Econometrie

Hâncu Lilian

1
 Analiza econometrică a seriilor de timp

1. Serii de timp - definire, clasificare, factori de

influență, tipuri de modele
2. Metode econometrice de timp cu două componente:
trend şi variabilă reziduală
3. Metode econometrice de timp cu trei componente:
trend, sozonalitate şi variabilă reziduală

2
 O serie de timp constă într-o secvență de observații
asupra unei variabile, ordonate după parametrul timp.
Frecvent, măsurătorile asupra variabilei sunt efectuate la
intervale egale de timp, seria cronologică fiind prezentată
sub forma:
1 2 ... t ... T 
Y :
Y 
 1 Y2 ... Yt ... YT 


Seria de timp formată cu valorile observate

constituie o realizare a secvenței de variabile aleatoare
Y1 , Y2 ,...., YT , adică a unui proces aliator (proces stocastic)
de tip discret. Evoluția unei variabile în timp este
reprezentată printr-un proces aliator.

3
 Ca atare, descrierea statistică a seriilor de timp pornește de
la analiza factorilor ce provoacă mișcarea acestora. În general,
evoluţia unui fenomen este generată de acţiunea unor grupe de
factori:
- factorii esenţiali, cu acţiune de lungă durată, ce imprimă
fenomenelor tendinţa de evoluţie a acestora; acţiunea acestor
factori studiindu-se în funcţie de unităţile de timp pentru care a
fost măsurat fenomenul analizat;
- factorii sezonieri, cu acţiune pe perioade mai mici de un an, care
determină abateri de la tendinţa fenomenului imprimată de factorii
esenţiali;
- factorii ciclici, cu acţiune pe perioade mai mari de un an, ce
imprimă o evoluţie oscilantă a fenomenului în cazul unor serii
contruite pe perioade lungi de timp;
- factorii întâmplători, (cu acţiune aleatoare), a căror acţiune se
compensează dacă datele înregistrate se referă la un număr mare
de perioade de timp. 4
Componentele termenilor unei serii
cronologice

5
Componentele termenilor unei serii
cronologice
 Sunt sesizabile când termenii seriei se referă la perioade mai mici
decât anul (date trimestriale, lunare, zilnice, orare etc.)
 Apar sunt influenţa a două categorii de factori:
 - factori naturali, climatici (prod. agricolă, vânzări de băuturi
răcoritoare, de articole de îmbrăcăminte etc.)
 - factori sociali – tradiţii, obiceiuri, concedii (vânzările de
rechizite şcolare, de ouă, de pomi de iarnă etc.)
 3. COMPONENTA CICLICĂ
 E formată din fluctuaţii regulate, manifestate pe termen mai lung,
care devin complete pe parcursul câtorva ani.
 Sunt cauzate de două categorii de factori:
 - naturali (oscilaţiile producţiei agricole, datorate ciclurilor meteo)
 - economico-sociali (ciclurile de afaceri, datorate modernizării
aparatului de producţie, aprovizionarea cu materii prime etc.)
6
Componentele termenilor unei serii
cronologice
 4. COMPONENTA ALEATOARE (REZIDUALĂ)

 Fluctuaţiile aleatoare apar sub forma unor abateri accidentale ale

termenilor seriei de la linia de trend, sub influenţa unor factori
imprevizibili, accidentali (greve, conflicte de muncă spontane,
calamităţi naturale, războaie etc.)

 uneori nu se identifică toate cele patru componente, atunci când

analizăm o serie cronologică:

 Cel mai adesea, componenta ciclică nu se poate determina

 La unele serii, poate lipsi chiar trendul (serii staţionare)

7
Pornind de la structura factorilor ce determină
evoluţia unui fenomen, descrierea statistică a
seriilor de timp se poate realiza cu ajutorul

următoarelor modele:

1. Modele aditive

yt = f(t) + s(t) + c(t) + u(t)

2. Modele multiplicative

yt = f(t)⋅s(t)⋅c(t)⋅u(t) 8
unde:
• f(t) = componenta trend, efect al acţiunii factorilor
esenţiali;
• s(t) = componenta sezonieră, efect al acţiunii factorilor
sezonieri;
• c(t) = componenta ciclică, generată de acţiunea factorilor
ciclici;
• u(t) = componenta reziduală, care exprimă influenţa
factorilor întâmplători asupra evoluţiei fenomenului.

