EDITURA UNIVERSITARĂ

MODELAREA
ECONOMICO-FINANCIARÃ

Gândirea econometricã aplicatã în domeniul financiar

2
 GHEORGHE SÃVOIU

MODELAREA
ECONOMICO-FINANCIARÃ
Gândirea econometricã aplicatã în domeniul financiar

EDITURA UNIVERSITARÃ
Bucureºti, 2013

3
Referenþi ºtiinþifici: Prof. univ. dr. Ion Iorga Simãn
Prof. univ. dr. Alexandru Isaic-Maniu
Colecþia Geografie

Colecþia ªTIINÞE ECONOMICE

Redactor: Gheorghe Iovan

Tehnoredactor: Ameluþa Viºan
Coperta: Angelica Mãlãescu

Editurã recunoscutã de Consiliul Naþional al Cercetãrii ªtiinþifice (C.N.C.S.)

Descrierea CIP a Bibliotecii Naþionale a României

SÃVOIU, GHEORGHE
Modelarea economico-financiarã : gândirea econometricã
aplicatã în domeniul financiar / Gheorghe Sãvoiu. - Bucureºti :
Editura Universitarã, 2013
Bibliogr.
ISBN 978-606-591-637-1

330.43

DOI: (Digital Object Identifier): 10.5682/9786065916371

© Toate drepturile asupra acestei lucrãri sunt rezervate, nicio parte din aceastã lucrare nu poate
fi copiatã fãrã acordul Editurii Universitare

Copyright © 2013
Editura Universitarã
Director: Vasile Muscalu
B-dul. N. Bãlcescu nr. 27-33, Sector 1, Bucureºti
Tel.: 021 – 315.32.47 / 319.67.27
www.editurauniversitara.ro
e-mail: redactia@editurauniversitara.ro

Distribuþie: tel.: 021-315.32.47 /319.67.27 / 0744 EDITOR / 07217 CARTE

comenzi@editurauniversitara.ro
O.P. 15, C.P. 35, Bucureºti
www.editurauniversitara.ro

4
 CUPRINS

Cuvânt înainte ....................................................................................... 7

CAPITOLUL I
Modelarea economico-financiarã: demers iniþial ºi cursivitate........ 9
I.1. Un demers iniþial: de la economie, la econometrie, prin modelare
economicã ........................................................................................ 10
I.2. Un demers cursiv: de la economia financiarã, la econometria
financiarã prin modelare economico-financiarã .............................. 14
I.3. Scurt istoric al apariþiei ºi dezvoltãrii modelãrii economico-financiare,
econometriei ºi econometriei financiare ca ºtiinþe .......................... 19
I.4. Obiect de studiu, obiective ºi pachete de programe în modelarea
economico-financiarã, econometrie ºi econometrie financiarã ....... 24
I.5. Econometrie ºi econometrie financiarã versus alte ºtiinþe concurente
în modelarea fenomenelor economico-financiare ........................... 29
I.6. Test de autoevaluare ºi bibliografie opþionalã ................................. 32

CAPITOLUL II
Modelul economic ºi economico-financiar în paralel cu modelarea
econometricã ºi econometricã financiarã ........................................... 33
II.1. Modelul ºi modelarea econometricã ºi econometricã financiarã .... 34
II.2. Tipologia modelelor econometrice ºi econometrice financiare ...... 46
II.3. Evoluþia ºi perisabilitatea modelului econometric. Un exemplu
clasic: elasticitatea cererii ºi multiplicarea modelelor sale ............. 49
II.4. Test de autoevaluare ºi bibliografie opþionalã ................................ 54

CAPITOLUL III
Noþiuni economico - financiare ºi statistico-matematice utile în
econometrie ºi econometrie financiarã ............................................... 56
III.1. Noþiuni economice ºi financiare utile în construcþia modelului
econometric ºi econometrico - financiar ........................................ 57
III.2. Concepte instrumentale statistico-matematice valorificate în
modelul econometric ºi econometrico-financiar ............................ 80
III.3. Limbajul statistic ºi matematic al corelaþiei ºi regresiei ºi matricile
de corelaþie ca soluþii prompte de selectare a factorilor modelului .. 89
III.4. Test de autoevaluare, aplicaþii ºi bibliografie opþionalã................. 95

5
CAPITOLUL IV
Testarea statisticã a ipotezelor ºi decizia în modelarea econometricã
clasicã ºi în econometria financiarã .................................................... 99
IV.1. Ipoteze ºi teste statistice – noþiuni generale.................................... 100
IV.2. Teste ºi decizii specifice privind validarea ipotezelor ................... 108
IV.3. Test de autoevaluare, aplicaþii ºi bibliografie opþionalã ................ 119

CAPITOLUL V
Specificare, parametrizare ºi testare în modelul regresiei unifactoriale140
V.1. Aspecte generale privind modelul regresiei unifactoriale .............. 141
V.2. Specificarea în modelul regresiei unifactoriale .............................. 143
V.3. Estimãri ale parametrilor, ipoteze ºi teste în regresia clasicã
unifactorialã ................................................................................... 146
V.4. Test de autoevaluare, aplicaþii ºi bibliografie opþionalã................. 155

CAPITOLUL VI
Modelul econometric al regresiei multifactoriale ºi douã modele
dinamice ºi spaþiale cu conþinut econometric financiar .................... 166
VI.1. De la modelul regresiei unifactoriale prin iteraþie cãtre cel
multifactorial ................................................................................. 167
VI.2. Aspecte specifice în modelul multifactorial.................................. 169
VI.3. Modele econometrice dinamice ºi spaþiale ................................... 174
VI.4. Test de autoevaluare, aplicaþii ºi bibliografie opþionalã ............... 185

CAPITOLUL VII
Specificitatea modelãrii economico financiare ºi a modelelor
econometriei financiare ........................................................................ 192
VII.1.Specificul seriilor de date economico-financiare sub aspectul
statisticii descriptive ºi al asigurãrii comparabilitãþii statistice ..... 193
VII.2.Modelarea veniturilor ºi cheltuielilor bugetului de stat – un
model original situat la graniþa cu modelul econofizic ................. 203
VII.3.Modelarea investiþiilor strãine directe în Romania ºi selecþia de
modele finale competitive ............................................................. 214
VII.4.Descrierea modelelor econometriei financiare de tip ARCH ºi
GARCH......................................................................................... 227
VII.5.Trei schiþe ale cerinþelor unor proiecte econometrice financiare ºi
bibliografie opþionalã .................................................................... 232

Bibliografie selectivã............................................................................. 243

Anexe...................................................................................................... 244

6
 Cuvânt înainte

În tentativa sa de a explica exhaustiv fluctuaţiile fenomenelor, econometria

clasică a constituit un demers iniţial multidisciplinar, respectiv o primă „unificare
a unor puncte de vedere care se referă la teoria economică, statistică şi
matematică, privind natura relaţiilor cantitative din economie” (Ragnar Frisch).
În speranţa explicării şi prognozării mai riguroase a fenomenului economico –
financiar, econometria financiară a realizat un demers cursiv transdisciplinar şi
multidisciplinar în acelaşi timp, alocând „incertitudinii rolul central în obiectul ei
de studiu, atât în teoria financiară, cât şi în punerea în aplicare a acesteia”
(Campbell, Lo şi MacKinlay).
Principalul obiectiv al acestei cărţi îl reprezintă cunoaşterea teoretică şi
valorificarea practică a metodelor econometrice utile în modelarea variabilelor din
domeniul financiar, respectiv în testarea unor ipoteze clasice formulate de teoria
economiei financiare sau financiară în general, reunind concret tehnici statistice de
analiză şi previziune, precum şi metode specifice econometriei seriilor de timp.
Dezvoltată ascendent, de la simplu la complex, cartea reuşeşte în final să dezbată
modele de tip ARCH şi GARCH, pornind de la modelarea econometrică de tip
clasic şi tehnicile clasice de previziune, subliniind importanţa modelelor liniare
univariate de tip autoregresiv - medie mobilă.
Cartea este structurată pe un număr de şapte capitole majore, o originală
săptămână a modelării, ce sintetizează împreună principalele momente ale
demersului iniţial şi cursiv modelator, metodele şi instrumentele practice obişnuite
în modelarea economico – financiară. Primul capitol este dedicat iniţial unui
demers de la economie la econometrie, prin modelare economică, urmat de un
demers cursiv de la economia financiară la econometria financiară, prin intermediul
modelării economico – financiare, detaliind istoric apariţia şi dezvoltarea
modelării, definind obiectul de studiu, obiectivele şi descriind câteva din pachetele
de programe mai des folosite în econometrie şi econometria financiară sau în
modelarea economico – financiară în general, remarcând totodată şi prezenţa unei
concurenţe tot mai accentuate a econofizicii, sociofizicii şi economiei cuantice, în
universul modelărilor proceselor şi fenomenelor din economia clasică şi din
economia financiară.
Cel de al doilea capitol reprezintă o introspecţie în universul complex al
modelelor şi modelării econometrice şi econometrice financiare, evoluţia şi
perisabilitatea modelului econometric fiind exemplificate prin intermediul
elasticităţii cererii, în timp ce o retrospectivă teoretică şi instrumentală domină cel
de al treilea capitol, al cărui titlu referitor la noţiuni economico - financiare şi
concepte instrumentale statistico-matematice utile în econometrie şi econometrie
financiară confirmă intenţia, iar conţinutul tematica dezbătută.
Un set de trei capitole reconfigurează şi sintetizează tratările anterioare ale
autorului în paginile aceleiaşi edituri1, în domeniul statistic şi econometric, o

1
Săvoiu, G. Econometrie, Editura Universitară, Bucureşti, 2011.
7
prezentare a testării statistice a ipotezelor şi a deciziei în modelarea econometrică
clasică şi în econometria financiară, alături de specificarea, parametrizarea şi
testarea în modelul regresiei unifactoriale şi multifactoriale, iar două modele
dinamice şi spaţiale cu conţinut relativ econometric financiar constituie
concretizarea acestei abordări clasice econometrice.
Modelarea economico - financiară a fenomenelor şi proceselor specifice unei
economii contemporane de piaţă este aprofundată practic în capitolul şapte iar
câteva modele practice realizate şi publicate de către autor asigură acest proces în
completitudinea sa. Sunt dezvoltate aici tehnici de modelare care se dovedesc utile
în analize şi modelări bugetare sau investiţii internaţionale, în gestiunea riscului,
fundamentate pe regresia clasică sau pe conceptul de cointegrare.
Obiectivul major al redactării acestui text a fost acela de a explica modul de
gândire multidisciplinar al econometriei, cu accent pe acela al econometriei
aplicate în economia financiară aşa cum rezultă din titlul secundar al cărţii,
respectiv „gândirea econometrică aplicată în domeniul financiar” ca o sinteză a
echilibrului necesar între model şi realitatea economico-financiară, descrisă prin
modelarea caracteristică. Multidisciplinaritatea econometriei financiare sau a
modelării economico – financiare fiind mai accentuată, dilată practic şi importanţa
variabilei reziduale specifice. Pe parcursul redactării, aşa cum se poate constata atât
din cuprins cât şi din conţinutul detaliat, au învins ideea educaţională axată pe
formarea unei gândiri ştiinţifice modelatoare aplicate în economie şi mai ales în
economia financiară, dar şi dorinţa de a expune sau a face mai uşor înţeleasă
originalitatea şi simplitatea modelării economico – financiare, unde, deşi se impun
validări permanente, pot apare competiţii de tip: homoscedasticitate versus
heteroscedasticitate, independenţă versus multicoliniaritate, absenţa autocorelării
versus prezenţa acesteia, aşa cum se poate constata şi din schiţa unui model final.
Mulţumesc ca de obicei tuturor cititorilor, dar mai ales acelora care vor semnala
erorile sau neclarităţile din textul acestei cărţi, ce se află cu certitudine şi oricând
sub impactul unei îmbunătăţiri calitative, semnalările fiind aşteptate cu mult interes
pe adresa: gheorghe.savoiu@upit.ro. Iar la finalul acestui cuvânt înainte ,să nu
uităm că orice model practic invalidat sau nereuşit este cauzat de lipsa unei
inspiraţii modelatoare. Aşa cum spunea Constantin Brâncuşi că „a modelat materia
căutând linia continuă” şi negăsind-o, pur şi simplu s-a oprit, parcă cineva „nevăzut
l-ar fi lovit peste mâini”, tot astfel se impune o pauză simplă pentru a permite
renaşterea gândirii originale modelatoare şi a inspiraţiei salvatoare. Este o mare
nenorocire, parafrazându-l pe La Bruyere să nu avem destulă înţelepciune pentru a
… modela realitatea şi nici destulă judecată pentru a … ne mai opri din când în
când, deoarece chiar şi lucrurile cele mai complicate cu putinţă nu au nevoie pentru
a fi înţelese decât de a fi înfăţişate şi percepute cu simplitate …

1 martie 2013, Piteşti Autorul

8
 CAPITOLUL I

Modelarea economico-financiară: demers iniţial şi cursivitate

Cuprins Pagina
1. Un demers iniţial: de la economie la econometrie, prin modelare 10
economică
2. Un demers cursiv: de la economia financiară la econometria financiară,
prin modelare economico - financiară 14
3. Scurt istoric al apariţiei şi dezvoltării modelării economico-financiare ,
econometriei şi econometriei financiare ca ştiinţe 19
4.Obiect de studiu, obiective şi pachete de programe în modelarea
economico-financiară, econometrie şi econometrie financiară 24
5. Econometrie şi econometrie financiară versus alte ştiinţe concurente în
modelarea fenomenelor economico – financiare 29
6. Test de autoevaluare şi bibliografie opţională 32
Obiective: Principalele obiective ale modelării economico-financiare reunesc
măsurarea statistico-matematică, analiza descriptivă a variabilelor, testarea statistică,
validarea sau invalidarea modelelor unor procese şi fenomene economice, fiind astfel
definită ca ştiinţă printr-o agregare originală a gândirii altor trei discipline: economia
cu accent pe economie financiară, statistică şi matematică. Debutul tematic al acestei
cărţi caută răspunsuri la câteva întrebări legate de scurtul istoric al apariţiei,
semnificării şi definirii acestei modalităţi de modelare, realizând un demers iniţial de la
economie către econometrie şi prin cursivitate de la economie financiară la
econometrie financiară, detaliind şi principalele pachete de programe ca instrumente
utile în practica parametrizării modelului, urmată de previziune sau simulare.
Cuvinte cheie:modelare economică (economico-financiară), econometrie (financiară),
istoria econometriei (financiare), pachete de programe pentru modelare economico-
financiară, Eviews, MatLab, SPSS, SAS, econofizică, sociofizică, economie cuantică.

Bibliografie selectivă
Andrei, T., Bourbonnais, R., Econometrie, Ed. Economică, Bucureşti, 2008.
Andrei, T,, Stancu, S., Iacob, A.I., Tuşa, E., Introducere în econometrie utilizând Eviews,
Ed. Economică, Bucureşti, 2008.
Dodz, R., SAS - Statistica asistată de calculator, Editura Tipotrib, Sibiu, 2004.
Grama, A., Jaba, E., Analiza statistica cu SPSS sub Windows,Ed.Polirom,Bucureşti, 2004.
Jula D., Introducere în econometrie, Editura Professional Consulting, Bucureşti, 2003.
Meşter, I.T., Econometrie, Editura Universităţii din Oradea, 2007.
Pecican, E., Econometrie ... pentru economişti, Ed. Economică, Bucureşti, 2004.
Pecican, E., Piaţa valutară, bănci & econometrie, Ed. Economică, Bucureşti,2000.
Săvoiu, G. (coord.) Econometrie, Editura Universitară, Bucureşti, 2009.
Săvoiu, G., Econometrie, Editura Universitară, Bucureşti, 2011.
Spircu, L., Econometrie, Editura: Pro Universitaria, Bucureşti, 2008.
Trebici, V., Mica enciclopedie de statistică, Ed. ştiinţifică şi enciclopedică, Bucureşti,1985
Voineagu, V., Ţiţan., E., Şerban, R., Ghiţă, S., Todose, D., Boboc, C., Pele, D.,Teoria şi
practica econometrică, Ed. Economică, Bucureşti, 2007.
Webografie
*** http://www.econometricsociety.org *** http://www.spss.com
***http://www.eviews.com *** http://gretl.sourceforge.net/
9
 I.1. Un demers iniţial: de la economie la econometrie,
prin modelare economică

Evoluţiile tot mai dinamice din economie pe parcursul ultimului secol au

generat şi generează continuu noi legităţi, validate printr-un lung proces de
modelare specific, pornind de la culegerea şi prelucrarea unor baze de date
tot mai complexe, reunind informaţii statistice, testând ipoteze originale şi
parametrizând cu ajutorul unor relaţii matematice legături relativ repetitive,
validate multicriterial şi recunoscute ulterior sub denumirea modernă de
modele economico-financiare.
Modelarea economică, în general, constă dintr-un set de ecuaţii
matematice care descriu o teorie economică. Scopul aceluia care realizează
o modelare economică este de a include suficiente ecuaţii matematice care
să permită identificarea şi parametrizarea unor legături utile cu privire la
modul în care subiectele economice se comportă în plan microeconomic,
sau economiile regionale şi naţionale funcţionează şi evoluează ciclic în
plan macroeconomic mondial. Modelarea economică prin structura
ecuaţiilor constituie o reflectare statistico - matematică a unei realităţi
economice mult simplificate, ca în exemplul tipic al modelului cerere
ofertă,care încearcă să explice schimbările prețului de echilibru. O modelare
economică optimă trebuie să parametrizeze asocieri sau corelaţii precise,
stabile şi verificabile legate de fenomenele economice pe care încearcă
astfel să le înţeleagă şi sa le explice.
Perspectiva unei previziuni prompte sau a prognozei în marja de eroare
acceptabilă, alături de simularea relevantă prin maximizare (profit, venituri
etc.) şi / sau minimizare (cheltuieli, pierderi etc.) dar şi de scenarizarea
selectivă, actualizând permanent şi decelând criterial şi prin testare cât mai
riguros soluţiile cu impact practic, definesc generic o modelare reuşită şi de
durată în economie. În esenţă, modelele economice rezultate din procesul de
modelare, indiferent cât de complicate sau de simplificate par ar fi, vor
rămâne doar nişte aproximări ale realităţii subiective ale fenomenelor
economice, destinate să explice temporar realitatea economică dinamică şi
permanent afectată de eroarea reziduală (inexplicabilă în raport cu
momentul modelării).
Deţinând tradiţii seculare comparabile cu economia ca ştiinţă modernă,
modelarea economică a generat econometria, iar pe un palier specific,
economia financiară a accentuat importanţa econometriei financiare şi a
impus ulterior noi abordări de tipul celor din sociofizică, econofizică,
economie cuantică, teoria sistemelor, ecologia umană, pentru a da doar
câteva exemple dintre noile ştiinţe care au oferit soluţii trans şi
multidisciplinare asimilând modele comportamentale din sociologie, din
10
fizica statistică şi statistica de tip cuantic, din gândirea holistă prin abordarea
sistemică sau incluzive în raport cu mediul şi implicit omul integrat
mediului în ecologia umană.
Ultima sută de ani a marcat încheierea demersului iniţial transdisciplinar,
aparent lent în debutul său, dar tot mai accelerat după primele două sau trei
decenii, un demers necesar de amplificare prin rigurozitate ştiinţifică a
economiei clasice în econometrie, prin modelare economică, într-un areal
interstiţial pragmatic şi argumentat al economiei cu statistica şi matematica.
Termenul de econometrie are doi părinţi adoptivi, respectiv pe Pawel
Ciompa (1867-1913), economist şi profesor polonez care, în anul 1910, l-a
utilizat pentru prima oară cu un sens mult prea general, de contabilitate
(book keeping) şi pe Ragnar Frisch (1895-1973), statistician şi economist
norvegian devenit poate primul mare econometrician, unul dintre fondatorii
Societăţii de Econometrie, în anul 1930, care a scris mai multe studii
importante pe această temă şi care l-a folosit încă de la prima sa citare, cu
semnificaţia modernă de modelare statistico - matematică a fenomenelor
economice. Econometria din punct de vedere etimologic este rezultatul
traducerii a două cuvinte din greaca veche cu sensul simplu de „măsurare
economică sau cuantificare în economie” (oikonomie = economie şi metron
= măsurare). Coexistă însă, alături de această primă conceptualizare şi alte
semnificaţii, de la cele înscrise deja într-o mulţime de dicţionare
specializate, până la cele desprinse din istoria acestei ştiinţe şi a
personalităţilor ce au conturat-o, în peste cele opt decenii de existenţă
continuă şi atât de prolifică prin rezultate.
Definiţiile econometriei ce pot fi extrase din dicţionarele contemporane,
sunt multiple şi au un grad de acoperire poate cel mai extins posibil al
modelării economice cu implicarea statisticii şi matematicii ca principale
ştiinţe modelatoare. Multe dintre dicţionarele enciclopedice uzuale definesc
econometria ca aplicare a tehnicilor matematice şi statistice în economie,
pentru a studia probleme, a analiza date, precum şi pentru a dezvolta şi testa
modele şi teorii. Un dicţionar bancar detaliază conceptual econometria,
drept reuniune de metode şi tehnici de modelare, care explică o realitate
economică financiar-bancară, în termenii unor relaţii statistico-matematice,
între variabilele fundamentale ale acestei realităţi, de la cheltuieli de capital,
la salarii sau venituri, de la rate ale dobânzilor bancare, la evoluţia numerică
a populaţiei, de la politici fiscale, la politici monetare etc. Un dicţionar
geografic descrie econometria mai pragmatic, drept ştiinţa care realizează o
analiză economică, în care se prelucrează date cu ajutorul metodelor şi
tehnicilor statistice, pentru a valida spaţial şi temporal anumite modele
teoretice, iar scopul esenţial al econometriei pentru orice geograf, este acela
de a face previziuni şi de a determina politica micro şi macroeconomică în
plan teritorial.
11
 Alte dicţionare consacrate prin calitatea definiţiilor l,descriu econometria
ca fiind „statistica şi analiza matematică a relaţiilor economice”, capabile
împreună să creeze ecuaţii pentru a descrie fenomene şi procese economice,
să estimeze funcţii economice şi să formuleze modele economice diverse
(Encyclopedia Britannica) sau „tehnici de analiză economică, prin care
teoria economică se exprimă în termenii unor relaţii matematice, validate
mai apoi prin teste statistice”, materializate la final prin încercări de a
elabora previziuni economice corecte şi a face posibil succesul politicilor de
planificare (Columbia Encyclopedia).
Semnificaţia uzuală a econometriei a rămas aceea atribuită de către
economistul norvegian Ragnar Frisch, respectiv aceea de „unificare a unor
puncte de vedere care se referă la teoria economică, statistică şi
matematică, privind natura relaţiilor cantitative din economie“ (Frisch, R.,
1933, Editor's Note. Econometrica 1, pag.1 - 4). Econometria, definită în
acest mod, înglobează un ansamblu de metode statistico - matematice,
utilizate în identificarea legităţilor economice.
Accepţiunile econometriei contemporane sunt tot mai diverse şi mai
integrative, relevând excesiv şi alternativ când sensul inductiv, când cel
ostensiv sau enciclopedic, când semnificaţia operaţională, când pe aceea
extensională.
Econometria în sens inductiv (restrictiv) reprezintă o investigare a
fenomenelor economice realizată cu ajutorul modelelor aleatoare sau
stocastice (definiţia anilor ’40 şi ’50 ai secolului trecut, cunoscută şi ca
definiţia Cowles, de la Cowles Commission for Research in Economy din
Chicago). Se includeau astfel în domeniul econometriei numai cercetările
economice care utilizau metodele inducţiei statistice, respectiv ale testării
estimaţiei, ale verificării ipotezelor statistice, ale verificării relaţiilor
cantitative privind procese şi fenomene economice cercetate. Cercetarea
econometrică clasică în sens inductiv şi restrictiv impunea atât existenţa
prealabilă a unei teorii economice privind procesul şi fenomenul cercetat,
care să stea la baza modelării şi să permită formularea ipotezelor, cât şi
posibilitatea aplicării metodelor statistice moderne (verificarea ipotezelor
teoriei economice şi formularea şi interpretarea modelului econometric).
Din păcate erau excluse multe fenomene şi procese economice, lipsite pur şi
simplu de o teorie economică.
Econometria în sens operaţional, care face pasul de la o definiţie
analitică (care enumera utilizările acceptate), la una stipulativă (care
generează noi utilizări), reuneşte în domeniul ei de studiu caracteristic atât
cercetările econometrice în sens inductiv şi restrictiv, cât şi metodele
cercetării operaţionale (teoriile optimului, stocurilor, grafurilor, deciziilor,
jocurilor etc.) inclusiv tehnicile moderne de analiză a datelor sau a tabelelor
de mari dimensiuni. Noua abordare conceptuală a extins nelimitat frontierele
econometriei.
12
 Econometria în sens ostensiv sau enciclopedic (prin impunerea unui
nume, prin actul indicării sau prezentării obiectului la care numele se aplică,
concomitent cu precizarea clară a obiectului desemnat) se identifică cu
Societatea Econometrica (Econometric Society), întemeiată la 29.XII.1930,
la Cleveland, şi cu revista ce poartă acelaşi nume.
Econometria în sens extensional (pentru studenţi, cercetători sau
specialişti) a devenit ştiinţa care se ocupă cu expunerea sistematică de
metode, tehnici şi instrumente de investigare cantitativă a fenomenelor
economice, beneficiară a unor legităţi proprii, rezultate din analiza
modelelor sale aleatoare, probabilistice şi dinamice.
În prezent se regăsesc multe alte semnificaţii valabile şi alte opţiuni de
definire unghiulară (restrânsă) a econometriei unde accentul se mută de la
un subdomeniu ştiinţific pe altul, din ceea ce constituie obiectul larg al
econometriei ca mod de gândire ştiinţific, instrumental, reunificator şi
investigaţional:
a) econometria este înţelegerea relaţiilor dintre variabilele economice,
acordând roluri importante selectării factorilor şi modelului (Onicescu, O.,
Botez, M.);
b) econometria reprezintă măsurarea relaţiilor economice, definind ca
obiective majore verificarea teoriilor economice, evaluarea şi implementarea
politicilor macroeconomice şi microeconomice (Chow, G.C, Pesaran, M.H,
Wootdridge, J.M.);
c) econometria constă în unificarea obiectului de studiu şi obiectivelor
teoriei economiei, statisticii şi matematicii, privind natura relaţiilor
cantitative din economie (Frisch, R, Malinvaud, E., Samuelson, P. A,
Koopmans, T.C, Stone, N. etc);
d) econometria reuneşte formularea şi investigarea ipotezelor utile
decidenţilor (Walters, A.);
e) econometria deţine obiectul de studiu şi obiectivele unei economii de
intenţie ştiinţifică (Perroux, F.) etc.
Demersul iniţial transdisciplinar de amplificare a rigurozităţii ştiinţifice
prin transfer informaţional continuu, a economiei clasice în econometrie a
deschis prin modelare economică perspective nebănuite, în contextul unor
realităţi economice tot mai pragmatice. Modelarea economică a reuşit în
timp să asigure anticiparea sau evaluarea apriorică a comportamentelor,
acţiunilor şi implicit fenomenelor micro şi macroeconomice cu un trend
pronunţat de diminuare a nivelului erorilor din modelele rezultate, a permis
optimizarea treptată şi selectarea unor politici economice axate pe efecte
decizionale favorabile şi limitând implicaţii negative sau nedorite, asigurând
la final un proces permanent de dezvoltare a economiei clasice prin procese
statistico-matematice de validare / invalidare a teoriei şi legităţilor specifice.

13
 I.2. Un demers cursiv: de la economia financiară la econometria
financiară, prin modelare economico - financiară

Economia financiară constituie o ramură a economiei, asociată ideii de

alocare şi utilizare a resurselor economice (cu precădere monetare), atât
spaţial cât şi de-a lungul timpului, într-un mediu dominat de incertitudine şi
risc, caracterizată de studiul intens al activităţilor monetare de tipul
analizelor macroinvestiţionale. Dacă economia, în general, dar nu şi
exclusiv, se ocupă de schimburi (tranzacţii bilaterale), în care unul dintre
elementele tranzacţionate rămân „banii” cu sensul de etalon monetar, ce
cuantifică valoric transferul de proprietate asupra unui produs, economia
financiară se concentrează asupra schimburilor ca tranzacţii în care banii
apar în ambele sensuri ale transferului (şi astfel se pot schimba şi bani
pentru alţi bani), ceea ce implică temporal şi spaţial un grad ridicat de
incertitudine şi riscuri (contracte care implică opţiuni temporale şi spaţiale,
informațiile care pot reduce sau elimina, eventual, incertitudinea asociată cu
rezultatele viitoare sau cu spaţii alternative etc.).
În general, se poate afirma că economia financiară se deosebeşte de
economia clasică sau tradiţională prin patru elemente majore:
a) concentrarea asupra activităţilor monetare,
b) incertitudinea şi riscul ca stări de fapt absolut normale şi reale,
c) opţiuni sau alternative,
d) informarea şi generare de baze de date şi sisteme informaţionale cu
rol decisiv.
Astfel, principalele întrebări şi variabile în cadrul economiei financiare
sunt legate de timp, incertitudine (inclusiv riscuri), opţiuni (alternative) şi
informaţii formulate în termeni monetari şi valorificate prin indicatori
statistici. Timpul operează în economia financiară prin bani care se
tranzacționează în prezent pentru alţi bani în viitor, cu incertitudinea
(inclusiv riscurile) cu care sume de bani urmează să fie transferate într-un
viitor incert sau într-un spaţiu alternativ riscant, cu opţiunile sau
alternativele prin care o singură parte din cele două care tranzacţionează,
poate lua o decizie la o dată ulterioară, care poate afecta transferurile
ulterioare de bani şi, mai ales, prin informaţiile care asigură o mai bună
cunoaştere a viitorului şi pot reduce, sau chiar elimina incertitudinea
asociată cu o anumită valoare monetară viitoare.
Economia financiară, ca o subdisciplină distinctă în cadrul economiei
generale, studiază relaţiile dintre variabilele financiare de tipul preţuri,
rate ale dobânzilor, valori şi dividende ale acţiunilor etc. criteriile care
asigură variabilitatea fiind tridimensionale (spaţiu, timp şi informaţie). În
contrast cu o altă ramură economică denumită generic finanţe, economia
14
financiară se concentrează asupra economiei aflate sub influenţa variabilelor
economice reale cuantificate exclusiv financiar, studiind evaluarea corectă a
unui activ de capital, a ratei de actualizare corespunzătoare, a fluxurilor de
numerar relevante, compararea cu active de capital similare, absolute sau
relative, dependenţa de alte active de capital şi alte evenimente etc.,
delimitând pieţe financiare şi instrumente ale pieţelor monetare, descriind
instituţii financiare şi de reglementare. Economia financiară modernă este
caracterizată de un proces continuu de concentrare a activităţilor monetare,
în care banii de un tip sau altul deţin probabilităţi reale şi nenule să apară în
activitatea comercială internă sau externă, sub presiunea cunoaşterii mai
profunde şi anticipării unui subiect de interes economic general, respectiv
crizele financiare din ultimii ani.
Principalele teorii care dau originalitate şi unicitate economiei financiare
se referă la teoria preţurilor de arbitraj (APT2 - Arbitrage Pricing Theory),
o teorie generală a prețurilor activelor (axată pe ipoteza conform căreia
rentabilitatea preconizată a unui activ financiar poate fi modelată ca o
funcţie liniară a diferiţilor factori macro-economici sau indici de piaţă), la
teoria portofoliului (CAPM3 - Capital Asset Pricing Model), care relevă
cum anume investitorii ar trebui să echilibreze riscul prin investiţii în active
sau titluri de valoare multiple, completate de teoria condiţiilor în care
deciziile de finanţare corporative sunt irelevante pentru valoare (axată pe
teorema lui Modigliani-Miller) şi fundamentate de raţionalitatea
decidentului (celebrul Homo Economicus şi, nu mai puţin celebra, teorie a
pieţei eficiente4), ambele fiind relativ contestate de recenta recesiune
mondială de la finele primului deceniu al secolului XXI.
O conceptualizare restrânsă juridică şi fiscală descrie economia
financiară ca ramură a disciplinei economice, consacrată analizei deciziilor
de alocare a resurselor monetare în procesele de producţie de bunuri sau
servicii, cu scopul maximizării sumelor băneşti care vor rezulta din vânzarea
acestora (http://www.money.ro/dictionar/dictionar-juridic/economie_financi
ara.html) În contextul economiei de piaţă contemporane acest tip de definire
este perimat în raport cu cele mai importante evoluţii teoretice, empirice şi
experimentale ale economiei financiare, incluzând domeniile pieţelor de
capital, corporaţiile financiare, instituţiile financiare, microstructura pieţei
financiare, precum şi finanţe comportamentale şi experimentale.
2
Teoria generală a preţurilor activelor aparţine lui Stephen Ross şi a apărut în anul 1976.
3
Teoria portofoliului a fost descoperită independent de către Jack Treynor (1961 şi 1962),
William Sharpe (1964), John Lintner (1965) şi Jan Mossin (1966), iar William Sharpe,
Harry Markowitz şi Merton Miller au primit în 1990, premiul Nobel în economie pentru
teoria CAPM o contribuţie de pionierat la fundamentarea teoriei economiei financiare.
4
Teoria pieţei eficiente îşi are rădăcinile în lucrarea lui Louis Bachelier, intitulată teoria
speculaţiei (The Theory of Speculation), dar este dezvoltată de către Eugene Fama în anii
1960 drept ipoteza pieţei eficiente (The efficient-market hypothesis).
15
 O definiţie extinsă a economiei financiare o descrie drept analiza
activităţilor economice publice unde deciziile colective joacă un rol major,
iar în componenţa acesteia se reunesc teoria bunurilor publice, analiza
economică a proceselor politice (economia politică), economia constitutivă,
teoria firmelor publice, dar şi economia mediului înconjurător cu politica
fiscală în general. Sub această generalizare economia financiară a devenit
practic cea de-a treia disciplină, considerată clasică a economiei generale,
alături de teoria economică (microeconomia și macroeconomia) şi de
politica economică. Această nouă abordare relevă două alte personalităţi ale
economiei financiare esenţiale în procesul de unificare a celor două
Germanii (de est şi vest), cum sunt Norbert Andel şi Bernd Raffelhüschen,
unul specializat pe aspectul financiar şi fiscal al proceselor macro-
economice, altul interesat mai ales de politici financiare sociale şi de analize
de economie financiară de tip intergeneraţional.
Economia financiară se defineşte transdisciplinar şi ea drept intersecţie
creativă din punct de vedere teoretic dar şi pragmatic, ca ştiinţă
independentă fiind diferită totuşi atât de economie, cât şi finanţe. Disciplina
de finanţe prin analiza investiţională, prin finanţele corporative şi finanţele
manageriale conţine încă o importantă componentă de analiză economică în
interiorul ei, dar economia financiară extinde această analiză şi acoperă mai
larg optimizarea, evaluarea unui nivel de risc sau minimizarea riscului dat
pentru un anumit nivel de rentabilitate, costul capitalului devenind şi el un
cost de oportunitate. Diferenţa dintre economia financiară şi finanţe este în
mod evident mai mare decât semnificaţia unui simplu termen suplimentar de
„economie”, optimul, echilibrul, rentabilitatea, oportunitatea fiind întregite
cu ajutorul deficitului, dezechilibrului, activului actualizat şi reactualizat,
costului comparat etc.
Dacă economia se axează pe optimizare, pieţe şi echilibre în general,
economia financiară aprofundează monetar investigaţia şi lărgeşte astfel
orizontul cunoaşterii prin analiza deficitului, prin costul de oportunitate,
completând viziunea economiei cu cercetarea atentă a economiei spaţial
urban, rural, cu studierea financiară a impactului asigurării sănătăţii, a
protecţiei mediului etc. Se poate afirma că diferenţa aparentă dată de
cuvântul „financiară” este totuşi o diferenţă de nivel de abordare, fluxurile
monetare fiind aici profund analizate şi teoretizate.
Ori de câte ori metodele, tehnicile şi instrumentele statistico-matematice
sunt aplicate pentru a analiza procesele şi fenomenele economice, termenul
consacrat pentru o astfel de abordare ştiinţifică nu poate fi altul decât acela
de econometrie, tot astfel cum ori de câte ori economia financiară se
reuneşte interogativ cu statistica şi matematica rezultă econometria
financiară. Dar şi întâlnirea econometriei cu economia financiară sau chiar
numai cu finanţele conduce la aproape acelaşi rezultat denumit astăzi
16
econometrie financiară. Ce semnificaţie contemporană are această inedită
alăturare interdisciplinară şi transdisciplinară econometrie financiară?
Crearea unui domeniu nou trans şi interdisciplinar este întotdeauna un prilej
de analiză şi discuţie şi definiţiile formale sau semnificarea reunită
terminologică sunt departe şi puţin probabile de a fi uşor de înţeles.
Într-o definiţie restrânsă se poate afirma că econometria financiară studiază
probleme cantitative care decurg din domeniul finanţelor, mai ales, din cel
al economiei financiare. Econometria financiară utilizează tehnici statistice
și teoria financiară sau a economiei financiare, pentru a aborda o gamă
extinsă de probleme din această realitate specifică exclusiv monetară (de la
modele de construcţie pur financiară, de estimare şi simulare ori deducţie cu
ajutorul unor modele econometrice financiare, de apreciere şi prognozare a
volatilităţii, de gestionare a riscurilor, de testare a teoriei economiei
financiare, a legităţilor recent formulate ale economiei financiare, de
stabilire a preţurilor unor active de capital, de stabilire a prețurilor unor
derivate, de optimizare a unui portofoliu de alocare, de simulare a unor
sisteme de acoperire împotriva riscurilor financiare, de strategii financiare şi
fiscale etc.)
Jianqing Fan defineşte sintetic econometria financiară ca fiind “un areal
activ în care se integrează continuu finanţele, economia, statistica, teoria
probabilităţilor şi matematica aplicată”5. Argumentul major este legat de
faptul că activităţile economico – financiare generează multe probleme noi,
aparent insolvabile cu modelele econometrice clasice, iar economia
financiară prin oferta de teorii utile, alături de statistică şi matematică
aplicată care dispun de metode cantitative eficiente pentru a rezolva
probleme cantitative în realitatea financiară contemporană, îşi pot reuni
eforturile dând naştere unor modele stocastice destul de sofisticate pentru a
surprinde caracteristicile de bază care stau la baza variabilelor economiei
finaciar. Statistica parametrizează aceste noi modele stocastice, pentru ca
matematica aplicată prin pachete de programe specializate să poată simula
sisteme complexe financiare și economice pentru a testa teoriile originale
contemporane cu ajutorul datelor empirice financiare.
O abordare ştiinţifică de tip complex rezultată din demersul cursiv de la
economia financiară la noua econometrie financiară, prin modelare
economico - financiară impune o prezentare foarte extinsă a modelării
economico - financiare, urmată de o detaliere a principalelor variabile, a
instrumentelor cu impact modelator şi a metodelor statistice de testare /
validare, alături de descrierea principalelor concepte economico - financiare

5
Fan, J. (2004). An introduction to financial econometrics, Department of Operation
Research and Financial Engineering, Princeton, NJ: Princeton University, November, pag.1

17
ce vor fi modelate în scopuri de predictibilitate, a eficienţei şi a portofoliului
CAPM (Capital Asset Pricing Model), a volatilităţii unor active în timp, a
stabilirii prețurilor multifactoriale şi teoriei preţurilor de arbitraj (Arbitrage
Pricing Theory), a echilibrului intertemporal, a unor simulări pentru
instrumente financiare, a specificului statistic descriptiv al seriilor financiare
a caracteristicilor seriilor de timp în econometria financiară, a unor
previziuni şi gestionări ale unor riscuri de piaţă, precum şi a metodelor
neparametrice în econometria financiară etc.
De remarcat ca raporturile econometriei financiare cu alte ştiinţe
similare sunt de dependenţă şi interdependenţă. Economia financiară
implică de multe ori crearea de modele sofisticate pentru a testa variabilele
care afectează o anumită decizie. În general modelele econometrice clasice
presupuneau ca persoanele fizice sau agenţii economici ori instituţiile care
luau decizii să acţioneze raţional. Un model econometric nu se putea elabora
în demersul iniţial de la economie la econometrie prin modelare economică,
daca nu se constituia o teorie economică a segmentului de realitate cercetat.
Similitudinea formală a primelor modele econometrice cu segmentul de
realitate economică investigat, depindea de gradul de abstractizare a teoriei,
de definirea operaţională matematic a categoriilor economice şi a
variabilelor statistice, dar , mai ales, de scopurile urmărite de teoria
economică. Comportamentul iraţional se impune a fi luat tot mai des în
calcul în economia financiară ca un factor de risc potenţial dezvoltând atât
tehnicile, cât şi modelele de parametrizare a interdependenţelor modelate
din universul economiei financiare. Noile modele ale econometriei
financiare tind atât să invalideze teorii economice financiare vechi, cît şi să
genereze teorii economice financiare noi dacă acestea sunt validate în timp,
în spaţiu şi în raport cu informaţiile disponibile de - scopuri euristice sau de
dirijare privind obiectul studiat.
Indiferent de demersul iniţial sau cursiv, modelul economic şi
respectiv modelul economico-financiar au reprezentat o veriga intermediară
între teorie şi realitate, dar au răspuns şi unor scopuri imediate de
previziune, estimare şi simulare. Cursivitatea de la econometrie la
econometrie financiară se materializează mai ales prin modelarea
economico-financiară, care asigură legătura econometriei cu economia
financiară, ceea ce conduce la modelele ARCH şi GARCH. De asemenea,
trebuie remarcat faptul ca, la elaborarea modelelor econometrice, se
recomanda, cu o tot mai mare insistenta, introducerea relaţiilor financiar-
bancare, ca fiind deosebit de semnificative pentru descrierea mecanismelor
economice.
În concluzie, fie că se analizează demersul iniţial de la economie la
econometrie, prin modelare economică, fie că este vorba de cel cursiv de la
economie financiară la econometrie financiară, prin modelare economică
18
financiară transpare ideea ca metoda comună econometriei şi econometriei
financiare este aceea a modelării sau a modelelor (exclusiv economice sau
economico – financiare).

I.3. Scurt istoric al apariţiei şi dezvoltăriieconomico-financiare,

econometriei şi econometriei financiare ca ştiinţe

Principalele etape ale apariţiei şi dezvoltării econometriei sunt următoarele:

A) protoeconometria sau etapa clasică a precursorilor econometriei
(începând cu secolul XVII şi sfârşind cu consumarea primelor trei decenii
ale secolului XIX);
B) etapa apariţiei şi consolidării econometriei în plan ştiinţific (după
fondarea la 29. XII.1930, în Cleveland, a Societăţii Econometrica -
Econometric Society - până la consacrarea acestei noi ştiinţe, prin obţinerea
premiului Nobel, în 1969);
C) etapa dezvoltării econometriei moderne prin competiţie continuă cu alte
ştiinţe modelatoare ale realităţii economice, dar şi prin multiplicări ale
disciplinelor rezultate din desprinderea unor noi ştiinţe de graniţă din
corpul econometriei: econometria financiară, econometria datelor de panel,
econometria bayesiană, macroeconometria şi microeconometria etc. (după
anul 1970, până în prezent).

Aparent tânără, ştiinţa econometrică beneficiază de o istorie lungă şi

prolifică, în timp ce mai noua econometrie financiară deţine după 1984 doar
câteva modele reper şi un număr redus de apariţii editoriale semnificative. O
istorie concisă a apariţiei şi dezvoltării econometriei ca ştiinţă modernă şi o
investigaţie temporală recentă a econometriei financiare sunt expuse în
continuare respectând etapizarea prealabilă.
A. Protoeconometria sau etapa clasică a precursorilor econometriei
descrie conturarea disciplinelor în intersecţia graniţelor cărora se va
dezvolta econometria. Reprezentanţii noilor ştiinţe, statistica şi economia,
modern redefinite în secolul al XVIII-lea îşi doreau să identifice regularităţi
şi repetabilităţi în fenomene şi procese economice, formulând legi similare,
ca importanţă, cu cele din fizica clasică sau newtoniană. Prima valorificare a
unei analize economice cantitative este atribuită lui Gregory King (1648-
1712), care a reuşit să folosească o funcţie liniară pentru estimarea preţurilor
recoltelor de porumb. François Quesnay (1694-1774), economist francez,
reprezentant al şcolii fiziocrate, prin lucrarea Tableau économique, din
1758, a oferit primul tablou ce descria sintetic funcţionalitatea economiilor
naţionale, fiind unul din fondatorii macroeconomiei contemporane. Adam
Smith (1723-1790), părintele economiei moderne, om politic şi filozof
19
scoţian, autor, în 1776, al celebrei lucrări The Wealth of Nations, a permis
dezvoltarea treptată a teoriei evoluţiei economice, finalizată prin
diversificarea teoriei ciclicităţii economice de la ciclul lung (Kondratiev şi
Kuznets), la cel mediu (variantele Juglar, Jevons sau astral de tip Moore),
precum şi la ciclurile scurte (de tip Kitchin sau Hanau). Wesley Mitchell va
fi unul dintre primii contestatari ai modelului parametric sau econometric al
ciclicităţii activităţilor economice, considerând fiecare ciclu de afaceri în
parte, drept un fenomen unic care ar putea fi cunoscut exclusiv în mod
descriptiv (1928).
Statistica matematică clasică, prin descrierea funcţiei de repartiţie
normală (F. K. Gauss şi P. S. Laplace) şi a repartiţiei evenimentelor rare
(S.D.Poisson), statistica aplicată, prin legităţi privind cheltuieli, venituri,
preţuri conform bugete de familie (E. Engel), economia clasică, prin legea
cererii şi ofertei (formulată matematic de A. Cournot), micro şi
macroeconomia raportului cerere - ofertă într-o exprimare ecuaţională (J. S.
Mill) sunt dovezi ale expansiunii gândirii statistico-matematice modelatoare
în înţelegerea fenomenelor economice. Coordonatele universitare ale
modelării statistico – matematice ale economiei au fost legate de Oxford,
Cambridge şi Londra, iar cele publicistice de Biometrica şi Annals of
Eugenics, iar corolarul instituţional marcat de multiplicarea instrumentală a
noilor modelări ale membrilor lui Royal Statistical Society (K. Pearson, F.
Galton, R. A. Fisher, A. L. Bowley, F. Y. Edgeworth, W. S. Gosset
cunoscut sub pseudonimul „Student“, C. E. Spearman, G. U. Yule, M.
Kendall etc.) De aici se va desprinde şi primul autor al unui model statistico-
matematic profund elaborat, ca în cazul lui Yule (1895,1896), prin exemplul
modelului său privind relaţia dintre sărăcie şi relief, dar se pot enumera
ulterior şi alte influenţe prin modelele Hooker (1901), cu referire la relaţia
dintre rata de căsătorie şi nivelul general de prosperitate, definit prin
indicatori economici ca importuri, exporturi şi preţuri la porumb, prin
contribuţia modelatoare a statisticianului italian Benini (1907), care a
utilizat metoda regresiei în economie, prin modelul Henry Moore (1914,
1917), ca relaţie de estimare statistico-economică a relaţiilor economice etc.
B.Etapa apariţiei şi consolidării econometriei în plan ştiinţific
accentuează aspectele şi relaţiile economice cantitative, econometria
impunând treptat, pe parcursul a patru decenii o „unificare” a teoriei şi
măsurării în economie. Cercetătorii care au inventat conceptul de
econometrie au avut în vedere dezvoltarea studiilor şi analizelor, estimaţiilor
şi prognozelor economice în strânsă legătură cu statistica şi matematica. Ei
au fost în acelaşi timp şi întemeietorii Societăţii Econometrice (Econometric
Society): Irving Fischer-preşedinte (Yale University), Ladislaus von
Bortkiewicz (University of Berlin), Ragnar Frisch (Oslo University) Charles
F. Roos (Princeton şi Cornell University), Harold Hotelling (Stanford
20
University), Arthur L. Bowley (London School of Economics), Carl Snyder
(Federal Reserve Bank of New York), L. Schumpeter, Norbert Wiener şi
alţii. Tot aceştia au avut în vedere extinderea consecventă a aplicării
statisticii şi matematicii în dezvoltarea cercetărilor dincolo de domeniul
economic, în cel demografic, apoi mai larg, în cel social, în cel electoral şi
cel al politicilor. Debutul ştiinţific al noii discipline este în întregime legat
de misterioasa Societate Econometrică (Econometric Society). În anul 1927,
Ragnar Frisch în calitate de profesor de economie la Universitatea din Oslo,
a plecat într-o excursie la Fundaţia Rockefeller în Statele Unite, unde se
reuneau economiştii de orientare matematică. El a făcut o impresie deosebit
de puternică lui Irving Fisher şi un an mai târziu, în 1928, după întâlnirea lui
cu Charles F.Roos, profesor al facultăţii de matematică a Universităţii
Princeton au hotărât împreună să formeze noua societate pentru care numele
Econometric Society îndeplinea toate cerinţele. Prima lor mişcare a fost să
se adreseze părintelui economiei americane, să-i ceară ajutorul celebrului
Irving Fisher şi, în aprilie 1928, cei trei bărbaţi se întâlnesc la New Haven,
în casa acestuia din urmă. La propunerea făcută de cei doi tineri cercetători,
Irving Fisher nu a fost prea optimist, dar a promis să coopereze dacă Roos şi
Frisch vor găsi alte 100 de persoane ce beneficiau de o recunoaştere a
meritelor lor în întreaga lume academică şi a cercetării ştiinţifice, care să se
arate interesate să se asocieze la o astfel de societate. Ei au întocmit o listă,
dar nu au putut identifica mai mult de 80 de nume. Totuşi s-au hotărât să
continue acţiunea, primul pas fiind intrarea in corespondenţă cu cei 80.
Scrisorile s-au bucurat de o primire favorabilă şi au rezultat încă alte
aproximativ 80 de propuneri de nume noi. Cantitatea fusese şi aici
precursoare a calităţii. Astfel, la 29 decembrie 1930, în Cleveland, a fost
întemeiată Societatea Econometrică (Econometric Society). În cadrul
procesului de apariţie a acestei societăţi s-au conturat şi dezideratele noii
discipline, denumită econometrie, fapt ce a contribuit la cristalizarea ei ca
ştiinţă independentă, pe baza experienţei dobândite şi în temeiul noilor
cercetări organizate. Un rol deosebit în dezvoltarea şi popularizarea
econometriei l-a avut revista acestei societăţi, intitulată Econometrica,
apărută în patru numere anuale neîntrerupt, din 1933 până în 1970, şi care s-
a extins la şase numere după 1970, depăşind până în prezent 300 de apariţii,
cu un moto sugestiv adresat autorilor articolelor sale. Econometric Society
şi publicaţia acesteia au fost şi au rămas o societate şi o publicaţie
internaţională care propun dezvoltarea teoriei economice în strânsă legătură
cu statistica şi matematica. http://www.econometricsociety.org/tocs.asp.
Semnificaţia istorică a econometriei, rămâne aceea formulată în primul
editorial al revistei Econometrica: „Experienţa a arătat că fiecare din
următoarele puncte de vedere, al statisticii, al teoriei economice şi al
matematicii, este o condiţie necesară, dar nu şi suficientă, pentru o
21
înţelegere efectivă a realităţilor cantitative din economia modernă;
unificarea lor este aceea care asigură eficienţa. Econometria este tocmai
această unificare” (Ragnar Frisch, 1933, Editor's Note. Econometrica 1,
pag.1-4). Ragnar Frisch este iniţiatorul unui proces amplu de delimitare a
econometriei, în raport cu alte ştiinţe, Jan Tinbergen va genera o nouă
concepţie privind cercetarea ştiinţifică macroeconomică, atribuind un rol
bivalent modelării, modelul econometric devenind un instrument de
construcţie a unei noi realităţi, în sens de simulare şi analiză a impactului
unei decizii în economie, dar realizând şi testarea teoriilor propuse cu privire
la fluctuaţiile ciclice în activitatea economică sau în evoluţia concretă a
ciclului afacerilor (1937, 1939). Contribuţiile lui Koopmans (1937) privind
analiza de regresie statistico-matematică, soluţiile de inferenţiere a
parametrilor fundamentate statistico-matematic de către Hart şi von
Neumann (1942), definirea conceptului de structură a unui fenomen
economic analizat în termenii distribuţiilor de probabilitate a observaţiilor,
atribuit lui Haavelmo (1944), celebrul test econometric de tip diagnostic
prin identificarea limitelor reziduale ale autocorelaţiei, testul lui Durbin
Watson analiza economică a seriilor de timp sincrone şi cu decalaj,
dezvoltate ulterior prin studiile econometrice investiţionale ale lui Koyck
(1954), Cagan (1956) Friedman (1957), Nerlove (1958), Solow (1960),
Almon (1965), Jorgenson (1966), Eisner şi Strotz (1963), Sargan (1964), au
reprezentat reperele definitorii ale acestei perioade de maturizare a
econometriei. Ragnar Frisch şi Jan Tinbergen au fost primii econometrişti
laureaţi ai Premiului Nobel pentru economie, în anul 1969, pentru
descoperirea şi utilizarea modelelor dinamice în analiza proceselor
economice.
C. Etapa dezvoltării econometriei moderne prin competiţie continuă cu
alte ştiinţe modelatoare ale realităţii economice a multiplicat spaţial şi
temporal recunoaşterea oficială a acestei ştiinţe prin creşterea numărului de
laureaţi ai premiului Nobel, dar şi disciplinele rezultate din desprinderea
unor noi ştiinţe de graniţă din corpul econometriei: econometria financiară,
econometria datelor de panel, econometria bayesiană, macroeconometria şi
microeconometria.
O preocupare aparte a devenit prognoza econometrică pe termen scurt
axată pe analize şi teste specifice, Box şi Jenkins (1970) reprezentând
începutul unei optici complet noi în domeniul testărilor şi modelărilor,
urmată de lucrările lui Cooper şi Nelson (1972), Zellner Palm, (1974),
Trivedi (1975), Prothero şi Wallis (1976, 1977) şi multe altele. Alte
contribuţii remarcabile sunt cele ale modelărilor econometrice realizate de
către Granger şi Newbold (1974) şi Phillips (1986). Noii laureaţi ai
premiului Nobel în economie provin într-o proporţie tot mai mare din rândul

22
econometricienilor consacraţi. Lawrence Klein, profesor de economie la
University of Pennsylvania, a primit premiul în anul 1980, pentru modelarea
pe computer. Trygve Haavelmo a primit premiul în 1989. Contribuţia sa
principală în econometrie a fost considerată un articol remarcabil din anul
1944, intitulat The Probability Approach to Econometrics (publicat în
revista Econometrica), care subliniază importanţa abordării prin gândire şi
teorie probabilistică a fenomenelor economice. Daniel McFadden şi James
Heckman au primit premiul în comun în anul 2000, pentru lucrările lor în
microeconometrie. McFadden a înfiinţat laboratorul de econometrie la
Universitatea California în Berkeley. Profesorii şi cercetătorii Robert Engle
şi Clive Granger au primit premiul în 2003, pentru lucrările lor referitoare la
analiza seriilor de date din pieţe bursiere şi referitoare la evoluţia cursurilor
de schimb, permiţând evaluarea riscurilor bursiere şi la stabilirea unui
echilibru între cursul de schimb al monedelor şi nivelul preţurilor. Robert
Engle a iniţiat şi fundamentat în 1984 metoda ARCH (autoregressive
conditional heteroskedasticity) iar Clive Granger a promovat şi a dezvoltat
cointegrarea (co-integration) sau metoda GARCH. Conceptul co-integration
a fost introdus în econometrie de către Clive Granger, în 1986 şi dezvoltat
formal, ulterior de aceiaşi Engle şi Granger un an mai târziu, în 1987.
Lucrările lui Elliott, Timmermann şi Granger (2006) furnizează excelente
recenzii ale evoluţiilor tehnicilor de prognoză economică axate pe
modelarea econometrică, devenind lucrări modelatoare fundamentale pentru
econometria financiară, alături de studiile empirice din lucrările
Econometria pieţelor financiare a lui Campbell, Lo şi MacKinlay şi
Econometrie financiară: probleme, modele şi metode, cărţi apărute în 1997
şi 2001, la Universitatea din Princeton. La fel de importante prin
pragmatismul lor s-au dovedit şi lucrările de econometrie financiară Analiza
seriilor de date temporale financiare (2002), în care autorul Tsay trece
accentul pe metodologia seriilor cronologice şi pe tehnicile de analiză a
datelor financiare, Statistică şi finanţe: o introducere (2004) şi Econometrie
introductivă pentru finanţe (2008), cărţi în care autorii Ruppert şi, respectiv
Brooks, oferă noii discipline ştiinţifice denumită econometrie financiară, o
riguroasă structură academică.
În ultimul deceniu, econometria clasică (aşa cum se poate observa şi din
evoluţia recentă a econometriei financiare) s-a structurat şi multiplicat
tipologic în tot mai multe discipline de graniţă derivate, în paralel cu apariţia
unui proces de diversificare a domeniilor de aplicabilitate ale econometriei
moderne, fiind înregistrat şi unul de concentrare şi multiplicare a modelelor
pe tematici distincte.

