Documente Academic
Documente Profesional
Documente Cultură
INTRODUCERE ÎN ECONOMETRIE
Un rol deosebit în dezvoltarea şi popularizarea econometriei l-a avut revista acestei societăţi,
care apare trimestrial, începând cu anul 1933.
Sub aspect istoric, studierea cantitativă a fenomenelor economice este mult mai veche.
Printre precursorii econometriei mai veche pot fi citaţi: Quesnay, Petty, Gregory King, Engel şi
Marshall.
1
Definiţiile econometriei
a) definiţia istorică;
b) definiţia restrictivă;
c) definiţia extinsă.
a) Definiţia istorică a econometriei a fost formulată de Frisch în primul număr al revistei
„Econometrica" în ianuarie 1933: „experienţa a arătat că fiecare din următoarele trei puncte de
vedere, al statisticii, al teoriei economice şi al matematicii, este o condiţie necesară, dar nu şi
suficientă, pentru o înţelegere efectivă a realităţilor cantitative din economia modernă; unificarea lor
este aceea care asigură eficienţa. Econometria este tocmai această unificare".
- 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:
2
Astfel, analiza seriilor cronologice, modelul lui Leontief ca şi statistica economică, care se
fundamentează pe metoda balanţelor, nu intră în sfera de cuprindere a econometriei: prima, deoarece
existenţa unei teorii economice nu este necesară, iar ultimele două, fiindcă nu permit aplicarea
metodelor inducţiei statistice.
În ţara noastră, atât în literatura de specialitate, deşi rareori se fac precizări exprese, cât şi
prin structura planurilor de învăţământ, econometria este concepută şi aplicată ca metodă generală
de investigare cantitativă a fenomenelor şi proceselor economice, adică în accepţiunea largă a
termenului.
Un domeniu mai puţin abordat atât teoretic cât şi practic îl constituie metodele
econometriei în sensul restrictiv al termenului respectiv modelele aleatoare (stochastice).
De asemenea în studiile mult mai recente se insistă asupra faptului că studiul seriilor de timp
privind evoluţia fenomenelor economice nu poate fi independent de teoria economică.
3
Noţiuni şi concepte fundamentale ale econometriei
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.
a) variabile economice
b) variabila eroare (aleatoare)
c) variabila timp
a) Variabilele economice, de regulă se împart în variabile explicate, rezultative sau
ENDOGENE notate yi (i=1,n) şi variabile explicative, factoriale sau EXOGENE notate (j=1 , k ) ,
4
independente de variabilele endogene yi , în care n reprezintă numărul variabilelor rezultative iar k
numărul variabilelor factoriale.
În cazul modelelor de simulare sau de prognoză variabilele se mai împart în variabile
influenţează variabila endogenă , 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 , care reprezintă factorii determinanţi (esenţiali) ai
variabilei .
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.
- 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 cuantificată şi ca atare nici specificată în
modelul econometric.
5
Q = A ⋅ K α ⋅ Lβ ⋅ e ct ⋅ u , unde:
K = capitalul;
L = forţa de muncă;
e = numărul natural;
t = timpul;
u = variabilă aleatoare;
Sursa de date
Variabilele economice se introduc într-un model econometric cu valorile lor reale sau
empirice ( y i = y1 , y 2 ,........, y n şi x i = x 1 , x 2 ,........, x n ; n = numărul unităţilor observate).
Aceste valori ale variabilelor unui model se pot obţine pe două căi: fie pe baza sistemului
informaţional statistic (banca de date), fie prin efectuarea de observări statistice special organizate -
de tipul anchetelor statistice.
6
- exprimarea variabilelor în aceleaşi unităţi de măsură, condiţie care se referă în mod special
la evaluarea indicatorilor economici în preţuri comparabile sau preţuri reale.
„Materia primă" pentru calcule economice o constituie seriile cronologice (serii de timp sau
serii dinamice), mai rar seriile teritoriale, ale variabilelor economice respective, preluate sau construite
pe baza băncii de date statistice existente.
t = 1, 2, . . . . . , T
x t = x 1 , x 2 ,........, x T
y t = y1 , y 2 ,........, y T
xi | x1 x2 ........... xn
yi | y1 y2 ........... yn
1 n
x = M(x) = ⋅ ∑ xi
n i=1
1 n
σx = σ x2
= M( x 2 ) = ⋅ ∑ (x i − x) 2
n i=1
7
σ x2
= M( x 2 ) , fiind dispersia variabilei
2) Valorile centrate :
x ∗i = x i − x
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 n
M(x ) = ⋅ ∑ x i − x = 0
∗
n i =1
1 n 1 n
M[( x ∗ ) 2 ] = ⋅ ∑ (x ∗ ) 2 = ⋅ ∑ (x i − x ) 2 = M(x 2 )
n i =1 n i=1
xi − x
x ∗i ∗ =
σx
Media şi dispersia acestor valori este:
1 n xi − x
M(x ) = ⋅ ∑
∗∗
=0
n i=1 σx
2
1 n x i − x
M(x ) = ⋅ ∑
∗∗
= σx =1
2
n i=1 σx σx2
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.
