Schimbările apărute în ultimii ani în economia românească au implicat punerea

problemelor economice sub o nouă incidență și anume aceea a relațiilor de piață.

Pornind de la considerentul că în prezent a devenit extrem de necesară o cunoaștere
foarte riguroasă a diverselor probleme economice atât la nivelul microeconomic cât și la
cel macroeconomic, se impune necesitatea folosirii modelelor economico-matematice
pentru a putea obține concluzii pertinente cu privire la activitatea prezentă dar și viitoare a
fiecărui agent economic.
Justificarea folosirii aparatului matematic constă în aceea că la nivelul agenților
economici și în mod deosebit firme, stat se impune renunțarea utilizării intuiției ca mijloc
primordial în luarea deciziilor și trecerea la fundamentarea acestora pe baza unor cercetări
amănunțite privind dependențele ce există între diferitele variabile ce intră în corelație în
cadrul fiecărui fenomen economic studiat.
Econometria este o ramură a științei economice ce își propune studierea relațiilor dintre
variabilele economice, așa cum apar acestea postulate într-un model abstract.
Modelarea economică oferă managerului latura riguroasă a acţiunilor, modalităţi
multiple de punere de acord a resurselor existente cu obiectivele formulate pentru o
anumită perioadă de timp, oferindu-i posibilitatea de a gândi şi a decide mai bine şi mai
repede fără să denatureze realitatea. În lucrarea de față am ales să prezint modele de
regresie liniară simplă.Așadar, primul capitol cuprinde aspectele ce țin de modelele liniare
de regresie, ipotezele modelului și ecuațiile necesare pentru o analiză detaliată. Capitolul
doi cuprinde prezentarea firmei ARAMIS INVEST SRL, care conține un scurt istoric,
scopul, obiectivul și câteva produse pe care aceasta le produce. Am prezentat, de
asemenea, câțiva indicatori și anume profitul, cifra de afaceri, numărul de angajați și
influența lor în parcursul a 10 ani aleși. În cel de-a treilea capitol am ales trei modele care
să reflecte obiectul acestei lucrări și anume utilizarea instrumentului de analiză de date și
două modele de regresie liniară simplă.
Sub forma cea mai generală, un model liniar de regresie simplu se poate scrie:
Yt=b0+b1xt+εt t=1,...,T (1)
yt – variabilă endogenă, explicată sau dependentă
xt – variabilă exogenă, explicativă sau independentă
εt – variabilă reziduală
b0, b1 – parametrii sau coeficienți(DRAGOȘ, 2008: 39)
Acest tip de model se numește liniar, deoarece yt este liniar în raport cu parametrii b0 și b1.
Din punct de vedere econometric ne interesează liniaritatea în raport cu parametrii, nu cu
variabilele, deoarece modelele neliniare necesită metode de estimare diferite, rezultând
implicit proprietăți diferite ale estimatorilor. (DRAGOȘ, 2008: 40)
Rolul termenului aleatoriu „În general, fenomenele din științele sociale pe care dorim să
le modelăm prin econometrie sunt fenomene complexe, ce nu pot fi explicate printr-un
singur factor. Există deci o mulțime de alți factori susceptibili de a-l putea explica pe Y.
Din acest considerent adăugăm un termen εt care sintetizează ansamblul informațiilor
neincluse în model. El măsoară diferența dintre valorile reale ale lui Y și valorile estimate
prin model.” (DRAGOȘ, 2008: 40)
Termenul εt grupează trei tipuri de erori:
eroare de specificare, datorită faptului că am inclus în model doar o variabilă explicativă,
nu toți factorii care ar putea influența variabila endogenă
eroare de măsură, dacă datele nu au fost exact măsurate
eroare de eșantionare, datorită fluctuațiilor ce pot să apară de la un eșantion la altul în
privința observațiilor și deci și a estimațiilor. (DRAGOȘ, 2008: 40)
„Ipotezele ce vor fi detaliate mai jos nu sunt verificate întotdeauna. Considerând că ele
sunt potențial verificate vom studia proprietățile estimatorilor și a metodelor de estimare.
Procedurile care permit testarea acestor ipoteze vor fi detaliate în secțiunile următoare.”
(DRAGOȘ, 2008: 40)
H1 : E(ε1) = 0 ; variabila reziduală este de medie nulă.
Ansamblul factorilor lui yt care nu au fost reținuți în model este de speranță matematică
nulă. Avem astfel:
E(yt / xt) = b0 + b1xt (1)
b0, b1 – parametrii sau coeficienți
H2 : yt și xt reprezintă valori numerice observate fără erori.
Termenul xt nu este deci aleator, ci determinist.
Modelul devine aleator prin intermediul lui εt. În acest caz, speranța condițională
considerată mai sus se reduce la:
E(yt) = b0 + b1xt (2)
Sensul acestei ipoteze este acela că X este o variabilă economică, la fel ca Y.
Considerând H2 adevărată înseamnă că încercăm să modelăm fenomenul descris de yt
condiționat de realizările xt observate în eșantion.
H3 : Modelul este liniar în raport cu xt sau o transformare a lui xt (logaritm, inversiune, etc.)
H4 : E(εt2)=σ2 ∀ t (3)
Presupunem că varianța perturbațiilor este constantă, indiferent de t. Este cunoscută ca
ipoteza de homoscedasticitate a perturbațiilor. Intuitiv, considerăm că amploarea erorilor,
deci aproximația efectuată de model este constantă în raport cu t. (DRAGOȘ, 2008: 41)
H5 : cov(εt, εt’) = 0 (4)
'
sau E(εt, εt’) = 0 deoarece E(εt) = E(εt’) = 0 ∀ t , t (5) (DRAGOȘ, 2008: 41)
„Covarianța perturbațiilor este nulă, două erori cu privire la două observații diferite t și t'
sunt independente între ele.” (DRAGOȘ, 2008: 42)
H6 : cov(x1,εt) = 0 (6)
Perturbațiile sunt independente în raport cu variabila explicativă.
H7 : Presupunem că primele momente empirice ale lui X sunt finite atunci când T este
foarte mare:
T
1
lim
T→∞ T
∑ x t= x̄ ≠ 0 cantitate finită (media empirică) (7)
t=1
lim 1 T
T→∞
∑ ( x − x̄ )2=s2 ≠0 cantitate finită (varianța empirică) (8)
T t=1 t
„Presupunem că varianța empirică a lui X converge spre o valoare nenulă σx2. Ipoteza
poate fi verificată în cazul staționar, adică dacă xt sunt realizări ale unor variabile aleatoare
independente și identic distribuite, de varianțe egale cu σx2.
Important de reținut este că în această ipoteză, xt conservă o oarecare varianță când T→∞,
deci observațiile suplimentare ameliorează informația.”(DRAGOȘ, 2008: 42)
H8 : Ɛt ≈ N(0, σ2) ∀ t (9)
„Ipoteza permite efectuarea unor teste asupra modelului. Pertinența ei se datorează
teoremei
limită-centrală. Nu este necesar să presupunem normalitatea componentelor lui Ɛt , ci doar
un număr mare de factori independenți și identic distribuiți între care există o relație de tip
aditiv.”(DRAGOȘ, 2008: 42)
Testul t (Student) „O variantă alternativă, dar complementară pentru metoda intervalului
de încredere este metoda testului de semnificație. În sens larg, un test de semnificație este o
procedură prin care rezultatele din eșantion sunt folosite pentru a verifica veridicitatea sau
falsitatea ipotezei nule. Elementele cheie din spatele testelor de semnificație sunt testele
statistice(estimatorii) și distribuțiile de eșantion pentru aceste statistici sub ipoteza nulă.”
(STANCU, 2011: 68) Pentru a desfășura un test de semnificație se parcurg următorii pași:
Pasul 1. Se estimează α^ , ^β , ES(α^ ) și ES( ^β ).
^ β^ −β¿
Pasul 2. Se definește statistica testului: tstatistic( β ) = ^ (1) unde β ¿ reprezintă valoarea
ES ( β )