23
I.4. Obiect de studiu, obiective şi pachete de programe în econometrie şi
econometrie financiară

O anchetă realizată de UNESCO, la sfârşitul secolului XX, reuşea să

identifice aproape 1000 de discipline ştiinţifice distinct conturate. Procesul
de multiplicare al ştiinţelor este definit de o graniţa aparte? Ce este o ştiinţă?
Ce condiţii minime se impun a fi îndeplinite de o anumită formă de
cunoaştere pentru a deveni ştiinţă? Ancheta a identificat următoarele
condiţionări: teorie, obiect de studiu şi model propriu, iar în secundar sau
derivate din cele trei elemente esenţiale, legităţi obţinute prin aplicarea unor
metode şi instrumente proprii. Multe din noile discipline contemporane ce
formează cultură economică modernă sunt discipline de graniţă ale
economiei (econo-discipline). Aproape toate disciplinele ce au dobândit
apetit pentru obiectivul măsurării fenomenelor lor specifice sau a obiectului
lor de studiu au devenit treptat “metrii”. Tot astfel, dominată de metodele
de testare şi de decizie statistică, dar şi de modele matematice de analiza a
variabilelor şi de înţelegere cantitativă a regularităţilor, economia în
căutarea sa factorială, principială şi în tentativa de a descoperi noi legi de
manifestare şi de a prognoza eficient şi prompt procese şi fenomene
economice, devine econometrie.
Obiectul de studiu al econometriei era constituit iniţial din fenomene
economice, iar ulterior acesta s-a extins pe două direcţii: a) prin abordarea
altor fenomene dincolo de economic, dar cu impact în economie şi prognoza
fenomenelor economice şi b) prin validarea sau invalidarea unor
componente sau legităţi ale teoriei economice. Teoria ştiinţifică devine un
agregat de legităţi, rezultate şi concepte reformulate continuu, în timp.
Econometria a extins prin modelarea sa specifică obiectul său iniţial de
activitate şi asupra teoriei economice, în sine, validând sau invalidând multe
din legităţile economice clasice. Econometria modernă oferă măsurări
statistico-matematice necesare economiei, dar pune şi sub semnul întrebării
această teorie, prin măsurare, prin procedeele evoluate ale testării şi deciziei
statistice, devenite treptat componente ale modelării econometrice ca atare.
Obiectul de studiu contemporan al econometriei se identifică în multe
aspecte cu acela al statisticii matematice aplicate în economie, respectiv
reuneşte acele fenomene şi procese statistico-economice, dar şi statistico-
sociale sau chiar politice, cu sens de procese electorale sau decizionale
(niciodată exclusiv economice, multiplicarea şi aplicabilitatea econometriei
în social, politic devenind una considerabilă prin impact), în marea lor
majoritate fenomene global omogene şi intern structurate, care se produc
sub forma unui număr mare de manifestări individuale, cazuri, elemente
aparent întâmplătoare, dar care, la nivel de ansamblu, prezintă o esenţă
24
comună, o regularitate sau o legitate de manifestare. Acelaşi obiect de studiu
poate fi comparat cu cel al mai noilor discipline de tip data mining
(investigarea ansamblului datelor, rezultat al unificării statisticii cu
inteligenţa artificială şi sistemele de baze de date), regăsind suprapuneri
până la identitate în modelare, de la explorări de date, elaborări de modele,
la validări şi aplicări de modele valide, şi implicând o concurenţă serioasă
între econometrie şi data mining.
Obiectivul principal al lui Econometric Society şi al revistei
Econometrica a fost încă de la început acela de a promova studii care să
delimiteze chiar obiectul de studiu al acestei ştiinţe şi care să vizeze
realizarea de măsurări empirice (cantitative) necesare în teoria economică
şi verificarea teoriei economice cu ajutorul testelor, finalizate prin decizii de
validare sau invalidare a unor componente teoretice importante. Realizarea
de măsurări empirice (cantitative) necesare în teoria economică şi
verificarea teoriei economice în esenţa sa au extins sistematic obiectul de
studiu al econometriei, de la domeniile sale clasice, cum au fost domeniile
analizei cererii, elasticităţii cerere-preţ sau ofertă-preţ, analizei marginaliste,
ciclului economic, analizei şi prognozării crizelor, macroeconomiei, al
ciclului afacerilor, precum şi măsurarea rezultatelor conform SCN,
politicilor de intervenţie a statului în economie, microeconomiei, funcţiilor
de producţie, până în zonele specifice numai econometriei, bazelor de date
(informaţiilor), metodologiei modelării, testărilor, abordărilor temporale,
respectiv către domeniile informaţiei, energiei informaţionale şi informaţiei
entropice, metodologice pure (verificarea autocorelaţiei perturbaţiei
rezultate în urma aplicării regresiei, evaluarea efectului întârziat sau a
decalajelor în cunoaşterea evoluţiei în timp şi aplicarea ei modelatoare,
dezvoltarea teoriei estimării, elaborarea de modele cu ecuaţii simultane,
construirea modelelor macroeconomice bazate pe teoria keynesiană,
perfecţionarea metodelor de analiză şi prognoză bazate pe analiza spectrală,
modelele statistice de prognoză, unificarea econometriei axate pe regresie cu
analiza seriilor cronologice etc.) Econometria modernă redefineşte mult mai
general obiectivele sale prin identificarea variabilelor, testarea ipotezelor
statistice şi previziunea sau prognoza fenomenelor economice. În cadrul
obiectului de studiu al econometriei se conturează tot mai mult, dincolo de
identificarea variabilelor endogene şi exogene ale modelului şi de statistica
descriptivă a acestora, o precizie specială a construcţiei şi validării
modelului în sine, de la estimarea parametrilor modelelor prin intervale de
încredere, testarea statistică a diferitelor ipoteze modelatoare sau
explicative, validate sau invalidate, alături de rigoarea matematică, drept
procedura metodică şi complexă de înţelegere şi fundamentare a micro şi
macroeconomiei, a analizei economico-financiare, a teoriei deciziei, a
previziunii sau prognozei economice, a eficienţei economice, a optimului, a
gradului de acoperire prin modelare a acoperirii fenomenului economic etc.
25
 Limitându-ne la conceptualizările şcolii româneşti, unde matematica
studiază relaţiile calitative şi cantitative, precum şi structurile care se pot
imagina între obiectele lumii reale, în cadrul modelelor sale specifice, după
cum afirma Caius Iacob, iar statistica se conturează prin cercetarea variaţiei
datelor şi informaţiilor, conform semnificaţiei atribuite de către Nicolae
Georgescu – Roegen seriei statistice, ca exprimare a unei variabile în raport
cu variaţia alteia, dar se şi redefineşte drept concept reprezentativ al
informaţiei, şi adeverind cuvintele lui Octav Onicescu, econometria nu
poate decât reuni obiectele de studiu ale economiei cu cele ale matematicii
şi statisticii, prin modelare multidimensională, asemeni unei adevărate
orchestre în care fiecare instrument, test, metodă îşi interpretează distinct
partitura şi toate împreună reuşesc să creeze modelul real pentru desluşirea
unor sensuri ascunse în date şi informaţii, necesare cunoaşterii şi previziunii
prompte şi eficiente. Delimitarea obiectului econometriei generează o
variată paletă de subdiscipline: econometria financiară, econometria datelor
de panel, econometria datelor calitative, econometria teritorială, macro şi
microeconometria etc.
În raport cu celelalte discipline desprinse din arborele robust al
econometriei, econometria financiară se delimitează de acestea, prin faptul
că deşi toate aceste discipline utilizează econometria şi modelarea
econometrică, numai ea acordă incertitudinii rolul central în obiectul ei de
studiu, atât în teoria financiară, cât şi în punerea în aplicare a acesteia de
manieră empirică sau evoluat modelatoare. Observaţia aceasta aparţine în
esenţă autorilor Econometriei pieţelor financiare, respectiv lui Campbell, Lo
şi MacKinlay6 iar „includerea incertitudinii este într-adevăr punctul de
plecare în procesul de autodefinire a econometriei financiare”, ca ştiinţă
independentă cu obiect de studiu distinct, deşi concentrarea excesivă pe
tema incertitudinii a îndepărtat la început econometria financiară de
finanţele comportamentale necesare perceperii rapide a lumii financiare.
Sprijinite în ultimele decenii de puterea formidabilă de calcul a
computerelor, econometria şi econometria financiară au devenit discipline
ce se pot aventura cu mai multă uşurinţă în explorarea informaţiei, utilizând
pachete de programe de lucru specializate şi eficiente. Obiectivul declarat al
pachetelor specializate în modelări economico - financiare este deschiderea
apetitului tuturor decidenţilor pentru domeniul fascinant al ştiinţelor
econometrice şi econometrice financiare. Cunoştinţele cerute pentru înţele-
gerea unui astfel de pachet de programe implică noţiuni de bază din
statistică, matematică şi informatică şi limba engleză. Principalele trei
pachete de programe folosite în econometrie (exceptând Excel) în România,
sunt prezentate mai jos, cu o exemplificare sumară a suportului lor grafic.

6
Campbell, Lo şi MacKinlay au constat că „fără incertitudine, problemele legate de
econometria financiară s-ar reduce la exerciţiile specifice microeconomiei”.
26
 Caseta nr. 1.1
Lista pachetelor de programe utile în econometrie cuprinde mai multe softuri
recunoscute: EViews (http://www.eviews.com/), Gretl, o alternativă open source
pentru EViews (http:/gretl.sourceforge.net/), MatLab (http://www.mathworks.com),
Microsoft Office Excel, în esenţă dedicat statisticii (http://office.microsoft.com/ro),
RATS, SAS, SPSS, Rcmdr, un R open-source alternativă pentru SPSS, SHAZAM,
Stata, TSP, WinBugs, JmulTi, X12-ARIMA etc. Până în prezent există trei pachete de
programe cu utilizare econometrică, care permit un acces liber (gratuit): Gretl, JmulTi,
X12-ARIMA. EViews este un software pentru statistică, pentru sistemul de operare
Microsoft Windows, folosit cu precădere în econometrie. Software-ul este dezvoltat de
firma Quantitative Micro Software (USA).Versiunea 1.0 a fost lansată în 1994, iar cea
curentă este 7.0. lansată în 2009. Ultima soluţie este EViews 7.2. EViews combină
software-ul de tip tabel (spreadsheet), cu grafice şi baze de date relaţionale cu funcţii
tradiţionale din software-ul statistic şi deţine un limbaj de programare integrat. EViews
importă tipuri de fişiere diverse din Excel, SPSS, SAS, Stata, RATS, TSP etc. EViews
este mai des apelat în literatura econometrică românească şi prezent în cursurile
facultăţilor economice. Pentru exemplificare se redă graficul (histograma) evoluţiei
creşterii economice (rata PIB) în România (1990-2010):
Figura nr. 1.1

7
Series: SER01
6 Sample 1990 2012
Observations 23
5
Mean 1.013043
4 Median 2.500000
Maximum 8.500000
Minimum -12.90000
3
Std. Dev. 6.008729
Skewness -0.738672
2
Kurtosis 2.475303
1 Jarque-Bera 2.355442
Probability 0.307980
0
-15 -10 -5 0 5 10

Sursa datelor: http://www.insse.ro/

MatLab (http://www.mathworks.com) reprezintă un produs de generaţia a patra în
domeniul limbajelor de programare,dezvoltat de MathWorks, care permite manipularea
matriceală, realizarea de grafice ale funcţiilor şi seriilor de date, aplicarea algoritmilor,
crearea de interfeţe între utilizatori şi de legături cu programe în alte limbi. Asigură
toate modulele matematicii de la algebră la statistică matematică, analiză şi implicit
modelare econometrică. În 2004, MathWorks MatLab a atins cifra de un milion de
utilizatori. MatLab este un program statistico-matematic utilizat de ingineri şi, mai rar,
de economişti. Un dublu exemplu grafic redă seria de date zilnice, cuprinsă între anii
1928 şi 2008, a indicelui Dow-Jones Industrial Average (DJIA) în SUA, definită prin
funcţiile log [y(t)] în parte de sus şi R=100log[y(t +1)/Y(t)] în cea de jos:

27
 Figura nr.1.2

Sursa: Andronache C., Savoiu G.,Exploratory Domains of Econophysics.News

EDENI&II, Ed. Universitară, Bucureşti, 2009, pag. 136-149
SPSS (Statistical Package for the Social Sciences) domină piaţa cercetărilor sociale şi
în România. SPSS ca produs al unei companii IBM, este unul dintre cele mai puternice
şi utilizate programe de prelucrare a datelor statistice (data mining). El a fost creat în
anii ’60 şi are ca obiect de activitate realizarea de software pentru prelucrarea statistică
a datelor (versiunea 19). Site-ul companiei poate fi accesat la http://www.spss.com sau
http://www.spss.ro. Programul este uşor asimilat şi reprezintă alternativa extinderii
econometriei în social. Iată un exemplu de corelogramă prin SPSS:
Figura nr.1.3
SOMAJ ŞI INFLAŢIE ÎN ROMÂNIA 1990 - 2009

200,00
$
RATA $
INFLAŢIEI $

100,00

$
$
$ $ $
$
$ $ $ $ $
$ $ $
0,00
4,00 6,0 8,00 10,00 12,00
RATA ŞOMAJULUI

Sursa datelor: Colecţia Anuarul statistic al României, 1991–2011,Ed. INS, Bucureşti

28
 I.5. Econometria şi econometria financiară versus alte ştiinţe
concurente în modelarea fenomenelor economico-financiare

La intersecţia provocatoare a economiei sau a sociologiei cu fizica (cu

gândirea statisticii fizice, cuantice) se nasc în ultimele trei decenii ştiinţe
complet noi cum sunt econofizica, sociofizica, economia cuantică etc.,
rivalizând prin originalitatea şi simplitatea lor aparentă, cu alte noi metode
moderne de cercetare ce se conturează la orizont, precum ştiinţa
complexităţii, ştiinţa sistemelor reţelelor neuronale, algoritmilor genetici,
logicii fuzzy şi logicii neutrosofice constituind astfel un prilej de
recunoaştere a exploziei disciplinelor de graniţă. Fizica s-a născut ca ştiinţă
fundamentală într-un mod de gândire demonstrativ şi experimental şi, apoi,
a devenit unul de tip universal. Complexitatea fenomenelor economice a
generat nevoia unor modele de tip universal, de o mai mare complexitate şi
ele, multiplicând interacţiunile dintre fizică şi economie, ultima fiind relativ
lipsită de abordarea strictă a legilor universale, într-un mod la fel de
recunoscut ca prima.

O abordare comparativă a fizicii şi economiei

Tabel nr.1.1
Economia modernă şi specificul ei
- se referă la anumite aspecte ale realităţii,
preocuparea esenţială fiind dată de
resursele limitate;
- încurajează punerea în aplicare a
metodelor cantitative dar formale;
- subiectele agregatelor economice sunt
realizate din material simplu, atomi ai
activităţilor, care pot fi şi entităţi fizice:
gospodării, firme, agenţii financiare sau
non financiare, piaţa muncii, alte pieţe;
- sistemele economice se află în creştere,
zi de zi, în medii naturale şi umane, la fel
ca şi celelalte tipuri de sisteme fizice,
biologice şi sociale.
Fizica actuală şi caracteristicile ei
- contribuie la înţelegerea proceselor şi
deciziilor economice (prin metodologia
analitică, descompunerea sistemului în
piesele sale, scara de măsurare naturală şi
prin punctul său de vedere cantitativ);
- deţine un mod specific de a vedea şi a
face referiri, întotdeauna în termeni de
părţi ale universului care va fi studiat în
cadrul ierarhiei structurale a realităţii, de
la o scară micro la una macro, conexând
măsurări ale biologiei, psihologiei,
chimiei, economiei, ştiinţelor politice,
sociologiei, climatologiei, zoologiei,
geologiei etc.

Gândirea fizică contribuie într-un mod mai mult sau mai puţin neaşteptat
şi la înţelegerea problemelor economice, sociale şi demografice prin
contribuţia sa în stabilirea ecuaţiilor care simplifică şi a metodelor care
descriu fenomene cum ar fi producţia, piaţa, migraţia, traficul sau
transportul, lumea financiară, fiind o gândire reticentă în a lucra în zonele în
care sunt seturi de date fiabile şi pe termen scurt, fiind dominată de dorinţa
de a unifica pe fondul unei tradiţii de a valorifica experimente legate de
29
revoluţii conceptuale. Un cadru interesant de abordare a gândirii fizicii este
acela legat de teoria alegerii raţionale, axată pe instrumente formale şi
constrângeri pentru a caracteriza raţionalitatea şi condiţiile de agregativitate
ale persoanelor fizice, forma de reducţionism care a fost aplicată şi la studiul
comportamentului social, a proiectelor referitoare la relaţia dintre
macroeconomie şi microeconomie, psihologie şi sociologie, demografie
globală şi teritorială, comportamentul subiectelor sau sectoarelor şi
comportamentul consumatorului în economia microfinanciară şi
macrofinanciară etc. Interesul fizicienilor în domeniile sistemelor financiare
şi economice are rădăcini relativ vechi. În teza sa de doctorat intitulată
Teoria speculaţiei, susţinută la Academia din Paris, la 29. III.1900, Louis
Bachelier a determinat probabilitatea de apariţie a unor modificări de preţ şi
probabil acest lucru a constituit începutul a ceea ce se numeşte azi
econofizică. În 1936, Majorana a scris o lucrare de pionierat, publicată în
1942 şi intitulată Il valore delle statistiche leggi nella fisica e nelle scienze
sociali, pe baza unei analogii esenţiale între legile din fizica statistică şi
ştiinţele sociale, şi neîndoios că acesta este primul pas în ştiinţa sociofizicii.
Metodele fizicii cuantice aplicate în ultimele două decenii în economie au
generat o originală economie cuantică, iar alte metode fizice valorificate în
demografie, au avut ca rezultat demografizica. Toate acestea subliniază
rivalitatea tot mai accentuată a noilor ştiinţe modelatoare în raport cu
econometria în domeniul economic şi cu econometria financiară în finanţe.

Câteva elemente definitorii ale noilor ştiinţe rivale ale econometriei şi

econometriei financiare
Caseta nr. 1.2
Rosario Mantegna şi Eugene Stanley au propus prima definiţie a econofizicii ca
domeniu sau ştiinţă multidisciplinară ce reuneşte „activităţile fizicienilor care lucrează
în probleme de economie, pentru a testa o varietate de noi abordări conceptuale
derivând din ştiinţele fizice. O altă definiţie a econofizicii o consideră o cercetare
interdisciplinară din domeniul de aplicare a metodelor fizicii statistice la problemele
din economie şi finanţe. Cercetările econofizicii s-au ocupat de distribuţiile profiturilor
din piaţa financiara, de corelaţia temporală în seriile de date financiare, de analogiile şi
diferenţele dintre dinamica preţului în piaţa financiară şi procesele fizice, de turbulenţa,
distribuţia stocurilor economice şi creşterea ratelor de variaţie, de distribuţia
dimensiunii firmelor şi a ratelor de creştere, de distribuţia dimensiunii urbane, de
distribuţia descoperirilor ştiinţifice, de prezenţa unei corelaţii puternice în schimbarea
de preţ, motivate de reconsiderarea unor opinii sau păreri, de distribuţia venitului şi a
bunăstării, de studiile despre proprietăţile statistice ale ratelor de creştere. Proprietăţile
statistice ale performanţelor economice ale organizaţiilor complexe ca universităţi,
regiuni sau chiar ţări au fost şi ele investigate de econofizică. O nouă caracteristică a
econofizicii pe termen mediu si lung va rezulta din noile cercetări despre migraţia
rural-urban şi despre creşterea oraşelor. Critica reală adusă econofizicii este dată de
lipsa variabilei vârstă, deoarece modelele econofizicii consideră agenţii economici ca şi

30
atomi eterni, în contrast cu evoluţia veniturilor şi a bunăstării ca funcţii explicate de
către vârstă, care sunt studiate in economie pe baza aşa ziselor modele fizice de
acoperire. Sociofizica, iniţial denumită psihofizică, reprezintă un complex de activităţi
de căutare a legilor şi principiilor fundamentale care caracterizează comportamentul
uman şi conduce la conturarea unor fenomene sociale colective. În contrast cu disputa
continuă dintre sociologi şi sociofizicieni, potenţialul acestei noi ştiinţe s-a dovedit a fi
unul de excepţie. Sociofizica, prin aportul fizicii, a facilitat înţelegerea dar, mai ales,
acceptarea unui principiu simplu conform căruia întotdeauna fenomenele sociale vor fi
cele care înving şi nu teoriile ştiinţifice ce încearcă şi uneori chiar reuşesc să le explice.
Utilizând fizica, atât ca metodă dar în special ca mod de gândire, pe scară largă,
modelând fenomenele sociale relevante cum sunt cele ale formării opiniilor culturale,
economice sau politice, dinamica şi diseminarea opiniilor, originea, evoluţia
limbajului, competiţia, conflictul, comportamentul mulţimilor, împrăştierea zvonurilor,
contagiunea socială, reţelele de Internet şi World Wide Web, cooperarea şi cercetarea
ştiinţifică, apariţia şi dezvoltarea reţelelor teroriste etc. Sociofizica încearcă şi reuşeşte
într-o măsură tot mai mare să ofere noi soluţii în explicarea unor fenomene ca
interconexiunea dintre dinamica unor indicatori sociali sau demografici (speranţa de
viaţă, natalitate, fertilitate) şi distribuţia bunăstării, religia, ecosistemul, prietenia,
reţelele sociale şi de trafic etc. Quantum economics sau economia cuantică reprezintă
un model cuantic al unui sistem economic finit care constă dintr-un subsistem
economic (denumit pur şi simplu economie), cu un anumit număr de cumpărători şi
vânzători (agenţi economie) şi din mediul său extern (instituţii), cu interacţiuni între
agenţi ai economiei, şi între agenţi ai economiei şi instituţii. Economia cuantică nu
contrazice celelalte teorii economice mai cunoscute (teoria economică neoclasică,
economia instituţională, economie evolutiva), în general vorbind, economia cuantică
fiind doar un ansamblu de metode ale fizicii cuantice adecvate unor populaţii extrem de
numeroase (un minim de 1023 particule, agenţi, tranzacţii, produse, servicii etc )
constituind un sprijin mai eficient în calculele de tip “ab initio sau non-empirice” ale
funcţiilor cererii şi ofertei şi a dinamicii lor, dar şi a cuantificării în timp util a evoluţiei
tuturor interacţiunilor în sistemele economice. Quantum Economics diferă de economia
capitalistă de tip clasic sau economia de piaţă dialectic ciclică, recunoscând
incertitudinile dezvoltării economice în locul ciclului economic ca factor suprem
economic, dar şi acceptând diverse instrumente şi metode fizice şi economice ca
parametri care conduc la dispersarea unor construcţii motivate politic şi ideologic, care
ar putea aduce recesiuni în loc de politici fiscale şi monetare relativ stabile ca efecte de
creştere. Fizica cuantică a revoluţionat fizica, cum de altfel gânditorii şcolii austriece
au revoluţionat gândirea economică, explicitând noţiunile de incertitudine, costurile de
informare, interacţiunile potenţiale, cunoaşterea şi folosirea cunoştinţelor etc.
Delimitarea obiectului de studiu, obiectivelor, descrierea modelelor
specifice, dezbaterea rolului si potenţialului econometriei şi econometriei
financiare dar şi al ştiinţelor modelatoare rivale ce integrează gândirea
universală a fizicii (econofizică, sociofizică, economie cuantică etc.) în
învăţământul superior şi în cercetarea ştiinţifică românească reprezintă
acum, nu numai o oportunitate, dar şi o necesitate pentru evoluţia normală a
procesului de predare şi a celui de cercetare, în procesele educaţionale
economico - financiare şi tehnice, dar şi sociale în ansamblu.

31
 I.6. Test de autoevaluare şi bibliografie opţională

A. Teste de autoevaluare
A1) Întrebări clasice recapitulative
1. Care sunt semnificaţiile econometriei
clasice date de către Ragnar Frisch şi
respectiv econometrie financiare date de
către Jianqing Fan?
2. Care sunt rolul şi importanţa istorică a
Societăţii Econometrica şi al revistei
acesteia în dezvoltarea econometriei
clasice?
3. Comentaţi diferenţa majoră existentă
între econometria clasică şi econometria
financiară?
4. În ce anume constă distincţia dintre
obiectul de studiu esenţial al econometriei
clasice şi cel al econometriei financiare?
5. Care sunt cele mai utilizate pachete de
programe în econometrie şi econometrie
financiară?
6. Care sunt principalele ştiinţe concurente
ale econometriei şi econometriei financiare
în ştiinţa modernă şi ce tip de gândire şi
modele le avantajează în competiţia lor
modelatoare ?
A2) Întrebări tip grilă
7.Data exactă şi fondatorii mai importanţi
ai lui Econometric Society sunt:
a)12.II.1928; Jan Tinbergen, Joseph
Schumpeter, Harold Hotelling, Henry
Schultz; b) 5.V.1957; Norbert Wiener,
Robert Engle şi Clive Granger; c) 29.I.1930;
Paul Samuelson, Frederick Mills şi Irving
Fisher; d) 29. XII. 1930; Ragnar Frish,
Charles Roos şi Irving Fisher.
8. În ce an apare primul număr al revistei
Econometrica? a) 1926 acelaşi an cu
Biometrica; b)1928; c)1933;d)1939.
9. Care dintre disciplinele de mai jos nu are
ca arbore comun econometria clasică ?
a)micro şi macroeconometrie;b)data mining;
c)econometrie bayesiană; d)econometrie
financiară; e) econometria datelor de panel;
f) econometrie teritorială;
10. Care dintre pachetele de programe utile
în modelare pot fi folosite gratuit?
a) Eviews; b) SPSS; c) MatLab; d) JmulTi,;
e) Stata; f) X12-ARIMA; g) Gretl.

B. Bibliografie opţională
1. Brooks, C., Introductory Econometrics for Finance, Cambridge: Cambridge University
Press. 2008.
2. Cont, R. and Tankov, P., Financial Modelling with Jump Processes, Boca Raton,
Florida: Chapman and Hall. 2004.
3. Fan, J. An introduction to financial econometrics, Department of Operation Research
and Financial Engineering, Princeton, NJ: Princeton University, November. 2004.
4. Greene, H.W., Econometric Analysis, Prentice Hall International, 5th Edition, NY,
2002.
5. Gujarati, D.N., Porter, D.C., Basic econometrics, Boston: McGraw Hill, 5th Ed., 2009.
6. Jondeau, E, Poon, S. and Rockinger, M., Financial Modelling under Non-Gaussian
Distributions, London: Springer Finance. 2007.
7. Lütkepohl, H., New Introduction to Multiple Time Series Analysis, New York:
Springer. 2010.
8. Maddala, G.S., Introduction to Econometrics, Wiley, 3rd ed., 2001.
9. Ruppert, D., Statistics and Finance: An Introduction. Springer-verlag, New York.
2004.
10. Săvoiu, G., Econophysics: Background and Applications in Economics, Finance, and
Sociophysics, Publisher Academic Press Inc. Elsevier, 2012.
11. Wang, P., Financial Econometrics, London: Routledge. 2007.
12. Wooldridge, J. M., Introductory Econometrics. A Modern Approach, 3rd Edition,
2006.
32
 CAPITOLUL II

Modelul economic şi economico - financiar în paralel cu

modelarea econometrică şi econometrică financiară
Cuprins Pagina
1. Modelul şi modelarea econometrică şi econometrică financiară 34
2. Tipologia modelelor econometrice şi econometrice financiare 46
3. Evoluţia şi perisabilitatea modelului econometric. Un exemplu clasic:
elasticitatea cererii şi multiplicarea modelelor sale 49
4. Test de autoevaluare şi bibliografie opţională 54
Obiective: Orice modelare deţine minimal două obiective: unul teoretic de simplificare
a realităţii şi unul pragmatic de realizare concretă a modelului. Definirea şi etapizarea
corectă a modelului econometric şi econometric financiar sunt precedate de o
delimitare conceptuală a modelării econometrice şi econometrice financiare, pentru a
asigura o pregătire şi teoretică şi practică prin aplicarea riguroasă de metode, tehnici şi
instrumente statistico-matematice, dar reamintind în prealabil conceptele esenţiale, din
ştiinţele ce se reunesc în econometrie şi în econometria financiară. Modelarea
econometrică şi cea econometrică financiară debutează prin cunoaşterea fenomenelor
economice sau economico – financiare, continuă prin identificarea, formularea,
parametrizarea şi validarea unui model statistico-matematic ce simplifică o realitate
economică sau economico – financiară şi se finalizează prin valorificarea modelelor în
prognoze sau simulări, toate aspectele enumerate sintetizând principala ţintă tematică.
Cuvinte cheie: model şi modelare econometrică (financiară), tipologia modelelor,
succesiunea, şi perimarea modelelor, modelul elasticităţii şi coeficientului specific al
acesteia, principiile modelării, modelul econometric de referinţă (clasic).

Bibliografie
Andrei, T., Bourbonnais, R., Econometrie, Ed. Economică, Bucureşti, 2008.
Andrei, T., Stancu, S., Iacob, A.I., Tuşa, E., Introducere în econometrie utilizând Eviews,
Ed. Economică, Bucureşti, 2008.
Isaic-Maniu, Al (coord.), Dicţionar de statistică generală, Ed.Economică, Bucureşti, 2003.
Jula D., Introducere în econometrie, Editura Professional Consulting, Bucureşti, 2003.
Jaba E. (coord.), Econometrie aplicată, Ed. Univ. Al. I. Cuza, Iaşi, 2008.
Meşter, I.T., Econometrie, Editura Universităţii din Oradea, 2007.
Pecican, E., Econometrie ... pentru economişti, Ed. Economică, Bucureşti, 2004.
Săvoiu, G. Iorga Simăn, I., Multidisciplinaritatea şi educaţia academică, Ed.Universitară,
Bucureşti, 2011.
Săvoiu, G., Econometrie, Ed. Universitară, Bucureşti, 2011.
Săvoiu, G., Statistica - Un mod ştiinţific de gândire, Ed. Universitară, Bucureşti, 2007.
Săvoiu, G., (coord.), Necşulescu, C., Econometrie Ed.Universitară, Bucureşti, 2009.
Săvoiu, G., Gândirea statistică aplicată, Ed.Universitară, Bucureşti, 2010.
Spircu,L., Econometrie, Editura: Pro Universitaria, Bucureşti, 2008.
Trebici, V., Mica enciclopedie de statistică, Ed. ştiinţifică şi enciclopedică, Bucureşti,1985.
Voineagu, V., Ţiţan., E., Şerban, R., Ghiţă, S., Todose, D., Boboc, C., Pele, D.,Teoria şi
practica econometrică, Ed. Economică, Bucureşti, 2007.
Webografie
*** http://epp.eurostat.ec.europa.eu *** http://www. insse.ro

33
 II.1. Modelul şi modelarea econometrică şi econometrică financiară

Analogia, inducţia şi deducţia au fost formele iniţiale sub care s-au

manifestat procesele de abstractizare şi gândire de tip matematic, inferenţa,
asocierea, regresia, corelaţia alături de testare şi validare au constituit esenţa
gândirii statistice. Ulterior, prin pachete de programe specifice deceniilor
computerelor, gândirea statistico-matematică şi-a extins orizontul
simplificând realitatea economică sau economico-financiară. Opţiunea
pentru definirea econometriei ca modalitate complexă de abordare statistico-
matematică a unui fenomen economic a apărut prin reunirea unei investigaţii
teoretice distincte asupra unui segment de realitate, ca obiect de studiu, cu
modele specifice de cunoaştere şi interpretare fiind şi prima exprimare a
unei gândiri multidisciplinare care a generat astfel o nouă ştiinţă.
Pentru aceia care cercetează cu pasiune fenomenele economice,
econometria înseamnă literalmente modele econometrice de cunoaştere,
interpretare, simulare şi previziune aplicate realităţii economice simplificate
prin model. Modelul econometric reuneşte trei tipuri de gândire
(economică, statistică şi matematică), favorizând înţelegerea, simularea şi
prognoza fenomenului economic. Modelul econometric financiar mai
adaugă celui clasic econometric un mod specific de a raţiona cu privire la
probabilitate, ca tip de informaţie despre evenimente incerte, revizuind
informaţia financiară în faţa noilor evidenţe relevate de date, asigurând
condensarea informaţiei în valori numerice recente şi semnificative,
măsurând precizia şi garantând reprezentativitatea şi îmbunătăţirea
promptitudinii informaţiei financiare în general.

Demersul iniţial al modelării clasice econometrice

Figura nr. 2.1

Fenomenele Modelul
economice econometric

Teoria
economică,
statistică şi
matematică

Sursa: Săvoiu, G., Econometrie, Ed. Universitară, Bucureşti, 2011, pag. 25.
34
 Modelarea econometrică este un proces continuu, inovativ, modelul
fiind esenţial în triada constitutivă a ştiinţelor (teorie-model-fenomen /obiect
de studiu). Prima utilizare a conceptului de model aparţine lui Eugenio
Beltrami. Acesta a reuşit în 1986, să construiască un prim model euclidian al
geometriei neeuclidiene. Geometria a fost ştiinţa care a intuit şi definit
prima modelul ca instrument de studiu al unui domeniu, fenomen sau obiect
inaccesibil cercetării directe.
Demersul cursiv al modelării econometrice financiare
Figura nr. 2.2

Fenomenele Modelul
economico - econometric
financiare iniţial

Teoria Evaluarea
economiei incertitudinii
financiare modelului

Modelul
econometric
financiar
probabil

Modelarea econometrico - financiară este un proces cursiv adăugând la

demersul iniţial o evaluarea continuă a incertitudinii prin teoria
probabilităţilor, modelul final având caracterul probabil maximal în raport
cu cel iniţial clasic. Triada constitutivă a ştiinţelor trans şi multidisciplinare
contemporane se amplifică reunind cinci elemente definitorii (teorie –
model iniţial – evaluarea incertitudinii – model probabil maximal – fenomen
/ obiect de studiu).
Multidisciplinaritatea, interdisciplinaritatea şi transdisciplinaritatea au o
origine aparent comună şi delimitează forme caracteristice ale antonimului
unidisciplinarităţii sau cunoaşterii dobândite cu ajutorul disciplinei unice sau
unidisciplinarităţii. Unidisciplinaritatea, în sensul ei deschis, fără pretenţia
naturală de a cunoaşte şi tot, este un stadiu iniţial firesc al înţelegerii umane.
Multidisciplinaritatea presupune simultaneitate în procesul aplicării gândirii
mai multor ştiinţe (discipline), interdisciplinaritatea desemnează stabilirea
35
de relaţii între mai multe ştiinţe iar transdisciplinaritatea apare între
discipline, de-a lungul lor şi mai presus de ele. Modelare unidisciplinară
apare în practica modernă tot mai rar, respectiv dacă vom acorda
calificativul de model unidisciplinar unui model construit pe gândirea
dominantă a unei discipline (caz foarte rar în cunoaşterea ştiinţifică şi în
cercetarea modernă). Multidisciplinaritatea modelării presupune ca
studierea şi cercetarea unui obiect al realităţii să se realizeze din mai multe
puncte de vedere, descinse din gândirea multiplicată a mai multor ştiinţe în
acelaşi timp. Atât modelarea, cât şi obiectul cercetat multidisciplinar, în
funcţie de rezultatul cercetării vor deveni la final mai îmbogăţite.
Interdisciplinaritatea modelării are un scop nuanţat şi divers în raport cu
unidisciplinaritatea fie ea şi deschisă, presupunând fenomene, concepte şi
legi generale de modelare comune mai multor discipline ce analizează în
contexte cât mai variat posibile, pentru a evidenţia faţetele multiple şi
posibilităţile de aplicare a conceptelor şi legilor într-o sferă tot mai variată
disciplinar. Prin interdisciplinaritate se favorizează transferul orizontal al
conceptelor, metodelor şi modelelor dintr-o disciplină în alta. În
interdisciplinaritate se pot detalia trei grade diferite de transfer al acestora,
pe domenii învecinate, din alte discipline: transferul aplicativ, transferul
epistemologic (cognitiv) şi transferul generator de noi discipline (transferul
metodelor statistico–matematice în economie a născut econometria, prima
ştiinţă creată prin transfer metodologic, devenită ulterior însă una de tip
multidisciplinar, transferul modelului econometric în spaţiul economiei
financiare saturat de incertitudine a generat prin teoria probabilităţilor
modelul econometric financiar). Interdisciplinaritatea modelării reprezintă şi
un proces de focalizare sau concentrare asupra problemelor interstiţiale mai
multor ştiinţe sau discipline. Întrepătrunderea disciplinelor şi coordonarea
cercetării pot sfârşi prin adoptarea aceluiaşi ansamblu de concepte
fundamentale sau elemente metodice generale, adică prin delimitarea unui
nou domeniu de cunoaştere sau unei noi discipline. Transdisciplinaritatea
modelării este considerată o formă superioară a interdisciplinarităţii care
presupune concepte, metode, metodologie şi un limbaj care tind să devină
universale, fiind generate dinamic prin acţiunea numeroaselor stratificări ale
realităţii (teoria modelării realităţii, teoria modelării informaţiei despre
realitate, teoria modelării ştiinţifice a informaţiei despre realitate etc.).
Multidisciplinaritatea complexă în modelare ca formă de întrepătrundere
a disciplinelor, constând în alăturarea anumitor elemente ale diverselor
modele disciplinare, evidenţiază aspectele lor comune, şi presupune o
comunicare simetrică între diverşi specialişti din variate discipline, în
axiometrie proprie. Multidisciplinaritatea complexă în modelare nu
înseamnă simpla juxtapunere sau coexistenţă a unor modele ce aparţin
majorităţii disciplinelor într-un domeniu unic, ci este acompaniată de o
36
trecere prin interdisciplinaritate (un transfer permanent de modele
informaţionale şi modele metodologice de la disciplină la disciplină) către
transdisciplinaritate ca finalitate educaţională academică, în sensul limitativ
al unei ample dizolvări a tuturor ştiinţelor într-una singură şi a modelelor
acestora într-un model general, o fuzionare complexă într-un univers
ştiinţific uriaş sau multivers al ştiinţelor contemporane.
Alfred Marshall a descris de o manieră inimitabilă modelarea mentală ca
fiind aceea care are nevoie de „trei facultăţi mari intelectuale: percepţie,
motivaţie, dar mai ales imaginaţie, pentru a intui şi conexa direcţia unor
evenimente care sunt la mare distanţă sau care se află sub o suprafaţă
perceptibilă, cu cauze şi efecte, ce sunt situate la o distanţă similară sau sub
aceeaşi suprafaţă.”
Modelarea mentală constituie reprezentarea înţelegerii noastre profunde
asupra unei porţiuni a realităţii pe care am conştientizat-o mai curând
teoretic şi mai puţin metodic şi pe cale de consecinţă experimentală. Orice
modelare mentală trebuie să fie flexibilă în sensul de a reconsidera realitatea
studiată sau sintetizată drept un domeniu de informaţii extins dincolo de
universul limitat numeric sau, altfel spus, dincolo de modelarea simplă
matematică, devenind un filtru prin care să se poată interpreta realitatea, să
se poată acţiona raţional asupra ei şi, mai ales să se selecteze fundamentat pe
o prognoză optimă, soluţia sau varianta de acţiune cea mai adecvată
situaţiei. Într-o anume semnificaţie, tot ceea ce diferenţiază şi consolidează
ideea de gândire logică, filosofică, matematică, fizică, economică, etc se
poate identifica şi redefini rând pe rând prin conceptul specific de
modelare mentală. Există dezavantaje cu caracter general, respectiv ale mai
tuturor modelărilor mentale (de la dificultatea comprehensivă, la
subiectivitatea interpretării lor, de la imperfecţiunea lor ca metodologie, la
incompletitudinea lor ca grad de acoperire a realităţii etc.), dar şi specifice
(cum par a fi numele date componentelor realităţii, cu sens de cuvinte
simbol, ca instrument de cunoaştere a esenţei permanente şi invariabile a
lucrurilor în modelarea lingvistică sau cum apar minimalitatea şi
noncontradictoriul în modelarea logică etc.). Devenită celebră în vastul areal
al gândirii, problema circularităţii sistemelor formale constată că dorinţa de
a exprima cunoaşterea într-un mod formal este iluzorie şi că există în
sistemele logice formale principale sau în sistemele înrudite, aserţiuni sau
teoreme relativ simple, care nu se pot rezolva în acel sistem, aserţiunile sau
teoremele respective din modelul analizat nefiind nici demonstrabile şi nici
nedemonstrabile, precum celebra problema a lui Gödel (Săvoiu şi Iorga
Simăn; 2010).
Opus în întregime modelului mental, modelul experimental acordă
prioritate ideii că realitatea studiată ca sistem sau întreg, reprezintă mai mult
decât suma părţilor, experimentul oferind corecţii în mod continuu realului
37
agregat, ca suport al modelării. Modelul experimental caracterizează
complet gândirea fizică şi se dovedeşte mult mai apropiat de natură sau de
realitate. Soluţia modelelor fizice caută să eludeze problema ambiguităţii
sau contradictoriului prin rectificarea continuă experimentală, şi în mod
fericit asigură completitudinea modelării prin minimalitate, prin revenirea la
natură sau realitate, într-un mod continuu, nespeculativ ci interogativ cu
sensul de validare a ipotezelor cunoaşterii fizice. Deşi aparent nu este
dominat de detalii, modelul fizic este cu mult mai capabil decât celelalte
modele ştiinţifice specifice, să le reconsidere importanţa prin procesul de
validare/invalidare a ipotezelor cu ajutorul gândirii experimentale.

Condiţiile, conceptualizarea, definirea, etapele şi principiile modelării

Caseta nr.2.1
Condiţiile de bază ale modelării se pot sintetiza astfel: a) relaţia sa directă cu gândirea
(„o pasăre este un instrument care funcţionează în concordanţă cu legile matematice,
instrument pe care omul, îl poate reproduce cu toate mişcările lui”, aşa cum afirma
Leonardo da Vinci în lucrarea Machine per volare); b) identificarea aspectelor
esenţiale şi formularea corectă a întrebărilor; c) profunzimea, intensitatea şi adâncimea
reprezentării (oscilaţie între analogie şi convenţie-simbol); d) eficienţa traducerii sau
transpunerii teoriei în realitatea lumii studiate ( modelele superioare devin obiecte de
cercetare şi remodelare). La întrebarea ce este un model există multiple răspunsuri:
- modelul semantic, lingvistic şi explicativ este un sistem teoretic sau material cu
ajutorul căruia pot fi studiate indirect proprietăţile şi transformările altui sistem, mai
complex, cu care primul sistem prezintă o analogie (conform dicţionarului explicativ);
- modelul comportamental (behaviourist) presupune participanţi reuniţi formal care îşi
“maximizează utilitatea pornind de la un set stabil de preferinţe şi acumulează o
cantitate optimă de informaţii într-o varietate de pieţe”(ex:comportamental beckerian);
- modelul în fizică este un instrument de calcul cu care putem determina răspunsul la
orice întrebare despre comportamentul fizic al sistemului sau un tipar exact al unui
segment al realităţii (ex: modelul sistemului de referinţă inerţial sau modelul atomic);
- modelul economic reprezintă o suită de mijloace de dezvăluire a naturii reale a
problemelor economice, de la cele ale avuţiei naţionale la cele legate de alocarea de
resurse insuficiente, o imagine simplificată a relaţiilor dintre variabilele economice,
apropiată de reprezentarea structural-anatomică a proceselor economice (definirea
variabilelor) şi descrierea fiziologică (relaţii, condiţionări, mecanisme de funcţionare);
- modelul matematic reuneşte metodele de măsurare specifice cercetării matematice, în
vederea explicării obiective a “modalităţii în care componentele micro şi interacţiunile
dintre ele interpretate individual sau grupate în subsisteme, generează şi explică
sistemul întreg” (Octav Onicescu şi modelul energiei informaţionale) sau o “definire şi
descriere necontradictorie a unor procese şi fenomene”, a tezelor, postulatelor şi
axiomelor, precum şi a corespondenţei lor logico-matematice;
- în înţelesul său statistic sensul etapizat al conceptului de model este acela de verigă
într-un proces integrat de cunoaştere, fiind alcătuit din ipoteză, reprezentare schematică
a unui proces (fenomen), testare statistică a ipotezelor formulate asupra realităţii şi
reluare a procesului într-o teorie generală;
Etapele concrete ale unei modelări moderne sunt următoarele: a)definirea structurală a

38
sistemului (izolarea fenomenului, formularea întrebărilor, identificarea variabilelor de
interes major); b)formularea preliminară (seturi de ipoteze şi concluzii referitoare la
variante, parametrii, relaţiile dintre variabile); c)culegerea datelor empirice (relevante);
d)estimarea parametrilor şi a formelor funcţionale; e) testarea statistică preliminară
(brută); f) testarea suplimentară (pe baza noilor date); g) decizia-acceptarea sau
respingere a setului de ipoteze (în condiţii de conformitate sau nonconformitate a
predicţiilor cu probele empirice disponibile); h) validarea sau invalidarea modelului
prin generalizări teoretice, metode de prognoză sau simulări ulterioare.
Arhitectura modelării inter, trans şi multidisciplinare valorifică următoarele principii:
a)minima simplificare prin ipoteze sau existenţa unui număr minim de propoziţii
nelegate între ele şi de propoziţii nedemonstrate (între două interpretări ale unui
fenomen este preferată interpretarea cu mai puţine presupuneri sau ipoteze
simplificatoare); b) alternativa simplă (modelele foarte complicate nu au dat rezultate
categoric mai bune decât formulele simple de extrapolare); c) valoarea certificată prin
raţionament dialectic(modelul uşurează discuţia, clarifică rezultatele şi limitează erorile
de raţionament); d) componenta culturală (dacă acţiunile economice şi sociale ale
omului ar fi independente de înclinaţiile lui culturale, imensa variabilitate a
configuraţiei economice şi sociale în funcţie de timp şi loc nu ar putea fi explicată în
nici un fel); e)tranzitarea de la uni la multidisciplinaritate prin modele succesive
(perfecţionare prin imitaţie, analogie şi tranzitivitate de la un tip la altul). Sintetic,
raportul între completitudine şi precizie generează modele specifice:
Tridimensionalitatea modelelor econometrice (financiare)
Tabel nr. 2.1
Gradul de completitudine Gradul de precizie Tipologia
a datelor a datelor modelului
maxim maxim determinist
relativ mic relativ mare probabilist
relativ mare relativ mic fuzzy (vag)
relativ mic relativ mic intuitiv
minim minim indeterminist
Algoritmul modelului deţine trei caracteristici: determinism în execuţie, succesiune în
mod de operare, universalitate în raport cu input-uri, output-uri, precum şi limitările
spaţiale, temporale şi structurale. Modelarea prezintă trei căi principale de analiză: a)
utilizarea ecuaţiilor de echilibru între factori (de la balanţa input -output a lui Leontief,
la fuzzy, la cele ale fizicii cuantice, termodinamicii etc); b) identificarea valorilor
extreme ca şi modelul “catastrofelor” sau al “punctelor critice” al lui Thom R., este
exemplul des citat în acest sens; c) simularea unor situaţii conflictuale prin jocuri
strategice cu informaţie incompletă (concurenţială) sau completă (deschisă).
Modelul econometric reprezintă şi o agregare a contribuţiilor
conceptuale, instrumentale, tehnicilor şi metodelor specifice statisticii,
matematicii şi economiei, la care cel econometric financiar adaugă
economia financiară şi incertitudinea sa comensurabilă relativ cu ajutorul
gândirii şi teoriei probabilităţilor.
Modelarea econometrică devine astfel un set de tehnici şi metode
cantitative, care sunt utile realizării de modele econometrice esenţiale în
procesul de luare a deciziilor economice iar modelarea econometrică
39
financiară devine prin modelele create suport decizional în universul
probabilistic al economiei financiare.
Modelul econometric dar şi econometric financiar sunt dependente de
mulţi factori începând cu calitatea şi volumul datelor şi sfârşind cu
competiţia intermodele, generată prin aplicarea acestora, fiind privite fie ca
prezentări simplificate şi formalizate ale unor fenomene sub forma unor
ecuaţii în care variabilele sunt mărimi economice, devenind astfel
instrumente care ajută la înţelegerea şi explicarea fenomenelor economice şi
economico – financiare, fie ca rezultate ale aplicării de tehnici econometrice
în vederea determinării celor mai probabile moduri de derulare a afacerilor
(modelul în abordarea lui Popper), fie reprezintă, între anumite limite,
modalităţi importante de analiză şi previziune în economie (modelul în
viziunea lui Lucas) etc.
Aşa cum se constată este greu de definit de o manieră generală sau
universal acceptată, dar se poate valorifica ideea că modelul econometric şi
cel econometric financiar reprezintă instrumente reale descriptive sau
normative, imagini convenţionale şi simplificate, izomorfe (care deţin
aceeaşi structură), homomorfe (care posedă aceeaşi formă) şi/sau capabile
să redea aceleaşi relaţii din interiorul sau cu exteriorul obiectului
(fenomenului, procesului, sistemului) sau realităţii economice şi economico
– financiare în ansamblu, supuse cercetării. Acelaşi fenomen economic
poate da naştere firesc la mai multe modele econometrice, după cum dintr-
un fenomen specific economiei financiare se pot naşte infinite modele
econometrice financiare. Fiecare model se distinge prin modul de gândire,
prin concepte, instrumente, tehnici, metode şi prin etapizare.
Modelul econometric şi econometric financiar reprezintă un complex
metodologic operaţional, un lanţ de activităţi, o suită de etape şi subetape,
ce-l definesc constructiv şi în care nu numai statistica sau matematica, dar
şi economia deţin contribuţii concrete importante la fiecare pas al
modelării. Modelarea economico-financiară se transformă astfel într-un
proces etapizat de aplicare a modelelor şi metodelor statistice şi matematice
în domeniul economiei financiare, pentru a testa şi a cuantifica teoriile
financiare şi soluţiile date problemelor de optim echilibru ale economiei.

Aspecte specifice ale modelului de tip statistic, matematic şi economico-

financiar
Caseta nr. 2.2
Modelul statistic impune un proces iterativ care presupune sintetic utilizarea unor date
experimentale în vederea alegerii unei anumite repartiţii statistice şi, în acelaşi timp,
examinarea validităţii acestei repartiţii, formularea unei ipoteze, colectarea materialului
experimental, verificarea ipotezei, iar analitic o mulţime de etape şi subetape:
formularea iniţială a modelului statistic (tipul de repartiţie), axată pe subetapele
culegerii materialului (date statistice) şi alegerii unei repartiţii particulare, validarea
40
modelului statistic prin confruntarea cu situaţia reală a gradului de concordanţă a
repartiţiei selectate şi formularea finală a modelului bazat pe ipotezele ce explică
mecanismele aleatoare ce au generat datele statistice. Modelul matematic nu prezintă
aproape niciodată o construcţie simplă sau uşor accesibilă. Istoria evoluţiei economiei
este dominată de utilizarea matematicii de o perioadă relativ scurtă de timp. Cercetarea
operaţională din perioada războiului a fost aceea care a asigurat condiţiile tehnice
necesare apariţiei modelului matematic competitiv, iar aceasta avea drept domeniu de
aplicare cercetarea, decizia şi practica economică. După câteva decenii postbelice, nu
mai exista practic nici un singur capitol al ştiinţei economice care să nu poată fi tradus
în termenii unui model matematic, logico-matematic, statistico-matematic, iar o
mulţime de probleme de natură economică puteau fi formulate şi modelate exclusiv
matematic. Modelele matematice au fost treptat preferate deoarece au oferit
posibilitatea de a aplica simultan echilibrul şi optimul economic, precum şi datorită
promptitudinii şi acurateţei simulărilor şi previziunilor lor. Modelul matematic trebuie
să fie o reflectare a proprietăţilor originalului, respectiv acelor proprietăţi şi
particularităţi care sunt direct legate de scopul cercetării,dar mai ales nu trebuie să
complice, ci să simplifice transformarea şi sinteza. Elaborarea modelului matematic
include: a)formularea matematică a problemei, identificarea şi elaborarea modelului
(formularea problemei economice; analiza structurii informaţionale a fenomenului
economic problematic; identificarea şi selectarea factorilor esenţiali şi secundari;
obţinerea primului model descriptiv de lucru sau a modelul matematic brut; validarea
prin seturi de date suplimentare a modelul matematic brut etc.) şi b) cercetarea
valabilităţii modelului matematic prin aplicare în timp (testarea continuă a modelului
matematic conform gradului de aplicabilitate; reflectarea originalului sau fenomenului
economic cu suficientă aproximaţie; păstrarea şi actualizarea sau abandonarea
modelului deteriorat de timp). Aşa a apărut mai întâi modelul lui Gregory King care
cuantifica prin calcul diferenţial legătura dintre recolta obţinută şi preţul cerealelor.
Introducerea în model a variabilelor necontrolabile şi conflictuale a condus la modelele
de joc şi a apărut teoria jocurilor. Modelele de minimizare sau maximizare a unei
funcţii numită funcţie obiectiv au fost impuse de maximizarea profiturilor şi
minimizarea costurilor. Fenomenele economice din activităţile de transport au generat
modelul matematic clasic de optimizare, denumit graf şi exemplele ar putea continua.
Modelul economic şi economico - financiar sunt acele modele care au fundamentat
teoretic modelul econometric şi econometric financiar reprezentând expresia etapizată
a observaţiei, prelucrării şi analizei unor date economice sau economico - financiare,
care permit o formulare generală a unor relaţii, interdependenţe sau asocieri în lumea
economiei sau economiei financiare.

Procesul de modelare economico - financiară, cu scopul declarat de a

ilustra complexitatea unui asemenea demers impune o trecere în revistă a
etapelor sale extinse ca şi a principalelor aspecte privind procesul concret de
construcţie:

41
 Etapizarea modelării econometrice clasice şi economico –
financiare contemporane
Caseta nr.2.3
Etapele modelării econometrice clasice Etapele modelării econometrice financiare
moderne
I.Asigurarea seriilor de date statistice 1.Trecerea în revistă a teoriei în domeniul
II.Elaborarea teoretică a modelului din care face parte fenomenului cercetat
econometric (subetape) 2.Prezentarea teoriei ce fundamentează
modelul econometric financiar
1. Identificarea modelului 3. Asigurarea seriilor de date statistice
2. Specificarea modelului 4. Estimarea modelelor econometric
3. Estimarea modelului financiare
4. Verificarea modelului 5. Rezultate empirice
6. Decizia privind testarea ipotezelor
III.Operaţionalizarea modelului statistice
econometric (subetape) 7. Decizia privind testarea modelului
econometric financiar în ansamblul său
1. Analize ale modelului 8. Validarea sau invalidarea modelului
2. Utilizarea modelului în prognoze econometric financiar (reluarea punctelor
3. Utilizarea modelului în simulări 2,3,4,5,6,7)
9. Concluziile şi impactul asupra teoriei
IV.Asigurarea de serii de date existente anterior modelării economico -
actualizate financiare
V. Confruntarea cu realitatea

(A) Repertorierea literaturii economico - financiare, inventarierea principalelor teorii,

definirea şi izolarea teoretică a sistemului economico - financiar cercetat, formularea
întrebărilor premodelatoare, identificarea variabilelor potenţiale de interes etc.
constituie debutul modelării economico – financiare etapizate.
(B) Prezentarea teoriei ce fundamentează noul model econometric financiar, în fapt o
sinteză şi o contribuţie a modelatorului la confirmarea unei teorii existente sau la
apariţia alteia noi, este o consecinţă firească a originalităţii oricărui model
econometric financiar.
(C) Asigurarea şi explorarea datelor (culegerea, curăţarea datelor de intruşi şi erori de
măsurare, creşterea relevanţei datelor prin agregări, dezagregări sau alte procedee,
selectarea subpopulaţiilor şi determinarea datelor semnificative, selectarea
caracteristicilor esenţiale ale fenomenului economico - financiar etc.) sunt rezultatul
abilităţii şi experienţei dobândite în activităţi de modelare econometrică financiară.
(D) Estimarea modelelor econometric financiare şi primele lor rezultate empirice apar
ca răspunsuri pertinente ale unor întrebări esenţiale, dintre care se pot aminti: Este
modelul structurat pe (co)relaţiile dintre mai multe variabile, optim selectate?
Variabilele specificate în cadrul modelului sunt independente? Care este precizia
estimării parametrilor modelului? Modelul este validat pe întreaga serie longitudinală
temporală? Există stabilitate la nivelul parametrilor? Cât de apropiate sunt soluţiile şi
prognozele modelului de valorile reale? etc.
(E)Deciziile bazate pe testarea unor ipoteze statistice decurg conform unor reguli şi

42
secvenţe de derulare precise, astfel principalele etape generale ale deciziei bazate pe
testarea statistică se pot formula, deşi fiecare test în parte constituie un univers
decizional specific. Orice testare preliminară (brută) este, de regulă, urmată de o
testare suplimentară (pe baza unor noi date colectate).
(F) Validarea sau invalidarea modelului econometric financiar reprezintă un proces
dependent de obiectivele modelării, un model destinat înţelegerii unui fenomen
economico - financiar, valorifică un proces de validare la fel de riguros dar nu atât de
extins ca al unui model destinat confirmării unei teorii economico - financiare sau al
unuia construit cu scop de previziune pe termen scurt sau mediu. Validarea reprezintă
procesul de evaluare a acurateţei predicţiei unui model şi se referă la realizarea de
previziuni, simulări şi analize utilizând modelul existent şi apoi comparând rezultatele
obţinute cu rezultate deja cunoscute.
(G) Concluziile şi impactul asupra teoriei existente anterior modelării readuc în
discuţie pragmatismul modelării economico - financiare. Nu trebuie uitat că scopul
permanent al modelării econometrice financiare este reprezentat de găsirea modelului
adecvat rezolvării unei anumite probleme reale din economia financiară. Practic, sunt
căutate acele modele care se dovedesc a confirma sau infirma teorii, a previziona cu
erori foarte mici, a simula cu un impact sporit decizional.