8
1. Relaţiile de identitate sunt de tipul ecuaţiilor de balanţă folosite în „Sistemul de
balanţe ale economiei naţionale"
2. Relaţiile de comportament sunt acele ecuaţii stochastice 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.
3. 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.
Pe lângă aceste teste statistice, în practica curentă în diverse domenii se foloseşte frecvent
un test denumit „testul erorii". În general, aplicarea acestui test presupune compararea a două valori:
9
Locul şi rolul econometriei în sistemul ştiinţelor economice
În cadrul aceastei triade, teorie economică - matematică - statistică, locul central îl ocupă
teoria economică.
Modelul astfel construit reprezintă o verigă intermediară între teorie şi realitate. El reprezintă
o cale de confruntare a teoriei cu practica, singurul mod de experimentare pe baza căruia ştiinţa
economică îşi poate fundamenta ipotezele, din moment ce obiectul său de cercetare poate fi numai
observat, nu şi izolat şi cercetat în laborator.
10
Prin această experimentare mijlocită de modelul econometric, ştiinţele economice
validează, renunţă sau elaborează metode noi, îşi confruntă problemele de semantică economică,
îmbogăţindu-şi în felul acesta sistemul de informaţii privind structura şi evoluţia obiectului economic.
În concluzie, se poate reţine ideea că metoda econometriei este metoda modelării sau
metoda modelelor.
11
CAPITOLUL 2
Pentru a putea efectua acest tip de analiză trebuie cunoscute în primul rând categoriile de
legături ce se stabilesc între variabilele economice.
Tipologia legăturilor care se stabilesc în interiorul unor astfel de sisteme este extrem de
diversă, fapt pentru care există numeroase criterii de clasificare a legăturilor.
y = f(x)
y= variabila rezultativă
Legăturile deterministe sunt specifice mai degrabă ştiinţelor exacte şi se întâlnesc mai
rar în economie.
12
y = f (x ) + ε
ex: y = 2 + 3x 2 + ε
Această componentă a analizei econometrice include primele etape din elaborarea unui model
econometric, începând cu formularea ipotezelor de pornire şi selectare a variabilelor şi finalizând cu
determinarea ecuaţiei modelului şi estimarea parametrilor.
a) analiza de regresie
b) analiza de corelaţie
13
ANALIZA DE REGRESIE
Pentru a putea utiliza funcţiile matematice cunoscute, cel mai adesea se reprezintă grafic
legătura dintre variabilele x şi y. Această metodă grafică este des întâlnită în practică datorită
simplităţii ei şi mai este denumită ”metoda norului de puncte”.
Dacă norul de puncte sugerează o curbă care crşte semnificativ ⇒ funcţia exponenţială
Pe baza reprezentării grafice se alege/aleg ecuaţia sau ecuaţiile modelului, iar apoi, cu ajutorul
unor metode specifice se estimează si se interpretează parametrii modelului.
14
ANALIZA CORELAȚIEI
1 n
cov( x , y) = ⋅ ∑ ( x i − x )( y i − y)
n i=1
n = numărul eşantionului
15
I + + (+) ⇒ valori pozitive
Dacă norul de puncte se concentrează în jurul primei bisectoare (cadranele I şi III) atunci
legătura dintre variabilele x şi y este puternică şi directă.
Dacă norul de puncte se concentrează în jurul celei de-a doua bisectoare (cadranele II şi IV)
atunci legătura dintre variabilele x şi y este puternică şi inversă.
Dacă norul de puncte este împrăştiat haotic pe toate cele 4 cadrane, atunci între variabilele x
şi y nu există legătură.
Covarianţa serveşte mai degrabă drept bază de pornire pentru calcularea unor parametrii mai
sintetici ai corelaţiei.
Parametrii sintetici de caracterizare a corelaţiei dintre două sau mai multe variabile sunt:
cov(x, y)
r=
σx ⋅ σy
16
n
∑ (x i − x)2
σx = i =1
n
∑ (y i − y)2
σy = i =1
n
1 n
cov( x , y) = ⋅ ∑ ( x i − x )( y i − y)
n i=1
1 n n
⋅ ∑ ( x i − x )( y i − y) ∑ (x i − x )( y i − y)
n i =1 i =1
r= =
n n n n
∑ (x
i =1
i − x) 2
∑ (y
i =1
i − y) 2
∑ (x
i =1
i − x ) ⋅ ∑ ( y i − y) 2
2
i =1
⋅
n n
n n
∑x i ∑y i
x= i =1
, y= i =1
n n
n n n
n ⋅ ∑ x i ⋅ yi − ∑ x i ⋅ ∑ yi
i =1 i =1 i =1
r= , r
n 2 n
2
n 2 n
2
n ⋅ ∑ x i − ∑ x i n ⋅ ∑ y i − ∑ y i
i =1 i =1 i =1 i =1
Interpretare:
Cu cât valorile lui r se aproprie de 1, cu atât legătura este mai puternică şi directă (când
variabilele x şi y evoluează în acelaşi sens).
