Model de analiză a evoluţiei ocupării populaţiei

şi a şomajului în România
Lect. Ștefan Virgil IACOB, PhD (stefaniacob79@yahoo.com)
Universitatea Artifex din București
Elena MĂHĂREA, Student (eelepsa98@yahoo.com)
Academia de Studii Economice din București

Abstract
Prin ocupare noi înțelegem toate acele persoane cu vârsta de 15 ani
și peste, care au desfășurat o activitate economică producătoare de bunuri
sau servicii, de cel puțin oră în perioada de referință de o săptămână, în
scopul de a obține unele venituri sub formă de salarii, plată natură sau
altele beneficii. Aceasta este populația ocupată în termenii cei mai largi. Din
această populație ocupată pe criterii și categorii contracte de muncă sunt cei
care formează contingentul forței de muncă angajată.
Desigur, articolul nu se referă la forța de muncă, dar facem o mică subliniere
că în acest context există forță de muncă ocupată pe perioadă nedeterminată sau
determinată, în funcție de care se poate trage una dintre concluzii.
Tot în populația ocupată intră și șomerii, cei care nu au loc de muncă,
dar nu își găsesc în piața muncii un loc de muncă, cei care au avut un loc
de muncă dar l-au pierdut în cazul restructurării societăților comerciale, a
unor politici guvernamentale și așa mai departe. Important este de analizat
raportul care există între această populație ocupată și numărul de șomeri.
În articolul se prezintă evoluția și situația populației ocupate în trimestrul
IV al anului 2019 și apoi se discută despre numărul de șomeri. Populația inclusă
în rândul șomerilor, aproximativ 364 de mii de persoane în decembrie 2019, ar
trebui să constituie contingentul de completare a forței de muncă în funcție de
cerințele pieței muncii sau în funcție de creșterea locurilor de muncă în economia
națională. Articolul punctează aceste aspecte care sunt esențiale.
Cuvinte cheie: forță de muncă, șomaj, piața muncii, populație
ocupată, migrație.
Clasificarea JEL: C13, C15, J20, J60

Introducere
În cazul acestui articol privind ocuparea și șomajul în România și
perspective, autorii au pornit de la o analiză concretă a situației populației
în România, pornind de la structura populației active, populației ocupate,
numărul de salariați și șomeri, pentru a evidenția modul în care oferta de

184 Romanian Statistical Review - Supplement nr. 4 / 2020

forță de muncă se întâlnește cu nevoile pe care le are economia în aceasta
perspectivă a analizei pe care o întreprindem.
Din acest punct de vedere s-au prezentat unele date, tabele, care
evidențiază că până în decembrie 2019, evoluția a fost pozitivă, scăzând
numărul șomerilor prin ocuparea acestora dar într-o altă ordine de idei și prin
elementul migraționist, în care populația, în sfera ocupării, fără posibilitățile
de angajare și intrare în rândul forței de muncă, a preferat, conform directivelor
europene în legătură cu libera circulație a persoanelor, să își găsească locuri de
muncă în alte state. Aceasta se întâmplă cel puțin în Uniunea Europeană, dacă
nu cumva și în alte state ale lumii.
Ocuparea forței de muncă, ocupare a populației și a șomajului
reprezintă un element de analiză important. Autori au pornit de la identificarea
situației care a fost în trimestrul IV 2019, în ceea ce privește modificarea
numărului populației ocupate într-o scară evolutivă de-a lungul timpului
corelat cu numărul de șomeri, pentru că populația ocupată se regăsește în
statisticile României, precum și cele ale Eurostat, sau pe plan mondial la
nivelul Organizații Internaționale de Statistică, în populație ocupată și șomeri,
aceștia fiind populația activă care trebuie să existe în total la un moment dat.
Sunt prezentate categoriile respective după ce în prealabil se face o
prezentare a criteriilor unor aspecte metodologice care definesc categoriile
statistice, indicatorii utilizați în sensul de ușura posibilitatea de înțelegere din
de vedere al celora care vor studia articolul de față.
Articolul este însoțit de grafice, serii de date care sunt edificatoare și
complementare, fiind dovada certă a probării concluziilor pe care autorii le-au
desprins din această analiză.

Literature review
Anghelache și Angel (2016, 2018) abordează din punct de vedere
teoretic problemele economice generale și fac o serie de analize statistico-
econometrice asupra diverselor fenomene economice corelate cu teoria
prezentată. Georgescu și Delureanu (2015) abordează unele metode de
analiză spectrală și evidențiază potențialul acestora în prognoza seriilor de
timp financiare. Golyandina și Zhigljavsky (2013) sunt preocupați de analiza
spectrului singular pentru seriile de timp. Hassani și Zhigljavsky (2009)
prezintă metodologia și aplicarea datelor economice în ceea ce privește
analiza spectrului singular. Iacob (2019) abordează anumite analize statistico-
econometrice concrete asupra unor fenomene economice utilizând analiza
spectrală în analiza seriilor de date cronologice de mari dimensiuni. Nave
(2006) prezintă utilitatea investigării spectrale în analiza atomului de hidrogen
și a altor elemente. Pecican (2009) abordează diverse metode de analize

Revista Română de Statistică - Supliment nr. 4 / 2020 185

statistico-econometrice punctând și analiza spectrală care se poate aplica la
seriile cronologice de mari dimensiuni. Peijie și Trefor (2010), fac o analiză
spectrală asupra ciclurilor economice care influențează evoluția sectorială din
Marea Britanie. Priestley, M.B. (1971, 1996) este preocupat de posibilitatea
utilizării analizei spectrale în previzionarea economică.

