Academia de Studii Economice din București

Facultatea de Cibernetică, Statistică și Informatică Economică

Proiect Econometrie

Rădulescu Ramona
Samoilă Georgiana Denisa
Sandu Laura Maria
Secui Adina Ioana

Grupa 1043, seria B

2019-2020
 Cuprins

Introducere………………………………………………………………………2
Metode de analiză……………………………………………………………….5
Studiu de caz…………………………………………………………………….8
1. Estimarea paramterilor și interpretarea rezultatelor……………………...9
2. Testarea semnificației parametrilor……………………………………..10
3. Testarea validității modelului…………………………………………...11
4. Indicatorii de performanță ai modelului………………………………...12
5. Verificarea ipotezelor modelului de regresie liniară……………………12
Concluzii……………………………………………………………………….16

2
 Introducere

Produsul Intern Brut, rata șomajului și invesițiile reprezintă trei indicatori

macroeconomici cu o desoebită importanță asupra economiei unui stat. Aceștia determină
apariția unor efecte economice ce reprezintă un subiect de interes asupra analizei prezentate în
această lucrare.
Produsul Intern Brut (PIB) indică valoarea tuturor bunurilor și serviciilor finale produse
de agenții economici care își desfășoară activitatea pe teritoriul unei țări (indiferent de
naționalitatea lor) în decursul unei perioade de timp de 1 an. Acesta este un indicator sintetic ce
caracterizează creșterea economicã. Astfel, creșterea economică este procesul complex de sporire
a dimensiunilor rezultatelor din economia națională, pe baza combinării și folosirii factorilor de
producție direcți: forța de muncă, capitalul fix și consumurile de mijloace circulante materiale.
Pentru o dezvoltarea intensivă a economiei este necesară creșterea PIB prin folosirea
eficientă a resurselor existente de forță de muncă, mijloace fixe și materiale. În schimb,
dezvoltarea extensivă reprezintă creșterea ce are loc prin sporirea volumului celor trei resurse. În
cadrul preocupărilor legate de conturarea unei teorii a creșterii economice, a fost generată o
amplă dezbatere cu privire la factorii creșterii, interdependențele dintre aceștia și contribuția lor
la obținerea rezultatelor, precum și la metodele statistice și de analiză macroeconomică
utilizabile. Dezvoltarea echilibrată a economiei naționale este condiționată de existența a trei
corelații de bază între nivelurile și modificările absolute și relative ale agregatelor de rezultate,
pe de o parte, și cele ale principalilor factori ai creșterii economice, pe de altă parte. Aceste
corelații trebuie asigurate atât pe ansamblul economiei, cât și la nivelul fiecărei ramuri
Conform principiilor de măsurare a rezultatelor macroeconomice, PIB-ul poate fi calculat
în valori nominale sau în valori reale. PIB-ul nominal este exprimat în prețuri curente în perioada
în care se face calculul, iar PIB-ul real este exprimat în prețuri constante sau comparabile.
Din punct de vedere statistic, indicatorii prin care se apreciază şomajul sunt de două

feluri:

- indicatori absoluţi;

- indicatori relativi.

3
 Indicatorii absoluţi sau indicatorii de nivel se referă la numărul efectiv de şomeri. Ei se
exprimă în “persoane” (“mii persoane”) şi se determină pentru anumite perioade de referinţă:

lunar, trimestrial sau anual. Numărul şomerilor se calculează şi în corelaţie cu anumite

variabile demografice, ca: vârstă, sex, stare civilă, dar şi ţinând cont de pregătirea

profesională, de nivelul studiilor sau de repartiţia teritorială.

O caracteristică aparte urmărită în ceea ce priveşte analiza şomajului este durata

acestuia. Din acest punct de vedere, se identifică un şomaj de scurtă durată (sub un an) şi un

şomaj de lungă durată (pe o perioadă mai mare de un an).

Şomerii, a doua componentă a populaţiei active, reprezintă o categorie economică a

cărei definire a suscitat numeroase abordări.

În statistica românească, efectivul şomerilor se determină în două variante:

Şomerii înregistraţi sunt persoanele care au declarat că în perioada de referinţă erau

înscrise la Oficiile forţei de muncă şi şomaj, indiferent dacă primeau sau nu alocaţie de

sprijin, ajutor de şomaj, sau alte forme de protecţie socială.