Cu cât valoarea lui r este mai apropriată de -1, cu atât legătura dintre variabilele x şi y este
mai putenică şi inversă.
17
Principalul dezavantaj al coeficientului de corelaţie este acela că nu poate fi folosit decât în
cazul legăturilor liniare simple, ceea ce îi restrânge aplicabilitatea. Din acest motiv pentru alte tipuri
de modele se folosesc următorii 2 parametrii ai corelaţiei şi anume:
2. Raportul de corelaţie R
Raportul de corelaţie se bazează pe analiza varianţei care descompune variaţia totală a
variabilei rezultative y în 2 componente.
∑ (y i − y) 2
σ 2y = i =1
n
Prima componentă o reprezintă variaţia explicată care arată variaţia lui y determinată de
acţiunea variabilei factoriale x. Această componentă se cuantifică prin:
∑ ( ŷ i − y) 2
σ 2y = i =1
x
n
A doua componentă o reprezintă variaţia reziduală care arată în ce măsură variaţia lui y este
determinată de influenţa factorilor întâmplători sau nesimnificativi. Această variaţie reziduală se
notează cu σ ε2 .
σ 2y ∑ ( ŷ i − y) 2
R= x
= i =1
σ 2 n 2
, R
y
∑ ( y i − y)
i =1
Interpretare:
- cu cât R are valori mai apropriate de 1 cu atât legătura este mai puternică
- cu cât R este mai apropriat de 0 cu atât legătura este mai slabă
18
În cazul modelului unifactorial liniar între coeficientul de corelaţie liniară şi raportul de
corelaţie următoarea relaţie: R = |r|
3. Coeficientul de determinţie R2
Se calculează ca pătrat al raportului de corelaţie R
n
∑ ( ŷ
i =1
i − y) 2
R2 = n
∑ (y
i =1
i − y) 2
2
R ne arată proporţia în care variaţia lui y este dată de influenţa variaţiei lui x.
Inversul lui R2 adică 1 – R2 se numeşte coeficient de nedeterminaţie şi arată proporţia în care
variaţia lui y se datorează acţiunii factorilor întâmplători.
19
CAPITOLUL 3
MODELE ECONOMETRICE UNIFACTORIALE
Aceste modele studiază influenţa pe care o exercită o simplă variabilă factorială x asupra
variabilei rezultative y.
Ecuaţia generală a unui model unifactorial este de forma:
y = f (x ) + ε
Aceste modele sunt destul de diverse dar criteriul de clasificare cel mai important este cel care
le împarte în:
- modele unifactoriale liniare
- modele unifactoriale neliniare
Este modelul care presupune că între variabilele x şi y există o legătură care poate fi
reprezentată grafic cu ajutorul unei drepte.
Ecuaţia care stă la baza acestui model este de forma y = a + b·x + , unde a şi b sunt
parametrii modelului.
Ecuaţia modelului mai este cunoscută şi sub numele de funcţie de regresie liniară simplă.
Estimarea parametrilor se poate face prin mai multe metode dintre care cea mai cunoscută şi
mai des utilizată în practica econometrică este metoda celor mai mici pătrate.
n
F = ∑ ε i2 (minimă) , εi = erorile de estimare
i =1
Utilizarea acestei metode presupune formularea unor ipoteze iniţiale concretizate în 4 restricţii
şi anume:
1) Valorile variabilei factoriale x şi ale variabilei rezultative y trebuie să fie înregistrate fără erori
de observare
2) Variabila aleatoare trebuie să fie de repartiţie normală, de medie nulă şi varianţă constantă
3) Variabila aleatoare este independentă în raport cu variabila factorială x
20
4) Variabila aleatoare nu este autocorelată (nivelul prezent al variabilei aleatoare nu depinde de
valorile înregistrate în perioadele anterioare)
εi = yi − ŷi
- valorile reale ale variabilei y
ŷ i = a + b ⋅ x i ⇒ ε i = y i − a − b ⋅ x i ⇒
n
⇒ F = ∑ ( y i − a − b ⋅ x i ) 2 → minimă
i =1
n
F = 2∑ ( yi − a − b ⋅ xi )(−xi ) = 0 /⋅ (−xi )
'
/b
i =1
n
∑ (− y i + a + b ⋅ x i ) = 0
i =1
n ⇒
(− y ⋅ x + a ⋅ x + b ⋅ x 2 ) = 0
∑
i =1
i i i i
n n
n ⋅ a + b ⋅ ∑
i =1
x i = ∑
i =1
yi
n n n
a ⋅ x + b ⋅ x 2 = y ⋅ x
∑
i =1 i ∑i =1
i ∑
i =1
i i
Valorile estimate ale parametrilor a şi b se obţin în urma rezolvării sistemului prin una din
metodele cunoscute.