Unele precizări metodologice

În acest articol autorii au considerat important de a aduce în prealabil
unele precizări metodologice care stau la baza analizelor care urmează a fi
făcute. Astfel, sursa datelor o constituie Cercetarea statistică asupra forţei de
muncă în gospodării (AMIGO) care se realizează trimestrial, în conformitate
cu Regulamentul Consiliului şi Parlamentului European nr, 577/1998 cu
privire la organizarea unei anchete statistice selective asupra forţei de muncă
în Comunitatea Europeană.
Conform definiţiei internaţionale (BIM - Biroul Internaţional al
Muncii), șomerii sunt persoanele cu vârste cuprinse între 15 și 74 de ani,
care îndeplinesc simultan următoarele trei condiţii: nu au un loc de muncă,
sunt disponibile să înceapă lucrul în următoarele două săptămâni și s-au aflat
în căutare activă a unui loc de muncă, oricând în decursul ultimelor patru
săptămâni.
În ceea ce privește rata şomajului, aceasta reprezintă ponderea
şomerilor în populaţia activă, iar populația activă, din punct de vedere economic,
cuprinde toate persoanele care furnizează forţa de muncă disponibilă pentru
producţia de bunuri şi servicii în timpul perioadei de referinţă, incluzând
populaţia ocupată şi şomerii.
Şomerii înregistraţi sunt persoanele aflate în evidenţele Agenţiei
Naţionale pentru Ocuparea Forţei de Muncă (ANOFM), care beneficiază de
prevederile legislaţiei privind protecţia socială a şomerilor.
Indicatorii statistici, şomajul lunar şi şomajul înregistrat, nu sunt
comparabili deoarece sursele de date, metodele de măsurare, conceptele,
definiţiile şi sfera de cuprindere sunt diferite.
Metodologia de estimare aplicată se bazează pe metode statistico-
econometrice care nivelează seriile de date cu tendinţă lineară. Astfel, valorile
prognozate sunt derivate din datele furnizate de cercetarea statistică asupra
forţei de muncă în gospodării, pe baza unor coeficienţi de netezire, care
corectează nivelul şi tendinţa seriei în formă brută (neajustată). Coeficienţii de
netezire sunt determinaţi din condiţia minimizării erorilor de previziune.
Datele utilizate sunt sub formă ajustată cu numărul de zile lucrătoare
și de sezonalitate, eliminându-se astfel efectul acestor variaţii. Ajustarea
sezonieră a seriei de date s-a făcut cu pachetul de programe DEMETRA,

186 Romanian Statistical Review - Supplement nr. 4 / 2020

utilizând metoda TRAMO/SEATS, care ajută la corectarea valorilor extreme.
Astfel, seriile ajustate sezonier s-au obţinut prin eliminarea componentei
sezoniere din seria originală.
Gradul de fiabilitate al estimaţiilor pentru indicatorii corespunzători
categoriei tinerilor din grupa de vârstă cuprinsă între 15 și 24 de ani este
extrem de scăzut, având un număr redus de cazuri de observare, iar seriile
obţinute prezintă un grad mare de volatilitate. Așadar, pentru categoria
tineri sunt diseminate date trimestriale, adică datele prezentate pentru lunile
ianuarie, februarie şi martie sunt egale şi se referă la trimestrul I. Datele pentru
tineri sunt diseminate, cu titlu de date provizorii, la două luni după încheierea
trimestrului de referinţă şi definitivate odată cu finalizarea estimaţiilor pentru
cercetarea statistică AMIGO din trimestrul corespunzător.
Întreaga serie a fost calculată în funcţie de populaţia rezidentă
reestimată în condiţii de comparabilitate cu rezultatele Recensământului
Populaţiei şi Locuinţelor din anul 2011.
Indicatorii rata şomajului şi numărul şomerilor sunt diseminaţi lunar
cu titlul de date provizorii şi fac obiectul reviziilor trimestriale, pe măsură
ce noi informaţii devin disponibile, astfel încât indicatorii cu perioadă de
referinţă ianuarie, februarie şi martie se publică în variantă provizorie la
sfârşitul lunilor februarie, martie, respectiv aprilie şi se revizuiesc în mai, iar
indicatorii cu perioadă de referinţă aprilie, mai şi iunie se publică în variantă
provizorie la sfârşitul lunilor mai, iunie respectiv iulie şi se revizuiesc în
august, iar indicatorii cu perioadă de referinţă iulie, august şi septembrie se
publică în variantă provizorie la sfârşitul lunilor august, septembrie respectiv
octombrie şi se revizuiesc în noiembrie și indicatorii cu perioadă de referinţă
octombrie, noiembrie şi decembrie se publică în variantă provizorie la sfârşitul
lunilor noiembrie, decembrie anul în curs şi ianuarie a anului următor şi se
revizuiesc în februarie anul următor.

Date, rezultate și discuții

În analiza care urmează în articolul de față, autorii au folosit serii
de date aferente diverselor perioade de timp, tabele și reprezentări grafice
care scot în evidență evoluția numărului de șomeri și a ratei șomajului din
România, pe diverse categorii de vârstă, de sexe și pe total.
Astfel, datele referitoare la evoluția ratei șomajului în perioada
cuprinsă între ianuarie 2004 și decembrie 2019 sunt structurate în tabelul
numărul 1.

Revista Română de Statistică - Supliment nr. 4 / 2020 187

 Rata șomajului în perioada ianuarie 2004 – decembrie 2019
Tabel 1
anul anul anul anul anul anul anul anul
LUNA
2004 2005 2006 2007 2008 2009 2010 2011
ianuarie 8,5 7,8 6,9 6,6 5,8 5,9 7,1 7,1
februarie 7,5 8,0 7,3 6,8 5,8 6,3 7,1 6,9
martie 7,7 7,9 6,9 6,6 5,8 6,0 7,3 6,9
aprilie 8,4 7,2 7,1 6,7 5,5 6,1 6,7 7,0
mai 7,7 7,3 7,1 6,5 5,7 6,3 6,9 7,1
iunie 8,2 7,1 6,9 6,6 5,7 6,3 6,8 6,9
iulie 7,9 6,8 7,4 6,3 5,5 6,7 7,0 7,2
august 8,2 6,6 7,2 6,2 5,4 6,7 7,1 7,3
septembrie 7,9 6,5 7,4 6,1 5,4 7,0 6,9 7,3
octombrie 8,0 6,9 7,1 5,9 5,7 6,9 6,9 7,3
noiembrie 7,9 6,8 7,1 5,9 5,4 7,0 7,1 7,5
decembrie 7,9 6,6 7,2 5,8 5,8 6,9 6,9 7,4

