Prognoza

econometrică

Jula, Dorin; Jula, Nicolae-Marius, 2020. Prognoză economică. Editura Mustang, București
"Prediction is very difficult, especially if it’s about the future.“

(Nils Bohr, Nobel laureate in Physics)

Schema generală a procesului de prognoză
În raport cu momentul la care se realizează, se distinge prognoza
ex post și prognoza ex ante.

Date disponibile

Prognoza Prognoza
ex-post ex-ante
timp
t1 t2 t3

trecut viitor
prezent
O distincție obișnuită, este cea dintre
▪ prognoza necondiționată şi
▪ prognoza condiționată.

În prognoza necondiționată, valorile variabilelor explicative sunt

cunoscute cu certitudine pentru întregul orizont de anticipare
prospectivă.

În prognoza condiționată nu sunt cunoscute cu certitudine valorile

viitoare pentru cel puțin o variabilă explicativă. Variabilei respective
trebuie să-i fie aplicată o procedură de predicție. De exemplu,
valorile variabilei explicative pot fi calculate în același model (model
cu ecuații simultane) sau pot fi determinate pe baza unui model
econometric auxiliar.
1. Modelul unifactorial de regresie lineară

Modelul: Yt = a0 + a1Xt + et, t = 1, 2, …, n, unde erorile sunt i.i.d. N( 0, e )

2

Orizontul de prognoză f, de exemplu, f ≡ n+1:

Yf = a0 + a1Xf + ef,
ex: Yn+1 = a0 + a1Xn+1 + en+1, Var ( ef ) = M( e2f ) = 2e

Valoarea medie condiționată pentru momentul f:

Ŷf = â0 + â1Xf ex. Ŷt+1 = â0 + â1Xt+1
Estimatorul erorii de prognoză
uf = Yf - Ŷf
Valoarea medie condiționată pentru momentul f:
Ŷf = â0 + â1Xf ex. Ŷt+1 = â0 + â1Xt+1
Estimatorul erorii de prognoză
uf = Yf - Ŷf

Dispersia erorilor de prognoză:

 1 ( X − X )2  n

s2f = su2  1 + +
n +1
 u 2
t
 n  ( X t − X )2  su2 = t =1
  n−2
Un interval de încredere pentru valorile de prognoză, calculat cu un grad
de încredere de (1-α), este:
Ŷf – tn-2;αsf ≤ Yf ≤ Ŷf + tn-2;αsf
(tn-2;α este pragul critic din distribuția t-Student bilaterală, pentru df = n-2 şi
riscul α)
Tabelul distribuției teoretice t-Student poate fi găsit la adresa:
https://home.ubalt.edu/ntsbarsh/Business-stat/StatistialTables.pdf
 Y
Ŷt + t n −2, s f

Ŷt = â 0 + â1X t

M(Y)

Ŷt − t n −2, s f

M(X) X

Banda intervalului de încredere pentru prognoză

 Dinamica vânzărilor pentru un anumit produs și evoluția veniturilor populației

Evoluția veniturilor Dinamica

t
populației (Xt, %) vânzărilor (Yt,%)
1 0.5 0.3 2.0

2 1.0 0.8 1.5

3 1.2 1.0
1.0
4 -0.3 -0.5
5 2.1 1.5 0.5
6 2.3 1.8
0.0
7 1.2 1.0
8 1.0 0.5 -0.5
9 0.8 0.4
-1.0
10 0.0 -0.2 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0 2.5
11 -0.6 -0.5
12 2.2 1.7 Ŷt = -0.13832 + 0.82981·Xt

Dacă veniturile populației cresc în perioada t = 13 cu 1% (X13,% = 1%), prognozați

dinamica vânzărilor, cu un grad de încredere de 90%.
Calculele de bază pentru prognoza econometrică,
modelul unifactorial de regresie lineară Ŷt = -0.13832 + 0.82981·Xt

t Xt Yt Ŷt ut (ut)2 (Xt - X̅)2 X13,% = 1(%)