Valoarea estimată a parametrului a ne arată nivelul variabilei rezultative y atunci când x=0.
Semnul parametrului b se interpretează astfel:
Dacă b>0 ⇒ legătura dintre variabila x şi y este directă
Dacă b<0 ⇒ legătura dintre variabila x şi y este inversă
Dacă b=0 ⇒ între x şi y nu există legătură
21
Valoarea estimată a parametrului b arată cu cât creşte (variază) variabila y atunci când x
creşte cu 1 unitate.
Dacă b>1 ⇒ y este foarte sensibil la variaţiile lui x
Dacă b<1 ⇒ y este puţin influenţat de variaţiile lui x
Interpretarea parametrilor a şi b finalizează analiza de regresie a modelului.
Următoarea etapă o constituie analiza corelaţiei, care este studiată cu ajutorul parametrilor
definiţi în capitolul 2 (şi anume: coeficientul de corelaţie, raportul de corelaţie şi coeficientul de
determinaţie).
Verificarea statistică:
Aceasta reprezintă etapa în care modelul este validat sau invalidat cu ajutorul unor parametrii
şi a unor teste statistice.
1. Determinarea şi interpretarea erorilor standard
Interpretare:
a modelului este o eroare medie generată de model, care cu cât este mai mică în raport
cu valorile lui y, cu atât modelul este mai bun.
n
∑x
i =1
2
i
sa = sε 2
n
n
n ⋅ ∑ x − ∑ xi
2
i
i =1 i =1
n
sb = sε 2
n
n
n ⋅ ∑ x − ∑ xi
2
i
i =1 i =1
Interpretare:
Cu cât sa şi sb sunt mai mici în raport cu parametrii a şi b, cu atât aceştia sunt mai
corect estimaţi.
Erorile standard ca valori în sine sunt mai greu de interpretat, ele fiind utilizate în special
pentru a calcula alţi parametrii statistici cu un grad mai mare de rigurozitate.
22
2. Testul student de verificare a semnificaţiei parametrilor modelului
Etapa 1: se formulează ipoteza nulă conform căreia parametrii a şi b sunt egali cu 0; H0 : a=0, b=0
|a| |b|
ta = tb =
sa sb
Etapa 4: Din tabelele statistice aferente repartiţiei student se alege o valoare tabelară (critică) în
funcţie de probabilitatea şi de n-1 grade de libertate.
t tab (α; n − 1)
Etapa 5: se compară valorile calculate cu valoarea tabelară şi pot rezulta următoarele situaţii:
b sunt corecţi din punct de vedere statistic. În această situaţie modelul este validat şi poate
fi utilizat pentru a studia legătura dintre variabilele x şi y.
Prima componentă este variaţia explicată (variaţia lui y ca urmare a influenţei lui x), se
notează cu σ 2y .
x
23
A doua componentă este variaţia reziduală (variaţia lui y determinată de acţiunea factorilor
Etapa 1: se formulează ipoteza nulă, conform căreia cele două componente sunt egale:
H: σ 2y = σε2
x
Deoarece se cosideră că efectul lui x asupra lui y este egal cu efectul întâmplării asupra lui y
înseamnă că x este la rândul său un factor de influenţă întâmplător şi modelul este irelevant.
Etapa 2: se stabileşte probabilitatea de nerealizare a testului , se notează cu ; iar inversul lui este
p= 1 - (probabilitatea de realizare)
σ 2y
F= x
,
σ 2
ε
- este tot un estimator al lui σε2 calculat pe baza unui eşantion reprezentativ
Etapa 4: din tabelele repartiţiei Fisher se ia o valoare tabelară (critică) în funcţie de probabilitatea α ;
n – 1 ; n – 1 grade de libertate n - 1 = n - 1
este semnificativ mai mare decât varianţa reziduală. În această situaţie modelul este considerat
relevant din punct de vedere statistic şi poate fi utilizat pentru a studia legătura dintre x şi y.
nu diferă semnificativ de varianţa reziduală. În aceste condiţii modelul este invalidat şi trebuie refăcut.
24
II. Modele unifactoriale neliniare
Modelul liniar este foarte des utilizat în practica econometrică. El nu poate fi însă aplicat în
orice situaţie deoarece legătura dintre două variabile economice poate lua diverse forme diferite de
cea liniară.