anul anul anul anul anul anul anul anul

LUNA
2012 2013 2014 2015 2016 2017 2018 2019
ianuarie 7,1 6,8 6,9 7,1 6,4 5,1 4,4 3,9
februarie 6,8 6,9 7,0 7,1 6,2 5,2 4,3 3,8
martie 7,0 7,1 7,0 6,9 6,2 5,2 4,2 3,7
aprilie 6,9 7,4 6,9 7,0 6,1 4,9 4,4 3,9
mai 7,0 7,1 6,8 6,9 6,1 5,2 4,3 3,9
iunie 6,7 7,6 6,9 6,8 6,0 5,1 4,2 3,8
iulie 6,9 6,9 6,7 6,6 5,9 4,9 4,2 4,0
august 6,7 7,0 6,8 6,8 5,8 4,9 4,2 3,8
septembrie 6,8 6,9 6,5 6,7 6,0 4,9 4,0 4,1
octombrie 6,6 7,2 6,8 6,6 5,4 4,7 4,1 3,9
noiembrie 6,5 6,9 6,8 6,6 5,3 4,7 4,1 4,0
decembrie 6,7 7,1 6,6 6,5 5,3 4,5 4,0 4,0
Sursa: INS comunicat nr. 54 / 03.03.2020.

În graficul numărul 1 este prezentată evoluția ratei șomajului în

perioada ianuarie 2012 și ianuarie 2020.

188 Romanian Statistical Review - Supplement nr. 4 / 2020

 Evoluţia ratei şomajului în perioada 2012-2020
Grafic 1

Sursa: INS comunicat nr. 54 / 03.03.2020

Interpretând datele prezentate în tabelul numărul 1 și graficul numărul

1, constatăm că rata şomajului în luna ianuarie 2020 a scăzut cu 0,1% față de
rata înregistrată în luna decembrie 2019, de la 4,0% la 3,9%, atingând cote
similare lunii octombrie 2019.
Totuși, rata șomajului în România în luna decembrie 2019 a fost
similară cu cea din decembrie 2018, după o lungă perioadă de scădere din
2011 până în prezent.
Urmărind datele prezentate în tabelul și graficul de mai sus constatăm
o creștere substanțială a ratei șomajului în timpul crizei economice din anii
2008-2009. Cu toate acestea trendul descendent care caracterizează rata
șomajului începând cu anul 2004, se păstrează până în prezent, atingând valori
minime, precum cea de 3,9% din ianuarie 2020.
Este foarte posibil ca această perspectivă de evoluție descendentă să
se schimbe, trendul să fie unul ascendent datorită factorilor actuali, precum
pandemia coronavirus (COVID 19), care va fi urmată de o criză economico-
financiară fără precedent (având în vedere aici o serie de domenii blocate în
acest moment cum sunt turismul, HoReCa și multe altele) și care va influența
dezvoltarea economiei naționale și nu numai. Astfel, această criză care își are

Revista Română de Statistică - Supliment nr. 4 / 2020 189

rădăcinile în pandemia care a lovit tot globul, va afecta dezvoltarea tuturor
statelor membre ale Uniunii Europene, țări în care o mare parte din populația
României își desfășoară activitatea de ani buni. Pe cale de consecință, o mare
parte din cei care s-au întors în România datorită virusului COVID 19, nu
se vor mai putea întoarce la muncă în statele membre ale Uniunii Europene
datorită indisponibilității acestor locuri de muncă, iar România nu are
capacitatea în acest moment de a asigura un surplus atât de mare de locuri
noi de muncă. Așadar, rezultatul va fi o creștere substanțială a numărului de
șomeri și implicit a ratei șomajului în perioada următoare.
Evoluția numărul de şomeri în intervalul de timp cuprins între ianuarie
2018 și ianuarie 2020 este prezentată în graficul numărul 2.

Numărul de şomeri în perioada ianuarie 2018 – ianuarie 2020

Grafic 2

Sursa: INS comunicat nr. 54 / 03.03.2020

Interpretând datele prezentate în graficul numărul 2, constatăm că

numărul estimat al şomerilor cu vârste cuprinse între 15 și 74 ani, pentru luna
ianuarie a anului 2020, a fost de 350 de mii de persoane. Acesta a fost în
scădere față de luna decembrie a anului 2019, când s-au înregistrat 366 de mii
de persoane fără un loc de muncă, cât și față de aceeaşi lună a anului 2018,
când s-au înregistrat 353 de mii de șomeri.
În continuare, în tabelul numărul 2, este prezentată evoluția ratei
șomajului pe sexe și vârste în intervalul cuprins între ianuarie 2019 și ianuarie
2020.

190 Romanian Statistical Review - Supplement nr. 4 / 2020

 Rata şomajului pe sexe în perioada ianuarie 2019 – ianuarie 2020 (%)
Tabel 2
2019 2020
Ian. Feb. Mar. Apr. Mai Iun. Iul. Aug. Sept. Oct. Nov. Dec. Ian.P
Total
15-74 ani 3,9 3,8 3,7 3,9 3,9 3,8 4,0 3,8 4,1 3,9R 4,0R 4,0R 3,9
15-24 ani 15,4 15,4 15,4 16,4 16,4 16,4 17,5 17,5 17,5 17,7 17,7 17,7 ..
25-74 ani 3,1 3,0 2,9 3,0 2,9 2,9 3,0 2,9 3,1 2,9R 3,0R 3,0R 2,8
Masculin
15-74 ani 4,3 4,2 3,9 4,3 4,2 4,1 4,4 4,2 4,5 4,4R 4,5R 4,7R 4,3
15-24 ani 14,7 14,7 14,7 15,2 15,2 15,2 16,7 16,7 16,7 18,4 18,4 18,4 ..
25-74 ani 3,4 3,4 3,1 3,5 3,3 3,2 3,4 3,3 3,6 3,3R 3,4R 3,5R 3,1
Feminin
15-74 ani 3,4 3,4 3,3 3,5 3,5 3,4 3,5 3,4 3,4 3,2R 3,2R 3,2R 3,3
15-24 ani 16,5 16,5 16,5 18,2 18,2 18,2 18,8 18,8 18,8 16,4 16,4 16,4 ..
25-74 ani 2,6 2,5 2,5 2,5 2,5 2,5 2,5 2,4 2,4 2,4R 2,3R 2,3R 2,3
Sursa: INS comunicat nr. 54 / 03.03.2020