{
¿
H 0 : β= β
lui β sub ipoteza nulă, și se definesc totodată și ipotezele testului: ¿ (2)
H1 : β ≠ β
Pasul 3. „Se alege un nivel de semnificație p. Este de dorit să se aleagă un nivel de
semnificație de 5%.” (STANCU, 2011: 68)
Pasul 4. „Se identifică o distribuție tabelată, ttabelat sau așa cum mai este cunoscut ca tcritic,
tteoretic sau chiar tp/2;n-2, cu care se pot compara estimațiile statisticii testului.”
(STANCU, 2011: 68)
„În cazul acestui exemplu, avem de-a face cu o distribuție t (Student) cu un nivel de
semnificație p și cu n-2 grade de libertate. Se folosesc tabele t (Student) pentru a obține
una sau mai multe valori critice cu care să se poată compara testul statistic.”(STANCU,
2011:69)
Pasul 5. „Fiind dat nivelul de semnificație p, se determină o zonă de respingere și una de
non-respingere. Dacă se alege un nivel de semnificație de 5%, atunci 5% din distribuția
totală (5% din zona de sub curbă) se va afla în zona de respingere. Această regiune poate fi
fie impărțită în două jumătăți (pentru o ipoteză compozită) sau poate fi avută în vedere o
parte sau alta a axei (pentru o ipoteză simplă). Pentru un test compozit, regiunea de
respingere de 5% este împărțită în mod egal față de cele două cozi, așa cum se poate
observa în figura 1.
Pentru un test simplu, regiunea de respingere de 5% este localizată doar într-una dintre cele
două cozi ale distribuției, așa cum se poate observa în figura 2 și 3.” (STANCU, 2011: 69)
Figura 1. Regiuni de respingere pentru un test statistic de 5% compozit
Sursa: (STANCU, 2011: 69)
Figura 2. Regiuni de respingere pentru un test statistic simplu
de forma H0 : β = β ¿; H1 : β < β ¿.Sursa: (STANCU, 2011: 70)
Pasul 6. „Se analizează testul: în cazul în care statistica testului se află în zona de
respingere, atunci se va respinge ipoteza nulă, altfel nu se va respinge ipoteza nulă.”
(STANCU, 2011: 70)
Atenție: „O problemă majoră, care poate interveni atunci când se folosește un nivel de
semnificație fix, apare atunci când volumul eșantionului este suficient de mare, deoarece
atunci orice ipoteză nulă poate fi respinsă.” (STANCU, 2011: 70)
Figura 3. Regiuni de respingere pentru un test statistic simplu de forma H0 : β = β ¿;
H1 : β > β ¿.Sursa: (STANCU, 2011: 70)
„Acesta este și cazul aplicațiilor financiare, în care sunt disponibile de cele mai multe ori
sute sau mii de observații. Odată ce volumul eșantionului crește, erorile standard se
micșorează conducând astfel la o creștere a tuturor statisticilor t. Această problemă nu este
avută în vedere în foarte multe studii empirice, însă anumiți econometricieni au sugerat
folosirea unui nivel de semnificație mai mic (de exemplu de 1%) pentru eșantioanele mai
mari.Mai mult, pe măsură ce valoarea estimată a coeficientului β se îndepărtează de β ¿,
valoarea absolută a testului t (Student) (|t statistic|) va fi din ce în ce mai mare.”
(STANCU, 2011: 71) „Prin urmare, o valoare ridicată pentru |t statistic| va constitui o dovadă
împotriva ipotezei nule, astfel:
- în cazul în care ipoteza alternativă este simplă, dacă |t statistic| > tp, atunci se poate
respinge ipoteza nulă;

