transmitere de informaţie.
Eficienţa comportării se măsoară prin orientarea către scopul urmărit.
Prin comportare sistemul îndeplineşte o funcţie. Funcţia sistemului se defineşte din mai
multe unghiuri.
Există o funcţie externă, ca o expresie a comportării exterioare a sistemului. Ea este dată de
menţinerea conexiunilor cu alte sisteme.
Funcţia internă este o expresie a comportării interioare, pentru adaptarea şi perfecţionarea
propriei structuri. Ea corespunde cu dinamica structurii.
O definiţie mai îngustă a funcţiei este cea a funcţiei cu rol instrumental sau scop. Aceasta
se exprimă prin finalitatea sistemului sau subsistemului (apare ca realizare a valorii de comandă).
În îndeplinirea funcţiei (atât internă cât şi externă) sistemele econometrice, au două
caracteristici importante în cadrul entităţilor organizate: de căutare şi de iniţiativă.
Căutarea este caracteristică sistemelor hipercomplexe de a lua în consideraţie anumite
condiţii, de a căuta şi de a selecta cea mai bună soluţie ce se impune, ca rezultat al comportării
intenţionale a sistemelor din mediul economic unde intervine omul ca factor de cunoştinţă.
Iniţiativa este calitatea de a se comporta, în sensul de a găsi un drum nou, de a inventa.
Caracteristicile sistemelor econometrice dinamice hipercomplexe sunt:
1. Caracterul aleator (pentru aceeaşi acţiune corespund comportării diferite ale sistemului
se impune obiectiv necesitatea conducerii economice);
2. Caracterul dinamic (schimbarea conexiunilor interne şi externe în timp, pentru adaptare
şi stabilitate, prin perfecţionarea parametrilor, a structurii şi a programului general de
comportare);
23
3. Comportarea (este determinată de conexiunile informaţionale neechivalente cu cele
substanţiale şi energetice);
4. Feed-back (conexiunea inversă) (joacă rol determinant în comportarea sistemelor
dinamice complexe);
5. Stabilitatea dinamică reprezintă adaptarea structurii şi autoinstruirea (homeostaza).
6. Calitatea substanţială specifică este a unuia dintre elemente, care interacţionează în
sistem şi se manifestă nestabil şi activ, respectiv omul.
7. Caracterul deschis; sistemul este în permanentă interacţiune cu mediul ca factor esenţial
al viabilităţii, al capacităţii sale de reproductivitate, de continuitate şi de schimbare.
8. Tendinţa de optimizare este dată de caracterul proiectiv, de capacitatea de creştere şi de
creaţie.
9. Caracterul complex rezultă din faptul că are cel puţin o componentă care este la rândul
ei sistem (omul).
24
- valorice;
- de proprietate.
1. Relaţiile materiale reprezintă setul de conexiuni dintre oameni şi mijloace, din care
rezultă o valoare de întrebuinţare.
Legând mijloacele de anumite caracteristici, cu oamenii de anumite calificări, rezultă o
valoare de întrebuinţare corectă.
Scopul relaţiilor materiale este acela al creării unui produs al muncii care să aibă o anumită
valoare de întrebuinţare.
Aceste relaţii sunt, deci, în legătură cu crearea şi mişcarea valorilor de întrebuinţare.
2. Relaţiile valorice sunt reprezentate de conexiunile între forţa de muncă şi mijloacele
materiale exprimate valoric, necesare reproducţiei.
Scopul producţiei privită ca sistem de relaţii valorice este crearea de valoare nouă.
3. Relaţiile de proprietate îl reprezintă pe om ca proprietar al unei cantităţi de bogăţie
materială, opus celorlalţi subiecţi economici (omul este proprietar la repartiţia valorii nou create).
25
2.2.1 Intervenţia de reglare prin compensare
Aceasta are loc prin deschiderea circuitului de reglare intern pentru a solicita mijloacele de
stabilire a echilibrului; firma dispune de posibilităţi duble de reglare, dar este cu adevărat eficientă
doar atunci când se manifestă în sistem suprastabil.
Intervenţia de reglare-compensare este necesară în unele perioade, tocmai ca urmare a
locului pe care îl are firma în sistemul economic general.
Firma are funcţii precise şi este dotată cu mijloace specifice, fiind capabilă pentru
preluarea doar a anumitor perturbaţii.
26
Stocările (depozitările) se întâlnesc imediat după intrarea în sistem a elementelor de intrare
şi în faţa fiecărei operaţi pentru care apare necesar un timp de staţionare.
Transferul sau deplasarea între operaţiile fluxului se realizează cu toate mijloacele de
transport posibile.
În funcţie de stocările necesare şi de transferul între operaţii, există procese de producţie
continue sau discontinue.
27
2. Mulţimea alternativelor raţional posibile sau a reacţiilor (notată R), cu care se răspunde
la fiecare stare a condiţiilor obiective şi care alcătuiesc variabilele controlabile;
3. Mulţimea indicatorilor de rezultat (notată I), ce pot fi raţional luaţi în considerare la
alegerea criteriului de decizie.
1) Stimulii – În această categorie intră acele elemente ale mediului care nu pot fi
modificate în momentul luării deciziei.
Există şi parametri necontrolabili, comuni, sub forma unor restricţii politice şi economice
ale ţării, comportarea maşinilor, a inovaţiilor, a unor fenomene legate de forţa de muncă.
Parametrii necontrolabili pot fi continui, discreţi sau categorii de stare.
2) Reacţiile – Această mulţime este constituită din totalitatea posibilităţilor ce stau la
dispoziţia decidentului pentru rezolvarea unei probleme de decizie. Ca valoare sunt înţelese în cel
mai general sens al cuvântului de „valoare” (cantitate, mărime, tip, număr, ş.a.). Mulţimea
reacţiilor este generată de mulţimea stimulilor dintr-o stare a naturii.
3) Indicatorii – În stări ale naturii date pentru fiecare variantă raţional aplicabilă, se obţin
rezultate, care pot fi caracterizate prin indicatori.
Luarea unei decizii înseamnă alegerea unei variante econometrice de acţiune dintre mai
multe posibile, şi se face subordonat cerinţei de optimalitate.
Optimizarea se înfăptuieşte totdeauna relativ la un criteriu. O variantă este mai bună decât
alta numai în măsura în care ea satisface mai mult un criteriu decât altul.
Criteriile de decizie sunt:
1. criteriul simplu de decizie; se ia în considerare un singur indicator de rezultat, ceilalţi
fiind neglijaţi sau păstraţi la un nivel constant (optimul relativ).
2. criteriul complex de decizie; constituie o submulţime a mulţimii indicatorilor de rezultat
I, care se ia în considerare la rezolvarea unei probleme de decizie.
În cazul criteriilor complexe de decizie se deosebesc mai multe variante:
a) se aleg valori limitative pentru toţi indicatorii de rezultat din submulţimea lui I, mai
puţin unul, în funcţie de care se optimizează maximum sau minimum (programare matematică);
Exemplu:
Producţia în perioada t = Qt
B1,B2 – constante
Cheltuielile totale în perioada t = Cht
Productivitatea muncii WL
Atunci:
max[WL]
b) Se stabilesc relaţii funcţionale între doi sau mai mulţi indicatori şi se combină într-unul
singur.
Exemplu: Cheltuieli echivalente = Cheltuieli din exploatare + Cheltuieli din investiţii
c) Transformarea indicatorilor de rezultat în abateri de la valorile optime.
Se stabileşte o matrice A care conţine pe rânduri valoarea unui indicator în fiecare variantă,
iar pe coloane, valoarea tuturor indicatorilor pentru o variantă.
28
Matricea A
V
V1 V2 V3 … Vn
I
I1 a11 a12 a13 … a1n
I2 a21 a22 a23 … a2n
I3 a31 a32 a33 … a3n
… … … … aij …
Im am1 am2 am3 … amn
Matricea C
V
V1 V2 V3 … Vn
I
I1 c11 c12 c13 … c1n
I2 c21 c22 c23 … c2n
I3 c31 c32 c33 … c3n
… … … … cij …
Im cm1 cm2 cm3 … cmn
Σcij
29
CAPITOLUL 3. PRINCIPALELE TIPURI DE MODELE
ECONOMETRICE UTILIZATE ÎN ECONOMIE
14
Legile lui Engel au fost formularizate de Törnqvist prin intermediul următoarelor modele:
a) y = a +u; b) y = a +u; c) y = ax +u;
unde: y = cheltuielile familiilor; x = venitul familiilor; a, b ,c = parametrii modelelor; u = variabila aleatoare.
30
Faptul că o serie din aceste formulări au fost criticate, reformulate sau dezvoltate de teoria
economică interesează mai puţin în cazul de faţă. Trebuie apreciată intenţia autorilor de a oferi
descrieri riguroase, lipsite de ambiguităţi, cu posibilităţi operaţionale privind explicarea, reglarea
şi dirijarea funcţionării mecanismelor economice.
Existenţa obiectivă a acestor legături (legi economice, relativ stabile şi relativ repetabile)
dintre fenomenele şi procesele ce formează un sistem economic, reprezintă suportul teoretic pe
care econometria îşi fundamentează reflectarea formală a acestora. Aceste legături pot fi descrise
cu ajutorul metodelor statistico-matematice. În domeniul economic, deşi există o mare diversitate
de modelele, modelarea acestora la orice nivel – micro sau macroeconomic – se pot interpreta cu
ajutorul următoarei scheme:
Feed back
la variabilele de intrare
Constante şi parametri
θ, A, B
X Y
Feed back
la relaţiile modelului
După cum se vede pe grafic, modelul comportă, în primul rând, o funcţie Y a ieşirilor ca
variabilă dependentă care contabilizează impacturile variabilelor independente X şi ale
parametrilor A asociaţi.
Dacă ne referim la un proces de producţie, de exemplu, analiza economică efectuată pe
baza schemei de mai sus, evidenţiază faptul că indicatorii de rezultate yi = Qi – volumul producţiei
globale, marfă sau nete – depind atât de volumul şi natura factorilor de producţie, respectiv
volumul şi calitatea obiectelor muncii (M), volumul şi nivelul tehnic al mijloacelor de muncă (K),
numărul, experienţa şi nivelul de instruire al forţei de muncă (L), cât şi de modul lor de
interacţiune în cadrul structurii tehnice, organizatorice a procesului de producţie.
15
Vezi, Eugen Pecican, Ovidiu Tănăsoiu, Andreea Iluzia Iacob, Modele econometrice, Ed. ASE, Bucureşti, 2001,
pag.22 şi urm.
31
Cunoaşterea legităţii de variaţie în timp sau în spaţiu a unui indicator de efect economic în
funcţie de variaţia factorilor cuantificabili se poate face folosind două modele de lucru:
a) Primul, cel mai frecvent utilizat şi în prezent, îl constituie modelul determinist, care
reflectă legătura funcţională dintre elementele de intrare şi de ieşire ale sistemului –
variabilele exogene şi variabilele endogene. Pe baza definiţiilor formulate de teoria
economică cu privire la elementele obiectului respectiv, statistica economică, utilizând
metode proprii, exprimă, printr-un sistem de indicatori, elementele cuantificabile ale
sistemului economic. Pe baza parametrilor de performanţă ai sistemului (sau ai
indicatorilor de eficienţă a factorilor de producţie) se construiesc modele econometrice
deterministe între efecte şi eforturi, explicându-se variaţia variabilelor factoriale şi a
indicatorilor de performanţă sau de eficienţă ale acestora.
