ANALIZA SPAȚIALĂ A CREȘTERII ECONOMICE

ÎN RAPORT CU INFRACȚIONALITATEA
ȘI RATA ȘOMAJULUI
Antici Lidia-Gabriela

Introducere

Această lucrare are ca scop observarea impactului infracționalității și a ratei șomajului asupra
creșterii economice regionale din România, un fenomen foarte important ce stă la baza
dezvoltării țării. Totodată, am dorit să observ și dacă există un proces de contagiere și
difuziune spațială a creșterii economice între județele României.
Am pornit de la ipoteza conform căreia infracționalitatea și rata șomajului au un impact
negativ asupra creșterii economice regionale.
În opinia mea, zonele cu o rată a infracționaliății ridicată îi determină pe întreprinzători și pe
investitori să se orienteze către zonele mai sigure, ceea ce impactează în mod negativ
creșterea economică.
De asemenea, am presupus că județele care au o rată a șomajului mai ridicată caracterizează
zonele în care nu sunt suficiente activități sau afaceri generatoare de locuri de muncă, prin
urmare aceste zone nu vor avea o influență pozitivă aupra creșterii economice.
Pentru a efectua acest studiu am utilizat date descărcate de pe site-ul Institutului National de
Statistică pentru perioada 2015-2019 referitoare la cele 41 de jutețe ale României plus
municipiul București.
Descrierea Variabilelor

Tabel 1: Descrierea Variabilelor

Denumirea Descrierea Variabilei + Definiția Variabilei

Variabilei Sursa Datelor
PIB_GR Media creșterii relative a
PIB-ului regional în
perioada 2015-2019.
Sursa:statistici.insse.ro
PIB regional este egal cu suma utilizărilor finale de
bunuri și servicii ale unităților instituționale rezidente
(consumul final efectiv, formarea brută de capital fix)
plus exporturile minus importurile de bunuri și servicii.

R_IFR Media ratei Rata infracționalității reprezintă numărul infracțiunilor

infractionalității în
perioada 2015-2019.
Sursa:statistici.insse.ro
R_SMJ Media ratei șomajului în
perioada 2015-2019.
Sursa: statistici.insse.ro
soluționate de poliție și infracțiuni declinate
Parchetului la 100000 locuitori.
Rata șomajului reprezintă raportul dintre numărul
șomerilor înregistrati la agențiile pentru ocuparea forței
de muncă și populația activă civilă.

În tabelul 1 de mai sus sunt prezentate într-un mod mai detaliat variabilele incluse în acest
studiu, iar în tabelul 2 sunt afișate statisticile descriptive ale acestora.
Se observă că valoarea medie a valorilor înregistrate de rata de creștere a PIB-ului în
perioada 2015-2019 este de 9,96%, cuprinsă între minimul de 1,41% și maximul de 13,24%.
De la aceasta valorile se abat în medie pătratică cu 2,07%. Jumătate din județele României se
pare că au o creștere economică mai mare de 10,19%.

Tabel 2: Statistici descriptive

PIB_GR R_IFR R_SMJ

Medie 9,96% 1667,38 4,66%
Mediană 10,19% 1636,50 4,29%
Devația std. 2,07% 368,60 2,25%
Maxim 13,24% 2579,40 9,94%
Minim 1,41% 1066,60 0,76%
Nr. Observații 42 42 42
Analiza spațială a creșterii economice

Distribuția creșterii economice pe fiecare județ al României în perioada analizată este

prezentată mai jos prin intermediul hărții quartilelor (generată folosind programul GeoDa) ce
împarte numărul de județe în patru grupe, fiecare grupă conținând 25% din numărul total de
observații. Județele ce au înregistrat rate de creștere a PIB-ului mici sunt colorate cu galben,
iar cele ce au înregistrat rate mari sunt evidențiate cu roșu.
Analizând harta, nu observ să existe autocorelație spațială, valoarea ratei de crestere a PIB-
ului întegistrată la nivelul unui județ nu depinde de valorile înregistrate de județele vecine.
Mai mult, harta nu îmi sugerează că există o influență a longitutinii sau a latitudinii asupra
creșterii economice județe
Totuși în partea de nord-est observ formarea unui cluster alcătuit din judete cu o creștere
economică bună.
Județele ce înregistrează creșterile economice cele mai mari (între 11,10% și 13,24%) în
perioada analizată sunt:
• Regiunea Nord-Vest: Bihor, Sălaj
• Regiunea Nord-Est: Bacău
• Regiunea Centru: Harghita
• Regiunea Sud: Dâmbovița, Giurgiu
• Regiunea Sud-Vest: Dolj, Mehedinți, Olt,
• Regiunea Vest: Hunedoara

Figura 1: Distribuția creșterii economice (PIB_GR)

În tabelul 3 de mai jos se poate observa că într-adevăr, nici latitudinea și nici longitudinea nu
au o influență semnificativă asupra creșterii economice județene ( Probability>5%).