1. Modelul hiperbolic
1
- are la bază o ecuaţie de forma : y = a + b ⋅ +ε
x
- se foloseşte atunci când norul de puncte al reprezentării grafice sugerează una din
următoarele curbe:
1
Pr ofit = a + b ⋅ +ε
cos turi
25
n n
n ⋅ a + b ⋅ ∑ ( x '
i ) = ∑ yi
i =1 i =1 a =
n n n ⇒
a ⋅ ( x ' ) + b ⋅ ( x ' ) 2 = ( x ' y ) b =
∑ i =1
i ∑i =1
i ∑
i =1
i i
Valoarea estimată a parametrului a ne arată nivelul către care tinde y atunci când x ia
valori foarte mari. y = Lα ⋅ K β (PIB)
- semnul parametrului b ne arată dacă funcţia este crescătoare (b < 0) sau descrescătoare (b
>0)
- analiza corelaţiei în cazul acestui model se realizează cu ajutorul raportului de corelaţie
(R) şi a coeficientului de determinaţie (R2)
R [0;1] , R2 [0;1]
- verificarea statistică se realizează similar cu cele prezentate la modelul unifactorial liniar
2. Modelul parabolic
- parametrii a, b şi c se estimează cu metoda celor mai mici pătrate în urma căruia rezultă
sistemul de ecuaţii:
26
n n n
n ⋅ a + b ⋅ ∑ x i + c ⋅ ∑ x 2
i = ∑ yi
i =1 i =1 i =1
n n n n
∑ i
⋅ + ⋅ ∑ + ⋅ ∑ = ∑ x i ⋅ yi
2 3
a x b x i c x i
i =1 i = 1 i = 1 i = 1
n 2 n n n
∑ i
⋅ + ⋅ ∑ + ⋅ ∑ = ∑ x i2 ⋅ y i
3 4
a x b x i 3 x i
i =1 i =1 i =1 i =1
ln a = a ' , a = ea '
- are la bază o ecuaţie generală de forma : y = a ⋅ x b ⋅ ε
Exemplu:
27
b =1 ⇒ y = a ⋅x ⋅ε
b = 2 ⇒ y = a ⋅ x2 ⋅ε
ln y = ln a + x ⋅ ln b + ln ε
28
CAPITOLUL 4
MODELE ECONOMETRICE MULTIFACTORIALE
Modelele unifactoriale deşi sunt foarte utile pentru a studia legătura dintre 2 variabile
economice nu sunt suficient de complexe pentru a reflecta realitatea economică în ansamblul ei.
Din acest motiv o largă utilizare o au modelele multifactoriale care studiază legătura dintre o
variabilă rezultativă şi mai mulţi factori de influenţă care acţionează simultan asupra sa.
Ecuaţia generală a unui model unifactorial este de forma :
y = f ( x 1 , x 2 ,........, x K ) + ε
y = variabila rezultativă
ε = variabila reziduală
În funcţie de forma reprezentării grafice a legăturii dintre variabilele modelului, există două
mari categorii de modele: modelul multifactorial liniar şi modelul multifactorial neliniar.
1. Modelul multifactorial liniar
- se utilizează atunci când reprezentarea grafică a legăturilor dintre variabile sugerează o
dreaptă
Ecuaţia modelului este de forma:
y = a 0 + a 1 ⋅ x 1 + a 2 ⋅ x 2 + .......... + a K ⋅ x K + ε
ε i = y i − a 0 + a 1 ⋅ x 1i + a 2 ⋅ x 2i + .......... + a K ⋅ x Ki
n
F = ∑ ( y i −a 0 − a 1 ⋅ x 1i − a 2 ⋅ x 2i − .......... − a K ⋅ x Ki ) 2 → minime
i =1
29
Se egalează cu 0 derivatele parţiale de ordinul I ale funcţiei F în raport cu parametrii
a 0 , a 1 , a 2 ,...., a K
n
∑ ( y1 − a 0 − a 1 x 1i − a 2 x 2i − ..... − a K x KI )(−1)
i =1
n
∑ 2 ⋅ ( y i − a 0 − a 1 x 1i − a 2 x 2i − ....... − a K x Ki )(− x Ki ) = 0 ⇒
i =1
n
∑ 2( y i −a 0 − a 1 x 1i − a 2 x 2i ) − ......... − a K x Ki )(− x Ki ) = 0
i =1
n n n n
n ⋅ a 0 + a 1 ⋅ ∑ x 1i + a 2 ⋅ ∑ x 2i + ................. + a K ⋅ ∑ x Ki = ∑ y i
i =1 i =1 i =1 i =1
n n n n n
a 0 ∑ x 1i + a 1 ⋅ ∑ x 1i + a 2 ⋅ ∑ x 1i ⋅ x 2i + ................ + a K ⋅ ∑ x 1i ⋅ x Ki = ∑ y i ⋅ x Kε
2
i =1 i =1 i =1 i =1 i =1
n n n n n
a 0 ∑ x 1i +a 1 ∑ x 1i ⋅ x Ki + a 2 ⋅ ∑ x 2i ⋅ x Ki + ................ + a K ⋅ ∑ x Ki = ∑ y i ⋅ x Kε
2
i =1 i =1 i =1 i =1 i =1
În urma rezolvării sistemului se obţin valorile estimate ale parametrilor modelului, a 0 , a 1 , a 2 ,....., a K
⇒ ŷ i = a 0 + a 1 ⋅ x 1i + a 2 ⋅ x 2i + .............. + a K ⋅ x Ki
Presupunem:
y = cursul de schimb valutar
x1 = soldul comerţuluiexterior (E-I)( S CE )
x3 = rata dobânzii ( R d )
C s = a 0 + a 1 ⋅ S CE + a 2 ⋅ M m + a 3 ⋅ R d
30
Estimarea şi interpretarea parametrilor a constituit analiza corelaţiei de regresie a modelului,
următoarea etapă, analiza corelaţiei se realizează cu ajutorul coeficienţilor definiţi în capitolul 2.