Astfel, în cazul unui proces de producţie, se definesc:
consumul specific c = Q=cxM (3.2)
= = (3.7)
32
Modelele deterministe se utilizează curent în practica economică la analiza pe factori a
variaţiei, în timp sau spaţiu, a multor fenomene economice. În acest scop, modelul determinist
reprezintă suportul teoretic al aplicării metodei indicilor – teritoriali sau dinamici – metodă ale
cărei avantaje şi limite sunt bine cunoscute economiştilor.
b) Al doilea model de lucru este reprezentat de modelul econometric – în sensul definirii
restrictive a econometriei – care, fundamentându-se pe metoda regresiei (metodă specifică
statisticii), descrie legătura statistică sau stocastică dintre intrările sistemului – factorii de
influenţă X – şi ieşirile acestuia – variabilele rezultative Y cu ajutorul unui model aleator:
Y = f(X) + U (3.9)
33
De foarte multe ori, se studiază legătura dintre un indicator al producţiei (Q) şi
productivitatea muncii (W), sau dintre productivitatea şi înzestrarea tehnică a muncii (f) cu
ajutorul unei funcţii, de regulă, de forma:
Q = a + b x W, sau W = a + b x f .
Teoria economică a formulat dependenţa dintre variabilele de mai sus prin intermediul
modelelor deterministe, Q = W x L şi, respectiv, W = e x f.
În comparaţie cu acestea, modelele Q = a + b x W şi W = a + b x f sunt afectate de erori de
specificare şi de identificare. Eroarea de specificare este reprezentată atât de neglijarea factorului
L – forţa de muncă, sau a eficienţei fondurilor fixe, cât şi de faptul că parametrii modelelor vor fi
calculaţi prin estimaţii statistice, ca să nu mai amintim de faptul că, de cele mai multe ori, datele
statistice provin dintr-un sondaj. Vizualizarea şi interpretarea corectă a legăturii dintre variabilele
respective impune specificarea variabilelor aleatoare în cadrul modelelor econometrice.
Referitor la eroarea de identificare, aceasta constă în alegerea greşită a funcţiei matematice.
Funcţia Q = a + b x W arată că, dacă W = 0, atunci Q = a, ceea ce reprezintă o aberaţie economică.
În astfel de situaţii modelul va trebui să fie de forma: y = b x x + U.
34
3.2. Sistematizarea modelelor econometrice utilizate în economie
35
3.2.1 Modele econometrice liniare
Dacă între variabile factoriale şi variabila finală, rezultantă se identifică liniaritate, forma
legăturilor se prezintă astfel:
y= a0 +a1x1+a2x2+….+u (3.10)
Modelele liniare prezintă o serie de neajunsuri, astfel, anumite elemente de consum nu se
modifică liniar cu evoluţia veniturilor (există anumite intervale de saturaţie, spre exemplu
produsele alimentare), precum şi faptul că coeficientul de elasticitate nu se manifestă ca potenţial
reglator de expresii, cum este coeficientul de regresie.
În situaţia modelelor liniare, coeficientul de regresie este exprimat de parametrii
variabilelor factoriale.
Semnul legăturilor este dat de semnul coeficienţilor (+ sau -).
Atunci când coeficienţii sunt pozitivi legătura este directă, iar în expresie negativă legătura
este inversă (corectivă).
Mărimea coeficientului de regresie este măsură a variaţiei variabilei rezultante (y), la o
modificare cu o unitate a variabilei factoriale.
Măsura în care alţi factori posibili să se afle în manifestarea fenomenului economic sunt
neglijaţi sau, pot fi incluşi în categoria celor care pot induce doar influenţe întâmplătoare.
37
3.2.7 Modele statice şi modele dinamice
Un model econometric static este acela în care dependenţa variabilelor endogene „y” faţă
de valorile variabilelor exogene „xj” se realizează în aceiaşi perioadă de timp:
c) Modele cu decalaj – în care variabila factorială „x” îşi exercită influenţa asupra variaţiei
variabilei „y” pe mai multe perioade de timp:
yt = f(xt,…, xt-1,…, xt-k) + ut ; t = , j = , k<t (3.19)
unde: k – lungimea perioadei de decalaj (lag)
38
global de regresie (coeficient determinat ca medie aritmetică ponderată a coeficienţilor
parţiali);
- în scopuri de prognoză, modelul global nu conduce la rezultate semnificative decât dacă
coeficientul global de regresie rămâne stabil.
39
CAPITOLUL 4. MODELUL UNIFACTORIAL
(4.1)
unde:
y = (y1, y2, …, yn) – variabila endogenă, rezultativă sau explicată;
x = (x1, x2, …, xn) – variabila exogenă, factorială, cauzală sau explicativă independentă de
variabila endogenă y;
u = (u1, u2, …, un) - variabila reziduală, aleatoare sau eroare.
Relaţia (4.1) este o ipoteză construită pe baza teoriei economice prin care se presupune
faptul că fenomenul economic y este rezultatul unui complex de factori, dar, doar unul este
principal, x. Măsura în care alţi factori posibili să se afle în manifestarea fenomenului economic
sunt neglijaţi sau, pot fi incluşi în categoria celor care pot induce doar influenţe întâmplătoare, ei
fiind încorporaţi în variabila reziduală, u. Ca orice ipoteză teoretică, ea trebuie validată sau
invalidată în urma unor testări statistice.
Spre exemplu, plecând de la teoria economică cererea de bunuri şi servicii (q) în sens
microeconomic este o variabilă dependentă, în funcţie de preţ (p) (exprimată prin legea cererii) -
variabila independentă - şi alte împrejurări (numite factorii cererii).
Putem aprecia că:
(4.2)
Plecând de la valorile preţului exprimate în lei/bucată în funcţie de care variază cantitatea
cerută din bunul respectiv, conform comportamentului cumpărătorului raţional, cu cât preţul este
mai mare cantitatea de bunuri cerută este mai mică, curba cererii evoluând ca în Figura nr.7:
Tabelul nr.1
Preţul (lei/buc.) Cantitatea (buc.)
20,00 30
18,00 40
16,00 55
15,00 65
13,00 70
11,00 95
10,00 100
9,00 115
8,00 145
6,00 185
40
Figura nr.7: Dependenţa cererii funcţie de preţ
41
Această perspectivă asupra evoluţiei realităţilor economice ne ajută să avem o viziune mai
largă, astfel, funcţia deterministă (4.2) se transformă în:
(4.3)
unde: u = variabila reziduală cuprinde toţi factorii cantitativi şi calitativi a căror influenţă
este neglijată sau au efecte întâmplătoare.
Identificarea modelului constă în alegerea unei funcţii/sau a unui grup de funcţii
matematice, cu ajutorul căreia/cărora se urmăreşte să se aproximeze valorile variabilei endogene y
numai în funcţie de variaţia variabilei exogene x. Gama de funcţii matematice, liniare sau
neliniare, care se pot utiliza în acest sens este largă. Dintre acestea menţionăm următoarele:
a<0;b>0
b<0
0 x 0 x
y b>1 y
b=1 b>0
nivel de saturaţie
0<b<1 a
b<0
b<0
0 x 0 x
16
Menţionăm că funcţia putere prin logaritmare se transformă într-o funcţie logaritmică.
42
- parabola de gradul II - funcţia lui Konius
y=a+bx+cx2+u y=x(a+b log x)+u
a,c<0; b>0
ym
0 x 0 x
II. II.
III. III.
I II (b<0)
0 c x 0 x
Alegerea unei funcţii matematice ca funcţie de regresie a unui model econometric se face
pe baza valorilor reale sau empirice ale celor două fenomene economice, sistematizate, fie în serii
cronologice (de timp), fie în serii spaţiale.
În cazul modelului unifactorial funcţia de regresie se numeşte regresie simplă deoarece
implicate în model avem o variabilă dependentă şi una independentă. Ea este şi liniară atunci când
relaţia dintre cele două variabile poate fi descrisă printr-o dreaptă în cadrul norului de puncte.
O primă apreciere asupra distribuţiei variabilelor x şi y o vom avea dacă realizăm diagrama
de împrăştiere a valorilor, de fapt reprezentarea într-un sistem de axe a punctelor având
43
coordonatele xi şi yi. Analiza vizuală a organizării şi formei norului de puncte obţinut poate oferi
indicii importante asupra relaţiei dintre variabile. Datele de sondaj vor susţine ipoteza asocierii
între variabile dacă forma norului de puncte se apropie de o curbă funcţională. Astfel, se pot
aprecia asocieri liniare, curbilinii etc. Dacă în norul de puncte nu se poate distinge o tendinţă, se
va spune că variabilele nu sunt corelate.
În figura de mai jos sunt ilustrate câteva tendinţe identificabile direct.
Cazul (a) ilustrează o asociere pozitivă, (b) – o asociere negativă, (c) – lipsă de asociere,
(d) – asociere curbilinie.
Relaţiile de interes pentru regresia liniară sunt cele ilustrate în cazurile (a) şi (b), unde este
identificabilă o tendinţă liniară în norul de puncte.
Plecând de la exemplul de mai sus construim corelograma dintre cele două variabile.
Pentru realizarea acesteia se poate utiliza programul Microsoft Excel inserându-se diagrama prin
puncte. (vezi Figura nr.9)
Prin alegerea liniei de tendinţă care aproximează cel mai bine funcţia putem identifica
ecuaţia (R2 – coeficientul de determinare - trebuie să aibă o valoare cât mai apropiată de 1). (vezi
Figura nr.10)
44
Figura nr.10: Linia de tendinţă a evoluţiei cererii funcţie de preţ
Astfel, cazul în discuţie se apropie cel mai bine de forma unei funcţii exponenţiale:
(4.4)
, deoarece y trebuie să fie pozitiv, iar care ne relevă legătura indirectă dintre cele
două variabile; care prin logaritmare se transformă în:
(4.5)
(4.6) .
(4.7)
prin logaritmare obţinem:
(4.8) .
45
2) Dacă avem modelul neliniar exponenţial:
(4.9)
(4.10) .
dacă notăm cu: x1i = xi; x2i = xi2;…; xki = xik; se obţine modelul liniar multifactorial de forma:
(4.13)
care se pretează la descrierea evoluţiei consumului (y) unui anumit produs în funcţie de venitul
consumatorului (x) şi având în vedere faptul că: consumul unui anumit produs are anumite limite/
un nivel de saturaţie, nivel exprimat de parametrul (e) al funcţiei logistice; constanta (c) putând să
ia, spre exemplu, valoarea pe care consumul produsului a atins-o într-o ţară dezvoltată unde acesta
s-a stabilizat, funcţia logistică poate fi transformată într-una liniară:
(4.14) .
(4.15) .
46
Metodele pe baza cărora se pot calcula parametrii unui model econometric sunt:
a) metoda punctelor empirice;
b) metoda punctelor medii;
c) metoda celor mai mici pătrate;
d) metoda celor mai mici pătrate generalizată;
e) metoda verosimilităţii maxime cu informaţie limitată sau completă17.