Detalierea unei etape este ceva mai extinsă în modelul econometric financiar
modern. Un exemplu elocvent îl constituie subetapizarea asigurării seriilor
de date statistice:

Subetape în asigurarea seriilor de date statistice

Figura nr. 2.2
3.1 Selectarea şi opera- 3.2 Selectarea scalelor 3.3 Definirea populaţiei
ţionalizarea variabilelor de măsurare statistice

3.4 Definirea eşantionului 3.5 Construire şi validare 3.6 Test pilot

chestionar, interviu etc
3.7 Validarea finală 3.8 Aplicare practică 3.9 Analiza şi concluzii
chestionar, interviu etc chestionar, interviu etc date sondaj statistic etc

Modelul econometric şi cel econometric financiar, în calitate de

expresii formale, inductive ale unor legităţi economice sau teorii economico
- financiare rămân un mijloc de cunoaştere a unui areal complex şi vast al
realităţii, cum este fenomenul economic sau economic financiar, iar
modelarea econometrică şi cea econometrică financiară sunt metode care
conduc la obţinerea de noi informaţii privind starea, structura (conexiunile
dintre elemente) şi evoluţia sistemului economic sau economico - financiar.
În concluzie, dacă se descriu exclusiv relaţii în cadrul proceselor economice
rezultă modelul economic, iar în cazul fenomenului economico – financiar
este generat un model economico - financiar. Atunci când construcţia
teoretică este redată prin relaţii matematice, se ajunge la modelul matematic
al fenomenului analizat. Dacă modelul este structurat pe decizii privind
43
testarea unor ipoteze statistice, dominantă devine latura sa statistică.
Modelul care reuneşte cele trei caracteristici devine unul econometric şi are
întotdeauna o finalitate practică, operaţională, transformându-se în
instrument de monitorizare şi experimentare, de simulare şi de previziune a
fenomenelor economice. Dacă se mai adaugă o caracteristică financiară şi
de incertitudine având drept suport teoria probabilităţilor noul model
rezultat pe un palier legat de fluxuri exclusiv financiare, noul model va fi de
natură econometric financiară.
Orice disciplină ştiinţifică realistă recunoaşte imposibilitatea
cunoaşterii modelatoare absolute. Celebrul “ignoramus et ignorabis” (nu
ştim şi nu vom şti ... totul - n.a.) al lui Emil du Bois-Reymond, este o
constatare ce conţine un sâmbure de adevăr fie el şi numai relativ. Cum
adevărului fie el pur sau relativ, fie el numai economic sau ceva mai extins,
respectiv economico - financiar îi prinde bine libertatea exprimării, ceea ce
înseamnă la final că se pot enumera câteva principii ale modelării
multidisciplinare de tip econometric clasic sau econometric financiar,
valabile de fapt şi pentru oricare alte modele contemporane ale ştiinţelor
concurente de toate felurile (econofizice, sociofizice, quantum economice,
bio-economice, sistemice, holistice etc.) şi din previziunile şi simulările
cercetătorilor, bazate pe aceste modele interesante (Săvoiu, 2011) dar, mai
ales, paradoxal exprimate:
1.Există o armonie a modelării dezacordurilor, o consonanţă a disonanţelor,
o diversitate revelatoare a unităţii modelului econometric sau econometric
financiar.
2.Ciclul dezvoltării este axa dezvoltării ciclice în modelul econometric sau
econometric financiar.
3.Mişcarea prin repaus aparent şi repausul mişcării sunt realităţile tuturor
modelărilor econometrice sau econometrice financiare.
4.Identificarea saltului sau a transformării imprevizibile, în sensul
paradoxului săgeţii, reprezintă spiritul modelării econometrice sau
econometrice financiare.
5.Comunicarea ca scop al ieşirii din izolarea informaţională devine mesajul
modelării econometrice sau econometrice financiare.
6.Relativitatea interdependenţelor globale şi a celor locale derivă din logica
sistemelor economice sau economico – financiare modelate, respectiv din
adevărul teoriei sistemelor conform căruia: suma părţilor este întotdeauna
mai mare decât întregul.
7.Infinitul ca parte a finitului şi finitul, parte a infinitului descriu structurile
modelului econometric sau econometric financiar.
8.Finalitatea inductivului prin deducţie şi validarea deductivului prin
inducţie delimitează raţionamentele celui ce modelează econometric sau
econometric financiar.
44
9.Cunoaşterea este limita ignoranţei modelării, după cum ignoranţa se
transformă la final în rezultatul cunoaşterii.
10.Renaşterea teoriei prin experiment aduce cu sine decesul experimentului
în teoria modelării econometrice sau econometrice financiare.
11.Credinţa în ştiinţa critică devine similară neutralităţii ignoranţei în
modelarea econometrică sau econometrică financiară.
12.Suprapunerea coerentă agregă amplitudinile asemenea limitelor, iar
suprapunerea incoerentă reuneşte doar intensităţile prin modelare
econometrică sau econometrică financiară.
13.Nuanţarea este o soluţie a gândirii probabiliste dar şi a celei bazate pe
posibilităţile modelării econometrice sau econometrice financiare.
14.Convergenţa prin divergenţă concură la emergenţa modelelor de tip.
econometric sau econometric financiar.
15.Incompletitudinea completitudinii întregeşte completitudinea oricărei
incompletitudini în modelare.
16.Compensarea reacţiilor conferă echilibru oricărui dezechilibru.
17.Dualitatea modelărilor este un reflex al echivalenţei cauze-efecte.
18.O metodă fixă de modelare inter, trans şi multidisciplinară nu poate fi o
metodă durabilă.
19.Un model conţine propriul non-model, în chiar interiorul său sau în
esenţa sa.
20. Ştiinţa economiei sau a economiei financiare nu sunt nimic altceva decât
o lungă succesiune de modele de tip econometric sau econometric financiar.
Modelelor care sunt expresia unor abordări sistemice li se mai adaugă
şi asigurarea principiilor teoriei sistemelor, de la principiul ierarhizării
procesuale şi structurale, la principiul dualismului (dihotomiei, disonanţei),
principiul conservativităţii substanţei şi energiei, principiul variaţiei
(mişcării generale, oscilaţiei, ciclicităţii, aleatorului şi relativităţii), prin-
cipiul întârzierii reactive sau inerţiei, principiul valorii de prag, toleranţei,
mărimii critice, sensibilităţii, până la principiul interacţiunii.
În cazul sistemelor reale complexe (economice, economico –
financiare, sociale, demografice, politice, ecologice etc.) modelarea devine
de neînlocuit, prezentând două mari avantaje: a) reprezentarea în stare pură
a fenomenului, procesului, obiectului supus cercetării, fără a fi denaturat de
fenomene străine sau de detalii de prisos; b) efectuarea experimentelor sau
derularea scenariilor acolo unde acest lucru ar fi imposibil din cauza
inaccesibilităţii obiectului real sau a costului ridicat de efectuare a
experimentului sau scenariului. Păstrarea modelelor sau abandonarea lor
este dictată mai ales de calitatea previziunilor, estimărilor şi simulărilor ce le
valorifică. Modelele sunt majoritar destinate previziunilor, estimărilor şi
simulărilor şi reprezintă un răspuns statistic, matematic aplicativ şi
probabilistic oferit incertitudinilor lumii economice şi economico -
financiare pentru a proiecta uşor alternative decizionale
45
 În concluzie, un model de tip econometric sau econometric financiar
constituie o imagine a unei părţi special selectate a realităţii economiei sau
economiei financiare cu ajutorul căreia se poate răspunde la diferite întrebări
sau se pot soluţiona, cu un anumit grad de realism şi o anumită limită de
eroare, problemele unor variate domenii ale cunoaşterii ştiinţifice specifice
acestor ştiinţe. Modelarea econometrică sau econometrică financiară
reprezintă un proces de cunoaştere ştiinţifică mijlocită a realităţii obiective,
având ca scop construirea de reprezentări (modele) care să permită
înţelegerea mai bună, mai profundă, ştiinţifică a realităţii economiei şi
economiei financiare. Esenţa prezenţei modelului în concepţia modernă
constă în capacitatea lui de a înlocui un sistem real cu un mod mai accesibil
studiului, mai puţin periculos, riscant şi cu un impact foarte mic asupra
realităţii în plină modelare, dar şi cu capacităţi de previziune şi simulare
evidente.

II.2. Tipologia modelelor econometrice şi econometrice financiare

Tipologia modelării econometrice şi econometrice financiare a unui

fenomen economic sau economico-financiar, permite înţelegerea aspectelor
esenţiale şi diversităţii specifice sistemelor economice (financiare),
diversitate care s-a adâncit continuu, prin apariţia de noi parametrizări, de
noi mărimi statistice sintetizatoare (indicatori speciali, indici, coeficienţi)
sau printr-o determinare cât mai precis posibilă a nivelului fenomenului în
viitorul apropiat, prin previziuni, simulări etc. Gândirea econometrică
(financiară) constituite de fapt o matrice pentru oricare dintre abordările
ştiinţifice multidisciplinare moderne axate pe modelare. Opt decenii de
activitate modelatoare econometrică (din care ultimele două pregnant
financiare) au creat o diversitate tipologică remarcabilă a modelelor
econometrice (financiare).

Criteriile şi clasificarea specifică a modelelor econometrice şi

econometrice financiare
Caseta nr. 2.4
Evoluţia gândirii econometrice (financiare) conturează un prim criteriu şi o primă
structurare a modelelor în uni, inter, trans şi multidisciplinare. Diversitatea tipologică a
modelelor rezultă şi din dominanta teoriilor ştiinţifice pe care le reproduc. Unele
modele sunt predominant matematice, la altele prevalează componenta statistică şi
într-o a treia categorie definitorie este componenta economică. Intermedierea prin
modelare este şi urmarea inaccesibilităţii cercetării directe. Componentele abstracte ale
teoriei nu pot fi reproduse material, nemijlocit, la fel ca şi fenomenul (procesul) real
din care au fost extrase, care rareori permite o izolare completă necesară investigaţiei

46
experimentale. Metoda modelării devine acel “altceva” axat pe prelucrări cantitative
care permite identificarea elementelor abstracte şi reproducerea calitativă a
fenomenului real. Conform naturii fizice a elementelor modelului sau a mijloacelor
prin care se reproduc simplificat obiectele studiate se disting: modele fizice (materiale,
tehnice), modele abstracte (cantitative şi calitative) şi modele hibride. Modelul
econometric clasic sau financiar rămâne în categoria celor de tip abstract, reprezentând
imagini ale obiectului economic (financiar) real şi descrie proprietăţile esenţiale într-un
limbaj simbolic (statistico - matematic). Modelele abstracte nu au nimic comun cu
natura obiectului cercetat, ci reflectă realitatea economică (financiară) în plan
gnoseologic, pe baza izomorfismului cu această realitate. Spre deosebire de modelul
fizic, modelul abstract valorifică simboluri, litere, cifre şi alte abstractizări specifice
pentru a reprezenta elemente variabile şi legăturile dintre ele. Acest tip de modele
prezintă un grad ridicat de conceptualizare, simbolizare, sintetizare, formalizare şi
idealizare. Prin prisma scopului pentru care au fost create, modelele se clasifică în două
tipuri majore, respectiv o primă categorie de modele teoretice sau raţionale şi o a doua
a modelelor operaţionale sau de previziune (decizionale). Prima clasă de modele
simplifică, descrie şi explică fenomene şi procese complexe, dezvăluind acţiuni şi
interacţiuni caracteristice. Axate în mod principal pe teorie prezintă şi o mai mare
stabilitate în timp. Teoria rămâne materialul de construcţie esenţial. Modelele din cea
de-a doua clasă au o utilitate decizională evidentă şi o finalitate precisă în management.
Acestea din urmă se bazează mai ales pe statistică şi matematică, răspunzând unor
cerinţe pur cantitative (analize de serii în timp şi în spaţiu, estimări, predicţii, verificări
statistice etc.). Pentru a corespunde scopului pentru care au fost construite, aceste
modele sunt mult mai instabile în timp. Modelele teoretice pot tranzita cu uşurinţă în
operaţionale şi reciproc. După modul de reflectare a caracteristicilor fenomenului
economic cercetat sau obiectului de studiu, modelele econometrice sunt normative şi
descriptive. Modelul normativ descrie cum ar trebui să fie realitatea economică, iar la
construirea lor se urmăreşte determinarea unei asemenea stări a obiectului,
fenomenului, sistemului care să fie cea mai bună, într-un anumit sens, sau cea mai
acceptabilă din punctul de vedere al celui care realizează modelul. Modelul descriptiv
subliniază cum este sau cum va fi realitatea economică şi este destinat explicării şi
clarificării evoluţiei evenimentelor observate şi a proceselor investigate sau
previzionării ori prognozei comportamentului fenomenului, obiectului, sistemului. Mai
devreme sau mai târziu aproape toate modelele relevante din economie devin
normative sau prescriptive, sub acţiunea unor reguli bazate pe relaţii cuantificate din
punct de vedere statistic şi matematic. Numărul factorilor preluaţi din variabilele
explicative determinante şi integraţi în modelul econometric (financiar) le separă în: a)
unifactoriale, fundamentate pe ipoteza că în rândul factorilor de influenţă ai variabilei
rezultative y există un factor determinant x (al cărui coeficient de determinaţie este
preferabil să atingă valori mult mai mari de 0,5, iar raportul de corelaţie depăşeşte ferm
valori de 0,6 iar raportul de corelaţie 0,8) iar ceilalţi factori cu excepţia celui
determinant deţin o influenţă întâmplătoare (reunită şi exprimată prin intermediul
variabilei reziduale, notată cu u sau cu ε ) fiind aproape invariabili în perioada
analizată:yi = f(xi) +uj sau yi = f(xi) +εj unde i = 1, n şi j = 1, m şi b)multifactoriale, unde
determinaţia reunită a factorilor este mult mai mare, dar în acelaşi timp se recomandă o
relativă „parcimonie” în selectarea numărului factorilor: yi= f(x1,x2,...,xi)+uj sau
yi=f(x1,x2,...,xi)+εj unde i = 1, n şi j = 1, m . Forma legăturii dintre variabila rezultativă şi

47
cele explicative ale modelului din punct de vedere al funcţiei lor matematice
diferenţiază modelele econometrice (financiare) în liniare dacă funcţia matematică şi
imaginea grafică descriu o dreaptă şi neliniare când se identifică o curbă (parabolă,
hiperbolă etc.) Prin modalitatea de integrare a variabilei timp, în sensul de includere
sau nu în model, acesta poate deveni static, definit prin dependenţa variabilei
rezultative yi(endogene) faţă de valorile variabilei explicative xi(exogene) care se
realizează în aceeaşi perioadă de timp: yi = f(x1t,x2t,...,xit) + ujt sau yi = f(x1t,x2t,...,xit) +
εjt unde i = 1, n şi j = 1, m sau dinamic, prin introducerea variabilei timp ca o variabilă
explicativă yt = f(xt,t) + ut sau yt = f(xt,t) + εt unde t = 1, n . Modelul dinamic poate fi
autoregresiv, caracterizat de prezenţa printre variabilele exogene ale variabilei
endogene (yt-k) cu valori: yt = f(xt, yt-k)+ut sau yt = f(xt, yt-k)+εt unde t = 1, n sau în
varianta cu decalaj (lag), unde variabila exogenă xi îşi exercită influenţa asupra
variaţiei variabilei endogene yi în cadrul mai multor perioade de timp: yt=f(xt,xt-1,...,xt-
k)+ut sau yt=f(xt,xt-1,...,xt-k)+εt unde t = 1, n . Modelul care include componente
temporale se structurează şi prin componentele seriei cronologice înglobate, prin
tendinţă şi sezonalitate sau ciclicitate (modele exclusiv sau izolat tendenţiale, sezonale
sau ciclice, dar şi toate mixturile lor posibile: modele tendenţial sezonale, tendenţial
ciclice). Numărul ecuaţiilor modelului poate genera şi el o clasificare a modelelor
econometrice (financiare) în modele cu o singură ecuaţie sau multiecuaţionale (sau
matriceale). Nivelul de raportare şi agregare al fenomenelor economice în procesul
modelării structurează modelele econometrice în macro şi microeconomice. Modelele
econometrice (financiare) se grupează şi în funcţie de tipul ecuaţiilor majore conţinute
în: a) modele dominant economice, ale economiei financiare şi ale sociologiei specificate
matematic prin intermediul unor ecuaţii de comportament; b) modele dominant matematice
şi logice axate pe ecuaţii de definiţie; c) modele care deţin un suport dominant şi matematic
şi economic (financiar) concretizat în ecuaţii bilanţiere sau de echilibru; d) modele limitative
determinate de inegalităţi algebrice (derivate din normative sau previziuni cu valori
limitative). Modelele econometrice clasice şi financiare se mai pot separa în
concordanţă cu tehnica de modelare sau elaborare, în modele bazate pe funcţii de
producţie, modele de optimizare, modele de simulare, modele interramuri (input–
output) etc., dar şi cu raportul dintre completitudinea şi precizia modelului în
econometrice clasice sau deterministe, econometrice financiare sau probabiliste, vagi
(fuzzy) sau incerte, intuitive sau bazat pe experienţă, indeterministe etc. Modelele
gândirii deterministe sau econometrice de tip clasic sunt folosite atunci când se cunosc
date complete despre fenomenele economice, iar ipotezele se realizează cu certitudine
(în practică aceste condiţii sunt foarte rar îndeplinite sau aproape niciodată). Aceste
modele operează cu evenimente controlabile şi conduc la soluţii predictibile, de unde şi
tendinţa de a idealiza acest tip de modele şi de a le aplica eronat în cazul unor
fenomene economice care nu sunt deloc deterministe în majoritatea lor. Pentru a putea
înţelege ce se întâmplă în lumea economică reală este nevoie de o gândire modelatoare
flexibilă, gândirea probabilistă, şi de modele statistico-matematice probabiliste sau
econometrice financiare, care acceptă dinamismul şi natura întâmplătoare (aleatoare) a
evenimentelor determinante pentru fenomenele derulate în condiţii de incertitudine şi
incompletitudine a informaţiilor şi chiar ale teoriilor economice. Gândirea deterministă
devine astfel doar un simplu caz particular al gândirii probabiliste în toate modelările
econometrice financiare moderne. Tipologia modelării se multiplică prin accesarea
nivelului claselor la modelare informaţională şi informatică, procedurală şi conceptuală
48
etc. Clasificarea generată de modalitatea de expresie a informaţiilor deţinute detaliază
următoarele modele: implicite (intuitive), verbale (textuale), structurale (arborescente
sau ierarhice) precum şi analitice (statistico-matematice). Modelarea în raport cu
perioada de previziune sau cu orizontul de timp reflectat, poate fi o modelare pe
termen scurt (infraanuală), mediu (1-3 ani) şi lung (peste 3 ani). Una dintre cele mai
pragmatice clasificări a modelelor econometrice (financiare) este o tipologizare mixtă
în raport cu cele prezentate anterior, legată de decizia managerială propriu-zisă,
conform căreia se disting modele de grupare, sistematizare, scalare sau clasificare
(modele taxonomice de segmentare a pieţei sau cele referitoare la clasificările ierarhice
ale atitudinilor şi preferinţelor), modele descriptive, de genul celor privind
comportamentul consumatorului, modele predictive sau de previziune care vizează
îmbunătăţirea deciziei în timp (modele legate de componentele mixului clasic al pieţei:
produs, preţ, promovare şi plasare), modele normative (modele de optimizare prin
maximizări/minimizări ale variabilelor, exemplificabile prin modele ale promovării
produselor), precum şi modele euristice, unde numărul alternativelor de decizie fiind
uriaş, se apelează la selectarea exclusivă a acelora care satisfac principii definite pentru
situaţii neanticipate sau în domenii unde nu există nici un model formal (de la
selectarea unui nou suport de publicitate sau stabilirea preţului unui produs, la modele
ale determinării necesarului de depozite). Modelele econometrice (financiare)
contemporane se multiplică, prin detalierea funcţiilor (descriptive, explicative,
predictive), prin diversificarea structurală (iconice, analogice şi simbolice), prin
modificări de refereţial temporal (dinamice accelerative, decelerative, alternante,
staţionare) sau prin gradul de generalitate.
Practica economică sau a economiei financiare multiplică şi ea
tipologia modelelor, oferind informaţii care completează descrierea
universului econometric (financiar), transformat prin modelare într-un şir de
simboluri statistico-matematice reunite într-o ecuaţie finală, recunoscute
deja drept modele clasice în econometrie sau modele economico-financiare
în noua ştiinţă numită econometrie financiară.

II.3 Evoluţia şi perisabilitatea modelului econometric.

Un exemplu clasic: elasticitatea cererii şi multiplicarea modelelor sale

În paralel cu dezvoltarea tot mai accentuată a modelului econometric

clasic a crescut şi volumul criticilor aduse acestuia din partea utilizatorilor.
Conform unor critici îndreptăţite, modelul econometric prezintă limitări
esenţiale, pornind de la folosirea unor metode economice simpliste în unele
cazuri, de la imposibilitatea modelului cantitativ de a se încadra într-o teorie
sau alta, până la ecartul ridicat al erorilor de previziune şi simulare ori până
la lipsa din modelul econometric a unor variabile explicative legate de
reacţia autorităţilor şi politicile economice care pot denatura uneori şi pe
termen scurt raţionalitatea în economie. Modelul econometric, în
accepţiunea sa majoră, prezintă o degradare continuă în timp a primei forme
49
a modelului, fapt recunoscut prin frecvenţa afirmaţiei “în afaceri puţine
(co)relaţii îşi păstrează în timp precizia matematică iniţială”. Succesul
modelului econometric clasic nu este unul acceptat în unanimitate nici în
rândul economiştilor, respectiv al celor care ar trebui să se bucure de
aplicabilitatea lui în cea mai mare măsură. Astfel, Ludwig von Mises şi
Friedrich von Hayek, reprezentanţi majori ai şcolii austriece de economie
neoclasice au contestat formalizarea prin modelare econometrică a
comportamentului economic, subliniind trista balanţă a predicţiilor făcute pe
baza modelelor econometrice în ultimele decenii, în ciuda echipamentului
lor de calcul tot mai modern şi al modului de alcătuire tot mai sofisticat, cu
accente teoretice tot mai grave şi lipsit practic de impactul experimentului.
Aceste contestări au contribuit la multiplicarea disciplinelor economice
adăugând recent, economia experimentală, ramură a economiei care constă
în efectuarea de experimente de laborator pentru a testa micro-modele
economice, economia financiară care include teoria probabilităţilor şi
economia financiară în construcţia modelelor sale concurând econometria în
evaluarea teoriilor formulate de economie şi chiar invalidând unele modele
validate econometric în trecut. O literatură de dimensiuni tot mai mari,
reuneşte ansamblul modelelor econometrice clasice, legată în debutul ei,
mai ales de fenomenul cererii şi analiza acesteia. Un prim model
econometric, un exemplu de evoluţie şi perisabilitate în modelare rămâne
modelul elasticităţii şi al coeficientului de elasticitate al cererii. În literatura
economică apar patru semnificaţii majore ale cererii, respectiv: volumul
total de mărfuri şi servicii cumpărate, categoria de clientelă, zona, spaţiul
sau teritoriul descris geografic şi perioada de timp avută în vedere. Gradul
cel mai înalt de precizie semantică se poate atinge prin utilizarea simultană a
celor patru semnificaţii, segmentarea atingând maxima detaliere.
Cererea şi câteva din modelele sale specifice
Caseta nr.2.5
Cererea globală reprezintă relaţia completă între nivelele generale ale preţurilor şi cele
ale cantităţilor solicitate de bunuri de consum şi de investiţii (inclusiv servicii) la
dimensiunea unei pieţe, activităţi, economii locale, regionale, naţionale etc. Factorii
independenţi care influenţează cererea globală producând variaţia acesteia sunt
economici (veniturile, preţurile, investiţiile, oferta etc), demografici (numărul şi
structura populaţiei, statutul ocupaţional, nivelul şcolii absolvite etc), psihologici
(înclinaţiile personale, gusturile, preferinţele etc.), sociologici (moda, mediul social,
mobilitatea socială şi ocupaţională etc.) şi alţi factori (biologici, organizatorici,
sezonieri, conjuncturali, etc.). Cuantificarea influenţei diferiţilor factori asupra cererii
se realizează prin metode urmărind formularea statistico-matematică a legăturii cu
ajutorul corelaţiei simple sau multiple (liniară sau neliniară), sincronă sau asincronă (cu
decalaj). În esenţă, toţi factorii cererii determină tipologia specifică a acesteia, dar nu
cuantifică nemijlocit volumul şi variaţia cererii solvabile. În condiţii statistice de
comparabilitate asigurate (timp, spaţiu, structură şi organizare) şi de izolare a celorlalţi
factori cu o determinaţie redusă în variaţia cererii, factori esenţiali ce configurează
50
comportamentul consumatorului şi volumul cererii rămân veniturile şi preţurile.
Volumul cererii (Cji) pentru un produs poate fi sintetizat într-o funcţie matematică,
dependentă de factorii: venitul cumpărătorului (vj) şi preţul produsului (pi): Cji = f (vj,
pi), unde: i= 1, n şi j= 1, m . Dacă se iau în calcul preţurile tuturor celor “n” produse care
există pe piaţă atunci: Cji=f(vj,pi1,pi2,...,pin), funcţia cererii fiind dependentă de nivelul
venitului şi de preţurile celor “n” produse. În acest caz se studiază efectul variaţiei
preţurilor produselor asupra cererii produsului “i”. Dacă se iau în calcul toate cele “m”
tipuri de venituri şi preţul produsului, atunci: Cji = f (vj1,vj2,...,vjm; pi), funcţia cererii
fiind dependentă de nivelul preţului produsului şi de toate cele “m” tipuri de venituri
existente. În acest caz se cercetează efectul variaţiei tipurilor veniturilor (salarii, pensii,
ajutor social, alocaţie de sprijin etc) sau diverselor nivele ale aceluiaşi tip de venit (al
aceleiaşi categorii de statut ocupaţional: salariat, şomer, pensionar, copil). Dacă se iau
în calcul simultan “m” venituri şi “n” produse se ajunge la o funcţie matematică a
cererii globale (Cji), = f (vjm,pin), a veniturilor populaţiei (vjm), unde j = 1, m şi a
preţurilor produselor (pin), unde i = 1, n . Variaţia cererii a fost modelată prin funcţii
liniare şi neliniare. Exemplificând prin studiul relaţiei venit-cerere sau preţ-cerere,
funcţiile matematice au o formă liniară (c = a + bv sau c = a + bp) sau neliniară de tip
parabolic (c = avb sau c = apb), logaritmic (ln c = α + βv sau log c = α + βp),
semilogaritmic (c = α + β logv sau c = α + β logp) etc. Cererea globală constituită din
nevoile globale solvabilizate în funcţie de preferinţele globale, prin intermediul puterii
de cumpărare globale acţionează în condiţii de abundenţă, echilibru relativ sau penurie.
Exprimarea funcţiei cererii globale conduce la o funcţie cu mult mai multe variabile.
Exemplificând prin principalele variabile explicative (factori independenţi), cererea
globală a luat o formă generală descrisă astfel: C = f (v, vt/t-1, p, pt/t-1, π, s, ϕ, γ),
unde: v = venituri şi vt/t-1 = modificarea veniturilor, p = preţuri şi pt/t-1 = modificarea
preţurilor, π = populaţia (factorul sau multiplicatorul de bază al cererii), s = inventarul
sau stocul de bunuri aflat asupra populaţiei (bunuri de folosinţă îndelungată,
îmbrăcăminte, stocuri de alimente etc), ϕ = factori financiari (vânzările speciale “pe
credit”, economiile etc), γ = gusturile şi preferinţele consumatorilor (populaţiei). Pe
termen scurt (sub 1 an) şi mediu (1-5 ani) ecuaţia cererii globale a fost redusă la
elementele venit, preţ şi populaţie: C = f(v,p,π). La nivel macroeconomic, reunificarea
studiilor privind analiza cererii a constituit mai mult decât o simplă agregare, respectiv
stabilirea unor relaţii funcţionale între cererea globală şi evoluţia veniturilor globale.
Teoria keynesiană a cererii globale a introdus noi elemente de echilibrare profundă a
evoluţiei economiei şi a subliniat astfel lipsa de proporţionalitate a creşterii cererii
globale în raport cu creşterea venitului global (nivelul global al preţurilor fiind implicat
în asigurarea comparabilităţii veniturilor) ceea ce a separat lumea cererii în două
componente: cererea de bunuri de consum şi cererea de bunuri de capital
(echipamente), multiplicatorul de investiţii devenind un factor important al modelărilor
cererii globale. Modelul econometric keynesian a fost şi el infirmat pe termen lung de
studiul lui Kuznets S., privind Produsul naţional de la 1869, ce analiza procesul de
creştere economică a economiei de piaţă americane. Includerea acţiunii unor factori
consideraţi secundari pe termen lung, cum sunt variaţia preţurilor relative, rata de
interes, repartiţia veniturilor, nivelul avuţiei, structura patrimoniului în ceea ce priveşte
existenţa lichidităţilor a modificat major modelul econometric al cererii globale. În
analiza cererii globale s-au întrepătruns modele clasice axate pe o suită de funcţii

51
matematice, expresii convingătoare ale dinamicii modelului econometric prin
multiplicare: a)modele liniare cu o singură variabilă [c = 0,78v + 11,45 (Samuelson
P.A); c = 0,85v + 7,77 (Mosak J.); c = v ≤ 0,803v + 8,621 (Woytinsky W.) etc. ]; b)
modele liniare cu mai multe variabile [c = 5,50 + 0,828 v + 0,04 t (Smithies A.); c = av
+ bt (modelul Comisiei “Cowles”); (unde t = timpul şi a,b = parametrii specifici) etc.];
c) modele pluriecuaţionale [v’=vp+vt, c’=cp+ct si cp=k (g,i,p)vp unde: g=gustul,
preferinţele, i=rata de interes (dobânda), p=nivelul patrimoniului (Friedman M.)];
d)modele periodice [vt=Cheltt+α(1+β)vt-1-αβvt-2, unde:Cheltt = cheltuieli la timpul t;
α = rata marginală a consumului şi β = accelerator (Fischer G.H.) etc.] Sensul major
statistico-matematic al elasticitǎţii cererii a oscilat practic între raport şi mǎsurǎ.
Elasticitatea este definită de către Derycke P.H., ca un raport de variaţii
relative ce prezintǎ modificarea unei variabile (venitul sau preţul) ca o
acţiune concomitentǎ sau anterioarǎ a altei variabile (cantitatea). Tinbergen
J. a redefinit-o drept măsură a mobilităţii absolute şi relative a unui fenomen
prin raportare la un altul cu care se află în legătură naturală.
Prin semnificaţia sa generalizată, elasticitatea a exprimat sensibilitatea,
flexibilitatea, reactivitatea unei variabile rezultative sau dependente
(cererea) faţă de modificarea altor variabile explicative sau independente v,
p, π etc. (venitul, preţul şi populaţia cu sens de comportament al
consumatorului fiind variabile cauzale ce explică variaţia lui y).Elasticitatea
a constituit un model econometrie clasic încă din 1838, intuit de Cournot A.
şi autentificat de Marshall A. în 1885, prin coeficientului de elasticitate.
Elasticitatea cererii şi coeficientul de elasticitate caracteristic al acesteia
Caseta nr. 2.6
Coeficientul de elasticitate se referǎ, restrictiv, la elasticitatea calculată într-un punct
sau într-o porţiune a curbei funcţiei de elasticitate y=f(x). Elasticitatea este, în general,
un fenomen de neechivalenţă între modificările relative a două variabile: rezultativă (y)
şi explicativă (x). Neechivalenţa este exprimată prin modalitatea de determinare a unui
coeficient de elasticitate diferit de |±1|. Determinarea lui este relativ simplă.
Δy Δx Δy Δx
Cum Δy / y ≠ Δx / x ,atunci = λ (y / x ) × , de unde: λ ( y / x ) = : .
y x y x
Coeficientul de elasticitate măsoară raportul dintre variaţia caracteristicii rezultative şi
a celei explicative (cazul a), se poate exprima şi ca funcţie de elasticitate a cererii, de
tipul y = f(x), fiind egal cu raportul dintre valoarea marginală a funcţiei şi cea medie
(cazul b) sau direct ca o funcţie de elasticitate y = f(x), ca un raport între derivata
logaritmică a lui y şi derivata logaritmică a lui x (cazul c). În cazul cererii economice
preţul şi venitul devin factori explicativi (ce completează denumirea coeficientului λc/p
şi λc/v). Coeficienţii de elasticitate-preţ sau elasticitate-venit a cererii se determină în
trei variante :
Δc Δp Δc Δv
Varianta 1: λ ( c / p ) = c : p şi λ
( c / v )= :
c v (unde: Δp → 0 şi Δv → 0 )
dc c dc c Δc c Δc c
Varianta 2: λ = : şi λ = : sau λ = : şi λ = : .
( c/p ) dp p ( c/ v ) dv v ( c/p ) Δp p ( c/ v ) Δv v
(unde: Δp → 0 şi Δv → 0 )

52
Varianta 3: λ = d ( log c ) = dc : dp = dc ⋅ p = dc ⋅ p (unde: dp → 0 ) şi
( c/ p) d ( log p ) c p c dp dp c
d ( log c ) dc dv dc v dc v (unde: dv → 0 )
λ ( c/ v) = = : = ⋅ = ⋅
d ( log v ) c v c dv dv c
Prin teoria seriilor cronologice, λ ( ) = Δy : Δx se transformă în: λ y x
y/x y x ( y/ x )=R ( % ) / R ( % )
respectiv un raport de ritmuri. Coeficienţii elasticităţii-preţ sau elasticităţii-venit devin
astfel: λ c/ v = R c% / R v% şi λ c/ p = R c% / R p% . Coeficientul de elasticitate se poate
( ) ( ) ( ) ( ) ( ) ( )
exprima şi prin indici:
ΔC1/ 0 ΔV1/ 0 C1 − C 0 V1 − V0 I1/C 0 − 100
λC / V = : = : = V ,unde I 1C/ 0 , I 1V/ 0 sunt indicii cererii şi
C0 V0 C0 V0 I1/ 0 − 100
ΔC1 / 0 Δ P1 / 0 C1 − C 0 P1 − P0 I1C/ 0 − 100
venitului sau λ C / P = : = : = ,unde I1/C 0 , I1/P 0 sunt
C0 P0 C0 P0 I1/P 0 − 100
indicii cererii şi preţurilor.
Semnificaţia coeficienţilor de elasticitate preţ şi venit a cererii, descrie
opus o realitate economică. Astfel, coeficientul de elasticitate-preţ al cererii
este un instrument de investigaţie care exprimă procentul cu care se
modifică cererea, atunci când are loc o variaţie de un procent a preţului
(transcrierea este precedată de semnul “minus”), iar coeficientul de
elasticitate-venit al cererii exprimă procentul cu care se modifică cererea,
atunci când are loc o variaţie de un procent a venitului (transcrierea este
precedată de “plus”). În tabelul următor se prezintă elasticitatea preţ şi venit
a cererii şi domeniile limită ale coeficientului specific.
Elasticitatea preţ şi venit a cererii
Tabel nr. 2.2
Domeniul de Tipul de elasticitate - Domeniul de Tipul de elasticitate -
existenţă preţ a cererii existenţă venit a cererii
λ(c/p) → - ∞ elasticitate perfectă λ(c/v) → + ∞ elasticitate perfectă
λ(c/p)∈(-∞,-1) elasticitate supraunitară λ(c/v)∈ (1,+∞) elasticitate supraunitară
λ(c/p) = - 1 elasticitate unitară sau λ(c/v) = 1 elasticitate unitară sau
proporţională proporţională
λ(c/p)∈(-1, 0) inelasticitate relativă λ(c/v) ∈ (0, 1) inelasticitate relativă
(anelasticitate) (anelasticitate)
λ(c/p) = 0 inelasticitate perfectă λ(c/v) = 0 inelasticitate perfectă
λ(c/p) > 0 relativ anormală λ(c/p) < 0 relativ anormală
Cazul elasticităţii transversale sau încrucişate are ca substrat posibilitatea
de calcul a unui coeficient al elasticităţii cererii, în situaţia unui bun x, în
funcţie de modificarea preţului unui bun y. Formula de calcul devine:
Δq x q x Δq x p y Δq x Δp y sau λ q / p = R q x : R py
λ⎛
⎜ q /p ⎟
x
⎞
y⎠
=
Δp
:
p
=
Δp
×
q
=
q
:
p
( x y)
⎝ y y y x x y

53
 Interpretarea elasticităţii transversale sau încrucişate
Caseta nr. 2.7
1.Dacă λ> 0 , atunci are loc creşterea cererii pentru x, datorită majorării preţului lui y,
produsele fiind rivale sau substituibile (miere şi zahăr, cafea şi ceai).
2.Dacă λ < 0 , atunci se diminuează cererea pentru x, ca urmare a majorării preţului lui y,
produsele fiind complementare sau solidare (autoturism şi benzină).
3.Dacă λ < 0 , produsele sunt independente (situaţie de inelasticitate).
Evoluţia şi perisabilitatea modelelor econometrice clasice provin din
multitudinea factorilor explicativi, dificil de formalizat statistico-matematic
în totalitate, în cazul cererii fiind vorba de saturarea nevoilor, îndepărtarea
cererii de originea fiziologică a nevoii, înlocuirea şi rivalitatea potenţială a
bunurilor, multiplicitatea utilizărilor, influenţa apartenenţei bunului la o
grupă, substituirea directă, ponderea din venitul consumatorului, calitatea
bunului, venitul real, asigurarea minimală a nevoilor, nivelul cultural,
nivelul informaţional economic (asimetria informaţională a pieţei), norma
de onestitate a pieţei, timpul analizei etc. Modelarea econometrică bazată pe
coeficienţii de elasticitate, generatoare de modele clasice, nu constituie un
fenomen încheiat, exemplificând fie şi numai prin aplicarea repartiţiei
lognormale (Galton-Mac Alister) aptă să genereze continuu noi coeficienţi
de elasticitate în lumea reală.

II.4. Test de autoevaluare şi bibliografie opţională

A.Test de autoevaluare
A1) Întrebări clasice recapitulative
1.Ce înseamnă astăzi model şi modelare în
econometrie şi în econometria financiară?
2.Care sunt etapele unei modelări clasice
econometrice şi ale modelării economico -
financiare în econometria modernă?
3. Care sunt cele mai importante criterii de
clasificare ale modelelor econometrice sau
ale modelelor econometrice financiare ?
4.Care sunt subetapele asigurării seriilor
de date statistice în modelarea clasică
econometrică ?
5. Descrieţi modelele statistico-matematice
clasice ale elasticităţii cererii în funcţie de
preţ şi de venit?
6. Cum se determină şi se interpretează
valoarea unui coeficient de elasticitate
transversală sau încrucişată?
A2) Întrebări tip grilă
7. Etapele modelării matematice sunt:
a) formularea matematică a problemei,
identificarea şi elaborarea modelului; b)
obţinerea primului model descriptiv de lucru
(modelul matematic brut); c) cercetarea
valabilităţii modelului prin aplicare în timp.
8.Conform naturii fizice a elementelor
modelului se disting modele: a) fizice;
b)abstracte; c) tehnice; d) hibride;
e) cantitative; f)matematice; g) calitative.
9. În raport cu modul de reflectare a
caracteristicilor fenomenului economic
modelele econometrice sunt: a) normative; b)
teoretice c) descriptive; d)operaţionale.
10. Criteriul de clasificare a modelelor în
autoregresive şi cu decalaj (lag) este: a)
forma legăturii; b) modalitatea de integrare a
variabilei timp; c) prezenţa printre variabilele
explicative a uneia cu valori decalate.

54
 B.Bibliografie opţională
Andrei, N., Teorema Noether şi fundamentele modelării matematice, Revista Romana de
Informatica si Automatica, vol. 18, nr. 4, 2008, pp.11-22
Bălţat,V.,Crăciuneanu,V.,Săvoiu, G., O succintă istorie statistică şi economică a fiscalităţii
româneşti. Modele econometrice în analiza fiscalităţii din România, după 1991, Revista
Română de statistică, nr.12/2009, supliment INS şi SRS, Ed INS. Pag. 77 – 82.
Engle, R., Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of
U.K. Inflation, Econometrica 50, 1982, pp.987-1008.
Engle, R., Lilien D., Robins, R., Estimation of Time Varying Risk Premia in the Term
Structure: the ARCH-M Model, Econometrica 55, 1987, pp.391-407.
Engle, R., Rothschild M., Asset Pricing with a Factor ARCH Covariance Structure:
Empirical Estimates for Treasury Bills, Journal of Econometrics 45, 1990, pp.213-237.
Engle, R., Dynamic Conditional Correlation - A Simple Class of Multivariate GARCH
Models, Journal of Business and Economic Statistics (July 2002), V20N3.
Engle, R., Granger, C.WJ.(1987),Co-integration and Error
Correction:Representation,Estimation and Testing,Econometrica55,pp.251-276.
Granger, C.W.J.,Terasvirta, T.,Modeling Nonlinear Dynamic Relationships, Oxford
University Press. 1993.
Granger, C.W.J., Developments in the Study of Cointeraction Economic Variables. Oxford
Buletin of Economics and Statistics, 48,1986.
Granger, C.W.J., Testing for Causality and Feedback, Econometrica, 37,1989.
Söderlind, P., Lecture Notes in Financial Econometrics (MBF, MSc course at UNISG), 26
May 2011, http://home.datacomm.ch/paulsoderlind/Courses/OldCourses/FinEcmtAll.pdf
Struckmeier, J., Riedel C.,(2002), Noether's theorem and Lie symmetries for time-
dependent Hamilton-Lagrange systems. Physical Review, Statistical Nonlinear Matter and
Soft Matter Physics, E (66)
Tamaş, V, Brânzei, D, Smadici, C, Moscovici, J, (1995), Modele matematice în economie,
Ed. Graphix, Iaşi, pp.10-20 şi 33-46.
Vogelvang, B., (2005), Econometrics:Theory and Applications with Eviews, Publisher:
Financial Times Press, Amsterdam.

55
 CAPITOLUL III
Noţiuni economico - financiare şi statistico-matematice utile
în econometrie şi econometrie financiară
Cuprins Pagina
1. Noţiuni economice şi financiare utile în construcţia modelului econometric 57
şi econometrico - financiar
2. Concepte instrumentale statistico - matematice valorificate în modelul 80
econometric şi econometrico - financiar
3. Limbajul statistic şi matematic al corelaţiei şi regresiei şi matricile de 89
corelaţie ca soluţii prompte de selectare a factorilor modelului
4.Test de autoevaluare, aplicaţii şi bibliografie opţională 95
Obiective: Obiectivul major practic îl constituie selectarea şi prezentarea principalelor
noţiuni macro şi microeconomice financiare şi indicatori, precum şi a conceptelor şi
instrumentelor statistico-matematice necesare realizării de modele econometrice
(financiare) utile. Toate aceste conceptualizări sunt valorificate cu ajutorul unor serii de
date şi unui pachet de programe specializate (EViews). Cunoaşterea principalelor
concepte, metode şi teorii economice şi financiare, precum şi noţiunilor statistico-
matematice asigură înţelegerea factorială a fenomenelor care vor fi modelate şi
interpretarea corectă a unei statistici descriptive, grafic şi matrice de corelaţie.
Cuvinte cheie: noţiuni economico-financiare, concepte şi instrumente statistico-
matematice, macroagregate, indicatori macro şi microeconomici, variabilă, parametru
statistic, normalitate şi omogenitate, dispersie, asimetrie, boltire, matrice de corelaţie.

Bibliografie
Andrei, T., Stancu, S., Iacob, A.I., Tuşa, E., Introducere în econometrie utilizând Eviews,
Ed. Economică, Bucureşti, 2008.
Dobrotă, N., (coord.), Dicţionar de economie, Ed. Economică, ed. a III-a, Bucureşti, 2001.
Ghereş, M., Săvoiu, G.,(coord), Economia mediului.Tratat,Ed.Universitară,Bucureşti, 2010.
Grama, A., Jaba, E., Analiza statistica cu SPSS sub Windows, Ed.Polirom,Bucureşti, 2004.
Isaic-Maniu, Al., (coord.), Dicţionar de statistică generală, Ed.Economică, Bucureşti,2003.
Korka, M. Tuşa, E.Statistică pentru afaceri internaţionale,Ed. ASE, Bucureşti, 2004.
Pecican, E., Econometrie ... pentru economişti, Ed. Economică, Bucureşti, 2004.
Săvoiu, G., Statistica - Un mod ştiinţific de gândire, Ed. Universitară, Bucureşti, 2007.
Săvoiu, G., Gândirea statistică aplicată, Ed.Universitară, Bucureşti, 2010.
Săvoiu, G., Econometrie Ed.Universitară, Bucureşti, 2011.
Stancu, D., Stancu, I., Finanţe corporative cu Excel, Editura Economică, Bucureşti, 2012.
Stancu, I., Finanţe (editia a IV-a), Editura Economică, Bucureşti, 2007.
Munteanu, C. Horobeţ, A., Finanţe transnaţionale, Editura All Beck, 2005.
Todea A., Investiţii, Ed. Casa Cărţii de Stiinţă, Cluj-Napoca, 2006.
Trebici, V., Mica enciclopedie de statistică, Ed. ştiinţifică şi enciclopedică, Bucureşti,1985.
Ţarcă, M., Tratat de statistică aplicată, Ed.didactică şi pedagogică, Bucureşti, 1998.
Voineagu, V.,E., Ţiţan., R., Şerban, Ghiţă, S., Todose, D., Boboc, C., Pele, D.,Teoria şi
practica econometrică, Ed. Economică, Bucureşti, 2007.
Webografie
*** http://epp.eurostat.ec.europa.eu *** http://www.spss.com
***http://www.mathworks.com ***http://www.eviews.com

56
 III.1.Noţiuni economice şi financiare utile în construcţia modelului
econometric şi econometrico-financiar

Oricum ar fi construite modelele econometrice (financiare), noţiunile

economico-financiare şi conceptele statistico-matematice, alături de
indicatorii derivaţi, constituie întotdeauna punctul de plecare, neputându-se
realiza nici o prezentare simplificată şi formalizată a unui fenomen
economico-financiar, fără ajutorul acestora. O primă exemplificare a acestei
afirmaţii o constituie Sistemul Conturilor Naţionale (SCN devenit SEC in
Uniunea Europeană), indicatorii conjuncturali sau pe termen scurt ai
afacerilor, indicatorii economiei financiare omniprezenţi în modele
macroeconometrice valorice. Câteva dintre conceptele semnificative
economico-financiare ale SCN, alături de indicatorii statistici derivaţi sunt
detaliate în caseta următoare:
Caseta nr.3.1
Activitatea economică defineşte un proces complex reunind fapte, acte, comportamente
şi decizii privind atragerea şi utilizarea resurselor economice, cu scopul de a obţine
profit, prin satisfacerea unor nevoi. Activitatea este generatoarea noţiunilor de fenomen
şi subiect economic. Fenomenul economic include operaţiunile cu bunuri şi servicii
(reale) şi monetare (financiare) ce conferă substanţă principalelor forme de existenţă
ale activităţii economice: producţia, schimbul, repartiţia, consumul, acumularea
(investiţia). Fenomenul economic are loc atât în ţesutul celulelor de bază, care coincid
cu cele cinci categorii mari de subiecte, respectiv gospodării private (menaje),
întreprinderi (firme), stat (administraţia publică, privată şi asigurări sociale), bănci
(instituţii financiare şi de asigurări) şi restul lumii (străinătatea), cât şi la suprafaţa
ţesutului, devenind expresia unei generalizări, esenţializări. Între subiectele economice
au loc crearea, transformarea, transferul sau lichidarea de valori, prin relaţii generând
schimb de proprietate asupra obiectelor activităţii economice (bunuri şi servicii,
inclusiv servicii ale factorilor de producţie şi creanţe). Aceste relaţii definesc
tranzacţiile economice, fie ele vizibile, (efective, de piaţă sau bilaterale), formalizate ca
bunuri şi servicii (tranzacţii reale) sau prin monedă (tranzacţii financiare sau băneşti),
fie invizibile (unilaterale), fiind denumite şi transferuri, condiţionat de formele
organizatorice complexe şi, mai ales, de materialitatea lor. Tranzacţiile sunt evaluate,
datate şi localizate. Totalitatea tranzacţiilor similare reunite generează un flux
economic, aşa cum agregarea subiectelor economice de aceeaşi natură dă naştere unui
sector economic. Combinând cele două agregări în spaţiul sau teritoriul economic se
pot obţine fluxurile intrasectoriale şi intersectoriale. Dacă se însumează fluxurile
circulare existente pe teritoriul economic al unui stat se obţine un uriaş circuit
economic intern (domestic), iar prin extinderea la o comunitate de state, circuitul
devine regional şi, treptat, mondial. Subiectele economice, în raport cu teritoriul
economic al unui stat şi cu centrul principal de interes sau de activitate, se împart în
rezidente şi nerezidente, în măsura în care cele două criterii coincid sau nu prin
localizare. Reunind fluxurile generate de activitatea rezidenţilor naţionali cu fluxurile
conaţionalilor rezidenţi în alte teritorii sau state se obţine un circuit naţional. Circuitul
intern astfel modelat devine economie internă, aşa cum circuitul naţional se
57
transformă în economie naţională. În economia de piaţă unde prevalează schimbul,
priorităţile sunt date de raportul cerere-ofertă şi rezultatele sunt formarea, nivelul şi
dinamica preţurilor. SCN prezintă predecesori încă din prima jumătate a secolului al
XVIII-lea, în tabloul economic al lui Quesnay. În anul 1947, Richard Stone, în baza
rezultatelor cercetărilor întreprinse sub egida Societăţii Naţiunilor Unite, elaborează
metodologia Venitului naţional şi a totalurilor legate de acesta. Un prim sistem
standardizat de conturi naţionale a fost publicat prima dată în 1952, iar varianta
operaţională actuală datează din 1993 şi armonizează SCN cu balanţa de plăţi externe,
statistica financiară a statului, statistica monetară şi bancară, cu clasificarea
internaţională standard ONU şi cu metodologia în domeniul forţei de muncă elaborată
de Biroul Internaţional al Muncii. În paralel, Comunitatea Economică Europeană a
renunţat la Sistemul simplificat de contabilitate naţională şi a creat o versiune
comunitară a SCN (SEC-Sistemul European de Conturi), la începutul lui 1996
(abreviată SEC 1995). Principalii indicatori de rezultate macroeconomice sunt:
Tabel nr. 3.1
Indicatori cu conţinut brut Indicatori cu conţinut net
Produsul Intern Brut - PIB Produsul Intern Net - PIN
(engleză: Gross Domestic Product - GDP) (engleză: Net Domestic Product - NDP)
Produsul Naţional Brut - PNB Produsul Naţional Net - PNN
(engleză: Gross National Product - GNP) (engleză: Net National Product - NNP)
La interfaţa dintre subiecte economice, veniturile unora devin cheltuielile altora, ceea
ce egalizează producţia finală cu veniturile realizate şi cu cheltuielile. Caracterul
estimativ al indicatorilor îşi găseşte explicaţia în metode diferite, surse de date variate
şi în diverse tehnici de prelucrare. O analiză paralelă a metodelor de calcul subliniază
specificitatea lor:
Tabel nr. 3.2
Metode în SCN-Obiect agregare Indicatori macroeconomici - Mod de calcul pentru
şi localizare subiecte economice principalele macroagregate
I.Metoda de producţie Produs global brut PGB=∑Bunuri şi servicii
-fluxurile reale de bunuri şi Produs intern brut la preţurile pieţei
servicii PIBpp=∑VABpp sau PIBpp=PGB–CI
-subiectele economice din sfera PIBpp=∑VABpf + (IP+TV) – Sv, unde: IP =impozite
de producere a valorii adăugate pe produs, TV = taxe vamale, Sv = subvenţii
brute (VAB) Produs intern net la preţurile pieţei PINPP=PIBpp-A,
unde A= amortizarea
II.Metoda de consum Produs intern brut la preţurile pieţei
-fluxurile reale de mărfuri şi CF=consum final, FBCF=formarea brută de capital
servicii nefinanciare fix, ΔS=variaţia de stoc, Enet = (X-M)= export net
-subiectele economice din sfera PIBpp= CF + FBCF + ΔS + (X-M)
distribuţiei Produs naţional net la preţurile pieţei
PNNpp = PINpp + ΔVFS, unde: ΔVFS=soldul
veniturilor factorilor în raport cu străinătatea
III.Metoda veniturilor Produs intern brut la preţurile pieţei
-fluxurile financiare PIBpp=CFM+ENE+A+IIN, unde:CFM=compensarea
-factorii de producţie forţei de muncă, ENE=excedent net de exploatare şi
recompensaţi în sfera repartiţiei IIN=impozitele indirecte nete
Produs intern net la preţurile pieţei
PINPP = CFM+ENE+IIN

58
 IV.Metoda cheltuielilor Produs intern brut la preţurile pieţei
-fluxurile financiare (cheltuieli PIBpp=Cpr+EN+ID+IIN+A, (unde Cpr=cheltuieli
sau disponibilităţi, economii) private EN=economii nete, ID=impozite directe)
-subiectele economice din sfera Produs intern net la preţurile factorilor
acumulării şi consumului (venit naţional) VN=PINPf = PIBpp– IIN–A
SCN este creat pentru a asigura estimarea indicatorilor sintetici de rezultate (PIB, PNB,
PIN, PNN) dar şi a altor indicatori: formarea brută de capital (fix) sau FBC(F), venitul
disponibil sau VD, economii sau E la fel de utili în modelările macroeconometrice.
Pentru estimarea PIB-ului se publică metoda de producţie şi consum.
I. Metoda de producţie:PIBpp =∑VABpf + (IP+TV)–Sv sau PIBpp =∑VABpf +IIN
Sursa datelor o reprezintă http://www.insse.ro şi Anuarul statistic al României,
Ed.INS, Bucureşti,1991-2010, iar PIB-ul este detaliat după metoda de producţie:
Tabel nr. 3.3
Anul PIBpp IPIB real ∑VABpf IP (impozite TV (taxe Sv (Subvenţii)
(% ) pe produs) vamale)
- miliarde lei (ROL) preţuri curente -
1990 857,9 94,4 788,1 102,0 1,6 -33,8
1991 2203,9 87,1 2066,1 193,2 24,7 -80,1
1992 6029,2 91,2 5915,2 484,8 86,9 -457,7
1993 20035,7 101,5 18579,2 1857,5 303,5 -704,5
1994 49773,2 103,9 45954,7 3848,2 648,9 -678,6
1995 72135,5 107,1 66598,5 5579,4 1189,0 -1231,4
1996 108919,6 103,9 101854,2 7458,7 1852,3 -2245,6
1997 252925,7 93,9 232817,6 18569,1 3808,2 -2269,2
1998 373798,2 95,2 331547,6 39806,6 5859,4 -3415,4
1999 545730,2 98,8 480475,1 61605,7 7242,5 -3593,1
- milioane lei (RON) preţuri curente -
2000 80984,6 102,4 72736,4 8337,1 912,0 -1000,9
2001 117945,8 105,7 106120,0 11686,4 905,0 -765,6
2002 152017,0 105,1 136922,3 15702,2 986,2 -1593,7
2003 197427,6 105,2 175640,9 21644,2 1381,2 -1238,7
2004 247368,0 108,5 220931,3 25322,8 2531,7 -1417,8
2005 288954,6 104,2 255232,7 33126,1 2685,7 -2089,9
2006 344650,6 107,9 304269,8 38711,5 3238,8 -1569,5
2007 416006,8 106,3 368356,3 48028,1 1210,2 -1587,8
2008 514654,0 107,1 458489,4 56415,6 1192,3 -1443,3
2009 491273,7 92,5 441935,4 Impozite indirecte nete (IIN) = 49338,3
2010* 513640,8* 98,7* 455924,1* Impozite indirecte nete (IIN) = 57716,7*
2011** 578551,9** 102,5** 509350,7** Impozite indirecte nete (IIN) = 69201,2**
* Date semidefinitive şi **date provizorii -Buletin statistic lunar nr.1/2011 şi 2012, INS, Bucureşti.
II.Metoda de consum:PIBpp=CF+FBCF+ΔS+(X-M) sau PIBpp=CF+FBC+ Enet
Componentele PIB după metoda consumului sunt detaliate în continuare:
Tabel nr. 3.4
Anul PIBpp Deflator (%) CF FBCF ΔS Enet=X-M)
- miliarde lei (ROL) preţuri curente -
1990 857,9 - 679,5 169,8 89,7 -81,1
1991 2203,9 294,9 1672,5 317,0 301,1 -86,7
1992 6029,2 300,0 4642,5 1156,8 736,7 -506,8
1993 20035,7 327,4 15235,8 3583,7 2212,2 -996,0

59
1994 49773,2 239,1 38452,4 10095,7 2252,6 -1027,5
1995 72135,5 135,3 58662,4 15424,9 2085,1 -4036,9
1996 108919,6 145,3 89939,4 24998,5 3161,4 -9179,7
1997 252925,7 247,3 218619,8 53540,1 -1368,7 -17865,5
1998 373798,2 155,2 337468,6 67919,9 -1586,4 -30003,9
1999 545730,2 147,8 484361,5 96630,4 -8889,9 -26371,8
- milioane lei (RON) preţuri curente -
2000 80984,6 144,9 69587,4 15245,2 444,6 -4292,6
2001 117945,8 137,8 100731,7 24171,4 2014,8 -8972,1
2002 152017,0 122,6 127118,8 32366,5 1079,6 -8547,9
2003 197427,6 123,5 168818,7 42496,6 873,6 -14761,3
2004 247368,0 115,5 211054,6 53850,3 4701,1 -22238,0
2005 288954,6 112,1 251038,1 68526,6 -1240,0 -29370,1
2006 344650,6 110,5 294867,6 88272,0 2916,3 -41405,3
2007 416006,8 113,6 344937,0 125645,3 3213,4 -57788,9
2008 514654,0 115,5 420872,2 164264,4 -3368,2 -67114,4
2009 491273,7 103,2 397273,5 125825,6 -2633,8 -29191,6
2010* 513640,8* 105,9 * 405422,4* 116793,1* 19127,5* -27702,2*
2011** 578551,9** 109,9** 441657,1** 142093,5** 24582,2** -29780,9**
* Date semidefinitive şi **date provizorii - Buletin statistic lunar nr.1 /2011 şi 2012, INS, Bucureşti.
Estimarea macroagregatelor SCN conduce la aprecierea evoluţiei
economiei dacă este însoţită de evaluarea indicatorului, cunoscut drept
creştere economică sau ritmul PIB-ului real, obţinut din indicele procentual
al PIB-ului real din care se scade valoarea de 100 de procente: R PIB real (%)
= IPIB real ( %) - 100 (%).
Imaginea SCN a principalelor macroagregate în preţuri comparabile
asigură un factor important în modelarea macroeconometrică, oferind
imaginea reală a transformărilor structurale (în preţurile unui acelaşi an t-1
sau „zero” considerat an de bază). Evaluarea este rezultatul produsului între
volumul neagregabil în unităţi fizice datorită varietăţii lor şi preţul exprimat
prin variaţia medie a preţurilor vizate. Concret se determină rezultatul
exprimat în preţuri comparabile al raportului PIB-ului realizat timp de doi
ani consecutivi, din indicele PIB-ului în preţuri curente:
IPIB preţ uri curente (%) = (PIB în preţuri an t : PIB în preţuri an t-1) x 100,
care de îndată ce a fost obţinut se împarte la un indice de preţ specific,
denumit deflatorul implicit al PIB, ceea ce rezultă constituind în fapt
indicele PIB-ului real.
IPIB real ( %) = (I PIB preţ uri curente : Deflatorul implicit al PIB ) x 100
Creşterea economică naţională sau modificarea anuală a IPIB real
Tabel nr. 3.5 Anul precedent = 100
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012

Anul
Ritmul
-12,9

- 4,8
- 5,6

- 8,8

-6,1

-1,2

-7,5
-1,3
1,5
3,9
7,1
3,9

2,4
5,7
5,1
5,2
8,5
4,2
7,9
6,3
7,1

2,5
0,2

IPIB real
Surse: Anuarul statistic al României,1991–2012 şi Buletin statistic lunar, nr.1/2013, INS, Bucureşti

60
 Evoluţia ciclică a economiei naţionale după anul 1990
Grafic nr.3.1
15
10
5
0
-5
-10
-15
-20
-25
-30
1991
1992
1993
1994

1996

1998

2000

2002

2004

2006

2008
2009
2010
2011
1990

1995

1997

1999

2001

2003

2005

2007

2012
Sursa: http://www.insse.ro/cms/files/statistici/comunicate/pib/ Arhia comunicatelor de presă (INS)
Principiile alcătuirii de sisteme de indicatori statistici capabili să
sintetizeze fenomenele economice, exprimate ca cerinţe în modelarea
macroeconometrică, impun analize de conjunctură, de sezonalitate, de
ciclicitate etc. Cea mai simplă prezentare economică conjuncturală (cu
sens de ansamblu de factori obiectivi şi subiectivi sau împrejurări ce
influenţează pozitiv/negativ economia) este descrisă prin careul magic al
strategiei economice şi cuprinde rata creşterii economice, rata inflaţiei, rata
şomajului şi soldul balanţei comerciale. Dacă acestui sistem minimal de
indicatori i se adaugă raportul între veniturile maxime şi minime (ori medii
şi minim garantate), cunoscut drept indice de coeziune, se obţine pentagonul
magic,iar prin adăugarea indicatorilor de mediu se ajunge la hexagonul
peren al echilibrelor majore. Se pot selecta şi alţi indicatori alternativi
grupaţi în şase clase (domenii), ce oferă informaţii despre principalele
echilibre economice, ce delimitează aceste construcţii) de la patrulaterul
strategiei, la pentagonul magic şi hexagonul peren).
Figura nr. 3.1

1.Indicatori ai echilibrului investiţie - consum şi ai creşterii economice (ritmul creşterii

economice reale, rata formării brute de capital fix, ponderea consumului final etc.)
2.Indicatori ai echilibrului cerere-ofertă prin nivelul preţurilor (indicii preţurilor, rata
anuală a inflaţiei, deflatorul PIB-ului, cursul de schimb al monedei, taxa de scont etc)
3.Indicatori ai echilibrului pieţei forţei de muncă (gradul şi structura ocupării şi migrării
internaţionale a forţei de muncă, rata şomajului, rata de înlocuire etc.)
4.Indicatori ai echilibrului extern al economiei naţionale (indicatorii contului curent
balanţei de plăţi externe, fluxurilor internaţionale în investiţii, îndatorării externe etc.)
5.Indicatori ai echilibrului social şi comunitar (ecartul dintre salariul minim şi maxim,
greve şi conflicte, indicele de cost al vieţii şi dezvoltării umane, concentrarea veniturilor)
6.Indicatori ai echilibrului mediului sau ecosferei (indicatori statistici referitori la ariile
protejate, la resurse de apă asigurate, la calitatea apelor de suprafaţa, la defolierea
arborilor la principalele specii, la cheltuieli pentru protecţia mediului etc.)