R y , R y ,................... , R y
x1 x2 xK
R 2y , R 2y ,......... ........., R 2y
x1 x2 xK
31
Această clasă de modele se bazează pe o ecuaţie generală de forma:
econometrică.
32
CAPITOLUL 5
FUNCŢII DE PRODUCŢIE
Funcţiile de producţie sunt modele multifactoriale neliniare care studiază legatura dintre produsul său
venitul unei economii naţionale şi factorii de producţie care contribuie în realizarea acesteia.
Există diverse variante ale acestor funcţii dintre care cele mai cunoscute sunt:
• Funcţia Cobb-Douglas
• Funcţia Solow
1. Funcţia de producţie COBB-DOUGLAS
Această funcţie presupune că între produsul realizat de către o ţară şi principalii factori de
PIB
y-venitul sau produsul realizat de economia naţională pe 1 an VN →
PNB
K-capitalul fix
ln PIB = α ln L + β ln K
În urma aplicării metodei celor mai mici pătrate rezultă un sistem de 2 ecuaţii cu
necunoscutele α şi β :
n n n
α ⋅
i =1
∑ (ln Li ) 2
+ β ∑
i =1
(ln K i ⋅ ln Li ) = ∑i =1
ln PIB ⋅ ln Li
n n n
α (ln Li ⋅ ln K ) + β (ln K ) 2 = (ln PIB ⋅ lnK )
∑i =1
i ∑i =1
i ∑i =1
i
arată proporţia în care factorul forţa de muncă (L) este cuprins în realizarea produsului intern brut
(PIB). Elasticitatea arată proporţia în care factorul capital fix (K) contribuie la realizarea PIB.
33
Pe termen lung suma celor 2 elasticităţi tinde către 1, ceea ce arată importanţa factorilor L şi
K în deţinerea PIB.
Factorii de producţie: forţa de muncă (L) şi capitalul fix (K) sunt evaluate cantitativ în cadrul
funcţie Cobb-Douglas.
e γ⋅t =impactul progresului tehnic sau inovării asupra W (productivităţii) lui L şi K , e=2,71
n n n n
∑
α ⋅ + β ∑ ⋅ + γ ⋅ ∑ ⋅ = ∑ (ln PIBi ⋅ ln Li)
2
(ln Li ) (ln K i ln Li ) ( ti ln Li )
i =1 i =1 i =1 i =1
n n n n
∑
α ⋅ ⋅ + β ∑ + γ ⋅ ∑ ⋅ = ∑ (ln PIBi ⋅ ln K i )
2
(ln Li ln K i ) (ln K i ) ( ti ln K i )
i =1 i =1 i =1 i =1
n n n n
α ⋅ ∑ ( ti ⋅ ln Li) + β∑ ( ti ⋅ ln K i ) + γ ∑ ( ti ) = ∑ ( ti ⋅ ln PIBi )
2
i =1 i =1 i =1 i =1
34
CAPITOLUL 6
Seriile de date înregistrate în timp poartă numele de serii de timp (serii cronologice sau
dinamice).
Variabila a cărei evoluţie în timp este studiată, este notată generic cu y, iar reprezintă
valoarea variabilei y la momentul t.
y1 , y 2 ,..........y t ...........y n
t 1 , t 2 ,......... ....t t .......... .t n
(t 1 , t 2 ,.............t t ...........t n ) = momentele de timp la care s-a făcut înregistrarea (periodicitatea între
Evoluţia în timp a unei variabile economice este determinată de anumite caracteristici ale
termenilor seriei:
-periodicitatea termenilor = ţine de distanţa în timp între două momente succesive (exemplu: zilnică,
săptămânală, lunară, trimestrială, anuală, etc).
35
-interdependenţa termenilor = se referă la intensitatea legăturii dintre doi sau mai mulţi termeni
succesivi.
Evoluţia în timp a unei variabile este studiată de obicei prin descompunerea în mai multe
componente:
Aceste componente pot fi studiate împreună sau separat, în funcţie de necesităţile analizei.