Dintre toate metodele mai sus menţionate cea mai des utilizată este metoda celor mai mici
pătrate. Primele două metode nu asigură o rigoare statistică a calculelor, iar celelalte două metode
au o valoare mai mult teoretică, deoarece în economie, ipotezele pe care se fundamentează pot fi
acceptate doar cu multă reţinere.
Metoda celor mai mici pătrate (MCMMP) pleacă de la următoarele relaţii:
unde:
yi, xi = valorile reale ale celor două fenomene economice existente în seriile statistice ale acestora;
a = este interceptul (locul pe ordonată unde dreapta de regresie se intersectează cu Oy, valoarea lui
y pentru x=0);
b = este panta de regresie (ne arată cu cât se modifică y atunci când x creşte (scade) cu o unitate);
= valorile teoretice ale variabilei y, obţinute numai în funcţie de valorile factorului esenţial xi şi
de valorile estimatorilor/parametrilor a şi b, respectiv şi ;
= estimaţiile valorilor variabilelor reziduale ui.
17
Vezi E. Şt. Pecican, Econometria pentru…economişti. Econometrie - teorie şi aplicaţii, Ediţia a treia, Ed.
Economică, Bucureşti, 2007, p.75-80
47
Sistem de ecuaţii ce se transformă în final în:
- estimaţia parametrului a:
- estimaţia parametrului b:
(4.20) ;
- dispersia variabilei x:
48
- coeficientul de corelaţie liniară a celor două variabile:
Spre exemplu, zece subiecţi sunt testaţi de Departamentul de Resurse Umane al firmei în
ceea ce priveşte nivelul de creativitate (Y) şi stilul caligrafic (X) al grafiei lor. Au fost obţinute
următoarele rezultate:
Tabelul nr.2
Nr. crt. X Y
1 17 11
2 13 15
3 15 14
4 11 18
5 19 10
6 10 19
7 12 16
8 11 15
9 13 15
10 14 14
49
Calculăm:
Tabelul nr.3
Nr. crt. X Y X² XY
1 17 11 289 187
2 13 15 169 195
3 15 14 225 210
4 11 18 121 198
5 19 10 361 190
6 10 19 100 190
7 12 16 144 192
8 11 15 121 165
9 13 15 169 195
10 14 14 196 196
Total 135 147 1895 1918
Obţinem astfel:
10a + 135b = 147
135a +1895b = 1918
În urma rezolvării sistemului de ecuaţii va rezulta: a = 27,08, iar b = -0,91. Astfel, ecuaţia
de regresie obţinută va fi de forma:
y = 27,08 – 0,91x
Vom face în continuare predicţii ale nivelului de creativitate pornind de la această ecuaţie
în situaţiile în care un subiect ar obţine nota 11, respectiv nota 19 la proba de caligrafie.
y1 = 27,08 – 0,91*11 = 17,07
y2 = 27,08 – 0,91*19 = 9,79
Putem observa că între valorile estimate şi valorile efective obţinute sunt câteva diferenţe
(17,07 estimată faţă de 17 obţinută, respectiv 9,79 estimată faţă de 10 obţinută).
Aceste diferenţe între valorile reale si cele estimate reprezintă erorile de estimare sau
valorile reziduale. Dacă am calcula toate valorile reziduale şi media lor, am obţine media zero şi
abaterea standard ar fi eroarea standard a estimării. Aceasta se interpretează asemănător cu
abaterea standard în situaţia unei distribuţii normale a datelor.
Procesul de regresie, aşa cum am văzut mai sus, presupune doi paşi. Primul se referă la
determinarea ecuaţiei de regresie, iar cel de-al doilea constă în utilizarea acestei ecuaţii în
predicţie.
Regresia se leagă foarte mult de conceptul de corelaţie. O asociere puternică între două
elemente conduce la creşterea preciziei predicţiei unei variabile pe seama alteia. Dacă am avea o
corelaţie perfectă (+1 sau –1) estimarea ar fi extrem de precisă.
50
Calcularea coeficienţilor de regresie a, respectiv b se pot determina, atunci când se
cunoaşte valoarea coeficientului de corelaţie dintre cele două variabile X şi Y, media şi abaterea
standard a celor două variabile, şi astfel:
Spre exemplu, specialiştii din Departamentul de Resurse Umane din cadrul unei firme au
realizat un studiu pe un număr de 50 de angajaţi pentru a se determina deficitul de atenţie şi
tulburările emoţionale ale acestora, precum şi legătura dintre ele. S-a obţinut un coeficient de
corelaţie (R) între acestea de 0,80. Utilizând regresia avem posibilitatea să estimăm ce tulburări
emoţionale are un subiect dacă cunoaştem în prealabil nivelul deficitului de atenţie şi tipul de
relaţie dintre cele două variabile. Astfel, dacă media variabilei X (deficitul de atenţie) a fost 20, iar
abaterea standard 5. În acelaşi timp, media variabilei Y (tulburări emoţionale) a fost 16, iar
abaterea standard 4. Coeficienţii ecuaţiei de regresie liniară a şi b vor fi:
Între caracteristicile estimatorilor un interes aparte îl reprezintă acele calităţi care fac ca
estimaţiile să reprezinte cât mai fidel valorile adevărate ale parametrilor, adică acele valori care
reprezintă pentru econometrician aportul fiecărui factor la modificarea variabilei-efect. Estimatorii
pot fi nedeplasaţi, consistenţi şi eficienţi.
Estimatorul nedeplasat, este acel parametru a cărui mărime rezultată prin aplicarea
metodei de estimare ( nu se abate sistematic de la valoarea adevărată (a,b) aşa încât dacă avem
k eşantioane de aceiaşi dimensiune n, media estimatorilor obţinuţi pe baza datelor din aceste
eşantioane r fi egală cu valoarea adevărată ( .
Estimatorul consistent vizează acea proprietate a estimatorului care interesează calitatea
metodei de estimare de a oferi soluţii ( care se apropie de adevăratele valori (a,b) cu o
probabilitate din ce în ce mai mare pe măsură ce numărul de unităţi ce formează eşantionul creşte.
51
Abordând, pentru început, cazul general, afirmăm că estimatorul (pentru parametrul a
reprezentând fie media, fie dispersia, fie parametrul de regresie) obţinut în urma prelucrării datelor
unui eşantion de n unităţi este consistent dacă:
valori (ceea ce face ca în loc de să preferăm testul t Student) indicatorul este de cele
mai multe ori necunoscut, urmând a-l estima ( iar , variabila normată devine
18
Conform tabelului distribuţiei normale reduse (standard) - z
52
În această relaţie observăm:
- intervalul de încredere reprezentat de distanţa dintre şi
dependentă în mare măsură de împrăştierea estimaţiei ;
- nivelul de încredere α reprezintă probabilitatea de a comite o eroare de genul I (de a
infirma o ipoteză deşi ea este adevărată). De regulă, se consideră α =0,05 (sau
5%), α =0,01 (sau 1%);
- coeficientul de încredere (1-α) este mărimea complementară a nivelului de
încredere exprimată în raport cu unitatea (0,95; 0,9) sau în procente (95%, 99%);
- valorile critice sunt reprezentate de nivelul inferior, respectiv, de nivelul superior al
intervalului de încredere.
unde:
y = variabila dependentă (explicată, endogenă, rezultativă),
x = vectorul variabilelor independente (explicative, exogene), de dimensiune 1×p,
α = vectorul coeficienţilor, de dimensiune p×1, parametrii modelului,
u = o variabilă, interpretată ca eroare (perturbare, eroare de măsurare etc.).
Observaţii
1. Liniaritatea relaţiei se referă la coeficienţi şi nu la variabile. Astfel, modelul:
53
independente în model. Din acest motiv se introduc coeficienţii de regresie standardizaţi (bi,
i= definiţi drept coeficienţii de regresie estimaţi ai modelului:
=b1 + b2 + … + bp (4.30)
în care nu există termen liber, iar variabilele şi sunt variabilele standardizate, prin
standardizare înţelegându-se transformarea de tipul = .
Coeficienţii de regresie standardizaţi au interpretarea: modificarea cu o abatere standard a
valorii variabilei x produce o modificare cu bi abateri standard a valorii variabilei dependente. În
acest fel, mărimea coeficienţilor standardizaţi reflectă importanţa variabilelor independente în
predicţia lui y.
Presupunem că avem un set de n observaţii efectuate asupra variabilelor implicate în
model. Prin urmare dispunem de (xi1, xi2, . . . . , xip, yi), i = .
Notând cu y vectorul de tip n×1 având drept componente valorile măsurate pentru variabila
y, cu X matricea (xij)n×p a valorilor măsurate pentru variabilele x şi cu u vectorul de tip n×1 având
drept componente valorile erorilor, modelul se rescrie în relaţia matriceală:
y=αX+u (4.31)
1) Matricea de experienţe, n observaţii pentru p variabile, este fixată: Xn×p nu este stocastică.
În plus, n > p. Altfel spus, datele obţinute corect (fără erori sistematice de observare) sunt
în număr suficient de mare (peste numărul de parametrii care urmează a fi estimaţi) astfel
încât soluţiile să prezinte stabilitate.
2) X este de rang p (coloanele sunt liniar independente – formează o bază a unui spaţiu
vectorial p-dimensional).
3) a) Valorile variabilei reziduale sunt independente (nu sunt corelate) adică nu există
fenomenul de autocorelare a erorilor:
cov(ui,uj) =0, pentru
b) Variabila reziduală prezintă o împrăştiere (dispersie) egală pentru diferitele segmente de
valori xi, altfel spus, dispersia este constantă şi independentă de variabila xi:
σ2(ui/xi) = M[ui – M(ui/xi)] 2 = M[ui2/ xi] = σ2 , deoarece M(ui) =0.
54
Este evident că reziduurile constituie estimaţii ale erorilor ui. Se poate demonstra că:
unde:
= dispersiile reziduurilor
= dispersiile teoretice ale reziduurilor.
Este de notat că numitorul este egal cu numărul gradelor de libertate a sumei de la
numărător (n observaţii din care am obţinut p estimaţii).
De remarcat că ultima ipoteză, a normalităţii, este, mai degrabă, o ipoteză simplificatoare
decât una restrictivă, cum sunt primele două. Aceasta deoarece erorile se datorează, în general, în
procesele studiate, acţiunilor simultane ale unor factori aleatorii, ceea ce prin teorema de limită
centrală conduce la concluzia că u, ca sumă a lor, tinde spre o repartiţie normală.
Prima ipoteză, conform căreia variabilele x şi y sunt corecte şi nu sunt afectate de erori
de măsură, ar putea fi apreciată ca „de la sine înţeleasă”, totuşi există o serie de aspecte care
îndreptăţesc menţionarea explicită, deşi nu unanim acceptată a problemei calităţii datelor,
respectiv autenticitatea şi veridicitatea acestora.
Variabilele economice se introduc într-un model econometric (yi = y1, y2,…, yn; xi = x1,
x2,…,xn; n = numărul unităţilor observate) cu valorile lor reale sau empirice. Aceste valori se pot
obţine: fie pe baza sistemului informaţional statistic (banca de date) şi/sau evidenţa financiar-
contabilă, fie prin efectuarea de observări statistice special organizate – de tipul anchetelor
statistice.
