Facultatea de Economie și Administrarea Afacerilor

Master: Managementul Resurselor Umane IFR, anul 2

Disciplina: Metode Cantitative în MRU
Masterand: Micu Georgiana

Analiza numărului de șomeri în perioada

2008-2019 în România

1
 Cuprins

Introducere .............................................................................................................................................. 3
1. Elemente conceptuale și metodologice .............................................................................................. 4
2. Observarea și colectarea datelor......................................................................................................... 6
3. Descrierea numerică a distribuțiilor statistice univariate ................................................................... 6
4. Estimarea și testarea statistică .......................................................................................................... 10
5. Analiza varianței ................................................................................................................................ 10
6. Analiza de corelație ........................................................................................................................... 12
7. Analiza de regresie multiplă .............................................................................................................. 13
8. Concluzii……………………………………………………………………………………………………………………………………....19

Bibliografie……………………………………………………………………………………………………………………………..………..19

2
Introducere

Impactul crizei economice actuale asupra pieței de muncă variază considerabil în țările
Uniunii Europene. Structura economică și expunerea la anumite sectoare mai vulnerabile au
dus la un număr crescut de locuri de muncă pierdute. Statele ce s-au bazat pe un factor crescut
de flexibilitate internă, au putut controla cu ușurință pierderea locurilor de muncă și ratele
ascendente ale șomajului. Acest lucru a fost posibil și datorită protejării segmentelor principale
ale forței de muncă, cu ajutorul unui set strict de reguli ce prevedeau modificări ale programului
de lucru și salariilor în detrimentul concedierilor în masă.
Trebuie să ținem cont de faptul că există o mare diferență între redresarea economică și
redresarea forței de muncă a unei țări. Deși, în aparență, economiile la nivel global încep să dea
semne de redresare, piața forței de muncă încă mai are de suferit. Într-o eră în care cerințele
tehnologice se modifică peste noapte, identificarea viitoarelor cerințe ale pieței forței de muncă
devine din ce în ce mai dificilă.
Creşterea şi dezvoltarea economică sunt obiective fundamentale ale economiei
naţionale, strâns legate de resursele utilizate. Şomajul reprezintă o teribilă risipă de resurse.
Principala resursă o reprezintă factorul muncă. În condiţiile în care omul, cu forţa sa de muncă,
constituie resursa regenerabilă cea mai preţioasă şi practic nelimitată, folosirea sa la nivelul cel
mai eficient şi mai deplin posibil s-a constituit şi rămâne o constantă a preocupărilor tuturor
factorilor de decizie; altfel spus, găsirea celor mai potrivite căi de luptă împotriva şomajului
constituie o necesitate obiectivă. Varietatea şi complexitatea fenomenului, a formelor sale de
manifestare, a implicaţiilor multiple, directe sau indirecte în aproape toate componentele
organismului economico-social fac deosebit de dificilă o asemenea sarcină.
Existenţa şomajului este nu numai dovada cea mai elocventă a incapacităţii societăţii de
a utiliza cel mai important factor de producţie, dar şi dovada trecerii omului pe un plan secundar.
Schimbările din decembrie 1989 au dus, pentru unii, la standarde de viaţă mai ridicate, dar o
substanţială parte a populaţiei a fost exclusă de la tendinţa crescătoare de prosperitate. Cel mai
evident semn de excludere este şomajul (pierderea locului de muncă şi imposibilitatea obţinerii
unui nou loc de muncă). Şomajul stă în spatele deteriorării multor indicatori socio-economici.
El reduce veniturile, creşte sărăcia, creşte inegalităţile, erodează capitalul uman, creşte povara
ajutoarelor sociale şi taxelor. El reflectă atât ineficienţa economică (risipa de resurse) cât şi
disperarea umană. Persistenţa şomajului subminează coeziunea socială şi încrederea în
instituţiile democratice şi economia de piaţă.
În lucrarea de față, ne propunem o analiză statistică și econometrică a șomajului din
România pentru perioada 2008 - 2019. Studiul s-a realizat cu ajutorul analizei statistice
descriptive și a modelelor econometrice. Lucrarea este structurată în șapte părţi astfel încât să
cuprindă aspecte teoretice, metode statistice şi analiza șomajului, a resurselor de muncă, a
emigranților, respectiv a absolvenților din învățământul secundar ciclul 2 (liceal și profesional),
a celor din învățământul postliceal și a celor din învățământul superior (licență). Prima parte

3
abordează aspectele teoretice cu privire la definirea șomajului. În următoarele părți sunt
prezentate rezultatele obținute în urma analizei statistice și econometrice.