- în cazul în care ipoteza alternativă este compozită, dacă |t statistic| > tp/2, atunci se
va respinge ipoteza nulă.
Trebuie, de asemenea, menționat faptul că odată ce o ipoteză nulă a fost respinsă, pentru un
nivel de semnificație de 1%, aceasta va fi automat respinsă și pentru un nivel de
semnificație de 5%. În consecință, dacă ipoteza nulă nu a fost respinsă pentru un nivel de
semnificație de 5%, nu va fi respinsă nici pentru un nivel de semnificție mai puternic.
Se spune că o ipoteză nulă este respinsă sau nu este respinsă. Nu este corect să afirmăm în
cazul în care ipoteza nulă nu a fost respinsă, că aceasta a fost acceptată (cu toate că această
eroare este făcută frecvent în practică). De asemenea, nu se menționează niciodată, dacă
ipoteza alternativă este acceptată sau respinsă. Unul dintre motivele pentru care nu se poate
spune că ipoteza nulă este acceptată este acela că este imposibil să știm cu certitudine dacă
ipoteza nulă este adevărată sau nu. A constitui un interval de încredere de 95%, este
echivalent cu a folosi un test de semnificație de 5%. În limbajul testării ipotezelor,
intervalul de încredere de 100(1-p)% este cunoscut sub denumirea de regiune de non-
respingere (a ipotezei nule), iar regiunile din afara intervalului de încredere se numesc
regiuni de respingere ale ipotezei nule sau regiuni critice. Așa cum s-a precizat anterior,
capetele intervalului de încredere se numesc valori critice. Din moment ce se folosește
distribuția t (Student), procedura de testare anterioară este denumită testul t (Student).
În limbajul testelor de semnificație, o statistică este semnificativă din punct de vedere
statistic, dacă valoarea statisticii testului se află în regiunea critică. În acest caz, ipoteza
nulă este respinsă. De asemenea, un test este considerat nesemnificativ din punct de vedere
statistic în cazul în care valoarea statisticii testului se află în regiunea de non-respingere. În
acest caz, ipoteza nulă nu este respinsă.” (STANCU, 2011: 71)
Erori ce pot fi făcute folosind testele de semnificație
 „Așa cum am văzut, ipoteza nulă este de regulă respinsă, atunci când statistica testului
este nesemnificativă, din punct de vedere statistic, pentru un anumit nivel de semnificație.
Pot fi făcute două tipuri de erori majore:
- se respinge ipoteza nulă, când aceasta este de fapt adevărată (eroare de gradul I)
- nu se respinge ipoteza nulă, când aceasta este de fapt falsă (eroare de gradul II)
”(STANCU, 2011: 74)

Tabelul 1. Clasificarea tipurilor de erori și a concluziilor corecte

Realitate
H0 este adevărată H0 este falsă
Semnificativ Eroare de gradul I=α Corect
(se respinge H0)
Rezultatul Nesemnificativ Corect Eroare de
testului (nu se respinge H0) gradul II = β
Sursa: (STANCU, 2011: 74)

„Fiind dat volumul eșantionului, a încerca reducerea probabilității de a respinge ipoteza

adevărată, înseamnă a crește probabilitatea de a nu respinge ipoteza falsă.
Prin urmare, dacă se încearcă să se reducă comiterea unei erori de gradul I, se va crește
șansa de a comite o eroare de gradul II și vice-versa.
Singura modalitate prin care se pot reduce șansele de producere ale acestor tipuri de
erori este să se crească volumul eșantionului sau să se selecteze un eșantion cu o variație
mai mare, fiind astfel crescută cantitatea de informație pe care se bazează rezultatele
testului.
În practică, până la un anumit nivel, erorile de gradul I sunt considerate a fi mai grave și
de aceea se obișnuiește să se aleagă un nivel de semnificație cât mai scăzut (nivelele de 5%
și 1% sunt cel mai de folosite). ” (STANCU, 2011: 74)