61
 Modelările economico - financiare (mai ales macrofinanciare) valorifică
aceşti indicatori prin regrupare tactică sub alte denumiri expresive: a)
indicatori instrumentali (deficitul bugetului general consolidat ca procent
din PIB); b) indicatori de pilotaj (soldul balanţei comerciale), indicatori de
obiective (rata şomajului şi rata inflaţiei); c) indicatori de supravieţuire
(indicatori de mediu) etc. dar pun tot mai mult accent pe corelaţia dintre
creşterea economică şi comportamentele financiare. În ultimele patru
decenii „liberalizarea” financiar contabilă percepută macroeconomic ca
apariţie şi dezvoltare de noi componente ale pieţelor financiare sau de noi
instrumente cu suport şi metodologie statistică de finanţare a economisirii şi
investirii, nu au avut integral efectele aşteptate, creşterea economică
realizându-se majoritar tot pe seama noilor tehnologii sau progresului tehnic
(în proporţie de circa ¾ conform lucrării „Macroeconomie financiarǎ” a lui
Michel Aglietta).
Creşterea economică este multiplu investigată şi modelată, atât ca ritm al
PIB-ului real, cât şi prin analiza fenomenelor financiare de economisire şi
investiţii, respectiv prin macroagregatele financiare ale economiilor brute
sau nete (EB sau EN) şi formarea brută de capital fix (FBCF). În analiza
creşterii economice, rata creşterii reale este însoţită de: a) prezentarea ratei
dobânzii reale pe termen lung: r = Rdr = i-π = Rdn-Rinflaţiei ,unde:Rdr sau r este
rata dobânzii reale,Rdn sau i este rata dobânzii nominale, iar Rinflaţiei sau π =
IPC(%) – 100 (atât relaţia cât şi notaţiile „ i = r + π” sunt cele consacrate de
Irving Fisher); b) expunerea cuantumului ratei brute a economiilor (RE) ca
procent (%) din PIB sau RE = (EB:PIB) ×100, unde: EB este macroagregatul
economiilor brute; c) evidenţierea nivelului brut al ratei investiţiilor
exprimat în (%) din PIB, prin RINV = (FBCF : PIB) ×100.
Economisirea şi investiţiile constituie practic reperele modelărilor
macrofinanciare. Interdependenţele existente între economisire, investiţii şi
creşterea economicǎ sunt multiple. Unele abordări economice identifică
economisirea cu investiţia, altele consideră economisirea o noncheltuială şi
investiţia un mod de a cheltui venitul. Macrofinanciar, economiile nete
definesc economisirea generală, iar formarea brută de capital fix sau
formarea brută de capital, rezultată în urma adăugării variaţiei de stoc,
definesc investiţiile. Economisirea reprezintǎ partea venitului disponibil care
nu îmbracă forma consumului (EN=VD-CF) şi este o funcţie direct
crescătoare în funcţie de venit iar multiplicatorul investiţiei este egal cu
inversul propensiunii sau înclinării naturale (marginale) spre economisire.
Economisirea este încurajată de extinderea posibilităţilor de plasament pe
pieţe financiare, dar la baza ei rămân întotdeauna o creştere economică
susţinută şi un buget realist, respectiv nealterat de o presiune exagerată a
impozitelor directe şi indirecte ca surse ale acestuia (excluzând povara unui
grad de fiscalitate foarte ridicat). Investiţiile se află într-un raport invers
62
proporţional cu economisirile şi cu rata dobânzii şi sunt încurajate de
existenţa unor pieţe financiare variate, de prezenţa unor multiple metode de
finanţare şi de o corectă evaluare şi anticipare financiarǎ a randamentului şi
profitabilităţii firmelor. Într-o analiză distinctă, economisirea este invers
proporţională cu îndatorarea, căreia îi corespunde ca indicator general rata
îndatorării (RI) = angajamente (drepturi) totale : Active totale
Finanţarea investiţiilor este realizată fie ca autofinanţare, fie prin acţiuni,
obligaţii sau titluri financiare, fie prin procedura clasică de îndatorare,
respectiv creditarea bancară şi comercială. Astfel, apar indicatori statistici
financiari ce comensurează gradul de finanţare ca raport între active (intrări)
financiare şi active nefinanciare. Corelând informaţiile expuse cu sistemul
conturilor naţionale (SCN), unde conturile 6, 7 şi 8 sunt preponderent
macrofinanciare, iar venitul naţional disponibil (VND) ca principală resursă
poate fi utilizat pentru consum final (CF) sau economisire (EN), altfel scris
VND = CF + EN, se ajunge practic la delimitarea altor doi indicatori macro
financiari importanţi: a) capacitatea de finanţare, care are semnificaţia de
îmbogăţire financiar contabilă a economiei, în condiţiile în care procesul de
economisire a fost mai puternic decât cel de investire (însoţită chiar de
plasări de resurse financiare economisite, ca în cazul investiţiilor realizate
în străinătate); b) necesarul de finanţare, cu sensul de deteriorare a
patrimoniului financiar, care reprezintǎ suma resurselor financiar contabile
ce trebuie împrumutate la nivelul economiei apelând la resurse din
străinătate (împrumuturi externe). Conform rezultatelor financiare subiectele
economice deţin fie un excedent de resurse financiare (cazul gospodăriilor
care realizează economii şi caută să le plaseze), fie un deficit de resurse
financiare (situaţia societăţilor din proprietate publicǎ sau subvenţionate de
stat), fie prezintă alternativ excedente sau deficite financiare (ca în exemplul
administraţiei locale). Atragerea economisirilor sau a excedentelor se
realizează prin tranzacţii financiar contabile pe diverse pieţe financiare
specifice sau prin bănci ca intermediari clasici, capabili să transforme
active financiar contabile în active lichide (numerar, depozite la vedere,
bonuri de tezaur etc.).
Evoluţiile oscilante ale economisirilor, îndatorării şi investiţiilor conduc,
în final, la o evoluţie macrofinanciară de tip ciclic. Reluarea ciclurilor
economice influenţează dinamica întregii economii şi cunoaşterea ei se
realizează în acest caz prin sisteme de indicatori statistici conjuncturali şi pe
termen scurt. Macroeconomia statistică financiar contabilă obligă la un
„parteneriat” real între toate subiectele economice, respectiv gospodării,
firme, bănci, stat şi restul lumii, în vederea stimulării creşterii economice, a
diminuării efectelor şi forţei ciclurilor financiare şi a evitării crizelor şi
recesiunilor grave şi de lungă durată.

63
 Antreprenorul contemporan şi omul de afaceri abil, preocupaţi de un
management axat pe modele microeconometrice, fac apel în procesul
decizional în condiţii de risc şi incertitudine, dar şi de restricţii ale resurselor
(timp şi bani pentru propriile cercetări), la indicatori vectoriali cu calităţi de
senzori (reprezentativi) pentru a delimita starea actuală şi perspectivele
afacerii, indicatori distinctivi în relansarea economică (numărul
înmatriculărilor de noi întreprinderi, de locuri de muncă vacante şi nou
create, modificarea şomajului în termeni absoluţi şi relativi, dinamica şi
volumul creditelor pentru dezvoltarea de afaceri, dinamica exportului,
importului, consumului privat şi al administraţiei publice, precum şi alţi
indici specializaţi), în raport cu declinul economic (numărul de falimente,
dinamica arieratelor, stocurilor, productivităţii, veniturilor orare, evoluţia
conflictelor sociale de orice natură şi a grevelor). Indicatorii pe termen scurt
sintetizează aceste fenomene şi devin factori ai modelului microeconometric
curent decizional, al realizării, evaluării, prognozării fenomenelor printr-un
set minimal, dar şi funcţional (Săvoiu, 2010), care cuprinde:
1. evaluarea de tip cantitativ a activităţii definită prin producţie;
2. anticiparea activităţii sintetizată prin comenzi şi contracte;
3. factorul esenţial al fluctuaţiilor conjuncturale, respectiv investiţiile;
4. anticiparea tendinţelor în domeniul fluctuaţiilor (abordate prin inves-
tiţii) aproximând profitabilitatea prin excedentul brut de exploatare;
5. aproximarea profitabilităţii se realizează prin evidenţierea indica-
torilor: cifra de afaceri, compensaţia pentru salariaţi şi excedentul net
de exploatare;
6. ajustarea cu asigurarea comparabilităţii prin indici de preţ (indicele
preţurilor produselor industriale, al preţurilor bunurilor de consume, al
valorii unitare);
7. detalierea privind utilizări şi destinaţii prin stocuri şi fonduri;
8. evaluarea resurselor de muncă prin numărul forţei de muncă şi rata
şomajului;
9. utilizarea intensivă a forţei de muncă prin productivitate;
10. comercializarea externă (exporturi şi importuri, sold şi grad de
acoperire).
De regulă, sunt importante trei aspecte pentru modelare: orizontul de
timp (impune compararea cu o perioadă apropiată şi avantajează în fenomenele
cu sezonalitate ridicată, dezavantajând dacă situaţia economică sau ciclul
afacerilor se apropie de un moment hotărâtor, o inflexiune în dinamica
fenomenului), forma indicatorului (un indice care reliefează ciclul tendinţei
în încercarea de a elimina fluctuaţiile) şi tipul de valoare finală (media
lunară sau mobilă, valorificând avantajul insensibilităţii sau volatilitatea la
factori extremi sau la distorsiuni mari). Pentru evaluarea indicatorilor de
rezultate ale activităţii, firmele utilizează şi informaţiile contului de
producţie, derivat din logica SCN, conţinutul său fiind descris în continuare:
64
 Structura contului de producţie microeconomic
Tabel nr. 3.6
Cheltuieli Încasări
1.Consumul intermediar - CI 7.Vânzări de bunuri către alte firme -Vz
2.Amortizarea capitalului fix- A 8.Modificarea stocurilor de produse finite ΔS
3.Impozite indirecte - II 9.Bunuri de capital fix rezultate din producţia
4.Remunerarea muncii (salarii, impozit pe proprie - BCPP
salarii etc.) - RM 10.Subvenţii - Sv
5.Dobânzi, rente – D+R
6.Profit (dividende şi impozit pe dividende,
impozit pe profit, profit nedistribuit) - Pr

Prin intermediul contului de producţie se determină indicatorii valorici de

rezultate. Producţia brută a firmei (PBi), cuprinde bunurile şi serviciile
vândute altor firme şi pe acelea care au rămas în stoc, care au contribuit la
creşterea capitalului firmei:
PBi=Vzi+ΔSi+BCPPi sau PBi=CIi+Ai+(II-Sv)i+RMi+Di+Ri+Pri.
Valoarea adăugată brută a firmei (VABi) reprezintă valoarea brută a
bunurilor şi serviciilor finale produse într-o perioadă de timp. Se exprimă la
preţul pieţei când se includ impozitele indirecte nete şi la preţul factorilor
când nu se includ.
Se pot utiliza metoda producţiei axată relaţia VABpp=PBi-CIi şi metoda
veniturilor conform relaţiei:
VABpp=Ai+(II-Sv)i+ RMi+Di+ Ri+Pri.
Valoarea adăugată netă la preţul factorilor (VANpf) exprimă valoarea
nou creată de către firmă în perioada de calcul la preţul factorilor:
VANpf = VABpp-Ai-(II-v)i.
Excedentul brut de exploatare al firmei la preţul factorilor (EBEpfi) este
un indicator al cărui conţinut exprimă ceea ce rămâne la dispoziţia firmei
după ce se elimină din valoarea adăugată brută, impozitele indirecte şi
elementele care reprezintă remunerarea muncii:
EBEpfi = VABpp-RMi-(II-Sv)i.
Excedentul net de exploatare al firmei la preţul factorilor (ENEpfi)
anticipează profitul întreprinzătorului, fiind un indicator preferat al
statisticilor europene conjuncturale pe şi termen scurt: ENEpfi = EBEi-Ai
La nivel macroeconomic, conceptul de resurse umane se exprimă prin
populaţia ocupată şi forţa de muncă. Pentru analiza statistică a volumului
forţei de muncă la nivelul firmei se utilizează indicatorul numărul
salariaţilor, în variantele sale de efectiv al salariaţilor (numărul total de
angajaţi existent la un anumit moment - indicator de stoc) şi de număr mediu
al salariaţilor (calculat ca indicator de flux-medie a efectivelor zilnice).
Eficienţa sau productivitatea sunt cazuri particulare ale intensităţii relaţiei
directe/indirecte, între efecte (rezultate) şi eforturi (consumuri).
65
 Determinarea eficienţei activităţii în economie
Tabel nr. 3.7
Metoda directă (Efect / Efort) Metoda indirectă (Efort / Efect)
Efect E1 E2 … En Efort C1j C2j … Cnj

Efort Efect
C1j E1
C2j, E2 ,
… e = (En / Cnj)x 100 … e = (Cnj / En )x 100
Cnj En

Productivitatea muncii beneficiază de aceeaşi modalitate de determinare

generală cu eficienţa fondurilor sau activelor imobilizate ori cu
profitabilitatea capitalului. Dintre indicatorii care sintetizează participarea
firmei pe piaţă se detaliază cifra de afaceri în expresie valorică, considerat
cel mai important indicator al firmei, cota de piaţă şi indicatorii raportului
de schimb pentru relevanţa lor deosebită în modele microeconometrice.
Cota de piaţă reprezintă ponderea deţinută de vânzările unei firme în
totalul vânzărilor unui produs sau activităţi pe o anumită piaţă şi se
evaluează prin coeficienţi sau procentual astfel:
1. cota de piaţă globală: Cp = CAi ×100 ,unde:CAi este cifra de afaceri a
i ∑ CA i
firmei analizate, iar ΣCAi descrie cifra de afaceri a tuturor firmelor prezente
pe piaţă
2. relativă (CAi firma X : CAi firma Y) × 100, unde CAi firma X este cifra
de afaceri a firmei analizate, iar CAi firma Y defineşte cifra de afaceri a
concurentului cel mai important (lider, colider, outsider, specialist etc.).
3.specifică (CAi firma X : ΣCAi sector specific) × 100, unde CAi firma X
este cifra de afaceri a firmei analizate, iar ΣCAi sector specific delimitează
cifra de afaceri a tuturor firmelor existente în sectorul analizat al pieţei.
Indicatorii raportului de schimb (IRS) fac posibilă analiza activităţii de
comercializare externă şi traduc astfel starea echilibrului extern al
economiei naţionale sau al unei firme moderne, cu participare
internaţională, simultan importatoare şi exportatoare:

Premise şi indicatori ai metodei IRS

Caseta nr.3.2
Premisele teoretice ale determinării indicilor raportului de schimb sunt următoarele:
- fluxurile de export şi import au efecte economice şi financiare opuse;
- fiecare flux poate fi analizat atât distinct, cât şi combinat ca sold (Δ= X-M), unde X şi
M = volumul activităţii de export, respectiv import.
- fluxurile pot fi evaluate simultan şi prin indicatorul relativ specific denumit grad de
acoperire a importurilor prin exporturi [GA = (X/M )x100];

66
- fluxurile pot fi analizate distinct, dar dinamic prin intermediul indicilor valorii, şi
volumului fizic şi ai preţurilor şi (Iv , Ip, Iq);
- fluxurile cantitative se analizează prin raportul de schimb brut: RSB = (QX :QM)x100;
- fluxurile pot fi analizate distinct, ca nivel, dinamică şi structură, pe destinaţii
(exporturi) sau în raport cu sursele de provenienţă (importuri), respectiv prin indici
elementari:iX = (X1:X2)x100 sau iM = (M1:M2)x100 şi prin ponderi sau greutăţi
specifice: gX = (Xi: Σ Xi ) x100 sau gM = (Mi: Σ Mi ) x100;
-fluxurile se analizează şi combinat ca sold al balanţei comerciale (Δ), iar în raport cu
valoarea atinsă de cei doi indicatori se disting trei situaţii semnificative:
• Δ < 0 sau balanţa deficitară (sold pasiv sau deficitar) ⇔ X < M,
• Δ = 0 sau balanţa echilibrată (fără sold) ⇔ X = M,
• Δ > 0 sau balanţa excedentară(sold activ sau excedentar)⇔ X > M.
Aprecierea rolului comercializării externe în rezultatul final al economiei se determină
ca raport (Δ/PIB), analog şi în rezultatul firmei (Δ/CA ori Δ/VAB). Raportul între
soldul balanţei comerciale şi rezultat relevă aportul comercializării externe finale (%).
- fluxurile se mai pot evalua şi prin gradul de acoperire a importurilor prin exporturi
(GA), beneficiind de avantajul neglijării semnului caracteristic soldului balanţei
comerciale, iar pentru GA exprimat prin coeficienţi (multiplicator sau demultiplicator):
• GA<1 sau balanţa deficitară (sold pasiv sau deficitar) ⇔ X < M,
• GA = 1 sau balanţa echilibrată(fără sold)⇔ X=M,
• GA >1 sau balanţa excedentară (sold activ sau excedentar)⇔ X > M.
-fluxurile se mai pot caracteriza şi prin indicii valorii, volumului fizic şi ai preţurilor:
indicii preţurilor în comercializarea externă sunt denumiţi indici ai valorii unitare şi se
determină şi pentru export şi pentru import; mărfurile nefiind identice în mulţimea şi
diversitatea contractelor de comerţ exterior, nu se poate utiliza termenul de preţ mediu,
ci mai curând cel de valoare unitară; relaţia de calcul a indicelui valorii unitare este
aceea a unui indice construit ca medie armonică (Paasche):

Ip =
∑ v1 = ∑ p1q1 = I .V .U .
∑ i p ⋅ v1 ∑ p0 q1
1

- fluxurile cantitative izolate şi relativizate conduc şi la raportul de schimb brut.

Interpretarea acestui indicator exprimat în coeficienţi subliniază prin valoarea sa dacă
pentru o unitate de măsură (tonă) importată s-au exportat: a) mai puţin de o tonă de
produse RSB = (QX:QM)<1; b) tot o tonă de produse RSB = (QX:QM )=1; c)mai mult
de o tonă de produse RSB = (QX:QM) >1. Dacă RSB este exprimat ca un coeficient,
interpretarea relevă aspecte statice ale echilibrului extern al economiei sau firmei:
• RSB<1 sau „mai puţin de o tonă exportată pentru o tonă importată” subliniază
o situaţie favorabilă, bazată pe un export majoritar de produse intens prelucrate şi
manufacturate în raport cu importul de produse neprelucrate (materii prime, materiale)
sau în stadii incipiente de prelucrare (semifabricate);
• RSB=1 sau echivalenţa „tonă exportată=tonă importată” permite emiterea unei
ipoteze de echilibru static cantitativ;
• RSB>1 sau „mai mult de o tonă exportată pentru o tonă importată” identifică o
situaţie defavorabilă, fundamentată pe exportul majoritar de produse neprelucrate
(materii prime, materiale) sau în stadii incipiente de prelucrare (semifabricate), în
raport cu importul de produse prelucrate şi manufacturate .

67
 Principalele analize realizate prin intermediul indicilor raportului de
schimb conduc la obţinerea următorilor indicatori:
• indicele raportului de schimb valoric (IRSV) cunoscut şi ca indice al
gradului de acoperire a importurilor prin exporturi IGA = GA1:GA0 =
I VX : I MV ; IRSV sau IGA>1 (sau IRSV>100,0%) descrie o evoluţie pozitivă în
care valoarea exportului creşte mai repede decât valoarea importurilor şi are
ca efect o ameliorare a balanţei comerciale (reducerea deficitului balanţei
sau creşterea excedentului balanţei);
• indicele raportului de schimb brut (IRSB) definit şi ca raport de schimb
cantitativ IRSB = I XQ : I MQ ; IRSB <1 (sau IRSB<100,0%) identifică o
îmbunătăţire structurală a exporturilor economiei sau firmei, în favoarea
exportului de produse cu un plus de manoperă încorporată;
• indicele raportului de schimb net (IRSN = I XP : I MP sauIVU X : IVU Y );
IRSN>1 (sau IRSN >100,0%) identifică efectul unei „ieftiniri” relative a
importurilor faţă de exporturi şi o îmbunătăţire a raporturilor de schimb în
comercializarea externă;
• foarfecele de preţuri în comerţul exterior (FP), calculat numai în
condiţiile în care IRSN <1 sau 100 %: FP = (1-IRSN) x 100; foarfecele de
preţuri în comerţul exterior este expresia procentuală a pierderii pe care o
economie (firmă) o înregistrează prin comercializare externă ca urmare a
faptului că preţurile de export nu reuşesc să ţină pasul cu preţurilor
importurilor;
• efectul în mărime absolută al deteriorării raportului de schimb net
(ΔRSN) determinat în condiţii similare cu foarfecele de preţuri, a cărui
relaţia de calcul este:
ΔRSN = Δ Xp − Δ Mp , Δ Xp = ∑ p1X q1X − ∑ p0X q1X , Δ Mp = ∑ p1M q1M − ∑ p0M q1M
• indicele puterii de cumpărare a exporturilor (IPC „X”)
Ip Iv
IP C " X " = IR S N × I Xq = qX × I Xq = Xp = I Mq " O B T E N A B IL E "
IM IM
q
I Mq I M "OBTENABILE "
< arată un efect pozitiv asupra balanţei comerciale ca
rezultat al unui import sub limita obtenabilă conform puterii de cumpărare a
exporturilor;
• indicele factorial al raportului de schimb (IFRS= IRSN x IW).
Modelarea economico-financiară valorifică multe alte concepte, principii,
legi, reguli de funcţionare a căror cunoaştere instrumentală este posibilă şi
prin intermediul sistemului de indicatori statistici macrofinanciari, ale cărui
subsisteme sunt: a) subsistemul indicatorilor financiari ai bugetului de stat;
b) subsistemul indicatorilor financiari ai activităţilor privind asigurările de

68
viaţǎ şi de bunuri; c) subsistemul indicatorilor financiari ai pieţelor
financiare de capital; d) subsistemul indicatorilor financiari activităţilor
bancare; e) subsistemul indicatorilor macroeconomici ai raportului de
schimb sau ai echilibrului financiar extern.
Variabila macrofinanciară este aşadar omniprezentă în cunoaşterea şi
modelarea economico - financiară sau econometrică financiară şi este
derivată din definiţia dată economiei de la originile sale moderne de către
Adam Smith, ca investigaţie în lumea naturii şi a cauzelor avuţiei
naţiunilor, sau din aceea dată de către John Stuart Mill, ca ştiinţă practică a
producţiei şi distribuţiei bogăţiei: consumul, producţia, înzestrarea tehnică,
capitalul (fix, variabil) etc. Multitudinea factorilor economici ai modelelor
econometrice nu pot omite preţul, venitul, profitul, dimensiunea sistemică
sau corelată a părţilor (abordarea structurală prin produse, servicii, activităţi
etc), precum şi dimensiunea teritorială (macro, mezo, microeconomică).
Toate aceste concepte economice majore sunt însoţite de legităţi consacrate
ale teoriei economice clasice, legile cererii şi ofertei, echilibrului generat de
volumul investiţiilor şi economiilor etc., pentru a da doar câteva exemple în
absenţa cunoaşterii cărora niciun model econometric de piaţă nu poate să fie
identificat, construit, validat şi aplicat.
Fenomenele financiare şi economia financiară îmbogăţesc continuu, prin
noţiunile lor caracteristice, procesele de modelare economico - financiară.
Cauzalitatea complexă a apariţiei unei crize economice sau financiare nu
poate fi considerată o secvenţă de evenimente accidentale inevitabile, dar
aceasta este de multe ori structurată, anticipată şi prezentă în
comportamentul economic şi financiar, în acţiunile multora dintre
persoanele fizice sau al instituţiilor. În timp ce unele crize sunt în mod
inerent imposibil de prevenit, de multe ori o cunoaştere mai profundă a
economiei financiare,poate preveni posibilitatea ca o criză să devină un
adevărat dezastru. În ultimele două decenii, în gândirea economico -
financiară a germinat şi se dezvoltă rapid o gamă de concepte economico –
financiare semnificative.
Moneda, creditul, rata dobânzii, rata inflației etc. sunt concepte de bază
ale economiei, prezente în aproape orice decizie financiară. Moneda de
schimb contemporană reprezintă o valută naţională care se află în circulaţie,
are putere de plată şi poate constitui o rezervă în alte ţări decât cea emitentă,
iar moneda liber convertibilă redefineşte acea valuta care se schimbă liber,
contra unor alte monede naţionale sau internaţionale. Creditul delimitează
atât o relaţie economică cu impact monetar ce se stabileşte între o persoană
fizică sau juridică denumită creditor, care acordă un împrumut în bani sau
care vinde mărfuri sau servicii pe datorie, şi o altă persoană fizică sau
juridică denumită debitor, care primește împrumutul sau cumpără pe
datorie, cât şi împrumutul acordat (suma de bani pe care creditorul o
69
cedează cu titlu rambursabil şi condiţionat de obicei de plata unei dobânzi).
Dobânda este descrisă prin trei elemente majore: capital, risc şi timp, fiind
în esenţă costul capitalului de împrumut şi reprezentând suma ce revine
proprietarului de capital la rambursarea împrumutului (în acest fel
remunerează riscul pe care îl implică împrumutul). Factorii care determină
nivelul dobânzii sunt destul de numeroşi dar se pot enumera cei mai
importanţi ca fiind: a) rata profitului (productivitatea capitalului); b)
lichiditatea; c) riscul nerambursării; d) raportul cerere - ofertă pe piaţa
creditelor; e) stabilitatea economiei etc.
Evoluţie percepută ca diminuare a valorii sau puterii de cumpărare a
monedei naţionale, inflaţia este definită fie ca dezechilibru între creşterea mai
puternică a preţurilor interne sau naţionale şi creşterea preţurilor externe sau
internaţionale, fie ca dezechilibru macroeconomic major de natură monetar-
materială şi receptată practic ca o creştere generală şi susţinută a preţurilor.
Instabilitatea preţurilor mai curând decât stabilitatea lor este măsurată prin
intermediul a trei indicatori statistici: a) indicele preţurilor bunurilor de
consum (IPC), în calitate de instrument de evaluare de ansamblu a creşterii
preţurilor mărfurilor cumpărate şi a tarifelor serviciilor utilizate de către
populaţie; b) indicele preţurilor produsului intern brut („deflatorul implicit
al PIB”–ului), care exprimă modificarea medie a preţurilor bunurilor şi
tarifelor serviciilor întregii producţii a economiei naţionale; c) indicele
preţurilor produselor industriale (IPPI), instrument de măsurare a evoluţiei
de ansamblu a preţurilor produselor industriale fabricate şi livrate de
producători interni. Rata inflaţiei este frecvent valorificată în econometrie,
conferind comparabilitate datelor şi se determină astfel: indice de preţ (%) -
100%. Relaţia dintre dobânda reală şi nominală este determinată de nivelul
inflaţiei. Aprecierile privind nivelul dobânzilor sunt valabile atâta timp cât
stabilitatea monedei asigură recuperarea integrală a valorii avansate, la
expirarea termenului împrumutului, respectiv recuperarea puterii de
cumpărare echivalentă momentului acordării împrumutului, iar în condiţiile
unor procese inflaţioniste accentuate anual, (peste 3%), rata dobânzii se
desprinde reformulându-se în context inflaţionist în: a) rata dobânzii
nominale exprimată prin rata curentă de piaţă şi rata dobânzii reale ca
diferenţă între dobânda nominală şi gradul de erodare a capitalului.
Economia financiară se concentrează tot mai mult pe studiul evaluărilor
pieţei mobiliare, pe riscul asociat, pe finanţarea şi comportamentul
companiilor sau corporaţiilor, pe deciziile de tip investiţional, transformând
noua disciplină într-una profund cantitativă (denumită din aceste motive şi
finanţe cantitative) generând şi utilizând tot mai intensiv în acţiunile sale de
modelare economico-financiară noua ştiinţă a econometriei financiare.
Finanţele cantitative sunt de fapt tot o disciplină multidisciplinară care
reuneşte economia cu finanţele, cu econometria, teoria matematică a
70
ecuaţiilor diferenţiale şi cu metode de simulare specifice (metoda Monte-
Carlo). Disciplina relevă unele limitări cantitative ale modelării riscului de
finanţare, în general, remarcând în mod special două probleme: problema
incorectitudinii parametrilor de estimare şi problema utilizării incorecte a
unor distribuţii de date în modelarea propriu-zisă.
Noţiuni utile din universul în expansiune al economiei financiare
Caseta nr. 3.3
Piaţa financiară reuneşte disponibilităţile băneşti în favoarea solicitanţilor prin
emisiunea şi plasarea de titluri mobiliare de genul acţiunilor, obligaţiunilor,
certificatelor de investiţii precum şi a altor instrumente financiare, iar în acest areal
astfel definit au loc tranzacţii între vânzătorii de titluri (anterior emise), care doresc să
îşi recupereze capitalul bănesc avansat şi cumpărătorii de titluri, care își propun să
investească. Pieţele financiare se structurează în pieţe primare, pe care au loc emisiuni
de titluri de valoare noi, unde tranzacţiile se realizează prin intermediul băncilor, iar
cursul se identifică cu valoarea nominală şi pieţe secundare, cu rolul de a asigura
tranzacţiile cu titluri emise anterior prin intermediul burselor de valori. Pieţele
financiare specifice (bursiere, extrabursiere) mobilizează şi ele economisirile, dar nu în
varianta pieţei monetare şi valutare sau pe termen scurt (sub 1 an) caracteristică
băncilor, ci în varianta pieţelor pe termen lung (peste 1 an) şi sunt cunoscute ca pieţe de
capital. Considerată tot piaţă financiară, dar specială, piaţa asigurărilor operează în
principiu tot pe termen lung. În consecinţă, investiţiile firmelor şi ale statului sunt
finanţate din economiile propriilor sectoare, din credite externe şi din economisirile
populaţiei. Cursul la care se tranzacţionează pe o piaţă depinde de: a) raportul dintre
cererea și oferta de titluri; b) rata comercială a dobânzilor bancare; c) situaţia
economico-financiară a firmei exprimată prin profit; d) starea economiei; e) situaţia
socială şi politică internă; f) situaţia socială şi politică internaţională. Pentru modelarea
economico – financiară se impune cunoaşterea atât a entităţilor unei pieţe de capital
(firmele, băncile, persoanele fizice, juridice etc.) cât şi a funcţiilor pieţelor financiare în
general de la mobilizarea unor importante resurse financiare către cele mai profitabile
domenii, la plasarea unor titluri de valoare emise, de la asigurarea unei mobilităţi
sporite a capitalurilor la schimbarea plasamentelor prin transformări succesive şi
reciproce a valorilor mobiliare în lichidităţi, de la diagnosticarea stării de moment a
unei economii, la descrierea cantitativă a perspectivelor acesteia etc. Garanţia
financiară reprezintă fie un activ care a fost angajat pentru a putea accesa şi ridica un
împrumut (ex: o casă utilizată pentru a fixa un credit ipotecar), un instrument financiar
care dă dreptul titularului acesteia în viitor la accesarea unor fluxuri de numerar (acest
al doilea sens domină în contextul investiţional). Scopul unei garanţii financiare este
acela de a permite fracţionarea proprietăţii sau a altor drepturi care urmează să fie
tranzacţionate, de la acţiuni (expresii ale dreptului de proprietate asupra unor societăţi,
valoarea nominală sau preţul acţiunilor fiind determinat prin raportarea capitalului
social la numărul acţiunilor emise de o firmă), până la obligaţiuni (cote părţi dintr-un
credit, pe termen mediu/lung, solicitat de un agent economic, valoarea nominală a
obligaţiunilor restituindu-se posesorului la scadenţă, iar pe întreaga perioadă a
creditului, acesta va primi o dobândă anuală fixă, înscrisă pe obligaţiuni) şi până la
drepturi contractuale – instrumente derivate – sau alte drepturi legate de fluxurile de
numerar. Acţiunile în calitate de titluri de capital, reprezentând o parte anumită, fixă şi
dinainte stabilită, a capitalului unei societăţi şi care dau deţinătorului dreptul să
71
primească dividende, alături de obligaţiuni, titluri de credit purtătoare de dobândă fixă
sau premiată, negociate pe piaţa capitalului fictiv şi folosite de către stat sau de către
instituţiile publice pentru a procura mijloace băneşti din disponibilităţile populaţiei,
împreună cu instrumentele financiare derivate (derivativele de tip contractelor futures,
forward, options şi swap), a căror valoare depinde de preţul unui activ suport,
reprezentat de acţiuni, indici bursieri, mărfuri, valute, rate de dobândă etc. şi care deţin
un risc ridicat şi un randament superior acţiunilor sau obligaţiunilor descriu cel mai
bine pieţele financiare conform calităţii lor de instrumente financiare. Portofoliul
reprezintă o combinaţie de active reale (proprietăţi imobiliare, obiecte de artă etc) şi de
instrumente financiare de tipul acţiunilor, obligaţiunilor şi instrumentelor pieţei
monetare în funcţie de profilul la risc al deţinătorului, construcţia sa fiind realizată în
vederea atingerii unui anumit randament la sfârşitul unei perioade distincte de timp dar
şi cu efecte asupra reducerii riscului total. Valoarea în timp a banilor este unul dintre
conceptele fundamentale ale teoriei financiare pornind de la o idee foarte simplă: în
acest moment, o anumită cantitate de bani valorează mai mult decât certitudinea de a
primi aceeaşi sumă de bani într-un moment dat, undeva în viitor. În plus, o anumită
sumă de bani care urmează să fie primită la o dată ulterioară apropiată valorează mai
mult decât aceeaşi sumă de bani care urmează să fie primită de la o dată ulterioară, dar
mult în viitor. Acest lucru este destul de evident: primirea imediată a 1.000 u.m. este
mai bună decât o promisiune de încredere a aceloraşi 1.000 u.m. la sfârşitul anului
viitor, care, la rândul său, este mai bună decât 1.000 u.m. în anul imediat următor celui
viitor. Conceptul financiar care rezolvă problema este rata de rentabilitate fără risc şi
poate fi folosit pentru a calcula valoarea prezentă a unei plăţi sigure într-un anumit
moment din viitor. Dacă o plată viitoare nu este sigură, valoarea sa trebuie să fie
ajustată în conformitate deplină cu acest risc, precum şi cu valoarea în timp. Valoarea
actuală, trebuie să fie calculată folosind o rată de actualizare care reflectă atât valoarea
timp, cât şi corecţia valorică definită prin risc, folosind modele diverse: a) teoria
portofoliului CAPM (Capital Asset Pricing Model); b) teoria preţurilor de arbitraj -
APT (Arbitrage Pricing Theory); b) teoria axată pe formula Black-Scholes; c) teoria
fundamentată pe irelevanţa structurii capitalului; d) teoria fundamentată pe irelevanţa
dividendului. Un set minimal de concepte cheie pentru a asigura înţelegerea acestor
teorii şi implicit a econometriei financiare şi modelelor acesteia, dincolo de esenţa
descrisă a valorii în timp a banilor sunt: a) rata de rentabilitate fără risc; b) arbitrajul; c)
legea preţului unic; d) strategii dominante de tranzacţionare; e) prime de risc.
Rata de rentabilitate fără risc (risk free rate of return) se defineşte drept cel mai bun
ritm care nu implică asumarea unui risc. Atât returnarea capitalului iniţial cât şi plata
dobânzii sunt complet sigure. Rata fără risc astfel definită pentru o anumită perioadă
este similară cu randamentul obligaţiunilor de stat pe parcursul acelei perioade (nici un
guvern neputând teoretic neglija acest nivel de risc „zero”care ar trebui să conducă la
situaţia în care oricare alte investiţii să producă randamente mai mari decât rata fără
risc). Arbitrajul (arbitrage) este realizarea unui câştig prin comercializare fără a se
genera şi prelua riscul de a pierde bani. Termenul este folosit mai extins pentru a
acoperi o gamă mult mai largă de activități, cum ar fi arbitrajul statistic, arbitrajul de
risc şi arbitrajul de interes neacoperit, dintre care nici unul nu constituie în fapt un
arbitraj în sensul pur sau adevărat al economiei financiare (deoarece acestea chiar sunt
riscante). Multe dintre strategiile axate pe arbitraj sunt adesea încercări de a identifica
şi exploata o piaţă neutră (de obicei de scurtă durată), cauza fiind existenţa unor
anomalii în materie de preţuri. Arbitrajul între pieţe este cel mai simplu tip de arbitraj
72
posibil. O mare parte a teoriei financiare (prin urmare şi cele mai multe metode pentru
evaluarea valorilor mobiliare) sunt în cele din urmă construite pe ipoteza că titlurile vor
fi tranzacţionate la preţuri care fac imposibil arbitrajul. În cazul în care nu există un
arbitraj atunci există o măsură de stabilire a preţurilor neutre la risc şi vice-versa. Un
aspect important pentru teoria economiei financiare este dat de faptul că dacă există
oportunităţi de arbitraj pe pieţele reale, ele sunt de obicei foarte mici şi rapid eliminate ,
iar dacă oportunităţile de arbitraj persistă, înseamnă că ceva este în neregula cu acele
pieţe financiare. Legea preţului unic (the law of one price) prevede ca două portofolii
care vor produce exact aceleași fluxuri de trezorerie, în viitor, trebuie să aibă exact
aceeaşi valoare de la care pleacă iniţial. Aceasta este o cerinţă care pare mai puţin
ambiţioasă în raport cu un arbitraj sau cu o strategie dominantă de tranzacţionare,
dovedindu-se utilă în dezvoltarea gândirii specifice modelatoare a teoriei economiei
financiare. În cazul în care nu există strategii dominante de tranzacţionare legea
preţului unic va funcţiona, dar este tot atât de posibil ca strategiile dominante de
tranzacţionare să coexiste, în ciuda valorificării legii preţului unic. Nimeni nu ar
cumpăra un portofoliu mai scump, dacă unul mai ieftin ar produce aceleaşi fluxuri de
trezorerie, prin urmare, preţul constitutiv al portofoliului mai scump se va diminua cu
siguranţă. O strategie dominantă de tranzacţionare (a dominant trading strategy) este de
fapt un portofoliu care costă la fel ca oricare altul, dar care este întotdeauna garantat că
va fi şi îndeplinit. Ca urmare, într-o strategie dominantă de tranzacţionare este posibil
să se înceapă cu nici un ban şi să se obţină un profit de tranzacţionare garantat, în timp
ce arbitrajul nu garantează acest lucru. O strategie dominantă de tranzacţionare este o
şansă de a face bani fără nici un risc de pierdere. Conceptul este similar ca utilitate în
teoria economică financiară cu legea preţului unic. În cazul în care nu există strategii
dominante de tranzacţionare, atunci se poate demonstra că trebuie să existe o măsură
liniară de stabilire a preţurilor. Prima de risc (risk premium) se defineşte prin diferența
dintre rată de rentabilitate şi rata fără risc. Prima de risc poate fi calculată pentru un
anumit titlu, o clasă de valori mobiliare, sau chiar pentru o piaţă financiară, ultima
categorie fiind în general, cea mai importantă ca utilitate în modelele de evaluare
mobiliară, cum ar fi CAPM.

Economia financiară este o disciplină multidisciplinară, care se aplică pe

pieţele financiare valutare şi de stocuri de mărfuri, aprofundând corelaţiile
dintre variabile şi focalizând cunoaşterea modelatoare pe valoarea în timp a
banilor cu ajutorul ratei de rentabilitate fără risc, arbitrajului, legii preţului
unic, strategiei dominante de tranzacţionare şi primelor de risc.
Teoria portofoliul CAPM (Capital Asset Pricing Model) este un model
fundamentat şi aplicat începând cu anul 1964 de către W. Sharpe (împreună
cu H. Markowitz şi H. Miller), iar simultan şi independent şi de către
J.Lintner şi J. Mossin care au ajuns practic la concluzii asemănătoare tot în
acelaşi an 1964. Modelul axat pe teoria portofoliului CAPM permite
evaluarea activelor pe o piaţă financiară echilibrată (cerere = ofertă la nivel
de titluri şi fiecare agent deţine un portofoliu optim), fiind caracterizat de
următoarele ipoteze (Moisă Altăr, Teoria portofoliului, pag 70 -71):
I. Ipoteze cu privire la piaţa financiară: a) piaţa financiară este perfectă
(ceea ce implică următoarele aspecte: piaţa este de tip concurenţial, titlurile
73
financiare sunt perfect divizibile, operatorii de pe piaţă au acces nelimitat la
informaţiile financiare, costurile pentru obţinerea informaţiilor sunt nule,
cursurile de echilibru reflectă întreaga informaţie existentă pe piaţă, pe piaţă
cotează active cu risc (acţiuni) şi active fără risc (bonuri de tezaur, etc.),
rentabilitatea activului fără risc este egală cu rata dobânzii pe piaţa
monetară, rata activă a dobânzii este egală cu rata pasivă a dobânzii,
reglementările pieţei permit operaţii de tip short-selling, costurile de
tranzacţii bursiere sunt nule); b) Ipoteza cu privire la orizontul de timp
determinat al pieţei financiare (modelul CAPM fiind un model static).
II. Ipoteze cu privire la operatorii de pe piaţa financiară: a) operatorii au
un comportament optimal de tip Markowitz; b) operatorii au acelaşi tip de
anticipări (anticipările sunt omogene).
Toţi operatorii de pe piaţă au aceleaşi anticipări cu privire la rentabilităţile şi
riscul activelor financiare, precum şi cu privire la covarianţa dintre acestea.
Teoria CAPM dezvoltă ideea minimizării profilului de risc al unui
portofoliu de titluri de capital echilibrându-l prin investiţii diversificate în
active sau titluri de valoare multiple în investiţii şi se bazează pe
presupunerea că investitorii nu au, în general, un apetit declarat, ci mai
curând o aversiune latentă pentru riscuri. Teoria CAPM ajută la
determinarea preţului de securitate riscant prin evaluarea riscurilor asociate
şi se bazează pe un model care ia în considerare faptul că investitorii trebuie
să fie compensaţi pentru riscurile la care sunt expuşi prin variaţia de valoare
în timp a banilor. Într-o manieră sintetică modelul CAPM descrie printr-un
algoritm evoluat rata de actualizare (R) prin relaţia R = RF[β×(RM - RF)],
unde RF este rata fără risc, RM este rata de revenire aşteptată pe o piaţă
financiară şi β coeficientul de volatilitate este parametrul de evaluare a
fluxurilor de trezorerie sau de securitate. Termenul (RM-RF) descrie prima
de risc a pieţei financiare iar prin multiplicare cu β, noul termen rezultat [β ×
(RM - RF)] caracterizează prima de risc asupra fluxurilor evaluate de
trezorerie (sau de securitate). Coeficientul de volatilitate β al unui activ
oarecare reprezintă o măsură a riscului sistematic al acelui activ. Teoria
portofoliului de active financiare al unor investitori instituţionali ţine cont şi
de faptul că obligaţiunile deţin o pondere foarte mare (fondurile private de
pensii, instituţiile de asigurări, etc.) şi deşi obligaţiunile sunt denumite
frecvent “active fără risc” se identifică două riscuri: riscul de rată a dobânzii
şi riscul de rentabilitate.
Teoria preţurilor de arbitraj - APT (Arbitrage Pricing Theory) are drept bază
ideea că preţul unei valori mobiliare este determinată de o serie de factori
separaţi în două grupe: factori macro şi factori specifici companiei prin
următoarea formulă: R = RF + β1F1 + β2F2 + β3F3 + … unde R este
rentabilitatea preconizată de securitate, RF este rata fără risc, iar fiecare F
este un factor separat. Teoria preţurilor de arbitraj este un model de evaluare
74
cu mai puține ipoteze, comparativ cu CAPM, dar cu mai multe valori β,
corespondente unui număr multiplicat de factori, fiind mai dificil de utilizat.
Nu există nici o garanţie practică a faptului că toţi factorii relevanţi au putut
fi identificaţi. Restul teoriilor economiei financiare sunt utilizate în cazuri
mai rare din diverse motive, de exemplu teoria axată pe formula Black-
Scholes este considerată excesiv de matematizată şi axată pe ipoteza că
probabilităţile preţurilor în viitor urmează o distribuţie normală (aceasta
fiind în fapt o aproximare), iar teoria fundamentată pe irelevanţa structurii
capitalului, cunoscută şi sub numele de teoria Modigliani-Miller are drept
axiomă faptul că valoarea totală a unei companii nu ar trebui să modifice,
dacă structura de capital nu se modifică nici ea (ignorând ipoteze
simplificatoare, cum ar fi cele legate de efectele impozitelor), după cum
argumentele teoriei fundamentate pe irelevanţa dividendului reiau aceleaşi
argumente ale teoriei Modigliani-Miller.
Economia financiară se concentrează şi pe impactul variabilelor macro
economice, cum ar fi PIB-ul (produsul intern brut) şi IPC (indicele preţurilor
de consum), macroagregate specifice de pe pieţele financiare. Econometria
financiară axată şi pe noţiunile macroeconomiei financiare devine astfel un
important domeniu de suprapunere cu alte discipline, ca statistica testând
ipoteze multiple, teoria probabilităţilor analizând distribuţii de date
financiare în timp şi matematica aplicată cu ajutorul gândirii caracterizate de
incertitudine şi risc a economiei financiare.
Specificitate şi indicatori ai pieţelor financiare în special în România
Caseta nr. 3.4
Specificitatea pieţelor financiare de capital este dată simultan de eterogenitate ridicată
şi nivelul înalt al incertitudinii. Pieţele financiare ca pieţe principale macrofinanciare
echilibrează economia prin alocarea eficientă a economisirilor în investiţii private sau
publice, interne sau externe. Pieţele financiare adaptează structura economisirilor
realizate pe termen scurt în sume mici, la structura necesităţilor de finanţare pe termen
scurt sau lung şi în sume mari. Această mobilizare a economisirilor este mijlocit practic
de „intermediari” financiari specializaţi; a) băncile comerciale pe piaţa monetară şi
valutară (pentru transferuri monetare pe termen lung sau mai mari de 1an);b) societăţile
de valori mobiliare pe pieţele de capital (pentru transferuri financiare pe termen lung
sau mai mari de 1 an ); c) firmele specializate pe piaţa de asigurări şi reasigurări. Piaţa
financiară de capital în ansamblu reuneşte pieţe diverse, de la piaţa bursieră centralizată
(Bursa de Valori Bucureşti–BVB), la piaţa extrabursieră (RASDAQ), o piaţă
descentralizată, piaţa valorilor mobiliare necotate (OTC) etc. Gama agenţilor financiari
prezenţi pe pieţele de capital este foarte largă cuprinzând agenţi economisitori diverşi,
respectiv investitori, antreprenori şi investitori instituţionali. Transferul direct realizat
prin acces direct la titluri (acţiuni, obligaţiuni, derivative), alături de transferul
intermediat prin societăţi de valori mobiliare efectuat prin acces mijlocit la titluri
directe şi împreună cu transferul indirect săvârşit prin intermediul investitorilor
instituţionali (bănci comerciale, societăţi financiare de economii, credit, investiţii şi
fonduri mutuale) care asigură accesul celor din urmă prin titlurile lor indirecte

75
(certificate de depozit şi de investiţii, poliţe) la titluri directe, reprezintă cele trei
categorii de transferuri de capital existente în practică. Pieţele financiare de capital
descrise se regrupează într-un segment primar (sau al primei vânzări a titlurilor noi a
căror valoare de emisiune este artificial administrată (segmentul băncilor comerciale
sau al societăţilor de valori mobiliare) şi într-un segment secundar sau al „revânzărilor”
repetate a titlurilor după emisiune şi prima lor vânzare (piaţa bursieră şi extrabursieră,
exemplificabile prin BVB, RASDAQ, OTC). Subsistemul de indicatori statistici ai
pieţelor financiare caracterizează principalele atuuri ale pieţelor financiare (bursiere şi
extrabursiere): a) lichiditatea sintetizată în nivelul şi dinamica tranzacţiilor (un volum
de nivel ridicat şi ascendent aduce cu sine variaţii de preţ din ce în ce mai mici ale
preţurilor titlurilor sau cursului în cazul pieţei bursiere); b) transparenţa concentrată în
informaţiile despre valoarea maximă şi limitativă a titlurilor financiare (pentru ambele
pieţe). Informaţia statistică financiară aferentă pieţelor bursiere şi extrabursiere este
conţinută în indicii bursieri ca principali indici ai pieţei de capital. Aceştia pot fi

construiţi ca: 1) medii aritmetice simple (ex.Dow-Jones): I1B =

∑p t
×1000 ,
d
d = ∑ pt / I (Bt −1) , unde d = numărul de titluri selecţionate (anterior/iniţial), divizor de
corecţie şi 1000 = mărimea iniţială a indicelui bursier; 2) medii aritmetice ponderate

(ex. F.T-30, C.A.C.-40), respectiv I 2B = ∑i p q

p
t /0 0 0
f ×1000 =
∑pq t 0
f ×1000 ,
∑pq 0 0 ∑p q 0 0
unde f= factor de păstrare a constanţei şi comparabilităţii indicelui iniţial (de pornire),

f =
∑pq 0 0
, unde „0” =condiţiile iniţiale (de pornire), „t” = condiţiile din noua
∑pq t t
compoziţie a indicelui; 3) medii geometrice (ex. Value Line; rar utilizat);
⎛p ⎞
I 3B = n π ⎜ t ⎟ × 1000 ; 4) rata medie de dividend (rar folosit şi exclusiv anual),
⎝ p0 ⎠
Divt
∑ p pq t 0
∑ Div q
I 4B = t
×1000 = t 0
× 1000 cu Divt = dividende ale perioadei „t”.
∑pq 0 0 ∑pq 0 0

Indicii BSE (Bucharest Stock Exchange) ai Bursei de Valori Bucureşti sunt indici
calculaţi ca medii aritmetice ponderate cu capitalizarea bursieră: I ) BET (Bucharest
Exchange Trading) determinat pentru primele 10 firme, evident deţinând cele mai
lichide titluri de pe piaţa bursieră (cotate); II) BET-C (compozit) pentru toate titlurile
(cotate), reunind toate acţiunile tranzacţionate pe piaţă; III) BET – FI construit ca un
indice special pentru a evidenţia evoluţiile fondurilor de investiţii active din România.
Indicele RASDAQ a fost construit ca o medie aritmetică simplă a 450 de preţuri
corespunzătoare celor mai active titluri de pe piaţa extrabursieră. Analiza rentabilităţii
generale a pieţelor financiare de capital (bursiere şi chiar extrabursiere) se realizează
practic şi predictiv pe baza indicilor de tip bursier.
Investiţiile, riscul de ţară şi bugetul de stat constituie ultimele noţiuni pe
care această sinteză conceptuală le detaliază. Investiţiile interne sau
internaţionale rămân noţiuni importante cu caracter financiar de care
76
depinde economia în ansamblul ei. Investiţia internaţională presupune
existenţa a cel puţin doi agenţi economici, un agent emitent şi un altul
receptor, situaţi în spaţii economice naţionale diferite, precum şi a unui flux
investiţional de la emitent către receptor. Fluxurile investiţionale pot fi
îndreptate către o economie receptoare sau de destinaţie (inflow),
reprezentând conceptual intrări de investiţii, ori pot fi generate de către o
economie emitentă sau sursă de investiţii (outflow), semnificând ieşiri de
investiţii. Strâns legat de raportul stabilit între emitentul şi receptorul
fluxului investiţional se disting investiţiile străine de portofoliu (ISP) şi
investiţiile străine directe (ISD), primele deţinând un potenţial de migraţie
foarte ridicat, un caracter complet instabil, redefinindu-se şi drept „bani
fierbinţi”, în timp ce a doua categorie presupune o relaţie pe termen lung şi
implică un interes de durată şi un control realizat de către o entitate
rezidentă într-o economie, într-o întreprindere rezidentă într-o altă
economie. Definiţiile de dicţionar ale ISD pendulează încă între semnificaţia
micro şi macroeconomică financiară:
Alternative majore şi opuse în conceptualizarea ISD
Tabel nr.3.8
Definiţii ISD cu impact microfinanciar Definiţii ISD cu impact macrofinanciar
ISD au loc atunci când o persoană sau o ISD sunt o componentă a sistemului
firmă deţine controlul în activele conturilor naţionale, de investire a activelor
productive din altă ţară. Noul Dicţionar străine în structurile interne, echipamente şi
Economic Palgrave organizaţii. Dicţionarul on-line Economics
(http://www.dictionaryofeconomics.com/) About (http://economics.about.com/)
ISD reprezintă o investiţie în străinătate, ISD reprezintă banii dintr-o ţară (economia
o companie în care s-a investit încât să unei ţări) investiţi în economia altei ţări
fie controlată de către o corporaţie din (altei economii). Dicţionar de afaceri
străinătate. Investopedia (http://dictionary/business-english/)
(http://www.investopedia.com/)
Sursa: Săvoiu, G., Popa, S., Foreign Direct Investments (FDI) in Romania, Revista Română
de Statistică, nr 1/ 2012, pag. 28.
Economiştii cehi Josef Brada şi Vladimir Tomsik au propus un model al
ciclului financiar de viaţă al ISD, care reprezintă o relaţie stilizată între
profituri, dividende şi profituri reinvestite in decursul unui proiect referitor
la ISD, model al ciclului de viaţă7 ce conţine un număr de trei faze: a)
apariţia ISD - descrie etapa de intrare a ISD, când o companie face o
investiţie în ţara gazdă pentru a fonda o filială, poate fi scurtă dacă firma
cumpărată este sau poate fi rapid profitabilă; b) creşterea ISD - filiala începe
să opereze profitabil în condiţiile în care începe producţia sau firma este

7
Brada, J.C., & Tomšík, V., (2003), Reinvested Earnings Bias, The “Five Percent” Rule
and the Interpretation of the Balance of Payments – With an Application to Transition
Economies, William Davidson Institute Working Papers Series 543, William Davidson
Institute at the University of Michigan.
77
restructurată; cu toate acestea va avea nevoie de alte investiţii, pentru capital
de lucru şi dezvoltarea capacităţilor; c) repatrierea profiturilor – filiala se
maturizează când cota sa de piaţă şi marjele de profit s-au stabilizat, iar
compania mamă decide să repatrieze o mare parte din profituri sub formă de
dividende. Evaluarea riscului investiţional a devenit o temă importantă a
gândirii economiei financiare şi poate fi realizată prin indicatori agregaţi de
tip Value-at-risk (VaR) şi prin modele statistice din teoria economiei
financiare. VaR8 indică pierderea maximă potenţială pe un portofoliu de
instrumente financiare (titluri de capital prin investiţii diversificate în active
sau titluri de valoare multiple), cu o probabilitate α deja fixată şi pentru un
orizont de timp distinct. Relaţia de calcul a VaR modelată matematic este
următoarea: VaR (α) = F −1 (α) , unde F este funcţia de repartiţie asociată
distribuţiei pierderilor. Acest concept financiar modern este utilizat pe scară
largă de către asiguratori, bănci, societăţi de investiţii, pentru a măsura riscul
de piaţă al portofoliului de active deţinute, fiind determinat prin următoarele
metode statistico-matematice: metoda varianţă-covarianţă ce are la bază
distribuţia normală de probabilitate, simularea istorică (Monte Carlo).
Ratingul riscului de ţară influenţează decizia de investiţie, corelându-se
cu profiturile în mod semnificativ, ceea ce se presupune şi ulterior se şi
verifică, agenţiile de rating au credibilitate pe piaţă şi captează impactul
variabilelor macroeconomice pertinente în mod adecvat, generând o
repartiţie a ISD în raport cu competitivitatea recunoscută a unor economii în
căutare de plasamente investiţionale tot mai rentabile.
Sistemul riscurilor majore incluse în conceptualizarea riscului de ţară
Figura nr. 3.3
Elementele
majore ale
riscului de
ţară

II.Riscul de III.Riscul IV. Riscul V.Riscul

I.Riscul transfer al ratei de locaţiei sau de suvera- VI. Riscul
economic capitalului schimb vecinătăţii nitate Politic

Sursa: Meldrum, D. H., Country risk and foreign direct investment, Business Economics,
35(1), pag. 33-40, 2000. Notă* Sinteza realizată de autor din textul articolului citat.