1. Elemente conceptuale și metodologice

Ocuparea forței de muncă reprezintă o necesitate esențială ce are ca scop asigurarea unui
echilibru macroeconomic atât la nivel social, cât și la nivel politic. Ocuparea forței de muncă
reprezintă un punct de interes major pentru toți agenții economici și comerciali, datorită
implicațiilor acesteia asupra societății la diferite nivele: economice, sociale, politice și
educaționale.
În general, piața forței de muncă este văzută ca punctul de intersecție între cererea și
oferta locurilor de muncă într-un anumit interval de timp și spațiu care se finalizează printrun
schimb al forței de muncă cu o „monedă” numită salariu.
Cererea forței de muncă este reprezentată de numărul necesar de angajați pentru
diferite locuri de muncă și calificări/competențe într-o anumită zonă geografică și interval de
timp.
Oferta forței de muncă este reprezentată de numărul total de persoane ce dețin vârsta
necesară pentru a putea lucra în mod legal, care sunt în căutarea unui loc de muncă și sunt gata
să înceapă să lucreze în momentul în care și-au găsit un loc de muncă în concordanță cu
pregătirea lor. Oferta forței de muncă poate fi analizată cu ajutorul următorilor indicatori:
• Numărul și structura persoanelor șomere (dupa sex, vârstă, nivel de educație, profesie);
• Numărul total al persoanelor angajate;
• Numărul total al persoanelor angajate și structura lor împarțită pe vârstă, sex, niveluri
de pregătire;
• Numărul total al absolvenților de liceu/facultate și structura lor împărțită pe grupe de
vârstă, sex, nivel de educație și pregătire.
O altă componentă importantă a pieței de muncă o reprezintă cererea de muncă.
Cererea de muncă constă în nevoia totală de forță de muncă necesară desfășurării activităților
economice în cadrul economiei de piață a unei țări. Această cerere nu poate fi constantă pe
termen lung, fiind determinată de salariul real pe care companiile sunt dispuse să-l ofere și
munca pe care angajații sunt dispuși să o presteze pentru acel salariu.
Scopul lucrării constă în analiza șomajului și a variabilelor ce influențează acest
fenomen economic în România, în perioada 2001 - 2019. De asemenea, pentru realizarea
lucrării sunt vizate și o serie de obiective specifice.
Șomajul este un fenomen economic ce a fost analizat în diferite publicații. Spre
exemplu, în articolul „Migraţia internaţională şi impactul asupra pieţei muncii”, realizat de
Liana Son și Georgiana Noja (2012), sunt prezentate rezultatele analizei impactului forței de
muncă asupra pieței muncii la nivelul Uniunii Europene. Rezultatele arată că intensificarea
procesului de emigraţie are efecte negative pregnante asupra numărului şi structurii forţei de
muncă, determinând reducerea semnificativă a acesteia, mai ales în cazul forţei de muncă înalt