Şomerii în sens B.I.M. sunt persoanele de 15 ani şi peste care în decursul perioadei de

referinţă îndeplinesc simultan mai multe condiţii.

În economie prin investiții se înțelege orice cheltuială bănească făcută cu scopul de a

obţine profit. Investiţiile joacă un rol important în economia unei ţări, ele reprezentînd suportul
material al dezvoltării economico-sociale. Prin ele se asigură sporirea capitalului fix, creşterea
randamentului tehnic şi economic al celor existente dar şi crearea de noi locuri de muncă. În
acest context investiţiile reprezintă elementul decisiv al creşterii economice, al promovării
factorilor intensivi, calitativi şi de eficienţă.

În principiu, investițiile sunt asociate ideii de dezvoltare, iar la nivel național dezvoltarea
producției totale și lărgirea suportului material al activităților sunt dependente de fondurile de
invesiții.

4
 Dar creşterea economică nu este în funcţie numai de volumul investiţiilor. Ea este şi
urmarea modului în care fondurile băneşti disponibile sunt repartizate pe obiecte concrete, a
manierei în care aceste fonduri sunt eşalonate în timp, a felului cum sunt gestionate.

Ultimul deceniu a marcat o creştere deosebită a fluxurilor de investiţii străine, astfel încât
acestea au devenit una din componentele principale al circuitului economic mondial.

Investitiile au o structura complexa si pot fi clasificate dua mai multe criteri. Astfel din
punct de vedere al formei de roprietate, investitiile pot fi: private / publice. Dupa originea
geografica a caitalului pot fi: investiții interne, investiții externe (sau străine).

Ponderea ivestițiilor în PIB arată investiția pentru economia totală, guvern, afaceri și
pentru sectoarele casnice. Indicatorul aferă ponderea din PIB care este atribuită investițiilor
brute. Acestea sunt definite ca formare brută a capitalului fix, exprimat ca procent din PIB pentru
sectoarele guvernamentale, de afaceri și gospodării. Investițiile constau în achiziții ale
producătorului în vederea anumitor adăugări la valoarea activelor neproduse, cum ar fi
îmbunătățirile aduse terenurilor și nu include schimburile activelor deja existente.

Scopul lucrării este de a stabili dacă există o legătură între Produsul Intern Brut,
investițiile și rata șomajului, iar în cazul în care există, determinarea sensului și intensității
legăturii. În cadrul studiului de caz, perioada pe care am ales-o pentru a realiza analiza prezintă
interes deoarece cuprinde în principal criza economică din 2008 și urmările acesteia care și-au
pus amprenta asupra economiei României.

Metode de analiză
Funcţia de regresie stă la baza efectuării analizelor macroeconomice. Astfel, modelul
liniar de regresie presupune identificarea variabilelor pentru definirea modelului. Scopul folosirii
modelului de regresie este de a obţine parametrii corespunzători setului de variabile formulat,
prin analiza dependenţei dintre variabile, în cazul în care seriile de date sunt înregistrate la
nivelul unităţilor statistice pentru o perioadă sau un moment, precum şi pentru evidenţierea
dependenţei dintre variabile într-un anumit orizont de timp. Modelele unifactoriale neliniare se
liniarizează prin transformări aplicate variabilelor modelului de regresie. Un model de forma

5
y i = a * xib se transformă într-un model liniar prin logaritmarea celor doi termeni și rezultă
funcţia liniară

log yi = log a + b * log xi .

Modelul liniar de regresie se bazează pe seriile de date pentru cele două caracteristici,
fiind reprezentate prin vectorii x, care reprezintă variabila factorială şi y, care este variabila
rezultativă.

În definirea funcţiei de regresie liniară sunt considerate patru ipoteze:

• seriile de date nu sunt afectate de erori de înregistrare

• pentru fiecare valoare fixată a caracteristicii factoriale, variabila reziduală este de medie
zero

• lipsa corelării reziduurilor exprimă faptul că între termenii reziduali nu se manifestă

fenomenul de covarianţă

• ipoteza necorelării variabilei reziduale cu cea independentă.