Urmărind datele înscrise în tabelul numărul 2 în ceea ce privește

evoluția șomajului pe sexe, constatăm că rata şomajului la bărbaţi a depăşit-o
cu 1% pe cea a femeilor, valorile respective fiind 4,3% în cazul persoanelor de
sex masculin şi 3,3% în cazul celor de sex feminin.
În ceea ce privesc persoanele adulte, cu vârste cuprinse între 25 și
74 de ani, rata şomajului a fost estimată la 2,8% pentru luna ianuarie 2020 și
împărțind pe sexe rata șomajului va fi de 3,1% în cazul bărbaţilor şi de 2,3%
în cel al femeilor.
Interesant este faptul că numărul şomerilor cu vârste cuprinse între 25
și 74 de ani reprezentă cea mai mare pondere din numărul total al şomerilor,
fiind estimat la 66,6% pentru luna ianuarie 2020.
Pentru a evidenția evoluția numărului de șomeri din România în
ultimii șaisprezece ani, autorii au decis să abordeze problema printr-o analiză
spectrală a seriei cronologice de date, care poate pune în evidență această
evoluție, atât din punct de vedere al sezonalității, al ciclicității, cât și în
determinarea trendului seriei de date supuse analizei.
Analiza spectrală a acestui fenomen economic este posibilă datorită
numărului mare de observații (serie de 192 date lunare, din ianuarie 2004 până
în decembrie 2019) de care dispunem la momentul analizei.
Desigur, analiza spectrală este utilizată încă din secolul XIX în
analiza fenomenelor care au loc în natură, fizică, chimie, biochimie, pornind
de la studiile atomului de hidrogen făcute de Balmer (1885), care a observat
că exista patru lungimi de unda care caracterizează spectrul de lumini ale
atomului de hidrogen, studii continuate de Rutherford, Bohr și alții care au
transformat rezultatele empirice în termeni de constante fizice fundamentale,
ajungându-se în prezent la aplicațiile concrete ale analizei spectrale în

Revista Română de Statistică - Supliment nr. 4 / 2020 191

domenii precum medicină (la investigarea oscilațiilor la nivel cardiologic),
în criminalistică (la analiza probelor) și multe altele. Totuși, nelimitându-ne
la aceste domenii, începând cu anii 1998 au fost făcute o serie de analogii
între fenomenele fizice și cele economice, efectuându-se studii aprofundate
de o serie de cercetători în domeniul econofizicii, care au analizat evoluțiile
diverselor fenomene economice pornind de la similitudinile pe care aceste
evoluții le au cu manifestările unor fenomene fizice.
Așadar, analiza spectrală a unui fenomen economic oscilant așa cum
reiese din graficul numărul 3, care evidențiază evoluția numărului de șomeri în
perioada ianuarie 2004 – decembrie 2019, are ca punct de plecare posibilitatea
de a aproxima o oscilație folosind ca bază o serie Fourier.

Evoluția numărului de șomeri în perioada

ianuarie 2004 – decembrie 2019
Grafic 3

Sursa: INS comunicat nr. 54 / 03.03.2020.

Datele referitoare la evoluția numărului de șomeri în intervalul cuprins

între ianuarie 2004 și decembrie 2019 sunt structurate în tabelul numărul 3.

192 Romanian Statistical Review - Supplement nr. 4 / 2020

 Evoluția numărului de șomeri în perioada
ianuarie 2004 – decembrie 2019
Tabel 3
anul anul anul anul anul anul anul anul
LUNA
2004 2005 2006 2007 2008 2009 2010 2011
ianuarie 841752 774640 687442 659333 570203 570631 668356 658375
februarie 739791 793345 725224 685808 567067 612231 665263 630845
martie 765296 786876 689779 658425 566428 587254 686472 637362
aprilie 835520 706132 711130 675285 539496 585767 632589 642982
mai 766320 719988 710764 651487 564610 602981 648641 646612
iunie 813732 699781 690992 655814 554368 602239 637930 631105
iulie 787335 660639 754950 627583 543458 644456 655262 662804
august 823698 647253 724967 612256 529164 643706 661145 664223
septembrie 787677 631794 748981 608793 528995 668052 641813 668559
octombrie 799832 682130 712350 583053 557526 651659 641927 667424
noiembrie 788416 669389 711955 580641 531807 659914 663806 689061
decembrie 789094 656467 720797 574149 563704 653835 631170 680412

anul anul anul anul anul anul anul anul

LUNA
2012 2013 2014 2015 2016 2017 2018 2019
ianuarie 655275 625663 642509 642298 581894 457737 397636 353275
februarie 620868 635739 642800 652976 564701 466296 394542 346358
martie 641399 653700 649553 638718 560330 468763 384499 331010
aprilie 634398 680947 634980 644204 545429 449055 394566 355431
mai 639171 655080 623966 632458 544173 481002 391159 351578
iunie 619350 698982 633329 629000 531269 469145 382274 342795
iulie 636962 631569 615902 608825 533533 450684 377875 362414
august 622219 646842 627162 625429 517673 446101 377229 347362
septembrie 631818 637780 601272 613752 536765 442816 362014 367760
octombrie 611475 661349 628055 603710 483861 435004 371072 350463
noiembrie 601047 636591 629186 600484 482040 425709 372451 360671
decembrie 619178 658927 607386 595802 475581 412132 360372 366473
Sursa: INS comunicat nr. 54 / 03.03.2020.