Se disting un număr de opt variabile macroeconomice mai importante

corelate cu ISD şi implicit cu ratingul riscului de ţară la nivelul căruia au o
contribuţie semnificativă: venitul pe cap de locuitor; creşterea PIB; inflaţia;
balanţa fiscală; balanţa externă; datoriile externe; dezvoltarea economică şi
8
Kevin, D, Beyond Value at Risk, John Wiley & Sons Inc., 2003.
78
istoria incapacităţii de plată. Ratingul riscului de ţară este corelat statistic
mai intens cu dinamica venitului pe cap de locuitor, inflaţia, datoria externă,
dezvoltarea economică şi istoria incapacităţii de plată (generatoare de
schimbări în regimul impozitelor), iar ratingurile au anticipat corect
impactul acestor variabile în timp. Modelarea economico-financiară a ISD
în funcţie de ratingul riscului de ţară, constituie o ipoteză interesantă, care se
impune a fi validată în paginile acestei cărţi prin exemplificarea la nivelul
economiei României. O imagine a ratingului României confirmă o astfel de
ipoteză, dar poate fi realizată numai după anul 1996, din motive de
disponibilitate a unei serii de date normal distribuite, respectiv din
momentul în care volumul ISD a devenit comparabil cu nivelul mediu
internaţional, depăşind un miliard de dolari SUA.
Dinamica ratingului riscului de ţară al României conform agenţiei
Euromoney
Grafic nr. 3.2

mar.12

mar.10

mar.08

mar.06

mar.04

mar.02

mar.00

mar.98

mar.96
0 10 20 30 40 50 60

Euromoney Country Risk

Sursa: Datele au fost culese de autor de pe http://www.euromoneycountryrisk.com/

Principala consecinţă a ratingului de ţară îmbunătăţit asupra ISD constă în
creşterea accesibilităţii economiei pe pieţele internaţionale de capital,
acordare de împrumuturi şi creşterea gradului de atractivitate în planul
investiţiilor internaţionale.
Definirea bugetului de stat ca un ordin juridic, care aparţine lui Henry
Sempe, aşa cum se poate constata din lucrarea9 acestuia Budget et tresors:
,,bugetul de stat prevede şi autorizează în forma legislativă, cheltuielile şi
resursele statului”fiind completată în economia publică şi financiară prin
9
Sempe, H., Budget et trésors, Edition Cujas, Paris, 1989, pag.102
79
considerarea acestuia ca o rezultantă a raportului dintre PIB şi nivelul
resurselor financiare alocate, transformându-se dintr-un document laborios
într-un instrument al planificării macroeconomice şi macrofinanciare, atât
pe termen scurt cât şi pe termen mediu. Prin legea bugetului de stat sunt
autorizate fluxurile financiare publice de formare a veniturilor şi de
repartizare a cheltuielilor pe destinaţii şi ordonatori principali de credite, în
conformitate cu obiectivele de dezvoltare economico-sociala a ţării şi ale
politicii financiare. Bugetul de stat constituie componenta centrală a
sistemului financiar-bancar, care surprinde o parte majoră a relaţiilor social-
economice băneşti, prin mijlocirea cărora se constituie şi se administrează
principalele resurse financiare ale statului. De la bugetul de stat se acordă
subvenţii companiilor naţionale, regiilor autonome şi societăţilor comerciale
cu capital de stat pentru finanţarea unor investiţii interne de mare valoare
sau de importanţă naţională (în industria energetică, extractivă, transporturi,
telecomunicaţii, industria de armament etc.).
Au apărut deja tot în ultimul deceniu şi unele dezavantaje ale economiei
financiare, semnalate atunci când aceasta devine o practică de trucuri
empirice de specialitate. Acest aspect este remarcat cu umor de către
matematicianul, filosoful şi econometricianul Nassim Nicholas Taleb, autor
al unor celebre „Aforisme practice şi filosofice”, care sublinia că „economia
financiară pare a fi uneori ca şi o reminiscenţă din medicina medievală, ale
cărei medicamente pot fi utilizate pentru a ucide mai mulţi pacienţi decât a
salva, şi la fel ca ea, poate pune în pericol sistemul prin crearea de riscuri,
nu prin reducerea acestora”.

III.2. Concepte instrumentale statistico-matematice valorificate în

modelul econometric şi econometrico-financiar

Un prim set de probleme fundamentale statistico-matematice, axate pe

interpretarea legii numerelor mari, rezultă din necesitatea practică de
determinare a legilor de repartiţie ale diferitelor variabile aleatoare pe baza
datelor concrete oferite de observarea statistică (apelând la metodele
statisticii matematice care încearcă să releve legile specifice repartiţiilor
empirice - repartiţii normale, repartiţii ale evenimentelor rare,alte repartiţii
specifice). Un al doilea set de concepte apare ca urmare a substituirii
repartiţiilor prin valori medii sau tipice pornind de la disponibilităţile
concrete de date statistice, respectiv estimaţia parametrilor necunoscuţi ale
repartiţiilor empirice (incluzând analiză de omogenitate, asimetrie şi exces
sau boltire cât şi determinarea preciziei cu care se lucrează în estimaţie). Un
al treilea set este rezultatul cerinţei de a lua decizii în urma unui proces de
80
verificare a unor ipoteze statistice admisibile, pornind de la supoziţia de
existenţă a unei relaţii de dependenţă între variabile (asociere, regresie şi
corelaţie), continuând cu concordanţa cu distribuţia normală sau alte tipuri
de distribuţii, a repartiţiei empirice analizate şi detaliind până la teste de
semnificaţie şi elemente de analiză dispersională.
Descrierea succintă a principalelor concepte statistico-matematice utile
Caseta nr. 3.5
Pentru a rezolva întregul univers de probleme ale modelării econometrice se apelează
la conceptele teoriei statistico-matematice, grupate în următoarele clase semnificative:
I. Concepte elementare statistice: a) populaţie statistică (o mulţime bine delimitată în
timp, spaţiu şi organizatoric de manifestări, cazuri, elemente de aceeaşi natură, având
cel puţin o trăsătură comună); b) unitate statistică (purtător originar de informaţie,
subiectul logic al informaţiei statistice, o manifestare, un caz sau un element din
populaţia ce defineşte fenomenul cercetat); c) caracteristică (trăsătura, însuşirea sau
proprietatea cantitativă (un anumit nivel) sau calitativă (o anumită stare) comună
tuturor elementelor din colectivitate); d) variabilă (totalitatea nivelurilor, stărilor
concrete sau variantelor atinse de o caracteristică); e) frecvenţă (în variantele:
absolută, sintetizând numărul de înregistrări ale aceleiaşi variante într-o populaţie ni
sau fi şi relativă, desemnând ponderea, greutatea specifică sau cota parte a unei
*
variante într-o populaţie n i = n i × 100 , gi = x i f i × 100 ; f) indicator (expresie
∑n i ∑x fi i

cantitativă a unei anumite determinări, stări sau trăsături calitative constatate printre
manifestările, cazurile, elementele unei populaţii statistice).
II.Concepte esenţiale ale teoriei probabilităţilor: a)experiment aleator sau experienţă
(realizarea practică a unui complex de condiţii pentru un fenomen aleator); b) probă
(rezultatul experimentului); c)eveniment (fenomen care se produce sau nu într-un
experiment, a cărui afirmare certă nu este posibilă decât după experiment);d)
probabilitate (raportul dintre m = numărul cazurilor favorabile şi n = numărul cazurilor
m
posibile: P(A) = ∈[0,1] , pentru un experiment cu n evenimente egal probabile şi un
n
eveniment A ∈ K , realizabil în m probe); e) proces aleator de tip discret (secvenţă de
variabile aleatoare Yt, unde t ∈ Z , ordonate după parametrul timp, pentru fiecare t,
există o variabilă aleatoare Yt, fiind disponibilă o singură observaţie relativ la aceasta;
f) previziune axată pe un proces aleator discret (inferenţă asupra variabilei, în afara
perioadei observate, unde previziunea variabilei Yn este notată cu Ŷ fiind efectuată la
momentul t pentru un orizontul de timp n > t.
III.Concepte fundamentale ale statisticii matematice: a) variabilă aleatoare
(caracteristică ale cărei valori, apriori necunoscute apar în împrejurări datorate
întâmplării, cu o anumită probabilitate determinabilă sau o variabilă specială ce
exprimă atât un ansamblu de valori posibile (xi), cât şi o funcţie finită care indică, în
raport cu rezultatul unui experiment, probabilitatea de apariţie fiecăreia dintre valorile
posibile (pi );
b) variabilă aleatoare discretă (când mulţimea valorilor posibile este finită, fiind
descrisă de X : ⎛⎜ 1 2 ... n ...⎞⎟ cu ∑ pi = 1 ,unde mulţimea valorilor posibile este
x x x
⎜ p p ... p ...⎟
⎝ 1 2 n ⎠ i

81
{x1, x2,...,xn,...}şi evenimentul (X = xi) se realizează cu probabilitatea pi); c) variabilă
aleatoare continuă (deţine valori într-un interval dat, reprezentarea ei făcându-se prin
funcţia de repartiţie sau prin densitatea de repartiţie); d) parametru (valoare
caracteristică ce fie se calculează, atunci când este posibil, pe baza datelor întregii
populaţii statistice sau pornind de la seriile empirice de repartiţie, fie se estimează pe
baza datelor unei părţi din populaţia totală sau a unui eşantion); e) estimator (valoare
caracteristică ce se calculează pornind de la seriile empirice de repartiţie a
variabilelor xi, yi, zi etc., obţinute prin observarea şi sistematizarea unei părţi din
populaţia totală sau a unui eşantion); f) eroarea sau cunoştinţa care nu reflectă
adecvat, corect, veridic, realitatea obiectivă, cu varianta eroare statistică (diferenţa
rezultată între o dată sau indicator statistic şi valoarea reală corespunzătoare sau
înregistrarea altei valori (x) în locul celei reale (x0) etc.
În modelarea econometrică (financiară), variabile individuale de aceeaşi
natură sunt substituite cu indicatori ce măsoară specificul fenomenului
economic: media, dispersia etc.

Parametrii esenţiali ai variabilelor de tip discret şi continuu

Tabel nr. 3.9
Variabile de tip discret Variabile de tip continuu
Indicatori ⎛ x x ... xn ... ⎞ ⎛ x ⎞
X : ⎜⎜ 1 2 ⎟⎟ X : ⎜⎜ ⎟⎟, x ∈ [α , β ]
⎝ p1 p 2 ... p n ... ⎠ ⎝ f ( x )⎠
β

Media sau M ( X ) = X 0 M ( X ) = ∑ xi × pi M (X ) = ∫ x × f (x )dx

i α

μ k ( X ) = ∑ ( xi − m ) × pi
β
Momentele centrate de k k
μ k (X ) = ∫ (x − m ) × f (x )dx
ordin k sau μ k ( X ) i α

Dispersia sau σ0 2 2
( )
σ 0 ( X ) = M 2 X − X 0 = M (X ) − (X 0 ) 2
2

Indicatori simpli sunt cei dintâi prezenţi în modelare şi în pachetele de

programe de calcul, respectiv cei ai tendinţei centrale: media (mean or
average) mediana (median). Graficele statistice (line, bar, scatter, spike,
chart, plot, XY line sau corelograma etc.) permit înţelegerea rapidă a
distribuţiilor. Indicatorii variaţiei, de la amplitudine (range), la abaterea
individuală (individual deviation), de la dispersie (variance), la abaterea
standard (Std. Dev.) şi coeficientul de omogenitate (coefficient of variation),
alături de indicatorii asimetriei (skewness) şi boltirii (kurtosis) asigură
evaluarea corectă a omogenităţii, oblicităţii şi excesului seriilor de date
statistice. Evaluarea normalităţii repartiţiilor ocupă un loc central în teoria
probabilităţilor şi în statistica matematică. Acţiunea cumulată a factorilor
aleatori în procese economice este aproximată ca un factor unic perturbator,
normal distribuit. Statistico-matematic densitatea de probabilitate este dată

82
 −
(x− x )2
1 2σ 2
de relaţia: f(x) = e .
σ 2π
Pachetele de programe specializate determină statistici descriptive ale
variabilelor individuale sau grupurilor de variabile. Statistica descriptivă
realizată cu E-Views pentru datele referitoare la creşterea economică
naţională (modificarea anuală a indicelui PIB-ului real), după 1990, este un
bun exemplu de înţelegere a modalităţii de valorificare a statisticilor
descriptive şi de interpretare a indicatorilor finali.

Baza de date a creşterii economice în România, după 1990 (în %)

Tabel nr. 3.10
Anul Rata creşterii Anul Rata creşterii Anul Rata creşterii Anul Rata creşterii
economice economice economice economice
(Rata IPIB real) (Rata IPIB real) (Rata IPIB real) (Rata IPIB real)
1990 -5.6 1996 3.9 2002 5.1 2008 7.1
1991 -12.9 1997 -6.1 2003 5.2 2009 -7.5
1992 -8.8 1998 -4.8 2004 8.5 2010 -1.3
1993 1.5 1999 -1.2 2005 4.2 2011 2.5
1994 3.9 2000 2.4 2006 7.9 2012 0.2
1995 7.1 2001 5.7 2007 6.3 - -
Sursa datelor: http://www.insse.ro/ *Notă = Se observa că datele sunt exprimate în limba
engleză cu punct în loc de virgulă, pentru a putea fi corect prelucrate ulterior cu EViews.

Histograma şi statistica descriptivă a creşterii economice în România,

după 1990
Grafic nr. 3.3

7
Series: SER01
6 Sample 1990 2012
Observations 23
5
Mean 1.013043
4 Median 2.500000
Maximum 8.500000
Minimum -12.90000
3
Std. Dev. 6.008729
Skewness -0.738672
2
Kurtosis 2.475303

1 Jarque-Bera 2.355442
Probability 0.307980
0
-15 -10 -5 0 5 10

Soft utilizat: EViews.

83
 Distribuţia statistică a frecvenţelor, se poate obţine realizând un grafic de
tip Kernel, ce o aproximează riguros, pe baza densităţilor de probabilitate.

Distribuţia densităţilor de probabilitate a creşterii economice în

România, după 1990
Grafic nr. 3.4

Soft utilizat: EViews.

Statistica descriptivă a indicelui PIB-ului real şi ritmului indicelui

PIB-ului real în România, după 1990
Tabel nr. 3.11
Sample (eşantion):1990-2012 (număr de ani = 23) Indicele PIB- Ritmul indicelui
ului real PIB- ului real
Mean – media 101.0130 1.013043
Median – mediana 102.5000 2.500000
Maximum – valoarea maximă 108.5000 8.500000
Minimum – valoarea minimă 87.10000 -12.90000
Std. Dev. – abaterea standard 6.008729 6.008729
Skewness – coeficient de asimetrie -0.738672 -0.738672
Kurtosis – coeficient de boltire 2.475303 2.475303
Jarque-Bera – (normalitatea distribuţiei) 2.355442 2.355442
Probability – probabilitate 0.307980 0.307980
Sum – suma tuturor valorilor seriei 2323.300 23.30000
Sum Sq. Dev. – Suma abaterilor pătratice 794.3061 794.3061
Soft utilizat: EViews.

Observaţii: Media, calculată ca medie aritmetică, identifică un nivel de creştere economică

de 1,01% anual. Coeficientul de omogenitate determinat ca raport între abaterea standard
(Std. Dev.) şi medie (Mean) depăşeşte 100 %, dezvăluind o populaţie complet eterogenă,
uşor asimetrică şi aplatisată (în timp ce seria indicelui PIB-ului real este omogenă, cu un
indice mediu de 101,01%, cu abaterea standard de 6,008729 şi un coeficient de omogenitate
84
de 5,95%). Histograma însoţită de indicatori statistici cuprinde şi testul statistic Jarque-
Bera, un test de apreciere a normalităţii ambelor distribuţii ale celor 23 de ani înregistraţi.

Unele reprezentări grafice specifice pachetelor de programe specializate

Grafic nr. 3.5 Grafic nr. 3.6
Scatter Line

Grafic nr. 3.7 Grafic nr. 3.8

Spike Bar

Soft utilizat: Eviews.

Modelul econometric contemporan nu poate fi conceput în absenţa
deciziei axate pe validarea unei ipoteze statistice din mulţimea ipotezelor
admisibile. Formularea ipotezelor, testarea şi decizia constituie componente
vitale ale modelului econometric (financiar), care ţin tot de conceptualizarea
statististico-matematică. Dar ceea ce conturează în mod esenţial şi de o
manieră statistico-matematică aparte, întregul proces de modelare
economico - financiară sunt relaţiile din interiorul fenomenului analizat şi
sintetizate în model. Un prim fenomen interior fenomenului reflectat în
model şi comensurat statistico – matematic este cel al concentrării sau

85
diversificării structurale. Pentru a evalua limitele structurale şi a cunoaşte
impactul modificărilor structurale unele dintre conceptele statistice
instrumentale sunt direct valorificate ceea ce asigură realizarea unor
modelări economico-financiare cu scop simulator dominant. Uzual indicele
Hirschman, Gini-Struck şi, suplimentar, valorile acestora circumscrise
curbei ABC, permit identificarea unor limite de concentrare şi diversificare
în pieţe financiare, creând astfel instrumente utile în realizarea de modele.
Determinarea indicelui Hirschman se realizează prin două metode:
n
m 100
1.metoda clasică: H = - × ∑ g i2 şi
m -100 m -100 i=1

n
100
2.metoda simplificată a lui Gini: H =
i=1
∑g 2
i
n
,unde m =
şi

evidenţiază cel mai mic nivel al concentrării, „n” defineşte numărul de

structuri generate de către destinaţii, surse, produse etc. şi „gi” reprezintă
ponderea destinaţiei, sursei, produsului „i” în total.
Indicele Gini sau forma simplificată a indicelui Hirschman au fost
ameliorate de către Struck R., cu scopul de a-i stabiliza riguros intervalul de
apartenenţă, devenind indicele Gini-Struck printr-o transformare a limitei
instabile inferioare, într-una constant definită, pornind de la Hirschman
n

n n ∑ g i2 − 1
(H= ∑g
i=1
2
i ) şi ajungând la Gini-Struck (G-S= i=1
n −1
), ceea ce a făcut

⎡1 ⎤
ca domeniul său de valori tradiţional ⎢ ;1⎥ să devină [0,1].
⎣ n ⎦
Identificarea unor limite de concentrare şi diversificare în pieţele
financiare, structurate conform curbei ABC oferă restricţiile ce lipsesc din
metoda indicatorilor raportului de schimb, în tabelele 3.12 şi 3.13:

Evaluări limitative ale fluxurilor în pieţe financiare,

structurate conform curbei ABC
Tabel nr. 3.12
Ponderea (gi) Piaţă financiară Piaţă financiară
Struc în piaţa financiară excesiv diversificată excesiv concentrată
tura diversifi concentra (gi)2 (gi)2
gi (%) gi (%)
cată tă
A 0.60 0.333 60.0 0.3600 33.333 0.1111
B 0.25 0.333 25.0 0.0625 33.333 0.1111
C 0.15 0.333 15.0 0.0225 33.334 0.1111
Total 1.00 1.000 100.0 0.4450 100.00 0.3333
Notă: Elementele din economie financiară generatoare de structuri la nivelul fluxului financiar
pot fi sursele, destinaţiile, vânzările şi cumpărările de titluri (acţiuni, obligaţiuni, derivative).
86
 Limite relative ale indicatorilor statistici în pieţe financiare,
structurate conform curbei ABC (concentrate sau diversificate)
Tabel nr. 3.13
Pieţe financiare Pieţe financiare
Limitele indicatorului
concentrate diversificate
Coeficientul Hirschman (n = 3) 0.212 0
Coeficientul Hirschman simplificat 0.667 0.577
Coeficientul Gini-Struck 0.409 0
Sursa: Săvoiu, G., Dinu, V.,Tăchiciu, L. Romania Foreign Trade in Global Recession,
Revealed by the Extended Method of Exchange Rate Indicators. The Amfiteatru Economic
journal, 14(31), 2012, pag. 182.

Rezultatul îl reprezintă un instrument statistic cu rol de semnalizare sau de

prag structural. Un indicator introdus mai recent în suita metodică de
modelare a concentrării-diversificării este şi indicele Damien Neven al
avantajului comparativ revelat, pentru identificarea unor structuri din
fluxurile analizate puternic dependente sau independente în raport cu piaţa
internaţională, determinat prin relaţia de calcul clasică a Institutului Băncii
Mondiale: RCAI= ⎛⎜ Xi - Mi ⎞⎟ ,unde i reprezintă structuri diverse generate
⎝ ∑ Xi ∑ Mi ⎠
⎜ ⎟
de către destinaţii, surse etc. şi ale cărui determinări sunt plasate teoretic în
intervalul (-1;1), cu un interval empiric mult mai restrâns (-0, 1; 0,1).
O contribuţie esenţială în domeniul analizei concentrării – diversificării
aparţine şi matematicianului Octav Onicescu, respectiv cuantificarea prin
relaţia ajustată de calcul a energiei informaţionale (coeziunii sistemului)
n
EOnicescu = ∑p
i=1
2
i , unde pi ca funcţie de frecvenţă definită pentru o variabilă

aleatore discretă este asimilată cu gi (Onicescu şi Ştefănescu, 1979).

Reprezentarea grafică a unor fenomene financiare de natură
comparabilă sau prin confruntare statistică poate da naştere unor asocieri
intuitive cu impact modelator economico – financiar şi în cazul cel mai
puţin relevant, permite totuşi o mai bună periodizare cu sens de alegere a
momentului temporal semnificativ de la care va începe analiza fenomenului,
cu impact major în modelarea economico - financiară ulterioară.
De exemplu, dinamica ISD în România ultimelor două decenii
prezintă fluctuaţii mari, cu o multiplicare a volumului total al ISD de peste
două sute de ori, cu mult mai mari decât media evoluţiei europene, dacă se
analizează valoric în preţuri comparabile din 1990, conform graficelor 3.9 şi
3.10. conturând traiectorii relativ similare dar pe paliere diferite ca ordin de
mărime, respectiv 1010 comparativ cu 1012 în u.m.

87
 Oscilaţiile grafice ale ISD în UE (EUISD) şi în România (ROISD),
după 1990
Grafic nr. 3.9 Grafic nr. 3.10
1.2E+10
1.E+12
1.0E+10
8.E+11
8.0E+09
6.E+11
6.0E+09

4.E+11
4.0E+09

2.E+11 2.0E+09

0.E+00 0.0E+00
92 94 96 98 00 02 04 06 08 10 92 94 96 98 00 02 04 06 08 10

EUISD ROISD

Sursa: Săvoiu, G.,and Popa, S., Econometric Eclectic Models of Foreign Direct Investments
in Romania, after 1990, Economics and Finance Review, Vol. 1(12), pp. 30 – 41, 2012.
Sursa de date: http://data.worldbank.org/data-catalog#Tables Soft utilizat: EViews
Intuiţia conferită de comparare şi confruntare conduce conform graficului
3.11 la identificarea unui uşor decalaj favorabil investiţional al ISD în
România, ca procent din formarea brută de capital fix, comparativ cu
Uniunea Europeană şi cu economia mondială, cu valori mult mai stabile şi
omogene în dinamică, în agregatele unional şi mondial.
Oscilaţiile grafice ale cotei procentuale ale ISD din formarea brută de
capital fix, în România, în UE şi în economia mondială, după 1990
Grafic nr. 3.11
50

40

30

20

10

0
1990

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

Romania European Union Global economy

Sursa:Săvoiu, G.,and Popa, S., Foreign Direct Investments (FDI) in Romania,

Revista Română de Statistică (B+,ISSN 1018-046X) nr 1/ 2012, pp. 27 – 57.
Sursa de date: http://www.unctad.org/fdistatistics.

88
III.3. Conceptualizarea corelaţiei şi regresiei şi matricile de corelaţie ca
soluţii prompte de selectare a factorilor modelului

Un model econometric poate fi format dintr-o singură legătură

cuantificată statistico-matematic (dependenţă sau interdependenţă) ori dintr-
un veritabil sistem de regresii şi corelaţii statistico-matematice. Pentru a
identifica de o manieră clasică aceste legături statistice se valorificau
principalele concepte statistico - matematice din teoria regresiei, corelaţiei şi
asocierii. Pachetele de programe moderne permit obţinerea foarte rapidă a
unor matrici de corelaţie, care oferă primele idei şi soluţii despre viitorul
model şi permit astfel cuantificarea parametrilor şi formularea cantitativă a
modelului economic financiar în sine.
Concepte statistico-matematice clasice ale corelaţiei şi regresiei
Caseta nr. 3.6
Practica modelatoare presupune atât cunoaşterea factorilor explicativi ai fenomenelor
economice ce urmează a fi modelate, cât şi selectarea celor mai importanţi dintre
aceştia, prin calculul a numeroase instrumente de cuantificare a intensităţii asocierii
variabilelor calitative, dar şi a regresiilor şi corelaţiilor variabilelor cantitative.
Modelarea econometrică de tip clasic debutează cu identificarea unei corelaţii (legături)
simple (unifactoriale), de la cauza cea mai puternică (xi), la efectul major(yi). Atunci
când nu se obţine o descriere statistică satisfăcătoare a lui yi în funcţie de xi se adaugă
treptat şi influenţa unui al doilea factor, urmată de influenţa unui al treilea factor
conform principiului caeteribus paribus etc. Pentru identificarea şi caracterizarea
sumară a legăturilor se valorifică metoda grafică, constând din corelograma sau
diagrama de corelaţie, axată pe perechile de valori (xiyi) sau coordonatele unităţilor
statistice, identificate ca puncte P(xi,yi), respectiv a unui grafic de tip XY line sau
scatter with regression. În raport cu dispunerea în grafic a punctelor se poate aprecia
forma, sensul şi chiar intensitatea legăturii dintre xi şi yi.
Grafic nr. 3.12 Grafic nr. 3.13
6 6

5 5

4 4

3 3

2 2

1 1

0 0
0 1 2 3 4 5 6 0 1 2 3 4 5 6

Diagrama relevă o legătură directă de Diagrama defineşte o legătură indirectă

formă liniară, cu ecuaţia de regresie liniară liniară, cu ecuaţia de regresie yi=a+bxi,
yi =a + bxi, b>0 şi variabile corelate pozitiv. b>0 şi variabile corelate negativ.
Corelaţia cu suport vizual poate extinde liniaritatea grafică către neliniaritate:
89
Grafic nr. 3.14 Grafic nr. 3.15
1.0 20

0.9
16
0.8

0.7 12
0.6

0.5 8

0.4
4
0.3

0.2 0
0.8 1.2 1.6 2.0 2.4 2.8 3.2 3.6 4.0 4.4 0.8 1.2 1.6 2.0 2.4 2.8 3.2 3.6 4.0 4.4

Diagrama detaliază o legătură directă Diagrama descrie o legătură directă neliniară,

neliniară, cu ecuaţie de regresie neliniară cu ecuaţie de regresie exponenţială de
hiperbolică yi = a + b/xi, b > 0. forma: yi = abX i, cu a > 0.
şi poate naşte astfel un „nor”de puncte curbiliniu sau la limită nedefinit:
Grafic nr. 3.16 Grafic nr. 3.17
12 12

10 10

8 8

6 6

4 4

2 2

0 0
-2.5 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0 2.5 0 2 4 6 8 10 12

Diagrama detaliază o legătură neliniară, Diagrama redă un nor dispersat de puncte şi

cu ecuaţie de regresie parabolică: certifică independenţa variabilelor (lipsa
yi = a + bxi + cx2, cu a>0. unei corelaţii sau legături între xi şi yi).
Prima utilizare a conceptului de regresie (având o origine latină regressio=întoarcere)
aparţine lui Francis Galton şi a apărut în memoriul său ştiinţific intitulat Regression
toward mediocrity in hereditary stature (1886), inclus mai târziu în lucrarea Natural
inheritance (1889), unde cu ajutorul tabelului de corelaţie şi al seriilor de medii legate,
prezintă rezultatele prelucrării observaţiilor asupra a 928 cazuri, prin care a analizat
legătura dintre înălţimea părinţilor şi înălţimea fiilor acestora, postulând existenţa unei
regresii către valoarea medie. Regresia statistică sau metoda regresiei selectează
funcţia, care aparţine unei clase de funcţii matematice şi care realizează cea mai bună
descriere a variaţiei lui yi, bazându-se pe relaţia existentă între xi şi yi, o relaţie liniară
de tipul yi=a+bxi. În urma aplicării metodei celor mai mici pătrate, funcţia de regresie
yi = a + bxi parametrizată devine egală cu funcţia următoare:
⎛ ∑y ⋅ ∑xi2 −∑xi ⋅ ∑xi yi ⎞ ⎛ n ⋅ ∑ xi yi − ∑ xi ⋅ ∑ yi ⎞
Yi = ⎜ i ⎟⎟ + ⎜⎜ ⎟⎟ X i
∑ ∑ ⎠ ⎝ n ⋅ ∑ xi − (∑ xi )
⎜ n ⋅ x 2
− ( x )2 2 2
⎝ i i ⎠
90
Parametrul a este lipsit de semnificaţie, în schimb b sau coeficientul de regresie arată
sensul şi mărimea influenţei lui xi asupra lui yi, a reacţiei finale a lui yi la modificarea
cu o unitate a lui xi: a) când b > 0 există o legătură directă; b) când b = 0 nu există nici
o legătură; c) când b < 0 există o legătură indirectă. Frecvent apar diferenţe între
valorile reale yi şi teoretice Yxi = a + bxi , pentru acelaşi nivel al variabilei cauzale xi,
diferenţe care exprimă efectul celorlalţi factori (secundari), ce perturbă relaţia dintre xi
şi yi. Ca urmare funcţia de regresie liniară Yxi = a + bxi sau f(xi)= a + bxi exprimă
tendinţa medie de modificare liniară a lui yi în funcţie de xi. fiind dreapta care se
apropie cel mai mult de norul de puncte pe care îl traversează în corelograma sa
specifică. Pentru a evalua capacitatea unei funcţii liniare de a caracteriza variaţia lui yi
în raport cu xi se utilizează doi indicatori de apreciere a calităţii funcţiei de regresie:
coeficientul de determinaţie (R2 sau D) şi coeficientul de eroare (e) cu valori în
intervalul (0,100%), D tinzând către 100% şi e către 0%.
⎡ ⎤
( )
2

D = ⎢1 −
∑ yi − Yxi ⎥ × 100
⎢ ⎥
( )
2

⎢⎣ ∑ yi − y ⎥⎦
Valoarea lui D exprimă procentual acea parte din variaţia lui yi care este surprinsă prin
funcţia de regresie liniară Yxi = a + bxi , adică este explicată prin influenţa lui xi.
Coeficientul de eroare se determină asemenea unui coeficient de variaţie cu referire la
dispersia dintre punctele reale şi teoretice situate pe dreapta Yxi = a + bxi :

( )
2
∑ yi − Y x
i
ni
e = × 100
y
Cu cât e se apropie de valoarea „zero”, cu atât este mai corectă descrierea mulţimii de
valori reale ale lui yi prin intermediul funcţiei de regresie liniare Yxi = a + bxi .Tipul de
legătură descrisă anterior este o regresie liniară simplă. Complexitatea fenomenelor şi
proceselor analizate conduce la identificarea de legături liniare multiple, funcţia de
regresie liniară multiplă având la bază o relaţie cauzală multifactorială (sub acţiunea
celor m factori determinanţi): Yx , x ,... x = a0 + a1 x1 + a2 x2 + ... + am xm . Funcţiile de
1 2 m
regresie pot fi de natură neliniară dar se rezolvă tot prin metoda celor mai mici pătrate.
Intensitatea regresiei se cuantifică statistico-matematic cu ajutorul covarianţei:
n n
∑ d x d y ∑ ( xi − x )( yi − y )
cov( x, y ) = i =1 i =1
= fără a deţine limite ce să faciliteze o interpretare,
n n
fie cu ajutorul coeficient de corelaţie (ry/x) sau raportului de corelaţie Ry / x = D.

91
 n n n n n
∑ dxd y ∑ xi − x yi − y
cov( x, y) ( )( )
n ∑ xi yi − ∑ xi ∑ yi
r = = i=1 = i=1 = i=1 i=1 i=1 sau
y/ x σ σ
( ) ( )
x y nσ σ
x y nσ σ
x y ⎡ n 2 n 2 ⎤⎡ n 2 n 2 ⎤
⎢n ∑ xi − ∑ xi ⎥⎢n ∑ yi − ∑ yi ⎥
⎣ i=1 i=1 ⎦⎣ i=1 i=1 ⎦

ry / x = (
b y / x × b x / y sau ry / x = b y / x × σ x / σ y )
Coeficientul de corelaţie (ry/x), ca parametru al distribuţiilor normale bidimensionale ce
caracterizează legătura între variabila explicativă xi şi variabila rezultativă yi aparţine
intervalului [-1,0) ∪ (0,1]. Pentru ry/x=0 nu există legătură statistică, variabilele xi şi yi
fiind independente. Interpretarea unui coeficient de corelaţie se realizează succint în
modul matematic ( ry / x ) şi se consideră corecte empiric următoarele afirmaţii:

1. când ry / x ∈(0;0,2] practic nu există legătură statistică sau este foarte slabă;

2. când ry / x ∈(0,2;0,5] legătura este slabă şi trebuie testată statistic (test F etc.);

3. când ry / x ∈(0,5;0,75] legătura este de intensitate medie;

4. când ry / x ∈(0,75;0,95] legătura este puternică;

5. când ry / x ∈(0,95;1] legătura este foarte puternică,deterministă (funcţională).

Dacă cele două valori coincid (ry/x= Ry/x), atunci corelaţia este exclusiv liniară.
Funcţiile neliniare mai des valorificate sunt fie cele hiperbole ( Yx = a + b 1 ) fie
i xi
xi
exponenţiale (Yxi = ab ), fie parabole (exemplificată prin parabola de gradul II:
Yxi = a + bxi + cxi2 ), fie logaritmice (Yx = a + b lg xi ) etc.
i
Asocierea este evaluată printr-o gamă largă de coeficienţi specifici, oferind metode
neparametrice rapide de determinare a intensităţii legăturii variabilelor: a) coeficientul
de asociere Yule G.U. şi Kendall M.G, determinat prin relaţia Q = (ad-bc):(ad+bc);
b)coeficienţii Charles Eduard Spearman (rs) şi Maurice Kendall (rk) se determină
conform relaţiilor: rs sau ρ = 1 − 6 × ∑ di ( )(
n

i =1
2
)
: n3 −n şi rk sau τ = S
=
2 S ; c)
0,5n(n − 1) n(n − 1)
Coeficientul simplu de covariaţie diferenţială (coeficientul lui Fechner G. T).; d)
coeficientul de concordanţă Bravais-Pearson etc. În concluzie, corelaţia şi regresia
statistică sunt esenţiale în procesele de identificare, selectare şi modelare a legăturilor
factoriale în economie. Cel mai simplu şi eficient indicator rămâne raportul de corelaţie
EMBED Equation.DSMT4
rapidă factorială se realizează cu R2 şi prin matrici de corelaţie

Pachetele de programe specializate realizează rapid calculele descrise în

caseta 3.6 prin intermediul unor matrici de corelaţie, care reunesc toate
92
interdependenţele dintre factori prin rapoarte de corelaţie. Realizarea unei
matrici a interdependenţelor dintre principalii indici de preţ şi dinamica PIB-
ului real al economiei, ca variabilă explicată de aceşti indici, pentru perioada
1991-2010 (deflatorul PIB-ului şi indicele preţurilor bunurilor de consum -
IPC şi al preţurilor industriale IPPI). Matricile de corelaţie expun într-un
tabel combinat toate valorile intensităţii interdependenţelor dintre variabile
şi permit identificarea acelora maxime utile modelării unifactoriale unde R
deţine valori mai mari de |0,2|, pentru modele multifactoriale.
Principalii indici de preţ corelaţi cu dinamica indicelui PIB –ului real
Tabel nr. 3.14
Anul Indicele PIB- Deflator IPC IPPI
ului real PIB
1991 87.1 294.9 270.2 320.1
1992 91.2 300.0 310.4 284.8
1993 101.5 327.4 356.1 265.0
1994 103.9 239.1 236.7 240.5
1995 107.1 135.3 132.3 135.1
1996 103.9 145.3 138.8 149.9
1997 93.9 247.3 254.8 256.9
1998 95.2 155.2 159.1 133.2
1999 98.8 147.8 145.8 142.2
2000 102.4 144.9 145.7 151.6
2001 105.7 137.8 134.5 140.3
2002 105.1 122.6 122.5 124.5
2003 105.2 123.5 115.3 119.6
2004 108.5 115.5 111.9 118.5
2005 104.2 112.1 109.0 112.4
2006 107.9 110.5 106.56 112.0
2007 106.3 113.6 104.84 108.7
2008 107.1 115.5 107.85 114.5
2009 92.5 103.2 105.59 102.3
2010 98.7 105.9 106.10 106.3
Sursa datelor: http://www.insse.ro/ *Notă = Se observa că datele sunt exprimate în limba
engleză cu punct în loc de virgulă, pentru a putea fi corect prelucrate ulterior cu EViews.
Instrumentul este eficient, sintetic şi arată, aparent surprinzător că un
indice cum este IPPI, este mai bine corelat cu indicele PIB-ului real (PIB-ul
României fiind influenţat mai mult de producţia industrială decât de
servicii).
Matrice de corelaţie între indicele PIB-ului real şi indicii de preţ
Tabel nr. 3.15
IPIB_REAL DEFLATOR_PIB IPC IPPI
IPIB_REAL 1.000000 -0.564657 -0.541953 -0.608927
DEFLATOR_PIB -0.564657 1.000000 0.992703 0.973559
IPC -0.541953 0.992703 1.000000 0.944521
IPPI -0.608927 0.973559 0.944521 1.000000

93
 Aşa cum se constată toate valorile corelaţiilor se situează la intensitate
medie, depăşind |0,5|, iar aceste corelaţii sunt indirecte, creşterea reală (sau
a volumului fizic) fiind legată de reducerea preţurilor, conform valorii
negative a acestora. Între cei trei indici de preţ se identifică nişte
interdependenţe de nivel foarte ridicat ca intensitate (aproape sau peste
|0,95|), IPC-ul şi deflatorul PIB-ului fiind corelate între ele la o intensitate
de 0.992703, aproape de valoarea maximă. Se desprind de aici modele
unifactoriale interesante (PIB în funcţie de deflatorul PIB, IPC şi IPPI,
deflatorul PIB în funcţie de IPC, IPPI şi chiar IPC în funcţie de IPPI), ce
sintetizează evoluţia paralelă a celor patru variabile în timp.
Evoluţia indicelui PIB-ului real şi a indicilor de preţ naţionali
Grafic nr. 3.18 Grafic nr. 3.19
360 360

320 320

280 280

240 240

200 200

160 160

120 120

80 80
92 94 96 98 00 02 04 06 08 10 92 94 96 98 00 02 04 06 08 10

IPIB_REAL IPC IPIB_REAL IPC

DEFLATOR_PIB IPPI DEFLATOR_PIB IPPI

Soft utilizat: Eiews.

Un model de regresie multifactorială care ar cuantifica parametrii
funcţiei indicelui PIB-ului real în raport cu indicii de preţ, conform ultimilor
douăzeci de ani, acesta ar fi: I PIB real = 109,8637 + 0,189312 deflator PIB
– 0,096229IPC – 0,1483IPPI, iar un model unifactorial s-ar axa pe IPPI.
Un alt exemplu arată intensitatea corelaţiilor sau interdependenţelor
dintre cei mai des utilizaţi indici de preţ, pe o bază scurtă de date, de 10 ani,
cu informaţii comparabile statistic, dar exprimate sub formă de coeficienţi:
Principalii indici de preţ ai economiei României, între 2000 şi 2009
Tabel nr. 3.16
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Deflator PIB 1.449 1.378 1.226 1.235 1.155 1.121 1.105 1.136 1.155 1.032
IPC 1.457 1.345 1.225 1.153 1.119 1.090 1.0656 1.0484 1.0785 1.0559
IPPI 1.516 1.403 1.245 1.196 1.185 1.124 1.120 1.087 1.145 1.023
IVU (X) 1.089 1.006 0.985 0.982 1.051 1.095 1.082 1.06 1.038 0.893
IVU (M) 1.036 0.997 0.987 0.967 1.007 1.053 1.036 0.982 1.034 0.893
Sursa datelor: http://www.insse.ro/ *Notă = Se observa că datele sunt exprimate în limba
engleză cu punct în loc de virgulă, pentru a putea fi corect prelucrate ulterior cu EViews.
Matricea de corelaţie descrie la un nivel apropiat de intensitate (peste
|0,95|) corelaţiile dintre deflator şi IPC, respectiv IPPI, dar reuşeşte să

94
ierarhizeze mai bine un alt model unifactorial între deflator şi IPPI, mai
puternic decât cel oferit de interpretarea legăturii dintre IPC şi IPPI (un
raport de corelaţie de 0,982467 faţă de 0,981811). Indicii de preţ ai valorilor
unitare la export şi import (IVUX şi IVUM) sunt corelaţi în modele cu
intensităţi mult mai reduse ce se impun a fi verificate prin procese de testare
statistică aşa cum se va constata în tematica unor capitole următoare.
Matricea de corelaţie a principalilor indici de preţ, între 2000 şi 2009
Tabel nr. 3.17
DEFLATOR_PIB IPC IPPI IVUX IVUM
DEFLATOR_PIB 1.000000 0.961516 0.982467 0.239048 0.308843
IPC 0.961516 1.000000 0.981811 0.134553 0.215659
IPPI 0.982467 0.981811 1.000000 0.271806 0.355874
IVUX 0.239048 0.134553 0.271806 1.000000 0.917296
IVUM 0.308843 0.215659 0.355874 0.917296 1.000000
Soft utilizat: Eiews.
Un model de regresie multifactorială care ar cuantifica parametrii funcţiei
indicelui deflatorului PIB-ului real în raport cu alţi indici de preţ, ar putea fi:
I deflator al PIB real = 56,86601–0,537857IPC +1,367988IPPI +8,494016 IVUX
– 47,88486IVUM, iar un model unifactorial ar fi axat tot pe IPPI.
Ca o concluzie, se constată că matricile de corelaţie identifică rapid şi
eficient factorii explicativi, ierarhizează sau permit selectări de factori şi
chiar de modele unifactoriale şi multifactoriale.

III.3. Test de autoevaluare, aplicaţii şi bibliografie opţională

A. Test de autoevaluare
A1) Întrebări clasice recapitulative
1.Ce noţiuni macroeconomice sunt nelipsite
practic din modelarea econometrică?
2.Care sunt noţiunile specifice economiei
financiare ce permit o modelare coerentă?
3.Care sunt teoriile economiei financiare
modelatoare referitoare la valoarea în timp
a banilor?
4. Care sunt indicatorii majori în statisticile
descriptive ale variabilelor modelate?
5.Care sunt principalele concepte statistico
- matematice ale regresiei şi corelaţiei?
6. Se pot compara o matrice de corelaţie
utilizată în pachete de programe de calcul
specializate cu evaluările statistice clasice?
A2) Întrebări tip grilă
7. Care este modalitatea eronată de calcul a
PIB –ului din cele descrise mai jos?
a) PIBpp=∑VABpp sau PIBpp=PGB–CI;
b) PIBpp=CF+FBCF+ΔS +(X–M);
c) PIBpp = PINpf–ΔVFS – IIN.
8.Cum se determină indicele raportului de
schimb net (IRSN) : a) [IV (X) : IV (M)];
b) [Iq (X) : Iq (M)]; c) [Ip (X) : Ip (M)].
8. Determinarea coeficientului de asociere
este: a) Q = (ad+bc):(ad-bc); b) Q = ad/bc;
c) Q = (ad-bc):(ad+bc).
9. Cuantificarea unui raport de corelaţie
este: a) R = r; b) Ry/ x = D c) R > r.

B. Aplicaţii rezolvate
1.Realizaţi şi comentaţi statistica descriptivă paralelă a indicelui inflaţiei (IPC)
şi a ratei inflaţiei (ritm IPC), conform datelor din tabelul 3.14.
95
Rezolvare: Apelând la pachetul de programe EViews se deschide un fişier de lucru (File
→New →Work file...) şi se introduc valorile IPC anuale din 1991, până în 2010
[Quick→Empty Group(edit series)].De regulă, fişierul de lucru, denumit automat (Ser01...
Ser0n...) se redenumeşte mai simplu decât automat, cu abrevieri semnificative în planul
fenomenului analizat (Open→Rename→IPC), valorificând fie terminologia economică
(maximum 24 caractere alfanumerice), fie abrevieri economice consacrate (se recomandă
denumiri sub 16 caractere). În acest stadiu, se poate realiza statistica descriptivă a noului
fişier, denumit acum IPC (View→ Descriptive Stats → Common Sample) sau se pot obţine
simultan histograma şi statistica descriptivă a IPC (Quick →Series Statistics→ Histograms
and Stats) În acest stadiu fişierele şi graficele se salvează prin Freeze →Save graph as
metafile... Se poate şi prelua imaginea din calculator prin copiere cu tastatura (Ctrl simultan
cu PrtSc).Rezultatul, în urma copierii lui într-un fişier clasic word, este următorul:
Histograma şi statistica descriptivă a IPC, după 1990
Grafic nr. 3.20

Coeficientul de omogenitatea depăşeşte 35-40 seria fiind heterogenă, asimetrică şi boltită.

Se poate analiza şi inflaţia determinată ca ritm (Rata inflaţiei = Ritmul IPC = IPC -100).
Histograma şi statistica descriptivă a ritmului IPC, după 1990
Grafic nr. 3.21

Coeficientul de omogenitate depăşeşte 100% seria fiind tot heterogenă, asimetrică şi boltită.
2.Valorificând datele din tabelul următor să se identifice şi ierarhizeze factorii
unor modele econometrice cu ajutorul unei matrici de corelaţie:

96
 Baza de date macroeconomică a pentagonului magic al României
Tabel nr. 3.18
Anul Rata creşterii Rata inflaţiei Rata inflaţiei Rata Soldul Câştig salarial
economice la consumator la producător şomajului balanţei minim per
(rata indicelui (rata IPC) (rata IPPI) comerciale câştig salarial
PIB-ului real) per PIB mediu
2000 2.4 45.7 151.6 10.5 -4.6 34.34
2001 5.7 34.5 140.3 8.6 -7.5 49.65
2002 5.1 22.5 124.5 8.1 -5.7 46.36
2003 5.2 15.3 119.6 7.6 -7.9 52.85
2004 8.5 11.9 118.5 7.0 -8.8 48.52
2005 4.2 9.0 112.4 5.9 -9.8 42.86
2006 7.9 6.56 112.0 7.2 -12.0 38.11
2007 6.3 4.84 108.7 6.4 -14.7 37.44
2008 7.1 7.85 114.5 5.8 -14.0 42.55
2009 -7.5 5.59 102.3 7.8 -8.4 42.25
2010 -1.3 6.10 106.3 6.9 -7.5 40.2
Surse de date: http://www.insse.ro. şi http://www.bnr.ro.
Rezolvare: Apelând la pachetul de programe EViews se deschide un fişier de lucru (File
→New→Work file...) se introduc valorile din baza de date [Quick→Empty Group(edit
series)], redenumind seriile de date (Open→Rename→rataIPIB). În acest stadiu se
realizează o matrice de corelaţie (View→Correlations→Common Sample) sau
(Quick→Group Statistics→ Correlations) şi se salvează fişierele.
Matrice de corelaţie
Tabel nr. 4.19
RataIPIB RataIPC RataIPPI
RataSomaj SoldBC_PIB SalMediu_
SalMin
RataIPIB 1.000000 0.086619 0.261557 -0.222929 -0.359600 0.210441
RataIPC 0.086619 1.000000 0.981292 0.873826 0.680221 0.010104
RataIPPI 0.261557 0.981292 1.000000 0.799212 0.571862 0.027522
RataSomaj -0.222929 0.873826 0.799212 1.000000 0.764933 -0.108722
SoldBC_PIB -0.359600 0.680221 0.571862 0.764933 1.000000 0.216170
SalMediu_SalMin 0.210441 0.010104 0.027522 -0.108722 0.216170 1.000000
Cele mai puternice corelaţii ca intensitate (generatoare de modele unifactoriale) sunt cele
dintre RataIPC şi RataIPPI, RataŞomaj şi RataIPC, RataŞomaj şi RataIPPI, Rata IPC şi
SoldBC_PIB, Rata IPPI şi SoldBC_PIB. Se pot selecta mai multe modele multifactoriale
(ex: RataPIB în funcţie de RataIPPI, RataSomaj, SoldBC_PIB şi SalMediu_SalMin; Rata
IPC în funcţie de RataIPPI, RataSomaj, SoldBC_PIB etc.) dar numai după testarea statistică
a corelaţiilor aceste modele se pot parametriza şi prelua ca modele econometrice potenţiale.