Există numeroase metode de cercetare a seriilor de timp, grupate pe două mari categorii:
-liniare
-neliniare
modele autoregresive (AR) ( AR[K] ⇒ AR de ordin K )
y t = f ( y t −1 , y t − 2 ,......, y t − k ) + ε t
36
FUNCŢIILE DE TIMP
Sunt cele mai cunoscute metode analitice de studiu a evoluţiei în timp a fenomenelor şi
proceselor economice.
Ele se bazează pe construirea unei funcţii date de evoluţia istorică a fenomenului studiat,
funcţie utilizată apoi pentru a previziona evoluţia viitoare a fenomenului.
y t = f (t) + ε t
f = funcţia de timp
37
Ecuaţia generală a funcţiei liniare de timp este:
Evoluţia în timp a variabilei studiate “y” este dată de valorile parametrilor a şi b. Aceştia se
estimează cu metoda celor mai mici pătrate prin minimizarea sumei pătratelor erorilor de estimare.
n
F = ∑ ε 2t → minimă
t =1
n
ε t = y t − ŷ t ⇒ F = ∑ (y t − a − b ⋅ t) 2 → minimă
t =1
ŷ t = a + b ⋅ t ⇒ ε t = y t − a − b ⋅ t
n
F/'a = ∑ 2( y t − a − b ⋅ t )(−1) = 0 |: 2
t =1
n
F = ∑ 2( y t − a − b ⋅ t )( − t ) = 0 |: 2
'
/b
t =1
n
∑ ( − y t + a + b ⋅ t ) = 0
t =1
⇒ n
(− t ⋅ y + a ⋅ t + b ⋅ t 2 ) = 0
∑
t =1
t
n n
n ⋅ a + b ⋅ ∑
t =1
t = ∑
t =1
yt
⇒ n n n
→ În urma rezolvării obţinem parametrii a şi b
a ⋅ t + b ⋅ t 2 = ( t ⋅ y )
∑ t =1
∑
t =1
∑t =1
t
Interpretare :
38
Valoarea estimată a lui b ne arată variaţia medie de la o perioadă la alta a variabilei studiate.
b >1
Dacă → arată o creştere accentuată de la o perioadă la alta (ne arată o pantă mai
b < −1
mare de creştere sau de descreştere).
Concluzie:
Cele mai cunoscute funcţii de timp neliniare sunt funcţia hiperbolică, funcţia parabolic şi
funcţia exponenţială.
1
yt = a + b ⋅ + εt
t
39
1
= t ' ⇒ y t = a + b ⋅ t '+ ε t
t
yt = a + b ⋅ t + c ⋅ t 2 + εt
Estimarea parametrilor se realizează cu metoda celor mai mici pătrate şi se obţine un sistem
similar cu cel de la modelul unifactorial parabolic.
yt = a ⋅ bt ⋅ εt
40
Se aduce funcţia la o formă liniară prin logaritmare:
ln y t = ln a + t ⋅ ln b + ln ε t
MODELE AUTOREGRESIVE
Din punct de vedere econometric caracterul autoregresiv este studiat cu ajutorul a mai multor
categorii de modele numite generic modele autoregresive.
Forma generală a unui model autoregresiv care studiază comportamentul curent a unei
variabile în funcţie de comportamentul anterior al acesteia, este:
y t = f ( y t −1 ; y t − 2 ;........; y t − K )
41
y t −1,........., t − K = variabilele studiate la momentul t-1, t-2 … t-k
Dintre multitudinea de modele autoregresive care pot fi utilizate, cel mai cunoscut este cel
bazat pe funcţia liniară:
y t = a 0 + a 1 ⋅ y t −1 + a 2 ⋅ y t − 2 + ..... + a K ⋅ y t − K + ε t
Modelul prezentat sub această formă este cunoscut sub denumirea de model autoregresiv de
ordinul K (aceasta ne arată pe câte perioade ne întindem).
