Model de analiză a evoluţiei ocupării

populaţiei ẟi a ẟomajului 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 benefi cii. 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 lpierdut 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.
Clasifi carea 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 prezentat unele date, tabele, care
evidențiază că până în decembrie 2019, evoluția a fost pozitivă, scăzând
numărul șomerilor prin ocuparea acestora dar întraltă 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 identifi carea
situației care a fost în trimestrul IV 2019, în ceea ce privește modifi carea
numărului populației ocupate într scară evolutivă de 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 fi
ind 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 defi nesc 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 grafi ce, serii de date care sunt edifi catoare
și complementare, fi ind dovada certă a probării concluziilor pe care autorii
le 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 fi
nanciare. 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

statisticopunctând 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 forde
muncă în gospodării (AMIGO) care se realizează trimestrial, în conformitate
cu Regulamentul Consiliului Parlamentului European nr, 577/1998 cu
privire la organizarea unei anchete statistice selective asupra forde muncă
în Comunitatea Europeană.
Conform defi ni interna (BIM Biroul Interna al
Muncii), șomerii sunt persoanele cu vârste cuprinse între 15 și 74 de ani, care
îndeplinesc simultan următoarele trei condinu au un loc de muncă,
sunt disponibile să înceapă lucrul în următoarele două săptămâni și s afl at în
căutare activă a unui loc de muncă, oricând în decursul ultimelor patru
săptămâni.
În ceea ce privește rata jului, aceasta reprezintă ponderea
în populaactivă, iar populația activă, din punct de vedere economic,
cuprinde toate persoanele care furnizează forde muncă disponibilă pentru
produc de bunuri servicii în timpul perioadei de referin incluzând
popula
ẞomerii înregistraţi sunt persoanele afl ate în evidenţele Agenţiei
Naţionale pentru Ocuparea Forţei de Muncă (ANOFM), care beneficiază de
prevederile legisla.
Indicatorii statistici, jul lunar jul înregistrat, nu sunt comparabili
deoarece sursele de date, metodele de măsurare, conceptele, definiprindere
sunt diferite.
Metodologia de estimare aplicată se bazează pe metode statistico
econometrice care nivelează seriile de date cu tendinlineară. Astfel, valorile
prognozate sunt derivate din datele furnizate de cercetarea statistică asupra
for de muncă în gospodării, pe baza unor coeficien de netezire, care
corectează nivelul tendinseriei în formă brută (neajustată). Coeficiende
netezire sunt determina
Datele utilizate sunt sub formă ajustată cu numărul de zile lucrătoare
și de sezonalitate, eliminându astfel efectul acestor varia Ajustarea
sezonieră a seriei de date s 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 ob prin eliminarea componentei
sezoniere din seria originală.
Gradul de fi abilitate al estimapentru 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 ob
prezintă un grad mare de volatilitate. Așadar, pentru categoria tineri sunt
diseminate date trimestriale, adică datele prezentate pentru lunile ianuarie,
februarie ẟi martie sunt egale ẟi se referă la trimestrul I. Datele pentru tineri
sunt diseminate, cu titlu de date provizorii, la două luni după încheierea
trimestrului de referin ẟi definitivate odată cu fi nalizarea estimapentru
cercetarea statistică AMIGO din trimestrul corespunzător.
Întreaga serie a fost calculată în func de popula rezidentă
reestimată în condi de comparabilitate cu rezultatele Recensământului
Popula1.
Indicatorii rata jului numărul sunt diseminalunar
cu titlul de date provizorii fac obiectul reviziilor trimestriale, pe măsură ce
noi informa devin disponibile, astfel încât indicatorii cu perioadă de referin
ianuarie, februarie martie se publică în variantă provizorie la sfârlunilor
februarie, martie, respectiv aprilie se revizuiesc în mai, iar indicatorii cu
perioadă de referinaprilie, mai iunie se publică în variantă provizorie la sfâr
lunilor mai, iunie respectiv iulie se revizuiesc în august, iar indicatorii cu
perioadă de referiniulie, august septembrie se publică în variantă provizorie
la sfârlunilor august, septembrie respectiv octombrie se revizuiesc în
noiembrie și indicatorii cu perioadă de referină octombrie, noiembrie i
decembrie se publică în var iantă provizorie la sfâritul lunilor noiembrie,
decembrie anul în curs i ianuar ie a anului următor i 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 grafi ce 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
LUNA anul anul anul anul anul anul anul anul
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

LUNA anul anul anul anul anul anul anul anul

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 grafi cul numărul 1 este prezentată evoluția ratei șomajului în

perioada ianuarie 2012 și ianuarie 2020.

