Previziune

microeconomică
‐ seminar ‐
Previziune microeconomică 2

10.1. Utilizarea funcţiilor de trend în previziune

Datele care caracterizează tendinţa de evoluţie a cifrei de afaceri (CA) a unei firme, în
orizontul de timp retrospectiv (t1-t7), sunt exprimate prin indicii cu bază fixă din tabelul 10.1.
Tabelul nr. 10.1
y0 = 100
Anii t1 t2 t3 t4 t5 t6 t7
CA yt (indicii cu bază fixă) 104 107 110 114 117 120 124

Pe baza acestor date, se cere:

a) să se estimeze parametrii funcţiilor de trend liniară, parabolică de ordinul II şi exponenţială,
avându-se în vedere condiţia Σt’= 0, unde t’ = variabila independentă;
b) să se calculeze valorile ajustate pe baza funcţiilor şi apoi să se calculeze abaterea medie
pătratică procentuală şi coeficientul (raportul) de corelaţie pentru fiecare funcţie în parte şi
pe baza acestora să se decidă care este funcţia cea mai bună pentru efectuarea prognozei;
c) să se efectueze calculul de prognoză a CA cu ajutorul funcţiei de trend alese la punctul
precedent stabilindu-se indicele dinamicii CA în anul t12 , anul final al orizontului de
previziune. Pornind de la indicele dinamicii CA să se determine valoarea absolută a
acesteia în anul t12 ştiind că în anul de bază t0 CA a reprezentat 172.500 milioane lei;
d) să se determine zona de încredere pentru funcţia aleasă, determinându-se cu ajutorul
algoritmului corespunzător funcţiei pentru care s-a optat la elaborarea prognozei varianta
minimă (pesimistă) şi varianta maximă (optimistă) a previziunii. În acest scop, se va avea
în vedere o probabilitate p = 0,95 şi se va extrage din tabela repartiţiei Student coeficientul
tα (p,f) corespunzător probabilităţii p şi numărului gradelor de libertate f ;
e) să se scrie cele trei variante ale previziunii CA, atât sub formă de indici, cât şi sub formă de
valori absolute.
Rezolvare
a) Pentru estimarea parametrilor funcţiilor de trend:
y = a ± bt
y = a + bt + ct2
y = abt
vom utiliza metoda celor mai mici pătrate.
Metoda celor mai mici pătrate se bazează pe minimizarea sumei:

∑ (y − y )
n
' 2
i ti
→ minim ,
i =1

unde: yi - valorile empirice ale variabilei dependente;

yt'i - valorile calculate pe baza funcţiei de trend;
i = 1,2, …, n - numărul termenilor seriei dinamice (numărul de ani).
Întrucât avem de calculat parametrii pentru trei funcţii vom proceda etapizat, pentru
fiecare funcţie în parte, calculând şi valorile ajustate ale seriei de date şi respectiv abaterea
medie pătratică procentuală şi coeficientul (raportul) de corelaţie pentru ca în final să putem
decide asupra celei mai potrivite funcţii pentru previziunea CA.
a1) Pentru funcţia de trend liniară:
n

y = a + bt ⇒ ∑ (y − a − bt ) → minim .
2
i
i =1

Anulând derivatele parţiale în raport cu parametrii a şi b găsim:

n

− 2∑ ( y i − a − bt ) ⋅1 = 0
i =1
3                    Seminar 
n

− 2∑ ( yi − a − bt ) ⋅ t = 0
i =1

de unde rezultă sistemul de ecuaţii normale:

⎧⎪na + b∑ ti = ∑ yi
⎨
⎪⎩a ∑ ti + b∑ ti = ∑ ti yi
2

Pentru simplificarea calculelor şi ţinând cont de condiţia impusă de problemă ∑t i

'
=0,
vom găsi:
⎧
⎪a =
∑y i

⎧⎪na = ∑ yi ⎪ n
⎨ ⇒⎨
⎪⎩ ∑ i ∑ i i
b t '2
= t '
y ⎪b = ∑t i' yi
⎪
⎩ ∑t i
'2

Pe baza datelor problemei, cele necesare calculului se regăsesc în tabelul nr. 10.2.
Tabelul nr. 10.2
2
yi − yt' ⎛ yi − yt' ⎞
t i' *) y i − y t' ⋅100 ⎜ ⎟ y2
⎜ y ⋅100 ⎟
Anii yi t i'2 t i' yi y i' t i i i
i
yi ⎝ i ⎠
t1 104 -3 9 -312 103,75 0,25 0,240 0,05778 10816
t2 107 -2 4 -214 107,07 -0,07 -0,065 0,00428 11449
t3 110 -1 1 -110 110,39 -0,39 -0,355 0,12570 12100
t4 114 0 0 0 113,71 0,29 0,254 0,06471 12996
t5 117 1 1 117 117,03 -0,03 -0,026 0,00066 13689
t6 120 2 4 240 120,35 -0,35 -0,292 0,08507 14400
T7 124 3 9 372 123,67 0,33 0,266 0,07076 15376
Σ 796 0 28 93 - - - 0,40896 90826
*)
pentru a face Σt’ = 0 se procedează astfel:
ƒ dacă seria de date este formată dintr-un număr impar de termeni atunci se pune 0 în mijloc şi cu
valori negative din 1 în 1 se merge spre primul termen al seriei iar cu valori pozitive tot din 1 în 1 se
merge spre ultimul termen al seriei obţinându-se în final Σt’ = 0;
ƒ dacă seria de date este formată dintr-un număr par de termeni atunci termenii din mijloc primesc
valorile –1 şi respectiv +1 continuându-se cu valori negative din 2 în 2 spre primul termen al seriei şi
cu valori pozitive tot din 2 în 2 spre ultimul termen al seriei obţinându-se în final Σt’ = 0. Exemplu:
t1 t2 t3 t4 t5 t6
-5 -3 -1 1 3 5
Σt
În general avem: t i = t i − t unde t =
'
(media lui t) .
n
Pe baza datelor din tabelul nr. 10.2, găsim:
⎧
⎪a =
∑
yi 796
= = 113,71
⎪ n 7
⎨
⎪b = ∑
t i' yi 93
= = 3,32
⎪
⎩ ∑
t i' 2 28
Deci, funcţia este yt' = 113,71 + 3,32ti' . Valorile teoretice yt'i , vor fi următoarele:
yt'1 = 113,71 + 3,32 ⋅ (−3) = 103,75 y t'2 = 113,71 + 3,32 ⋅ (−2) = 107,07
Previziune microeconomică 4

y t' = 113,71 + 3,32 ⋅ ( −1) = 110,39

3
yt' = 113,71 + 3,32 ⋅ (0) = 113,71
4

y = 113,71 + 3,32 ⋅ (1) = 117,03

'
t5 y = 113,71 + 3,32 ⋅ ( 2) = 120,35
'
t6

y = 113,71 + 3,32 ⋅ (3) = 123,67

'
t7

Calculăm abaterea medie pătratică procentuală cu formula:

2
⎛ yi − yt' ⎞
⎜
⎜ y ⋅ 100 ⎟ ∑
⎟ i

σ% = ⎝ i ⎠
n
unde: yi = valorile empirice; yt' = valorile teoretice (calculate) i

Pe baza datelor din tabelul nr. 10.2, găsim:

0,40896
σ% = = 0,2417%
7
Calculăm coeficientul de corelaţie cu formula:
n∑ t i' yi − ∑ t i' ∑ yi'
r=
[
n∑ t i' 2 − ∑ t i' ⋅ n∑ yi2 − ∑ yi'
2 2
( )][ ( )]
Pe baza datelor din tabelul nr. 10.2 găsim:
7 ⋅ 93
r= = 0,999134
[7 ⋅ 28 − 0] ⋅ [7 ⋅ 90826 − 633616]

∑ (y − a − bt − ct )
n
2 2
a2) Pentru funcţia parabolică de ordinul II, y=a+bt+ct2, ⇒ i
→ min
i =1

şi anulând derivatele parţiale în raport cu parametrii a, b şi c, găsim:

− 2∑ ( yi − a − bt i' − ct i' 2 )⋅1 = 0
n

i =1

− 2∑ ( yi − a − bt i' − ct i' 2 )⋅ t i' = 0

n

i =1

− 2∑ ( yi − a − bt i' − ct i' 2 )⋅ t i' 2 = 0

n

i =1

de unde rezultă sistemul de ecuaţii normale:

⎧na + b∑ t i' + c∑ t i'2 = ∑ yi
⎪⎪
⎨a ∑ t i + b ∑ t i + c ∑ t i = ∑ t i y i
' '2 '3 '

⎪
⎪⎩a ∑ t i + b∑ t i + c∑ t i = ∑ t i yi
'2 '3 '4 '2

Deoarece ∑ t = ∑ t = 0 , sistemul devine:

i
'
i
'3

⎧na + c∑ t = ∑ y i
'2
i
⎪⎪
⎨b∑ t = ∑ t y (*)
'2 '
i i i
⎪
⎪⎩a ∑ t + c ∑ t = ∑ t y
'2 '4 '2
i i i i