1 0.5 0.3 0.27659 0.02341 0.00055 0.2025
2 1.0 0.8 0.69149 0.10851 0.01177 0.0025 Ŷ13 = -0.13832 + 0.82981·X13 =
3 1.2 1.0 0.85745 0.14255 0.02032 0.0625 = -0.13832 + 0.82981·1 =
4 -0.3 -0.5 -0.38726 -0.11274 0.01271 1.5625 = 0.69149
5 2.1 1.5 1.60428 -0.10428 0.01087 1.3225 12

6 2.3 1.8 1.77024 0.02976 0.00089 1.8225 u 2

t
0.15237
su2 = t =1
= = 0.01524
7 1.2 1.0 0.85745 0.14255 0.02032 0.0625 12 − 2 10
8 1.0 0.5 0.69149 -0.19149 0.03667 0.0025
 ( X13 − X ) 
2
1
9 0.8 0.4 0.52553 -0.12553 0.01576 0.0225 s = s 1 + +
2 2
=
f
 12  ( X t − X )2 
u

10 0.0 -0.2 -0.13832 -0.06168 0.00380 0.9025  

 1 (1 − 0.95 ) 
2

11 -0.6 -0.5 -0.63621 0.13621 0.01855 2.4025 = 0.01524  1 + +  = 0.01651

 12 9.93 
12 2.2 1.7 1.68726 0.01274 0.00016 1.5625  
∑ 11.4 7.8 7.8 0.00000 0.15237 9.9300 s f = 0.01651 = 0.12850
t
0.1;10 = 1.812

t
0.1;10  s f = 1.812  0.12850 = 0.2329
Calculele de bază pentru prognoza econometrică,
modelul unifactorial de regresie lineară

t Xt Yt Ŷt ut (ut)2 (Xt - X̅)2 Ŷt = -0.13832 + 0.82981·Xt

1 0.5 0.3 0.27659 0.02341 0.00055 0.2025
X13,% = 1(%)
2 1.0 0.8 0.69149 0.10851 0.01177 0.0025
3 1.2 1.0 0.85745 0.14255 0.02032 0.0625
Ŷ13 = 0.6915
4 -0.3 -0.5 -0.38726 -0.11274 0.01271 1.5625
5 2.1 1.5 1.60428 -0.10428 0.01087 1.3225
t
0.1;10  s f = 1.812  0.12850 = 0.2329

6 2.3 1.8 1.77024 0.02976 0.00089 1.8225

Intervalul de prognoză pentru Y13:
7 1.2 1.0 0.85745 0.14255 0.02032 0.0625
 
8 1.0 0.5 0.69149 -0.19149 0.03667 0.0025 Yˆ13 – t10;0.1 s f  Yf  Yˆf + t10;0.1 sf
9 0.8 0.4 0.52553 -0.12553 0.01576 0.0225
Yˆ13 – t 
0.1;10 s f  Yf  Yf + t 0.1;10 s f
ˆ
10 0.0 -0.2 -0.13832 -0.06168 0.00380 0.9025
11 -0.6 -0.5 -0.63621 0.13621 0.01855 2.4025 0.6915 – 0.2329 ≤ Y13 ≤ 0.6915 + 0.2329
12 2.2 1.7 1.68726 0.01274 0.00016 1.5625
0.4586 ≤ Y13 ≤ 0.9244.
∑ 11.4 7.8 7.8 0.00000 0.15237 9.9300
 Prognoza econometrică în cazul modelului unifactorial de
regresie lineară. Sinteză
Modelul
t Xt Yt Ŷt ut Yt = a0 + a1Xt + et
1 0.5 0.3 0.27659 0.02341 Ecuația de regresie:
2 1.0 0.8 0.69149 0.10851 Ŷt = -0.13832 + 0.82981·Xt
3 1.2 1.0 0.85745 0.14255 Valoarea anticipată exogen pentru creșterea veniturilor:
4 -0.3 -0.5 -0.38726 -0.11274
X13,% = 1 (%)
5 2.1 1.5 1.60428 -0.10428
Valoarea medie condiționată pentru prognoză:
6 2.3 1.8 1.77024 0.02976
Ŷ13 = 0.6915 (%)
7 1.2 1.0 0.85745 0.14255
Intervalul de prognoză pentru Y13:
8 1.0 0.5 0.69149 -0.19149
0.4596 ≤ Y13 ≤ 0.9244
9 0.8 0.4 0.52553 -0.12553
10 0.0 -0.2 -0.13832 -0.06168 Interpretare:
11 -0.6 -0.5 -0.63621 0.13621 Dacă veniturile populației vor crește în perioada
12 2.2 1.7 1.68726 0.01274 următoare cu 1%, anticipăm o creștere a vânzărilor cu
∑ 11.4 7.8 7.8 0.00000 0.69%. Cu un grad de încredere de 90%, valorile
prognozate ale dinamicii vânzărilor se vor situa între
+0.46% și +0.92%.
 Prognoza econometrică în cazul modelului unifactorial de
regresie lineară. Sinteză