Dacă un model economic se construieşte cu date false sau afectate de erori de măsură, el va
căpăta aceste deficienţe, fiind compromis sub aspect operaţional. Deoarece problema autenticităţii
datelor economice ţine de domeniul statisticii economice19, ne vom rezuma numai a aminti că
datele statistice care privesc variabilele economice specificate în model trebuie să fie culese fără
erori sistematice de observare şi de prelucrare, îndeplinind condiţiile de omogenitate.
Omogenitatea datelor presupune:
o colectarea lor de la unităţi statistice omogene;
o reprezentarea aceloraşi definiţii şi metodologii de calcul cu privire la sfera de cuprindere
ale acestora în timp sau în spaţiu;
o descrierea evoluţiei fenomenelor într-un interval de timp în care nu s-au produs modificări
fundamentale privind condiţiile de desfăşurare a procesului analizat;
o exprimarea variabilelor în aceleaşi unităţi de măsură, condiţie care se referă, în mod
special, la evaluarea indicatorilor economici în preţuri comparabile sau preţuri reale.
19
Vezi regula celor trei sigma, regulă care constă în verificarea următoarelor relaţii: şi
, dacă valorile se încadrează în aceste intervale ipoteza se acceptă fără rezerve.
55
Neconfirmarea celei de-a doua ipoteze, independenţa variabilelor exogene - specifică
modelelor multifactoriale -, este semnalată prin noţiunea de multicoliniaritate20.
Cea mai simplă metodă de detectare a multicoliniarităţii este bazată pe studiul matricei de
corelaţie dintre variabilele x. Se pot determina astfel perechile de variabile independente care sunt
puternic corelate între ele. O structură mai complexă a intercorelaţiilor poate fi detectată prin
calcularea determinantului acestei matrice de corelaţie. O valoare apropiată de zero a
determinantului reflectă o puternică corelaţie între anumite variabile, deci existenţa
multicoliniarităţii.
O altă abordare a problemei este aceea a stabilirii unui indicator sintetic pentru a decide
dacă o variabilă este coliniară cu celelalte (sau cu un grup dintre celelalte). Notând cu Ri2
coeficientul de determinare21 obţinut la estimarea regresiei multiple având ca variabilă dependentă
pe xi şi ca variabile independente restul variabilelor x, adică:
xi = f(x1,x2,…,xi-1, xi+1,…,xp)
τ i = 1 − Ri2
O valoare mică a lui τi (uzual mai mică decât 0,1) reflectă un coeficient Ri2 apropiat de 1,
deci o legătură liniară puternică între xi şi restul variabilelor independente. Prin urmare xi este
coliniară cu celelalte variabile independente.
Se defineşte factorul de inflaţie a varianţei (variance inflating factor), notat VIF, inversul
toleranţei:
VIF i =
Eliminarea multicoliniarităţii
20
Termen introdus de R. Frisch, Statistical Confluence Analysis by Means of Complete Regression Systems, Institute
of Economics, Oslo University, 1934
21
Vezi subcapitolul 4.6. Evaluarea modelului de ajustare
56
Cea de-a treia ipoteză vizează trei aspecte legate de variabila aleatoare ui, pe de-o parte, ca
valorile variabilei reziduale u să fie necorelate, adică nu există fenomenul de autocorelare a
erorilor, pe de altă parte, erorile au dispersii egale (sunt homoscedastice)şi nu diferite
(heteroscedastice) şi, de asemenea, variabila aleatoare urmează o distribuţie normală.
Depistarea autocorelării erorilor se face utilizând următoarele procedee:
- Procedeul grafic vizează realizarea corelogramei între valorile estimate ale variabilei
endogene şi valorile variabilei reziduale .
ûi
ŷi
(4.42)
Acesta este definit în intervalul [-1,1]. Dacă valoarea sa este de -1 avem o autocorelare
strict negativă, dacă este 0 variabilele sunt independente, iar dacă este +1 autocorelarea
este strict pozitivă.
- Testul Durbin-Watson constă în calcularea valorii:
Această valoare empirică DW, se compară cu două valori teoretice, d1 şi d2, preluate din
tabelul distribuţiei Durbin-Watson în funcţie de un prag de semnificaţie α, arbitrar ales,
(α=0,05 sau α=0,01), de numărul de variabile exogene (k) şi de valorile observate
(n,n≥15).
Regula de decizie a aplicării testului este:
Dacă: 0<DW<d1 - autocorelarea este pozitivă;
d1≤DW≤d2 - indecizie;
57
d2<DW<4-d2 - erorile sunt independente;
4-d2≤DW≤4-d1 - indecizie;
4-d1<DW<4 - autocorelarea este negativă.
Cei doi autori, acceptând ipoteza de normalitate a variabilei reziduale, au demonstrat că
distribuţia variabilei aleatoare d este cuprinsă între două distribuţii limită, d1 şi d2, ale căror
mărimi depind de pragul de semnificaţie α, de numărul de variabile exogene (k) şi de
valorile observate (n,n≥15).
Dezvoltând relaţia lui DW aceasta devine:
atunci rezultă:
unde: .
Dacă DW=4 şi r1=-1 avem o autocorelare strict negativă, dacă şi r1
nu ne putem pronunţa, dacă DW=2 şi r1=0 variabilele sunt independente, dacă
şi r1 nu ne putem pronunţa, iar dacă DW=0 şi r1=1 autocorelarea este
strict pozitivă.
- Testul Breusch-Godfrey este utilizat în vederea depistării unei autocorelării de ordin
superior. Ca urmare a presupunerii existenţei unei autocorelări de ordin superior se
construieşte următorul model:
58
Presupunând că ne aflăm în situaţia unui eşantion de volum mare, variabila BG este
asimptotic distribuită sub forma unui χ2α,v, pentru care numărul gradelor de libertate este
egal cu: v=p, unde p = mărimea decalajului, respectiv: .
Dacă BG> χ2α,v, ipoteza nulă este respinsă, ceea ce presupune că există cel puţin un
coeficient de autocorelare nenul.
În general, autocorelarea erorilor este provocată de două cauze: fie faptul că variabila
endogenă y se autocorelează în evoluţia sa (ca urmare a unui efect inerţial) generând o
autocorelare în timp a erorilor, fie datorită omiterii unei variabile exogene x, cu influenţă
semnificativă asupra lui y, adică a unei erori de specificare a modelului econometric.
Eliminarea fenomenului de autocorelare a variabilei reziduale ui se fundamentează pe
evitarea cauzelor care îl generează.
Dintre modalităţile de a evita consecinţele statistice pe care le generează acest fenomen
menţionăm:
- Aplicarea metodei celor mai mici pătrate generalizate în vederea estimării parametrilor
modelului care, în cazul autocorelării reziduurilor, permite obţinerea de estimatori
nedeplasaţi, consistenţi şi eficienţi. Această metodă se utilizează atunci când avem modele
multifactoriale, numărul variabilelor explicative fiind mai mare de unu.
- În cazul modelului unifactorial de forma: se estimează parametrii
acestuia, a şi b, cu ajutorul metodei celor mai mici pătrate. Se determină valorile ajustate
ale variabilei endogene:
(4.49)
şi reziduurilor:
(4.50)
şi se aplică testul Durbin-Watson. Dacă ipoteza de independenţă a variabilelor reziduale nu
poate fi acceptată aceasta presupune o autocorelare de ordinul întâi a erorilor, respectiv:
59
Se introduce valoarea acestuia în relaţia (4.53) şi se vor estima parametrii a şi b prin
aplicarea din nou a metodei celor mai mici pătrate. Fie şi estimaţiile parametrilor a şi
b, calculate pe baza diferenţelor de ordinul întâi a variabilelor y şi x.
Se ajunge la modelul:
Se pot utiliza şi alte metode de eliminare a autocorelării erorilor cum ar fi: procedeul prin
baleiaj –Hildreth-Lu, procedeul iterativ al lui Cochran şi C. Orcutt, procedeul Durbin şi
altele.22
În baza ipotezei de homoscedasticitate a variabilei reziduale (3) se poate admite că legătura
dintre cele două variabile y şi, respectiv, x este relativ stabilă.
Contrariul homoscedasticităţii este heteroscedasticitatea, care înseamnă că erorile nu au
dispersiile egale ci diferite.
Dacă dispersiile nu sunt egale, estimatorii rămân nedeplasaţi, dar nu mai sunt eficace,
MCMMP conducând la o subestimare a parametrilor modelului influenţând sensibil şi calitatea
diferitelor teste statistice aplicate acestuia.
Depistarea heteroscedasticităţii23 se poate realiza prin mai multe procedee dintre care
menţionăm:
- Procedeul grafic prin care se construieşte corelograma privind valorile variabilei factoriale
x şi valorile variabilei reziduale u. Dacă pe măsura creşterii/scăderii valorilor variabile x se
observă o creştere/scădere a valorii variabilei u înseamnă că acestea sunt corelate şi nu
independente.
û û
x x
22
Vezi E. Şt. Pecican, Op.cit., p. 222-224 şi T.Andrei, R. Bourbonnais, Econometrie, Ed. Economică, Bucureşti,
2008, p.230-233 ş.a.
23
Vezi D.N. Gujarati, Basic Econometrics, 3rd edition, New York, Mc Graw-Hill, 1995, p.369-380; T.Andrei, R.
Bourbonnais, op.cit., p.239-266; I.Gâf-Deac, Econometrie, Ed. Fundaţiei “România de Mâine”, Bucureşti, 2007,
p.193-196 ş.a.
60
- Procedeul dispersiilor variabilelor reziduale (Testul F, Fisher-Snedecor) se poate aplica
atunci când se utilizează serii lungi de date. În acest caz, seria valorilor reziduale ui (care în
prealabil a fost ordonată în raport cu mărimea variabilei x) se împarte în două sau mai
multe grupe calculându-se dispersiile corespunzătoare (grupa trebuie să conţină cel puţin 5
valori). Dacă seria a fost împărţită în 3 sau 4 grupe se testează perechile de grupe,
corespunzător, se obţin perechi de dispersii, urmând ca dispersia cea mai mare dintre cele
două să fie plasată la numărătorul raportului F. Dacă numărul de termeni ai seriei este
impar se recomandă eliminarea termenului de mijloc al seriei, astfel încât să se ajungă la
subeşantioane egale.
Dacă Fc > Fα, adică valoarea calculată a lui F este mai mare decât
valoarea tabelată24, se infirmă ipoteza de homoscedasticitate, erorile fiind heteroscedastice,
eliminarea acestui fenomen făcându-se cu ajutorul metodei regresiei ponderate.
Dacă valoarea coeficientului de corelaţie liniară este aproximativ egală cu zero atunci se
acceptă ipoteza de homoscedasticitate.