Pe baza datelor problemei, cele necesare calculului se regăsesc în tabelul nr. 10.3.
5                    Seminar 

Tabelul nr. 10.3

2

Anii yi t i' t i'2 t i'4 t i' y i ti' 2 yi yt'

i
yi − yt'
i
⎛ yi − yt'
⎜
⎜ y
i
⎞
⋅ 100 ⎟⎟ yi − y (y − y ) ( y − y )
i
' 2
ti i
2

⎝ i ⎠
t1 104 -3 9 81 -312 936 103,93 0,07 0,00453 -9,71 0,0049 94,2841
t2 107 -2 4 16 -214 428 107,07 -0,07 0,00453 -6,71 0,0049 45,0241
t3 110 -1 1 1 -110 110 110,29 -0,29 0,06950 -3,71 0,0841 13,7641
t4 114 0 0 0 0 0 113,57 0,43 0,14227 0,29 0,1849 0,0841
t5 117 1 1 1 117 117 116,93 0,07 0,00453 3,29 0,0049 10,8241
t6 120 2 4 16 240 480 120,35 -0,35 0,08507 6,29 0,1225 39,5641
t7 124 3 9 81 372 1116 123,85 0,15 0,01463 10,29 0,0225 105,8841
Σ 796 0 28 196 93 3187 - - 0,32506 - 0,4287 309,4287

Pe baza datelor din tabelul nr. 10.3 sistemul (*) devine:

⎧7a + 28c = 796
⎪
⎨28b = 93 ⇒ a = 113,57; b = 3,32; c = 0,036
⎪28a + 196c = 3187
⎩
Deci funcţia parabolică de ordinul II este: yt' = 113,57 + 3,32t i' + 0,036t i' 2
Pe baza ei calculăm valorile teoretice:
y t' = 113,57 + 3,32 ⋅ (−3) + 0,036 ⋅ (9) = 103,93
1

y t'2 = 113,57 + 3,32 ⋅ (−2) + 0,036 ⋅ (4) = 107,07

y t' = 113,57 + 3,32 ⋅ ( −1) + 0,036 ⋅ (1) = 110,29
3

y t' = 113,57 + 3,32 ⋅ (0) + 0,036 ⋅ (0) = 113,57

4

y = 113,57 + 3,32 ⋅ (1) + 0,036 ⋅ (1) = 116,93

'
t5

y t' = 113,57 + 3,32 ⋅ ( 2) + 0,036 ⋅ ( 4) = 120,35

6

y t' = 113,57 + 3,32 ⋅ (3) + 0,036 ⋅ (9) = 123,85

7

Folosind datele din tabelul nr. 10.3, abaterea medie pătratică procentuală va fi:
0,32506
σ% = = 0,2155%
7
Întrucât legătura dintre CA şi trend în cazul funcţiei yt' = a + bti' + cti' 2 nu este de tip
liniar vom calcula raportul de corelaţie cu ajutorul relaţiei:
∑ (y − y ) ' 2

μ=
i ti
1−
∑ (y − y)
2
i

unde: yi = valorile empirice ale variabilei dependente;

yt' = valorile calculate cu ajutorul funcţiei parabolice;
i

y=
∑y i
= media aritmetică simplă a valorilor lui yi .
n
Ținând cont de datele calculate în tabelul nr. 10.3, găsim:
104 + 107 + 110 + 114 + 117 + 120 + 124
y= = 113,57
7
0,4287
μ = 1− = 0,99931
309,4287
 Previziune microeconomică 6

a3) În cazul funcţiei exponenţiale, yt = abt, pentru uşurinţa calculelor logaritmăm

(liniarizăm) şi obţinem:
lgyt = lga + t·lgb
Notăm lgyt = y’, lga = a’, lgb = b’, și obţinem y’ = a’ + tb’ .
Din Σ( yi − yt' ) 2 → min , anulând derivatele parţiale în raport cu a’ şi b’, deducem
i

sistemul
⎧⎪n lg a + (lg b)∑ t i' = ∑ lg yi
⎨
⎪⎩(lg a )∑ t i + lg b∑ t i = ∑ t i ⋅ lg y i
' '2
şi făcând ∑
ti' = 0 rezultă:

⎧
⎪lg a =
∑ lg yi
⎪ n
⎨
⎪lg b = ∑ (t i lg yi )
'

⎪
⎩ ∑ t i'2
Pentru calculul parametrilor a şi b vom utiliza datele din tabelul nr. 10.4.
Tabelul nr. 10.4
2
⎛ yi − y ⎞
(y − y )
'

Anii yi lgyi t i' ti' lg yi yt'

i
yi − yt'i
⎜
⎜ y ⋅ 100 ⎟⎟
ti
yi − y (y i
− y)
2
i
' 2
ti
⎝ i ⎠
t1 104 2,01703 -3 -6,05109 103,99 0,01 0,00009 -9,71 0,0001 94,2841
t2 107 2,02938 -2 -4,05876 107,07 -0,07 0,00453 -6,71 0,0049 45,0241
t3 110 2,04139 -1 -2,04139 110,25 -0,25 0,05165 -3,71 0,0625 13,7641
t4 114 2,05690 0 0 113,52 0,48 0,17729 0,29 0,2304 0,0841
t5 117 2,06818 1 2,06818 116,88 0,12 0,01052 3,29 0,0144 10,8241
t6 120 2,07918 2 4,15836 120,35 -0,35 0,08507 6,29 0,1225 39,5641
t7 124 2,09342 3 6,28026 123,92 0,08 0,00416 10,29 0,0064 105,8841
Σ 796 14,38548 0 0,35556 - - 0,33331 - 0,4412 309,4287

⎧ 14,38548
⎪⎪lg a = = 2,05507 ⇒ a = 113,52
7
⎨
⎪lg b = 0,35556 = 0,0127 ⇒ b = 1,03
⎪⎩ 28
'
Deci, y t' = 113,52 ⋅1,03t . Pentru calculul valorilor teoretice vom folosi expresia:
'
i

lg yi' = lg a + t i' lg b şi vom obţine:

lg yt' = 2,05507 + 0,01269 ⋅ (−3) = 2,017 ⇒ yt' = 103,99
1 1

lg yt = 2,05507 + 0,01269 ⋅ (−2) = 2,02969 ⇒ yt' = 107,07

'

2 2

lg yt = 2,05507 + 0,01269 ⋅ (−1) = 2,04238 ⇒ yt = 110,25

' '

3 3

lg yt' = 2,05507 + 0,01269 ⋅ (0) = 2,05507 ⇒ yt' = 113,52

4 4

lg yt' = 2,05507 + 0,01269 ⋅ (1) = 2,06776 ⇒ yt' = 116,88

5 5

lg yt' = 2,05507 + 0,01269 ⋅ (2) = 2,08045 ⇒ yt' = 120,35

6 6

lg yt = 2,05507 + 0,01269 ⋅ (3) = 2,09314 ⇒ yt = 123,92

' '

7 7

Pe baza datelor din tabelul nr. 10.4, calculăm abaterea medie pătratică procentuală şi
raportul de corelaţie:
7                    Seminar 

0,33331
σ% = = 0,2182%
7
0,4412
μ = 1− = 0,99929
309,4287
Valorile abaterilor medii pătratice procentuale şi ale raportului (coeficientului) de
corelaţie calculate pentru cele trei funcţii sunt:
Funcţia σ% r sau μ
yt' = a + bti' 0,2417 0,99913
i

yt' = a + bti' + cti' 2 0,2155 0,99931

i

ti'
yt = a ⋅ b
'
' 0,2182 0,99929
i

De aici deducem faptul că funcţia parabolică de ordinul II este cea mai bună funcţie
pentru elaborarea prognozei CA, deoarece are cea mai mică valoare pentru σ şi cea mai mare
valoare pentru μ.
c) Pentru calcul va trebui să determinăm valoarea lui t i' corespunzătoare anului t12 , anul
final al orizontului de previziune:
t12' = t12 − t = 12 − 4 = 8
Înlocuind valoarea calculată în funcţie găsim:
y t' = 113,57 + 3,32(8) + 0,036(64) = 142,43% .
12

Rezultă că în anul t12 , CA va creşte cu 42,43% faţă de anul de bază t0 .