4
calificate. Totodată, se manifestă o relaxare a presiunilor la nivelul pieţei muncii generate de
nivelul ridicat al şomajului, prin diminuarea ratei şi creşterea uşoară a ocupării, în principal
datorită îmbunătăţirii perspectivelor de ocupare pe plan local.
Rezultatele obţinute în urma analizei de tip panel subliniază impactul negativ al
emigraţiei asupra numărului forţei de muncă din ţările de origine, atenuat însă de relaxarea
presiunilor generate de persistenţa nivelului ridicat al şomajului. Intensificarea procesului de
emigraţie a forţei de muncă determină reducerea ratei şomajului pentru persoanele cu educaţie
primară şi secundară în ţările considerate. Aceasta se poate datora investiţiilor adiţionale în
educaţie realizate de persoanele rămase pentru îmbunătăţirea perspectivelor de ocupare, precum
şi pierderii unei părţi din această categorie de forţă de muncă prin emigrare, ea fiind dispusă sa
accepte locuri de muncă refuzate de nativii ţărilor gazdă datorită diferenţelor salariale
(posibilităţii obţinerii unui salariu mai ridicat la destinaţie).
În articolul „Piața muncii din România - persoane vulnerabile și vulnerabilități”
(Cristina Boboc et al, 2011) sunt prezentate și analizate tendințele și vulnerabilitățile de pe piața
muncii din România din perioada 1991 - 2009 comparativ cu cele ale statelor membre
UE. Pe parcursul perioadei analizate au fost identificate trei şocuri cu impact major social în
România: Revoluţia din decembrie 1989, aderarea la Uniunea Europeană în ianuarie 2007 şi
criza economică mondială începută în 2007. Cele trei şocuri au marcat profund şi marchează
încă evoluţia pieţei forţei de muncă româneşti.
Piaţa forţei de muncă din România s-a schimbat dramatic în timpul tranziţiei
economice. Una dintre principalele caracteristici a fost şi este reducerea numărului populaţiei
ocupate. Restructurarea întreprinderilor a condus la pierderi de locuri de muncă care nu au fost
compensate prin crearea de noi locuri de muncă. Procesul de îmbătrânire accentuată a populaţiei
a condus la o scădere a soldului natural. România a înregistrat, de asemenea, şi o emigrare
semnificativă (inclusiv emigraţie temporară), ceea ce a dus la un deficit de forţă de muncă.
Valul de emigraţie ascunde în continuare două fenomene: plecarea muncitorilor destul de tineri
şi cu înaltă calificare (fenomenul de “brain drain” a crescut semnificativ în timpul crizei pentru
profesii cum ar fi medicii sau informaticienii) şi în acelaşi timp, lucrătorii foarte puţin calificaţi,
dar care au dorit să câştige mai mult în străinătate. Migraţia a fost şi este una din vulnerabilităţile
majore ale pieţei forţei de muncă româneşti din cauza lipsei de forţă de muncă calificată.
La nivelul anului 2009, România era una dintre țările cu cele mai mici rate ale ocupării
forței de muncă din Uniunea Europeană. De asemenea, studiul evidențiază faptul că femeile din
țara noastră au fost mai afectate de criza economică decât bărbații. În ceea ce privește rata de
ocupare a personelor cu un nivel ridicat de educație, țara noastră se poziționa peste media
europenă.
Pentru a reduce rata șomajului, la nivelul Uniunii Europene se dorește atingerea
obiectivelor Strategiei de la Lisabona pentru creșterea numărului de locuri de muncă și al
calității lor, prin implementarea de reforme pentru piața muncii și adoptarea de politici
educaționale și sociale. Astfel, populația afectată de șomaj va avea mai multe șanse de a-și găsi
un loc de muncă.

5
2. Observarea și colectarea datelor

Datele necesare analizei statistice a șomajului au fost preluate de pe INS și au fost

modelate în programul statistic SPSS. Baza de date este formată din variabilele:
Șomeri - variabilă numerică.
Potrivit prevederilor legale, șomer înregistrat este persoana care îndeplineste cumulativ
următoarele condiții:
a) este în căutarea unui loc de muncă de la vârsta de minimum 16 ani și până la
îndeplinirea condițiilor de pensionare;
b) starea de sănătate și capacitățile fizice și psihice o fac aptă pentru prestarea unei
munci;
c) nu are loc de muncă, nu realizează venituri sau realizează din activități autorizate
potrivit legii, venituri mai mici decât valoarea indicatorului social de referință al
asigurărilor pentru șomaj și stimularii ocupării forței de muncă, în vigoare;
d) este disponibilă să înceapă lucrul în perioada imediat următoare dacă s-ar găsi
un loc de muncă;
Resurse - variabilă numerică;
Resursele de muncă reprezintă acea categorie de populație care dispune de ansamblul
capacităților fizice și intelectuale care îi permit să desfășoare o muncă utilă în una din activitățile
economiei naționale. Resursele de muncă includ: populația în vârstă de muncă, aptă de a lucra,
precum și persoanele sub și peste vârsta de muncă aflate în activitate. (INS)
Emigranți - variabilă numerică;
Emigranți cu schimbarea domiciliului sunt persoanele (de cetățenie română) care
emigrează în străinătate. Emigrația este acțiunea prin care o persoană renunță la domiciliul din
România și își stabilește domiciliul pe teritoriul altui stat. (INS)
Absolvenți - variabilă numerică. Această variabilă are în componență absolvenții din
învățământul secundar ciclul 2 (liceal și profesional), a celor din învățământul
postliceal, respectiv a celor din învățământul superior (licență).
Regiune - variabilă categorială (7 categorii);
Sex - variabilă categorială (2 categorii).