Pentru realizarea analizei, am folosit cele trei variabile: PIB, rata șomajului. Produsul
Intern Brut se calculează în preţuri curente dar pentru a compara în timp, se impune
considerarea efectului inflaţiei, adică a stabilităţii pieţei. Pentru aceste nevoi se efectuează
deflatarea PIB, deci eliminarea efectului inflaţiei. În următorul studiu de caz, după analiza
evoluției fiecărui indicator, am efectuat corelaţia pe baza seriilor de date şi reprezentarea grafică
a datelor. De asemenea, am utilizat modelul de regresie liniară simplă, în care PIB reprezintă
variabila dependentă rezultativă, iar rata inflației este variabila factorială (independentă).

La modul general, funcţia de regresie liniară simplă este de forma

Yi = b + a * xi +℮i , i = 1,..,n

unde:

• a = parametrul de regresie liber;

• b = coeficientul (parametrul de corelaţie)

• yi =variabila dependentă, în cazul de faţă PIB;

6
 • xi = variabila factorială;

• ℮i = variabila reziduală.

Modelul multifactorial de regresie liniară

Modelul cu o singură variabilă explicativă nu este foarte adecvat în practică, dacă se ține
seamă de faptul că o variabilă economică depinde rareori de o singură variabilă. Analiza de
regresie multiplă ne permite să observăm şi să studiem mai mulți factori care afectează variabila
dependentă y.

Modelul de regresie liniară multiplă este o generalizare a modelului de regresie liniară

simplă.

Specificarea modelului econometric multifactorial se face pe baza teoriei economice.

Forma general este:

y = (x1 ,x2 ,...,xk ) + ε.

Funcția f exprimă dependența variabilei explicate Y de variabilele explicative x1, x2 ,..., xk

, în condițiile în care sunt cunoscute valorile parametrilor. Funcția f poate modela diferite relații
între variabila endogenă Y şi variabilele exogene x 1, x2 ,..., xk , precum: relații de regresie, relații
de comportament, relații tehnologice sau instituționale.

Modelul de regresie liniară multiplă poate fi specificat sub forma:

Yi = β0 + β1 x1 + β2 x2 + … + βkxk + εi , i= 1,2,…n

Modelul de regresie liniară multiplă este folosit pentru a studia dependența dintre o
variabilă dependentă y şi k variabile independente x1, x2 ,..., xk , precum şi o variabilă de
perturbație ε .

yi = observația cu numărul i asupra variabilei dependente y

xij = observația cu numărul i asupra variabilei independente xj , j = 1 ,2..., k .

β0 = parametrul de interceptare

7
 β1 β2 βk = coeficienți de regresie parțiali sau coeficienți pantă. Ei ne arată doar influența
parțială a fiecărei variabile independente, atunci când influența tuturor celorlalte variabile
independente este considerată constantă.

Studiu de caz
Pentru a analiza cât mai bine interdependența dintre cei trei indicatori, am utilizat
cunoștințe de statistică macroeconomică și econometrie aplicate pe date reale și oficiale preluate
din baza de date Eurostat. Pentru a realiza o analiză cât mai amănunțită a legăturii dintre cei trei
indicatori, am utilizat limbajul R, folosind programul R-Studio. Perioada analizată este cuprinsă
între anii 2008-2016, deoarece am dorit să cuprindem consecințele crizei economice asupra PIB.

Utilizăm modelul liniar cu două variabile explicative:

Yi = β0 + β1 X1i + β2X2i + εi , i=1,2,…,n

Y = PIB real (mil. Euro)
X1 = Rata inflației (%)
X2 = Investițiile (%)

Am obținut următorul output al modelului de regresie în R:

Call:
lm(formula = PIBr ~ RS + Inv)
Residuals:
Min 1Q Median 3Q Max
-14061 -5616 2747 4633 15549

Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 385013 73294 5.253 0.00191 **
RS -2716583 848427 -3.202 0.01856 *
Inv -224208 101284 -2.214 0.06880 .
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 10750 on 6 degrees of freedom

Multiple R-squared: 0.6468, Adjusted R-squared: 0.5291
F-statistic: 5.494 on 2 and 6 DF, p-value: 0.04406

Fig 1. Estimarea modelului de regresie multipla

8
1. Estimarea paramterilor și interpretarea rezultatelor

Dreapta de regresie estimată:

^y = 385013-2716583*RS-224208*Inv

Interpretarea coeficienţilor obţinuţi:

β0= parametrul de interceptare 0
β1= coeficient de regresie parţial pentru variabila independentă RS.
β2= coeficient de regresie parţial pentru variabila independentă Inv.