t Xt Yt Ŷt ut
1 0.5 0.3 0.27659 0.02341
2 1.0 0.8 0.69149 0.10851 α 0.1 0.05 0.01 1/3
3 1.2 1.0 0.85745 0.14255 tα;10 1.8125 2.2281 3.1693 1.0165
4 -0.3 -0.5 -0.38726 -0.11274 sf 0.1285
5 2.1 1.5 1.60428 -0.10428 tα;10sf 0.2329 0.2863 0.4072 0.1306
6 2.3 1.8 1.77024 0.02976 Xf = 1.0 90% 95% 99% 67%
7 1.2 1.0 0.85745 0.14255 min 0.9244 0.9778 1.0987 0.8221
8 1.0 0.5 0.69149 -0.19149 Yf 0.6915 0.6915 0.6915 0.6915 0.6915
9 0.8 0.4 0.52553 -0.12553 max 0.4586 0.4052 0.2843 0.5609
10 0.0 -0.2 -0.13832 -0.06168
11 -0.6 -0.5 -0.63621 0.13621
12 2.2 1.7 1.68726 0.01274
∑ 11.4 7.8 7.8 0.00000
2. Modelul multifactorial de regresie lineară

Modelul
Y = XA + e e – zgomot alb gauss-ian.
Prognoza pentru momentul f poate fi construită astfel:
Yf = XfA + ef Xf este un vector linie de dimensiuni 1(k+1)
ef este eroarea de prognoză.
Vectorul estimatorilor este:
 = (X'X)-1X'Y
Prognoza - valoarea medie condiționată pentru momentul f
Ŷf = XfÂ
Estimarea erorii de prognoză:
uf = Yf – Ŷf
 2. Modelul multifactorial de regresie lineară

Modelul
Y = XA + e
Prognoza (valoarea medie condiționată) pentru momentul f:
Ŷf = XfÂ
Estimarea erorii de prognoză:
uf = Yf – Ŷf
Un estimator nedeplasat al dispersiei erorilor de prognoză este
n