Baza de date este formată din 1008 înregistrări, datele fiind preluate de pe INS,
export_INS_SOM.

3. Descrierea numerică a distribuțiilor statistice univariate

Pentru descrierea numerică și reprezentarea grafică a unei distribuții statistice univariate

s-a utilizat variabila numerică șomeri.

6
 Descrierea numerică și reprezentarea grafică a unei distribuții satistice bivariate s-a
realizat cu ajutorul variabilelor categoriale regiune și sex, respectiv cu ajutorul variabilei
numerice șomeri.

A. Indicatori ai tendinței centrale (mărimi medii)

Indicatorii tendinței centrale exprimă în mod sintetic și generalizat ceea ce este normal
într-o distribuție din punctul de vedere al unei variabile statistice.

Media aritmetică
Media aritmetică face parte din categoria mediilor fundamentale, a mediilor de calcul.
Este simbolizată prin când se calculează pentru distribuții empirice obținute prin observarea
unui eșantion și prin μ în cazul distribuțiilor teoretice.

Tabel 3.1. Media aritmetică

*Sursa: Prelucrat în programul SPSS după baza de date Șomaj_România

Interpretare
Valoarea medie a numărului de șomeri din cele șapte regiuni analizate ale României, în
perioada 2008 - 2019, este de 38509.69 persoane.
Modul (dominanta)
Modul este valoarea caracteristicii cea mai frecvent observată într-o distribuție, adică
valoarea ce corespunde frecvenței dominante.
Tabel 3.2. Modul

*Sursa: Prelucrat în programul SPSS după baza de date Șomaj_România

Interpretare
Se poate afirma, cu o probabilitate de 95%, că în perioada 2008 - 2019, cele mai multe
valori ale numărului de șomeri din cele șapte regiuni ale României au înregistrat valoarea 14612
persoane.

7
Mediana
Mediana se definește ca acea valoare a caracteristicii unei serii ordonate, crescător sau
descrescător, până la care și peste care sunt distribuite în număr egal unitățile colectivității
observate: jumătate din unități au valori mai mari decât mediana și jumătate au valori mai mici.

Tabel 3.3. Mediana

*Sursa: Prelucrat în programul SPSS după baza de date Șomaj_România

Interpretare
Din datele obținute cu ajutorul programului SPSS, se poate observa că jumătate din
valorile numărului de șomeri din cele șapte regiuni ale României, în perioada 2008 - 2019, au
înregistrat valori sub 36352 persoane și jumătate peste 36352 persoane.

B. Indicatori ai dispersiei
Indicatorii dispersiei măsoară câmpul de împrăștiere a valorilor individuale xi ale unei
variabile X, față de nivelul lor mediu.

Tabel 3.4. Valoarea minimă și valoarea maximă a numărului de șomeri

*Sursa: Prelucrat în programul SPSS după baza de date Șomaj_România

Ax = 92503 – 14612 = 77891
Valoarea 77891 reprezintă diferența dintre valoarea cea mai mare (92503) și valoarea cea
mai mică (14612) a numărului de șomeri din cele șapte regiuni ale României, în perioada 2008
- 2019.
Varianța
Varianța este media pătratelor abaterilor valorilor individuale de la media lor. Este un
indicator abstract, folosit pentru calculul abaterii medii pătratice.
Tabel 3.5. Varianța

8
*Sursa: Prelucrat în programul SPSS după baza de date Șomaj_România

Interpretare σ2 = 219839308.3, ne arată gradul de împrăștiere a numărului de șomeri față de

medie.