O creștere cu un punct a ratei șomajului atunci când investițiile sunt constante determină
o scădere în medie a PIB-ului cu 2716583 euro. O creștere cu o unitate a investițiilor în
condițiile în care rata șomajului este constantă, va genera o scădere în medie a PIB-ului cu
224208 euro.

Parametru de interceptare cu valoarea de 385013 arată că, dacă cele două variabile
explicative, RS şi Inv au valoarea 0, valoarea medie a PIB-ului este estimată la circa 385013
euro, ceea ce din punct de vedere al realității, nu poate fi atins, deoarece atât rata șomajului,
cât și investițiile nu pot menținute la valoarea 0 pe parcursul unui an.

Fig. 2 Matricea de corelatie

9
 Din matricea de corelație (Figura 2), se observă o legătură directă, dar foarte slabă
între variabilele independente, cu un coeficient de corelație de 0.107. Astfel, pe termen
lung, atunci când rata inflației crește, crește și rata șomajului deoarece economia se
adaptează la orice modificare a ratei inflației. Pe termen scurt, această corelație ar fi
negativă, conform curbei Phillips.

2. Testarea semnificației parametrilor

Nivel de semnificație α = 0.05

Valoare tabelară a lui t = 2.447

Response: PIBr
Df Sum Sq Mean Sq F value Pr(>F)
RS 1 703884036 703884036 6.0873 0.04864 *
Inv 1 566626313 566626313 4.9003 0.06880 .
Residuals 6 693785436 115630906
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Fig. 3 ANOVA modelului de regresie

Testarea semnificației statistice a parametrului β1

H0 : β1 = 0 (parametrul pantă β1 nu este semnificativ statistic)

H1 : β1 ≠ 0 (parametrul pantă β1 este semnificativ statistic)

Statistica testului este care are o distribuție Student cu (n-3) grade de

libertate.

În cazul nostru, n=9 => 6 grade de libertate

−2716583−0
tcalc = = = -3.202
848427

10
Regiunea critică este tα/2;6 = 2.447

Deoarece | tcalc| > tα/2;n-3 => respingem H0 => acceptăm H1 => parametrul β1 este
semnificativ statistic la pragul de semnificație de 5%.

Testarea semnificației statistice a parametrului β2

H0 : β2 = 0 (parametrul pantă β1 nu este semnificativ statistic)

H1 : β2 ≠ 0 (parametrul pantă β1 este semnificativ statistic)

În cazul nostru, n=9 => 6 grade de libertate

β 2−0
Statistica testului este tcalc = care are o distribuție Student cu (n-3) grade de
se ( β 2)
libertate.

β 2−0 −224208−0
tcalc = = = -2.21
se (β 2) 101284

Regiunea critică este tα/2;6=2.447

Deoarece | tcalc |> tα/2;n-3 => respingem H0 => acceptăm H1 => parametrul β2 nu este
semnificativ statistic la pragul de semnificație de 5%.

3. Testarea validității modelului

Fig. 4 Modelul de regresie

11
 H0 : modelul nu este valid statistic

H1 : modelul este valid statistic

În cazul nostru, n=9 => 6 grade de libertate

Dacă Fcalc>Fcritic, atunci respingem H0 și acceptăm H1.

Statistica testului este Fcalc = 5.493

Fcritic= 5.32

Deoarece Fcalc> Fcritic => respingem H0 => acceptăm H1 => modelul este valid statistic

4. Indicatorii de performanță ai modelului

Coeficientul de determinație R squared are o valoare de 64.68%, deci 64.68% din variația
PIB-ului este determinată de variația investițiilor și a ratei șomajului. Restul de 35.32%
reprezintă influența altor factori asupra evoluției Produsului Intern Brut, factori care nu sunt
incluși în model. Eroarea standard a regresiei are o valoare de 10753.18, o valoare destul de
mare, ceea ce indică o dispersie a erorii de previzionare mare. Deși modelul nostru este valid și
explică dependența variabilei PIB de variabilele independente rata șomajului și investiții, nu este
recomandată folosirea acestui model pentru previziune.