Tabel 3: Influenta latitudinii și a longitudinii asupra PIB_GR

În continuare, pentru a observa cât mai bine dispunerea spațială a relațiilor care există între
județele României, am creat mai multe matrici de ponderare spațială de fiecare tip (de
contingență, pe distanțe și de tip Kernel), prezentate în tabelul 4, alături de criteriile pe baza
cărora se poate stabili care e mai potrivită. Se pare că și matricea kernel triangulară și
matricea celor cinci cei mai apropiați vecini au câte două criterii ce le recomandă ca fiind cele
mai bune, așadar am ales să continui analizele folosind matricea celor mai apropiați cinci
vecini.
Tabel 4: Matrici de ponderare spațială

TIP Moran I p-val. Moran Coef. corel. AIC Moran er.

MATRICE (MIN) (MAX) (MAX) (MIN) (MAX)
Qeen 0,107 0,07 0,245 180,57 0,643
Dist. Min. 0,143 0,06 0,281 179,74 0,393
Kern. Trg. 0,145 0,04 0,557 171,07 0,135
5 vecini 0,056 0,141 0,128 182,48 0,621
125 km 0,062 0,120 0,175 181,87 0,784

Pentru a evalua autocorelația spațială globală a creșterii economice, am generat diagrama

Moran (figura 2). Moran I>E(i) (0,056>-0.024) ceea ce ar indica o autocorelație spațială
pozitivă, o ușoară tendință de clusterizare. Însă, pentru a valida acest rezultat am testat
stabilitatea valorică prin intermediul generării a 50.000 de permutări aleatoare. În urma
acestui proces, pseudo p-value = 0,14>0,05 , prin urmare, nu se poate valida valoarea
statisticii Moran I și se acceptă ipoteza nulă conform căreia nu există autocorelație spațială
globală între valorile ratelor de creștere economică înregistrate în județele României.
 Figura 2: Diagrama Moran

În continuare am analizat și autocorelația spațială locală cu ajutorul indicaorului Moran local

LISA, pentru a identifica dacă există relații semnificative din punct de vedere statistic între
un județ și vecinii săi. În figura 3 de mai jos sunt prezentate harta cluster LISA alături de
harta aferentă nivelului de semnificație.
Hărțile evidențiază formarea a trei clustere. Unul de tip high-high ceea ce ne indică faptul că
județul Neamț și vecinii lui înregistrează valori ridicate ale ratei de crestere a PIB-ului. Și
două de tip high-low, ce arată că județul Bacău și Tulcea înregistrază valori ale ratei de
creștere PIB, ridicate, iar vecinii lor valori mici.
Din pacate, în urma creșterii numărului de permutări mi s-a modificat coloritul hărtii, ceea ce
indică faptul că aceste clustere nu sunt stabile pe termen lung.

Figura 3 : Autocorelația spațială locală LISA

Creșterea economică în raport cu infracționalitatea și rata șomajului

În figura de mai jos este reprezentată distribuția infracționalității prin intermediul hărții
quartilelor. La o primă vedere se poate observa că numărul de infracțiuni crește dinspre vest
spre est, ceea ce indică o semnificativitate a longitudinii asupra distribuției ratei
infracționalității pe teritoriul României.

Figura 4: Distribuția spațială a infracționalității

În continuare am generat harta condiționată a creșterii PIB-ului în funcție de rata infracționalității

pentru a observa ce relație există între cele două variabile. În urma analizei figurii 5, observând
dispersarea observațiilor și a culorilor de pe diagonala principală aș putea spune că există o relație de
interdependență spațială între creșterea economică și rata infracționalității. Cele două variabile reies
ca fiind autocorelate negativ, prin urmare, odată ce rata infracționalității crește, rata de crestere a PIB-
ului scade.
Figura 5: Creșterea economică condiționată de infracționalitate
În continuare este afișată distribuția spațială a ratei șomajului pe teritoriul României (figura
6) . La o primă vedere pare să existe o autocorelație spațială pozitivă, valorile similare sunt
concentrate în spațiu. În partea de vest a țării observ că sunt înregistrate cele mai mici valori
ale ratei șomajului, iar în partea de sud și est valorile sunt mai ridicate.

Figura 6: Distribuția ratei șomajului

Pentru a observa dacă există interdependență spațială între creșterea economică și rata
șomajului, am ales să afișez harta netezită spațial prin matricea de ponderare a celor cei mai
apropiați 5 vecini. Raportul dintre creșterea economică și rata șomajului se observă că scade
de la nord-vest la sud-est ceea ce ne sugerează existența interdependențelor spațiale între cele
două variabile, existența unui proces de contagiere și difuziune spațială și totodată relația
inversă dintre acestea.