Utilizarea unui anumit tip de model, aditiv sau

multiplicativ, se face pe baza reprezentării grafice a
fenomenului.
9
 Modelele aditive se utilizează în cazul în
care seria prezintă oscilaţii de amplitudine
constantă şi regulată față de tendință.
Modelul multiplicativ, se transformă într-un
model aditiv dacă se logaritmează ecuaţia. În timp ce
într-un model aditiv componentele se exprimă în
aceeaşi unitate de măsură cu ale fenomenului
respectiv, în cazul modelului multiplicativ,
componentele se exprimă procentual faţă de funcţia
tendinţă f(t).

10
 În particular, în funcție de natura fenomenului
studiat, modelele de mai sus pot fi :
- modele cu o singură componentă sau modele staţionare:
y t = y +u(t )
- modele cu două componente, trend şi variabilă reziduală:
y t = f (t) + u (t)
- modele cu trei componente: trend, sezonalitate şi
variabilă reziduală:
y t = f (t) + s (t) + u (t)
y t = f (t) ⋅ s (t) ⋅ u (t)
- modelele cu patru componente

11
Modele econometrice de timp
cu două componente:
trend şi variabilă reziduală

12
 Aplicarea unui model econometric de timp
presupune parcurgerea următoarelor etape de
lucru:
a) identificarea funcției de ajustare;
b) estimarea parametrilor modelului de
ajustare;
c) verificarea semnificației modelului;
d) estimarea valorilor viitoare ale fenomenului
utilizând metoda extrapolării.

13
14
15
 Tipuri de legături.
Legături liniare Legături curblinii

Y
Y

X
X c) legătură neliniară
a) legătură liniară directă

Y Y

X X
b) legătură liniară inversă; d) legătură neliniară 16
 Tipuri de legături.
Y

Y Y

X
X
e) absenţa legăturii
17
cronogramă 5

18
19
20
21
22
24
25
• Exprimarea matematică:

yt  f (t )  uˆt

ˆ ˆ
Yi  f (t )  aˆ  bti

26
 Metoda celor mai mici pătrate (MCMMP)

Principiul acestei metode constă în minimizarea sumei

pătratelor abaterilor valorilor empirice faţă de cele teoretic
estimate, adică minimizarea sumei pătratelor rezidiurilor.

 t t  t
ˆ 2
( y  Y )  ˆ
u 2
 min

 ( yt  a  bti )  min
ˆ 2
ˆ

27
naˆ  bˆ ti   yt

aˆ  ti  b  ti   ti yt
ˆ 2

ˆ
ˆ  y  bt
a
28
 n  t i yi   t i  yi
bˆ  
n  t  ( ti ) 2
i
2


t y i i

yt  y * t
t 2
i t t
2 2

dacă b > 0 legătura dintre variabile este directă;

dacă b < 0 legătura dintre variabile este inversă;
dacă b = 0 nu există legătură între variabile.

ˆ
yi  Yi
29
Estimatorul dispersei reziduurilor se determină ca:

n n

 ( yi  Y )
ˆ 2
 uˆ 2
i
S  2
uˆ
i 1
 i 1

T  k 1 T  k 1
abaterea medie pătratică a erorilor în eşantion:

S uˆ  S 2
uˆ
30
 aˆ bˆ
bˆ
t aˆ
calc  t calc 
S aˆ S bˆ

 
 2 
2 1 t 
S aˆ  Suˆ 
T n
2 



i 1
(ti  t ) 


31
 2
S
S bˆ  n
uˆ

 (t
i 1
i t) 2

(bˆ  t ,n  2  Sbˆ    bˆ  t ,n  2  Sbˆ )  p  1  

(aˆ  t ,n2  Saˆ    aˆ  t ,n2  Saˆ )  p  1  

32
 Estimarea valorilor variabilei dependente

ˆ ˆ
Yn v  aˆ  btn v
Estimarea prin intervalul de încredere

P(Yˆn  v  ttab  SYˆ  Yn  v  Yˆn  v  ttab  SYˆ )  1  

nv nv

33
abaterea medie pătratică a erorii de previziune

 
 2 
2  1 (t n  v  t ) 
SYˆ  S uˆ * 1   n
 T 

nv

 (ti  t ) 
2

 t 1 

34
 Acceptând că variabila aleatoare ut
îndeplineşte ipotezele I2, I3, I4, respectiv ipoteza
de homoscedasticitate, de independenţă a
erorilor şi de normalitate a valorilor variabilei
reziduale, estimarea lui yt se face pe baza unui
interval de încredere.

35