- Testul Goldfeld-Quandt presupune în prealabil ordonarea datelor astfel încât valorile seriei
de date xi să apară în ordine crescătoare. Se elimină un număr de c valori centrate (unde, de
regulă, se consideră că c trebuie să reprezinte o treime sau un sfert din numărul total de
observaţii) pentru a se face mai evidentă eventuala discrepanţă dintre împrăştierea
termenilor din prima parte a seriei ui, respectiv din ultima parte a acesteia. Se aplică
MCMMP în fiecare grupă separat (grupă de dimensiune (n-c)/2) şi calcularea sumei
pătratelor erorilor pentru fiecare grupă în parte. Calcularea raportului dintre sumele
pătratelor erorilor sau dispersiilor acestora, corespunzătoare celor două subeşantioane se
realizează cu formula (suma pătratelor erorilor având valoarea cea mai mare se plasează la
numărător):
24
Valoarea tabelată, corespunzătoare distribuţiei Fisher-Snedecor este prezentată în Anexa 1.
61
unde: k=numărul variabilelor exogene
Dacă Fc > Fα, atunci ipoteza de homoscedasticitate este
infirmată.
(4.60)
unde: ωi = variabila reziduală care verifică ipotezele aferente metodei celor mai mici
pătrate
Prin logaritmare modelul neliniar (4.33) este liniarizat:
;
în această situaţie heteroscedasticitatea este de tipul , caz în care se va aplica
regresia ponderată asupra datelor iniţiale, care vor fi împărţite la xi, rezultând astfel un
model de forma:
62
La toate relaţiile de mai sus se poate aplica regresia ponderată asupra datelor iniţiale
rezultând modelele aferente.
Verificarea homoscedasticităţii erorilor presupune, ca şi în cazul testului precedent,
verificarea semnificaţiei parametrului corespunzător variabilei exogene. Aplicarea acestui
test conduce la rezultate semnificative în cazul unor eşantioane de dimensiuni mari, iar, în
cazul celor de dimensiuni mici, este pur teoretică.
Eliminarea fenomenului de heteroscedasticitate se poate realiza prin următoarele
procedee:
- Construirea modelului pe baza abaterilor centrate ale variabilelor.
Dacă :
Notând cu =
= rezultă:
63
Şi calculul derivatei parţiale a funcţiei:
Dar relaţia de mai sus este echivalentă cu aplicarea metodei celor mai mici pătrate modelului
iniţial, după ce în prealabil a fost împărţit la xi:
64
Calculând derivatele parţiale în raport cu şi ale funcţiilor (4.80) şi (4.81) şi anulându-le
se ajunge la acelaşi sistem de ecuaţii pe baza căruia se determină cei doi estimatori:
Plecând de la relaţia de mai sus, în funcţie de diferite praguri de semnificaţie ale lui α, din
tabela distribuţiei normale sau a distribuţiei Student se vor prelua valorile corespunzătoare lui 25.
Verificarea ipotezei de normalitate se poate face pe baza unui grafic în cadrul căruia pe axa
Ox se vor reprezenta valorile ajustate ale variabilei y ( , iar pe axa Oy se vor trece valorile
variabilei reziduale . Dacă valorile empirice ale variabilei reziduale se înscriu în banda ,
cu un anumit prag de semnificaţie α, ipoteza de normalitate a variabilei reziduale poate fi
acceptată cu acest prag de semnificaţie (vezi Figura nr.12)
25
Valoarea tabelată, corespunzătoare distribuţiei t Student este prezentată în Anexa 2.
65
ûi
0
ŷi
66
4.5. Verificarea semnificaţiei estimatorilor parametrilor modelului
econometric
Verificarea semnificaţiei estimatorilor constă în a accepta, sau a respinge, una din cele
două ipoteze:
H0: a,b = 0
H1: a,b ≠ 0.
Testul adecvat în acest scop, şi fiind variabile aleatoare repartizate normal, este testul t
Student. Prin centrarea şi normarea estimaţiilor şi , în cazul ipotezei:
tα= variabila normală, dacă i= , n>30, preluată din tabela distribuţiei normale, în funcţie
de o valoare arbitrar aleasă a probabilităţii p sau a pragului de semnificaţie α, p+α=1;
aceste valori, de regulă fiind: p=0,9 şi α=0,1; p=0,95 şi α=0,5; p=0,99 şi α=0,01;
tα,n-(k+1) = variabila student, dacă i= , n≤30, preluată din tabela distribuţiei Student, în
funcţie de valoarea stabilită pentru α şi de numărul gradelor de libertate, n-(k+1);
n=numărul observaţiilor; k=numărul variabilelor exogene xj, j= ,(k+1= numărul
parametrilor modelului econometric).
Pe baza celor două valori, tcal şi tα,v, regula de decizie a testului este:
dacă: atunci se acceptă ipoteza nulă, estimatorii nu sunt semnificativ
diferiţi de zero, se renunţă la ei şi la model;
dacă: atunci se acceptă cea de-a doua ipoteză, modelul este corect;
dacă: atunci se reţine modelul fără termen liber de forma:
y=bx+u .
În practică, deoarece t0,05 > 2, economiştii acceptă ipoteza a doua dacă: .
În acelaşi timp, ştiind că şi sunt repartizaţi normal, se poate estima intervalul de
încredere al parametrilor acestora:
67
Parametrii a şi b vor fi consideraţi semnificativ diferiţi de zero dacă:
Prin ridicarea la pătrat a binomului din partea dreaptă a relaţiei (4.88) rezultă:
68
, adică xi şi ui sunt variabile independente, dacă variabilele sunt
homoscedastice (ipoteza 3b).
În baza relaţiei (4.90) relaţia (4.89) devine:
Această relaţie arată că variaţia valorilor observate în jurul valorii medii se descompune
într-un termen ce exprimă variaţia valorilor estimate în jurul mediei şi într-un termen datorat
reziduurilor ajustării. Prin urmare, regresia estimată va fi cu atât mai bună cu cât ultimul termen va
fi mai mic, sau cu cât variaţia valorilor estimate va fi mai apropiată de variaţia valorilor observate.
Se alege drept indicator sintetic de precizie a ajustării raportul:
Pentru o bună ajustare a ecuaţiei de regresie la datele experimentale, trebuie ca acest raport
să fie apropiat de 1.
Cantitatea R2 se numeşte coeficientul de determinare şi, exprimat procentual, arată cât din
varianţa variabilei dependente este explicată de ecuaţia estimată.
deci poate fi interpretat şi în următorul sens: cu cât se îmbunătăţeşte prognoza valorilor y prin
considerarea modelului estimat.
Se arată că R2 creşte prin includerea mai multor variabile în model, astfel încât are loc o
supraestimare în cazul modelelor extinse. O soluţie propusă este ajustarea coeficientului de
determinare prin:
69
Deoarece R tinde să supraestimeze asocierea dintre y şi x, se preferă indicatorul definit
anterior, coeficientul de determinare, R2, care este pătratul coeficientului de corelaţie multiplă.
Dacă notăm cu:
SPg = ;
SPreg = ;
SPrez = ;
cele trei sume de pătrate care apar în identitatea introdusă la definirea coeficientului de
determinare, relaţia (4.93). Sumele sunt referite ca suma pătratelor globală (SPg), suma pătratelor
datorate regresiei (SPreg) şi suma pătratelor reziduale (SPrez). Fiecare sumă de pătrate are ataşat un
număr de grade de libertate: νg = n-1, νreg = p-1, νrez = n-p şi se poate realiza un tabel al analizei
dispersionale (ANOVA) sub forma:
Tabelul nr.4
Sursa Suma Grade de Media pătrată F
de variaţie de pătrate libertate
Regresie SPreg νreg SPreg / νreg = s2reg F = s2reg / s2
Reziduală SPrez νrez SPrez / νrez = s2
Globală SPg νg SPg / νg
Fc >Fα,p-1,n-p .
Teste t – Student
În situaţia când este respinsă ipoteza nulă, se acceptă că ecuaţia de regresie este
semnificativă la nivel global, cu menţiunea că s-ar putea ca anumiţi coeficienţi/estimatori să nu fie
semnificativi. Pentru testarea fiecărui coeficient se utilizează un test t cu ipotezele:
70
H0: αi = 0
H1: αi ≠ 0.
În condiţiile ipotezei H0 se arată că statistica ti= este repartizată Student cu n – p grade
de libertate, ceea ce permite utilizarea testului t. În expresia care dă statistica testului, s(ai) este
abaterea standard estimată a coeficientului, dată ca rădăcina pătrată din elementul corespunzător
de pe diagonala principală a matricei s2(X’X)-1 - matricea X a variabilelor independente exogene.
Nerespingerea ipotezei nule arată că datele experimentale nu permit stabilirea necesităţii
prezenţei variabilei xi în model, variabila este nesemnificativă în model.
Regula de decizie este că se acceptă ipoteza H1 şi se respinge ipoteza nulă dacă:
tc >tα, n-p .
Procesul de selectare a celei mai bune regresii are loc în contextul în care există o variabilă
dependentă y şi o mulţime de variabile independente posibile x.
Problema poate fi formulată:
Care este acea submulţime minimală de variabile independente care permite estimarea
unui model liniar semnificativ şi adecvat valorilor observate y?
Variabile independente R2
{x1}, {x2} … …
{x1,x2}, {x1,x3}, …, {xn-1,xn} …
… …
{x1,x2,…,xn} …
71
Selecţia prospectivă
Procedura începe prin includerea în model a variabilei independente având cel mai mare
coeficient de corelaţie cu variabila y. La fiecare pas următor, se analizează fiecare dintre
variabilele neincluse încă în model printr-un test F secvenţial şi se extinde modelul prin includerea
acelei variabile care aduce o contribuţie maximă (probabilitatea critică din testul F este cea mai
mică). Procesul se opreşte atunci când modelul nu mai poate fi extins, criteriul uzual fiind acela al
fixării un prag de intrare (PIN) şi acceptând doar variabilele pentru care probabilitatea critică în
testul F secvenţial este mai mică sau egală cu acest prag.
Procedura are ca limitări faptul că anumite variabile nu vor fi incluse în model niciodată,
deci importanţa lor nu va fi determinată. Pe de altă parte, o variabilă inclusă la un anumit pas
rămâne permanent în model, chiar dacă, prin includerea ulterioară a altor variabile, importanţa ei
poate să scadă.
Selecţia retrogradă
Se începe cu estimarea modelului complet şi apoi, într-un număr de paşi succesivi, se
elimină din model variabilele nesemnificative. La fiecare pas, pe baza unui test F parţial, se
elimină acea variabilă care are cea mai mare probabilitate critică. Procesul se opreşte atunci când
nici o variabilă nu mai poate fi eliminată.
Criteriul uzual este acela de fixare a unui prag de eliminare (POUT) şi considerarea
doar a variabilelor care au probabilitatea critică mai mare decât acest prag.
72
CAPITOLUL 5. APLICAŢII ŞI PROBLEME
Estimarea coeficienţilor unui model liniar prin metoda celor mai mici pătrate şi calculul
statisticilor necesare testelor statistice asociate sunt efectuate de procedura Regression, una dintre
cele mai complexe din pachetul de prelucrări statistice din Excel. Procedura permite şi construirea
graficelor necesare pentru aprecierea vizuală a potrivirii modelului liniar. Deşi acestea, din motive
evidente, necesită prelucrări suplimentare de scalare înainte de interpretare, existenţa lor este un
real ajutor pentru statistician.
Termeni
Modelul liniar estimat de procedură este Y = α0X0 + α1X1 + α2X2 + … + αp-1Xp-1 + ε, care
exprimă faptul că variabila Y se poate obţine ca o combinaţie liniară a variabilelor X0, X1,…, Xp-1
la care se adaugă o "eroare" ε.