Deviația standard
Abaterea medie pătratică se măsoară în aceleași unități de măsură ca și media. Cu cât
valoarea sa este mai mare în raport cu media, cu atât populația este mai eterogenă, respectiv cu
cât valoarea sa este mai mică în raport cu media, cu atât arată o concentrare mai mare a datelor
în jurul mediei, populația fiind mai omogenă.

Tabel 3.6. Abaterea medie pătratică

*Sursa: Prelucrat în programul SPSS după baza de date Șomaj_România

Interpretare
Media numărului de șomeri din cele șapte regiuni ale României, în perioda 2008 - 2019,
este de 38509.69 persoane, iar valoarea abaterii medii pătratice (14826.979) este mai mică decât
media, ceea ce ne indică o concentrare mai mare a datelor în jurul mediei, deci, datele analizate
sunt omogene.

Indicatori ai formei unei distribuții

Pentru aprecierea formei unei distribuții, se folosesc doi
indicatori:
✓ Coeficientul de boltire
✓ Coeficientul de asimetrie

Tabel 3.7. Coeficientul de asimetrie și boltire

*Sursa: Prelucrat în programul SPSS după baza de date Șomaj_România

9
 Skewness (Coeficientul de asimetrie) = 0.836

Interpretare
Aceasta valoare a coeficientului ne indică prezența unei distribuții asimetrice pozitive, cu
abatere spre dreapta.

Kurtosis (coeficientul de boltire) = 0.861

Interpretare
Această valoare a coeficientului de boltire mai mare ca zero indică o grupare mai
puternică a valorilor în jurul valorii centrale, distribuția fiind leptocurtică.

4. Estimarea și testarea statistică

Pentru aceasta parte a proiectului s-a folosit ca referință variabila sex și împarțirea ei
pe variantele Masculin si feminin.
Tabel 4.1.Independent Sample Test

*Sursa: Prelucrat în programul SPSS după baza de date Șomaj_România

Ipoteze statistice
H0: 𝜇1 = 𝜇2
H1: 𝜇𝑖 ≠ 𝜇2
Stabilirea pragului de semnificație
α = 0.05
Stabilirea regulii de decizie
Dacă sig > α nu se respinge ipoteza H0
Dacă sig ≤ α se respinge ipoteza H0
Interpretarea rezultatelor
Valoarea sig = 0.00 < α = 0.05, în concluzie se respinge ipoteza H0. Se poate afirma cu o
probabilitate de 95% că ipoteza de egalitate a mediilor pe grupe se respinge, sexele diferă
semnificativ în ceea ce privește numărul de șomeri.

5. Analiza varianței

10
ANOVA este un procedeu de analiză a varianței unei variabile numerice sub influența unei
variabile de grupare. Prin ANOVA, se compară medii pentru trei sau mai multe subpopulații
definite de variabila de grupare (variabila independentă).
Realizarea acestei analize s-a realizat cu ajutorul variabilei numerice șomeri și a
variabilei categoriale regiune.

Tabel 5.1. Analiza descriptivă a numărului de șomeri în funcție de regiune

*Sursa: Prelucrat în programul SPSS după baza de date Șomaj_România

Tabel 5.2. Testul Levene

*Sursa: Prelucrat în programul SPSS după baza de date Șomaj_România

Valoarea sig asociată testului Levene este 0.258, fiind mai mare decât riscul alpha
asumat de 5%. Așadar, se poate afirma că varianțele celor șase regiuni sunt egale, restricția de
homoscedasticitate este îndeplinită, deci se poate aplica ANOVA.

Tabel 5.3. Analiza varianței

*Sursa: Prelucrat în programul SPSS după baza de date Șomaj_România

Ipoteze statistice

11
 H0:

H1:

Stabilirea pragului de
semnificație α = 0.05

Stabilirea regulii de decizie

Dacă sig α nu se respinge ipoteza H0
Dacă sig α se respinge ipoteza H0

Interpretarea rezultatelor
Valoarea sig = 0.00 < α = 0.05, în concluzie se respinge ipoteza H0. Se poate afirma cu o
probabilitate de 95% că ipoteza de egalitate a mediilor pe grupe se respinge, deci regiunile diferă
semnificativ în raport cu numărul de șomeri, în perioada 2008 - 2019.