În cifre absolute:
y t' = 1,4243 ⋅172500 = 245691,75 milioane lei.
12

d) Pentru stabilirea variantei minime şi maxime a previziunii CA se parcurg etapele:

∑ (y )
2
− yt' 0,4287
Calculăm Sy =
i
ƒ i
= = 0,327 ;
n−c 7−3

ƒ Calculăm Sp = Sy
1
⋅ tτ +
2 ∑ (
t 4 − 2∑ t 2 ⋅ tτ2 + ntτ4 ) (valorile lui t sunt
∑t2 n∑ t 4 − ∑ t 2
2
( )
atribuite cronologic, iar tτ reprezintă anul final al orizontului previzional).
1 4676 − 2 ⋅140 ⋅144 + 7 ⋅12 4

Sp = 0,327 ⋅144 + = 0,97842

7 ⋅ 4676 − (140 )
2
140
Din tabela repartiţiei Student pentru 4 grade de libertate şi o probabilitate de 0,95 găsim
valoarea tα = 2,776.
Variantele minimă şi maximă ale previziunii sunt:
ymin = ymed – Sp · tα = 142,43 – 2,71 = 139,72%
ymax = ymed + Sp · tα = 142,43 + 2,71 = 145,14%
Rezultă, deci, că evoluţia CA se va înscrie în anul t12 între 139,72% şi 145,14%
(probabilitate 0,95). În cifre absolute, avem:
y min t = 172500 ⋅1,3972 = 241017 milioane lei
12

y med t = 172500 ⋅ 1,4243 = 245691,75 milioane lei

12

y max t = 172500 ⋅1,4514 = 250366,5 milioane lei

12
Previziune microeconomică 8

10.2. Utilizarea funcţiei de corelaţie în previziune

În ultimii ani o întreprindere a obţinut următoarele rezultate economice (tabelul nr. 10.5):
Tabelul nr. 10.5
Anii t1 t2 t3 t4
Cifra de afaceri (mii lei) 2200 3400 3800 4700
Bugetul de publicitate (mii lei) 45 54 76 81
Conducerea întreprinderii doreşte să ştie care va fi cifra de afaceri dacă bugetul de
publicitate va fi majorat la 150 mii lei.
Vom utiliza o funcţie de corelaţie simplă:
y = a + bx,
unde: y = cifra de afaceri (în mii lei); x = bugetul de publicitate (în mii lei).
Aplicând metoda celor mai mici pătrate simplificată vom scrie:

∑ (y − a − bx ') , unde x' = xi − x

n
2
min S = i
i =1

Anulând derivatele parţiale în raport de a şi b, obţinem:

∂S
= −2∑ ( yi − a − bx')⋅1 = 0
n

∂a i =1

∂S
= −2∑ ( yi − a − bx')⋅ x' = 0
n

∂b i =1

Dezvoltând, va rezulta sistemul:

⎧⎪na + b∑ x' = ∑ y
⎨
⎪⎩a ∑ x' + b∑ ( x' ) = ∑ x' y
2

Datele necesare rezolvării sistemului se vor obţine din tabelul nr. 10.6.
Tabelul nr. 10.6
yi − y '
2
⎛ yi − y' ⎞
Anii y x x' = xi − x (x ' ) 2
x’y y '
i yi – y’ yi
⋅ 100 ⎜⎜ ⋅ 100 ⎟⎟ y2
⎝ yi ⎠
t1 2200 45 -19 361 -41800 2468,79 -268,79 -12,22 149,33 4840000
t2 3400 54 -10 100 -34000 2969,10 430,90 12,67 160,53 11560000
t3 3800 76 12 144 45600 4192,08 -392,08 10,32 106,50 14440000
t4 4700 81 17 289 79900 4470,03 229,97 4,89 23,91 22090000
Σ 14100 256 0 894 49700 * * * 440,27 52930000

256
x= = 64
4
Rezultă sistemul:
⎧4a = 14110
⎨ ⇒ a=3525; b=55,59.
⎩894b = 49700
Ecuaţia dreptei de regresie va fi Y = 3525 + 55,59x’, iar valorile teoretice:
y1' = 2468,79 y 2' = 2969,1 y3' = 4192,08 y 4' = 4470,03
Abaterea medie pătratică procentuală va fi:
2
⎛ yi − y ' ⎞
∑ ⎜⎜
⎝ yi
⋅100 ⎟⎟
⎠ = 440,27 = 10,50%
σ% =
n 4
Coeficientul de corelaţie dintre y şi x va fi:
9                    Seminar 

n∑ x' y − ∑ x' ⋅ ∑ y
r= =
[n∑ y − ∑( y) ][n∑(x' ) − (∑ x' ) ]
2 2 2 2

4 ⋅ 49700 198800
r= = = 0,9252
[4 ⋅ 52930000 − 198810000][4 ⋅ 894 − 0 ] 2
46166160000
Cum r este apropiat de 1, putem utiliza, ecuaţia y=3552+55,59x’. Cifra de afaceri y
pentru un buget de publicitate de 150 mii lei va fi:
y = 3552 + 55,59(150 - 64) = 8305,74 mii lei.

10.3. Model de analiză şi previziune utilizând regresia simplă

Pentru ultimele cinci luni se cunosc datele statistice privind preţurile unitare practicate
(x) şi cantitatea corespunzătoare de produse vândute (y), conform tabelului 10.7 (coloanele 1 şi
2). Să se studieze relaţia dintre cele două variabile şi să se previzioneze vânzările pentru un preţ
x = 9,5 cu o probabilitate de 95%.
Tabelul nr. 10.7
Luna x y x−x (x - x )2 y - y (x- x )(y- y ) x2 xy y2 (y - y )2
1 13 25 1,5 2,25 -14 -21 169 325 625 196
2 12 30 0,5 0,25 -9 -4,5 144 360 900 81
3 11,5 45 0 0 6 0 132,25 517,5 2025 36
4 11 45 -0,5 0,25 6 -3 121 495 2025 36
5 10 50 -1,5 2,25 11 -16,5 100 500 2500 121
Total 57,5 195 0 5 0 -45 666,25 2197,5 8075 470
Media 11,5 39

În acest scop vom parcurge următoarele etape:

1) Se reprezintă grafic datele statistice x şi y (vezi schema nr. 10.1, linie discontinuă)
y
(10;52,5)
50
valori empirice (y)
45

40
35
valori ajustate (yr )
30
25

20
(14;16,5)
15

9 10 11 12 13 14 15 x
O
Schema nr. 10.1 Evoluţia vânzărilor funcţie de preţ

Dacă punctele marcate sunt relativ aliniate înseamnă că între x şi y există o legătură
liniară. Dacă punctele rezultate au un mare grad de împrăştiere sau au o alură curbilinie
înseamnă că între cele două variabile există alt tip de dependenţă şi, în consecinţă, nu se mai
parcurg etapele cerute de regresia simplă.
2) Se calculează coeficientul de corelaţie, astfel (cu datele din tabelul nr. 10.7):
Previziune microeconomică 10

r=
∑ (x − x )( y − y ) =
− 45
= −0,9282791
∑ (x − x ) ⋅ ∑ ( y − y )
2 2
5 ⋅ 470
Interpretare:
ƒ dacă r este pozitiv, între cele două variabile există o legătură directă, iar dacă r este negativ,
variabilele se află într-o legătură inversă;
ƒ valoarea absolută a lui r constituie un indiciu al corelaţiei dintre x şi y: legătura este foarte
strânsă când r tinde spre 1 sau -1 şi foarte redusă când r tinde spre zero.
3) Se calculează coeficientul de determinare (R2) , astfel:
R2=r2=(-0,928279 1)2 =0,8617021.
Interpretare:
ƒ dacă R2 ia valoarea minimă R2=0, înseamnă că între cele două variabile nu există nici o
legătură liniară, iar dacă R2=1, înseamnă că variabilele sunt perfect legate una de alta.
ƒ complementul lui R2, respectiv (1-R2), se numeşte coeficient de nedeterminare şi arată
proporţia în care y nu este explicat de x, ci de alţi factori neluaţi în considerare.
În cazul de mai sus se poate afirma că factorul preţ explică volumul vânzărilor în
proporţie de 0,8617021=86,17%, în timp ce restul (1-R2)=0,1382979=13,83% se datorează
influenţei altor factori.
4) Ajustarea datelor empirice
Deoarece mărimea lui R2 arată că între cele două variabile există o legătură liniară, se
caută acea dreaptă numită „dreaptă de regresie” de forma yr =a+bx care să reprezinte cât mai
fidel datele reale care au o evoluţie greu de exprimat matematic. În acest scop, pe baza metodei
celor mai mici pătrate, coeficienţii a şi b rezultă din sistemul:
⎧⎪na + b∑ x = ∑ y
⎨
⎪⎩a ∑ x + b∑ x = ∑ xy
2

unde: n = numărul datelor empirice.