Figura 7: Harta netezită spațial a raportului dintre PIB_GR și R_SMJ

Model Regresional

În continuare, pentru a-mi verifica observațiile, am creat un model regresional spațial simplu
prin OLS, utilizând ca matrice de ponderare spațială matricea ce-a mai reprezentativă în urma
criteriilor prezentate în tabelul 4, și anume, matricea celor mai apropiați cinci vecini.
Mai jos, în tabelul 5, sunt prezentate rezultatele. După cum se observă, mi se confirmă
observațiile și rata infracționalității (pentru un nivel de semnificație de 5%) și rata șomajului
(pentru un nivel de semnificație de 10%) au un impact semnificativ negativ asupra creșterii
economice. Prin urmare, județele ce au o rată a infracționalității și a șomajului mai mare, au
un nivel de creștere economică mai slab.
La creșterea numărului de infracțiuni cu 1 la 100.000 de locuitori, rata de creștere a PIB-ului
va scădea în medie cu 0,2% în condițiile în care ceilalți factori rămân constanți.
La creșterea ratei șomajului cu 1%, rata de creștere economică va scădea în medie cu 0,24%
în condițiile în care ceilalți factori rămân constanți.

Tabel 5: Rezultatele Model OLS clasic

Coeficient Eroare Std. T-statistic Probabilitate
Constanta 14,508 1,594 9,103 0,000 ***
R_IFR -0,002 0,001 -2,510 0,016 **
R_SMJ -0,241 0,134 -1,795 0,080 *
𝟐
𝑹 F-statistic AIC MC. Nr. Nr. Obs
0,181 4,296 175,819 11,842 42
***- nivel de semnificație de 1%
**-nivel de semnificație de 5%
*-nivel de semnificație de 10%

Numărul condițiilor de multicoliniaritate este mai mic decât 30 (MC. Nr=11,84), testele de
validare a modelelor spațiale prezentate în tabelul 6 ( 𝐻0 : modelul optim este modelul linear
clasic estimate prin metoda OLS) acceptă ipoteza nulă, deci modelul cel mai potrivit să
explice creșterea economică în raport cu infracționalitatea și rata șomajului este modelul
linear clasic estimat prin OLS, iar spațialitatea nu are o influență în acest caz. Deci procesele
de interdependențe spațiale dintre variabile, observate în hărți sunt unele pur întâmplătoare și
specifice strict pentru datele acestui studiu.
Testele de heteroscedasticitate ne indică faptul că varianța erorilor nu este constantă, prin
urmare modelul nostru nu este unul robust, deoarece este afectat de heteroscedasticitate.
Pentru a scăpa de heteroscedasticitate am mai creat o regresie în care am logaritmat
infracționalitatea, însă nu am reușit să scap de heteroscedasticitate și în plus, în acest caz apar
și probleme de multicoliniaritate. Totodată, am rulat analiza pe mai multe matrici de
ponderare spațială, dar nu am obținut nicio îmbunătățire a rezultatelor.

Tabel 6: Teste de diagnoză spațială

Test Valoare Probabilitate

Breusch-Pagan 24,401 0,000
Koenker-Bassett 11,548 0,003
White 11,184 0,004
Moran’s I (error) 0,384 0,701
Lagrange Mult. (lag) 0,069 0,794
Robust LM (lag) 0,447 0,504
Lagrange Mult. (error) 0,001 0,982
Robust LM (error) 0,379 0,538
Lagrange Mult. (SARMA) 0,447 0,799

Concluzii

În concluzie, în această lucrare am reușit să surprind relația existentă între creșterea

economică în raport cu infracționalitatea și rata șomajului pe teritoriul României în perioada
2015-2016. Ipoteza de la care am plecat conform căreia infracționalitatea și rata șomajului au
un impact semnificativ asupra creșterii economice mi s-a confirmat.
Totuși, se pare că în cazul de față, spațialitatea datelor nu are un impact semnificativ asupra
creșterii economice.
Mai mult, o problemă importantă cu care m-am confruntat în acest studiu a fost
heteroscedasticitatea, ceea ce indică faptul că modelul meu nu este unul robust.
O posibilă soluție pentru obținerea unui model mai robust ar fi includerea în model a mai
multor variabile de control, deoarece am observant că variabilele exogene alese, explică
foarte puțin din variabilitatea creșterii economice (𝑅 2 =18,1%).
Toate hărțile și rezultatele prezentate au fost generate și prelucrate prin intermediul
programului statistic GeoDa.