6. Analiza de corelație

Analiza de corelație este folosită pentru a studia intensitatea legăturii dintre variabile. În
sens strict, corelația este o măsură a intensității legăturii dintre variabile.
Legăturile statistice, în funcție de tipul variabilelor considerate, pot exprima fie asocieri
(cazul variabilelor nominale), fie corelații (cazul variabilelor numerice).
Pentru realizarea analizei de corelație am utilizat variabilele numerice șomeri, resurse,
absolvenți și emigranți. În cazul analizei de asociere s-au folosit variabilele categoriale regiune
și șomeri_categorii.

Tabel 6.1. Analiza de corelație

*Sursa: Prelucrat în programul SPSS după baza de date Șomaj_România

12
 O valoare a coeficientului de corelație de 0.532, ne arată că există o legătură directă și
puternică între numărul de șomeri și resursele de muncă din cele șapte regiuni analizate ale
României, în perioada 2008 - 2019. În acest caz, valoarea sig asociată testului t (0.00) evidențiază
că s-a obținut un coeficient de corelație semnificativ la un prag de 0.030, adică sunt șanse mai
mici de 1% de a greși dacă afirmăm că între cele două variabile există o legătură puternică.

Ipoteze statistice
H0: 𝜌 = 0
H1: 𝜌 ≠ 0
Stabilirea pragului de semnificație
α = 0.05
Stabilirea regulii de decizie
Dacă sig > α nu se respinge ipoteza H0
Dacă sig ≤ α se respinge ipoteza H0
În acest caz, valoarea sig asociată testului t (0.00) evidențiază că s-a obținut un coeficient
de corelație semnificativ la un prag de 0.030, adică sunt șanse mai mici de 1% de a greși dacă
afirmăm că între cele două variabile există o legătură puternică.

7. Analiza de regresie multiplă

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

liniară simplă. În model apar două sau mai multe variabile independente, ca factori de influență.
Variația variabilei rezultative sau endogene rezultă prin variația simultană a factorilor, după
modelul unei ecuații liniare.

Tabel 7.1. Variabilele introduse în model

*Sursa: Prelucrat în programul SPSS după baza de date Șomaj_România

Potrivit tabelului de mai sus, toate variabilele independente resurse, absolvenți și emigranți au
fost introduse în model.

13
 Rezultatele modelării legăturii dintre variabila dependenă șomeri și variabilele
independente resurse, absolvenți și emigranți, pentru perioada 2008 - 2019 se prezintă astfel:

Tabel 7.2. Coeficienții analizei de regresie

*Sursa: Prelucrat în programul SPSS după baza de date Șomaj_România

Analiza de regresie s-a realizat printr-un model de regresie liniară multiplă cu trei
variabile independente. Ecuația modelului de regresie multiplă se prezintă sub forma:
Y = β + β X + β2X2 + β3X3 + ε
Y= 13328.326 + 0.058 * resurse - 12.579 * emigranți - 0.693 * absolvenți
Interpretarea parametrilor
b = 13328.326, care arată că nivelul mediu estimat al variabilei dependente, numărul
șomerilor, este de 13328.326 persoane atunci când valorile variabilelor independente
resurse, absolvenți și emigranți sunt egale cu zero.
b = 0.058, care arată că variabila dependentă numărul șomerilor crește, în medie, cu 0.058
persoane, atunci când resursele de muncă cresc cu 1 persoană, iar variabilele
independente numărul absolvenților și numărul emigranților rămân constante.
b2 = -12.579, care arată că variabila dependentă numărul șomerilor scade, în medie, cu
12.579 persoane, atunci când numărul emigranților crește cu o persoană, iar variabilele
independente numărul absolvenților și numărul resurselor de muncă rămân constante.
b3 = -0.693, care arată că variabila dependentă numărul șomerilor scade, în medie, cu
0.693 persoane, atunci când numărul absolvenților din învățământul secundar ciclul 2
(liceal și profesional), a celor din învățământul postliceal, respectiv a celor din
învățământul superior (licență) crește cu o persoană, iar variabilele independente numărul
emigranților și numărul resurselor de muncă rămân constante.