Cu datele problemei (vezi şi tabelul nr. 10.7), avem:
⎧5a + 57,5b = 195
⎨ ⇒ a = 142,5; b = –9
⎩57,5a + 666,25b = 2197,5
Coeficienţii a şi b mai pot fi calculaţi şi direct, astfel:
∑ (x − x )( y − y ) − 45
b= = = −9
∑ (x − x )2 5
a = y − bx =39 - (-9 · 11,5) = 39 + 103,5 = 142,5.
Ca urmare, yr = 142,5 -9x (vezi şi reprezentarea grafică în schema nr. 10.1)
Observaţii:
ƒ coeficientul b (panta dreptei de regresie) are următoarea semnificaţie: o scădere cu o
unitate a lui x (preţul) conduce la o creştere a lui y (vânzări) cu b unităţi, şi invers;
ƒ dacă coeficienţii a şi b au fost bine calculaţi trebuie să existe relaţia: y = a + bx
5) Calculul erorii dintre y şi yr
Datorită ajustării efectuate, între valorile reale ale lui y şi valorile corespunzătoare de pe
dreapta yr = 142,5 - 9x, vor exista în mod firesc deosebiri (vezi schema nr. 10.1 şi tabelul nr.
10.8, coloanele 3 şi 4).
11                    Seminar 

Tabelul nr. 10.8

Luna x y yr (yr- y r )2 (y-yr)2
1 13 25 25,5 182,25 0,25
2 12 30 34,5 20,25 20,25
3 11,5 45 39 0 36
4 11 45 43,5 20,25 2,25
5 10 50 52,5 182,25 6,25
Total 57,5 195 195 405 65
Medie 11,5 39 39

Important este ca aceste abateri să fie cât mai mici, respectiv, diferenţele (erorile) să fie
cuantificate pentru a fi luate în considerare atunci când se va face previziunea. Deoarece
întotdeauna y = y r , rezultă că abaterile dintre valorile lui y şi yr nu pot fi măsurate decât de
dispersie, în termenii analizei dispersionale, se pot face următoarele asocieri:
ƒ variaţia totală a datelor y reale = ∑ ( y − y ) =470 (vezi col. 10, tabelul nr. 10.7);
2

∑ (y − y r ) = 405 (vezi col.5, tabelul nr. 10.8);

2
ƒ variaţia totală a datelor yr estimate = r

∑ (y − y )
2
ƒ variaţia dintre datele reale şi cele estimate = r
= 65 (vezi col.6, tabelul nr. 10.8).
Cele de mai sus se interpretează astfel: din cele 470 de unităţi ale variaţiei datelor reale,
405 sunt explicate de funcţia yr, iar restul de 65 rămân neexplicate.
În aceeaşi optică, R2 şi (1-R2) se pot calcula astfel:
( yr − yr )2
∑ ( yr − y )2
∑ ( y − yr )2 ∑
R =
2
= și (1 − R ) =
2

( y − y )2
∑ ( y − y )2
∑ ( y − y )2 ∑
405 65
Cu datele problemei, R 2 = = 0,8617021 şi (1 − R 2 ) = = 0,1382979 , adică exact
470 470
rezultatele obţinute anterior.
∑ (y − y )
2
Variaţia dintre datele reale şi cele estimate r
se mai numeşte şi variaţie
reziduală, variaţie neexplicată sau eroare de estimaţie. Se exprimă sub forma abaterii medii
pătratice (e) astfel:
∑ (y − y )
2

, unde υ = numărul gradelor de libertate

r
e=
υ
Observaţii:
ƒ deoarece se cunosc doi parametri (coeficienţii a şi b) în cazul regresiei simple, υ = n-2;
ƒ pentru un anumit nivel de semnificaţie (α) şi un număr dat de grade de libertate (υ), R2
trebuie să aibă o valoare minimă teoretică. Pentru ca dreapta de regresie să poată fi
considerată ca reprezentativă (în cazul de faţă, υ=n-2=5-2=3, pentru α = 0,05, R2calculat=
0,8617021 > R2teoretic = 0,7714)
65
În situaţia concretă presupusă, e = = 4,65
5−2
6) Se calculează previziunea (P)
Prin similitudine cu eşantionajul, unde m = x ± t · S x : P = (a+bx)±t·e
Eşantionul fiind mic, pentru α = 0,05 şi υ = n-1 = 5-1 = 4, t=2,778 şi, ca urmare:
P = (142,5-9-9,5)±12,9, respectiv 44,1<y<69,9
Concluzie. Cu o probabilitate de 95%, în cazul practicării unui preţ de 9,5 unităţi băneşti/
produs, în luna următoare cererea se va situa între 44 şi 70 bucăţi.
Previziune microeconomică 12

10.4. Folosirea funcţiei de corelaţie simplă în previziune

Evoluţia cifrei de afaceri (y) a unei întreprinderi, în corelaţie cu evoluţia bugetului de
publicitate (x), în intervalul t1 - t7 este conformă cu tabelul nr. 10.9.
Tabelul nr. 10.9
Anii t0 t1 t2 t3 t4 t5 t6 t7
y = cifra de afaceri (%) 100 106 111 117 123 129 135 140
x = bugetul de publicitate (%) 100 104 109 113 117 121 125 130
Pe baza acestor date, se cere:
a) să se previzioneze dinamica cifrei de afaceri în anul t12 cu ajutorul unei funcţii
parabolice de ordinul 2, parcurgându-se următoarele etape:
a1) estimarea parametrilor funcţiei de regresie în ipoteza Σx'=0;
a2) previzionarea indicelui cifrei de afaceri în anul t12 faţă de anul t0 şi t7 cunoscând
că bugetul de publicitate va creşte cu 55% în anul t12 comparativ cu anul t0 ;
a3) determinarea nivelului cifrei de afaceri în t12 ştiindu-se că în anul de bază acesta
se ridică la 110.000 lei;
a4) determinarea variantelor pesimiste şi optimiste a previziunii luând în calcul o
probabilitate p = 0,95;
b) se va considera că evoluţia bugetului de publicitate nu este cunoscută pentru orizontul
previzional aşa cum s-a presupus la punctul a2 . Se cere să se elaboreze previziunea cifrei de
afaceri în acest caz.
Rezolvare
a1) Funcţia de regresie cu ajutorul căreia se va efectua previziunea este:
y = a + bx + cx2
unde: y = cifra de afaceri; x = bugetul de publicitate.
Pentru uşurinţa calculelor vom nota xi' = xi − x astfel că Σx’=0 şi vom lucra cu funcţia
y = a + bx’ + c(x’)2
Aplicând metoda celor mai mici pătrate vom obţine sistemul de ecuaţii normale:
⎧na + b∑ xi' + c∑ xi' 2 = ∑ yi
⎪⎪
⎨a ∑ x i + b ∑ x i + c ∑ x i = ∑ x i y i
' '2 '3 '

⎪
⎪⎩a ∑ xi + b∑ xi + c∑ xi = ∑ xi yi
'2 '3 '4 '2

Pentru uşurinţa calculelor, datele se vor organiza ca în tabelul nr. 10.10.

Tabelul nr. 10.10
Anii yi xi' xi' 2 xi' 4 xi' yi ti' 2 yi yr yi - yr (yi – yr )2
t1 106 -13 169 28561 -1378 17914 105,19 0,81 0,6561
t2 111 -8 64 4096 -888 7104 112,04 -1,04 1,0816
t3 117 -4 16 256 -468 1872 117,52 -0,52 0,2704
t4 123 0 0 0 0 0 123,00 0 0
t5 129 4 16 256 516 2064 128,48 0,52 0,2704
t6 135 8 64 4096 1080 8640 133,96 1,04 1,0816
t7 140 13 169 28561 1820 23660 140,81 -0,81 0,6561
Σ 861 0 498 65826 682 61254 - 0 4,0162

Pe baza datelor din tabelul nr. 10.10 şi ţinând cont că Σx’=Σ(x’)3=0 obţinem sistemul:
⎧7a + 498c = 861
⎪
⎨498b = 682 ⇒ a = 123; b = 1,37; c = 0.
⎪498a + 65826c = 61254
⎩
13                    Seminar 

De aici rezultă că legătura dintre cifra de afaceri şi bugetul de publicitate este de tip
liniar fiind redată de ecuaţia:
y = 123 + 1,37x’
a2) Pentru previzionarea cifrei de afaceri în t12 determinăm xt' = xt − x = 155 − 117 = 38 12 12

Deci yt = 123 + 1,37 ⋅ xt' = 123 + 1,37 ⋅ 38 = 175,06

12 12

Rezultă că în anul t12 cifra de afaceri va creşte cu 75,06% faţă de anul de bază t0 .
Faţă de anul t7 creşterea va fi:
⎛ 175,06 ⎞
⎜ − 1⎟ ⋅ 100 = 25% .
⎝ 140 ⎠
Deci cifra de afaceri va creşte în anul t12 cu 25% faţă de anul t7 .
a3) Nivelul pe care-l va înregistra cifra de afaceri în anul t12 va fi de:
11.0000 · 1,7506 = 192.566 lei
Dacă considerăm anul t7 ca an de bază atunci pentru efectuarea prognozei va trebui să
translatăm x’ în t7 şi, deci, xt' = 155 − 130 = 25 , iar yt comparativ cu yt va fi:
12 12 7

yt = 123 + 1,37 ⋅ 25 = 157,25

12

a4) Pentru determinarea variantei pesimiste şi a variantei optimiste a previziunii avem:

∑ (y − y )
2
4,0162
Sy = = = 0,8962
r

n−c 7−2

Sp = Sy
n +1 xt − x
+ 12 =
(
0,8962
8 (38)
+
2
)
2

= 1,8019
n (x − x )2 ∑ 7 498
Avem tα = 2,571 pentru p = 0,95 şi n – c = 7 – 2 = 5 grade de libertate. Va rezulta:
ymin = ymed – Sp · tα = 175,06 – 2,571 · 1,8019 = 170,43%
ymax = ymed + Sp · tα = 175,06 – 2,571 · 1,8019 = 179,69%
Deci, cu o probabilitate de 95% cifra de afaceri a întreprinderii în anul t12 se va situa
între 170,43 şi 179,69% faţă de anul de bază t0 .
b) Deoarece se presupune că nivelul bugetului de publicitate în anul t12 nu este cunoscut,
acesta se va determina pe baza unei prognoze folosind o funcţie de trend. După modul de
variaţie al seriei de date pentru x (bugetul de publicitate) s-ar părea că dependenţa este liniară şi
în consecinţă vom utiliza funcţia:
y = a + bt
Aplicând metoda celor mai mici pătrate vom obţine sistemul:
⎧⎪na + b∑ t i = ∑ yi ∑ yi ∑ ti' yi
⎨
⎪⎩a ∑ t i + b∑ t i = ∑ t i y i
2
şi făcând t i
'
= 0 ⇒ a =
n
; ∑
b =
∑ ti'2
Pentru uşurinţa calculelor, organizăm datele ca în tabelul nr. 10.11.
Tabelul nr. 10.11
2
yi − yt' ⎛ yi − yt' ⎞
Anii x →y ti' ti' 2 ti' yi yt' yi − yt'
i
yi
i
⋅ 100 ⎜
⎜ y
i
⋅ 100 ⎟⎟
⎝ i ⎠
t1 104 -3 9 -312 104,4 -0,04 -0,0380 0,0014
t2 109 -2 4 -218 108,6 0,4 0,3660 0,1347
t3 113 -1 1 -113 112,8 0,2 0,1769 0,0313
t4 117 0 0 0 117 0 0 0
t5 121 1 1 121 121,2 -0,2 -0,1653 0,0273
t6 125 2 4 250 125,4 -0,4 -0,3260 0,1024
t7 130 3 9 390 129,6 0,4 -0,3076 0,0947
Σ 819 0 28 118 - - - 0,3918
Previziune microeconomică 14

Pe baza datelor din tabelul nr. 10.11 găsim:

a = 117; b = 4,21 şi yt = xt = 117 + 4,21 ⋅ 8 = 150,68
12 12

Deci bugetul de publicitate va creşte în t12 cu 50,68% faţă de anul de bază t0 .

Pentru previzionarea cifrei de afaceri vom calcula xt'12 = 150,68 − 117 = 33,68
În aceste condiţii, yt12 = 123 + 1,37 ⋅ 33,68 = 169,14%

10.6. Folosirea regresiei multiple în previziune

Regresia multiplă cercetează şi stabileşte existenţa unei legături liniare între o variabilă
dependentă (y) şi mai multe variabile explicative (x1 , x2 ,... xn), de tipul:
y = a + b1x1 + b2x2 + ... bnxn + e
unde: a - media variabilei y când x1=x2= ... =xn=0;
b1, b2 ,... bn - variaţia (±) lui y când x1, x2, ... xn variază cu o unitate;
e - eroarea care rezultă independent de x1, x2, ... xn şi care are o distribuţie normală.
Modul de lucru se prezintă pe baza exemplului următor.
Pentru ultimele 5 luni se cunosc datele statistice privind preţurile unitare (x1), bugetul de
publicitate alocat (x2) şi cantitatea corespunzătoare (y) de produse vândute (tabelul nr. 10.14,
col.1, 2 şi 3). Să se studieze relaţia dintre cele trei variabile şi să se previzioneze vânzările
pentru x1=9,5 şi x2=60 cu o probabilitate de 95%.
Tabelul nr. 10.14
Luna x1 x2 y 2
x1 x1·x2 x22
x1·y x2·y (y- )(x -
y 1 x1 ) (y- y )(x2- x )
2

1 13 4 25 169 52 16 325 100 -21 154

2 12 6 30 144 72 36 360 180 -4,5 81
3 11,5 15 45 132,25 172,5 225 517,5 675 0 0
4 11 20 45 121 220 400 495 900 -3 30
5 10 30 50 100 300 900 500 1550 -16,5 165
Total 57,5 75 195 666,25 816,5 1577 2197,5 3.355 -45 430
Media 11,5 15 39

Pentru rezolvarea acestei aplicaţii vom parcurge următoarele etape:

1) Ajustarea datelor empirice printr-o dreaptă de regresie
yr=a + b1x1 +b2x2
Sistemul cu trei necunoscute este următorul:
a·n + b1Σx1 + b2Σx2 = Σy
aΣx1 + b1Σx1x1 + b2Σ x1x2 = Σyx1
aΣx2 + b1Σx2x1 + b2Σ x2x2 = Σyx2
Cu datele concrete, acesta are forma (vezi şi tabelul nr. 10.14, col. 1-8):
5a + 57,5b1 + 75b2= 195 a = 75,388
57,5a + 666,25b1 + 816,5b2 = 2197,5 ⇒ b1=-3,888
75a + 816,5b1 +1577b2=3355 b2= 0,555
Ecuaţia de regresie căutată are forma:
yr = 75,388 - 3,888x1 + 0,555x2
Verificare: y = a + b1 x1 + b2 x2 (39 = 75,388 - 3,888 · 11,5 + 0,555 · 15)
2) Se calculează abaterile dintre y şi yr (= 75,3888 - 3,888x1 + 0,555x2)
Pentru uşurinţa calculelor, datele sunt sintetizate în tabelul nr. 10.15.
15                    Seminar 

Tabelul nr. 10.15

Luna x1 x2 y yr (y - y )2 (yr- yr )2 (y-yr)2
1 13 4 25 27,055.. 196 142,67 4,23
2 12 6 30 22,055.. 81 48,23 4,23
3 11,5 15 45 39 36 0 36
4 11 20 45 43,722.. 36 22,30 1,63
5 10 30 50 53,166.. 121 200,68 10,02
Total 57,5 75 195 195 470 413,88.. 56,11..
Medie 11,5 15 39 39

∑ ( y − y ) = 470 (vezi tabelul nr. 10.15, col.6)

2
ƒ variaţia totală a datelor y =
variaţia totală a datelor yr = ∑ ( y − y ) = 413,88 (vezi tabelul nr. 10.15, col.7)
2
ƒ r r

variaţia dintre y şi yr = ∑ ( y − y ) = 56,11 (vezi tabelul nr. 10.15, col.8)

2
ƒ r

Interpretare: din cele 470 de unităţi ale variaţiei totale, 413,88 sunt explicate de funcţia
yr (adică de x1 şi x2), iar restul de 56,11 rămân neexplicate.
La rândul său, variaţia explicată se poate descompune pe cei doi factori, astfel:
- variaţia explicată de x1 = b1 ∑ ( y − y )(x1 − x1 )
- variaţia explicată de x2 = b2 ∑ ( y − y )(x2 − x2 )
Cu datele problemei avem:
b1 ∑ ( y − y )(x1 − x1 ) = (-3,888)(-45) = 175 (tabelul nr. 10.14, col.10)
b2 ∑ ( y − y )(x2 − x2 ) = (0,555)(430) = 238,88 (tabelul nr. 10.14, col. 11)
Σ = 413,88
3) Se calculează eroarea standard (e)
În acest scop se utilizează relaţia din Problema 10.3, în care υ=n-3 deoarece, în acest
caz se cunosc trei parametri (a, b1 şi b2)
∑ (y − y )
2
r 56,11
e= = = 5,3
n−3 5−3
4) Se compară R2 calculat cu R2teoretic
∑ ( yr − yr ) = 413,88 = 0,8806146
2

R2 =
∑ (y − y)
2
470
Pentru α = 0,05, R2minim trebuie să fie egal cu 0,9025 pentru υ = n-3 = 5-3 = 2 grade de
libertate. Deoarece R2observat < R2teoretic , deducem că funcţia yr=75,388-3,888x1+0,555x2 nu
poate fi socotită acceptabilă decât dacă ne mulţumim cu o probabilitate a previziunii sub 95%.
5) Se calculează previziunea (P)
Ca şi în cazul regresiei simple,
P = yr ±t·e = (a + b1x1 +b2x2) + t·e
Pentru cazul dat, unde x1 = 9,5, x2 =60 şi t = 2,78,
P=(75,388-3,888 · 9,5+0,555 · 60)±2,78 · 5,3=71,777±14,73 ⇒ 57,65<yr<86,51
Concluzie: În cazul practicării unui preţ x1=9,5 şi a alocării uni buget publicitar x2=60,
volumul vânzărilor se va situa între 57 şi 87 unităţi, dar cu o probabilitate <95%.
Previziune microeconomică 16

10.7. Folosirea funcţiilor de corelaţie multiplă în previziune

O întreprindere a observat, pe un eşantion de 10 magazine, că cifra de afaceri variază
funcţie de suprafaţa magazinului şi numărul de salariaţi, conform datelor din tabelul nr. 10.16.
Tabelul nr. 10.16
Suprafaţa magazinului (m2) 100 600 600 700 700 500 800 300 200 200
Numărul de salariaţi 24 28 20 23 26 21 28 28 20 25
Cifra de afaceri (mil. lei) 11 23 20 21 21 13 30 18 7 18