Pentru estimarea parametrilor modelului se consideră disponibile n observaţii asupra
tuturor variabilelor din model. Valorile sunt structurate ca un tablou dreptunghiular, fiecare
variabilă ocupând o coloană (deci o linie este referită drept o observaţie), este prezentat în figura
nr.13.
73
Input
Input Y Range – se precizează domeniul (coloana) pe care se află valorile variabilei dependente yi.
Input X Range – se precizează domeniul pe care se află valorile tuturor variabilelor independente.
Acest domeniu trebuie să fie compact, fiecare variabilă Xi ocupând o coloană.
Labels – se marchează boxa de control în cazul în care prima linie din tabloul de date este cu
denumirile variabilelor (situaţie recomandată).
Constant Is Zero – se marchează boxa de control dacă modelul care se estimează este fără termen
liber.
Confidence Level – se precizează, procentual, siguranţa statistică dorită în raportarea intervalelor
de încredere deci valoarea (1–α)×100, unde α este pragul de semnificaţie. Intervalele obţinute
sunt suplimentare, întotdeauna afişându-se cele pentru α = 0,05. Boxa se va marca doar dacă se
doreşte şi un alt prag de semnificaţie.
Output options
Output Range, New Worksheet Ply, New Workbook – Precizează zona unde se vor înscrie
rezultatele. Zona de rezultate este foarte complexă, cuprinde tabele care depind de mărimea
modelului, de numărul de observaţii, de numărul graficelor dorite etc. Prin urmare se va prefera
o foaie de calcul nouă sau o zonă liberă în dreapta şi în jos.
Residuals
Residuals – se marchează boxa de control în cazul când se doreşte calcularea reziduurilor
modelului estimat.
Residual Plots – se marchează boxa de control în cazul când se doreşte obţinerea diagramelor
reziduuri – variabilă independentă, adică vizualizarea punctelor de coordonate (xij, rj), j
= , având ca abscisă o valoare a variabilei independente Xi, iar ca ordonată reziduul
corespunzător.
Standardized Residuals – această boxă de control se va marca dacă se doreşte calculul valorilor
standardizate ale reziduurilor. Valorile astfel obţinute provin, teoretic, dintr-o distribuţie
normală standard, astfel încât o histogramă a acestor valori trebuie să se apropie de curba
normală (clopotul lui Gauss).
Line Fit Plots – se marchează această boxă de control dacă se doreşte afişarea diagramelor Y –
variabilă independentă, prin care se vizualizează, pe un acelaşi grafic, punctele de coordonate
(xij, yobs,i), (xij, yest,i), j= , unde abscisele sunt valorile variabilei independente, iar ordonatele
sunt valorile observate şi cele estimate ale variabilei dependente. Este desenat câte un grafic
pentru fiecare variabilă independentă. Interpretarea acestor diagrame poate oferi indicaţii
asupra adecvanţei modelului, asupra valorilor aberante.
Normal Probability
Normal Probability Plots – se marchează dacă se doreşte vizualizarea repartiţiei de sondaj a
variabilei Y într-o reţea de probabilitate.
74
5.2. Aplicaţii practice
Instrumente Excel
Pentru prelucrarea unui set de date memorat într-un document Excel se pot utiliza atât
funcţiile statistice ale aplicaţiei, cât şi proceduri obţinute prin Tools – Data Analysis.
Funcţiile statistice uzuale sunt (în ordine alfabetică):
AVEDEV – abaterea medie absolută
AVERAGE – media aritmetică
BINOMDIST – funcţia de repartiţie binomială
CHIDIST – funcţia de repartiţie χ2
CHIINV – inversa funcţiei de repartiţie χ2
CHITEST – aplicarea testului χ2
CONFIDENCE – intervalul de încredere pentru medie
FDIST – funcţia de repartiţie F
FINV – inversa funcţiei de repartiţie F
FTEST – aplicarea testului F
HARMEAN – media armonică
KURT – coeficientul de aplatizare
MIN, MAX – valorile extreme din listă
MEDIAN – mediana
MODE – valoarea mod
NORMDIST – funcţia de repartiţie normală
NORMINV – inversa funcţiei de repartiţie normală
NORMSDIST – funcţia de repartiţie normală standard
NORMSINV – inversa funcţiei de repartiţie normală standard
PERCENTILE – quantile
QUARTILE – quartile
RANK – rangul argumentului într-o listă
SKEW – coeficientul de asimetrie
STANDARDIZE – valoarea standardizată a argumentului
STDEV – abaterea standard
TDIST – funcţia de repartiţie Student, t
TINV – inversa funcţiei de repartiţie Student
TTEST – aplicarea testului Student
VAR – dispersia
Pentru a utiliza procedurile statistice, trebuie ca prin Tools – AddIns să se verifice dacă
este instalat utilitarul Analysis ToolPak. În caz afirmativ, comanda Tools – Data Analysis va
deschide dialogul Data Analysis din care sunt accesibile o serie de prelucrări statistice conduse de
dialogurile asociate. Astfel, Descriptive Statistics va produce indicatorii statistici ai unei variabile
continue.
Tot în partea de descriere statistică poate fi încadrată şi metoda de creare a cuburilor OLAP
prin Data – Pivot Table, metodă prin care se obţin distribuţiile simple sau multivariate ale unor
variabile discrete sau indicatorii statistici esenţiali ai subpopulaţiilor.
75
De asemenea, pentru procedurile legate de reprezentările grafice se iniţiază Insert - Chart
(sau uneltele corespunzătoare) oferind grafice, histograme etc.
Se cunosc următoarele date privind câştigul salarial net lunar real26 şi populaţia ocupată
civilă în România, în perioada 2002-2008 (vezi Tabelul nr.5):
Tabelul nr.5
Populaţia ocupată Câştig salarial net lunar
Anul
(mii pers.) real (RON/salariat)
2002 8329 379
2003 8306 536,272
2004 8238 733,775
2005 8390 1044,4
2006 8469 1320,65
2007 8726 1719,3
2008 8730 2293,498
Sursa: Anuarul Statistic al României 2009,INS, Bucureşti
Rezolvare:
Modelul va fi de forma: .
Pentru alegerea funcţiei matematice f(x) se recurge la reprezentarea grafică a celor două
şiruri de valori.
Pentru realizarea acesteia se poate utiliza programul Microsoft Excel inserându-se
diagrama prin puncte. Prin alegerea liniei de tendinţă care aproximează cel mai bine funcţia putem
identifica ecuaţia. (vezi Figura nr.14)
26
Câştig salarial nominal net lunar real a fost calculat aplicând câştigului salarial nominal net lunar o corecţie cu
indicele câştigului salarial real (2000=100).
76
Figura nr.14: Diagrama prin puncte a corelaţiei dintre câştigul salarial
nominal net lunar real şi populaţia ocupată civilă
Dacă deschidem dialogul Data Analysis, Analysis Tools, Regression, (programul EXCEL),
din analiza rezultată funcţia de regresie determinată are următoarea formă:
unde:
Pentru a verifica corelaţia dintre cele două variabile y şi x avem coeficientul de corelaţie
liniară R (0,924) care cu cât este mai aproape de 1 legătura dintre cele două variabile este mai
strânsă. Valoarea coeficientului de determinare (R2) este de 0,853 (apropiată de 1).
Unde:
Multiple R – coeficientul multiplu de corelaţie.
R Square – coeficientul de determinare (este egal cu pătratul coeficientului de corelaţie multiplă).
Poate fi gândit, exprimat procentual, drept proporţia din variaţia variabilei dependente explicată de
variaţia variabilelor independente: 85,3% din variaţia lui y este explicată de variabila x.
Adjusted R Square – valoarea corectată a coeficientului de determinare. Este introdusă pentru a
contracara (parţial) efectul creşterii mecanice a lui R2 o dată cu numărul variabilelor independente.
Standard Error – eroarea standard a estimaţiei. Se calculează ca abaterea standard a reziduurilor
(pentru numărul gradelor de libertate utilizat se va vedea tabloul ANOVA, în continuare) şi este
estimaţia abaterii standard a erorilor u (în ipoteza normalităţii acestora).
Observations – numărul de observaţii din eşantion.
77
În vederea testări ipotezelor, în continuare, vom interpreta tabelul analizei dispersionale
(ANOVA).
Astfel, p-1 = 1
n-p = 5
n-1 = 6; unde: p – variabila x plus termenul liber (1+1)
n – numărul de observaţii (7).
Valoarea calculată a lui Fc este de 29,02, fiind mai mare decât valoarea tabelată a lui
F0,05;1;5 de 6,61, ceea ce respinge ipoteza nulă. Nerespingerea ipotezei nule duce la concluzia că
datele observate nu permit identificarea unui model liniar valid, deci regresia nu este adecvată în
scopul de prognoză, propus iniţial.
De asemenea, valoarea lui Significance F (probabilitatea critică unilaterală) de 0,003
trebuie să fie mai mică, şi este, decât pragul de semnificaţie de 0,05, respingându-se, astfel,
ipoteza nulă în favoarea ipotezei alternative. (vezi, Tabelul nr.7)
Dată fiind situaţia - ipoteza nulă este respinsă -, se acceptă că ecuaţia de regresie este
semnificativă la nivel global, cu menţiunea că s-ar putea ca anumiţi coeficienţi să nu fie
semnificativi. Astfel, că al doilea test t testează fiecare coeficient cu ipotezele:
H0 : a,b=0
H1 : a,b≠0.
78
Tabelul nr.8: Valorile estimate pentru coeficienţii modelului şi statisticile necesare verificării
ipotezelor
79
Standard Reziduals – valoarea standardizată a erorii. Este obţinută prin împărţirea reziduului la
abaterea standard a reziduurilor (rezultatul nu este susţinut absolut riguros de teorie).
Ipoteza de independenţă a erorilor, care presupune cov(ui,uj) =0, pentru , se realizează
pe baza calculării coeficientului de autocorelare de ordinul I:
Ipoteza homoscedasticităţii este verificată prin procedeul grafic, figura de mai jos
confirmând necorelarea dintre variabila x şi variabila reziduală u, punctele din figura nr.15 pot fi
considerate într-o regiune de tip bandă orizontală.
În ceea ce priveşte ipoteza normalităţii, punctele din figura nr.16, diagrama reziduuri –
variabilă dependentă y, se pot considera într-o regiune de tip bandă orizontală ceea ce nu
contrazice ipotezele de normalitate a erorilor. Forma de bandă uniformă reflectă constanţa
dispersiei reziduurilor pentru tot domeniul variabilei dependente y.
80
5.3. Probleme rezolvate
Rezolvare:
Notă teoretică:
Regresia simplă (o variabilă dependentă şi una independentă) şi liniară (relaţia
dintre cele două variabile poate fi descrisă printr-o dreaptă în cadrul norului de
puncte).
Regresia se leagă foarte mult de conceptul de corelaţie. O asociere puternică între
două elemente conduce la creşterea preciziei predicţiei unei variabile pe seama alteia.
Dacă am avea o corelaţie perfectă (+1 sau –1) estimarea ar fi extrem de precisă.