C. Aplicaţii propuse spre rezolvare

1.Realizaţi statistica descriptivă şi histogramele variabilelor expuse ca indici ai
raportului de schimb (în coeficienţi) identificând seria cea mai omogenă:
Tabel nr. 3.21
Indicatori tip IRS 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
Iv Exporturi (X) 1.414 1.129 1.154 1.064 1.213 1.175 1.162 1.137 1.138 0.8633 1.281
Iv Importuri (M) 1.434 1.221 1.087 1.123 1.240 1.238 1.251 1.252 1.098 0.6795 1.203

97
Iq Exporturi (X) 1.298 1.122 1.172 1.084 1.154 1.073 1.074 1.073 1.096 0.9667 1.197
Iq Importuri (M) 1.384 1.225 1.101 1.161 1.231 1.176 1.208 1.275 1.062 0.7609 1.155
Ip Exporturi (X) 1.089 1.006 0.985 0.982 1.051 1.095 1.082 1.06 1.038 0.8930 1.070
Ip Importuri (M) 1.036 0.997 0.987 0.967 1.007 1.053 1.036 0.982 1.034 0.8930 1.042
IRSV 0.986 0.924 1.062 0.948 0.978 0.949 0.929 0.908 1.036 1.2705 1.065
IRSB 0.938 0.916 1.064 0.934 0.937 0.912 0.889 0.842 1.032 1.2705 1.036
IRSN 1.051 1.009 0.998 1.016 1.044 1.040 1.044 1.079 1.004 1.0000 1.028
IPC"X" 1.364 1.132 1.170 1.101 1.204 1.116 1.122 1.158 1.100 0.9668 1.229
Sursa datelor: http://www.insse.ro/pentru primele 6 rânduri, restul au fost calculate de autor

D. Bibliografie opţională
Aglietta M., Macroeconomie financiarǎ, Editura C.N.I. Coresi S.A., Bucureşti, 2001.
Bodie, Z., Kane, A. & Marcus, A.J., Investments, McGraw Hill London, 2008.
Brealey, Myers & Allen, Principles of Corporate Finance, McGraw Hill London, 2007.
Kevin, D, Beyond Value at Risk, John Wiley & Sons Inc., 2003.
Moisă Altăr, Teoria portofoliului,Editura ASE, Bucuresti, 2002.
Moloney, K., Some relevant concepts in Financial Economics Kitty Moloney What effects
bond prices? McGraw Hill London, 2007. http://www.slideshare.net/Micheal77/ some-
relevant-concepts-in-financial-economics
Onicescu,O., Ştefănescu,V., Elemente de statistică informaţională cu aplicaţii, Ed. Tehnică,
Bucureşti, 1979.
Power, M. Fair Value Accounting, Financial Economics, and the Transformation of
Reliability. Accounting and Business Research. Vol. 40, No. 3. 2010.
Săvoiu, G., European Business Cycle clock and some key indicators for identifying the
moment of the exit from recession of national economy, in Progrese în teoria deciziilor
economice în condiţii de risc şi incertitudine, Academia Română – Filiala Iaşi
Ed.Tehnopres, Iaşi, vol. XIV, pag. 53. 2011.
Săvoiu, G., Vasile, D., Solutions for the statistical analysis of the economic phenomena
described as opposed, partially of entirely compensated fluxes: a case study on the exports
and imports of Romania and the Baltic states, Transformations in Business & Economics,
11(1), pp. 54 -71, 2012.
Săvoiu, G., Vasile, D., Tăchiciu, L., Romania Foreign Trade in Global Recession, Revealed
by the Extended Method of Exchange Rate Indicators.Amfiteatru economic Journal, 14(31),
pp.173-195, 2012.
Săvoiu, G., Popa, S., Econometric Eclectic Models of Foreign Direct Investments in
Romania, after 1990, Economics and Finance Review, Vol. 1(12), pp. 30 – 41, 2012.
Săvoiu, G., Popa, S., Foreign Direct Investments (FDI) in Romania, Revista Română de
Statistică, nr 1/ 2012, pp. 27 – 57.
Săvoiu, G., Popa, S., An original econometric model of FDI in Romania, Revista Română
de Statistică, nr 3/2012, pg. 51 - 64
Săvoiu, G., Popa, S., Statistical limitations in timing and restrictions of Comparability in
addressing foreign direct investment (FDI), in Romania’s market economy, Revista
Română de Statistică, nr 2/2012, pp. 61 – 81.
Sempe, H., Budget et trésors, Edition Cujas, Paris, 1989.
Stancu, I. Bâlu, F., Utilizarea metodologiei VaR pentru măsurarea şi prevenirea riscului
valutar, Economie teoretica si aplicata, 3, pag. 51-56, 2006
Stiglitz, J., Walsh, C., Economie, Editura Economică, Bucureşti, 2005.
Todea A., Eficienţa informaţională a pieţelor de capital. Studii empirice pe piaţa
românească, Ed. Casa Cărţii de Stiinţă, Cluj-Napoca, 2005.

98
 CAPITOLUL IV

Testarea statistică a ipotezelor şi decizia în modelarea clasică

econometrică şi în econometria financiară
Cuprins Pagina
1. Ipoteze şi teste statistice – noţiuni generale 100
2. Teste şi decizii specifice privind validarea ipotezelor 108
3. Test de autoevaluare, aplicaţii şi bibliografie opţională 119
Obiective: Deşi această temă este considerată una de conţinut pur statistico-matematic,
detalierea ei se dovedeşte a fi cel mai preţios instrument în premodelarea economico-
financiară. Obiectivul tematic major este acela de a convinge cititorul de importanţa şi
utilitatea practică a însuşirii noţiunilor, testării ipotezelor şi a formulării finale deciziei
statistice în modelarea econometrică a fenomenelor economice. Cunoaşterea testelor
clasice (z, t, F, χ2 etc.), dar şi a tot mai multora dintre testele moderne a devenit o
condiţie necesară în procesul complex al modelării. O ţintă doar aparent secundară,
după cunoaşterea etapizată sau iterativă a testării statistice a ipotezelor modelului, o
constituie aplicarea practică a testelor cu ajutorul programelor specializate de tip
EViews etc.
Cuvinte cheie: test, ipoteză, decizie, ipoteze admisibile, ipoteza nulă şi alternativă,
prag de semnificaţie, erori de rang I şi II, risc alfa şi beta, distribuţie, valoarea
calculată şi tabelată a unui test, puterea testului, reguli de decizie, testul t, z, F, χ2 .

Bibliografie
Andrei, T., Bourbonnais, R., Econometrie, Ed. Economică, Bucureşti, 2008.
Andrei, T., Stancu, S., Iacob, A.I., Tuşa, E., Introducere în econometrie utilizând EViews,
Ed. Economică, Bucureşti, 2008.
Biji,M.,Biji,E.,Lilea,E,Anghelache,C., Tratat de statistică, Ed.Economică, Bucureşti, 2002.
Clocotici,V., Introducere în statistica multivariată,Ed.Universităţii, A.I. Cuza, Iaşi, 2007.
Codirlaşu, A. Econometrie aplicată utilizând EViews 5.1 2007. http://www.dofin.ase.ro/
acodirlasu/lect/econmsbank/econometriemsbank2007.pdf.
Gheorghe,F-C.,Obreja, G., Teste statistice pentru selecţii de volum mic. Ed.Universităţii din
Piteşti, 1999.
Isaic-Maniu, Al., (coord.), Dicţionar de statistică generală, Ed.Economică,Bucureşti, 2003.
Jaba E. (coord.), Econometrie aplicată, Ed. Univ. Al. I. Cuza, Iaşi, 2008.
Jaba, E., Grama,A., Analiza statistică cu SPSS sub Windows, Ed. Polirom, Iaşi, 2004.
Moineagu, C., Negură, I., Urseanu, V., Statistica, Ed.ştiinţifică, Bucureşti,1976.
Pecican, E., Econometrie ... pentru economişti, Ed. Economică, Bucureşti, 2004.
Săvoiu, G., (coord.), Necşulescu, C., Econometrie Ed. Universitară, Bucureşti, 2009.
Săvoiu, G., Gândirea statistică aplicată, Ed.Universitară, Bucureşti, 2010.
Ţarcă, M., Tratat de statistică aplicată, Ed.didactică şi pedagogică, Bucureşti, 1998.
Trebici,V., Mica enciclopedie de statistică, Ed. ştiinţifică şi enciclopedică, Bucureşti, 1985.
Voineagu,V.,Ţiţan, E.,Şerban R.,Ghiţă,S.,Tudose,D.,Bobo C.,Pele D., Teorie şi practică
econometrică, Ed Meteor Press, Bucureşti, 2007.
Webografie
*** http://www.ats.ucla.edu/stat/mult_pkg/whatstat/default.htm
*** http://www.stanford.edu/~pgbovine/stats.htm
*** http://statisticasociala.tripod.com/teh_par.htm
*** http://www.danielsoper.com/statcalc3/

99
 IV.1. Ipoteze şi teste statistice – noţiuni generale

Testul este un concept contemporan omniprezent în orizontul cercetării

fenomenelor economice dar şi al inovării acesteia, nelipsind, mai ales, acolo
unde se introduce o teorie nouă, un model original, o metodă inovativă sau
un instrument inedit. În raport cu formularea unei ipoteze sau presupuneri
privind cunoaşterea economiei, practica a extins testarea de la un element
fundamental al modelării econometrice la cunoaşterea ştiinţifică generală.
Testarea trebuie să se încheie cu o decizie privind acceptarea (validarea) sau
refuzul (invalidarea) ipotezei formulate. O sinteză a principalelor noţiuni
legate de ipoteză şi testare este redată mai jos:
Caseta nr. 4.1
Etimologic termenul ipoteză a derivat din cel de teză, al cărei sens logic şi matematic a
fost dintotdeauna acela de afirmaţie dovedită ca adevărată. Din punct de vedere al
originii sale sau al etimologiei, ipoteza sau, mai corect, hypoteza, este un cuvânt din
limba greacă veche (unde hypo avea înţelesul de mai puţin) şi reprezintă o afirmaţie
mai puţin certă, mai puţin adevărată sau o afirmaţie încă nedovedită. În general, orice
ipoteză este o presupunere, deoarece aceasta se referă la o situaţie intuită sau dorită,
care poate fi adevărată sau falsă. Ipoteza statistică de tip clasic se referă fie la repartiţii
statistice, fiind denumite şi ipoteze de concordanţă, fie la parametrul sau parametrii
esenţiali ai acestora (medie, dispersie etc.) fiind cunoscute ca ipoteze de semnificaţie.
Ipotezele de concordanţă compară o repartiţie sau serie de date cu anumite tipuri de
distribuţii ale căror legi de repartiţie sunt riguros formulate matematic (legea repartiţiei
normale Gauss-Laplace, legea evenimentelor rare Poisson etc.), în timp ce ipotezele de
semnificaţie comparară parametrul din populaţia originară sau teoretică cu cel dintr-o
altă populaţie prelevată şi observată (estimatorul obţinut în eşantion cu parametrul
populaţiei totale sau estimatori proveniţi din eşantioane diferite între ei etc.) Primele
tipuri de ipoteze generează teste de concordanţă iar ultimele, natural, teste de
semnificaţie. Demersul complex al testării debutează în practică prin formularea
ipotezelor admisibile. Pentru exemplificare, ipotezele admisibile referitoare la un
parametru statistic al repartiţiei variabilei xi se definesc în raport cu o anumită valoare
aşteptată a acestuia, notată θ. Astfel, pornind de la o distribuţie unidimensională a cărei
densitate de repartiţie p(xi,θ) depinde de parametrul θ se formulează ipoteza H0:θ=θ0
sau H0:θ-θ0 =0, conform căreia parametrul θ are valoarea θ0 sau între cele două valori
nu există o diferenţă semnificativă. Evident că se poate face presupunerea că în afară de
valoarea θ0, parametrul mai poate lua şi valorile θ1,θ2,...θn. Toate ipotezele rezultate
H0:θ=θ0, H1:θ=θ1, H2:θ=θ2,...Hn:θ=θn, constituie concret conceptul larg al ipotezelor
admisibile. Pentru a o distinge de celelalte ipoteze, ipoteza H0: θ=θ0 sau H0:θ-θ0 =0 este
denumită ipoteza nulă, în timp ce oricare altă ipoteză este considerată o ipoteza
alternativă (reunite generic de exemplu în H1:θ≠θ0). Ipoteza nulă constă întotdeauna în
a admite caracterul întâmplător al diferenţelor (deosebirilor), adică în a presupune că
nu există diferenţe (deosebiri) semnificative, în timp ce ipoteza alternativă contrazice
ipoteza nulă, fiind acceptată atunci când este respinsă ipoteza nulă, ca dovadă că există
practic diferenţe (deosebiri) semnificative. H0:θ=θ0 şi H1:θ≠θ0 privind natura sau
valorile parametrilor pentru variabilele aleatoare teoretice asociate variabilelor studiate

100
reprezintă teorii simultan exclusive, deoarece este imposibil ca ambele ipoteze (nulă şi
alternativă) să fie adevărate sau ambele ipoteze să fie false şi exhaustive, deoarece
acoperă toate posibilităţile, adică ori ipoteza nulă, ori ipoteza alternativă trebuie să fie
cea adevărată. Analog se pot emite şi ipoteze admisibile pentru verificarea
concordanţei cu repartiţii statistice (teoretice) specifice. După emiterea unui set de
ipoteze admisibile are loc verificarea sau stabilirea adevărului/falsităţii conţinutului
acestora, pe baza unor valori matematice teoretice (tabelate) comparate cu observaţiile
reale (calculate). În procesul deciziei statistice finale se pot comite erori α şi β sau de
gen I şi II: α = P(respingere H0 când H0 este corectă) = P(eroare de gen I) şi β =
P(acceptare H0 când H0 este falsă)=P(eroare de gen II). O mulţime de alţi termeni ce
întregesc universul ipotezei şi testării statistice se impun a fi precizaţi sau reamintiţi.
Universul terminologic al ipotezelor şi testărilor statistice
Tabel nr. 4.1
Noţiune Conţinut detaliat specific procesului de testare statistică
Estimare formă a inferenţei statistice ce permite determinarea directă a poziţiei
(în interval) probabile a unui parametru (măsură calculată în eşantion ca domeniu
de valori cu probabilitatea cunoscută de capturare a parametrului)
Inferenţă act de generalizare la întreaga populaţie a concluziilor dintr-un
statistică eşantion, cu un grad de certitudine calculat
Instrument mijloc utilizat pentru a măsura sau studia în alt fel decât cel obişnuit
statistic sau mijloc care este folosit pentru a colecta şi prelucra date (ex:
chestionarul)
Interval de domeniu de valori care are o probabilitate cunoscută de capturare a
încredere unui parametru (în economie este de 95%, iar pentru un parametru
acesta va fi capturat în 95% dintre cazurile repetate)
Număr de număr de variabile independente (n) a căror variaţie nu suferă nici o
grade de restricţie, egal cu numărul variabilelor independente minus numărul
libertate* de restricţii la care sunt supuse variabilele
Nivel de se exprimă prin coeficienţi (1-α) sau procentual (1-α)×100 şi
încredere reprezintă probabilitatea de garantare a rezultatelor testării statistice a
unei ipoteze
Parametru constantă a unei populaţii, determinată fără erori (media, dispersia
etc.) pe care cercetătorul doreşte să o afle, eventual prin inferenţă
statistică
Prag de probabilitatea (riscul) comiterii unei erori de gen I, prin respingerea
semnificaţie ipotezei nule, deşi aceasta este adevărată, notat cu (α)
Puterea decizie corectă, notată cu (1-β), eliminând probabilitatea (riscul)
testării comiterii unei erori de gen II (β), de acceptare a ipotezei nule, deşi
aceasta este falsă
* Conceptul de grade de libertate (g.d.l. sau d.f.= degrees of freedom) poate fi uşor
înţeles pornind de la suma abaterilor de la medie care este întotdeauna nulă. Dacă într-
un eşantion se deţin cinci observaţii şi se cunosc numai patru dintre abaterile lor de la
medie (-20; -5; 5; 10) atunci ultima abatere de la medie este 10, numai patru din cinci
observaţii fiind independente şi constituind numărul gradelor de libertate. Într-un
eşantion există n-1 grade de libertate, datorită faptului că dacă n-1 valori sunt
specificate, ultima se determină din n.

101
 Primă cerinţă a testării statistice a ipotezelor impune să se stabilească
dacă ipoteza nulă este adevărată sau falsă. Testul statistic, definit prin
prisma scopului pentru care a fost creat, poate fi considerat un simplu
criteriu de acceptare sau respingere a ipotezei nule. Ipoteza statistică nulă,
ca afirmaţie conform căreia nu există nici o diferenţă între grupuri sau în
interiorul grupului, sau că nu există asociere între factori, rămâne în marea
majoritate a testelor ipoteza pe care cercetătorul speră să o respingă şi să dea
substanţă ipotezei opuse acesteia. Ipoteză statistică alternativă, reuneşte
orice ipoteză care contrazice ipoteza nulă, denumită şi ipoteza de cercetare,
iar respingerea ipotezei nule arată că ipoteza alternativă ar putea fi
adevărată. Enunţarea ipotezei nule este una dintre cele mai delicate
probleme ale deciziei axate pe testarea statistică a ipotezelor, problemă ce a
adus cu sine şi aduce încă disensiuni majore în teoria modelării
econometrice. Ce înseamnă şi cât de consistent poate fi consensul
teoreticienilor şi practicienilor privind decizia axată pe testarea statistică a
ipotezelor prin formularea ipotezei nule, în modelul econometric general?
Sinteza răspunsurilor este prezentată în caseta următoare:
Caseta nr. 4.2
Istoria relativ scurtă a econometriei face să coexiste o mulţime de puncte comune
acceptate, dar în aceeaşi măsură şi ambiguităţi (neînţelegeri şi chiar disensiuni de
fond). Prezentarea punctului de vedere original al lui Tukey J.W. asupra testării
statistice axate pe ipoteza nulă şi alternativă constituie un exemplu interesant al
surselor ambiguităţilor generatoare de neînţelegeri şi disensiuni. Tukey J.W., pornind
de la aversiunea sa declarată faţă de „acceptarea” celebrei ipoteze nule, afirma că
econometricienilor li se pun întrebări greşite, iar ei dau răspunsuri lipsite de adevăr,
chiar prin intermediul ipoteze nule. Gândirea lui pătrunzătoare dar şi abilitatea
raţionamentelor lui trebuie urmărite cu mare atenţie. Astfel, susţine Tukey J.W., prin
intermediul celebrei ipoteze nule în care doi parametri A şi B, două variabile endogene
A şi B sau două efecte A şi B sunt considerate egale, diferenţa dintre ele fiind
nesemnificativă sau nulă, econometricienii sunt întrebaţi practic dacă „valorile A şi B
sunt diferite?” iar ei ar dori să răspundă „nu”. Tot ceea ce ştim despre lumea
înconjurătoare (mai ales economică) arată că valorile sau efectele A şi B, măsurate,
sunt întotdeauna diferite (cel puţin la o anumită zecimală) şi aceasta pentru oricare A şi
B. Aşa că întrebarea „Sunt A şi B diferite?” devine în practică un nonsens. Ceea ce ar
trebui făcut mai întâi ar fi să se identifice răspunsul la o altă întrebare „Oare putem
identifica direcţia în care valorile sau efectele lui A diferă de efectele lui B?” Cu alte
cuvinte, se poate avea încredere în direcţia de la A la B? Oare este ea „în sus”, „în jos”
sau „nesigură”? A treia alternativă de răspuns înseamnă că nu suntem siguri asupra
direcţiei, iar aceasta nu înseamnă, şi n-ar trebui să însemne niciodată, că se acceptă
ipoteza nulă. Tukey J.W. evidenţiază că A şi B vor fi puţin diferite întotdeauna, iar
ceea ce ar trebui să realizeze testarea ar fi tocmai alegerea sensului diferenţei şi
stabilirea încrederii în decizia luată. Un alt oponent al formulării ipotezei nule este
Cohen, J. care îşi argumentează contestaţia sa prin formularea testarea statistică a
ipotezelor nu clarifică ce dorim să ştim, şi pentru că dorim foarte mult să ştim, în

102
disperare de cauză, credem ca aşa este!… O argumentaţie „pro” ipoteza nulă şi „pro”
testarea statistică axată pe ipoteze, aparţine lui Fisher R.A., care sugerează că se poate
folosi o valoare p pentru a cuantifica credinţa celor ce testează ca datele statistice sunt
semnificative. In practică, decizia axată pe testarea ipotezelor este un proces de
verificare mai complicat decât este descris în metodologiile sale. Acest proces este
bazat pe criteriul falsificabilităţii (Karl Popper) care afirmă că în timp ce este posibil să
se determine când o ipoteză este falsă, este mult mai dificil, dacă nu imposibil, să se
demonstreze că o ipoteză este adevărată. Dacă evidenţa coincide cu ipoteza, nu rezultă
în mod necesar că ipoteza este adevărată. În acest caz, singurul lucru rezonabil care se
poate afirma este că realitatea datelor disponibile nu a arătat falsitatea ipotezei (ipoteza
nu poate fi respinsă). Dacă realitatea datelor disponibile este contrară ipotezei, atunci
ipoteza este falsă (ipoteza poate fi respinsă). Acum pare mai uşor de înţeles de ce
practicienii modelării econometrice generează o ipoteza nulă, pe care speră să o
respingă ca fiind falsă şi să dea substanţă ipotezei opuse (alternative). Accentul practic
cade aşadar pe ipoteza alternativă.

În cercetarea fenomenelor economice eficientizată prin sondaj apar două

întrebări: care ar fi valoarea parametrului şi dacă această valoare obţinută
din calcul constituie valoarea reală a parametrului întregii populaţii?
Inferenţa statistică oferă răspuns la prima întrebare prin estimarea
parametrului într-un interval de încredere, construit în jurul valorii
estimatorului, iar a doua întrebare impune soluţia unui test statistic. Anterior
testării, trebuie cunoscută detaliat distribuţia de probabilitate a variabilei
(aleatoare discrete) sau funcţia de densitate a variabilei (aleatoare continui).
Cele mai utilizate distribuţii de probabilitate în econometrie sunt distribuţia
normală şi normată z (Gauss - Laplace), t (Student), χ2 (hi - pătrat) şi F
(Fisher - Snedecor).

Distribuţia normală [(media x şi dispersia σ2) sau N( x , σ2)]

Caseta nr. 4.3
( x − x )2
−
1 2σ2
f (x) = e
σ 2π
unde f(x) este densitatea de repartiţie a unei valori oarecare
x, iar x media şi σ abaterea medie pătratică (sau abaterea
standard) a distribuţiei normale.
Deţine aspectul perfect simetric al unui clopot şi o formulă matematică uşor de prelucrat.

Distribuţia normală sintetizează limita către care tind celelalte distribuţii în

condiţii specifice. Distribuţia normală se defineşte complet prin doi
parametri (media şi abaterea standard), iar pentru media şi dispersia egale cu
zero şi, respectiv unu, distribuţia normală se transformă în distribuţia redusă,
normată sau standardizată.

103
 Distribuţia redusă sau normată [(media x = 0 şi dispersia σ2 = 1)
sau N( 0,1)]
Caseta nr. 4.4
z 2
x-x zt Probabilitate
1 −2 a p(z>zt)
f (z) = e unde: z =
2π σ 3.08 0.001
2.57 0.005
f(z) este densitatea de repartiţie a lui 2.32 0.010
1.96 0.025
z, iar x şi σ sunt media zero şi 1.64 0.050
abaterea pătratică unu a distribuţiei 1.28 0.100
0 reduse, normate sau standardizate. 0.84 0.200
Media este nulă (plasată în originea graficului) şi variabila z* devine mult mai sintetică.

Tabelele statistice ale distribuţiei normate detaliază pragurile lui z,

corespunzătoare unor valori semnificative ale probabilităţilor p(z>zt).
Distribuţia t a lui Student, (William Sealy Gosset) este continuă, simetrica,
unimodală, dar devine tot mai plată odată cu micşorarea volumului
eşantionului şi se valorifică în testări privind eşantioane mici (sub 30 de
observaţii) extrase din populaţii normal distribuite cu dispersie necunoscută,
reunind o familie de distribuţii (o distribuţie pentru fiecare valoare a
gradelor de libertate n).
Distribuţia t (Student) cu n grade de libertate
Caseta nr. 4.5
n +1 g.d.l. α = 0.05 α =0.01
1 ⎛ 2 ⎞ - 2 2 4.303 9.925
f(x) = ⎜⎜ 1+ x ⎟⎟
⎛n 1⎞ n ⎠ 3 3.182 5.841
nΒ⎜ , ⎟ ⎝
⎝2 2⎠ 4 2.776 4.604
f(x) este densitatea de repartiţie a 5 2.571 4.032
* 8 2.306 3.355
distribuţiei t cu x ∈ R şi n ∈ N 10 2.228 3.169

Distribuţia χ2(hi-pătrat) este asimetrică şi mărginită de zero (valorile sunt

pozitive), de forma Z12 + Z22 +... + Zn2 ,cu Z1,…,Zn variabile independente cu
distribuţia N(0;1).

Distribuţia χ2 (hi-pătrat) cu n grade de libertate

Caseta nr. 4.6
n
-1 g.d.l. α = 0.05 α =0.01
1 x
f(x) = n x 2 exp(- 2)
1 3.84 6.63
2 5.99 9.21
Γ( n )2 2 3 7.81 11.34
2
f(x) este densitatea de repartiţie a 4 9.49 13.28
* 5 11.07 15.09
distribuţiei χ2 , unde x>0 şi n ∈ N 10 18.31 23.21

104
Distribuţia F este tot o familie de distribuţii asimetrice, mărginite de zero
(valori întotdeauna pozitive). Fiecare distribuţie F este definită de două
valori ale gradelor de libertate, respectiv ale numărătorului (n1)şi ale
numitorului (n2).

Distribuţia Fisher-Snedecor F(n1,n2) cu n1 şi n2 grade de libertate

Caseta nr. 4.7
n1
n
g.d.l. α = 0.1
⎛ n1 ⎞ 2 21 −1 n +n n1/n2 1 2 3
⎜⎜ ⎟⎟ x − 1 2
n2 ⎠ ⎛ n1 ⎞ 2 1 39.863 49.50 53.593
f (x) =
⎝ ⎜1 + x ⎟ 2 8.526 9.00 9.162
⎛ n1 n 2 ⎞ ⎜⎝ n 2 ⎟⎠ 3 5.538 5.462 5.391
Β⎜ , ⎟
⎝2 2 ⎠ g.d.l. α = 0.05
f(x) este densitatea de repartiţie a n1/n2 1 2 3
distribuţiei F, x>0 şi n1 , n2 ∈ N . 1 161.44 199.50 215.71
2 18.512 19.00 19.164
3 10.128 9.552 9.277

În casetele de mai sus 4.5; 4.6 şi 4.7 notaţiile B, Γ(a), Γ(b) reprezintă:
Γ(a) × Γ(b) ∞ ∞
B(a, b) = ; Γ( a )= ∫ t a −1e − t dt şi Γ (b) = ∫ t b−1e−t dt şi valorifică
Γ ( a + b) o o
relaţia dintre funcţiile Beta şi Gama ale lui Euler. Testarea statistică
generalizată modifică şi setul de ipoteze din simple în compuse. Fie p(x,θ0,
θ1, θ2,…,θk) densitatea unei repartiţii ce depinde de mai mulţi parametri
necunoscuţi θ0,θ1,θ2,…,θk. Ipoteza H:θ1=θ10,θ2=θ20,…,θk= θk0, care specifică
valorile parametrilor necunoscuţi este numită ipoteza simplă. Fie
θ=(θ1,θ2,…,θk) şi Ω spaţiul k dimensional al tuturor vectorilor θ (spaţiul
parametrilor). Ipoteza H:θ ∈ ω, unde ω este o submulţime a lui Ω care
conţine cel puţin două puncte, denumită ipoteza compusă.Dacă vectorul θ al
valorilor ipotezei statistice testate aparţine submulţimii de valori ce
constituie regiunea de acceptare ipoteza este validată, iar dacă aparţine
regiunii critice este invalidată.Valoarea statisticii teoretice a testului şi tipul
de test sunt factorii care delimitează regiunile, devenind criteriile deciziei
statistice. Intersecţia celor două regiuni reprezintă o mulţime vidă, ele fiind
complementare, descrise fără ambiguitate. Reuniunea regiunilor reîntregeşte
spaţiul de valori posibile Ω (spaţiul k dimensional al tuturor vectorilor θ sau
spaţiul parametrilor).
Caseta nr. 4.8
Regiunea critică se defineşte ca suită de valori numerice ale testului statistic pentru
care ipoteza nulă este falsă şi nu va fi acceptată, fiind delimitată de valoarea critică,
notată L pentru testele unilaterale, cu variantele Li (inferioară) şi Ls (superioară) pentru
testele bilaterale. Eroarea de genul (speţa) I este cea comisă prin invalidarea unei
ipoteze nule, deşi aceasta este adevărată şi care deţine o probabilitate (risc) de comitere
105
α (alfa) denumită nivel sau prag de semnificaţie, din care se desprinde nivelul de
încredere al unui test statistic sau probabilitatea (1-α) de garantare a rezultatelor: α =
p(respingere H0 ‫ ׀‬H0 este adevărată). Dacă valoarea definită de vectorul θ al valorilor
reale se află în regiunea critică, ipoteza H0 este respinsă fiind falsă, iar dacă aceasta
cade în regiunea de acceptare, ipoteza H0 este acceptată sau mai corect exprimat
realitatea datelor disponibile nu arată falsitatea ipotezei (ipoteza nulă nu poate fi
respinsă). Din punct de vedere grafic, valoarea critică apare ca un punct sau o tăietură
în distribuţia sau curba valorilor (poligonul frecvenţelor) fiind însoţită în testul
unilateral şi de probabilitatea (riscul) comiterii erorii de genul I (α), iar în testul
bilateral cu precizarea suplimentară că valoarea lui α va fi împărţită la 2 pentru a
determina corect limitele (Li şi Ls sau limita inferioară, respectiv superioară):
Regiunea critică (haşurată) şi rolul ei în definirea şi clasificarea testării
Figura nr. 4.1

α/2 α/2 α α

Li θ0 Ls θ0 L L θ0
Testare bilaterală Testare unilaterală dreapta Testare unilaterală stânga
(regiunea critică la dreapta) (regiunea critică la stânga)
Ipoteze Ipoteze Ipoteze
H0: θ = θ0 sau x1 − x 2 = 0 H0:θ = θ0 sau x1 − x 2 = 0 H0:θ = θ0 sau x1 − x 2 = 0
H1: θ ≠ θ0 sau x1 − x 2 ≠ 0 sau x1 = x 2 sau x1 = x 2
( x1 > x 2 sau x1 < x 2 ) H1:θ > θ0 sau x1 − x 2 > 0 H1:θ < θ0 sau x1 − x 2 < 0
sau x1 > x 2 sau x1 < x 2
În testarea statistică a ipotezelor se pot comite şi erori de acceptare a unor ipoteze false
sau erori de genul II. Eroarea de genul II constă din acceptarea unei ipoteze nule, deşi
este falsă şi deţine o probabilitate (risc) de comitere β=p(acceptare H0‫׀‬H0 este falsă)
generând puterea testului (1-β). Optimizarea impune alegerea acelui test pentru care
puterea testării devine maximă, dintre toate testele ce deţin practic acelaşi prag de
semnificaţie α (se maximizează 1-β şi se minimizează β). Soluţia practică ar putea fi
creşterea volumului n al eşantionului.
Conexiunea grafică dintre probabilităţile (riscurile) α şi β în testul unilateral
Figura nr. 4.2

H0 H1

Dinamică acestor riscuri este generată de evoluţia volumului eşantioanelor de date

pentru formularea ipotezelor H0 şi H1. Eroarea medie de reprezentativitate în
eşantioanele reale este invers proporţională cu volumul acestora, şi de îndată ce se
produc creşteri de volum ale selecţiei abaterile medii pătratice ale distribuţiilor pentru
H0 şi H1 devin mai mici iar α şi β, descresc. Considerente teoretice şi practice, au impus
mai ales valorile α=0,05 şi α=0,01. Conceptul de decizie statistică este structurat pe un
106
raţionament detaliat prin reguli precis formulate. Lumea empirică şi realitatea
economică permit formularea setului de ipoteze alternative H0 şi H1, iar în contextul
aşteptat al unor probabilităţi de realizare suficient de mari, testarea statistică a unei
ipoteze odată încheiată ar permite luarea unei decizii finale. Din păcate, nu toate
evenimentele au probabilităţi de realizare suficient de mari sau medii. Iar dacă
probabilitatea critică sau puterea testului este mică apare automat o contradicţie cu
impact în decizia statistică a ipotezelor. Acest tip de raţionament conduce la întrebarea:
De la ce nivel oare o probabilitate poate fi considerată mică? Pentru a exclude orice
urmă de subiectivism în procesul de decizie, se fixează, anterior în test, un prag sub
care o probabilitate este considerată mică. Acesta este în practică modul de alegere a
celebrului α sau pragul de semnificaţie al oricărui test. Denumirea este justificată prin
faptul că valoarea α desparte evenimentele semnificative (care conduc la respingerea
ipotezei nule) de cele nesemnificative (care nu permit respingerea acesteia), iar regula
de decizie va face referire la alfa (α ) şi la probabilitatea critică a testului (pcritică):
-dacă p critică >α, atunci nu se respinge ipoteza nulă H0, în favoarea ipotezei
alternative H1
-dacă p critică ≤ α, atunci se respinge ipoteza nulă H0, în favoarea celei alternative H1
Astfel se concretizează şi se clarifică în profunzime semnificaţia termenului de regiune
de respingere, pentru un nivel de semnificaţie α fixat, ca mulţime a rezultatelor
(valorilor statisticii testului) care conduc la respingerea ipotezei H0. Dacă se pot defini
limitele numerice ale regiunii de respingere, acestea se vor numi firesc valori critice ale
testării.
În sinteză, alternativele deciziei testării statistice şi erorile se expun mai jos:
Caseta nr. 4.9
Decizia axată pe Ipoteza adevărată
H0 H1
acceptarea ipotezei H0 Decizie corectă Eroare de genul (speţa) II
(probabilitate 1-α) (risc β)
respingerea ipotezei H0 Eroare de genul (speţa) I Decizie corectă
(acceptarea ipotezei H1) (risc α) (probabilitate 1-β)
Nota 1: Alpha (α) se traduce prin: Nota 2: Beta (β) se traduce prin:
- probabilitatea apariţiei erorii de genul I, - probabilitatea unei erori de genul II,
- riscul asumat voluntar prin respingerea - riscul asumat de către cercetător prin
eronată a unei ipoteze nule adevărate, acceptarea eronată a unei ipoteze nule false,
iar (1- α) semnifică: iar (1- β) semnifică:
- probabilitatea de a reuşi „capturarea” - puterea testului statistic (probabilitatea de
parametrului în intervalul de încredere garantare a rezultatelor), care trebuie
- nivelul de încredere (1– α) ce devine maxim maximizată în cadrul testării ipotezelor prin
pentru un α minim minimizarea lui β evident.

Decizia şi testarea statistică a ipotezelor riscă să rămână unidisciplinare,

dacă nu sunt combinate cu alte forme de validări şi testări axate pe
informaţii (reţele neuronale, algoritmi genetici,raţionamente biologice etc.)
testarea multidisciplinară a ipotezelor oferind avertismente suplimentare
împotriva concluziilor imprudente.

107
 IV.2. Teste şi decizii specifice privind validarea ipotezelor

Înainte de a detalia demersul specific al testării statistice a ipotezelor este

necesară prezentarea clasificării lor în două categorii considerate esenţiale:
a) teste de semnificaţie (bazate pe ipoteze parametrice şi utilizate pentru a
compara estimatori obţinuţi din eşantioane cu parametrii corespunzători ai
populaţiei sau a estimatorilor proveniţi din eşantioane diferite); b) teste de
concordanţă (bazate pe ipoteze despre similitudinea cu distribuţii statistice
teoretice şi valorificate în a verifica concordanţa cu anumite distribuţii, dar,
mai ales cu distribuţia normală de unde şi denumirea de teste de normalitate
a distribuţiei).

Subclasificări şi tipologii extinse ale testelor statistice

Caseta nr. 4.10
Testele de normalitate pot fi şi ele diferit interpretate, în funcţie de definiţia
probabilităţii: a) în termeni statisticii descriptive, măsoară adecvarea seriei de date la
un model normal distribuit (dacă potrivirea este slabă, atunci datele nu sunt modelate
de către o distribuţie normală); b) în limbajul statisticii frecvenţiale (prin care se
testează datele în raport cu ipoteza unei populaţii normal distribuite); c) în
conceptualizarea statisticii bayesiene (se calculează probabilitatea ca datele să provină
dintr-o distribuţie normală cu ajutorul factorilor bayesieni sau prin compararea unei
distribuţii a priori privind modele posibile şi parametrii de calcul cu o distribuţie a
posteriori). Problematica examinării semnificaţiei regrupează testele de semnificaţie, în
funcţie de natura ipotezelor verificate, în subclasele: a) teste referitoare la parametrii
repartiţiei (z,t): compară parametrii dintr-o populaţie originară sau teoretică cu o altă
populaţie prelevată şi observată din punct de vedere al mediei, medianei, abaterii
standard, varianţei, coeficientului de corelaţie, coeficientului de regresie; b) teste de
egalitate – omogenitate (F): compară populaţii statistice fiind aplicat pentru verificarea
omogenităţii populaţiilor originare, stabilităţii mediilor, varianţelor, coeficienţilor de
corelaţie; c)teste de ajustare (χ2): verifică şi examinează semnificaţia unui estimator
(comparativ cu un parametru) rezultat dintr-o populaţie prelevată şi observată, permit
concluzia valabilă în orice condiţii, conform căreia eşantionul să poată fi considerat ca
extras dintr-o populaţie originară dată; d) teste de independenţă: controlează, prin
eşantioane, dacă populaţiile sunt sau nu independente, pe baza a două sau mai multe
criterii de clasificare, în general calitative. Principalele teste de semnificaţie ale
parametrilor au în vedere verificarea ipotezelor privind egalitatea mediei sau medianei,
egalitatea dispersiilor, verificarea semnificaţiei intervalelor de încredere pentru
eşantioane mari, verificarea ipotezelor privind distribuţia caracteristicilor calitative etc.
Principalele teste clasice bazate pe metoda Neuman-Pearson (testul z, t, F) acordă o
situaţie privilegiată ipotezei H0:θ=θ0, fixând apriori valoarea riscului erorii de gen I (α
sau nivelul de semnificaţie), alegând dintre toate testele posibile cu nivel α pe acela
care minimizează riscul β. O altă viziune tipologică extinde populaţia testelor la trei
clase distincte: a) teste pentru verificarea ipotezei cu privire la parametrii unei
variabile aleatoare (reunind aici de la curba frecvenţelor şi histogramă, boxplot-uri şi
diagrama reziduurilor, la dreapta lui Henry, testele specializate Kolmogorov-Smirnov-
Lilliefors, Jarque-Bera etc.); b) teste de concordanţă (de la clasicul test „χ2 ”- hi pătrat -
108
pentru verificarea concordanţei cu repartiţia normală, la o mulţime de alte teste
adecvate altor tipuri de distribuţii sau repartiţii ca în cazul testului binomial); c) teste
specifice analizei dispersionale. Analiza dispersională a fost introdusă de statisticianul
Fisher R.A., drept metoda cu care se verifică măsura în care valorile reale ale unei
variabile se abat de la valorile teoretice, calculate de regulă sub formă de medii sau
ecuaţii de regresie, precum şi măsura în care aceste variaţii sunt dependente sau nu de
factorul de grupare. Prin analiza dispersională se separă influenţa factorilor esenţiali de
influenţa factorilor neesenţiali (reziduali). Analiza dispersională presupune mai întâi
determinarea unui Fcalculat ca raport între dispersia factorială corectată sau explicată prin
model (S1)2 şi dispersia reziduală corectată sau neexplicată prin model (S2)2:
2 2
1 n
( ) 1
2 2 n
Fcalculat = S1 / S 2 unde: S12 = ∑ Yxi − y şi S12 = ∑ ( yi − Yxi ) .
k − 1 i =1 n − k i =1
Corespunzător unui anumit prag de semnificaţie α şi al numărului de grade de libertate
k-1,
respectiv n-k, se determină valoarea teoretică a testului F şi dacă:
-Fcalculat > Fteoretic⇒factorii de grupare calculaţi (parametrii) sau modelul sunt
semnificativi,
-Fcalculat<Fteoretic⇒factorii de grupare calculaţi(parametrii) sau modelul nu sunt
semnificativi.
Analiza dispersională coexistă alături de testele de verificare a modelului de regresie
uni sau multifactorială sau a ipotezei de homoscedasticitate (constanţa varianţei
erorilor), de la teste prin procedeul Glejser, la testul t pentru coeficientul de corelaţie
Spearman sau testele clasice F sau t pentru regresie etc.) O tipologia mult mai extinsă a
testelor statistice reuneşte teste ale raportului de verosimilitate şi de verificare a
ipotezelor statistice privind unii parametri ai repartiţiei normale, ai repartiţiei
binomiale, hipergeometrice şi Poisson, teste pentru egalitatea dispersiilor şi mediilor,
teste neparametrice, teste specifice ale analizei dispersionale, teste specifice ale
regresiei lineare, teste specifice ale repartiţiei normale bidimensionale şi coeficientului
de corelaţie, teste specifice ale regresiei multiple şi analizei dispersionale, testul
secvenţial etc.

Testarea reprezintă conceptul poate cel mai apropiat de esenţa definirii

unei metode cantitative drept proces prin care de trece de la un set iniţial de
date (inputuri), în conformitate cu un set fix de reguli, cu ajutorul unui
program (procedură sau algoritm) şi printr-o serie de iteraţii (etape sau paşi)
pentru a ajunge la sfârşitul acestora cu rezultate final denumite seturi finale
de date (outputuri). Programul (procedura sau algoritmul) reuneşte un set de
reguli provenite din intrări (inputuri) şi finalizate prin ieşiri (outputuri), cat
mai precis şi mai clar definite, fiecare etapă sau pas succesiv fiind în mod
clar determinate.
Selectarea unui test şi formularea deciziei statistice finale depind de
prezenţa sau absenţa erorilor şi de nivelul lor, de mărimea eşantionului, de
enunţul ipotezelor admisibile, de condiţiile ce trebuie îndeplinite de către
populaţia totală (originară) etc. Orice etapizare a unei testări statistice a
ipotezelor referitoare la un anumit fenomen economic, oricât de simplă se
109
doreşte a fi, nu poate omite o statistică descriptivă, stabilirea ipotezei nule
(H0) şi a celei alternative (H1), testul statistic adecvat distribuţiei datelor
reale şi stabilirea regiunii critice, calculul statisticii testului şi compararea cu
statistica lui teoretică (tabelată) şi decizia statistică finală desprinsă din
realitatea datelor disponibile privind falsitatea ipotezei nule (ipoteza nulă
poate fi respinsă sau nu).
Etapizări în demersul testării statistice a ipotezelor
Caseta nr. 4.11
Un algoritm în şase sau zece paşi poate fi utilizat ca model în procesul de testare
statistică a ipotezelor referitoare la realitatea economică, în funcţie de gradul de
detaliere impus testării. Demersul modern al testării statistice duce la rezolvarea
etapizată a problemelor practice, fie în varianta sintetică din şase paşi:
Pasul 1-enunţul ipotezelor admisibile (se formulează ipoteza nulă şi ipoteza
alternativă);
Pasul 2-selectarea unui test în funcţie de distribuţia empirică cercetată şi confirmarea
repartiţiei teoretice asimilate testului (distribuţia de probabilitate adecvată a variabilei
aleatoare discrete sau funcţia de densitate compatibilă a variabilei de tip continuu);
Pasul 3-clarificarea opţiunii pentru un anumit prag de semnificaţie α şi a tipului de
test;
Pasul 4-determinarea şi compararea valorii statisticii testului cu valoarea teoretică;
Pasul 5-reglementarea deciziei statistice prin stabilirea detaliată a regulilor de validare;
Pasul 6-asumarea şi formularea economică a deciziei finale (acceptare/respingere).
fie în varianta analitică din zece paşi:
Pasul 1-culegerea, prelucrarea datelor şi estimarea parametrilor (statistica descriptivă);
Pasul 2-enunţul ipotezelor admisibile (se formulează ipoteza nulă şi alternativă);
Pasul 3-selectarea unui test în funcţie de distribuţia empirică cercetată şi confirmarea
repartiţiei teoretice asimilate testului (distribuţia de probabilitate adecvată a variabilei
aleatoare discrete sau funcţia de densitate compatibilă a variabilei de tip continuu);
Pasul 4-clarificarea opţiunii pentru un anumit prag de semnificaţie α şi un tip de test;
Pasul 5-particularizarea prin valori limită sau critice a regiunii de respingere;
Pasul 6-calculul valorii statisticii testului pe baza datelor reale;
Pasul 7-compararea valorii calculate a statisticii testului cu cea teoretică (tabelată);
Pasul 8-reglementarea deciziei statistice prin stabilirea detaliată a regulilor de validare;
Pasul 9-asumarea deciziei statistice privind ipotezele formulate (acceptare/respingere);
Pasul 10-formularea deciziei finale în termeni economici şi aplicarea ei.
Pentru o mai bună înţelegere a demersului testării statistice a ipotezelor în
varianta analitică se descriu în mod detaliat cei zece paşi specifici:
Pasul 1. Culegerea, prelucrarea datelor şi estimarea parametrilor
(statistica descriptivă) presupune practic verificarea tuturor premizelor
statisticii clasice descriptive (orice aplicare a unui test econometric porneşte
de la anumite premize ce trebuie respectate de un set de date, care se referă
la absenţa sau prezenţa justificată a unor valori aberante, omogenitate,
asimetrie, boltire sau exces, forma şi adecvarea distribuţiilor, condiţiile după
care au fost selectate şi mărimea eşantioanelor, tipul variabilelor şi
estimarea parametrilor esenţiali prin statistici descriptive, continuitatea sau
110
discontinuitatea distribuţiilor şi abaterile individuale frecvente ale acestora
etc.). Pentru exemplificare se prezintă variabila încasări din hoteluri şi
restaurante (HR) într-un eşantion de 12 agenţii din reţeaua unei firme de
turism în două momente în raport cu aplicarea unui program de publicitate:
HR1 anterior (a priori) şi HR2 ulterior (a posteriori) promovării realizate.
Culegerea, prelucrarea datelor şi estimarea parametrilor utili testării
Caseta nr. 4.12
Culegerea şi prelucrarea datelor (n=12) Evoluţia variabilelor HR1 şi HR2
Figura nr.4.3
HR1 - mii lei HR2 - mii lei
134 96 153 114 160
109 114 96 123 150
84 130 88 149
140
129 119 143 104
78 87 96 87 130
133 90 146 97 120
Statistica descriptivă HR1 HR2 110
Mean 108.5833 116.3333
Median 111.5000 109.0000 100
Maximum 134.000 153.0000 90
Minimum 78.0000 87.0000
80
Range 56.0000 66.0000
Std. Dev. 20.8128 25.3497 70
Skewness -0.1193 0.3241 1 2 3 4 5 6 7 8 9 10 11 12
Kurtosis 1.4645 1.4693 ____
Observations 12 12 HR1 ---- HR2
Pasul 2. Enunţul ipotezelor admisibile constă în formularea ipotezei nule şi
a celei alternative. Ipoteza nulă H0:θ=θ0 se concretizează în H0: HR1 = HR2 şi
sugerează că cele două medii de încasări sunt relativ identice (programul
publicitar nu a fost eficient) iar ipoteza alternativă susţine contrariul,
respectiv că media încasărilor este diferită. Se urmăreşte respingerea
ipotezei nule în favoarea celei alternative, în sensul creşterii semnificative a
mediei încasărilor peste nivelul anterior campaniei de publicitate care ar fi
astfel eficientă. Ipoteza alternativă este H1: HR1 < HR 2 . Enunţul ipotezelor
este însoţit de recunoaştere prezenţei erorilor de genul I şi II.
Enunţul ipotezelor şi precizarea apariţiei erorilor gen I şi II
Figura nr. 4.4.

Se formulează ipotezele admisibile (nulă H0 şi alternativă H1)

Se verifică dacă există diferenţe între θ0 şi θ1

Nu există. Ipoteza adevărată=H0 Există. Ipoteza adevărată = H1

Decizie de respingere H0 şi acceptare Decizie de acceptare H0 (falsă) şi res-

H1 (falsă) = eroare gen I ( risc α) pingere H1 = eroare de gen II (risc β)

111
Pasul 3. Selectarea unui test în funcţie de distribuţia empirică cercetată şi
confirmarea repartiţiei teoretice asimilate testului este o subiteraţie
exemplificată mai jos prin alegerea testului t în locul lui z (distribuţia
Student în locul celei reduse sau normate).

Selectarea testului t sau z, în funcţie de tipul distribuţiei şi eşantion (n)

Figura nr. 4.5
Selectarea testului de semnificaţie privind egalitatea a doi estimatori sau a estimatorului
eşantionului cu parametrul populaţiei
Mai întâi se compară estimatorii între ei sau estimatorul cu parametrul
σ 2 cunoscută σ 2 necunoscută
Este populaţia cu exactitate sau cu aproximaţie normal distribuită?
Răspuns DA = se pot aplica testele t sau z. NU = nu se pot aplica nici t nici z
Este un eşantion de volum normal sau mare ( n ≥ 30) ?
DA NU
Se preferă testul z Se preferă testul t
(dar se pot utiliza şi alte teste neparametrice )
Pasul 4. Clarificarea opţiunii pentru un anumit prag de semnificaţie (α) şi a
tipului de test unilateral sau bilateral. Opţiunea pentru pragul de
semnificaţie sau nivelul de relevanţă implică şi pe aceea pentru tipul de test
unilateral sau bilateral (one or two tailed), în raport cu care se delimitează
regiunea de respingere. În economie, un nivel de eroare de 5% este
considerat suficient (pragul de semnificaţie poate fi α = 0,05).
Testul va fi unilateral stânga (ipoteza alternativă H1: x1 < x 2 sau H1:
HR1 < HR 2 )
Pasul 5. Particularizarea prin valori limită sau critice a regiunii de
respingere se realizează în urma consultării valorilor teoretice (tabelate) ale
testului respectiv (în acest caz testul t). Consultând tabelul valorilor
distribuţiei Student (testului t) din anexe detaliat în raport cu numărul de
grade de libertate şi pragul de semnificaţie (α) se va identifica valoarea t
tabelat se află la intersecţia coloanei α, menţionată pentru un test unilateral, cu
rândul gradelor de libertate. Calculul gradelor de libertate fie este legat de
efectivul valorilor din eşantion, diminuat cu 1 sau g.d.l. = n-1, în cazul
testului t de concordanţă, fie g.d.l.= n1 + n2 – 2, care reprezintă o uşoară
⎡(s2 / n )2 (s2 / n )2 ⎤
aproximare a formulei de calcul g.d.l. = ⎡(s12 / n1 +s22 / n2 ) ⎤ : ⎢ 1 1 + 2 2 ⎥ ,
2

⎣⎢ ⎦⎥ ⎣ n -1 1 n -1 ⎦
2

valorificată atunci când se compară două eşantioane (cazul testului

t).Conform anexelor valoarea limită (critică) a testului t unilateral stânga t
tabelat este 1,717 şi defineşte regiunea de respingere a ipotezei nule pentru
valori mai mici ale statisticii testului (-1,717) sau regiunea critică este dată
de intervalul (tcalculat<-ttabelat) şi regiunea de acceptare pentru valori mai mari.
112
Pasul 6. Calculul valorii statisticii testului pe baza datelor reale este
complet diferit nu numai de la un test la altul, ci şi în cadrul aceluiaşi test în
raport cu ipotezele admisibile enunţate. În exemplul analizat unde se
compară mediile unor eşantioane egale, cu varianțe relativ egale, relaţia de
x1 − x 2 HR1 − HR 2
calcul a statisticii testului sau tcalculat este t = 2 2
unde t= =
2 2
S1 + S2 S HR1
+ S HR 2
n n
108, 58 − 116,33
= - 0,818561.
2 2
20, 81 + 25,35
12
Relaţii specifice de calcul ale statisticii testului t (formula lui t calculat)
Caseta nr. 4.13
Condiţii specifice ale aplicării testului t Determinarea statisticii testului
A. Teste de comparare (între eşantioane egale şi inegale)
x1 − x 2
A1. Eşantioane de mărimi egale, varianţe egale t=
2 2
S1 + S 2
n
x1 − x2
A2. Eşantioane de mărimi inegale, varianţe egale t=
2
(n1 − 1)S1 + (n2
2
− 1)S2 ⎛1 1⎞
⎜ + ⎟
n1 + n2 − 2 ⎝ n1 n2 ⎠
x1 − x 2
A3.Eşantioane de mărimi inegale,varianţe inegale t=
S12 S2
+ 2
n1 n2
B. Teste de concordanţă între noţiuni perechi (estimator şi parametru)
x− X0
B1. Concordanţa estimator - parametru (media) t= n
Sx
Pasul 7. Compararea valorii calculate a statisticii testului cu valoare
teoretică sau tabelată (distribuţia Student) poate aduce în discuţie trei
situaţii: a) tcalculat> ttabelat; b) tcalculat = ttabelat; c) tcalculat<ttabelat, uşor reductibile la
numai două, în practica respingerii ipotezei nule H0: a) tcalculat> ttabelat; b)
tcalculat<-ttabelat. În exemplul dat tcalculat = -0,818561 nu este mai mic decât -
ttabelat = -1,717, ci, dimpotrivă, mai mare.
Pasul 8. Reglementarea deciziei statistice prin stabilirea detaliată a
regulilor de validare a ipotezei nule presupune formularea fără ambiguitate
a trei seturi de interpretări distincte în raport cu tipul de test bilateral,
unilateral dreapta şi stânga. Desigur că distribuţiile specifice, pragurile de
semnificaţie (α) şi numărul gradelor de libertate (g.d.l.) multiplică practic de

113
la test la test această reglementare, dar logic şi formal ipotezele şi modul de
decizie rămân sunt aceleaşi.
Reglementarea statistică privind ipoteza nulă în decizia testului t
Caseta nr. 4.14
Regula de decizie este descrisă în raport cu tipul testului (bilateral sau unilateral)
iar partea haşurată reprezintă regiunea critică (unde se respinge ipoteza nulă)
Figura nr. 4.6

α/2 α/2 α α

Li Ls L L
Test bilateral Test unilateral dreapta Test unilateral stânga
Ipoteze H0: x1 − x 2 = 0 Ipoteze H0: x1 − x 2 = 0 Ipoteze H0: x1 − x 2 = 0
H1: x1 − x 2 ≠ 0 H1: x1 − x 2 > 0 H1: x1 − x 2 < 0
tcalculat > t tabelat cu α/2;g.d.l. tcalculat >t tabelat cu α;g.d.l. tcalculat < - t tabelat cu α;g.d.l.
sau tcalculat < - t tabelat cu ⇒se respinge H0; ⇒se respinge H0;
α/2;g.d.l. Se acceptă H1: x1 − x 2 > 0 Se acceptă H1: x1 − x 2 < 0
⇒se respinge H0 şi
se acceptă H1: x1 − x 2 ≠ 0