Întreprinderea doreşte să construiască un magazin cu o suprafaţă de 600 m2 şi un număr

de 24 salariaţi. Care va fi cifra de afaceri previzibilă a acestui magazin?
Pentru rezolvarea acestei probleme vom folosi un model liniar de regresie multiplă:
y = a + b1x1 + b2x2,
unde: y = cifra de afaceri (în mil. lei); x1 = suprafaţa magazinului (m2); x2 = numărul de salariaţi.
Aplicăm metoda celor mai mici pătrate min S = ∑ ( y i − a − b1 x1 − b2 x 2 ) .
n
2

i =1

Anulând derivatele parţiale în raport cu a, b1 şi b2 vom obţine sistemul de ecuaţii

normale, care va permite calculul parametrilor.
∂S
= −2∑ ( yi − a − b1 x1 − b2 x2 ) ⋅ 1 = 0
10

∂a i =1

∂S
= −2∑ ( yi − a − b1 x1 − b2 x2 ) ⋅ x1 = 0
10

∂b1 i =1

∂S
= −2∑ ( yi − a − b1 x1 − b2 x2 ) ⋅ x2 = 0
10

∂b2 i =1

⎧na + b1 ∑ x1 + b2 ∑ x2 = ∑ y
⎪⎪
⇒ ⎨a ∑ x1 + b1 ∑ x12 + b2 ∑ x1 x2 = ∑ x1 y
⎪
⎩⎪a ∑ x2 + b1 ∑ x1 x2 + b2 ∑ x2 = ∑ x2 y
2

Pentru rezolvarea sistemului, vom organiza datele ca în tabelul nr. 10.17.

Tabelul nr. 10.17
Nr. magazin y (mil. lei) x1 x2 x12 x22 x1x2 x1y x2y y2
1 11 100 24 10000 576 2400 1100 264 121
2 23 600 28 360000 784 16800 13800 644 529
3 20 600 20 360000 400 12000 12000 400 400
4 21 700 23 490000 529 16100 14700 483 441
5 21 700 26 490000 676 18200 14700 546 441
6 13 500 21 250000 441 10500 6500 273 169
7 30 800 28 640000 784 22400 24000 840 900
8 18 300 28 90000 784 8400 5400 504 324
9 7 200 20 40000 400 4000 1400 140 49
10 18 200 25 40000 625 5000 3600 450 324
Σ 182 4700 243 2770000 5999 115800 97200 4544 3698

⎧10a + 4700b1 + 243b2 = 182

⎪
⇒ ⎨4700a + 2770000b1 + 115800b2 = 97200 ⇒ a = -14,21; b1 = 0,0179; b2 = 0,99
⎪243a + 115800b + 5999b = 4544
⎩ 1 2

Ecuaţia modelului liniar de previziune va fi:

17                    Seminar 

y = -14,21 + 0,0179x1 + 0,99x2

Fiind o corelaţie multiplă liniară, vom calcula coeficientul de corelaţie cu relaţia:
ryx2 + ryx2 − 2ryx ryx rx x
Ry / x , x = 1 2 1 2 1 2
1 2
1 − rx21x2
unde: ryx = coeficientul de corelaţie simplă dintre y şi x1; ryx = coeficientul de corelaţie simplă
1 2

dintre y şi x2; rx x = coeficientul de corelaţie simplă dintre x1 şi x2.

1 2

ryx =
∑x y −∑x ⋅∑ y n
=
1 1

[n∑ x − (∑ x ) ][n∑ y − (∑ y ) ]
1 2 2
2 2
1 1

10 ⋅ 97200 − 4700 ⋅ 182 116600 116600

= = = = 0,793
[10 ⋅ 2770000 − 22090000][10 ⋅ 3698 − 33124] 5610000 ⋅ 3856 147079

ryx =
∑x y −∑x ⋅∑ y n
=
2 2

[n∑ x − (∑ x ) ][n∑ y − (∑ y ) ]
2 2 2
2 2
2 2

10 ⋅ 4544 − 243 ⋅ 182 1214 1214

= = = = 0,637
[10 ⋅ 5999 − 59049][10 ⋅ 3698 − 33124] 941 ⋅ 3856 1905

rx x =
∑x x −∑x ⋅∑x n
=
1 2 1 2

[n∑ x − (∑ x ) ][n∑ x − (∑ x ) ]
1 2 2 2
2 2
1 1 2 2

10 ⋅ 115800 − 4700 ⋅ 243 1158000 − 1142100

= = = 0,219
5610000 ⋅ 941 72657
0,628849 + 0,405769 − 2 ⋅ 0,793 ⋅ 0,637 − 0,219 1,0346 − 0,2213
Ry / x , x = = = 0,9243
1 2
1 − 0,047961 0,9520
Rezultă că variaţia volumului cifrei de afaceri se datorează în proporţie de circa 92,43%
suprafeţei magazinului şi a numărului de salariaţi.
Calculăm coeficienţii de corelaţie parţială cu excluderea influenţei celuilalt factor:
ryx1 − ryx2 ⋅ rx1 x2 0,793 − 0,637 ⋅ 0,219
R yx1 / x2 = = = 0,869
(1 − ryx2 )(1 − rx1 x2 )
2 2
(1 − 0,637 2 )(1 − 0,219 2 )
ryx − ryx ⋅ rx x 0,637 − 0,793 ⋅ 0,219
R yx / x1
= 2 1 1 2
= = 0,779
(1 − r )(1 − r (1 − 0,7932 )(1 − 0,219 2 )
2 2
yx1
2
x1 x 2
)
În consecinţă construirea unui magazin cu o suprafaţă de 600 m2 şi 24 salariaţi va
conduce la obţinerea de către acesta a unei cifre de afaceri:
Y = -14,21 + 0,0179 · 600 + 0,99 · 24 = 20,29 mil. lei

10.9. Utilizarea funcţiilor de producţie în previziune

Se cunosc indicii procentuali ai producţiei (Y), forţei de muncă (L) şi capitalului fix (K)
la nivelul unei întreprinderi, în perioada 2009-2016 (tabelul nr. 10.20).
Previziune microeconomică 18

Tabelul nr. 10.20

%
Anul
2010 2011 2012 2013 2014 2015 2016
Indicatorii
Y 55,3 58,6 64,0 41,4 54,7 65,2 74,2
L 57,6 60,4 77,3 54,8 33,6 49,6 65,3
K 98,4 102,4 96,1 100,4 100,6 100,02 99,8
Să se efectueze analiza şi prognoza producţiei la nivelul acestei întreprinderi.
Rezolvare
Pentru a răspunde cerinţei aplicaţiei alegem funcţia de producţie de tip Cobb-Douglas:
Y = A · Lα · Kβ,
cu parametrii de calcul A, α şi β, unde α şi β sunt coeficienţi de elasticitate (care arată cu cât se
modifică indicatorul previzionat la modificarea cu o unitate procentuală a unui factor de
producţie), iar A este parametru de scară, de dimensiune sau de proporţionalitate, care
înglobează contribuţia factorilor de producţie neidentificaţi sau neexplicaţi în modelul funcţiei.
Pentru rezolvarea aplicaţiei trebuie, mai întâi, calculaţi indicii indicatorilor Y, L şi K
(folosind datele din tabelul nr. 10.20), astfel (tabelul nr. 10.21):
Tabelul nr. 10.21
Anul
2010 2011 2012 2013 2014 2015 2016
Indicii
Y
I t/0 - 1,06 1,16 0,75 0,99 1,18 1,34
I Lt/0 - 1,05 1,34 0,95 0,58 0,86 1,13
I Kt/0 - 1,04 0,98 1,02 1,02 1,02 1,01

Logaritmând funcţia de producţie Cobb-Douglas, se obţine:

lgY = lgA + αlgL + βlgK.
Sistemul de ecuaţii normale are următoarea formă:
nlgA + αΣlgL + βΣlgK = ΣlgY
lgAΣlgL + αΣ(lgL)2 + βΣlgK⋅lgL = ΣlgY⋅lgL
lgAΣlgK + αΣlgL⋅lgK + βΣ(lgK)2 = ΣlgY⋅lgK
În continuare, se întocmeşte tabelul nr. 10.22, care serveşte la determinarea unor
elemente pentru scrierea explicită a ecuaţiilor.
Tabelul nr. 10.22
Anii Y L K lgY lgL lgK (lgL)2 lgKlgL lgYlgL (lgK)2 lgYlgK
2011 1,06 1,05 1,04 0,025 0,021 0,017 0,0004 0,0004 0,0005 0,0003 0,0004
2012 1,16 1,34 0,98 0,064 0,127 -0,009 0,0161 -0,0011 0,0081 0,0001 -0,0006
2013 0,75 0,95 1,02 -0,125 -0,022 0,008 0,0005 -0,0002 0,0028 0,0001 -0,0010
2014 0,99 0,58 1,02 -0,004 -0,237 0,008 0,0562 -0,0019 0,0009 0,0001 -0,00003
2015 1,18 0,86 1,02 0,072 -0,065 0,008 0,0042 -0,0005 -0,0047 0,0001 0,0006
2016 1,34 1,13 1,01 0,127 0,053 0,004 0,0028 0,0002 0,0067 0,00002 0,0005
∑ * * * 0,159 -0,123 0,036 0,0844 -0,0031 0,0143 0,00072 -0,00013