Tabelul 2. Erori de gradul I și II

Erori de gradul I și II
Se reduce dimensiunea testului →Un Mai puține sanse Mai puține șanse de
criteriu mai strict de respingere → Se să se respingă comitere a unei erori
respinge mai rar ipoteza nulă incorect de gradul I

Mai multe șanse Mai multe șanse de

să comitere a unei erori
se respingă de gradul II
incorect

Sursa: (STANCU, 2011: 75)

În aproximativ toate situațiile reale, datele utilizate pentru modelarea unui fenomen
provin dintr-un eșantion. Ca urmare, deși există adevărații parametrii b0 și b1, la nivelul
întregii populații, în realitate nu îi vom cunoaște niciodată. Vom găsi doar niște estimații
ale acestora, b^0 și b^1, pe baza datelor din eșantion. (DRAGOȘ, 2008: 43)
 Ne propunem să determinăm b^0 și b^1 astfel încât valorile lor să minimizeze suma
pătratelor erorilor.
T T

∑ ε 2t =∑ ( y t−b 1 x t −b0 )2 =f ( b 0 ,b 1) ( 1 )
t =1 t =1

Putem deci să exprimăm suma pătratelor erorilor ca o funcție de b 0 și b1. Pentru a

minimiza f ( b0 , b1 ) trebuie satisfăcută o condiție necesară (sau condiția de ordinul 1) și una
suficientă (condiția de ordinul 2). Condiția necesară presupune anularea derivatelor în
raport cu cei doi parametri:

{
∂f
=0
∂ b1
( 2)
∂f
¿ =0
∂ b0
Prin efectuarea derivării, sistemul devine:

{
T

∑ ( y t −b1 xt −b 0 ) x t =0
t=1 (3)
T (DRAGOȘ, 2008: 43)
∑ ( y t −b1 x t −b 0 )=0
t =1

Însumând în raport cu t divizând fiecare termen cu T obținem:

{
T T
1
∑ y x −b 1 ∑ x 2−b 0 x=0 ( 4 )
T t =1 t t 1 T t =1 t
¿ y−b 1 x−b0=0
Considerând b^ 0 și b^ 1 soluțiile sistemului, obținem:

{
T

∑ ( y¿ ¿t− y)( x t −x)

b^ 1= t=1 ¿
T ( 5)
∑ ( x t− x ) 2

t=1
b^ 0= y− b^1 x
Estimatorii b^ 0 și b^ 1 sunt variabile aleatoare, deoarece sunt funcții de Y, care este o variabilă
aleatoare prin intermediul lui ε .
Condiția suficientă (de ordinul 2) este întotdeauna îndeplinită:

| |
2 2
∂ f ∂ f
2
2
∂ f ∂ b1 ∂ b1 ∂ b0
2
> 0; 2 2
>0(6)
∂ b1 ∂ f ∂ f
2
∂ b0 ∂ b1 ∂b 0
Începând de aici, estimatorii b^ 0 și b^ 1 pe care îi vom folosi vor fi cei din expresia 5.
 Proprietăți ale estimatorilor b^ 0 și b^ 1
Vom demonstra în acest paragraf că ținând cont de ipotezele din paragraful 2, estimatorii
obținuți prin metoda pătratelor minime sunt nedeplasați și convergenți. Prin aceasta, vom
transforma mai întâi expresiile lui b^ 0 și b^ 1. (DRAGOȘ, 2008: 44)
Transformări ale expresiei estimatoriilor b^ și b^ 0 1

Considerăm în continuare modelul:

y t =b0 + b1 x t + ε t ( 7 )
Însumând în raport cu t și divizând prin T, obținem:
y=b0 +b1 x+ ε (8)
(DRAGOȘ, 2008: 45)
Din ecuațiile 7 și 8, prin scădere:
y t − y=b 1 ( x t −x ) + ( ε t−ε ) ( 9)
Înlocuind y t − y din expresia de mai sus în formula lui b^ 1, avem:
T
[b ¿ ¿ 1(x ¿¿ t−x)+(ε t −ε )](x t −x)
b^ 1=∑ T
¿ ¿ (10)
∑ ( x t−x )
t=1 2

t =1
T

∑ ( x ¿¿ t−x)(ε t −ε )
b^ 1=b1 +
t =1
T
(11) ¿
∑ ( x t −x ) 2

t=1
¿
¿
T
Din ipotezele asupra modelului, deducem că ε ∑ (¿ x t−x )=0 ¿, deci putem scrie:
t =1

∑ ( x ¿¿ t−x) εt
b^ 1=b1 + t =1 T (12) ¿
(DRAGOȘ, 2008: 45)
∑ ( x t −x ) 2

t=1
¿
¿
Din 5 și 8 știm că:

{ y=b^ 1 x+ b^ 0 (13)
¿ y=b 1 x +b0 + ^ε
De unde deducem:
b^ 0=b 0+ ε−( b^ 1−b1 ) x (14) (DRAGOȘ, 2008: 46)