Testarea parametrilor modelului de regresie

Formularea ipotezelor
H₀: ₀ = 0 1=0 2 =0 3 =0

H₁: 0≠ 0 1≠ 0 2≠ 0 3≠ 0

Stabilirea pragului de semnificație α = 0.05

14
 Stabilirea regulii de decizie
Dacă sig α nu se respinge ipoteza H0
Dacă sig α se respinge ipoteza H0

Interpretarea rezultatelor
- Pentru parametrul β0: sig (0.005) < α (0.05). Acest rezultat conduce la decizia
de respinge ipoteza H0. Se poate garanta cu o probabilitate de 95% că parametrul β0 este
semnificativ diferit de zero. De asemenea, se poate observa că parametrul β0 este
acoperit de intervalul (4179.055; 22477.597).
- Pentru parametrul β1: sig (0.000) < α (0.05). Acest rezultat conduce la decizia
de a respinge ipoteza ipoteza H0. Se poate garanta cu o probabilitate de 95% că resursele
de muncă au o influență semnificativă asupra numărului de șomeri atunci când
variabilele independente numărul absolvenților și numărul emigranților rămân
constante. De asemenea, se poate observa că parametrul β1 este acoperit de intervalul
(0.048; 0.068).
- Pentru parametrul β2: sig (0.000) < α (0.05). Acest rezultat conduce la decizia
de a respinge ipoteza H0. Se poate garanta cu o probabilitate de 95% că numărul
emigranților are o influență semnificativă asupra numărului de șomeri atunci când
variabilele independente numărul absolvenților și numărul resurselor de muncă rămân
constante. De asemenea, se poate observa că parametrul β2 este acoperit de intervalul (-
17.077; -8.081).
- Pentru parametrul β3: sig (0.000) < α (0.05). Acest rezultat conduce la decizia
de a respinge ipoteza H0. Se poate garanta cu o probabilitate de 95% că numărul
absolvenților are o influență semnificativă asupra numărului de șomeri atunci când
variabilele independente numărul emigranților și numărul resurselor de muncă rămân
constante. De asemenea, se poate observa că parametrul β3 este acoperit de intervalul (-
1.004; -0.382).

Testarea modelului

Tabel 7.3. Testarea modelului de regresie

*Sursa: Prelucrat în programul SPSS după baza de date Șomaj_România

15
 Formularea ipotezelor
H0: β0 = 0, βj = 0 (modelul nu este semnificativ)

H1: Nu toți coeficienții de regresie sunt simultan egali cu zero (modelul explică semnificativ
legătura dintre variabile)

Stabilirea pragului de semnificație α = 0.05

Stabilirea regulii de decizie

Dacă sig α nu se respinge ipoteza H0
Dacă sig α se respinge ipoteza H0

Interpretarea rezultatelor sig (0.000) < α (0.05). Acest rezultat conduce la decizia de a
respinge ipoteza H0. Se poate garanta cu o probabilitate de 95% că modelul de regresie este
semnificativ din punct de vedere statistic. Variabila dependentă șomeri este influențată
semnificativ de variația simultană a variabilelor independente resurse, absolvenți și emigranți.

Analiza erorilor de modelare

Modelul estimat în etapa anterioară, trebuie validat de rezultatele analizei erorilor de

modelare. Analiza acestuia se realizează prin testarea ipotezelor clasice cu privire la variabila
eroare de modelare:

Ipoteza de normalitate;
Ipoteza de independență a erorilor.
Testarea ipotezei de independență a erorilor de modelare
Ipoteza de necorelare a erorilor se referă la lipsa unei corelații între variabilele reziduale,
sau la faptul că, eroarea asociată unei valori a variabilei dependente nu este influențată de
eroarea asociată altei valori a variabilei dependente. Pentru analiza autocorelării erorilor de
modelare am folosit testul Runs.