s = s 1 + X f ( X'X ) X f 
2 2 −1 u 2
t
f  u  su2 = t =1

n−k −1
Intervalul de încredere (1-α) pentru valorile de prognoză:
Ŷf – tα; n--k-1sf ≤ Yf ≤ Ŷf + tα; n--k-1sf
(tα; n--k-1 este pragul critic din distribuția t-Student bilaterală, pentru df = n-k-1 și riscul α)
 t X1t X2t Yt Ŷt ut (ut)2
Dinamica vânzărilor pentru un anumit produs (Yt)
1 1 -2.4 3.0 0.3 -0.68794 0.98794 0.97603
2 1 -2.6 3.3 0.0 -0.98798 0.98798 0.97610 în funcție de evoluția veniturilor populației (X1t)
3 1 2.4 3.0 3.8 3.97766 -0.17766 0.03156 și dinamica prețurilor (X2t)
4 1 -4.0 5.0 -6.1 -2.94741 -3.15259 9.93882
5 1 -0.1 0.1 1.9 2.56885 -0.66885 0.44736
Yt = a0 + a1X1t + a2X2t + et
6 1 -2.5 3.1 0.1 -0.82036 0.92036 0.84706 (X'X)-1 X'Y
7 1 3.5 4.3 5.4 4.58909 0.81091 0.65758 0.185562 -0.002265 -0.056473 33.5
8 1 1.7 2.1 3.1 3.61418 -0.51418 0.26438 -0.002265 0.007736 0.002243 118.79
9 1 -2.6 3.2 0.1 -0.95277 1.05277 1.10832 -0.056473 0.002243 0.022151 57.48
10 1 -1.5 1.9 1.0 0.57420 0.42580 0.18131
11 1 -3.4 4.3 -1.3 -2.11772 0.81772 0.66867 Â std t alpha
12 1 0.6 0.7 2.3 3.03797 -0.73797 0.54460 2.701259 0.431888 6.2545 0.000001
13 1 -0.4 0.5 1.7 2.13639 -0.43639 0.19044 0.972001 0.088182 11.0227 0.000000
14 1 -4.0 4.9 -4.4 -2.91220 -1.48780 2.21355 -0.352134 0.149220 -2.3598 0.013785
15 1 -1.4 1.8 1.1 0.70662 0.39338 0.15475
16 1 -2.1 2.6 0.6 -0.25549 0.85549 0.73186
(su)2 = 1.00520
17 1 2.8 3.4 4.1 4.22561 -0.12561 0.01578
18 1 0.1 0.1 2.0 2.76325 -0.76325 0.58255 Presupunem că: Xf = (1 0.5 2.5)
19 1 2.7 3.4 4.1 4.12841 -0.02841 0.00081
s2f = su2 1 + X f ( X'X ) X f  = 1.05237
−1
20
21
1
1
-2.4
1.3
3.0
1.6
0.3
2.8
-0.68794
3.40145
0.98794
-0.60145
0.97603
0.36174
 