Estimarea parametrilor prin metoda momentelor

Estimarea asupra erorii ε implică:
E ( ε )=0 și cov ( x , ε )=0 (15)
„Metoda momentelor presupune înlocuirea acestor condiții cu formele omoloage.
Fie α^ și ^β estimatorii pentru parametrii α și respectiv β .” (STANCU, 2011: 50)
Valoarea omoloagă a lui ε i, este eroarea estimată ε^i sau notată cu ղ i în modelarea viitoare
și care se definește astfel:
ղ i=ε^i= y i−α^ − β^ xi (16)
^
Cele două ecuații din care se deduc α^ și β sunt obținute prin înlocuirea presupunerilor
asupra pupulației:
Tabelul 1. Ecuații obținute prin înlocuirea presupunerilor asupra pupulației
Presupuneri asupra populației Forma similară
E ( ε )=0 1
ε^ =0 sau echivalent ∑ ε^i=0
n∑ i
cov ( x , ε )=0 1
n
∑ x i ε^i=0 sau echivalent ∑ x i ε^i=0
Sursa: (STANCU, 2011: 50)

n
În aceste ecuații și în următoarele, Σ va însemna ∑ .
i=1

Astfel, obținem cele două ecuații:

∑ ε^i=0 sau ∑ ( y i− α^ − β^ x )=0
i
(17)

∑ x i ε^i=0 sau ∑ x i ( y i− α^ − ^β x )=0

i
(18)

Aceste ecuații pot fi scrise astfel:

n α^ + ^β ∑ x i=∑ yi (19)

α^ ∑ x i + ^β ∑ xi =∑ x i y i
2
(20)

Rezolvând aceste două ecuații, care se numesc ecuații normale, obținem α^ și ^β .

(STANCU, 2011: 50)

Exemplu: Ilustrarea regresiei liniare simple

Pentru a obține α^ și ^β , trebuie să determinăm ∑ x li , ∑ x 2li , ∑ x li y i , ∑ y i .

Pentru n=42, ecuațiile normale sunt date de 42 α^ +54760 ^β=10170 și respectiv

54.760 α^ +78.296 .600 ^β=13.931 .100, din rezolvarea cărora rezultă că α^ ≌ 115,285și
^β ≌ 0,097 . (STANCU, 2011: 51)
Prin urmare, se obține ecuația de regresie: ^
y i=115,285+ 0,097 x li .
Observație: α^ ≌ 115,285dă valoarea lui y când x=0.
Aceasta înseamnă că, dacă Venitul consumatorului, x1, ar fi zero, atunci Cererea din
bunul 1, y, ar fi de 115,285 u.f.. (STANCU, 2011: 51)

Erorile estimate sau reziduale sunt date de relația:

 ε^i= y i−^
y i= yi −115,285−0.097 x li (21)

Acestea sunt erorile pe care le-am face în momentul în care am estima valoarea lui y pe
baza ecuației de regresie estimată și a valorilor lui x.

Astfel: ∑ ε^i=0 , ∑ x i ε^ i=0 și ∑ ε^ 2i =1185,2537 (22)

(STANCU, 2011: 51)

Figura 1. Puncte observate și dreapta de regresie estimată

Sursa: (STANCU, 2011: 51)

1.5. ANALIZA VARIANȚEI

T
1)Suma reziduurilor este nulă, respectiv ∑ ε t =0 (1)
t =1

Pornind de la ecuația:
yt = b^ 0+ b^ 1 x t + ε t (2)

2)Media (suma) seriei variabilei endogene este egală cu media (suma) seriei ajustate:
 T T

∑ yt =∑ ^
yt (3)
t =1 t =1

y t − ȳ=ε t (4)

T T T

∑ yt −∑ ^y t =∑ εt (5)
t =1 t =1 t =1

T
Dar ∑ ε t =0, deci:
t =1

T T

∑ yt =∑ ^
y t sau y t =^
y t (6)
t =1 t =1

(DRAGOȘ, 2008: 51)

Din aceste două relații putem deduce ecuația de analiză a varianței:

T T T

∑ ( y t− ȳ ) =∑ ( ^y t −^y ) +∑ ε 2t
2 2
(7)
t =1 t=1 t =1

SPT = SPE + SPR

Suma pătratelor totală(SPT) = Suma pătratelor explicată(SPE) +

+Suma pătratelor reziduală (SPR)

T T

∑ ( ^y t − y ) 2
∑ ε 2t
R2= t=1
T
=1− T
t=1
(8)
∑ ( yt − y ) 2
∑ ( y t− y ) 2

t=1 t =1

(DRAGOȘ, 2008: 52)

Tabelul 1 : Analiza varianței

Sursa variației Suma pătratelor Numărul gradelor de libertate
Variabila explicativă (X) T
1
SPE= ∑ ( ^
2
y t− y )
t =1
 Variabila reziduală (ε) T
T-2
SPR = ∑ ε t
2

t =1

Total T
T -1
SPT = ∑ ( y t− y )
2

t =1

Sursa: (DRAGOȘ, 2008: 53)