Astfel, o evoluție oscilantă determinată de un șir numeric cronologic

cu mai mult de șaizeci de observații, cum este cel analizat și prezentat în
tabelul numărul 3, poate fi scris sub forma unei sume finite de funcții de tip
sinus și cosinus, conform relației:

(1)

unde: , , = parametrii
T = numărul unitarilor de timp
f = frecventa stabilita inițial
t are valori cuprinse in intervalul [1,T]

Ceea ce ne interesează sunt estimațiile parametrilor f, f , deoarece

acestea sunt cele care duc la aproximarea funcției f(t) prin suma finită de

Revista Română de Statistică - Supliment nr. 4 / 2020 193

funcții de tip sinus și cosinus. Aplicând metoda celor mai mici pătrate, vom
urmărim integrala:

(2)
Astfel, minimizarea funcției presupune egalarea cu zero a derivatelor
parțiale de ordinul întâi, ceea ce va conduce la următoarele relații de calcul a
parametrilor estimați:

(3)

(4)

(5)
Acești coeficienți sunt necesari în continuarea analizei pentru
determinarea indicatorilor specifici analizei spectrale cum ar fi amplitudinea:

(6)
În ceea ce privește funcția de densitate, acesta este dată de relația:

(7)

unde: , iar reprezintă coeficientul de autocorelație

În continuare pentru analiza intensității fluctuaților generate de

oscilațiile procesului analizat, datele seriei numerice au fost introduse în
programul de analiză economică STATISTICA. Rezultatele în ceea ce privește
frecvența oscilațiilor, coeficienții Euler-Fourier, cât și valorile periodogramei
și a densității sunt structurate în tabelul numărul 4.

Rezultatele analizei spectrale a evoluției numărului de șomeri

Tabel 4
Frequency Period Cosine - Coeffs Sine - Coeffs Periodogram Density
0 0,000000 -0,0 0,0 7,087408E-20 1,976295E+11
1 0,005208 192,0000 -47021,9 -42101,1 3,824219E+11 2,341481E+11
2 0,010417 96,0000 12251,7 42211,6 1,854647E+11 2,091990E+11
3 0,015625 64,0000 5341,1 38027,8 1,415652E+11 1,230180E+11
4 0,020833 48,0000 -2239,4 -4410,2 2,348624E+09 4,968526E+10
5 0,026042 38,4000 16050,1 690,9 2,477611E+10 3,088619E+10
6 0,031250 32,0000 10732,9 21041,2 5,356092E+10 3,869401E+10
7 0,036458 27,4286 -1215,0 19369,1 3,615726E+10 3,068955E+10
8 0,041667 24,0000 444,1 1623,4 2,719194E+08 1,541012E+10
9 0,046875 21,3333 -10323,7 9662,2 1,919396E+10 1,017850E+10
10 0,052083 19,2000 -2927,5 -911,9 9,025946E+08 5,306531E+09

194 Romanian Statistical Review - Supplement nr. 4 / 2020

 Frequency Period Cosine - Coeffs Sine - Coeffs Periodogram Density
11 0,057292 17,4545 -3114,6 -770,6 9,882589E+08 1,550011E+09
12 0,062500 16,0000 2877,3 -198,0 7,985189E+08 8,283512E+08
13 0,067708 14,7692 1934,1 346,1 3,706019E+08 1,149897E+09
14 0,072917 13,7143 5449,9 -1726,3 3,137443E+09 1,541127E+09
15 0,078125 12,8000 110,4 278,2 8,596698E+06 9,467934E+08
16 0,083333 12,0000 697,9 2346,6 5,754030E+08 6,247899E+08
17 0,088542 11,2941 843,6 3065,5 9,704429E+08 8,510287E+08
18 0,093750 10,6667 -1663,1 1738,3 5,556204E+08 1,507421E+09
19 0,098958 10,1053 4376,0 4805,6 4,055264E+09 2,199750E+09
20 0,104167 9,6000 -2817,9 116,8 7,636049E+08 1,607266E+09
21 0,109375 9,1429 -2892,6 1526,6 1,026990E+09 9,579761E+08
22 0,114583 8,7273 -1070,9 -2253,3 5,975491E+08 7,449092E+08
23 0,119792 8,3478 1884,6 2046,2 7,428960E+08 6,792357E+08
24 0,125000 8,0000 2160,9 -1546,1 6,777568E+08 5,512452E+08
25 0,130208 7,6800 115,3 999,1 9,709574E+07 4,066145E+08
26 0,135417 7,3846 1912,0 1894,2 6,954142E+08 4,071885E+08
27 0,140625 7,1111 -652,9 1112,4 1,597095E+08 3,673428E+08
28 0,145833 6,8571 1609,0 -713,5 2,974087E+08 5,558116E+08
29 0,151042 6,6207 3768,0 1152,7 1,490579E+09 7,582989E+08
30 0,156250 6,4000 217,5 243,9 1,025490E+07 4,678957E+08
31 0,161458 6,1935 1755,0 -841,7 3,636981E+08 2,615342E+08
32 0,166667 6,0000 686,6 1089,1 1,591173E+08 1,989396E+08
33 0,171875 5,8182 -491,8 1116,5 1,428919E+08 1,660275E+08
34 0,177083 5,6471 437,2 -1178,2 1,516068E+08 2,059153E+08
35 0,182292 5,4857 -503,3 1982,3 4,015365E+08 2,433442E+08
36 0,187500 5,3333 179,2 -590,3 3,653440E+07 2,122563E+08
37 0,192708 5,1892 1957,9 376,2 3,815870E+08 2,096995E+08
38 0,197917 5,0526 213,5 680,3 4,880669E+07 1,460777E+08
39 0,203125 4,9231 1136,8 32,9 1,241585E+08 8,881560E+07
40 0,208333 4,8000 -547,3 103,1 2,977578E+07 5,597546E+07
41 0,213542 4,6829 31,1 486,7 2,283642E+07 7,884605E+07
42 0,218750 4,5714 -5,0 -1266,9 1,540931E+08 2,880896E+08
43 0,223958 4,4651 2184,1 -1015,6 5,569607E+08 8,353901E+08
44 0,229167 4,3636 3773,5 -2940,3 2,196938E+09 1,260081E+09
45 0,234375 4,2667 1207,7 2032,6 5,366199E+08 8,768615E+08
46 0,239583 4,1739 1266,3 -1167,5 2,847907E+08 4,670799E+08
47 0,244792 4,0851 1901,7 1401,5 5,357473E+08 3,477549E+08
48 0,250000 4,0000 684,4 628,9 8,293652E+07 1,970131E+08
49 0,255208 3,9184 349,0 -319,9 2,151690E+07 1,549609E+08
50 0,260417 3,8400 -427,3 -2081,2 4,333358E+08 2,245302E+08
51 0,265625 3,7647 716,0 38,0 4,935820E+07 2,223270E+08
52 0,270833 3,6923 161,8 -1786,2 3,088039E+08 3,340425E+08
53 0,276042 3,6226 487,2 -2403,2 5,772173E+08 5,885591E+08
54 0,281250 3,5556 2171,8 -1983,3 8,304218E+08 9,172225E+08
55 0,286458 3,4909 3985,9 37,9 1,525307E+09 1,113876E+09
56 0,291667 3,4286 2422,0 -1574,5 8,011157E+08 8,965911E+08
57 0,296875 3,3684 2295,8 521,5 5,321083E+08 5,827748E+08
58 0,302083 3,3103 1474,8 1306,3 3,726279E+08 3,763340E+08
59 0,307292 3,2542 760,2 -1302,2 2,182645E+08 2,505909E+08
60 0,312500 3,2000 -311,0 206,4 1,337319E+07 3,653285E+08
61 0,317708 3,1475 3424,4 509,4 1,150623E+09 6,449261E+08
62 0,322917 3,0968 2129,5 -382,8 4,494150E+08 5,608376E+08
63 0,328125 3,0476 1806,2 455,1 3,330585E+08 3,156925E+08
64 0,333333 3,0000 683,8 363,1 5,754307E+07 1,821169E+08
65 0,338542 2,9538 669,2 794,4 1,035683E+08 3,105489E+08
66 0,343750 2,9091 3194,2 201,1 9,833404E+08 5,315180E+08