188 Romanian Statistical Review - Supplement nr. 4 / 2020

 Evoluţia ratei ẟomajului în perioada 2012-2020
Grafi c 1

Sursa: INS comunicat nr. 54 / 03.03.2020

Interpretând datele prezentate în tabelul numărul 1 și grafi cul

numărul 1, constatăm că rata 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 grafi cul de mai sus
constatăm o creștere substanțială a ratei șomajului în timpul crizei
economice din anii 2008 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 fi e unul ascendent datorită factorilor actuali, precum
pandemia coronavirus (COVID 19), care va fi urmată de o criză economico
fi nanciară fără precedent (având în vedere aici o serie de domenii blocate în
acest moment cum sunt turismul, HoReCa și multe altele) și care va infl uența
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 sîntors 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 în intervalul de timp cuprins între
ianuarie 2018 și ianuarie 2020 este prezentată în grafi cul numărul 2.

Numărul de ẟomeri în perioada ianuarie 2018 – ianuarie 2020 Grafi c

2

Sursa: INS comunicat nr. 54 / 03.03.2020

Interpretând datele prezentate în grafi cul numărul 2, constatăm că

numărul estimat al 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 sînregistrat 366 de mii
de persoane fără un loc de muncă, cât și față de aceealună a anului 2018,
când s
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 ẟomajului 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 R R R
15 3,9 3,8 3,7 3,9 3,9 3,8 4,0 3,8 4,1 3,9 4,0 4,0 3,9
15 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 3,1 3,0 2,9 3,0 2,9 2,9 3,0 2,9 3,1 2,9 R 3,0R 3,0
R
2,8
Masculin R R R
15 4,3 4,2 3,9 4,3 4,2 4,1 4,4 4,2 4,5 4,4 4,5 4,7 4,3
15 14,7 14,7 14,7 15,2 15,2 15,2 16,7 16,7 16,7 18,4 18,4 18,4 ..
R 3,4R R
25 3,4 3,4 3,1 3,5 3,3 3,2 3,4 3,3 3,6 3,3 3,5 3,1
Feminin R R R
15 3,4 3,4 3,3 3,5 3,5 3,4 3,5 3,4 3,4 3,2 3,2 3,2 3,3
15 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 2,6 2,5 2,5 2,5 2,5 2,5 2,5 2,4 2,4 2,4 R 2,3R 2,3
R
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 ẟomajului la bărba a depă

cu 1% pe cea a femeilor, valorile respective fi ind 4,3% în cazul persoanelor
de sex masculin ẟi 3,3% în cazul celor de sex feminin.
În ceea ce privesc persoanele adulte, cu vârste cuprinse între 25 și 74
de ani, rata ẟomajului a fost estimată la 2,8% pentru luna ianuarie 2020 și
împărțind pe sexe rata șomajului va fi de 3,1% în cazul bărbade 2,3% în cel
al femeilor.
Interesant este faptul că numărul cu vârste cuprinse între
25 și 74 de ani reprezentă cea mai mare pondere din numărul total
al , fi ind 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 printranaliză
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, fi zică, 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 fi zice fundamentale, ajungându 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 la
aceste domenii, începând cu anii 1998 au fost făcute o serie de analogii între
fenomenele fi zice și cele economice, efectuândustudii aprofundate de o serie
de cercetători în domeniul econofi zicii, care au analizat evoluțiile diverselor
fenomene economice pornind de la similitudinile pe care aceste evoluții le au
cu manifestările unor fenomene fi zice.
Așadar, analiza spectrală a unui fenomen economic oscilant așa cum
reiese din grafi cul 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
Grafi c 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
LUNA anul anul anul anul anul anul anul anul
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

LUNA anul anul anul anul anul anul anul anul

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 fi nite 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 fi nită 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 coefi cienți sunt necesari în

continuarea analizei pentru determinarea indicatorilor specifi ci analizei
spectrale cum ar fi amplitudinea:

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

(7)

unde: , iar reprezintă coefi cientul de autocorelație

În continuare pentru analiza intensității fl uctuaților generate de

oscilațiile procesului analizat, datele seriei numerice au fost introduse în
programul de analiză economică STATISTICA. Rezultatele în ceea ce
privește frecvența oscilațiilor, coefi cienții Euler, 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 - Coeff s Sine - Coeff s Periodogram Density
0 0,000000 0,0 7,087408E 1,976295E+11
1 0,005208 192,0000 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 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 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 9662,2 1,919396E+101,017850E+10
10 0,052083 19,2000 1,9 9,025946E+08 5,306531E+09