Parametrii modelului sunt reprezentaţi cu ajutorul metodei celor mai mici pătrate:
n
F = ∑ (ε t ) 2 → minimă
t =1
ε t = y t − ŷ t
ŷ t = a 0 + a 1 ⋅ y t −1 + a 2 ⋅ y t − 2 + ..... + a K ⋅ y t − K
ε t = y t − a 0 − a 1 ⋅ y t −1 − a 2 ⋅ y t − 2 − ...... − a K ⋅ y t − K
n
F = ∑ (y t − a 0 − a 1 ⋅ y t −1 − a 2 ⋅ y t − 2 − ...... − a K ⋅ y t − K ) 2 → minimă
t =1
n
F '
/ a0 = ∑ 2(y t − a 0 − a 1 ⋅ y t −1 − a 2 ⋅ y t − 2 − ...... − a K ⋅ y t − K )(−1) |: 2(−1)
t =1
n
F '
/ a1 = ∑ 2(y t − a 0 − a 1 ⋅ y t −1 − a 2 ⋅ y t − 2 − ...... − a K ⋅ y t − K )(− y t −1 ) |: 2( − y t −1 )
t =1
n
F/' a K = ∑ 2(y t − a 0 − a 1 ⋅ y t −1 − a 2 ⋅ y t − 2 − ...... − a K ⋅ y t − K )(− y t −K ) |: 2(− y t − K )
t =1
42
n n n n
n ⋅ a 0 + a 1 ∑ y t − 1 + a 2 ∑ y t − 2 + ....... + a K ∑ y t − K = ∑ yt
t =1 t =1 t =1 t =1
n n n n n
a 0 ∑ y t −1 + a 1 ∑ ( y t −1 ) + a 2 ∑ ( y t −1 ⋅ y t − 2 ) + ......... + a K ∑ ( y t −1 ⋅ y t − K ) = ∑ ( y t ⋅ y t −1 )
2
t =1 t =1 t =1 t =1 t =1
n n n n n
0 ∑ t−K + 1∑ ⋅ + 2∑ ⋅ + + K∑ = ∑ ( y t ⋅ y t −K )
2
a y a ( y t −1 y t −K ) a ( y t −2 y t −K ) ......... a ( y t −K )
t =1 t =1 t =1 t =1 t =1
Practica econometrică a dovedit că de cele mai multe ori cea mai importantă perioadă
anterioară este t-1 .
y t = a 0 + a 1 ⋅ y t −1 + ε t
n n
n ⋅ a 0 + a 1 ∑ y t −1 = ∑ y t
t =1 t =1
n n n
a
0 ∑ 1∑ ∑
y t −1 + a ( y t −1 ) 2
= ( y t ⋅ y t −1 )
t =1 t =1 t =1
a 1 − nu semnul arată dacă este crescător sau descrescător, ci dacă este supra- sau subunitar.
43
ELEMENTE DE ECONOMETRIE FINANCIARĂ
a) Dobânda simplă
În economie, împrumutarea unei sume presupune plata unei dobânzi aferente. Modalităţile de
calcul ale dobânzii sunt diverse în funcţie de necesităţile practice. Cea mai cunoscută metodă de
calcul a dobânzii, o reprezintă dobânda simplă.
D = S 0 ⋅ r , unde:
D = dobânda simplă
S 0 = suma imprumutată
r = rata dobânzii
S1 = S 0 + D = S 0 + S 0 ⋅ r = S 0 (1 + r )
Exemplu:
14
S1 = 100 000 (1 + ) ⇒ S1 = 100 000 ⋅ 1,14 = 114 000 RON
100
14
D = S 0 ⋅ r = 100 000 ⋅ = 14 000 RON
100
Dobânda simplă se utilizează pentru împrumuturi pe termen scurt (de obicei pâna la 1 an).
Dacă sumele împrumutate se întind pe mai mulţi ani se utilizează dobânda compusă.
b) Dobânda compusă
S 0 = suma împrumutată
r = rata dobânzii
44
n = perioada împrumutului (nr. de ani)
S1 = S 0 + S 0 ⋅ r = S 0 (1 + r )
La sfarşitul anului II :
S 2 = S1 + S1 ⋅ r = S1 (1 + r ) = S 0 (1 + r )(1 + r ) = S 0 (1 + r ) 2
S 3 = S 2 + S 2 ⋅ r = S 2 (1 + r ) = S 0 (1 + r ) 2 (1 + r ) = S 0 (1 + r ) 3
Sn
⇒ S0 = (se foloseşte dacă ducem valorile din prezent în trecut)
(1 + r ) n
Exemplu:
Exemplu:
n= 6 ani
r = variabilă : - r1=13%
- r2=12,5%
- r3=12%
- r4=12,5%
45
- r5=12%
- r6=11%
Valoarea creditului.
Anul Valoarea creditului la Amortisment Dobânda Rata Valoarea rămasă la
începutul anului anuală sfârşitul anului
1 600 000 100 000 78 000 178 000 500 000
2 500 000 100 000 62 500 162 500 400 000
3 400 000 100 000 48 000 148 000 300 000
4 300 000 100 000 37 500 137 500 200 000
5 200 000 100 000 24 000 124 000 100 000
6 100 000 100 000 11 000 111 000 --------------------------
TOTAL -------------------------- 600 000 261 000 861 000 --------------------------
S 0 600 000
A= = = 100 000
n 6
Rata anuală = A + D
Valoarea ramasă = S 0 − A
D = S0 ⋅ r
13
D1 = 600 000 ⋅ = 78 000 RON
100
12,5
D 2 = 500 000 ⋅ = 62 500 RON
100
12
D 3 = 400 000 ⋅ = 48 000 RON
100
12,5
D 4 = 300 000 ⋅ = 37 500 RON
100
12
D 5 = 200 000 ⋅ = 24 000 RON
100
11
D 6 = 100 000 ⋅ = 11 000 RON
100
46