6lgA + α (-0,123) + β (0,036) = 0,159

⇒ lgA (-0,123) + α (0,0844) + β (-0,0031) = 0,0143
lgA (0,036) + α (-0,0031) + β (0,00072) = -0,00013
ΔA = 0,0003921 – 0,0001779 = 0,0002142
ΔlgA = 0,0000080 + 0,0000001 = 0,0000081
Δα = 0,0000446 – 0,0000069 = 0,0000377
Δβ = - 0,0000685 + 0,0002152 = 0,0001467
α = Δα/ΔA = 0,0000377/0,0002142 = 0,18
β = Δβ/ΔA = 0,0001467/0,0002142 = 0,68
19                    Seminar 

lgA = ΔlgA/ΔA = 0,0000081/0,0002142 = 0,0378151

A = 100,0378151 = 1,091 ≈ 1,1
Funcţia Cobb-Douglas va fi: Y = 1,1 · L0,18 · K0,68
Cunoscând evoluţia forţei de muncă (L) şi a capitalului fix (K) pe o perioadă statistică de
6 ani, conform tabelelor 10.23 şi 10.24, vom realiza prognoza acestor doi indicatori pe o
perioadă de 5 ani, folosind în acest scop funcţia de trend liniară. Vom calcula, separat, valorile
pentru fiecare dintre cei doi indicatori, forţa de muncă şi capitalul fix.
Tabelul nr. 10.23
Determinarea parametrilor funcţiei liniare pentru previzionarea forţei de muncă
Anul y t t2 ty
2011 1,05 -5 25 -5,25
2012 0,34 -3 9 -4,02
2013 0,95 -1 1 -0,95
2014 0,58 1 1 0,58
2015 0,86 3 9 2,58
2016 1,13 5 25 5,65
∑ 5,91 0 70 -1,41

Tabelul nr. 10.24

Determinarea parametrilor funcţiei liniare pentru previzionarea capitalului fix
Anul y t t2 ty
2011 1,04 -5 25 -5,2
2012 0,98 -3 9 -2,94
2013 1,02 -1 1 -1,02
2014 1,02 1 1 1,02
2015 1,02 3 9 3,06
2016 1,01 5 25 5,05
∑ 6,09 0 70 -0,03

Modelul matematic al funcţiei de extrapolare este:

y = a + bt, unde y = L.
Sistemul de ecuaţii normale al funcţiei de extrapolare este:
na + b∑t = ∑y
a∑t + b∑t2 = ∑ty
Determinarea parametrilor funcţiei liniare de trend pentru previzionarea forţei de muncă
(tabelul nr. 2.23):
6a = 5,91 ⇒ a = 5,91/6 = 0,98
70b = -1,41 ⇒ b = -1,41/ 70 = -0,020
Forma explicită a funcţiei de extrapolare va fi:
y = 0,98 – 0,020t
Ajustarea datelor statistice pentru variabila dependentă:
y’2011 = 0,98 – 0,020 · (-5) = 1,08 y’2012 = 0,98 – 0,020 · (-3) = 1,04
y’2013 = 0,98 – 0,020 · (-1) = 1 y’2014 = 0,98 – 0,020 · 1 = 0,96
y’2015 = 0,98 – 0,020 · 3 = 0,92 y’2016 = 0,98 – 0,020 · 5 = 0,88
Pentru calculul abaterii medii pătratice determinăm tabelul nr. 10.25.
2
⎛ y − y' ⎞
∑ ⎜⎜
⎝ y
× 100 ⎟⎟
⎠ = 0,536453
σ= = 0,299 ≈ 0,3
n 6
Previziune microeconomică 20

Tabelul nr. 10.25

Determinarea abaterii medii pătratice pentru forţa de muncă
2
y − y' ⎛ y − y' ⎞
Anul y y’ y – y’ ⎜⎜ × 100 ⎟⎟
y ⎝ y ⎠
2011 1,05 1,08 -0,03 -0,029 0,000841
2012 1,34 1,04 0,3 0,224 0,050176
2013 0,95 1 -0,05 -0,053 0,002809
2014 0,58 0,96 -0,38 -0,655 0,429025
2015 0,86 0,92 -0,06 -0,069 0,004761
2016 1,13 0,88 0,25 0,221 0,048841
∑ * * * * 0,536453

Elaborarea calcului de prognoză:

y2017 = 0,98 – 0,020 · 7 = 0,84
y2018 = 0,98 – 0,020 · 9 = 0,80
y2019 = 0,98 – 0,020 · 11 = 0,76
y2020 = 0,98 – 0,020 · 13 = 0,72
y2021 = 0,98 – 0,020 · 15 = 0,68
Vom aplica aceeaşi metodă şi pentru capitalul fix. Astfel, modelul matematic al funcţiei
de extrapolare este:
y = c + dt, unde y = K
Sistemul de ecuaţii normale al funcţiei de extrapolare este:
nc + d∑t = ∑y
c∑t + d∑t2 = ∑ty
Determinarea parametrilor funcţiei liniare de trend pentru previzionarea capitalului fix
(tabelul nr. 2.24):
6c = 6,09 ⇒ c = 6,09/6 = 1,02
70d = -0,03 ⇒ d = -0,03/ 70 = -0,0004
Forma explicită a funcţiei de extrapolare va fi:
y = 1,02 – 0,0004t
Ajustarea datelor statistice pentru variabila dependentă:
y’2011 = 1,02 – 0,0004 · (-5) = 1,022
y’2012 = 1,02 – 0,0004 · (-3) = 1,021
y’2013 = 1,02 – 0,0004 · (-1) = 1,0204
y’2014 = 1,02 – 0,0004 · 1 = 1,019
y’2015 = 1,02 – 0,0004 · 3 = 1,018
y’2016 = 1,02 – 0,0004 · 5 = 1,018
Pentru calculul abaterii medii pătratice vom construi tabelul nr. 10.26.
Tabelul nr. 10.26
Determinarea abaterii medii pătratice pentru capitalul fix
2
y − y' ⎛ y − y' ⎞
Anul y y’ y – y’ ⎜⎜ ×100 ⎟⎟
y ⎝ y ⎠
2011 1,04 1,022 0,018 0,017 2,89
2012 0,98 1,021 -0,041 -0,042 17,64
2013 1,02 1,0204 -0,0004 -0,0004 0,0016
2014 1,02 1,019 0,001 0,001 0,01
2015 1,02 1,018 0,002 0,002 0,04
2016 1,01 1,018 -0,008 -0,008 0,64
∑ * * * * 21,22
21                    Seminar 

2
⎛ y − y' ⎞
∑ ⎜⎜
⎝ y
× 100 ⎟⎟
⎠ = 21,22 = 1,88
σ=
n 6
Elaborarea calcului de prognoză:
y2017 = 1,02 – 0,0004 · 7 = 1,0172
y2018 = 1,02 – 0,0004 · 9 = 1,0164
y2019 = 1,02 – 0,0004 · 11 = 1,0156
y2020 = 1,02 – 0,0004 ·13 = 1,0148
y2021 = 1,02 – 0,0004 · 15 = 1,0140
Înlocuim datele previzionate în funcţia Cobb-Douglas, astfel:
Y = 1,1 · L0,18 · K0,68
Y2017 = 1,1 · 0,840,18 · 1,01720,68 = 1,0784
Y2018 = 1,1 · 0,800,18 · 1,01640,68 = 1,0684
Y2019 = 1,1 · 0,760,18 · 1,01560,68 = 1,0581
Y2020 = 1,1 · 0,720,18 · 1,01480,68 = 1,0473
Y2021 = 1,1 · 0,680,18 · 1,01400,68 = 1,0359

10.10. Probleme propuse

P1. La o firmă din Craiova, pe primele opt luni ale anului 2016, evoluţia cifrei de afaceri
este redată în tabelul următor:
Luna 1 2 3 4 5 6 7 8
Cifra de afaceri (mii lei) - yt 100 90 110 120 140 150 110 130
Să se efectueze previziunea evoluţiei Cifrei de afaceri pentru luna a noua.

P2. La o firmă din Craiova, pe primele opt luni ale anului 2016, evoluția consumului de
materii prime (exprimat în mii lei) a fost următoarea:
Luna 1 2 3 4 5 6 7 8
Consumul de materii prime (mii lei) - yi 310 280 320 360 340 410 390 430
Să se efectueze previziunea evoluţiei consumului de materii prime pentru luna a noua.

P3. La o firmă din Craiova, în perioada 2005-2016, evoluția numărului angajaților a fost:
Anul 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Nr. angajaților - yi 220 270 250 310 300 370 420 400 580 520 600 680
Să se efectueze previziunea numărului angajaților pentru anul 2017.

P4. La o fabrică de încălțăminte din Craiova, în perioada 2005-2016, evoluția producției

(exprimată în mii perechi) a fost următoarea:
Anul 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Producția (mii perechi) - yi 76 81 72 93 90 111 132 120 165 156 180 188
Să se efectueze previziunea producției pentru anul 2017.