Decizia în cazul ales confirmă că ipoteza nulă nu a fost respinsă din lipsa
dovezilor suficiente care să identifice o diferenţă semnificativă între medii
(ante şi post).
Pasul 9. Asumarea deciziei statistice privind ipotezele formulate (acceptare
sau respingere) se face conform valorilor comparate, dar şi în raport de
probabilitatea comunicată de regulă de pachetele de programe de calculator
specializate. Dacă pragul de semnificaţie alfa (α) a fost deja ales în pasul 4,
interpretarea probabilităţii critice a testului (pcritică) este următoarea:
Dacă pcritică>α, ⇒ nu se respinge ipoteza nulă H0, în favoarea ipotezei alternative H1
Dacă p critică ≤ α, ⇒ se respinge ipoteza nulă H0, în favoarea ipotezei alternative H1
Pasul 10. Formularea deciziei finale în termeni economici şi aplicarea ei
constituie esenţa practică a testării. Ipoteza nulă nu a fost respinsă,
încasările din hoteluri şi restaurante (HR) în agenţiile din reţeaua firmei de
turism nu s-au modificat semnificativ între cele două momente sub impactul
aplicării unui program de publicitate. Nu există practic suficiente dovezi
pentru a stabili dacă cele două medii ale încasărilor (ante şi post) sunt
semnificativ diferite. Testul distribuţiei Student sau testul t se poate aplica
dacă datele provin dintr-un eşantion de volum mic (n≤30) şi dacă sunt
normal distribuite. Dacă n>30, pe măsură ce volumul creşte distribuţia
Student se apropie de cea normată şi testul t se înlocuieşte cu testul z. Aşa
cum se constată fiecare test statistic poartă o denumire dată de repartiţia
statisticii testului: testul t al repartiţiei Student sau simplu t, testul z al
114
repartiţiei normale normate sau testul z, testul F al repartiţiei Fisher –
Snedecor sau testul F, testul repartiţiei hi-pătrat ( χ2) etc. În continuare se
definesc reperele esenţiale ale restului testelor clasice fără a detalia testarea
excesiv în cei zece paşi, ca în cazul testului t, ci numai tipul de test şi
stabilirea regiunii critice în funcţie de enunţul ipotezelor H0 şi H1), calculul
statisticii testului şi reglementarea deciziei de respingere a ipotezei nule.
Testul clasic al distribuţiei normate sau testul z este utilizat frecvent
pentru eşantioane mari. În testul de concordanţă între noţiuni perechi
(estimator şi parametru), variabila aleatoare z∈ N (0,1) şi urmează o
distribuţie normată (standard) conform relaţiei:
x − X0 x − X0 x − X0 x − X0
z= = ≈ sau n.
σx σx n sx n sx
Tipul de test (bilateral, unilateral dreapta şi unilateral stânga) şi stabilirea
regiunii critice (valori critice preluate din tabelul distribuţiei normate
Gauss-Laplace) rămân metodologic aceleaşi ca şi în cazul anterior. Enunţul
ipotezelor admisibile (H0 şi H1) în testul z nu diferă formal şi logic de testul
t deja prezentat. Pentru un test z unilateral (one tailed test) valoarea critică
este indicată cu expresia z α, unde z reprezintă valoarea critică iar α pragul
de semnificaţie sau nivelul de relevanţă, iar pentru un test z bilateral (two
tailed test), valoarea critică este indicată cu z α/2. Pentru un prag de
semnificaţie (α) stabilit, în testul bilateral se determină valoarea zα/2, pentru
care P(z > zα/2) = α/2. Aceasta înseamnă că regiunea critică este dată de
alternativele zcalculat < - z tabelat cu α/2 sau z calculat > z tabelat cu α/2.
Reglementarea deciziei de respingere a ipotezei nule H0 este dată de
x− X0
situaţiile x − X 0 n < −z α / 2 sau n > zα / 2 .
Sx Sx
Calculul statisticii testului z diferă de la un tip de test z la altul.
Relaţii specifice de calcul ale statisticii testului z (formula lui z calculat)
Caseta nr. 4.15
Condiţii specifice ale aplicării testului z Relaţia de calcul a statisticii testului
A. Teste de comparare (între eşantioane mari egale şi inegale)
x1 − x 2
A1.Eşantioane inegale de volum normal sau z=
mare, independente, cu varianţe inegale S12 n 1 + S 22 n 2
x1 - x 2
A2. Eşantioane egale de volum normal sau z=
2 2
mare (n>30) S1 + S2
n
B. Teste de concordanţă între noţiuni perechi (estimator şi parametru)
B1. Concordanţa estimator - parametru x− X0
(media variabilei numerice) z= n
Sx
115
 B2. Concordanţa estimator - parametru sau p − p0 p − p0
estimator - estimator (media variabilei z= ≈
p(1− p/ n) * *
f (1−f )/(1/ n1 +1/ n2)
alternative sau proporţia) *
cu f = (n1p1+n2p2) : (n1 + n2)

Reglementarea deciziei de respingere a ipotezei nule în cazul testului z

nu diferă logic de aceea a testului t. Regiunea critică este delimitată distinct
în cazurile: a) test bilateral (z calculat < - z α/2 tabelat sau z calculat > z α/2 tabelat); b)
test unilateral dreapta (z calculat > z α tabelat); c) test unilateral stânga (z calculat < -
z α tabelat), iar reglementarea deciziei privind respingerea ipotezei nule (şi
implicit acceptarea ipotezei alternative) este dată de situarea statisticii
testului z în regiunea critică în funcţie de probabilitatea de garantare a
rezultatelor (1-α)×100, exprimată procentual.
Testul clasic al distribuţiei Fisher-Snedecor F(n1,n2) cu n1 şi n2 grade de libertate
sau testul F a rămas cel mai cunoscut test pentru verificarea ipotezei egalităţii
dispersiilor a două eşantioane independente ( σ 12 , σ 22 ), fiind caracterizat de o
distribuţie continuă determinată de două valori diferite ale gradelor de libertate
(notate cu v1 şi v2). Testul statistic complet este F = ( S12 : σ 12 ) : ( S 22 : σ 22 ) dar în
condiţiile ipotezei nule, adică σ 12 : σ 22 = 1 testul devine F = S12 : S22 şi urmează o
distribuţie Fisher-Snedecor. Enunţul ipotezelor admisibile poate îmbracă două
forme diferite atât ipoteza nulă: H 0 : S12 = S 22 sau H 0 : S12 / S 22 = 1 cât şi ipoteza
alternativă H1 : S12 ≠ S 22 sau H1 : S12 / S 22 ≠1 .Valorificând distribuţia Fischer-Snedecor,
testul F prezintă valori tabelate uzuale F(α;ν1;ν2) pentru un nivel de semnificaţie α
de 0.05; 0,02 şi 0,01 (în testul bilateral devenit α/2: 0,25;0,01;0,005), cu gradele
de libertate v1 = (n1-1) unde n1 este volumul eşantionului cu dispersia mai mare şi
v2 = (n2-1) unde n2 este volumul celui cu dispersia mai mică. Statistica testului este
2 2
S1 2 2 S2 2 2
dată de F calculat: F = 2
dacă S1 > S2 sau F = 2
dacă S2 > S1 . Fcalculat se compară cu F
S2 S1
pentru pragul de semnificaţie α (unilateral) sau α/2 (bilateral).Dacă la
tabelat
numărător se trece dispersia mai mare, testul F devine un test unilateral dreapta,
reglementarea deciziei de respingere a ipotezei nule decurgând astfel: se respinge
H0 dacă Fcalculat este mai mare ca F tabelat, afirmaţia despre egalitatea dispersiilor
2
S
fiind falsă.Pentru simplificare se prefera Fcalculat = max
2
,ipoteza nulă fiind respinsă
Smin
dacă Fcalculat > Ftabelat
În modelările econometrice se impune şi verificarea ipotezei cu privire la
concordanţa dintre distribuţia teoretică şi distribuţia empirică cercetată.
Testul clasic χ2 (hi-pătrat) este testul cel mai des invocat şi aplicat în
verificarea corespondenţei dintre distribuţiile teoretice şi empirice dar este
valorificat şi în testarea ipotezei privind dispersia unei populaţii. Testul χ2
116
(hi-pătrat) pentru testarea ipotezei privind dispersia unei populaţii pleacă de
n
la premiza că suma pătratelor diferenţelor ∑ ( xi − x ) 2 , egală cu (n − 1) × s 2 sau
i =1
2
n × s în raport de volumul mic sau mare al eşantionului, împărţită la
dispersia unei populaţii originare normal distribuite, are întotdeauna o
distribuţie hi-pătrat (χ2 ). Relaţia de calcul a statisticii testului pentru testarea
2
2 ( n − 1) s
ipotezei privind dispersia unei populaţii este χ = 2
, care are o
σ
distribuţie cu (n-1) grade de libertate, când populaţia eşantionată este normal
distribuită cu dispersia σ 2 .Ipoteza nulă este H0 :σ 2 = σ 2 iar reglementarea
0
2 2 2 2
deciziei de respingere este χ calculat < χtabelatα /2,n−1 sau χcalculat > χtabelatα /2,n−1
2 2 2 2
pentru un test bilateral sau χcalculat < χtabelatα ,n−1 şi χ calculat > χ tabelatα ,n −1 pentru
testele unilaterale stânga şi dreapta. Testul χ2 (hi-pătrat) de concordanţă cu
distribuţia normală este utilizat pentru a identifica dacă distribuţia unei
populaţii date, interpretată prin prisma unei anumite caracteristici, concordă
sau se abate semnificativ de la repartiţia normală (standard) cu care aceasta
se compară sau dacă o repartiţie empirică diferă semnificativ de cea
teoretică. Se notează cu n1, n2…, nn un şir de frecvenţe empirice sau reale
obţinute într-un eşantion şi cu n ' 1, n ' 2…, n ' n frecvenţele teoretice sau ale
populaţiei originare corespunzătoare (frecvenţe aşteptate n’i = n×pi ), adică
acelea cu care dorim să le comparăm pe primele. Relaţia de calcul a lui χ2
( ni − n 'i )
2
n n
(ni − npi ) 2
este: χ = ∑
2
=∑ şi defineşte o variabilă hi pătrat cu
i =1 n 'i i =1 npi
(n – 1) grade de libertate. Regiunea critică a testului χ2 pentru verificarea
ipotezei p1 = p2 = … = pn se construieşte pe baza indicatorului statistic de
n
( n − npi ) 2
2
forma: χ calculat =∑ i . Reglementarea deciziei de respingere a
i =1 npi
ipotezei nule privind concordanţa dintre două distribuţii dintre care una este
cunoscută (distribuţia normală), se realizează comparând mărimea χ2
calculată cu valoarea tabelată, în dreptul numărului de grade de libertate
respective şi al pragului de semnificaţie α dorit. În cazul în care
2 2
χ calculat 〉 χ tabelat α ; n −1 se poate conchide că diferenţa dintre distribuţii este
semnificativă la nivelul de probabilitate acceptat. Testul χ2 (hi-pătrat) de
concordanţă cu distribuţia normală se realizează în următoarele etape:
a) se procedează la împărţirea în grupe a populaţiei cercetate după variabila
xi în aşa fel încât numărul unităţilor din fiecare grupă să fie ≥ 5; b) se
determină media şi abaterea medie pătratică; c) se determină abaterile

117
normale normate zi şi valoarea statisticii χ 2; d) se compară χ2 calculat cu χ 2 tabelat
2 2
Ipoteza de concordanţă cu distribuţia normală se acceptă dacă χcalculat ≤ χtabelatα;n−1
2 2
şi se respinge când χcalculat 〉 χtabelatα ;n−1
Notă: valorile teoretice ale lui χ 2 se caută în tabelele distribuţiei χ 2 în funcţie de pragul de
semnificaţie α şi de numărul gradelor de libertate (r – l – 1) unde: r = numărul grupelor
(intervalelor formate) şi l = numărul parametrilor repartiţiei empirice analizate (în anexe).
Pachetele de programe econometrice determină alături de valoarea
statisticii testului şi probabilitatea α asociată acestui test (p value) sau cel
mai mic nivel de relevanţă la care ipoteza nulă poate fi respinsă,
simplificând reglementarea deciziei statistice prin compararea valorii p cu
pragul de semnificaţie pentru care s-a optat.
Există şi teste statistice clasice de evaluare a previziunii modelului
econometric, din care s-a selectat unul de o mare simplitate:
2 2
n −1 ⎛ Pt +1 − Yt +1 ⎞ n −1 ⎛ Y − Yt +1 ⎞
t
Testul U al lui Theil ( Theil ' s U ) = ∑⎜ ⎟ : t∑=1 ⎜ ⎟
⎝ Yt
t =1
⎠ ⎝ Yt ⎠
unde Y sunt valori reale şi P valori previzionate prin modele econometrice.
Acest indicator compară eroarea metodei sau modelului de previziune care
se utilizează cu eroarea care s-ar obţine dacă s-ar folosi ultima valoare ca şi
valoare prognozată. Compară, practic o metodă de previziune cu metoda
valorii anterioare. Se disting trei situaţii în vederea luării deciziei statistice:
a) Theil’s U<1 metoda utilizată este mai exactă ca metoda valorii anterioare;
b) Theil’s U >1 metoda utilizată dă erori mai mari decât metoda valorii
anterioare;
c) Theil’s U =1 metoda utilizată este la fel de exactă ca şi metoda valorii
anterioare deci nu se justifică a fi utilizată. Validarea modelelor
econometrice competitive cu implicaţii în previziune, impun şi analiza
sistematică a erorilor specifice acestui obiectiv al construcţiei modelului ca
atare. Rolul erorilor de previziune este acela de a cuantifica abaterile
valorilor previzionate prin modelul de prognoză, de la valorile reale,
devenind astfel criterii de selecţie în alegerea celui mai competitiv model
econometric. Astfel eroarea de previziune (et) la momentul t ca este definită
ca fiind diferenţa dintre valoarea previzionată pentru t şi valoarea reală
înregistrată în momentul t: et = Yt − Pt . Principalele erori de previziune sunt:
1 n
1.Eroarea medie de previziune (EMP): = ∑ et
n t =1
Dacă factori pur aleatori sunt cauza principală, atunci erorile sunt simetric distribuite în
jurul lui zero. O valoare negativă sau pozitivă mare a EMP indică o eroare sistematică,
valorile previzionate supraestimează sau subestimează în mod constant valorile observate.

118
 1 n
2.Eroarea medie absolută de previziune (EMAP): = ∑ et
n t =1
EMAP arată care este abaterea medie a previziunilor în valoare absolută de la valorile
observate. Poate fi folosită pentru a compara diferite metode bazate pe o serie de date unică,
însă nu şi pentru a compara previziuni bazate pe serii diferite. O eroare de câteva milioane
poate fi considerată mică dacă este vorba de un indicator agregat la nivel de ţară dar poate fi
dezastruoasă la nivel microeconomic. Acest neajuns este valabil şi pentru EMPP şi ESP.
1 n 2
3.Eroarea medie pătratică de previziune (EMPP): = ∑ et
n t =1
Acest indicator prezintă avantaje cu impact în utilizările matematice. EMPP este că acordă
importanţă accentuată erorilor mari de previziune. Nu are o semnificaţie reală accesibilă.
1 n 2
4.Eroarea standard de previziune (ESP): = EMPP = ∑ et
n t =1
Se utilizează în determinarea intervalelor de încredere atunci când erorile au o distribuţie
normală de medie 0. În această situaţie se ştie de exemplu că valoarea reală se află, cu o
probabilitate de 95%, Valoarea previzionată: în intervalul ±1,96 ESP
1 n et
5. Eroarea procentuală medie de previziune (EPMP): = ∑ ( ×100)
n t =1 Yt
Arată cât la sută reprezintă, în medie, eroarea faţă de valoarea observată. La fel ca şi în
cazul EMP valorile de semn opus se anulează şi prin urmare o valoare apropiată de 0 nu
înseamnă neapărat erori mici de previziune ci doar simetria acestora.
1 n et
6.Eroarea procentuală medie absolută de previziune (EPMP): = ∑ ×100
n t =1 Yt
Pentru că ia în calcul valori relative, la fel ca şi EPMP, poate fi folosită pentru a compara
aplicarea aceleiaşi metode la serii de date diferite sau a unor metode diferite la serii de date
diferite. Spre deosebire de EPMP calculează care este în medie procentul absolut al erorii
faţă de valoarea observată. Un procent mic indică o previziune mai exactă.

IV.3. Test de autoevaluare, aplicaţii şi bibliografie opţională

A.Test de autoevaluare
A1) Întrebări clasice recapitulative
1.Ce înţelegeţi prin ipoteză în contextul
modelării economico – financiare şi care
sunt ipotezele admisibile în accepţiunea
standard ?
2.În mod detaliat, în ce anume constau o
eroare de genul I şi II ?
3.Care sunt principalii paşi ai demersului
testării statistice în varianta succintă de
şase iteraţii şi în varianta extinsă de zece
iteraţii?
4.Care este semnificaţia teoretică şi
practică pe care o acordaţi conceptelor
A2) Întrebări tip grilă
7. Nivelul de încredere se exprimă prin:
a) (1-α); b) (1-β); c) (α-β).
8. Riscul beta descrie probabilitatea:
a) apariţiei erorii de gen I; b) apariţiei unei
erori de gen II; c) asumată prin respingerea
eronată a ipotezei alternative adevărate; d)
asumată prin acceptarea eronată a ipotezei
alternative false.
8. Decizia de respingere a ipotezei nule în
testul χ2(hi-pătrat) unilateral stânga este:
2 2
a) χ calculat < χ tabelatα /2,n −1 ;

119
prag de semnificaţie şi putere a testului?
5. În ce constă esenţa selectării testului t în
locul testului z când anume se valorifică
testele F şi χ2(hi-pătrat) ?
6. Cum este definită o eroare de previziune
şi cât de extinsă este tipologia acestei
categorii de erori ?
2 2
b) χcalculat < χtabelatα ,n−1 ;
2 2
c) χ calculat > χ tabelatα ,n −1 .
9. Regiunea critică delimitată prin tăieturi
limitative Li şi Ls se regăseşte în: a) teste
bilaterale; b) teste unilaterale dreapta; c)
teste unilaterale stânga.

C. Aplicaţii rezolvate
Aplicaţia propusă are un conţinut experimental pedagogic axat pe logica
testării ipotezelor statistice, pornind de la obiectivul esenţial, la raportul final.
Detaliile experimentului sunt prezentate în continuare.
A. Obiectivul experimentului: Experimentul descris a avut drept ţintă majoră evaluarea
cunoştinţelor însuşite şi a deprinderilor formate de către elevi, în urma studiului temei
elementelor de statistică şi probabilităţi, folosind o nouă metodologie, precum şi
compararea acestora cu rezultatele obţinute prin intermediul unor clase martor.
B. Locaţia desfăşurării: Experimentul a s-a desfăşurat în trei şcoli şi licee.
C. Straturile educaţionale selectate tematic (clasele şi motivaţia alegerii lor susţinută
prin programă): În gimnaziu a fost selectată pentru experimentul pedagogic clasa a VII-
a, motivaţia fiind aceea că studiul tematic al elementelor de statistică matematică şi
probabilităţi este prevăzut în programa acestei clase, din păcate pe parcursul unui
număr mic de ore (per total numai 4 ore). Aceeaşi clasă a VII-a mai alocă o singură oră
studiului elementelor de statistică, în care sunt prezentate cele mai uzuale reprezentări
grafice (diagrame) folosite ca suport vizual al gândirii logice asupra datelor culese.
D. Perioada de desfăşurare a experimentului: Experimentul pedagogic s-a desfăşurat
la gimnaziu în anul şcolar 2009-2010, respectiv la liceu în anul şcolar 2010-2011.
E. Volumul populaţiei: Per total experimentul a cuprins o populaţie de 106 elevi din
clasa a VII-a (ciclul gimnazial) şi 107 elevi din clasa a X-a (ciclul liceal). La nivelul
eşantioanelor populaţiile sunt următoarele:
Volumul populaţiilor selectate în experiment
Tabel nr.4.2
Tipul eşantionului Anul 2009-2010 Anul 2010-2011
ciclul gimnazial ciclul liceal
Eşantion experimental (clase de lucru) n1 = 52 elevi n3 = 55 elevi
Eşantion martor (clase de control) n2 = 54 elevi n4 = 52 elevi
Total subpopulaţii anuale selectate 106 elevi 107 elevi
F.Personalul şi respondenţii implicaţi în experiment: Activitatea de predare – învăţare
- evaluare a temei din lucrare a fost realizată de către profesorii din instituţiile ce au
constituit locaţia desfăşurării experimentului, implicaţi în cadrul acestuia şi îndrumaţi
de autoarea tezei, implicit de către autoare însăşi la clasele la care aceasta a predat.
Elevii care au participat la experiment fiind supuşi testărilor: iniţială, formativ-
participativă şi finală sau de evaluare postexperimentală.
G. Prelucrarea rezultatelor experimentului: Rezultatele testelor statistico – matematice
au fost prelucrate cu ajutorul pachetului de programe EViews (disponibil în variantă
demo pe site-ul: http://www.eviews.com, valorificând statisticile descriptive şi
graficele de tip Kernel, ale acestui program, grafice ce aproximează cu rigurozitate
distribuţia statistică a frecvenţelor pe baza densităţilor de probabilitate specifice, iar
120
 pentru testarea statistico-matematică s-a apelat la testul z prin care s-au comparat
mediile eşantionului experimental (pre şi post experiment) şi martor, pornind de la
dimensiunea relativ mare a eşantioanelor (n > 30). Pentru testarea normalităţii
distribuţiilor empirice de date s-a valorificat testul Jarque – Bera. Pentru valorile lui
ztabelat s-au valorificat tabelele de pe site-ul http://www.danielsoper.com/statcalc şi s-au
confruntat cu cele clasice. Tabelele statistice ale distribuţiei reduse, normate sau
standardizate detaliază pragurile lui z, corespunzătoare unor valori semnificative ale
probabilităţilor p(z >zt).
H.Evaluarea finală realizată prin intermediul testelor care presupune acceptarea sau
nu a ipotezei nule (alternative)
Rezolvarea practică:
A. Testarea ipotezelor experimentului la nivel gimnazial a valorificat criteriul cantitativ (al
frecvenţelor absolute) şi cel calitativ al promovabilităţii (frecvenţelor relative).
Pasul 1. Culegerea, prelucrarea datelor şi estimarea parametrilor (realizarea şi
interpretarea statisticilor descriptive) presupune practic verificarea tuturor premizelor
statisticii matematice clasice de tip descriptiv. Pentru simplificare se prezintă datele
eşantioanelor elevilor (experimental şi martor) conform variabilei notă, apelând la
distribuţiile de frecvenţe absolute şi relative. Populaţia elevilor din eşantionul de volum n1
este distribuită în raport cu variabila notă în eşantionul experimental apelând şi la
frecvenţele absolute şi la cele relative. Testul iniţial propus elevilor de gimnaziu în etapa de
pretestare s-a încheiat cu notele următoarei distribuţii de frecvenţe absolute şi relative:
Tabel nr. 4.3
Nota (xi) obţinută 3 4 5 6 7 8 9 10 Total
Număr de elevi (ni) 1 7 9 7 10 11 6 1 n1i=52
Frecvenţa relativă(%) 1,92 13,46 17,31 13,46 19,23 21,16 11,54 1,92 100
Variabila alternativă de tipul promovat / nepromovat consemnează ca valori reale pentru p
şi 1-p respectiv p = 44:52 = 0,8462 sau 84,62% şi 1- p = 8:52 = 0,1538 sau 15,38%
Pentru a analiza populaţia statistică a celor 52 de elevi sau statistica descriptivă a
eşantionului experimental se valorifică pachetul de programe EViews.
Histograma şi statistica descriptivă la testul iniţial (eşantionul experimental gimnazial)
Figura nr. 4.7

Pentru a interpreta corect informaţiile determinate prin pachetul de programe EViews s-au
citit şi aplicat instrucţiunile din ghidul informatic (Software EViews 5.1 User’s Guide,
Quantitative Micro Software, 2005).
Interpretarea statisticii descriptive la testul iniţial (eşantionul experimental gimnazial)
121
Caseta nr. 4.16
Statistica descriptivă a notelor la testul iniţial Parametrii distribuţiei empirice
Eşantionul sunt media notelor 6,538462 şi
Sample (eşantion) : 1 52 experimental dispersia 3,03770 sau (Std.Dev)2
6,538462 Distribuţia notelor este omogenă
Mean (media notată cu x )
coeficientul de variaţie fiind de
Median (mediana) 7,000000
26,66%, determinat ca raport între
Maximum (valoarea maximă) 10,00000 Std.Dev şi Mean. Distribuţia
Minimum (valoarea minimă) 3,000000 empirică este uşor asimetrică
Std. Dev. (abaterea standard) 1,742902 (coeficientul de asimetrie tinde
Skewness (asimetria) -0,098646 spre zero) şi uşor aplatisată
Kurtosis (boltirea) 1,977926 conform coeficientului de boltire
Jarque-Bera (test de normalitate) 2,347712 (mai mic de 3, valoarea boltirii
Probability (probabilitate) 0,309172 normale).
Distribuţia este normală fapt ce poate fi relevat imagistic, fie cu ajutorul histogramei, fie
prin reprezentarea grafică de tip Kernel, ce aproximează cu rigurozitate distribuţia statistică
pe baza densităţilor de probabilitate specifice şi relevă o alură de „clopot gaussian”.
Distribuţia Kernel a frecvenţelor notelor la testul iniţial şi alura densităţilor de
probabilitate din eşantionul experimental gimnazial
Figura nr. 4.8

Normalitatea distribuţiilor a fost confirmată conferind credibilitate reprezentărilor grafice

de tip Kernel cu ajutorul testelor Jarque-Bera. O variabilă este normal distribuită când
urmează o lege normală de distribuţie. În practică normalitatea se testează cu testul Jarque-
Bera care o confirmă sau nu, măsurând diferenţa dintre coeficientul de asimetrie S
(Skewness) şi boltire K (Kurtosis), pornind de la relaţia de calcul următoare:
n⎛ ( K − 3) ⎞ 52 ⎛ (1, 977926 − 3) ⎞
2 2
2 2 2
JB = ⎜S + ⎟⎟ = ⎜⎜ ( −0, 098646) + ⎟⎟ = 2,347712022 ~ χ .
6 ⎜⎝ 4 ⎠ 6 ⎝ 4 ⎠
Testul are drept ipoteza nulă afirmaţia: seria este normal distribuită. Astfel, dacă
probabilitatea asociată testului JB este superioară pragului de semnificaţie sau nivelului de
relevanţă ales (de regulă α = 0,05 sau α = 0,01) atunci ipoteza nulă este acceptată.
Distribuţia χ2(hi-pătrat) este asimetrică şi mărginită de zero (valorile sunt pozitive), de
2 2 2
forma Z1 + Z2 +... + Zn , cu Z1,…,Zn variabile independente cu distribuţia N(0;1). Conform
distribuţiei χ2, valoarea critică a testului Jarque-Bera pentru un prag de semnificaţie

122
statistică de 0,05 este 5,99, iar pentru 0,01 este de 9,21, altfel spus, dacă statistica JB
calculată pentru o serie de valori ale unei variabile analizate este mai mare de 5,99
respingem ipoteza nulă cu un nivel de încredere în 95 de cazuri din 100, iar în cazul unor
valori mai mari de 9,21 se respinge ipoteza normalităţii seriei cu o probabilitate garantată în
99 de cazuri din 100. Statistica testului Jarque-Bera este asimptotică unei distribuţii χ2 (cu
două grade de libertate), iar pachetul de programe EViews conţine testul Jarque-Bera aşa
cum s-a putut observa din statisticile descriptive, iar calculul efectuat de pachetul de
programe confirmă valoarea de 2,347712, valoare cu mult mai mică decât în ambele ipoteze
ale pragului de semnificaţie (α = 0,05 sau α = 0,01) valoarea critică a testului Jarque-Bera.
În urma administrării testului iniţial, atât modul în care elevii care au format eşantionul
experimental (clasele de lucru), cât şi în care au reuşit să rezolve sarcinile indicate în itemi
au fost reflectate de note şi de procentajele de promovabilitate cu sensul de răspunsuri
corecte. Procentele per item constituie la rândul lor o sursă de date suplimentară privind
zonele critice ale procesului de predare a matematicii, dar şi ale cunoaşterii şi învăţării
elevilor, reuşind să confirme inexistenţa unor valori aberante foarte mari, sau foarte mici de
100% sau 0% care ar fi impus eliminarea sau reformularea itemului. Analog procentele
medii per subiect dezvăluie alte aspecte la fel de interesante privind gradul de cunoaştere
sau de însuşire a informaţiilor. Analiza este utilă în sensul reevaluării omogenităţii în raport
cu procentul mediu la nivel de item, dar şi prin prisma identificării unor zone de maximă ori
minimă dificultate per item:
Tabel nr. 4.4
Subiect Item detaliat Promovabilitatea per Observaţii
(itemi agregaţi) item în procente
a) 86,54 Medie per subiect
1. b) 53,85 = 72,12
c) 96,15 Minimă dificultate
d) 51,92
a) 30,77 Maximă dificultate
2. b) 92,31 Medie per subiect
c) 51,92 = 58,66
d) 59,62
3. a) 67,31 Medie per subiect
b) 57,69 = 55,13
c) 40,38
4. i) 55,77 Medie per subiect
ii) 48,08 = 51,93
Completare tabel 88,46 Medie per subiect
a) 51,92 = 59,61
5. b) 40,38
c) 76,92
d) 40,38
Media promovabilităţii per item este 60,58 iar coeficientul de omogenitate general 32,54%
aproape de limita de omogenitate de 35% (chiar extinsă la 40% cu riscuri asumate).
Analog se procedează şi în analiza notelor la testul sumativ ale eşantionului experimental
gimnazial (note postexperiment) a căror distribuţie de frecvenţe empirică este următoarea:
Tabel nr. 4.5
Nota (xi) obţinută 4 5 6 7 8 9 10 Total
Număr de elevi (ni) 3 6 10 11 9 8 5 n1S=52
Frecvenţa relativă(%) 5,77 11,54 19,23 21,15 17,31 15,38 9,62 100

123
 şi unde variabila alternativă de tipul promovat / nepromovat consemnează ca valori reale
pentru p şi 1-p respectiv p = 49:52 = 0,9423 sau 94,23% şi 1- p = 3:52 = 0,0577 sau 5,77%.
În mod similar, analiza populaţiilor de note la testul iniţial din eşantionul martor va prelucra
datele distribuţiei empirice de mai jos
Tabel nr. 4.6
Nota (xi) obţinută 3 4 5 6 7 8 9 10 Total
Număr de elevi (ni) 1 5 12 9 8 11 6 2 n2i=54
Frecvenţa relativă(%) 1,85 9,26 22,22 16,67 14,82 20,37 11,11 3,70 100
unde variabila alternativă de tipul promovat / nepromovat consemnează ca valori reale
pentru p şi 1-p respectiv p = 48:54 = 0,8889 sau 88,89% şi 1- p = 6:54 = 0,1111 sau
11,11%. Tot acelaşi conţinut iterativ îl va avea şi analiza populaţiilor de note la testul
sumativ din eşantionul martor, care a înregistrat următoarea distribuţie empirică de date:
Tabel nr. 4.7
Nota (xi) obţinută 4 5 6 7 8 9 10 Total
Număr de elevi (ni) 6 9 14 6 12 5 2 n2S=54
Frecvenţa relativă(%) 11,11 16,67 25,93 11,11 22,22 9,26 3,70 100
şi unde variabila alternativă de tipul promovat / nepromovat consemnează ca valori reale
pentru p şi 1-p respectiv p = 48:54 = 0,8889 sau 88,89% şi 1- p = 6:54 = 0,1111 sau 11,11%
Pentru a expune cât mai sintetic şi a facilita astfel analiza datelor prelucrate în raport cu
testele expuse, statisticile lor descriptive se sistematizează într-un tabel comun:
Tabel nr. 4.8
Sample (eşantion) Eşantionul experimental Eşantionul martor
iniţial n1i sumativ n1S iniţial n2i sumativ n2S
Mean (media) 6,538462 7,173077 6,574074 6,592593
Median (mediana) 7,000000 7,000000 6,500000 6,000000
Maximum (valoarea maximă) 10,00000 10,00000 10,00000 10,00000
Minimum (valoarea minimă) 3,000000 4,000000 3,000000 4,000000
Std. Dev. (abaterea standard) 1,742902 1,688730 1,744012 1,654251
Skewness (asimetria) -0,098646 -0,027905 0,068773 0,163735
Kurtosis (boltirea) 1,977926 2,137456 2,049711 2,093426
Jarque-Bera (test de normalitate) 2,347712 1,618709 2,074427 2,090503
Probability (probabilitate) 0,309172 0,445145 0,354441 0,351603
Observations(unităţi observate) n1i = 52 n1S = 52 n2i = 54 n2S = 54
Coeficient de variaţie în % 26,6561 23,5426 26,5286 25,0926

Toate seriile de date sunt omogene, uşor asimetrice şi aplatisate, dar şi normal distribuite
conform valorii testului Jarque Bera. Reamintind că valoarea critică a testului Jarque-Bera
pentru un prag de semnificaţie statistică de 0,05 este 5,99, iar pentru 0,01 este de 9,21, altfel
spus, dacă statistica JB calculată pentru toate seriile sau distribuţiile de date empirice ale
variabilei notă este mai mare de 5,99 se respinge ipoteza nulă (H0: seria este normal
distribuită) cu un nivel de încredere în 95 de cazuri din 100, iar în cazul unor valori mai
mari de 9,21 se respinge ipoteza normalităţii seriei de date cu o probabilitate garantată în 99
de cazuri din 100. Aşa cum se poate constata în cazul tuturor celor patru distribuţii empirice
valoarea testului JB nu poate decât să conducă la acceptarea ipotezei nule, respectiv a
normalităţii seriilor de date privind notele obţinute de elevi în cele patru eşantioane.

Jarque-Bera(test de normalitate) 2,347712 1,618709 2,074427 2,090503

124
Graficele de tip Kernel reconfirmă normalitatea distribuţiilor de note în experiment.

Figura nr. 4.9 Figura nr. 4.10

şi la nivel martor iniţial şi sumativ:

Figura nr. 4.11 Figura nr. 4.12

Aceste seturi de grafice pre şi post sau de tip iniţial şi final dezvăluie alura unor repartiţii
normale, semnificativ mai normalizate post sau final, respectiv după testul sumativ. Media
promovabilităţii (aici cu sensul de răspunsuri corecte) per item în cele patru eşantioane
alături de coeficientul de omogenitate general la nivelul fiecărui eşantion din cele patru de
tip gimnazial sunt expuse de o manieră sintetică în tabelul următor:
Tabel nr. 4.9
Codul Promovabilitatea Coeficientul de Observaţii
eşantionului medie gimnazială per omogenitate la
item (%) nivelul testului (%)
Experimental n1i 60,58 32,54 Omogenitate itemi
Martor n2i 62,24 32,87 Omogenitate itemi
Experimental n1S 73,76 33,97 Omogenitate itemi
Martor n2S 66,27 45,84 Heterogenitate itemi
Analiza promovabilităţii la nivel de item este extrasă din statisticile descriptive care mai
subliniază un alt aspect semnificativ, respectiv faptul că o concentrare a numărului de itemi
poate genera o majorare a amplitudinii dificultăţii itemilor şi chiar o dezomogenizare a

125
populaţiei procentelor de reuşită sau a promovabilităţii per item (cazul eşantionului martor
sumativ n2S), chiar în condiţii de normalitate a distribuţiilor de date specifice.

Tabel nr. 4.10

Eşantioane gimnaziale ale promovabilităţii itemilor
Sample (eşantionul itemilor) experimental martor experimental martor
iniţial n1i iniţial n2i sumativ n1S sumativ n2S
Mean (media) 60,57611 62,24278 73,76429 66,26857
Median (mediana) 54,81000 58,33500 75,96500 64,81500
Maximum (valoarea maximă) 96,15000 96,30000 98,08000 98,15000
Minimum (valoarea minimă) 30,77000 35,19000 13,46000 7,410000
Std. Dev. (abaterea standard) 19,71446 20,45635 25,05897 30,37565
Skewness (asimetria) 0,515848 0,504911 -0,903955 -0,369248
Kurtosis (boltirea) 2,094691 1,986640 3,230176 1,908233
Jarque-Bera(test de normalitate) 1.412987 1.534978 1,937552 1,013444
Probability (probabilitate) 0.493371 0.464177 0,379547 0,602467
Observations (itemi observaţi) 18 18 14 14
Coeficient de variaţie în % 32,5449 32,8654 33,9717 45,8372
Pasul 2. Enunţul ipotezelor admisibile constă în formularea ipotezei nule şi a celei
alternative. Ipoteza nulă H0:θ=θ0 sugerează că cele două medii sunt identice sau în forma
H0:θ-θ0 = 0 subliniază că diferenţă dintre medii este nulă sau nesemnificativă (diferenţa este
pur formală esenţa fiind aceeaşi), în timp ce ipoteza alternativă H1:θ ≠ θ0 sau H1:θ-θ0 ≠ 0
susţine contrariul, respectiv că mediile sunt semnificativ diferite. Se observă din statistica
descriptivă a tabelului nr. 7 că, dintre cele patru valori medii, trei sunt apropiate (6,538462;
6,574074 şi 6,6592593) iar cea de-a patra, care reprezintă media notelor obţinute ca urmare
a experimentului metodologic, este destul de depărtată 7,173077, astfel că se poate pune
logic întrebarea dacă diferenţa este cu adevărat semnificativă. O testare ar fi necesară
tocmai pentru a confirma acest fapt şi a valida eficienţa noii metodologii, altfel spus va
arăta dacă diferenţa poate fi acceptată pentru întreaga populaţie de elevi sau aceasta este
efectul aleator al prelevării eşantioanelor. Analog se poate pune şi problema dispersiilor
semnificativ diferite, aceleaşi trei eşantioane având dispersii apropiate (3,037707382;
,041577856 şi 2,736546371) rezultând din (Std.Dev)2, respectiv din (1,742902)2,
(1,744012)2 şi (1,654251)2 , valori care par a fi şi semnificativ mai mari decât (1,688730)2
echivalent cu 2,851809013. Principalele ipoteze nule pe care le susţine testarea sunt: a)
mediile eşantionului experimental sumativ (postformativ) şi iniţial (preformativ) sunt egale;
b) mediile eşantionului experimental sumativ (postformativ) şi media eşantionului martor
sumativ sunt egale. Se urmăreşte respingerea ipotezei nule în favoarea celei alternative, în
ambele situaţii validând prin asta că noua metodologie de predare a elementelor de teoria
probabilităţilor şi statistică matematică este eficientă prin noile rezultate obţinute de către
elevi. Ipoteza alternativă trebuie însă descrisă mult mai clar pentru a elimina situaţia în care
notele sunt semnificativ diferite, dar în sens negativ, schimbarea metodologică degradând
chiar nivelul anterior al mediei. Soluţia este aceea de a impune restricţia ca media
eşantionului experimental sumativ să fie semnificativ mai mare atât faţă de media
eşantionului experimental iniţial, cât şi faţă de media eşantionului martor sumativ sau altfel
scris H1:θ > θ0 (respectiv H1:θ - θ0> 0). Enunţul ipotezelor este însoţit de recunoaştere
prezenţei erorilor de genul I şi II cu o anumită probabilitate desemnată prin α (pragul de
semnificaţie pentru care se optează în raport cu specificitatea fenomenului şi resursele
experimentului) şi β (generator al valorii 1-β sau a puterii statistice a testului).

126
Pasul 3. Selectarea unui test în funcţie de distribuţia empirică cercetată şi confirmarea
repartiţiei teoretice asimilate testului este o subiteraţie exemplificată în cazul de faţă prin
alegerea testului z (atât pentru mediile variabilelor numerice, cât şi pentru mediile
variabilelor alternative exprimate prin procente sau ca proporţii) în locul lui t (distribuţia
redusă, normată sau standardizată fiind preferată distribuţiei Student). O altă problemă
derivată din contextul testării ar fi aceea legată de dorinţa expresă de a valorifica
suplimentar un test F pentru compararea mediilor populaţiilor, fapt ce conduce la
necesitatea de a cunoaşte dacă dispersiile celor două populaţii pot fi considerate egale sau
nu. Acest aspect se decide de regulă utilizând testul F, bazat pe distribuţia teoretică Fisher–
Snedecor. În experiment se poate face afirmaţia uşor de recunoscut că sunt îndeplinite
cerinţele testului clasic de comparare practică, prin existenţa a două populaţii (eşantion
experimental şi martor), caracterizate de o repartiţie normală a variabilelor conform testului
Jarque – Bera). Dar există şi reproşuri formulate în legătură cu aplicarea unui test F,
pornind de la faptul că şansa de a se obţine două eşantioane identice este extrem de redusă,
problema comparării eşantioanelor, analizată în sensul strict al cuvântului, devenind în
conformitate cu acest raţionament lipsită de importanţă. Alte opinii ce ar mai putea fi luate
în calcul sugerează că un test F de comparare trebuie efectuat în situaţia dată cele două
eşantioane dorind să substituie două populaţii (una care ar beneficia de noua metodologie şi
alta care nu ar beneficia). În principiu, am considerat redundant un al doilea test practic de
tipul testului F. Din acest expozeu sau din orice s-ar întâmpla în finalul testării, nu trebuie
să se uite niciodată însă că diferenţele dintre cele două eşantioane, ca şi similitudinea lor
parametrială pot fi generate atât de diferenţele dintre populaţii, cât şi de diferenţele de
sondaj dintre eşantioane (apărute prin prelevarea lor aleatoare).
Pasul 4. Clarificarea opţiunii pentru un anumit prag de semnificaţie (α) şi a tipului de test
unilateral sau bilateral este un pas dedus cu uşurinţă din cele descrise până aici. Opţiunea
pentru pragul de semnificaţie sau nivelul de relevanţă implică şi pe aceea pentru tipul de
test unilateral sau bilateral (one or two tailed), în raport cu care se delimitează regiunea de
respingere. Testul va fi unilateral dreapta, conform ipotezei alternative H1:θ > θ0 (respectiv
H1:θ - θ0> 0).
Pasul 5. Particularizarea prin valori limită sau valori critice a regiunii de respingere se
realizează pentru un anumit prag de semnificaţie (α) şi în urma consultării valorilor
teoretice (tabelate) ale testului respectiv (în acest caz testul z), identificând la final valoarea
lui z tabelat. Calculul gradelor de libertate este identic cu volumul eşantionului sau numărul
notelor diminuat cu 1, respectiv (n-1) iar în cadrul experimentului, un prag de semnificaţie
de 5% poate fi considerat suficient experimentului (α = 0,05), pentru care nivelul de
garantare al rezultatelor ca nivel cumulativ al probabilităţii ar fi (1-α) = 0,95. În acest stadiu
valoarea critică a testului z sau scorul critic al lui z pentru α = 0,05 este 1,6449 şi respectiv
2,23263 pentru α = 0,01.Scorurile critice z au fost obţinute pe baza pachetului de programe
de calcul ale distribuţiilor statistice clasice disponibile pe site-ul http://www.danielsoper.
com/statcalc nu pot fi preluate din tabele specializate. Selectarea testului unilateral dreapta
şi delimitarea zonei critice prin scorul critic al lui z pentru α = 0,05 şi α =0,01 sunt
prezentate grafic:
Figura nr. 4.13 Figura nr. 4.14

127
Preferinţa pentru α = 0,05 caracterizează marea majoritate a experimentelor de tip social,
educaţional etc. În final valoarea limită (critică) a testului z unilateral dreapta fiind ztabelat
=1,6449 ≈ 1,65 pentru α = 0,05 şi respectiv ztabelat =2,23263 ≈ 2,23 pentru α = 0,01 se
poate defini regiunea de respingere a ipotezei nule pentru valori mai mari ale statisticii
testului z sau regiunea critică va fi dată de valorile ce generează un zcalculat> ztabelat iar
regiunea de acceptare de valori mai mici.
Pasul 6. Calculul valorii statisticii testului pe baza datelor reale este complet diferit nu
numai de la un test la altul, ci şi în cadrul aceluiaşi test în raport cu ipotezele admisibile
enunţate, cu tipul de variabilă, cu natura eşantioanelor etc.
În experimentul analizat unde se compară mediile unor eşantioane egale, cu dispersii relativ
egale, relaţia de calcul a statisticii testului z sau zcalculat este
a) pentru compararea mediilor variabilei numerice din eşantioanele experimentale sumativ
x1 - x 2
şi iniţial, relaţia de calcul devine: z = ,unde mediile x1 şi x 2 , volumul
2 2
σ1 + σ 2
n
2 2
eşantionului n, precum şi dispersiile σ1 şi σ 2 deţin valori cunoscute din statistici descriptive.
7,173077 - 6, 538462
z1 calculat = = 1,885698 ≈ 1,89.
(1, 688730 ) + (1, 742902 )
2 2

52
b) analog se procedează pentru compararea mediilor variabilei numerice din
eşantioanele martor sumativ şi iniţial.
6, 592593 - 6, 574074
z2 calculat = = 0,056614 ≈ 0,06
(1, 654251) + ( 1, 744012 )
2 2

54
c) pentru compararea mediei variabilei numerice a eşantionului experimental
x1 - x 2
sumativ cu media eşantionului martor, relaţia de calcul devine: z = cu
σ n1 + σ 22 n 2
2
1

aceleaşi condiţionări privind cunoaşterea valorilor x1 şi x 2 , n1 şi n2, σ12 şi σ 22 .

7,173077 - 6, 592593
z3 calculat = = 1,786999 ≈ 1,79.
(1, 688730) (1, 654251)
2 2

+
52 54
d) pentru compararea proporţiilor în eşantioane de volum egal sau în acelaşi
eşantion după un experiment sau în cazul de faţă compararea mediilor variabilei alternative
(promovat/ nepromovat) între eşantioanele experimentale sumativ şi iniţial (acelaşi volum)
relaţia de calcul devine, unde n = 52 :
z4 calculat = p − p0 = 0,9423 − 0,8462 = 2,971957 ≈ 2,97.
p(1 − p) / n 0,9423 (1 − 0,9423 ) / 52
e) analog se procedează pentru compararea proporţiilor variabilei alternative
(promovat / nepromovat) din eşantioanele martor sumativ şi iniţial.

128
 z5 calculat = p − p0 = 0,8889 − 0,8889 =0
p(1 − p) / n 0,8889 (1 − 0,8889 ) / 54
e) pentru compararea proporţiilor în eşantioane independente [15, p.341] sau în
cazul experimentului compararea mediei variabilei alternative (promovat/nepromovat) în
eşantioane de volum inegal, vizează media eşantionului experimental sumativ şi media
eşantionului martor sumativ conform relaţiei: z = p-p0 p-p0 unde
≈
p(1-p/ n) * *
f (1-f ) × (1/ n1 +1/ n2 )
f * = ( n1p1 +n2p2 ) : ( n1 + n2 ) .
z6 calculat = p − p0 = 0,9423 − 0,8889 =0,986049 ≈ 0,99
* *
f (1 − f ) × (1 / n 1 + 1 / n 2 ) 0,9151(1 − 0,9151) × (1 / 52 + 1 / 54)
cu f* = (52×0,9423+54×0,8889) : (52+54) = 0,915096 ≈ 0,9151.
Pasul 7. Compararea valorii calculate a statisticii testului cu valoare teoretică sau tabelată
(distribuţia redusă, normată sau standardizată) poate aduce în discuţie pentru un test
unilateral trei situaţii teoretice: a) zcalculat > ztabelat; b) zcalculat = ztabelat; c) zcalculat < ztabelat, uşor
reductibile la numai două, în practica respingerii ipotezei nule H0 respectiv a) zcalculat > ttabelat
şi b) zcalculat ≤ zttabelat. În experimentul gimnazial situaţia pentru zcalculat pe tipuri de testări şi
în raport cu pragul de semnificaţie uzual α = 0,05 căruia îi corespunde o valoare limită
(critică) a testului z unilateral dreapta sau un ztabelat =1,6449 ≈ 1,65
Valori comparate în testarea ipotezelor privind mediile (proporţiile) eşantioanelor
Tabel nr. 4.11
Compararea mediilor eşantioanelor z calculat ztabelat /0,05
I. experimental sumativ cu experimental iniţial z1 calculat ≈ 1,89
II. martor sumativ cu martor iniţial z2 calculat ≈ 0,06 1,6449 ≈ 1,65
III. experimental sumativ cu martor sumativ z3 calculat ≈ 1,79
Compararea proporţiilor eşantioanelor z calculat ztabelat /0,05
IV. experimental sumativ cu experimental iniţial z4 calculat ≈ 2,97
V. martor sumativ cu martor iniţial z5 calculat = 0 1,6449 ≈ 1,65
VI. experimental sumativ cu martor sumativ z6 calculat ≈ 0,99
Pasul 8. Reglementarea deciziei statistice prin stabilirea detaliată a regulilor de validare a
ipotezei nule presupune formularea fără ambiguitate a trei seturi de interpretări distincte în
raport cu tipul de test bilateral, unilateral dreapta şi stânga. Desigur că distribuţiile
specifice, pragurile de semnificaţie (α) şi numărul gradelor de libertate multiplică practic de
la test la test această reglementare, dar ipotezele şi modul de decizie rămân practic valabile.
Deciziile din setul de comparaţii ale mediilor, respectiv în cazul A, confirmă eficienţa noii
metodologii prin validarea ipotezei alternative, în ambele testări referitoare la eşantionul
experimental sumativ comparat cu cel iniţial experimental sau cu eşantionul martor sumativ
(ambele identifică o diferenţă semnificativă între medii), iar în cazul testării mediilor celor
două eşantioane martor iniţial şi sumativ, prin acceptarea ipotezei nule se confirmă calitatea
de control a acestui tip de eşantion pe parcursul experimentului. Deciziile în cazul B devin
aparent contradictorii (cazul proporţiilor promovaţilor/nepromovaţilor), se acceptă ipoteza
alternativă la compararea propriilor eşantioanelor sumativ şi experimental şi se respinge la
compararea eşantionului experimental sumativ cu cel martor sumativ. Decizia nulă
acceptată şi validată în cazul proporţiilor în eşantionul martor între stadiul iniţial şi cel
sumativ reconfirmă calitatea de control a acestui eşantion.
Valorile comparate în testarea ipotezelor privind mediile şi proporţiile eşantioanelor

129
Tabel nr. 4.12
Decizia finală privind testarea ipotezei nule Relaţia dintre Ipoteza acceptată
A. Compararea mediilor eşantioanelor z calculat şi ztabelat /0,05 (validată)
I.experimental sumativ cu experimental iniţial 1,89>1,65 sau zcalculat >z tabelat H1:θ>θ0 sau H1:θ-θ0>0
II.martor sumativ cu martor iniţial 0,06<1,65 sau zcalculat<z tabelat H0:θ=θ0 sau H0:θ-θ0=0
III.experimental sumativ cu martor sumativ 1,79>1,65 sau zcalculat >z tabelat H1:θ>θ0 sau H1:θ-θ0>0
B.Compararea proporţiilor eşantioanelor z calculat şi ztabelat /0,05 ztabelat /0,05
IV.experimental sumativ cu experimental iniţial 2,97>1,65 sau zcalculat >z tabelat H1:θ>θ0 sau H1:θ-θ0>0
V. martor sumativ cu martor iniţial 0 <1,65 sau z calculat < z tabelat H0:θ=θ0 sau H0:θ-θ0=0
VI.experimental sumativ cu martor sumativ 0,99<1,65 sau zcalculat<z tabelat H0:θ=θ0 sau H0:θ-θ0=0
Pasul 9. Asumarea deciziei statistice privind ipotezele formulate (acceptare sau
respingere), reformularea în limbajul specific al fenomenului testat şi aplicarea ei finală se
fac conform valorilor comparate. Ipoteza nulă a fost respinsă, mediile nu sunt egale, notele
între cele două eşantioane experimentale (iniţial şi sumativ) şi între eşantionul experimental
sumativ şi cel martor sumativ s-au modificat semnificativ, în sensul creşterii sensibile a
mediei notelor din eşantionul experimental sumativ faţă de cel iniţial, majorare confirmată
şi în raport cu media eşantionului martor sumativ. Decizia finală referitoare la medii,
conform acceptării ipotezei alternative relevă o diferenţă semnificativă testată şi validată,
care poate fi exprimată în limbajul specific al procesului de predare a matematicii astfel:
noua metodologie de predare a elementelor de teoria probabilităţilor şi statistică
matematică, conform dovezilor oferite de rezultatele testării, s-a dovedit mult mai eficientă
în plan educaţional, impactul ei fiind vizibil şi cuantificabil în ansamblu. Calitatea acestei
testări şi a deciziei finale este confirmată de testarea contradictorie a proporţiilor celor
promovaţi şi nepromovaţi. Cea de-a doua abordare legată de fenomenul de promovabilitate
este contradictorie, prin rezultatele favorabile aparent la nivel sumativ experimental dar
neomologate la nivel de martor, fiind totuşi recunoscut faptul că nici o metodologie nu
poate ajuta să înveţe pe cineva care nu doreşte efectiv sau nu are aptitudinile minime (elevii
ce vor deveni repetenţi sau vor abandona sistemul, nepromovând practic în sistemul liceal
ulterior). Se remarcă de asemenea că numărul de ore pe această temă în gimnaziu este
foarte mic şi populaţia şcolară nu a fost filtrată încă de un examen semnificativ (cazul liceal
fiind acela opus şi necontradictoriu, al unei populaţii deja selectate ca nivel minim admis şi
sub aspectul volitiv educaţional, prin simpla înscriere la liceu în urma unei complexe
examinări a cunoştinţelor matematice ale elevilor. Nu există practic suficiente dovezi
pentru a stabili că cele două proporţii de promovabilitate în eşantionul experimental
sumativ şi martor sumativ sunt semnificativ diferite, lucru de altfel natural la populaţia
gimnazială încă neselectată riguros de nici un examen. Eşantionul gimnazial martor îşi
îndeplineşte cu succes funcţia de control prin compararea mediilor şi proporţiilor între
stadiul iniţial şi sumativ.
B. Testarea practică a ipotezelor experimentului la nivel liceal valorificând criteriul
cantitativ sau al frecvenţelor absolute şi cel calitativ al promovabilităţii sau al proporţiilor
(frecvenţelor relative), reia mai întâi de o manieră sintetică testarea anterioară, expunând
mai întâi distribuţiile empirice ale celor patru eşantioane liceale:
Notele obţinute la testul iniţial în eşantionul experimental liceal
Tabel nr. 4.13
Nota obţinută (xi) 4 5 6 7 8 9 10 Total
Număr de elevi(ni) 6 8 11 13 9 5 3 n3i=55
Frecvenţa relativă (%) 10,91 14,55 20,00 23,64 16,36 9,09 5,45 100
Notele obţinute la testul sumativ în eşantionul experimental liceal
Tabel nr. 4.14
Nota obţinută (xi) 4 5 6 7 8 9 10 Total
Număr de elevi(ni) 1 7 13 11 9 9 5 n3S=55
Frecvenţa relativă (%) 1,82 12,73 23,64 20,00 16,36 16,36 9,09 100
130
 Notele obţinute la testul iniţial în eşantionul martor liceal
Tabel nr. 4.15
Nota obţinută (xi) 4 5 6 7 8 9 10 Total
Număr de elevi(ni) 4 10 12 13 7 4 2 n4i=52
Frecvenţa relativă (%) 7,69 19,23 23,08 25,00 13,46 7,69 3,85 100
Notele obţinute la testul sumativ în eşantionul martor liceal
Tabel nr. 4.16
Nota obţinută (xi) 4 5 6 7 8 9 10 Total
Număr de elevi(ni) 5 12 11 7 9 5 3 n4S=52
Frecvenţa relativă (%) 9,62 23,08 21,15 13,46 17,30 9,62 5,77 100
şi proporţiile promovaţilor şi nepromovaţilor la nivel de eşantion experimental sau martor
şi test iniţial sau sumativ:
Proporţiile promovaţilor şi nepromovaţilor în eşantioanele liceale
Tabel nr. 4.17
Proporţia celor Eşantion Eşantion Eşantion Eşantion
promovaţi (p) şi experimental experimental martor martor
nepromovaţi (1-p) iniţial n3i sumativ n3s iniţial n4i sumativ n4
p 0,8909 0,9818 0,9231 0,9038
(1-p) 0,1091 0,0182 0,0769 0,0962
Se expun riguros statisticile descriptive atât ale notelor propriu-zise:
Tabel nr. 4.18
Eşantionul liceal
Sample (eşantion) experimental experimental martor martor
iniţial n3i sumativ n3S iniţial n4i sumativ n4S
Mean (media) 6,690909 7,218182 6,557692 6,576923
Median (mediana) 7,000000 7,000000 6,500000 6,000000
Maximum (valoarea maximă) 10,00000 10,00000 10,00000 10,00000
Minimum (valoarea minimă) 4,000000 4,000000 4,000000 4,000000
Std. Dev. (abaterea standard) 1,654094 1,595026 1,526414 1,718939
Skewness (asimetria) 0,130597 0,135894 0,307158 0,324336
Kurtosis (boltirea) 2,295134 2,036621 2,523222 2,100543
Jarque-Bera (test de normalitate) 1,294925 2,296175 1,310188 2,664561
Probability (probabilitate) 0,523372 0,317243 0,519393 0,263875
Observations (unităţi observate) n3i = 55 n3S = 55 n4i = 52 n4S = 52
Coeficient de variaţie în % 24,7215 22,0973 23,2767 26,1359
cât şi ale promovabilităţii la nivel de item
Tabel nr. 4.19
Eşantioane liceale ale promovabilităţii procentual a
Sample (eşantionul itemilor) itemilor
experimental martor experimental martor
iniţial n3i iniţial n4i sumativ n3S sumativ n4S
Mean (media) 61,03929 61,26214 69,88130 60,29217
Median (mediana) 61,81500 64,42500 70,91000 59,62000
Maximum (valoarea maximă) 92,73000 94,23000 98,18000 98,18000
Minimum (valoarea minimă) 9,090000 7,690000 32,73000 21,15000
Std. Dev. (abaterea standard) 28,39821 29,90524 22,06182 25,82510
Skewness (asimetria) -0,568655 -0,592257 -0,186834 0,029468
Kurtosis (boltirea) 2,121553 2,207198 1,656464 1,673531

131
 Jarque-Bera (test de normalitate 1,204668 1,185106 1,863686 1,689534
Probability (probabilitate) 0,547532 0,552914 0,393827 0,429657
Observations (itemi observaţi) 14 14 23 23
Coeficient de variaţie în % 46,52 48,53 31,5704 42,8333
Pentru testarea normalităţii distribuţiilor empirice s-a valorificat testul Jarque – Bera care
confirmă normalitatea seriilor de date din aceste eşantioane care deţin valori ale testului
sub valoarea critică 5,99 pentru un prag de semnificaţie statistică de 0,05 şi admit ipoteza
nulă de normalitate a distribuţiei empirice.
Jarque-Bera (test de normalitate) 1,294925 2,296175 1,310188 2,664561
Media promovabilităţii (aici cu sensul de răspunsuri corecte) per item în cele patru
eşantioane alături de coeficientul de omogenitate general la nivelul fiecărui eşantion din
cele patru sunt expuse de o manieră sintetică în tabelul următor:
Promovabilitatea medie per item şi coeficientul de omogenitatea în experiment şi martor
Tabel nr. 4.20
Codul Promovabilitatea medie Coeficientul de Observaţii
eşantionului liceală per item (%) omogenitate (%)
Experimental n3i 61,03929 46,52 Heterogenitate itemi
Martor n4i 61,26214 48,53 Heterogenitate itemi
Experimental n3S 69,88130 31,57 Omogenitate itemi
Martor n4S 60,29217 42,83 Heterogenitate itemi
Testarea axată pe mediile şi proporţiile obţinute în eşantioanele liceale relevă succesiv
următoarele valori ale statisticii z, determinate similar ca procedură şi relaţii de calcul cu
testarea eşantioanelor gimnaziale dar sintetizată în tabele pentru compararea iniţială:
Valorile comparate în testarea ipotezelor privind mediile şi proporţiile eşantioanelor liceale
Tabel nr. 4.21
Compararea mediilor eşantioanelor z calculat ztabelat /0,05
I. experimental sumativ cu experimental iniţial z1 calculat = 1,701745 ≈ 1,70
II. martor sumativ cu martor iniţial z2 calculat = 0,061063 ≈ 0,06 1,6449 ≈ 1,65
III. experimental sumativ cu martor sumativ z3 calculat = 1,997327 ≈ 2,00
Compararea proporţiilor eşantioanelor z calculat ztabelat /0,05
IV.experimental sumativ cu experimental iniţial z4 calculat = 5,043105 ≈ 5,04
V. martor sumativ cu martor iniţial z5 calculat = -0,471993 ≈ - 0,47 1,6449 ≈ 1,65
VI. experimental sumativ cu martor sumativ z6 calculat = 1,743136 ≈ 1,74
şi pentru decizia finală.
Valorile comparate în testarea ipotezelor privind mediile şi proporţiile eşantioanelor liceale
Tabel nr. 4.22
Decizia finală privind testarea ipotezei nule Relaţia dintre Ipoteza acceptată
A. Compararea mediilor eşantioanelor z calculat şi ztabelat /0,05 (validată)
I.experimental sumativ cu experimental iniţial
1,70>1,65 sau zcalculat>z tabelat H1:θ>θ0 sau H1:θ-θ0>0
II.martor sumativ cu martor iniţial 0,06<1,65 sau z calculat<z tabelat H0:θ=θ0 sau H0:θ-θ0=0
III.experimental sumativ cu martor sumativ 2,00>1,65 sau zcalculat >z tabelat H1:θ>θ0 sau H1:θ-θ0>0
B.Compararea proporţiilor eşantioanelor z calculat şi ztabelat /0,05 ztabelat /0,05
IV.experimental sumativ cu experimental iniţial
5,04>1,65 sau zcalculat >z tabelat H1:θ>θ0 sau H1:θ-θ0>0
V. martor sumativ cu martor iniţial -0,47<1,65 sau zcalculat<ztabelat H0:θ=θ0 sau H0:θ-θ0=0
VI.experimental sumativ cu martor sumativ 1,74<1,65 sau zcalculat >z tabelat H1:θ>θ0 sau H1:θ-θ0>0
Deciziile din setul de comparaţii ale mediilor, respectiv în cazul A, confirmă eficienţa noii
metodologii şi în învăţământul matematic liceal, prin validarea ipotezei alternative, în
ambele testări referitoare la eşantionul experimental sumativ comparat cu cel iniţial
experimental sau cu eşantionul martor sumativ (ambele identifică o diferenţă semnificativă
132
între medii). Faptul că populaţia elevilor de liceu filtrată anterior printr-un examen axat pe
cunoştinţele din domeniul matematicii este implicit mai omogenă şi au dispărut cei cronic
inadecvaţi unui nivel matematic superior, fac ca deciziile în cazul B să devină
necontradictorii (cazul proporţiilor promovaţilor/nepromovaţilor), unde se acceptă ipoteza
alternativă pentru compararea propriilor eşantioanelor sumativ cu experimental dar şi
experimental sumativ cu martor sumativ. Decizia nulă validată şi în cazul testării mediilor
celor două eşantioane martor iniţial şi sumativ, dar şi în cazul proporţiilor în eşantionul
martor între stadiul iniţial şi cel sumativ reconfirmă calitatea de control a eşantionului
martor şi pe parcursul experimentului liceal. Asumarea deciziei statistice privind ipotezele
formulate (acceptare sau respingere), reformularea în limbajul specific al fenomenului
testat şi aplicarea ei finală se fac conform valorilor comparate. Ipoteza nulă a fost respinsă
la nivel liceal, atât în ceea ce priveşte media cât şi proporţia, mediile notelor la teste şi
proporţiile promovat /nepromovat fiind semnificativ diferite Decizia finală referitoare la
medii şi proporţii, conform acceptării ipotezei alternative relevă o diferenţă semnificativă
testată şi validată, care poate fi exprimată în limbajul specific al procesului de predare a
matematicii astfel: noua metodologie de predare a elementelor de teoria probabilităţilor şi
statistică matematică în liceu, conform dovezilor oferite de rezultatele testării, s-a dovedit
mult mai eficientă în plan educaţional, impactul ei fiind vizibil şi cuantificabil în ansamblu.
Eşantionul liceal martor îşi îndeplineşte cu succes funcţia de control prin compararea
mediilor şi proporţiilor între stadiul iniţial şi sumativ.