Revista Română de Statistică - Supliment nr. 4 / 2020 195

 Frequency Period Cosine - Coeffs Sine - Coeffs Periodogram Density
67 0,348958 2,8657 565,3 -339,5 4,174242E+07 6,703481E+08
68 0,354167 2,8235 3301,9 -2295,1 1,552358E+09 1,016777E+09
69 0,359375 2,7826 428,7 -3244,9 1,028438E+09 1,097858E+09
70 0,364583 2,7429 2875,5 -819,2 8,582171E+08 1,076235E+09
71 0,369792 2,7042 3871,5 1175,0 1,571441E+09 1,057769E+09
72 0,375000 2,6667 1773,8 184,4 3,053208E+08 8,099022E+08
73 0,380208 2,6301 2842,4 1816,0 1,092214E+09 6,243478E+08
74 0,385417 2,5946 -380,7 305,3 2,286443E+07 3,001120E+08
75 0,390625 2,5600 181,5 -639,1 4,237406E+07 1,262302E+08
76 0,395833 2,5263 -96,5 1261,0 1,535402E+08 2,872757E+08
77 0,401042 2,4935 2585,0 -914,8 7,218239E+08 6,156080E+08
78 0,406250 2,4615 3131,2 -146,1 9,432658E+08 7,875365E+08
79 0,411458 2,4304 -69,1 2828,3 7,684111E+08 6,117185E+08
80 0,416667 2,4000 683,5 168,5 4,757456E+07 2,917242E+08
81 0,421875 2,3704 709,5 -820,7 1,129840E+08 3,072813E+08
82 0,427083 2,3415 2511,0 887,5 6,809143E+08 7,294890E+08
83 0,432292 2,3133 3919,7 567,6 1,505865E+09 1,168705E+09
84 0,437500 2,2857 2765,4 1462,3 9,394560E+08 1,526593E+09
85 0,442708 2,2588 2766,1 4694,2 2,849944E+09 1,777411E+09
86 0,447917 2,2326 -1644,6 2620,3 9,187635E+08 1,172367E+09
87 0,453125 2,2069 739,6 660,2 9,436569E+07 5,396542E+08
88 0,458333 2,1818 2275,0 -571,2 5,281759E+08 6,218632E+08
89 0,463542 2,1573 -228,8 3692,5 1,313963E+09 8,175731E+08
90 0,468750 2,1333 1688,1 1077,3 3,849900E+08 5,725589E+08
91 0,473958 2,1099 676,3 1312,5 2,092770E+08 3,581965E+08
92 0,479167 2,0870 1611,7 1290,5 4,092309E+08 4,768318E+08
93 0,484375 2,0645 -1297,7 -2451,4 7,385865E+08 7,898710E+08
94 0,489583 2,0426 1029,3 3751,6 1,452837E+09 8,683669E+08
95 0,494792 2,0211 -656,9 -819,0 1,058198E+08 4,384440E+08
96 0,500000 2,0000 683,4 0,0 4,483328E+07 1,748092E+08

Valorile care reprezintă perioadele importante în evoluția seriei de

date supusă analizei au fost concentrate în tabelul numărul 5.