P5. Pentru o firmă din Municipiul Craiova, în luna mai 2016, se cunosc date referitoare
la productivitatea muncii (x) și cifra de afaceri (y) pentru cele 8 echipe productive ale sale:
Echipa 1 2 3 4 5 6 7 8
Productivitatea muncii (buc.) - x 240 300 320 220 260 280 340 360
Cifra de afaceri (lei) - y 380 620 670 440 480 570 600 640
Să se studieze relaţia dintre cele două variabile şi să se previzioneze cifra de afaceri, cu o
probabilitate de 95%, dacă productivitatea muncii va fi x=400.
Previziune microeconomică 22

P6. Pentru o firmă din Municipiul Craiova, în luna mai 2016, se cunosc date referitoare
la productivitatea muncii (x) și cifra de afaceri (y) pentru cele 8 echipe productive ale sale.
Echipa 1 2 3 4 5 6 7 8
Productivitatea muncii (buc.) - x 404 434 440 457 466 480 491 494
Cifra de afaceri (lei) - y 20 21 23 24 26 27 28 29
Să se studieze relaţia dintre cele două variabile şi să se previzioneze cifra de afaceri, cu o
probabilitate de 95%, dacă productivitatea muncii va fi x=500.

P7. La Facultatea de Economie şi Administrarea Afacerilor din Craiova, pentru o serie

din anul I, în urma sesiunii iarnă 2016, situaţia rezultatelor la un examen a fost:
Grupa 1 2 3 4 5 6 7 8
Indicele de frecvență (%) - xi 60 75 80 55 65 70 85 90
Media notelor - yi 6,40 8,20 8,00 5,80 6,80 7,70 8,40 8,70
Să se studieze relaţia dintre cele două variabile şi să se previzioneze, cu o probabilitate
de 95%, Media notelor pentru o grupă de studenți, dacă Indicele de frecvență ar fi de 95%.

P8. La Facultatea de Economie şi Administrarea Afacerilor din Craiova, pentru o serie

din anul I, în urma sesiunii iarnă 2016, situaţia rezultatelor la un examen a fost:
Grupa 1 2 3 4 5 6 7 8
Indicele de frecvență (%) - xi 66 78 83 61 66 76 83 94
Media notelor - yi 6,72 8,61 8,40 6,09 7,14 8,08 8,82 9,13
Să se studieze relaţia dintre cele două variabile şi să se previzioneze, cu o probabilitate
de 95%, Media notelor pentru o grupă de studenți, dacă Indicele de frecvență ar fi de 97%.

P9. În primele șase luni ale anului 2016, la un magazin de îmbrăcăminte din Craiova,
pentru un anumit produs, se cunosc următoarele date referitoare la preţurile unitare practicate
(xi) şi cantitatea corespunzătoare de produse vândute (yi):
Luna 1 2 3 4 5 6
Preţurile unitare (xi) 14 12 12 11 10 13
Cantitatea de produse vândute (yi) 25 35 45 50 55 30
Să se studieze relaţia dintre cele două variabile şi să se previzioneze vânzările pentru un
preţ x = 9 lei cu o probabilitate de 95%.

P10. În primele șase luni ale anului 2016, la un magazin de îmbrăcăminte din Craiova,
pentru un anumit produs, se cunosc următoarele date referitoare la preţurile unitare practicate
(xi) şi cantitatea corespunzătoare de produse vândute (yi).
Luna 1 2 3 4 5 6
Preţurile unitare (xi) 21 18 19 16 15 20
Cantitatea de produse vândute (yi) 550 700 950 1000 1150 650
Să se studieze relaţia dintre cele două variabile şi să se previzioneze vânzările pentru un
preţ x = 25 lei cu o probabilitate de 95%.

P11. La o firmă din Municipiul Craiova, evoluția productivității medii lunare și a

salariului mediu lunar, pe parcursul anului 2016, a fost:
Luna 1 2 3 4 5 6 7 8 9 10 11 12
Productivitatea medie 314 235 463 336 487 444 270 235 364 465 452 306
(buc.) - xi
Salariul mediu (lei) - yi 1394 1240 1716 1409 1785 1486 1314 1286 1446 1726 1664 1391
Să se efectueze analiza legăturii dintre cele două variabile, productivitatea medie a
muncii și salariul mediu. Să se previzioneze salariul mediu din luna ianuarie 2017, pentru o
productivitatea medie de x = 500 bucăți, cu o probabilitate de 95%.
23                    Seminar 

P12. La o firmă din Municipiul Craiova, evoluția productivității medii lunare și a

salariului mediu lunar, pe parcursul anului 2016, a fost:
Luna 1 2 3 4 5 6 7 8 9 10 11 12
Productivitatea medie 45 48 70 72 67 68 32 56 57 75 78 50
(buc.) - xi
Salariul mediu (lei) - yi 727 738 921 930 822 825 703 820 821 967 970 744
Să se efectueze analiza legăturii dintre cele două variabile, productivitatea medie a
muncii și salariul mediu. Să se previzioneze salariul mediu din luna ianuarie 2017, pentru o
productivitatea medie de x = 90 bucăți, cu o probabilitate de 95%.

P13. Pentru primele 5 luni ale anului 2016, la un magazin din Craiova, se cunosc date
privind preţurile unitare (x1), bugetul de publicitate alocat (x2) şi cantitatea corespunzătoare de
produse vândute (y):
Luna Preţurile unitare (x1) Bugetul de publicitate (x2) Cantitatea de produse vândute (y)
1 250 29 149
2 82 4 132
3 266 35 159
4 202 18 145
5 357 41 172
Să se studieze relaţia dintre cele trei variabile şi să se previzioneze vânzările, cu o
probabilitate de 95%, pentru preţul unitar x1=400 şi bugetul de publicitate alocat x2=60.

P14. Pentru primele 5 luni ale anului 2016, la un magazin din Craiova, se cunosc datele
privind preţurile unitare (x1), bugetul de publicitate alocat (x2) şi cantitatea corespunzătoare de
produse vândute (y):
Luna Preţurile unitare (x1) Bugetul de publicitate (x2) Cantitatea de produse vândute (y)
1 69 13 692
2 38 15 706
3 69 28 766
4 34 10 524
5 73 26 774
Să se studieze relaţia dintre cele trei variabile şi să se previzioneze vânzările, cu o
probabilitate de 95%, pentru preţul unitar x1=80 şi bugetul de publicitate alocat x2=40.

P15. Pentru o firmă din Municipiul Craiova, în luna octombrie 2016, se cunosc date
referitoare la productivitatea muncii (x1), cifra de afaceri (x2) și salariul mediu (y) din cele 10
secții productive ale sale:
Nr. Productivitatea muncii (buc.) - Cifra de afaceri (lei) - Salariul mediu (lei) -
secție x1 x2 y
1 212 2491 1044
2 251 2743 1211
3 391 3114 1233
4 398 3189 1307
5 530 3236 1392
6 604 3781 1462
7 618 5474 1665
8 646 5864 1666
9 668 6970 1720
10 798 7487 1791
Previziune microeconomică 24

Să se evalueze legătura dintre salariul mediu (y) și productivitatea muncii (x1), respectiv
cifra de afaceri (x2). Să se previzioneze salariul mediu pentru productivitatea muncii x1=900 şi
cifra de afaceri x2=9000, cu o probabilitate de 95%.

P16. Pentru o firmă din Municipiul Craiova, în luna octombrie 2016, se cunosc date
referitoare la productivitatea muncii (x1), cifra de afaceri (x2), și salariul mediu (y) din cele 10
secții productive ale sale:
Nr. Productivitatea muncii (buc.) - Cifra de afaceri (lei) - Salariul mediu (lei) -
secție x1 x2 y
1 50 4573 701
2 51 4641 704
3 55 5279 745
4 66 5316 773
5 68 6495 813
6 68 6620 893
7 75 7608 930
8 79 7789 942
9 90 8153 948
10 90 8654 972
Să se evalueze legătura dintre salariul mediu (y) și productivitatea muncii (x1), respectiv
cifra de afaceri (x2). Să se previzioneze salariul mediu pentru productivitatea muncii x1=100 şi
cifra de afaceri x2=9500, cu o probabilitate de 95%.

P17. Se cunosc valorile producţiei (Y), ale forţei de muncă (L) şi ale capitalului fix (K) la
nivelul unei întreprinderi, pe primele 6 luni ale anului 2016:
Luna 1 2 3 4 5 6
Y 355 335 320 270 260 280
L 55 50 45 45 40 40
K 110 110 100 90 80 100
Să se efectueze analiza şi prognoza producţiei, pe următoarele trei luni ale anului 2016,
la nivelul acestei întreprinderi.

P18. Se cunosc valorile producţiei (Y), ale forţei de muncă (L) şi ale capitalului fix (K) la
nivelul unei întreprinderi, pe parcursul anului 2016:
Luna 1 2 3 4 5 6 7 8 9 10 11 12
Y 655 635 620 570 560 580 595 610 630 635 640 645
L 100 100 95 90 90 85 90 90 90 95 95 95
K 195 185 180 165 160 170 175 185 190 195 190 195
Să se efectueze analiza şi prognoza producţiei, la nivelul acestei întreprinderi, pentru
următoarele cinci luni.