Procesul de regresie presupune doi paşi. Primul se referă la determinarea ecuaţiei
de regresie, iar cel de-al doilea constă în utilizarea acestei ecuaţii în predicţie.
Forma generală prin care se exprimă o ecuaţie de regresie este:
81
Unde: My este media variabilei Y;
Mx este media variabilei X.
II. dacă nu se cunosc decât datele brute prin metoda celor mai mici pătrate.
b=r = 0,80 x = 0,64
a = 16 - 0,64 * 20 = 3,2
Ecuaţia de regresie va fi:
Dacă un subiect obţine scorul 0 la deficit de atenţie, estimăm să obţină rezultatul 3,2 la
scala de tulburări emoţionale. Dacă un alt subiect obţine nota 1 la deficitul de atenţie,
predicţia noastră este că va obţine rezultatul de 3,84 la testul de tulburări emoţionale, iar
dacă va obţine nota 2 rezultatul va fi de 4,48.
3. Specialiştii MRU din cadrul unei firme au realizat un studiu pe un număr de 50 de
subiecţi pentru a se determina deficitul de atenţie şi tulburările emoţionale ale acestora,
precum şi legătura dintre ele. S-a obţinut un coeficient de corelaţie r = 0,80. Astfel,
dacă media variabilei X (deficitul de atenţie) a fost 20, iar abaterea standard 5. În
acelaşi timp, media variabilei Y (tulburări emoţionale) a fost 16, iar abaterea standard
4, să se determine eroarea standard Sy/x şi să se interpreteze rezultatul.
Rezolvare:
Vom obţine:
Să luăm cazul în care un subiect obţine nota 1 la proba de deficit de atenţie. Valoarea
estimată a tulburărilor emoţionale este de 3,84. Cu ajutorul acestei erori standard putem
82
aproxima că în 68% din cazurile în care un subiect obţine nota 1 la deficitul de atenţie
(adică, între –1 şi +1 Sy/x) vom obţine o valoare estimată de tulburări emoţionale de 3,84 ±
2,4. Cu cât coeficientul de corelaţie este mai mare, cu atât eroarea de estimare va fi mai
mică.
4. La nivelul unei firme care îşi desfăşoară activitatea în sectorul comercial s-au
înregistrat următoarele date legate de personalul din compartimentul vânzări (60 de
angajaţi):
1 M 2 752 61
2 F 11 760 35
3 F 21 770 42
4 M 10 759 47
5 M 16 769 54
6 M 28 779 30
7 F 19 769 57
8 M 9 759 48
9 F 5 755 49
10 F 11 760 37
11 F 25 776 40
12 M 27 779 31
13 M 17 766 57
14 F 1 750 62
15 M 20 765 59
16 F 31 781 30
17 F 23 772 33
18 M 3 753 48
19 M 16 767 55
20 M 7 756 47
21 F 11 760 36
22 F 22 773 42
23 M 4 754 46
24 F 21 771 56
25 M 17 768 57
26 F 8 755 35
27 F 24 774 34
28 M 23 773 32
29 M 16 765 50
30 M 11 759 45
31 F 18 768 58
83
Vechimea în muncă Salariul lunar Timp nelucrat
Nr. Crt. Sex
ani mii lei minute
32 F 8 757 46
33 F 14 765 39
34 M 29 778 31
35 F 22 770 44
36 F 7 756 47
37 M 21 774 43
38 F 17 767 51
39 M 2 755 60
40 F 16 765 52
41 M 16 765 50
42 M 15 764 52
43 M 34 784 30
44 F 17 768 52
45 F 30 778 34
46 M 17 768 51
47 F 14 763 45
48 M 25 775 33
49 M 8 757 45
50 M 18 769 44
51 M 12 760 38
52 F 26 775 32
53 M 10 758 45
54 F 21 771 42
55 M 14 763 45
56 M 6 755 49
57 F 1 750 61
58 M 32 783 31
59 F 15 764 53
60 M 16 765 40
Total - 960 45939 2698
Rezolvare:
Notă teoretică:
Indicatorul statistic este expresia numerică a unui fenomen, proces sau a unei categorii
economico-sociale, definite în timp şi în spaţiu.
Indicatori primari (absoluţi) şi indicatori derivaţi.
Indicatorii utilizaţi se împart în indicatori primari sau absoluţi şi în indicatori derivaţi.
84
Indicatorii primari sau absoluţi exprimă direct nivelul real de dezvoltare al caracteristicii
cercetate, caracterizând fenomenul/procesul la modul cel mai general din punct de vedere
cantitativ.
Indicatorii derivaţi se obţin în faza de prelucrare statistică a mărimilor absolute prin
aplicarea variantelor metode şi procedee de calcul statistic.
Mărimea relativă sau indicatorul relativ este rezultatul comparării sub formă de raport a doi
indicatori statistici şi exprimă printr-un singur număr proporţiile indicatorului raportat faţă de
indicatorul bază de raportare.
Forma cea mai simpla de exprimare a mărimilor relative este în unităţi sau coeficienţi.
Forma cea mai obişnuită şi sugestivă de exprimare a mărimilor relative este cea a procentelor.
Promolele se folosesc când indicatorul comparat este mult prea mic faţă de indicatorul bază
de comparare şi exprimarea în coeficienţi sau chiar in procente.
În cazul în care rezultatul raportului dintre cele două mărimi comparate are o valoare foarte
mică se utilizează prodecimile sau procentimele.
Tabelele statistice constituie un ansamblu de judecăţi prezentate într-o formă succintă în
cuvinte şi expresii numerice referitoare la fenomene şi procese studiate.
Elementele de conţinut se referă la subiectul şi predicatul tabelului.
Subiectul tabelului îl reprezintă colectivitatea şi părţile sale componente şi se înscrie în
capetele rândurilor.
Predicatul tabelului este format din totalitatea aspectelor cantitative referitoare la
colectivitatea cercetată şi se înscrie în capătul coloanelor.
Elementele de formă ale unui tabel: titlul general, titlurile interioare, reţeaua şi notele
explicative.
În etapa observării se întocmesc tabelele descriptive sau enumerative.
În etapa prelucrării se întocmesc tabelele de prelucrare.
După felul cum este prelucrat subiectul sau predicatul sau ambele, se disting: tabele
simple, tabele pe grupe, tabele combinate, tabele combinate cu dublă intrare, tabele de asociere.
Numărul de grupe se alege diferenţiat atât pentru caracteristicile numerice, cât şi pentru
cele nominative.
După mărimea variaţiei caracteristicii studiate, se disting grupări pe variante (numerice şi
nominative) şi grupări pe intervale de variaţie (egale sau neegale).
Mărimea intervalului de grupare se obţine făcând diferenţa între două limite inferioare sau
superioare a două grupe alăturate, fie între limita superioară şi limita inferioară a aceluiaşi interval.
Mărimile relative ale planului sunt specifice oricărei economii moderne. Mărimile relative
ale sarcinii de plan pot avea valori minime sau maxime.
Mărimile relative pot fi:
de structură (conţinutul informaţional al mărimii relative de structură poate fi acela de
pondere sau greutate specifică);
de coordonare;
ale dinamicii;
de intensitate.
Mărimile medii constituie instrumente principale de cunoaştere a fenomenelor de masă şi
au un mare grad de aplicabilitate în activitatea practică.
85
Prin definiţie, media valorilor individuale ale unui fenomen de masă este expresia
sintetizării într-un singur nivel reprezentativ a tot ceea ce este esenţial, tipic şi obiectiv în apariţia,
manifestarea şi dezvoltarea lui – sub rezerva faptului că acest indicator are relevanţă pentru
fenomenul studiat.
Media aritmetică simplă se foloseşte pentru seriile simple. În cazul unei serii de distribuţie,
media aritmetică simplă este înlocuită cu media aritmetica ponderată.
Media armonică se calculează din valorile inverse ale termenilor seriei ca medie simplă sau
ponderată.
Media pătratică este acea valoare care înlocuind termenii seriei ridicaţi la pătrat nu
modifică suma pătratelor lor.
Media geometrică se bazează pe relaţia de produs a termenilor seriei.
Media cronologică este o forma transformată a mediei aritmetice şi, anume, este o medie
generală din medii parţiale.
Mediile mobile se utilizează pentru a determina nivelul mediu al unei
serii de momente şi pentru a măsura sezonalitatea.
Seria statistică este prezentarea paralelă a două şiruri de date în care primul şir prezintă
caracteristica de grupare, iar cel de al doilea, rezultatul centralizării frecvenţelor sau valorile unei
alte caracteristici cu care se află în raport de interdependenţă.
86
Grupe de salariaţi Nr. de
după vechime salariaţi
1 – 6* 8
6-11 12
11-16 12
16-21 13
21-26 8
26-31 5
31-36 2
Total 60
Notă * - limita superioară inclusă în interval
87
Gruparea salariaţilor după caracteristica vechime pe intervale de grupare cu variaţie
discontinuă:
Grupe de salariaţi după Nr. de
salariul net încasat salariaţi
750-754 5
755-759 12
760-764 8
765-769 16
770-774 9
775-779 7
780-784 3
88
B. Să se grupeze salariaţii pe intervale neegale în funcţie de: media aritmetică şi
abaterea medie liniară.
Rezolvare:
Notăm:
y – vechimea în muncă
z – salariul lunar
w – timpul nelucrat
n – numărul de angajaţi
= = = 16 ani
y= = = 6,57
z= = = 7,03
w= = = 7,70
- y = 16-6,57 =9,43∼9
+ y = 16+6,57=22,57∼22
89
- z = 766-7,03 =758,97
+ z = 766+7,03=773,03
- w = 45-7,70 =37,30
+ w = 45+7,70=52,7
Regression Statistics
Multiple R 0,860271
R Square 0,740066
Adjusted R Square 0,707575
Standard Error 177,7908
Observations 10
90
Analiza dispersională - ANOVA
df SS MS F Significance F
Regression 1 719973,5 719973,5 22,77708 0,001404
Residual 8 252876,5 31609,56
Total 9 972850
3. Pentru a decide în ce zonă să fie amplasat un magazin de casete video, managerul unei
firme de comercializare şi închiriere de casete video realizează un studiu. Astfel, el
consideră că succesul afacerii este cuantificat prin profitul anual brut obţinut (sute euro).
Principalul factor de influenţă considerat pentru succesul acestei afaceri este venitul
mediu al locuitorilor de pe o rază de un kilometru (zeci euro). Sunt selectate aleator 5
supermarket-uri şi sunt înregistrate valorile celor 2 variabile.
91
5.5. Grile de întrebări
4. Modelul econometric:
a) un instrument de cercetare ştiinţifica, o imagine convenţionala, homomorfă,
simplificată a obiectului supus cercetării;
b) are întotdeauna o finalitate practică, operaţională, el devenind instrument de control
şi dirijare, de simulare şi de previziune a fenomenelor economice;
c) reproduce în mod simbolic teoria economică a obiectivului investigat.
5. Variabilele care formează structura unui sistem econometric, după natura lor, pot fi:
a) variabile economice; variabila eroare (aleatoare), u; variabila timp, t.
b) variabile econometrice; variabila eroare (aleatoare), u; variabila regresiva.
c) variabile economice; variabila Fisher; variabila timp, t.