Rezultate edificatoare
Tabel 5
Frequency Period Cosine - Coeffs Sine - Coeffs Periodogram Density
1 0,005208 192,0000 -47021,9 -42101,1 3,824219E+11 2,341481E+11
2 0,010417 96,0000 12251,7 42211,6 1,854647E+11 2,091990E+11
3 0,015625 64,0000 5341,1 38027,8 1,415652E+11 1,230180E+11
6 0,031250 32,0000 10732,9 21041,2 5,356092E+10 3,869401E+10
7 0,036458 27,4286 -1215,0 19369,1 3,615726E+10 3,068955E+10
5 0,026042 38,4000 16050,1 690,9 2,477611E+10 3,088619E+10
9 0,046875 21,3333 -10323,7 9662,2 1,919396E+10 1,017850E+10
19 0,098958 10,1053 4376,0 4805,6 4,055264E+09 2,199750E+09
14 0,072917 13,7143 5449,9 -1726,3 3,137443E+09 1,541127E+09
85 0,442708 2,2588 2766,1 4694,2 2,849944E+09 1,777411E+09

Valorile periodogramei raportate la frecventa oscilației sunt prezentate

în graficul numărul 4.

196 Romanian Statistical Review - Supplement nr. 4 / 2020

 Reprezentarea periodogramei în funcție de frecvență
Grafic 4
Spectral analysis: VAR1
No. of cases: 192
4E11 4E11

3,5E11 3,5E11

3E11 3E11
Periodogram Values

2,5E11 2,5E11

2E11 2E11

1,5E11 1,5E11

1E11 1E11

5E10 5E10

0 0
0,00 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50

Frequency

În graficul 4 identificăm pe axa orizontală frecventa de baza

cu armonicele acesteia pana la · 96 = 0,50; iar pe

verticală sunt inregistrate valorile periodogramei.
Valorile sunt obținute prin însumarea pătratelor coeficienților și
multiplicarea rezultatului adunării cu . Așadar, avem o relație exponențială
între valorile periodogramei și valorile amlpitudinii având în vedere faptul că
în ambele relații de calcul pentru cele două variabile avem o bază reprezentată
de suma pătratelor coeficienților.
Totuși, diferența dintre determinarea periodogramei și a amplitudinii
constă în faptul că pentru calculul periodogramei suma pătratelor se înmulțește
cu , iar valoarea amplitudinii este determinată ca fiind rădăcina pătrată a
aceleași sume a patratelor coeficienților. Așadar, pentru valorile maxime ale
periodogramei, vom avea în corespondență valori maxime ale amplitudinii.
În ceea ce privește dependența amplitudinii față de priodogramă,
aceasta poate fi determinată conform relației:

Revista Română de Statistică - Supliment nr. 4 / 2020 197

 (8)
unde: A= amplitudinea
Vp = valoarea periodogramei
T = numarul unităților de timp ale seriei (în cazul analizat numărul de luni)

Interpretând datele din graficul numărul 4 și tabelul numărul 5,

constatăm că cele mai importante oscilații apar la 192 luni, caz în care mărimea
periodogramei aferente acesteia are valoarea de 3,824219 multiplicată cu zece
la puterea a unsprezecea și, de asemenea, la 96 de luni, caz în care mărimea
periodogramei aferente acesteia are valoarea de 1,854647 multiplicată cu zece
la puterea a unsprezecea. Așadar, notăm că vârfurile oscilațiilor în ceea ce
privește evoluția numărului de șomeri din România se înregistrează la 192
luni și respectiv 96 luni.
Având în vedere faptul că amplitudinea este mare pentru perioade mai
mari decât 12 luni (în cazul analizat la 192 și 96 luni), rezultă că nu putem
semnala o influență accentuată a sezonalității, fapt așteptat de altfel, deoarece
așa cum s-a amintit și în precizările metodologie prezentate mai sus, seria de
date utilizată în această analiză pe care au avut-o autorii în atenție este ajustată
sezonier cu pachetul de programe DEMETRA, utilizând metoda TRAMO/
SEATS, cu ajutorul căreia s-au corectat valorile extreme.
În aceeași ordine de idei, interpretând datele structurate în tabelul
numărul 3, putem identifica unele oscilații ale numărului de șomeri, cu
amplitudini mai mari în sezonul rece și ceva mai mici în cel cald, ceea ce
indică o anumită influență a sezonalității asupra evoluției numărului de șomeri
din România. Acestea se datorează pe de o parte condițiilor climatice pe care
le oferă România, iar pe de altă parte a migrării forței de muncă în statele
membre ale Uniunii Europene la muncă în domeniile precum agricultură,
legumicultură, persoane care la reîntoarcerea în țară nu pot ocupa un loc
de muncă și recurg la accesa fondurilor destinate ajutorului de șomaj. De
asemenea, alt domeniu afectat de sezonalitate, în care un număr mare de
persoane își găsesc locul, este cel al construcțiilor, domeniu care în sezonul
rece își restrânge activitatea datorită condițiilor nefavorabile care influențează
serios acest domeniu.
Existența tendinței este semnalată de valorile mari ale amplitudinii
(semnalate de periodograma în tabelul numărul 5 coloana șase) pentru
frecvențe mai mici decât valoarea unitară (tabelul numărul 5 coloana doi). De
asemenea, trendul descendent al seriei este confirmat și de valorile înregistrate
și prezentate în graficul numărul 3.

198 Romanian Statistical Review - Supplement nr. 4 / 2020

 Datorită amplitudinilor mari înregistrate pentru perioadele mai mari
decât un an (192 luni, 96 luni, 64 luni), duc la concluzia că putem confirma
prezența ciclicitații evoluției numărului de șomeri. Acest aspect reise și din
graficul numărul 3, de unde putem constata că numărul de șomeri crește în
perioadele dificle ale evoluției economice (criza economică din 2008-2009) și
scade în perioadele de relansare economică.
În graficul numărul 5 este prezentată evoluția densitații spectrale în
funcție de mărimea frecvenței.