Tabel 7.4. Testarea ipotezei de independență a erorilor de modelare

16
*Sursa: Prelucrat în programul SPSS după baza de date Șomaj_România

Formularea ipotezelor
H0: ρij = 0 (erorile de modelare nu sunt autocorelate - independente)

H1: ρij ≠ 0 (erorile de modelare sunt autocorelate)

Stabilirea pragului de
semnificație α α = 0.05

Stabilirea regulii de decizie

Dacă sig α nu se respinge ipoteza H0
Dacă sig α se respinge ipoteza H0

Interpretarea rezultatelor
Potrivit tabelului 7.4., valoarea sig este mai mică față de valoarea alpha. În acest caz, se poate
afirma că erorile de modelare sunt autocorelate, în condițiile riscului asumat de 5%.

Testarea coliniarității

În procesul de modelare econometrică, se testează ipoteza de necorelare a variabilelor

independente. Testarea acestei ipoteze se realizează cu ajutorul indicatorilor VIF și TOL, care
se calculează pentru fiecare variabilă independentă din model.

A. Testarea coliniarității - VIF

Formularea ipotezelor
H0: Variabilele independente sunt necoliniare

H1: Variabilele independente sunt coliniare

Stabilirea regulii de decizie
Dacă variabilele sunt coliniare, raportul de determinație dintre variabile este ridicat,
iar VIF are o valoare mare. În practică, pentru o valoare VIF > 10, se consideră că este prezent
fenomenul de coliniaritate.

Interpretarea rezultatelor
Potrivit tabelului 7.2., pentru nici o variabilă independentă, indicatorul VIF nu depășește
valoarea 2, ceea ce indică lipsa coliniarității dintre variabile.
De exemplu, VIF pentru variabila resurse este de 1.260, iar în urma calculelor .
Acest rezultat arată că 20.6% din variația variabilei independente resurse este explicată liniar
17
de variația celorlalte variabile independente, ceea ce nu conduce la apariția fenomenului de
coliniaritate.
VIF pentru variabila absolvenți este de 1.282, iar în urma calculelor .
Acest rezultat arată că 21.9% din variația variabilei independente absolvenți este
explicată liniar de variația celorlalte variabile independente, ceea ce nu conduce la apariția
fenomenului de coliniaritate.

B. Testarea coliniarității – TOL

Formularea ipotezelor
H0: Variabilele independente sunt necoliniare

H1: Variabilele independente sunt coliniare

Stabilirea regulii de decizie

Dacă variabilele sunt coliniare, valoarea raportului de determinație dintre variabile
este aproape de 1, iar indicatorul TOL este aproape de zero.
Interpretarea rezultatelor
Potrivit tabelului 7.2., pentru toate variabile independente, indicatorul TOL este mai mare decât
0.5, ceea ce indică lipsa coliniarității dintre variabile.
De exemplu, TOL pentru variabila emigranți este de 0.973, iar în urma calculelor
. Acest rezultat arată că 2.7% din variația variabilei independente emigranți este
explicată liniar de variația celorlalte variabile independente, ceea ce nu conduce la apariția
fenomenului de coliniaritate.

18
Concluzii

Distribuția numărului de șomeri prezintă asimetrie pozitivă la dreapta, iar valorile sunt
grupate în jurul valorii centrale, distribuția fiind leptocurtică;
În urma testului Independent Sample Test, am putit observa faptul că grupele pe sex
diferă semnificativ între el;
Existența unei legături directe și puternice între numărul de șomeri și resursele de muncă
din cele șapte regiuni analizate ale României, în perioada 2008 - 2019;
Modelul de regresie este semnificativ din punct de vedere statistic. Variabila dependentă
șomeri este influențată semnificativ de variația simultană a variabilelor independente
resurse, absolvenți și emigranți;
Parametrii modelului de regresie sunt semnificativi din punct de vedere statistic;
În urma testării ipotezelor cu privire la erorile de modelare s-a constatat că media
acestora că sunt autocorelate;
Indicatorul VIF și TOL indică lipsa coliniarității dintre variabilele independente.

Bibliografie

1. Savu M., Bursugiu M., „Evolution of unemployment in Romania”, Management

Strategies Journal, 2013, vol. 21;

2. Son L., Noja G., „Migraţia internaţională şi impactul asupra pieţei muncii”,
Revista Română de Statistică, 2012;

3. Zirra Daniela, Ocuparea forţei de muncă şi şomajul în neoliberalismul economic,

Editura Universitară, Bucureşti, 2005;

4. INSSE, http://www.insse.ro/.

19