„Numărul gradelor de libertate corespunde numărului de valori ce pot fi alese arbitrar

(numărul de valori minus numărul de restricții). ” (DRAGOȘ, 2008: 53)

Se poate demonstra că testul de nulitate a coeficientului de regresie (H0 : b1 = 0) este

echivalent cu testul de analiză a varianței unde F empiric este dat de:

SPE/1
F= (9)
SPR/ ( T −2 )

Expresia lui F în raport cu coeficientul de determinație este:

R2
F= (10)
(1−R 2)/ ( T −2 )

0,05
„Dacă de exemplu pentru un prag de semnificație α = 0,05 avem F> F (1 , T−2) ,
respingem ipoteza de egalitate a varianței explicative și a varianței reziduale și considerăm
variabila X ca fiind semnificativă. În caz contrar, acceptăm ipoteza de egalitate a
varianțelor, variabila X nefiind o variabilă explicativă a variabilei Y. ” (DRAGOȘ, 2008:
53)
 1.6. ANALIZA DE REGRESIE

„Analiza de regresie se ocupă cu descrierea și evaluarea dependenței dintre o variabilă

dependentă sau explicată și una sau mai multe variabile independente sau explicative, cu
scopul de a estima și/sau previziona evoluția medie a populației cercetate.”
(STANCU, 2011: 41)

„Modelul econometric simplu este acela în care o variabilă endogenă este explicată de o
variabilă exogenă.”(STANCU, 2011: 41)

Notând cu y variabila dependentă și cu x 1 , x 2 , … x m variabilele independente, avem

următoarea discuție:
- dacă m=1, există o singură variabilă, x, și avem regresie simplă;

- dacă m >1, există mai mult de o variabilă independentă, x, și avem regresie multiplă

(STANCU, 2011: 41)

„Astfel, terminologia este folosită dacă intenția este de a previziona valori ale unei
variabile.
Spre exemplu, Cererea din bunul 1, y, este o variabilă estimată, în timp ce variabilele
Venitul consumatorului, x 1, Prețul bunului 1, x 2, Prețul bunului 2, x 3, și Prețul
bunului 3, x 4 , sunt estimatori.”(STANCU, 2011: 41)

În tabelul 1 am prezentat clasificarea variabilelor în analiza de regresie:

Tabelul 1. Clasificarea variabilelor în analiza de regresie

Nr.
crt. y x1 , x2 , … xm
1 Estimat Estimatori
2 Regresant Regresori
3 Variabilă explicată Variabile explicative
4 Variabilă dependentă Variabile independente
5 Variabilă de efect Variabile cauzale
6 Variabilă endogenă Variabile exogene
7 Variabilă țintă Variabile de control
Sursa: (STANCU, 2011: 42)
Dependența deterministă vs. dependența statistică

Dependența deterministă dintre variabila dependentă, y, și variabila independentă, x, este

aceea în care legătura dintre cele două variabile este descrisă complet, prin intermediul
unei ecuații de tip determinist. (STANCU, 2011: 43)
„Trebuie specificat faptul că o astfel de ecuație conține toți factorii care intervin într-un
astfel de fenomen sau proces.” (STANCU, 2011: 43)
Dependența statistică dintre variabila dependentă, y, și variabila independentă, x, este aceea
care nu generează valori unice lui y pentru valori date ale lui x, dar care poate fi descrisă în
termeni probabilistici, o astfel de ecuație nu conține toți factorii care intervin într-un astfel
de fenomen sau proces. (STANCU, 2011: 43)

Regresia vs corelația

Există o mare diferență între analiza de regresie și analiza corelației dintre o variabilă
dependentă, y, și o variabilă independentă,x, deoarece în cazul analizei corelației scopul
principal este acela de a măsura cât de puternică este dependența liniară dintre cele două
variabile. (STANCU, 2011: 43)

În analiza de regresie, există o asimetrie în ceea ce privește modul în care sunt tratate cele
două variabile, cea dependentă și respectiv cea independentă, astfel că variabila
independentă este deterministă, în timp ce variabila dependentă este statistică.
(STANCU, 2011: 43)

În analiza corelației, există o simetrie în ceea ce privește modul în care sunt tratate cele
două variabile, cea dependentă și respectiv cea independentă, astfel că ambele sunt
variabile statistice. (STANCU, 2011: 43)

În literalura managerială, relația cauzală în analiza de regresie reprezintă dependența dintre

o variabilă dependentă y și o variabilă independentă.