22 1 -1.1 1.4 1.3 1.13907 0.16093 0.02590
sf = 1.02585
23 1 -1.3 1.6 1.2 0.87424 0.32576 0.10612
t0.1; 22∙sf = 1.7615
24 1 2.2 2.8 3.6 3.85369 -0.25369 0.06436 tα; n-k-1;α = t0.1; 22 = 1.717
25 1 3.0 3.8 4.5 4.27916 0.22084 0.04877
Xf 1 0.5 2.5 2.30693 22.11444
 t X1t X2t Yt Ŷt ut
1 1 -2.4 3.0 0.3 -0.68794 0.98794
Dinamica vânzărilor pentru un anumit produs (Yt)
2 1 -2.6 3.3 0.0 -0.98798 0.98798
3 1 2.4 3.0 3.8 3.97766 -0.17766
în funcție de evoluția veniturilor populației (X1t)
4 1 -4.0 5.0 -6.1 -2.94741 -3.15259 și dinamica prețurilor (X2t)
5 1 -0.1 0.1 1.9 2.56885 -0.66885 (X'X)-1 X'Y
6 1 -2.5 3.1 0.1 -0.82036 0.92036 0.185562 -0.002265 -0.056473 33.5
7 1 3.5 4.3 5.4 4.58909 0.81091 -0.002265 0.007736 0.002243 118.79
8 1 1.7 2.1 3.1 3.61418 -0.51418 -0.056473 0.002243 0.022151 57.48
9 1 -2.6 3.2 0.1 -0.95277 1.05277 Â std t alpha
10 1 -1.5 1.9 1.0 0.57420 0.42580 2.701259 0.431888 6.2545 0.000001
11 1 -3.4 4.3 -1.3 -2.11772 0.81772 0.972001 0.088182 11.0227 0.000000
12 1 0.6 0.7 2.3 3.03797 -0.73797 -0.352134 0.149220 -2.3598 0.013785
13 1 -0.4 0.5 1.7 2.13639 -0.43639
14 1 -4.0 4.9 -4.4 -2.91220 -1.48780 Xf = (1 0.5 2.5) Ŷf = Xf = 2.3069
15 1 -1.4 1.8 1.1 0.70662 0.39338 t22; 0.10 ∙sf = 1.7615
16 1 -2.1 2.6 0.6 -0.25549 0.85549
Ŷf – tn-k-1;αsf ≤ Yf ≤ Ŷf + tn-k-1;αsf
17 1 2.8 3.4 4.1 4.22561 -0.12561
18 1 0.1 0.1 2.0 2.76325 -0.76325 2.3069 – 1.7615 ≤ Yf ≤ 2.3069 + 1.7615
19 1 2.7 3.4 4.1 4.12841 -0.02841 0.545 ≤ Yf ≤ 4.068
20 1 -2.4 3.0 0.3 -0.68794 0.98794
21 1 1.3 1.6 2.8 3.40145 -0.60145 Dacă veniturile populației vor crește în perioada
22 1 -1.1 1.4 1.3 1.13907 0.16093 următoare cu 0,5% și prețurile cu 2,5%, anticipăm o
23 1 -1.3 1.6 1.2 0.87424 0.32576 creștere a vânzărilor cu 2,3%. Cu un grad de încredere
24 1 2.2 2.8 3.6 3.85369 -0.25369 de 90%, valorile prognozate ale dinamicii vânzărilor se
25 1 3.0 3.8 4.5 4.27916 0.22084 vor situa între +0,5% și +4,1%.
Xf 1 0.5 2.5 2.30693
 t X1t X2t Yt Ŷt ut
1 1 -2.4 3.0 0.3 -0.68794 0.98794
Dinamica vânzărilor pentru un anumit produs (Yt)
2 1 -2.6 3.3 0.0 -0.98798 0.98798
în funcție de evoluția veniturilor populației (X1t)
3 1 2.4 3.0 3.8 3.97766 -0.17766
4 1 -4.0 5.0 -6.1 -2.94741 -3.15259
și dinamica prețurilor (X2t)
5 1 -0.1 0.1 1.9 2.56885 -0.66885
6 1 -2.5 3.1 0.1 -0.82036 0.92036
7 1 3.5 4.3 5.4 4.58909 0.81091
α 0.1 0.05 0.01 1/3
8 1 1.7 2.1 3.1 3.61418 -0.51418
9 1 -2.6 3.2 0.1 -0.95277 1.05277 tα;10 1.7171 2.0739 2.8188 0.9892
10 1 -1.5 1.9 1.0 0.57420 0.42580 Sf 1.02585
11 1 -3.4 4.3 -1.3 -2.11772 0.81772
tα;10sf 1.7615 2.1275 2.8916 1.0147
12 1 0.6 0.7 2.3 3.03797 -0.73797
13 1 -0.4 0.5 1.7 2.13639 -0.43639
14 1 -4.0 4.9 -4.4 -2.91220 -1.48780 Xf = (1 0.5 2.5) 90% 95% 99% 67%
15 1 -1.4 1.8 1.1 0.70662 0.39338
min 0.5454 0.1794 -0.5847 1.2922
16 1 -2.1 2.6 0.6 -0.25549 0.85549
17 1 2.8 3.4 4.1 4.22561 -0.12561 Yf 2.3069 2.3069 2.3069 2.3069 2.3069
18 1 0.1 0.1 2.0 2.76325 -0.76325 max 4.0685 4.4344 5.1985 3.3217
19 1 2.7 3.4 4.1 4.12841 -0.02841
20 1 -2.4 3.0 0.3 -0.68794 0.98794
21 1 1.3 1.6 2.8 3.40145 -0.60145
22 1 -1.1 1.4 1.3 1.13907 0.16093
23 1 -1.3 1.6 1.2 0.87424 0.32576
24 1 2.2 2.8 3.6 3.85369 -0.25369
25 1 3.0 3.8 4.5 4.27916 0.22084
Xf 1 0.5 2.5 2.30693
Bibliografie
1. Andrei, Tudorel; Bourbonnais, Régis. 2008. Econometrie, Editura
Economică, București, pp. 94-100
2. Gujarati, Damodar N.; Porter, Dawn C. 2010. Essentials of econometrics. 4th
Edition. Boston: Irwin.
3. Jula, Dorin; Jula, Nicolae-Marius. 2020. Econometrie (ed. a 3a) Editura
Mustang, București, pp. 277-302
4. Jula, Dorin; Jula, Nicolae-Marius. 2020. Prognoza economică, Editura
Mustang, București, pp. 215-251
5. Wooldridge, Jeffrey Marc. 2016. Introductory Econometrics: A Modern
Approach. 6th Edition. Cincinnati, OH: South-Western College Publishing.