5. Verificarea ipotezelor modelului de regresie liniară

• Heteroscedasticitatea
Pentru testarea acestei ipoteze, vom folosi Testul White.

Fig. 5 Testul White

12
Formularea ipotezelor:

H0: α1=α2=0 (nu există heteroscedasticitate, ci există homoscedasticitate)

H1: ( ⁆ ) αi≠0, i=1,2 (există heteroscedasticitate)

Dacă P-value este mai mică decât nivelul de semnificație ales (α=0.05), atunci
vom respinge H0 și vom accepta H1.

P-value = (0.3672) (0.9592) (0.5917), valori mai mari decât 0.05, deci acceptăm
H1, deci erorile sunt heteroscedastice.

• Autocorelarea

Aplicăm testul Durbin Watson pentru un nivel de semnificație de 0.05 (d1=0.95,

d2=1.54)

H0 :  = 0 (nu există Autocorelarea erorilor aleatoare)

H1 :   0 (există Autocorelare de ordin 1 a erorilor aleatoare)

Calculăm 4-d1=4-0.95=3.05

4-d2=4-1.54=2.46

Se observă că testul DW are valoarea 1.98 care e cuprinsă între d2=1.54 și 4-

d2=2.46, deci erorile nu sunt corelate.

• Distribuția reziduurilor

Vom folosi Testul Jarque-Bera pentru a determina dacă reziduurile au o

distribuție normală. Astfel, mai întâi se determină coeficientul de asimetrie (Skewness) și
coeficientul de aplatizare (Kurtosis) pentru reziduurile modelului.

13
 Calculul acestor coeficienți se realizază folosind Eviews:

Fig. 6 Histograma reziduurilor

Astfel, valoarea coeficientului de asimetrie este de -0.2973, asimetria distribuției

reziduurilor este deci una negativă. Coeficientul de aplatizare are o valoare de 2.17, deci sub
pragul de 3, astfel distribuția este una platicurtică, deci aplatizată.

H0: Reziduurile au distribuţie normală ( S = 0 şi K = 3 )

H1: Reziduurile nu au distribuţie normală

Statistica acestui test este:

Conform Jarque-Bera, pentru eșantioane mari cu o distribuție normală a reziduurilor,

statistica JB urmează o JB urmează o distribuţie Chi-squared cu două grade de libertate ( 2
2=5.99 ).

Conform outputului din Eviews, valoarea testului JB este de 0.254 < 5.99, rezultă că
Reziduurile au o distribuție normală.

De asemenea, deoarece probabilitatea ascoiată statisticii JB este mai mare decât 0.05,
vom accepta H0, deci reziduurile au o distribuție normală.
14
 • Multicoliniaritatea

Fig. 7 Matricea de corelație

După cum se observă din outputul obținut în Eviews, între variabilele RS și INV există o
legătură inversă, slabă, rx1,x2=-0.4525, deci variabilele rata șomajului și investițiile sunt slab
correlate.

În continuare, vom regresa variabila Inv în raport cu variabila RS.

Fig. 8 Regresarea variabilei Inv în raport cu variabila RS

R-Squared are valoarea 0.2047, deci există o coliniaritate foarte slabă între cele două
variabile Inv și RS.

15
Concluzii
În urma aplicării testului Fisher am observant că modelul este valid statistic. Se observă
că parametrul pantă (rata șomajului) este semnificativ statistic.
În urma aplicării testului White a rezultat că modelul este heteroscedastic.
Conform testului Durbin-Watson între erori nu există aturocorelare, reziduurile sunt
independente.
În ceea ce privește normalitatea reziduurilor, am aplicat Testul JB și am obținut o
distribuție leptocurtică și o asimetrie ușor negativă.
Dintre cele două variabile exogene, rata șomajului are cea mai mare influență asupra PIB-
ului, invesițiile fiind corelate mai puțin cu variabila dependentă, PIB.

16