92
3) descrierea evoluţiei fenomenelor într-un interval de timp în care nu s-au
produs modificări fundamentale privind condiţiile de desfăşurare a procesului
analizat;
4) exprimarea variabilelor în aceleaşi unităţi de măsură, condiţie care se referă,
în mod special, la evaluarea indicatorilor economici în preţuri comparabile
sau preţuri reale.
a) 2,3,4;
b) 1,3,4;
c) toate.
a) Mediei aritmetice;
b) Dispersiei;
c) Abaterii medie pătratice.
93
11. Relaţiile de … sunt de tipul ecuaţiilor de balanţă folosite în „Sistemul de balanţe ale
economiei naţionale”.
15. Pentru a identifica elementele definitorii ale unui sistem econometric se utilizează o
definiţie mai largă a acestuia: un ansamblu organizat, o clasa de fenomene care satisfac
următoarele exigenţe:
1) să se poată specifica un set, o mulţime de elemente identificabile;
2) să existe relaţii identificabile cel puţin intre unele dintre ele;
3) să nu existe relaţii identificabile între ele;
4) anumite relaţii să implice alte relaţii (lanţul infinit de relaţii);
5) un complex de relaţii, la un timp dat implica un anume complex la un timp
următor, aspect ce pune în evidenţă dinamica sistemului.
a) 1,2,4,5;
b) 1,3,4,5;
c) toate.
16. Ca şi componentă a sistemului econometric este un anumit raport între elemente, care le
reuneşte în cadrul funcţionării sistemului:
a) Elementul;
b) Conexiunea;
c) Structura.
94
19. Adaptabilitatea este:
a) sarcina pe care o are de rezolvat sistemul econometric în ansamblu, superior
organizat în condiţiile unui mediu ce produce perturbaţii;
b) însuşirea de a menţine la ieşire valoarea de comanda neschimbata, în condiţiile
unui mediu perturbator;
c) capacitatea de a recepţiona informaţii exterioare, sau orice acţiune
informaţională din exterior asupra sistemului, ori conexiune prin care mediul
exterior acţionează asupra sistemului;
a) toate;
b) 1,2, 4 si 5;
c) 1,3,4 si 5.
95
24. Spre deosebire de modelul determinist modelul econometric introduce în schema de
descriere a legităţii de manifestare a unui fenomen sau proces economic şi o variabilă:
a) aleatoare;
b) economică;
c) timp.
a) toate;
b) 1,2,4;
c) 2,3,4.
96
30. Valoarea lui Significance F (probabilitatea critică unilaterală) trebuie să fie:
a) mai mică decât pragul de semnificaţie;
b) mai mare decât pragul de semnificaţie;
c) egală cu pragul de semnificaţie.
31. Specialiştii pe Managementul Resurselor Umane (MRU) din cadrul unei firme au realizat
un studiu pe un număr de 50 de angajaţi pentru a se determina deficitul de atenţie şi
tulburările emoţionale ale acestora, precum şi legătura dintre ele. S-a obţinut un coeficient
de corelaţie (r) intre acestea de 0,60. Utilizând regresia avem posibilitatea sa estimăm ce
tulburări emoţionale are un subiect dacă cunoaştem în prealabil nivelul deficitului de
atenţie şi tipul de relaţie dintre cele două variabile. Astfel, dacă media variabilei X
(deficitul de atenţie) a fost 10, iar abaterea standard 4. In acelaşi timp, media variabilei Y
(tulburări emoţionale) a fost 20, iar abaterea standard 2, să se determine coeficienţii
ecuaţiei de regresie liniară a şi b.
a) 17 şi 0,3;
b) 0,3 şi 20;
c) 3 şi 1,2.
32. Dacă coeficienţii a şi b ai funcţiei de regresie sunt 3,2 şi 0,26 să se estimeze valorile lui Y
pentru X1 = 5 şi X2 =6.
a) 4,5 şi 4,76;
b) 16 şi 1,56;
c) 16,26 şi 19,46.
33. La nivelul unei firme care îşi desfăşoară activitatea în sectorul comercial s-au înregistrat
următoarele date legate de personalul din compartimentul vânzări (4 angajaţi):
97
35. Variabila …, t, se introduce în anumite modele econometrice ca variabilă explicativă a
fenomenului endogen Yi, imprimându-se acestora un atribut dinamic, spre deosebire de
modelele statice.
Răspunsuri: 1.a, 2.a, 3.b, 4.b, 5.a, 6.a, 7.b, 8.b, 9.a, 10.c, 11. identitate, 12. statistice, 13.a, 14.a,
15.a, 16.b, 17.a, 18. Intrarea, 19.b, 20.c, 21.a, 22.b, 23.c, 24.a, 25.c, 26.a, 27.c, 28.a, 29.a, 30.a,
31.a, 32.a, 33.a, 34. Coeficienţi, 35. Timp.
98
BIBLIOGRAFIE
Andrei T., Bourbonnais R., în Econometrie, Ed. Economică, Bucureşti, 2008
Andrei T., Statistică şi econometrie, Bucureşti, Ed. Economică, 2004
Anghelache C., Capanu I., Indicatori macroeconomici. Calcul şi analiza economică, Ed.
Economică, Bucureşti, 2003
Anghelache C., Tratat de statistică teoretică şi economică, Ed. Economică, Bucureşti, 2008
Balteş N.(coord.), Analiza economico-financiară a întreprinderii, Ed. Universităţii „Lucian Blaga"
din Sibiu, 2003
Banca Centrală a Maltei, ianuarie 2011, A structural macro-econometric model of the Maltese
economy, disponibil la adresa:
http://www.centralbankmalta.org/updates/Downloads/pdfs/econometric_model.pdf (accesat iunie 2011)
Begu L.S., Statistică şi software statistic, Ed. Claudet, 1999
Bianchi C., Brillet J.L., Panattoni L, Uncertainty and Stability in a Macro-Econometric Model,
Annales d-Economie et de Statistique, no 6/7, 1987 disponibil la adresa:
http://annales.ensae.fr/anciens/n0607/vol67-16.pdf (accesat mai 2011)
Biji E.M, Lilea E., Roşca E., Vătui M., Statistica pentru economişti, Ed. Economică, Bucureşti,
2010
Bucur I., Macroeconomie, Ed. C.H. Beck, Bucureşti, 2010
Cenuşă Gh., Săcuiu I., Burlacu V., Teoria probabilităţilor şi statistică matematică, Bucureşti, Ed.
ASE, 1999
Constantin D. L., Economie Regională, Ed. Oscar Print, Bucureşti, 1998
Enache C., Mecu C., Economie politică 1 şi 2, ediţia a VII-a, Ed. Fundaţiei România de Mâine,
Bucureşti, 2009
Fair R., Using a Macroeconometric Model to Analyze the 2008–2009 Recession and Thoughts on
Macroeconomic Forecastability, martie 2009, disponibil la adresa: http://fairmodel.econ.yale.edu, (accesat
iulie 2011)
Gavrilă I., Ghiţă P.T., Niţescu D., Popescu C., Economie. Aplicaţii. Teste. Probleme. Răspunsuri,
ediţia a V-a, revizuită şi îmbunătăţită, Ed. Economică, Bucureşti, 2003
Gâf-Deac I., Econometrie, Ed. Fundaţiei România de Mâine, Bucureşti, 2007
Greene W. H., Econometric Analysis, ediţia a 4-a, Prentice Hall International, 2000
Griffiths W. E., Hill R. C., Judge G. G., Learning and Practicing Econometrics, New York, John
Wiley& Sons, 1993
Hymans, S. H., Forecasting and Econometric Models. The Concise Encyclopedia of Economics,
2008, disponibil la adresa: http://www.econlib.org/library/Enc/ForecastingandEconometricModels.html
(accesat septembrie 2011)
Iacob Patache L., Piaţa muncii şi ocuparea în zona Dobrogea, Ed. Universitară, Bucureşti, 2010
Jula D., Introducere în Econometrie, Ed. Profesional Consulting, Bucureşti, 2003
Kennedy P., A Guide to Econometrics, ediţia a 5-a, Cambridge: MIT Press, 2003
Klein L. R. (coord.), Comparative Performance of U.S. Econometric Models. Oxford: Oxford
University Press, 1991
Lapin L. L., Statistics for Modern Business Decisions, Harcourt Brace Iovanovich Publishers,
N.Y., 1987
Leontief, W.W., Input-Output Economics, Oxford University Press, 1966
Lucey T., Tehnici cantitative. Quantitative techniques, Ed. Tehnică, Bucureşti, 2001
Novotorov A. V., Brikach G. E., New Model of Forecasting Commodity Prices for Farmers.
Insights to Changing World Journal. June, 2008 disponibil la adresa: http://www.franklinpublishiihg.net
(accesat august 2011)
99
Patache L., Evoluţia câştigului salarial prin prisma modelului unifactorial, Vol. Educaţie şi
cercetare în spaţiul comun european al învăţământului superior/ Ed. Ex Ponto, vol.1, pp.118-127, 2010
Patache L., Reflecţii asupra convergenţei – sigma la nivelul României sub incidenţa politicii
regionale de coeziune a Uniunii Europene, vol. „Sub semnul creativităţii şi inovaţiei”, Ed. Europolis,
Constanţa, 2009
Patache L., Foresight over the evolution of the employment from Constantza County, in 2009-2013
period, Editura Muntenia, 2008
Patache L., Foresight over the evolution of the employment from Tulcea County, in 2009-2013
period, Editura Muntenia, 2008
Pearson E.S., Hartley H.O., Biometrika Tables for Statisticians, vol.I, Londra, Cambridge
University Press, 1966
Pecican E. Şt., Tănăsoiu O., Iacob A. I., Modele econometrice, Ed. ASE, Bucureşti, 2001
Pecican E. Şt., Econometrie, Ed. All, Bucureşti, 1994
Pecican E. Şt., Econometrie ed.a 2-a revăzută şi adăugită, Ed C.H. Beck, Colecţia Oeconomica,
Bucureşti, 2006
Pivodă D., Analiza şi actualizarea la inflaţie, Ed. Economică, Bucureşti, 2001
Popescu T., Serii de timp-aplicaţii în analiza sistemelor, Bucureşti, Editura Tehnică, 2000
Raţiu-Suciu C., Luban F., Hîncu D., Ciocoiu N, Modelare economică, ediţia a 2-a, Ed. ASE, 2009
Samuelson P., Nordhaus D., Economie politică, Ed. Teora, 2000
Shumway R. H., Stoffer D.S., Time Series Analysis and Its Applications: With R Example, ediţia
a treia, Springer Texts in Statistics, 2010
Taşnadi Al., Econometrie, Ed. ASE, Bucureşti, 2005
Tănăsoiu O., Iacob A., Econometrie. Studii de caz, Ed. ASE, Bucureşti, 1998
Zadeh L.A., Polak E., Teoria sistemelo”, Editura Tehnică, Bucureşti,1973
Zaman G., Econometrie, Ed. Pro Democraţia, Bucureşti, 1998
100
ANEXA 1
Distribuţia F
101
continuare ANEXA 1
102
continuare ANEXA 1
103
continuare ANEXA 1
104
continuare ANEXA 1
105
continuare ANEXA 1
106
continuare ANEXA 1
107
ANEXA 2
108
continuare ANEXA 2
109