Exemplificări ale dependenței deterministe vs. dependența statistică

După cum putem constata, există două tipuri esențiale de determinare în analiza
econometrică:
- dependența deterministă dintre variabila dependentă, y, și variabila
independentă, x;
- dependența statistică dintre variabila dependentă, y, și variabila independentă,
x.
(STANCU, 2011: 44)
Sursele erorii (componentei stochastice)
1) Limitele teoriei, știind că o variabilă explicată depinde doar de un număr de variabile
explicative care sunt esențiale, ignorându-se influența lor și a altora, cu influențe mai mici
sau chiar minore; (STANCU, 2011: 46)
2) Indisponibilitatea unor date, constatând că, deși o variabilă explicativă poate influența
variabila explicată, este imposibil să se obțină date despre ea; (STANCU, 2011: 46)
3) Variabila nucleu vs. variabila periferice, în sensul că în analiza dependențelor se aleg
variabilele explicative esențiale (nucleu), ignorând variabilele periferice ca importanță, al
căror cost de culegere este corelat cu importanța lor în model, se consideră nejustificat;
(STANCU, 2011: 46)
4) Comportamentul uman aleator în structura sa, face ca uneori econometricianul să aleagă
aleator dintre variabilele explicative depistate, încât dacă s-ar introduce toate variabilele
considerate relevante, atunci ar fi dificil de lucrat cu un astfel de model;
5)(STANCU, 2011: 46)
6) Erori de măsurare a valorilor posibile ale variabilelor, știind că analiza modelului de
regresie simplă presupune măsurarea corectă a variabilelor x și y, putând să apară din
diferite motive erori de măsurare; (STANCU, 2011: 47)

7) Principiul simplificării presupune dorința de a păstra modelul de regresie cât mai

simplificat, prin prisma numărului de variabile explicative, întrucât se pune problema de a
adăuga noi variabile doar atunci când teoria nu este bine prezentată într-un astfel de model;
(STANCU, 2011: 47)
8) Forma greșită a funcționalei presupune că, de exemplu econometricianul alege o
funcțională liniară între regresant, y, și regresor, x și de fapt o funcțională de gradul 2 ar fi
mult mai bună în modelarea dependenței dintre cele două variabile. (STANCU, 2011: 47)
Aramis Invest este o companie producătoare de mobilă din Baia Mare, România.
În anul 2014 a fost cel mai mare furnizor de pe piața locală al firmei suedeze IKEA.
Aceasta a fost înființată în 1995 și este controlată de omul de afaceri Vladimir Iacob
(60%), care îl are ca partener pe Marius Selescu (40%). (www.aramisinvest.ro)
În iulie 2011, compania se afla pe locul 72 în topul celor mai mari exportatori locali, iar în
anul 2014, a intrat în retailul de mobilă prin deschiderea unui magazin în mallul Gold Plaza
din Baia Mare. Brandul pe care producătorul îl folosește în retail este Aramis Feeling, iar
pe lângă magazinele propriu-zise compania a intrat și în vânzările online.
Aramis Invest este unul dintre cele mai mari nume Europene în domeniul mobilierului
tapițat și producției de saltele, reușind să producă în fiecare an mai mult de 4 milioane de
saltele și mobilier tapițat, totul la nivel global. (www.aramisinvest.ro)
Aceasta a realizat integrarea pe flux a întregului ciclu de producție, începând de la
prelucrările primare ale lemnului și ale materialelor textile pentru huse, asamblarea de
semifabricate pentru obținerea produselor finite, depozitarea lor și livrarea la clienți.
Facilitățile de producție echipate cu utilaje de ultimă generație, alături de know-how-ul
tehnic și propriul laborator de cercetare, permit firmei atât producerea unei game variate de
spume cât și dezvoltarea unor produse inovative. (www.aramisinvest.ro)
Experiența de peste 20 de ani și serviciile de design in-house le dau posibilitatea să se
adapteze și să dezvolte în permanență produse conform tendințelor actuale.
Grupul Aramis reunește un lanț integrat de companii din Baia Mare, ce activează în
domeniul producției de mobilier tapițat. (www.aramisinvest.ro)
Aramis Group coordonează întregul proces de producție pentru o gamă largă de canapele și
saltele, de la design-ul și procesarea materiei prime până la controlul calității, depozitarea
și expediția pe cinci continente. Acesta are peste 4.500 de colegi care colaborează în
fiecare zi într-un mediu profesional ce îmbrățișează direcțiile secolului XXI în materie de
implementări eco-friendly pe parte de cercetare, dezvoltare și producție.
(www.aramisinvest.ro)
Departamentul de Mediu din cadrul companiei aplică proceduri stabilite pentru o fluiditate
și transparență a acțiunilor pe această latură prin planul anual de instruire și comunicate
periodice. Fabricile de producție, dețin instrumente de monitorizare continuă a gradului de
sustenabilitate a întregului proces de cercetare, dezvoltare și producție. Acestea utilizează
echipamente care eficientizează consumul de materii prime și cantitatea deșeurilor
generate. (www.aramisinvest.ro)

Aramis Group încurajează folosirea responsabilă a resurselor naturale, ghidându-se după