194 Romanian Statistical Review - Supplement nr. 4 / 2020

 Frequency Period Cosine - Coeff s Sine - Coeff s Periodogram Density
11 0,057292 17,4545 14,6 9,882589E+08 1,550011E+09
12 0,062500 16,0000 2877,3 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 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 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 116,8 7,636049E+08 1,607266E+09
21 0,109375 9,1429 1526,6 1,026990E+09 9,579761E+08
22 0,114583 8,7273 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 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 1112,4 1,597095E+08 3,673428E+08
28 0,145833 6,8571 1609,0 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 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 1116,5 1,428919E+08 1,660275E+08
34 0,177083 5,6471 437,2 178,2 1,516068E+08 2,059153E+08
35 0,182292 5,4857 1982,3 4,015365E+08 2,433442E+08
36 0,187500 5,3333 179,2 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 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 1,540931E+08 2,880896E+08
43 0,223958 4,4651 2184,1 5,569607E+08 8,353901E+08
44 0,229167 4,3636 3773,5 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 1266,3 167,5 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 2,151690E+07 1,549609E+08
50 0,260417 3,8400 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 3,088039E+08 3,340425E+08
53 0,276042 3,6226 487,2 5,772173E+08 5,885591E+08
54 0,281250 3,5556 2171,8 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 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 2,182645E+08 2,505909E+08
60 0,312500 3,2000 1,0 206,4 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 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 - Coeff s Sine - Coeff s Periodogram Density
67 0,348958 2,8657 565,3 4,174242E+07 6,703481E+08
68 0,354167 2,8235 3301,9 1,552358E+09 1,016777E+09
69 0,359375 2,7826 428,7 1,028438E+09 1,097858E+09
70 0,364583 2,7429 2875,5 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 305,3 2,286443E+07 3,001120E+08
75 0,390625 2,5600 181,5 4,237406E+07 1,262302E+08
76 0,395833 2,5263 1261,0 1,535402E+08 2,872757E+08
77 0,401042 2,4935 2585,0 7,218239E+08 6,156080E+08
78 0,406250 2,4615 3131,2 9,432658E+08 7,875365E+08
79 0,411458 2,4304 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 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 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 5,281759E+08 6,218632E+08
89 0,463542 2,1573 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 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 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 edifi catoare

Tabel 5
Frequency Period Cosine - Coeff s Sine - Coeff s Periodogram Density
1 0,005208 192,0000 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 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 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 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
Grafi c 4
Spectral analysis: VAR1
No. of cases: 192
4E11 4E11
3,5E11 3,5E11

3E11 3E11
Values

2,5E11 2,5E11
Periodogram

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 grafi cul 4 identifi căm 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 coefi cienților 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 coefi cienților.
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 fi ind rădăcina pătrată a

aceleași sume a patratelor coefi cienților. 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 grafi cul 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 infl uență accentuată a sezonalității, fapt așteptat de altfel,
deoarece așa cum samintit și în precizările metodologie prezentate mai sus,
seria de date utilizată în această analiză pe care au avutautorii în atenție este
ajustată sezonier cu pachetul de programe DEMETRA, utilizând metoda
TRAMO/ SEATS, cu ajutorul căreia s
În aceeași ordine de idei, interpretând datele structurate în tabelul
numărul 3, putem identifi ca 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 infl uență 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 infl
uențează 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 confi rmat și de valorile
înregistrate și prezentate în grafi cul 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 confi rma
prezența ciclicitații evoluției numărului de șomeri. Acest aspect reise și din
grafi cul numărul 3, de unde putem constata că numărul de șomeri crește în
perioadele dificle ale evoluției economice (criza economică din 2008și scade
în perioadele de relansare economică.
În grafi cul numărul 5 este prezentată evoluția densitații spectrale în
funcție de mărimea frecvenței.

Reprezentarea densitații spectrale în funcție de frecvență

Grafi c 5
Spectral analysis: VAR1

No. of cases: 192

Hamming weights:,0357 ,2411 ,4464 ,2411 ,0357
2,5E11 2,5E11
2E11 2E11
Density

1,5E11 1,5E11
Spectral

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 grafi cul 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 coefi cienții Fourier (sinus și
cosinus), generând cu ajutorul programului de analiză STATISTICA grafi
cele numerele 6 și 7.

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

 Reprezentarea coeficienților Fourier (sinus)
Grafi c 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 grafi cul numărul 6 se observă că

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

200 Romanian Statistical Review - Supplement nr. 4 / 2020

 Reprezentarea coeficienților Fourier (cosinus)
Grafi c 7

!"# "$
/" $$
/"

% &'

În ceea ce privește coefi cientul cosinus, conform grafi cului

numărul 7, constatăm că acesta înregistrează în general valori cuprinse în
intervalul și 5.000, dar plasate mai mult în zona pozitivă. Există o singură
excepție, maximul acestei valori înregistrate fi ind negativă și anume pentru
192 luni, restul valorilor fi ind destul de compacte.

Concluzii
Analiza articolului ocuparea și șomajul în România, conduce la unele
concluzii teoretice dar mai ales practice. În primul rând se clarifi că 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 fi e 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 geografi ce 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 fi e în concordanță și cu oferta pieței muncii, așa încât o parte
însemnată dintre aceste persoane a populației să fi e 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, fi e prin a lucra la negru, piață cenușie sau cum vreți
să spunem, fi e prin a migra în exterior.
O altă concluzie care se desprinde este aceea că în programul fi
ecărui 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 sădobândească 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 Fuzzyalued and Multivariate Financial Time Series.
Advances in Intelligent Systems and Computing, Springererlag , 129
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 statisticoși econofi zice 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), Timependent spectral analysis and its application in
prediction and control, Journal of Sound and Vibration
11. Priestley, M.B. (1996), Wavelets and Timependent 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