Reprezentarea densitații spectrale în funcție de frecvență

Grafic 5
Spectral analysis: VAR1
No. of cases: 192
Hamming weights:,0357 ,2411 ,4464 ,2411 ,0357
2,5E11 2,5E11

2E11 2E11
Spectral Density

1,5E11 1,5E11

1E11 1E11

5E10 5E10

0 0
0,00 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50
Frequency

Interpretând datele prezentate în graficul numărul 5 și în tabelul

numărul 5, constatăm că vârfurile maxime înregistrate de densitatea spectrală
în funcție de frecvență sunt tot la 192 luni și 96 luni, fapt așteptat de altfel,
deoarece valorile densității spectrale sunt analoage celor ale periodogramei
prin însăși formula de calcul a acesteia, care reprezintă prima derivată a
funcției spectrului procesului.
În continuare autorii au analizat coeficienții Fourier (sinus și cosinus),
generând cu ajutorul programului de analiză STATISTICA graficele numerele
6 și 7.

Revista Română de Statistică - Supliment nr. 4 / 2020 199

 Reprezentarea coeficienților Fourier (sinus)
Grafic 6

Spectral analysis: VAR1

No. of cases: 192
60000 60000

40000 40000

20000 20000
Sine Coefficients

0 0

-20000 -20000

-40000 -40000

-60000 -60000
0,00 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50
Frequency

Interpretând datele prezentate în graficul numărul 6 se observă că

coeficientul sinus înregistrează în general valori cuprinse în intervalul -10.000
și 10.000, cu câteva excepții care se încadrează atât în zona pozitivă, cât și cea
negativă. Astfel, maximul valorii înregistrate de coeficientul sinus pentru seria
supusă analizei, este aferentă perioadei de 92 luni având valoarea de 42.211,6
și 192 luni având valoarea de -42.101,1.

200 Romanian Statistical Review - Supplement nr. 4 / 2020

 Reprezentarea coeficienților Fourier (cosinus)
Grafic 7
 
!"#"$
 

 

/"/"$$

 

 




 

 
       

   
%&'


În ceea ce privește coeficientul cosinus, conform graficului numărul
7, constatăm că acesta înregistrează în general valori cuprinse în intervalul
-5.000 și 5.000, dar plasate mai mult în zona pozitivă. Există o singură
excepție, maximul acestei valori înregistrate fiind negativă și anume -47.021,9
pentru 192 luni, restul valorilor fiind destul de compacte.

Concluzii
Analiza articolului ocuparea și șomajul în România, conduce la unele
concluzii teoretice dar mai ales practice. În primul rând se clarifică că raportul
dintre ocuparea populației și numărul de șomeri este dat pe capacitatea
economiei de a răspunde ofertei pieței muncii și a angaja persoanele respective.
Desigur, există locuri vacante care se scot la concurs să spunem așa
pentru ocupare, dar în cele mai multe cazuri acestea nu se realizează, deoarece
nu sunt întrunite condițiile de corelare a ofertei pieței muncii și cerințele din
mediul economic. De aceea o primă concluzie este aceea că pregătirea forței
de muncă, prin cei care absolvă studii sau reconversii profesionale, să fie
aduse cât mai aproape de cerințele mediului economic.
O a doua concluzie este aceea că numărul șomerilor va putea să scadă
nu numai prin emigrarea acestora în alte zone geografice din Europa sau de pe

Revista Română de Statistică - Supliment nr. 4 / 2020 201

glob, ci mai ales prin investiții care să asigure crearea de noi locuri de muncă,
care să fie în concordanță și cu oferta pieței muncii, așa încât o parte însemnată
dintre aceste persoane a populației să fie sorbită, să treacă în categoria forței
de muncă angajate și nu în categoria șomerilor.
De asemenea, o altă corelație care trebuie avută în vedere este aceea
că perioada de sprijin în perioada de șomaj este limitată, după care aceste
persoane devin neocupate și își aleg alte căi de ași rezolva nevoile de venituri
pentru viață și familie, fie prin a lucra la negru, piață cenușie sau cum vreți să-i
spunem, fie prin a migra în exterior.
O altă concluzie care se desprinde este aceea că în programul fiecărui
guvern trebuie să stea preocuparea ca cei care pleacă să își găsească loc de muncă
în exterior să meargă pe baze contractuale, pe bază de studiu și cunoașterea
a piețelor unde se duc, așa încât aceștia să-și dobândească drepturile care se
prevăd în carta drepturilor salariaților din Uniunea Europeană, dar mai ales în
codul muncii din România.

Bibliografie
1. Anghelache, C., Angel, M.G. (2018) Econometrie generală. Teorie și studii de caz,
Editura Economică, București
2. Anghelache, C. Angel, M.G. (2016) Bazele statisticii economice, Editura
Economică, București
3. Georgescu,V., Delureanu, S.M. (2015), Advanced Spectral Methods and Their
Potential in Forecasting Fuzzy-Valued and Multivariate Financial Time Series.
Advances in Intelligent Systems and Computing, Springer-Verlag, 129-140.
4. Golyandina, N., Zhigljavsky, A. (2013), Singular Spectrum Analysis for time
series. Springer Briefs in Statistics, Springer.
5. Hassani, H., Zhigljavsky, A. (2009), Singular Spectrum Analysis: Methodology
and Application to Economics Data. Journal of System Science and Complexity, 22
372–394
6. Iacob, Ș.V. (2019) - Utilizarea metodelor statistico-econometrice și econofizice în
analize economice, Ed. Economică
7. Nave, C.R. (2006),”Hydrogen Spectrum”. HyperPhysics. Georgia State University.
Retrieved March 1, 2008
8. Pecican, E.S. (2009), Econometrie pentru economisti, Editura economica,
Bucuresti
9. Peijie, Wang, Trefor, J. (2010), A Spectral Analysis of Business Cycle Patterns in
UK Sectoral Output
10. Priestley, M.B. (1971), Time-dependent spectral analysis and its application in
prediction and control, Journal of Sound and Vibration
11. Priestley, M.B. (1996), Wavelets and Time-Dependent Spectral Analysis. Journal
of Time Series Analysis
12. Priestley, M.B. (1996), Sprectral Analysis and Time Seties, Academic Press
London

202 Romanian Statistical Review - Supplement nr. 4 / 2020