standarde internaționale în materie de sustenabilitate, de reciclare și ecologice. Ei folosesc
lemn FSC, materiale pe bază de celuloză realizată de furnizori certificați FSC și materiale
lemnoase multistrat realizate din lemn de cultură controlată din Europa.
(www.aramisinvest.ro)
Compania desfășoară acțiuni pentru asigurarea unui ritm pe care îl dezvoltă și
îmbunătățesc în permanență. Spumele poliuretanice sunt create pe bază de polioli naturali
– uleiuri naturale din plante. Tehnologia de ultimă generație, prin automatizare continuă,
este special proiectată pentru decuplarea producției în cazul depășirii unui anumit grad al
emisiilor. Totodată, eficientizarea fluxului producției din cadrul companiei este un aspect
pe care se pune accent, în special pentru a scădea transportul intern și, implicit, noxele
emanate; motiv pentru care o parte din utilajele de transport, precum stivuitoarele, sunt
electrice. (www.aramisinvest.ro) De asemenea, procesul de reciclare este constituit în
toată compania, iar trasabilitatea deșeurilor este realizată până la reciclatorul final în
funcție de fiecare tip de materie în parte. La baza acestei idei stă planul revizuit anual de
reducere și reciclare a deșeurilor. Pe viitor se dorește trecerea integrală la Energie Verde, la
înlocuirea de la iluminarea clasică, la cea cu leduri și la implementarea etapizată a unui
sistem de eficientizare a consumului de apă. Proiectele externe sunt în strânsă legătură cu
natura și mediul înconjurător. (www.aramisinvest.ro) Activitatea firmei constă în principal
de:- fabricarea spumelor poliuretanice flexibile, a saltelelor şi a pieselor debitate în spumă
poliuretanică flexibilă, pernelor pentru mobilier tapiţat şi de grădină; - fabricarea
mobilierului tapiţat; - depozitare (www.aramisinvest.ro)
Echipa de management Aramis Invest Srl este formată din lideri, strategi, specialiști. Aceș-
tia sunt un grup de profesioniști cu expertize în diverse domenii care împărtășesc aceeași
viziune: să devină unul dintre cei mai importanți producători de mobilier tapițat la nivelul
international.

Administrator
Manager Manager De Dpt. Tehnic
Producție
Adjunct achiziții Investiții Principal
Tapițerie

Director Manager
Manager al Director
Producție General
Calității Financiar
Textilă Logistică

Manager De
Responsabil cu
Fabrică De
întreținerea
Spumă

Figura 1: Echipa de management a companiei

Sursa: prelucrare proprie

Figura 2: Ghidul de afaceri

Sursa: (www.aramisinvest.ro)

Procesul de producție
 Procesarea
Producția spumei
lemnului

Asamblarea Tăierea spumei Huse și perne

ramelor

Tapițerie
Figura 3. Procesul de producție a tapițeriei
Sursa: prelucrare proprie

Producția spumei

Tăierea spumei Croirea huselor Arcuri

Asamblarea saltelei
Figura 4. Procesul de asamblare a saltelei
Sursa: prelucrare proprie

Figura 5. Capacitatea și logistica companiei

Sursa: (www.aramislogistics.ro)

Asociația Familială Aramis (AFA) a fost înfințată în 2012 și contribuie în mod activ la
îmbunătățirea calității vieții angajaților Aramis Group și a familiilor acestora. Având în
vedere nevoile lor specifice, au fost create oportunități care le facilitează accesul la o serie
de servicii și programe prin care li se oferă susținere: servicii medicale, sprijin în
dezvoltarea profesională și personală, consultanță financiară, mediu de lucru stabil și sigur.
Activitatea AFA se concentrează și asupra unor proiecte pentru dezvoltarea comunității
regionale, precum susținerea de programe educaționale, competiții locale sau promovarea
de activități culturale. (www.aramisinvest.ro)Responsabilitatea pentru siguranța angajaților
presupune implicarea și munca de zi cu zi a fiecăruia, care este principalul avantaj
competitiv al companiei. Astfel, iși impun obiectivul de a-și depăși limitele. Umerii
asociației susțin responsabilitatea asigurării unui mediu de lucru sigur și stabil pentru a
permite fiecărui angajat să se dezvolte. Asociația crede în respectarea angajamentelor față
de comunitate și în mediul înconjurător. (www.aramisinvest.ro)

Figura 6. Obiectivele principale ale Asociației

Sursa: (www.aramisgroup.ro)

În concluzie, analizarea detaliată a modelelor de regresie liniară este necesară deoarece

obiectivul principal al unei firme reprezintă interpretarea corectă a rezultatelor la finalul
exercitiului financiar. Scopurile econometriei sunt formularea modelelor economice într-o
formă empirică testabilă și estimarea și testarea modelelor pe baza datelor testate. Analiza
de regresie este una dintre cele mai folosite metode în econometrie. În primul rând, analiza
de regresie și corelația liniară sunt proceduri statistice asemănătoare, dar care au obiective
diferite. 
În timp ce corelația liniară este utilizată cu scopul de a măsura intensitatea și sensul
relației dintre două variabile, analiza de regresie are drept obiectiv predicția scorurilor
unei variabile în funcție de valorile alteia. În al doilea rând, un model econometric constă
în o mulțime de ecuații de comportament deduse din modelul economic, precum și într-o
precizare privind existența unor perturbații care includ atât erorile ce apar în procesul de
observare, cât și efectul pe care îl au unele variabile ce sunt nerelevante pentru scopul
modelului respectiv. În cadrul lucrării am abordat trei modele și anume prezentarea
instrumentului de analiză de date, modelul de regresie liniară profit în funcție de cifra de
afaceri care analizează legătura statistică dintre cele două variabile economice, precum și
un model de regresie liniară profit în funcție de numărul de angajați.