2.O firmă se aprovizionează de la doi furnizori şi conform datelor doreşte să

renunţe la furnizorul B care are după trei luni o cotă de rebuturi mai mare:

Tabel nr. 4.23

Furnizor Rebuturi Bune Total Rezolvare: Decizia se va lua pe baza testului
firma_a 20 1680 1700 t al diferenţei dintre două medii. Se introduc
firma_b 30 1970 2000 datele EViews (Quick _ Empty Group)
Total 50 3650 3700
unde:
X – variabila independentă cu valorile:
x1 – furnizorul A şi x2 – furnizorul B
Y – variabila dependentă cu valorile:
y1 – piese rebut şi y2 – piese bune

Se selectează cele două variabile firma_a şi firma_b pentru a putea fi vizualizate şi din
meniul View se alege comanda Tests of Equality şi opţiunea Mean:

133
 La final se obţine statistica testului t

Pentru un prag de semnificaţie α = 0,05 într-un un test bilateral (α/2=0,025) se preia

valoarea t0,025 = 1,96 şi se constată că tcalculat< ttabelat ceea ce arată că între calitatea
pieselor livrate de cei doi furnizori, nu se poate accepta o diferenţă semnificativă şi că nu
este corectă decizia de a se renunţa la furnizorul B pe motivul unei mai slabe calităţi a
pieselor (încă nu se deţin suficiente dovezi în acest sens). Aceasta se confirmă şi din analiza
probabilităţii critice pcritică>α. Probabilitatea critică este 1-0,9172 = 0,0828 sau 8,28%. Cum
0,0828 > 0,05 se reiterează concluzia că nu se poate respinge ipoteza nulă H0, pentru H1.

3.Problema conţinutului real al unui lot de pungi de zahăr este tratată statistic
pornind de la ipoteza că fiecare pungă trebuie să conţină 1 kg. Pentru a putea
identifica abaterile în ambele sensuri de la această cantitate, se extrage un
eşantion de 12 pungi la care se identifică o medie de 0,988 kg şi o abatere
standard de 0,01963 kg. Pentru un prag de semnificaţie al testului t de 0,02 să
se determine dacă se acceptă ipoteza nulă, respectiv greutatea pungilor este de
un kilogram în medie. Notă: Datele din eşantion sunt: 1,021; 0,982; 0,974;
0,958; 1,006; 0,988; 1,016; 0,975; 0,991; 0,977; 1,001; 0,967.
Rezolvare: Se introduc datele în pachetul EViews şi se determină valorile mediei şi abaterii
standard. File →New →Work file... urmat de Quick→Empty Group(edit series) precum şi
de Quick→Series Statistics→Histograms and Stats. Testul ce va fi folosit va fi testul t.
Enunţul ipotezelor admisibile este: H0: X 0 =1 şi H1: X 0 ≠ 1 ( X 0 <1 sau X 0 >1) iar
volumul eşantionului este n = 12.Populaţia are o distribuţie normală conform statisticii
descriptive a eşantionului, iar volumul acestuia este mic (n<30) ambele afirmaţii motivând
alegerea testului t. Testul Jarque-Bera a cărui statistică este asimptotică unei distribuţii χ2
(cu două grade de libertate) reconfirmă normalitatea distribuţiei cu ajutorul valorilor
statistice ale coeficientului de asimetrie (Skewness) şi boltire (Kurtosis). Ipoteza nulă a
testului susţine că seria empirică este normal distribuită şi este acceptată atunci când
probabilitatea asociată testului este superioară unui sau nivel (prag) de semnificaţie ales α
(0.01; 0.05; 0.1).

134
 x − X0 0,988 −1,000
Statistica testului este dată de relaţia tcalculat= n= 12 = -2,117853 iar
Sx 0,019628
ttabelat α/2; n-1 g.d.l. sau ttabelat 0,01; 11 = 2,718. Regiunea critică este tcalculat< - ttabelat 0,01; 11
sau tcalculat>ttabelat 0,01;11, dar valoarea lui tcalculat cade în zona de acceptare tcalculat>- ttabelat
a ipotezei nule H0: X 0 =1.Conform deciziei finale se acceptă ipoteza nulă, greutatea medie
a pungilor este de un kilogram.Utilizarea instrucţiunilor EViews conduce la acelaşi rezultat.

Pachetul specializat de programe EViews

permite calculul valorilor distribuţiilor de
probabilitate, cuantilelor şi generează numere
întâmplătoare în raport cu distribuţiile selectate.
În cazul de faţă se valorifică distribuţia t
Student şi pentru t calculat=2,117853, respectiv
pentru un număr de 11 grade de libertate se
solicită calculul probabilităţii critice ce vor fi
ulterior comparate cu α, prin instrucţiunea:
scalar probt=@ctdist(2.117853,11). Aceasta
conduce la crearea fişierului probt în cadrul
fişierului de lucru, care odată deschis arată o
valoare pcritică de 1-0.9711= 0,0289 comparativ
cu α = 0,002. Interpretarea probabilităţii critice
a testului pcritică>α, reconfirmă valabilitate
ipotezei nule, greutatea pungilor de zahăr fiind
în medie de un kilogram.

Notă: Câteva instrucţiuni utile în testarea cu programul EViews sunt prezentate mai jos:

135
Tabel nr. 4.24
Instrucţiunea (pe primul rând liber) Valori ce se trec între paranteze şi rezultate finale
scalar pnorm=@cnorm(valoare) Valoarea limită a regiunii de respingere (critice).
Rezultatul este probabilitatea critică (distribuţia normală).
scalar qnorm=@qnorm(valoare) Valoarea probabilităţii critice a variabilei.
Rezultatul este o cuantilă (distribuţia normală).
scalar probt=@ctdist(val1;val2) Val1=valoarea limită şi val2 = grade de libertate
Rezultatul este probabilitatea critică (distribuţia t).
scalar qt=@qtdist(val1;val2) Val1=probabilitatea critică şi val2 = grade de libertate
Rezultatul este o cuantilă (distribuţia t)
Analog se procedează şi pentru testele hi-pătrat şi F cu precizarea că sintaxa se modifică
din norm sau dist în chisq (val1;val2) şi dist(val1;val2; val3).

4.Patronul unui hotel doreşte să ştie dacă o campanie de publicitate TV, care a
durat 30 de zile, a condus la creşterea semnificativă a încasărilor medii zilnice,
fiind evaluate 91 de zile înainte (n1) de derularea publicităţii şi 61 de zile după
(n2), cu mediile şi abaterile standard (în euro) de x1 = 4255 şi x 2 = 4608 ,
respectiv s1=615 şi s2=641. Testaţi ipoteza nulă pe baza parametrilor calculaţi.
Rezolvare: Ipoteza nulă este H0: x1 − x 2 = 0
iar volumul eşantioanelor impune un test z
unilateral stânga, ipoteza patronului fiind
H1: x1 − x 2 <0.Se valorifică limita economi-
că a nivelului (pragului) de semnificaţie α =
0,05 pentru care z tabelat α=0,05 = 1,64485 ce se
determină cu EViews prin instrucţiunea
scalar Qnorm=@qnorm(0.95)

x1 − x 2 4255 − 4608
Statistica testului z este: z
calculat = 2
=
2
= −3, 382357
2 2
s1 s2 615 641
+ +
n1 n2 91 61
z calculat= - 3,382357 < - z tabelat = - 1,64485 pentru un nivel (prag) de semnificaţie α = 0,05.
Statistica testului fiind situată în regiunea
critică reglementarea deciziei conform zcalculat în
testul unilateral stânga arată că se respinge
ipoteza nulă H0: x1 − x 2 =0 şi se acceptă ipoteza
alternativă H1: x1 − x 2 <0. Campania publicitară
a fost cea care a dus la creşterea semnificativă a
încasărilor medii zilnice, fapt reconfirmat de
probabilitatea critică a testului p critică ≤ α prin
instrucţiunea EViews captată alăturat: scalar
Pnorm =@cnorm(-3.382357) iar valoarea
p critică = 0,000359 ≤ α = 0.05

5.Pentru distribuţia empirică următoare: 85, 59, 66, 81, 35, 57, 55, 63, 63, 66 să
se testeze setul de ipoteze admisibile: H0: σ 2 = 100 şi H1: σ 2 >100, cu un nivel
(prag de semnificaţie al testului de 0,05) valorificând un test χ2 (hi-pătrat).
136
Rezolvare: Abaterea standard a distribuţiei din micul eşantion este determinată prin
statistica descriptivă a programului EViews(S=13,84839) iar dispersia devine S2=191,7779.

Prin View→Tests for descriptive stats→Simple hypothesis test se ajunge la valoarea testului
2
χ2 (hi-pătrat) de 17,26 în raport cu ipoteza nulă H0: σ =100 şi α=0,0448.

La aceeaşi nivel al lui χ2 (hi-pătrat) se ajunge calculând mai întâi valoarea dispersiei:
n
∑ (x − x) 2
i 1726, 2
2 i =1
S = = = 191,8
n −1 9
şi mai apoi determinând valoarea statisticii testului χ2:
2
2 ( n − 1)S 1726,2 2
χ = = = 17,26 iar χ = 16,92
calculat σ
2
100 tabelat0.05;9
Reglementarea deciziei de respingere a ipotezei nule pentru testul unilateral dreapta
2 2
fiind îndeplinită χcalculat > χtabelatα ,n−1 se acceptă ipoteza alternativă conform căreia
2
dispersia este mai mare decât 100 (H1: σ >100).
137
6.Într-un articol de promovare a investiţiilor financiare în turismul insular în
raport cu cel continental european se compară abaterile medii pătratice
calculate în urma declaraţiei în interval de venituri a celor ce preferă turismul
insular şi a celor ce preferă turismul continental, respectiv S1=38,7 mii euro şi
S2=28,3 mii euro, subliniind accesibilitatea diferită a celor două populaţii de
turişti din care s-au extras eşantioanele n1=1000 şi n2=500 persoane,concluzia
fiind că împrăştierea veniturilor pentru turiştii ce preferă zona insulară este
semnificativ mai mare, conform unui test F aplicat pentru un nivel (prag) de
semnificaţie α = 0,05. Verificaţi dacă este adevărată concluzia articolului.
Rezolvare: Articolul subliniază în fapt pornind de la abaterile medii pătratice ale turiştilor
chestionaţi (selectaţi aleator) că dispersiile sunt semnificativ diferite şi respinge ipoteza
nulă. Pentru a verifica dacă afirmaţia este adevărată sau falsă se aplică testul F. Ipoteza nulă
2 2 2 2
care descrie egalitatea dispersiilor H 0 : σ 1 − σ 2 = 0 îşi schimbă forma în H 0 : σ 1 / σ 2 = 1
în cadrul testului F. La numărător se va trece dispersia mai mare, testul F devenind astfel un
test unilateral dreapta, reglementarea deciziei de respingere a ipotezei nule decurgând
astfel: se respinge H0 dacă Fcalculat este mai mare ca F tabelat, afirmaţia despre egalitatea
2
Smax
dispersiilor fiind falsă. Aşadar pentru simplificare se prefera F = , ipoteza nulă
calculat 2
Smin
fiind respinsă dacă Fcalculat > Ftabelat .Statistica testului sau Fcalculat = (38,7)2 : (28,3)2 = 1,87
iar valoarea lui Ftabelat α ; n1 -1; n2-1=Ftabelat 0.05; 999; 499; ≈ 1,38. Regiunea critică (pentru
α = 0,05 ) este dată de F tabelat 0.05; 999; 499; ≈ 1,38 şi cum Fcalculat > F tabelat se respinge
ipoteza nulă şi se acceptă ipoteza alternativă, conform căreia împrăştierea veniturilor pentru
turiştii ce preferă o destinaţie insulara este semnificativ mai mare decât cea a turiştilor ce
preferă una continentală. Concluzia articolului este una adevărată şi investiţia argumentată.

C. Aplicaţii propuse spre rezolvare

1. Pentru distribuţia empirică 79, 86, 69, 56, 73, 45, 57, 65, 69, 83, 72, 84,
să se testeze setul de ipoteze admisibile: H0: σ 2 =100 şi H1: σ 2 >100, cu un
prag de semnificaţie = 0,01, utilizând un test χ2 (hi-pătrat).
2.Un eşantion selectat aleator a fost alcătuit din 12 autoturisme care au
beneficiat de un tip vechi şi de unul nou de anvelope şi cărora li s-a măsurat
distanţa parcursă până la uzura lor totală. Pornind de la datele din tabelele
de mai jos se poate afirma că distanţa medie parcursă cu noul tip de
anvelope şi cu vechiul tip diferă semnificativ între ele pentru un nivel de
relevanţă al testului de 0.05?
Tabel nr. 4.25
Autoturism 1 2 3 4 5 6 7 8 9 10 11 12
Distanţa în mii de km cu anvelope noi 57 64 92 62 81 87 61 62 74 62 67 98
Distanţa în mii de km cu anvelope vechi 45 50 89 56 78 75 50 49 70 66 58 69
3.Un magazin primeşte reclamaţii privind lipsa continuă a unei cantităţi de
detergent din pachetele ambalate de o firmă producătoare nouă, care trebuie
să conţină 3 kg / pachet.Pentru aceasta se valorifică datele dintr-un eşantion
extras aleator şi se selectează 100 de pachete, pentru care se calculează o
medie de 2,81 kg şi o dispersie de 0,25 respectiv o abatere medie pătratică
138
de 0,5gk. Pentru un prag de semnificaţie α = 0,01 sau nivel de încredere (1-
α) de 0,99 să se determine dacă se acceptă ipoteza nulă, conform căreia
greutatea pachetelor de detergent este în medie de 3 kg. (Aplicarea testului z
conform repartiţiei tabelate impune un z α/2 = z0,005 = 2,575).
4. Compania X doreşte să cunoască profilul încasărilor agenţiei prestatoare
de servicii de asigurări în două pieţe financiare cu locaţii diferite. Pentru
aceasta se compară dispersia încasărilor agenţiilor de pe cele două pieţe.
Datele distribuţiilor încasărilor anuale sunt exprimate în milioane lei şi sunt
aproximativ normal distribuite, abaterile medii pătratice fiind de 2543
milioane lei şi 2019 milioane lei şi provin din două eşantioane aleator
extrase de volum 60 şi respectiv 50 agenţii. Utilizând un nivel de relevanţă
al testului de 0,05 cu o valoare tabelată a statisticii specifice F0,05; 59;49 =
1,64 să se decidă dacă există o dispersie semnificativ diferită în distribuţia
încasărilor pe cele două pieţe financiare delimitate de cele două locaţii.

D.Bibliografie opţională
Akaike, H., Information theory and an extension of the maximum likelihood principle. In B.
Petrow and F. Csake (Eds.), Second International Symposium on Information Theory, pp.
267–281, Akademiai Kiado, 1973.
Breusch, T.S., Pagan, A.R., A simple test for heteroscedasticity and random coefficient
variation, Econometrica 47 (5), pp. 1287–1294, 1979.
Dickey, D.A., Fuller, W.A.,Distribution of the estimators for autoregressive time series
with a unit root, Journal of the American Statistical Association 74 (366), 427–431, 1979.
Durbin, J.,Watson, G.S.,Testing for serial correlation in least squares regressio Biometrika
37 (3-4), pp.409–428, 1950.
Fisher, R. A., On the mathematical foundations of theoretical statistics. Philosophical
Transactions of the Royal Society of London, Series A 222, pp. 309–368, 1922.
Godfrey, L.G., Testing for serial correlation by variable addition in dynamic models
estimated by instrumental variables. The Review of Economics and Statistics 76 (3), pp.
550–559, 1994.
Lütkepohl, H., Handbook of matrices. John Wiley & Sons, 1996
Magnus, J. R. Neudecker, H., Matrix differential calculus with applications in statistics and
econometrics. John Wiley & Sons, 1999.
Săvoiu, G., Antonescu, L., Testarea şi validarea statistică a eficienţei introducerii unei noi
metodologii de predare a Elementelor de teoria probabilităţilor şi statistică matematică,
Reista romană de statistică, supliment nr 3 /2011, pag. 95-103.
Săvoiu, G. et al., .Econometrics models versus physics models and their final connections
with social economic reality, the educational system and scientific research Publisher:
George Bacovia University, Bacău http:// www. ugb.ro/ vol XIII issue no2/2010, pp. 32-44
Săvoiu, G., Popa, S., Statistical Limitations In Timing and Restrictions Of Comparability in
Addressing Foreign Direct Investment (FDI), in Romania’s Market Economy. Romanian
Statistical Review, 60(2), pp. 61-80, 1998.
Wald, A., Tests of statistical hypotheses concerning several parameters when the number
of observations is large. Transactions of the American Mathematical Society 54 (3), 426–
482. 1943.
White, H., A heteroskedasticity-consistent covariance matrix estimator and a direct test for
heteroskedasticity. Econometrica 48 (4), 817–838, 1980.

139
 CAPITOLUL V

Specificare, parametrizare şi testare în modelul regresiei

unifactoriale
Cuprins Pagina
1. Aspecte generale privind modelul regresiei unifactoriale 141
2. Specificarea în modelul regresiei unifactoriale 143
3. Estimări ale parametrilor, ipoteze şi teste în regresia clasică unifactorială 146
4. Test de autoevaluare aplicaţii şi bibliografie opţională 155

Obiective: Obiectivul dominant este acela de a identifica, specifica, parametriza şi

testa relaţiile exprimate statistico–matematic dintre fenomenele economice în cadrul
modelului econometric al regresiei unifactoriale. Cunoaşterea teoretică a modelului
econometric al regresiei unifactoriale este finalizată prin realizarea practică a unui
model financiar concret, axat pe corelaţiile dintre preţuri, reflectate în doi indici
specifici economiilor de piaţă (IPC şi IPPI). O ţintă importantă, după parametrizarea şi
testarea modelului o constituie analiza atentă a variabilei reziduale cu ajutorul
facilităţilor oferite de programe specializate de tip EViews.
Cuvinte cheie: model econometric de regresie unifactorială, homoscedasticitate,
heteroscedasticitate, independenţă, autocorelare.

Bibliografie
Andrei, T., Bourbonnais, R., Econometrie, Ed. Economică, Bucureşti, 2008.
Andrei, T., Stancu, S., Iacob, A.I., Tuşa, E., Introducere în econometrie utilizând EViews,
Ed. Economică, Bucureşti, 2008.
Clocotici,V., Introducere în statistica multivariată,Ed.Universităţii, A.I. Cuza, Iaşi, 2007.
Isaic-Maniu, Al., (coord), Dicţionar de statistică generală, Ed.Economică, Bucureşti, 2003.
Jaba E. (coord.), Econometrie aplicată, Ed. Univ. Al. I. Cuza, Iaşi, 2008.
Jaba, E., Grama,A., Analiza statistică cu SPSS sub Windows, Ed. Polirom, Iaşi, 2004.
Pecican, E., Econometrie ... pentru economişti, Ed. Economică, Bucureşti, 2004.
Săvoiu, G., (coord.), Necşulescu, C., Econometrie Ed. Universitară, Bucureşti, 2009.
Săvoiu, G., Gândirea statistică aplicată, Ed.Universitară, Bucureşti, 2010.
Stock, J.H., Watson, M.W., Introduction to Econometrics, Addison – Wesley, 2003,
Taşnadi A., Econometrie, Ed. ASE Bucureşti, 2004.
Ţarcă, M., Tratat de statistică aplicată, Ed.didactică şi pedagogică, Bucureşti, 1998.
Trebici,V., Mica enciclopedie de statistică, Ed. ştiinţifică şi enciclopedică, Bucureşti, 1985.
Voineagu,V., Ţiţan,E., Şerban,R., Ghiţă,S., Tudose,D., Boboc,C., Pele,D., Teorie şi practică
econometrică, Ed Meteor Press, Bucureşti, 2007.
Quantitative Micro Software EViews 5.1 User’s Guide, Quantitative Micro Software,2005.

Webografie
*** http://www.eviews.com
*** http://www.ats.ucla.edu/stat/mult_pkg/whatstat/default.htm
*** http://www.stanford.edu/~pgbovine/stats.htm
*** http://statisticasociala.tripod.com/teh_par.htm

140
 V.1. Aspecte generale privind modelul econometric al regresiei
unifactoriale

În ce constă gândirea econometrică modelatoare modernă, optica

specifică şi originală în raport cu modelul statistic clasic al regresiei
unifactoriale? Pentru a răspunde mai rapid şi mai ales coerent la o astfel de
întrebare probabil că este necesară o retrospectivă succintă asupra
fenomenului gândirii cu accent pe specificitatea celei statistice în raport cu
modelarea. Gândirea modelatoare de început a susţinut primele sale modele
simple pe direcţia cauză–efect, afirmând despre cauzalitate că este bazată pe
experienţă, iar experienţa pe presupunerea viitorului, pornind de la modelele
trecutului. Dar presupunerea era şi ea bazată pe experienţă ceea ce a condus
la un cerc logic vicios. Treptat ieşirea din această spirală a modelării prin
date (experienţă) şi ipoteze (presupuneri) a generat un nou tip de
raţionament incipient econometric al modelării prin relaţionare, prin
corespondenţe, legături, prin teoretizarea acestora. Gândirea statistică
clasică, privită ca proces de teoretizare, devenit liantul realităţii cu teoria şi
pregătind modelarea econometrică, a impus simultan: a)teoretizarea
inductivă de la particular la general, prin corelarea mai multor discursuri
particulare (logic, matematic) se construieşte un discurs generalizator
sintetic sau din mai multe discursuri cu aceeaşi sferă de referinţă (economia,
demografia) pentru a se obţine un discurs cu o sferă ordonată, agregativă; b)
teoretizarea deductivă ce deţine un sens descendent, de subordonare a
particularului faţă de general, de derivare a unor structuri formale din alte
structuri formale, prin aplicarea unor reguli de dezagregare; c) teoretizarea
analogică explicarea şi interpretarea unui sistem mai puţin cunoscut şi
aparent inaccesibil cu ajutorul altui sistem cunoscut şi accesibil. Gândirea
clasică statistică a presupus şi o latură operatorie specifică, de procesare-
transformare, în accepţiunea informaţională. Procesarea şi transformarea
specifică acestei gândiri a devenit accentuat cantitativă şi relaţională.
Gândirea statistică integrată în cea econometrică este simultan emergentă,
încercând continuu să detaşeze dintr-o mulţime de cantităţi, amorfă şi
neordonată, calităţile, structuralitatea şi esenţa realităţii în model, dar şi
convergentă, reducând diversitatea la omogenitate şi unitate. Modelul
gândirii statistice clasice a deţinut capacitatea de a defini corect clase,
raporturi, de a comprima structuri, de a releva noţiuni corelative, de a
relaţiona indicatori prin precizie, calitate, concordanţă, compatibilitate
informaţională, de a descoperi şi restabili ordinea logică, de a formula şi
aplica instrumente, concepte, metode, tehnici, de a realiza predicţii, de a
formula concluzii, cu accent pe interpretarea rezultatelor şi, mai rar, pe
intuiţie, totul pornind de la o bază de date şi de la un volum apreciabil de
informaţii prelucrate. Toate acestea au produs un proces de transformare în
141
chiar gândirea clasică, integrând-o şi modernizând-o în noul concept de
gândire econometrică, consolidând trecerea de la identificare şi delimitare,
la definire şi descriere generală, de la dezvăluire şi analiza structurală (sau a
arhitecturii interne a unui fenomen atât de complex cum este cel economic
investigat), la cuantificarea elementelor sau componentelor funcţionale, dar
şi a rolului fiecăruia dintre ele în sistemul complex denumit de acum model
econometric. Gândirea econometrică a valorificat abilităţile generale ale
gândirii ştiinţifice: analiza (în subsidiar confruntarea), sinteza (în subsidiar
clasificarea), abstractizarea şi generalizarea. Complexitatea fenomenelor a
adus cu sine în gândirea econometrică modelarea şi previziunea, reunindu-le
în acelaşi model econometric. Gândirea econometrică modernă îşi modifică
accentul de pe cunoaştere prin teoretizare pe cunoaştere fundamentată pe
previziune, fiind tot mai mult preocupată de modelarea structurată pe
valorile de bază ale fenomenului, evenimentului, situaţiei (informaţia
relevantă pentru decizia de modelare axată pe testarea statistică), pe
valoarea aşteptată (pe principii de eficienţă şi optimizare corelate atât cu
valorile fenomenului, evenimentului, situaţiei, cât şi cu probabilităţile
acestora), pe funcţia de utilitate aşteptată (subiectivă prin criterii şi decizie),
precum şi pe valoarea efectului şi corectitudinii opţiunii sau alternativei
(evaluare critică a competitivităţii prin impact şi rezultat, dar mai ales prin
erori de previziune).
Nevoia de a lua decizii economice prompte şi cât mai puţin afectate de
erori, apare în întregul proces contemporan al identificării, construcţiei,
parametrizării, testării şi aplicării, validării sau invalidării, previziunii sau
simulării prin modelul econometric. Chiar şi modelul maxim condensat şi
simplificat, denumit modelul econometric al regresiei unifactoriale y = f(x)
+ ε a păstrat neîntinată dorinţa de a fi prompt şi neviciat (alterat) de erori
semnificative şi deţine prin reziduu ε un element de corecţie continuă a
modelului, un inventar al noilor influenţe factoriale, o urmă din trecutul
fenomenului către viitorul acestuia, prin simplul fapt că reuneşte o mulţime
de alţi factori neincluşi în model. Această variaţie reziduală măsoară şi
explică diferenţa dintre valorile reale (observate) ale lui y şi valorile
estimate prin model (fiind de altfel expresia cumulată a trei tipuri de erori:
de specificare, măsurare şi eşantionare). Variabilele y şi x au fost denumite:
estimată şi estimator (în prognoze), regresant şi regresor sau dependentă şi
independentă (în limbajul regresiei), efect şi cauză (în analize de cauzalitate
complexă), ţintă şi de control (în politici modelate). La final modelul
regresie a impus pentru y denumirea de variabilă endogenă şi pentru x de
variabilă exogenă. Atunci când numărul variabilelor de tip x a fost exclusiv
egal cu 1 modelul a fost denumit modelul regresiei simple, iar de la două
variabile exogene în plus a devenit modelul regresiei multiple. Analiza de
regresia şi-a conturat treptat specificitatea în raport cu analiza de corelaţie:
142
identificarea completă între y şi x ca variabile statistice aleatorii în corelaţie
diferenţiindu-se de independenţa tratamentului aplicat în regresie aceloraşi
două variabile y rămânând statistică sau aleatorie şi x devenind deterministă
sau funcţională.
Modelul econometric prezintă câteva avantaje majore în raport cu
modelele statistice clasice sau cu modelele altor abordări unidisciplinare.
Chiar şi atunci când pare a fi revolut modelul econometric oferă surprize sau
chiar revelaţii. Modelul econometric al regresiei unifactoriale presupune
verificare permanentă a unor ipoteze, mai ales ca urmare a păstrării
reziduului ca martor al deteriorării sau creşterii competitivităţii sale.
Ipotezele sale presupuse adevărate sunt permanent verificate, pe măsură ce
noi date îi completează sursele şi îi modifică relativ unii dintre parametri,
constituind de fapt vitalitatea sa, fie că se referă la liniaritatea modelului
prin transformări ale variabilei exogene acolo unde ele sunt posibile, fie la
normalitatea distribuţiei reziduale, la media zero şi la alternanţa semnului
reziduului ca analiză a autocorelării erorilor în model, la homoscedasticitate
ca ipoteză axată pe o varianţă (dispersie corectată) constantă, la erori de
specificare sau măsurare cu impact major în model etc. Modelul
econometric al regresiei unifactoriale prezintă un univers viu al testărilor
capabil să rezolve probleme insesizabile în alte tipuri de modele, pornind de
la categoria variabilelor ce ar trebui incluse în model, până la forma
funcţională a modelului (model liniar prin parametri, prin variabile sau
ambele situaţii simultan) etc.

V.2. Specificarea în modelul regresiei unifactoriale

Precizarea variabilelor componente, identificarea funcţiei lor

caracteristice de corelare şi a formei şi conţinutului ecuaţiilor dezvăluie
conţinutul specificării unui model econometric, în general. Specificarea în
modelul econometric al regresiei unifactoriale debutează practic cu
precizarea variabilei endogene (rezultative) şi a variabilei exogene
(factoriale), completând restul influenţelor printr-o variabila reziduală
(aleatoare). Orice model econometric al regresiei unifactoriale are la bază o
funcţie desprinsă din teoria economică, fiind bazat pe ipoteza că variaţia
unui fenomen yi este determinată semnificativ de variaţia unui factor xi şi se
prezintă matematic sub forma relaţiei: yi = f(xi) +εi, unde: a) xi = (x1;x2;...xn)
este variabila exogenă (factorială, independentă); b) yi = (y1;y2;...yn) este
variabila endogenă (rezultativă, dependentă); c) εi = (ε1;ε2;...εn) este
variabila reziduală (aleatoare sau a restului factorilor neesenţiali, cu acţiune
întâmplătoare).
143
 Modele econometrice ale regresiei unifactoriale şi teoria economică
Caseta nr. 5.1
Exprimarea principalelor legii economice abundă în simplificări ale realităţii prin
modele econometrice ale regresiei unifactoriale, pe principiul selectării factorului cu
determinaţia cea mai mare în fenomenul cercetat. Se pot exemplifica câteva modele
specifice economiei clasice: a) Cererea = f(Preţ) + ε axat pe legea cererii „cererea unui
anumit produs creşte sau se reduce, dacă preţul acestuia se micşorează sau se
majorează”; b) Oferta = f(Preţ) + ε determinat de legea ofertei „oferta unui produs
creşte sau se reduce, dacă preţul acestuia se majorează sau se micşorează”; c)
Consumul = f(Venit) + ε axat pe legile lui Engel privind dependenţa consumului de
venit exprimate în forme diverse în raport cu diferite categorii sau clase de bunuri şi de
servicii consumate etc.

Modelul general al regresiei unifactoriale yi = α + β (x i) + εi, unde

i=1,2,...,n poate fi separat în două subcomponente: prima fiind predictibilă,
specific deterministă în statistica de tip clasic α + β (x i) şi a doua εi de tip
aleatoriu, perturbator şi rezidual (α este un punct de întâlnire a funcţiei de
regresie cu axa Oy iar β reprezintă coeficientul de regresie în statistica de tip
clasic). Cine este din punct de vedere practic acest εi ? Deoarece nu se pot
cuprinde în model absolut toate influenţele existente se introduce în model
variabila aleatoare, perturbatoare şi reziduală ε, care însumează efectul
tuturor factorilor rămaşi în afara modelului, fie ei nesemnificativi sau
necuantificabili.
Originalitatea gândirii econometrice constă dintr-un fapt aparent
banal, respectiv această introducere a variabilei reziduale εi, care reprezintă
o recunoaştere a erorii modelatoare ale cărei surse sunt multiple, de la
limitele teoriei, lipsa unor date (volum incomplet de informaţii), rezultatul
creşterii importanţei unor variabile periferice devenite în timp variabile
nucleu (centrale), selecţia umană aleatoare a variabilelor în model, măsurări
incorecte, aplicarea inadecvată a principiului simplificării modelului, până la
alegerea de multe ori neinspirată a funcţiei matematice modelatoare etc.
Identificarea modelului regresiei unifactoriale presupune precizarea
funcţiei matematice yi = f(xi) sau a relaţiei dintre variabila endogenă yi şi cea
exogenă xi prin metode diverse (metoda grafică, metoda conservării ariilor,
diverse alte procedee de calcul algebric), soluţia identificării grafice a
funcţiei matematice fiind totuşi cea mai des valorificată în practica
modelării şi structurând lumea modelelor econometrice în:

a) modele liniare, de regulă de forma: yi = α + β (x i) + εi, i =1, 2, ...,n.

144
Grafic nr. 5.1 Grafic nr. 5.2

b) neliniare dar uşor liniarizabile, prin logaritmarea funcţiei neliniare,

urmată de un artificiu de calcul de substituire a variabilei logxi cu zi , ca în
cazul funcţiei putere yi =α × (x i) β × εi se liniarizează ca log yi= log α + β ×
log xi + log εi sau funcţiei exponenţiale yi = α × (β) xi ×εi liniarizată ca log
yi=log α + log β× xi +log εi .
Notă: reprezentările iniţial neliniare se pot converti (aproxima) prin grafice liniare în urma
logaritmării, funcţiile putere sau exponenţiale din graficul 6.2 devenind liniare ca în 6.1.

Unele funcţii neliniare dar uşor liniarizabile se pot obţine exclusiv prin
artificii de calcul sau substituţii ale unor variabile simple xi cu variabile mai
complicate zi: funcţia inversă (hiperbolică) yi = α + β (1/x i) + εi liniarizată
pentru zi = (1/x i) sau funcţia semilogaritmică yi = α + β log xi + εi
liniarizată pentru zi = log xi etc.
c) neliniare şi neliniarizabile sau dificil de liniarizat: polinoame de grad
superior sau parabolele grafice uşor de recunoscut prin aspectul lor
curbiliniu yi = α + β xi + γ (xi)2 + εi (parabola de grad II), yi = α + β xi + γ
(xi)2 + δ(xi)3 +εi (parabola de grad III) şi multe alte funcţii speciale
(Tornquist, Konius, Cobb-Douglas, logistică etc.) precum şi alte modele de
tipul yi = α + [1/(β + xi)] sau yi =α × (x i) β + εi etc. Metoda practică de
identificare constă în realizarea unui grafic specific denumit corelogramă,
care în limbajul programului EViews devine fie un grafic de tip XY line, fie
un Scatter sau Scatter with regression atunci când se evidenţiază forma
regresiei (liniare sau neliniare).În sinteză, specificarea unui model în
regresia unifactorială impune stabilirea variabilei endogene yi şi a celei
exogene xi , urmată de identificarea printr-o metodă simplă (grafică) a
funcţiei specifice de regresie.

145
 V.3. Estimări ale parametrilor, ipoteze şi teste în regresia clasică
unifactorială

Toate modelele din categoria liniare şi neliniare dar liniarizabile se

pot reduce la final la o forma standard: yi = α + β (x i) + εi, cu i= 1, n , unde α şi
β sunt coeficienţii modelului ce urmează a fi cuantificaţi (parametrizaţi).
Parametrul α reprezintă valoarea variabilei yi atunci când variabila factorială
xi este zero (relevanţa lui α este discutabilă de la caz, la caz), iar β sau
coeficientul de regresie, reprezintă panta dreptei de regresie, adică
elasticitatea lui yi în funcţie de xi. Parametrul β este relevant atât ca semn
algebric (diferenţiind legăturile directe de cele inverse) cât şi ca valoare
(subliniind o influenţă intensă a variabilei exogene asupra celei endogene în
cazul valorilor mari şi una slabă în cazul celor mici). Pornind de la notaţia
mediei condiţionate E(yi|xi) cu i= 1, n (notaţia funcţiei de regresie ca evoluţie
medie a lui yi condiţionată de evoluţia lui xi, devenită tradiţională în
literatura econometrică, prin abreviere de la expectation sau speranţă
matematică în limba engleză), care aşa cum s-a subliniat defineşte o funcţie
liniară E[(yi|xi = f(xi)] care în modelul de regresie unifactorială apare
standardizată yi = E (yi|xi) + εi cu i= 1, n . Alături de media condiţionată a
dependenţei în model, privită ca speranţă matematică în teoria
probabilităţilor şi statistica matematică regresia unifactorială utilizează şi
dispersia, notaţia uzuală fiind var, de la un termen consacrat al statisticii
britanice, respectiv acela de variance (împrăştiere), a cărui relaţie de calcul
este var(x)= E[(x–E(x)]2 = σ2. Anterior parametrizării propriu-zise se emite
un set de zece ipoteze specifice modelului regresiei unifactoriale, set de
ipoteze care ulterior se şi testează.

Ipoteze specifice modelului regresiei clasice unifactoriale

Caseta nr. 5.2
H1:Liniaritatea modelului (modelul regresiei clasice unifactoriale este cel mai
frecvent un model liniar atât în parametrii cât şi în variabila exogenă xi conform relaţiei
yi = E (yi|xi) + εi sau mai detaliat yi = α + β (x i) + εi unde: i= 1, n )
H2:Absenţa erorilor de măsurare în valorile observate xi (valorile variabilei
exogene, predictibile, specific deterministe în statistica de tip clasic xi sunt culese şi
înregistrate fără erori, indiferent de experiment);
H3: Media erorilor egală cu zero sau care tinde clar spre zero: E (εi |xi)= E(εi )=0
sau media variabilei reziduale este nulă, subliniind că în medie modelul este bine
specificat);
H4:Homoscedasticitatea modelului sau varianţa constantă a variabilei reziduale
(varianţa reziduului εi pentru valorile date ale lui xi este constantă: var (εi |xi) = E[εi –
E (εi |xi)]2 = E (εi2|xi) = σ2 (homoscedasticitatea modelului implică o varianţă constantă
şi pentru yi, respectiv var (yi |xi) = σ2 iar odată ce această relaţie nu este satisfăcută va
conduce la concluzia că modelul este heteroscedastic);
146
H5: Valori reziduale independente sau erori necorelate (pentru oricare două valori
oarecare xi şi xj ale variabilei x, cu i ≠ j, acestea sunt valori independente dacă nu
există corelaţie (corelaţia este nulă), fiind valabilă următoarea relaţie statistico –
matematică:
cov (εi , εj |xi , xj) = E{[εi – E (εi |xi)] [εj– E (εj |xj)]} = E [ (εi |xi) (εj |xj)] = 0;
H6: Variabila reziduală independentă în raport cu variabila exogenă xi (covarianţa
între xi şi εi este zero: cov(xi,εi)=E{[xi–E(xi)][εi–E(εi)]}=E[εi(xi–E(xi)]=E(xi ,εi)–
E(xi)E(εi)= E(xi,εi) = 0, variabila reziduală fiind astfel independentă faţă de variabila
exogenă xi);
H7: Numărul de date observate n mai mare decât numărul de parametrii estimaţi
în model (numărul de observaţii n mai mare decât numărul variabilelor exogene);
H8: variabilitate în valorile variabilei exogene xi (valorile lui xi nu sunt toate
identice sau var (xi) = ∑ (xi – x̂ )2/ (n – 1) este un număr finit pozitiv);
H9: Modelul regresiei corect specificat (precizarea variabilei endogene şi a celei
exogene, completând restul influenţelor printr-o variabila reziduală şi identificând
corect funcţia matematică a modelului devenit astfel specificat sau semnificat);
H10:Variabila reziduală normal distribuită (variabila εi este normal distribuită
εi~N(0,σ2).
În practica modelării se valorifică şi o alternativă cu un set minim de ipoteze derivate
din metoda celor mai mici pătrate, respectiv numai şase ipoteze (restul fiind
considerate implicite prin specificarea modelului regresiei unifactoriale ca liniar):
( ) (
H1: date fără erori de măsurare: x ∈ x ± 3σx şi y ∈ y ± 3σy )
H2: variabila reziduală are media zero: E (εi |xi)=E(εi )=0
H3: homoscedasticitatea modelului: var(εi |xi)=σ2 (constantă)
H4: necorelarea reziduurilor: cov(εi ,εj |xi ,xj)=E[(εi |xi)(εj |xj]=0
H5: variabila reziduală şi exogenă independente: cov(xi,εi) = 0
H6: variabila reziduală normal distribuită: εi ~ N (0, σ2 )

Deoarece funcţia de regresie este una de tip stocastic, α şi β nu sunt

valori unice, ci au conţinutul unor valori medii, care se estimează (prin
inferenţă ca proces de estimare a parametrilor). Cuantificarea practică a
parametrilor α şi β are loc prin determinarea a doi estimatori α̂ şi β̂ .
Estimarea parametrilor se poate realiza prin: a) metoda momentelor (mm);
b) metoda celor mai mici pătrate (mcmmp); c) metoda verosimilităţii
maxime (mvm), utilizată pentru dependenţe neliniare şi neliniarizabile sau
dificil de liniarizat etc. primele două metode sunt descrise succint în
continuare, anumite aspecte fiind relativ detaliate.

I.Metoda momentelor (mm) valorifică practic ipotezele H2: E(εi |xi)= E(εi )
= 0 şi H5: cov (xi,εi) = 0, înlocuindu-le cu formele lor omoloage ( α̂ şi β̂
fiind estimatori ai parametrilor α şi β iar estimatorul ε̂ i valoarea omoloagă a
lui εi).Modelul exprimat prin estimatori este de forma: yi = α̂ + β̂ xi + ε̂ i. Ipotezele
enunţate generează ecuaţiile:
147
 n n n
E (εi ) = 0 ⇒ ∑ εˆ i = 0 ⇒ n α̂ + β̂ ∑ xi = ∑ yi
i =1 i =1 i =1
n n n
cov (xi,εi) = 0 ⇒ ∑ xiεˆ i = 0 ⇒
i =1
α̂ ∑ xi + β̂ ∑ xi 2 =
i =1
∑ xiyi
i =1

Soluţiile α̂ şi β̂ obţinute din rezolvarea sistemului de ecuaţii normale permit

redactarea statistico–matematică a modelului econometric al regresiei
unifactoriale.

II. Metoda celor mai mici pătrate (mcmmp) are la bază ipotezele
fundamentale descrise în caseta nr. 6.2 şi conduce la acelaşi sistem de
ecuaţii, implicit soluţii ca şi metoda momentelor. Determinarea estimatorilor
α̂ şi β̂ ai parametrilor α şi β, prin această metodă se axează pe respectarea
condiţiei de minim aplicate erori sumei pătratelor erorilor (descrise de o
latura egală cu diferenţa dintre yi şi ŷi ):

[ ]2 = ∑ [yi − αˆ − βˆ xi ]2 = ω(αˆ , βˆ )
n 2 n n
∑ εi = ∑ yi − ŷi
i =1 i =1 i =1
∂ω
Pentru ca ω(αˆ , βˆ ) să fie o valoare minimă, condiţiile necesare sunt = 0 şi
∂αˆ
∂ω
= 0 care generează în urma determinării derivatelor parţiale acelaşi
∂βˆ
sistem:
din
∂ω
∂αˆ
= 0 se ajunge la
∂ω n
( )
= ∑ 2 yi − αˆ − βˆ xi × (− xi ) = 0 iar
∂αˆ i =1

din
∂ω
= 0 se ajunge la
∂ω n
( )
= ∑ 2 yi − αˆ − βˆ xi × (− 1) = 0
∂βˆ ∂βˆ i =1
care conduc în urma simplificării cu (–2) a ambelor ecuaţii la sistemul:
⎧ ∑n yi - αˆ - βˆ ∑n xi = 0 ⎧ nαˆ + βˆ ∑n xi = ∑n yi
⎪i=1 i=1 ⎪ i=1 i=1
⎨n n n ⇔ ⎨ n n n
⎪ ∑ xiyi - αˆ ∑ xi - βˆ ∑ xi 2 = 0 ⎪α̂ ∑ xi 2 + βˆ ∑ xi = ∑ xiyi
⎩i=1 i=1 i=1 ⎩ i=1 i=1 i=1

Ecuaţiile normale se înmulţesc cu 1/ n şi se obţin pe rând soluţiile pentru β̂

şi α̂ :

148
 n
n ∑ yi
i=1
n n ⎡ n n n ⎤ 1 n
∑ xi ∑ x i yi ⎢ n ∑ xiyi − ∑ xi× ∑ yi ⎥ × ∑ x iyi − n × (x × y)
⎢ i=1 i =1 ⎥⎦
n
= ⎣
i=1 i=1 i=1
β̂ = = i=1
n
()
n ⎡ n ⎤ 1 2
n n 2
n ∑ xi ⎢ n ∑ (xi) 2 − ( ∑ xi)×( ∑ xi) ⎥ × ∑ (x i ) − n × x
i=1 ⎢⎣ i=1 i=1 i=1 ⎥⎦ n i=1
n n 2
∑ xi ∑ (x i )
i=1 i=1
n n
n n ∑ xi ∑ yi
nαˆ + βˆ ∑ xi = ∑ yi | × 1 ⇒ αˆ + βˆ i =1 = i =1 ˆ
ˆ = y ⇒ α̂ = y − βx
⇒ α̂ + βx
i =1 i =1 n n n
Valorile reziduale estimate εˆ i = yi − αˆ − βxi satisfac ecuaţiile
n n
∑ εˆ i = 0 şi ∑ xiεˆ i = 0 . Un estimator este nedeplasat, când are media egală
i=1 i=1

cu parametrul ( E ( αˆ ) = α ), convergent, când varianţa sa tinde spre zero

( var( αˆ ) → 0, n → N ) şi eficient, dacă are varianţa minimă între toţi
estimatorii posibili ( var( αˆ ) = m inim ).Se pot estima şi parametrii regresiei
inverse pentru o variabila exogenă yi şi una endogenă xi.
Unele modele neliniare ale regresiei unifactoriale parametrizate prin metoda
celor mai mici pătrate şi soluţiile generate de funcţiile matematice specifice
sunt prezentate în continuare:

Estimarea parametrilor în modele neliniare

Caseta nr. 5.3
A.Funcţia matematică de tip putere: yi = α × xi β × εi devine prin liniarizare egală cu
log yi = log α + βlog xi+ log εi şi are soluţiile în estimatorii:

⎛ 2 ⎞
⎜ n n n n ⎟
⎜ ∑ logyi× ∑ (logxi) - ∑ logxi× ∑ logxi×logyi ⎟
α̂ = antilog ⎜ i=1 i=1 i=1 i=1 ⎟
⎜ 2 2 ⎟
⎜ n ⎛ n ⎞ ⎟
⎜ n ∑ (logxi) -⎜ ∑ logxi ⎟ ⎟
⎜ ⎟
⎝ i=1 ⎝ i=1 ⎠ ⎠
⎛ ⎞
⎜ n n n ⎟
⎜ n ∑ logxi×logyi- ∑ logxi× ∑ logyi ⎟
β̂ = antilog ⎜ i=1 i=1 i=1
2
⎟
⎜ n ⎛ n ⎞ ⎟
⎜ 2
n ∑ (logxi) - ⎜ ∑ logxi) ⎟ ⎟
⎜ ⎜ ⎟ ⎟
⎝ i=1 ⎝ i=1 ⎠ ⎠

149
B. Funcţia matematică de tip exponenţial: yi = α × β xi × εi devine prin liniarizare
log yi = log α + xi log β + log εi şi are soluţiile în estimatorii:
⎛ ⎞
⎜ n n 2
n ⎛ n ⎞⎟
⎜ ∑ logyi× ∑ ( xi ) - ∑ xi×⎜⎜ ∑ xi×logyi ⎟⎟ ⎟
α̂ = antilog ⎜ i=1 i=1 i=1 ⎝ i=1 ⎠⎟
⎜ 2 ⎟
2 ⎛ ⎞
⎜ n n ⎟
⎜ n ∑ ( xi ) - ⎜ ∑ xi ⎟ ⎟
⎜ ⎟
⎝ i=1 ⎝ i=1 ⎠ ⎠
⎛ n n n
⎞
⎜ n ∑ xi × logyi - ∑ xi × ∑ logyi ⎟
β̂ = antilog ⎜ i=1 i=1 i=1 ⎟
⎜ n 2 ⎛ n ⎞
2 ⎟
⎜ n ∑ ( xi ) - ⎜ ∑ xi ⎟
⎜ ⎟ ⎟
⎝ i=1 ⎝ i=1 ⎠ ⎠
C.Funcţia matematică polinomială de grad II (parabolă) are forma yi =α+βxi+γxi2+εi cu
soluţiile în estimatorii α, β şi γ rezultaţi din rezolvarea unui sistem cu trei ecuaţii. Gradul
de dificultate al estimării creşte odată cu gradul polinomului analizat, ceea ce face tot mai
oportună utilizarea programelor de calcul specializate de tip EViews.
⎧ n n n

⎪ nα + β ∑ xi + γ ∑ xi 2
= ∑ yi
⎪ i=1 i=1 i=1
⎪ n n n n
⎨α ∑ xi + β ∑ xi + γ ∑ xi = ∑ xiyi
2 3

⎪ i=1 i=1 i=1 i=1

⎪ n n n n
⎪ ∑ ∑ ∑ ∑
2 3 4
α xi + β xi + γ xi = xi 2 yi
⎩ i=1 i=1 i=1 i=1
În paralel cu estimarea parametrilor, modelarea regresiei unifactoriale
testează principalele ipoteze expuse în caseta 6.2. Acestea sunt reluate şi
analizate punctual:

Caseta nr. 5.4

H1:Liniaritatea modelului
În cazul în care corelograma relevă o curbă şi nu o dreaptă se poate realiza o liniarizare
mai dificilă prin aplicarea transformării Box-Cox, definită pentru orice y >0:
y λ -1 cu λ ≠ 0
λ
λ
lim ⎛ y -1 ⎞
y(λ) = transformarea fiind continuă: ⎜ ⎟⎟ = ln λ
λ → 0⎜ λ
⎝ ⎠
log y, λ = 0
Modelul de regresie liniarizat prin metoda Box-Cox este definit prin: yi (λ)= βxi + εi,
cu εi~N(0,σ2), pentru λ = 0 se identifică cu modelul liniar logaritmic şi pentru λ = 1 cu
cel liniar clasic. Liniarizarea are loc în patru etape succesive, mai întâi se împarte
fiecare valoare a lui y la media geometrică a valorilor acestei variabile, apoi se
150
calculează y(λ) pentru diferitele valori ale lui λ şi se realizează regresia după x, în
continuare se determină σ̂ ( λ ) şi în final se alege valoarea lui λ pentru care σ̂ ( λ )
2 2

reprezintă un minim, respectiv valoarea estimatorului de verosimilitate maximă a lui λ.

H2:Absenţa erorilor de măsurare în valorile observate xi se verifică prin validarea
( ) ( )
relaţiilor x ∈ x ± 3σx şi y ∈ y ± 3σy , pe baza statisticii descriptive a lui y şi x, de
unde se calculează intervalele x -3σx < xi < x +3σx şi y-3σy < yi < y+3σy , pentru yi
şi xi şi se verifică încadrarea valorilor reale în aceste intervale delimitate.
H3: Media erorilor egală cu zero (tinde evident spre zero) se verifică apelând la
statistica descriptivă a variabilei reziduale (εi), de unde se preia valoare mediei
reziduurilor.
H4: Homoscedasticitatea modelului sau varianţa constantă a variabilei reziduale
în raport cu orice valoare a variabilei x i se testează sau se rezolvă grafic. Se poate
afirma că modelul este homoscedastic dacă variabila reziduală (εi) are media nulă E (εi
|xi)=E(εi ) = 0 şi o varianţă constantă, diferită de zero şi independentă de variabila
exogenă xi. În practică se apelează la teste de detectare a heteroscedasticităţii, dintre
care se pot aminti succint: a) testul White; b) testul Glejser; c) testul Anscombe şi testul
RESET sau Ramsey d) testul Goldfeld–Quandt; e) testul Breusch–Pagan; f) testul t
Student pentru coeficientul de corelaţie Spearman; g) testul verosimilităţii etc. Pentru
exemplificare se descrie testul sau procedeul Glejser, care se axează pe un model de
regresie între variabila reziduală estimată ε̂i şi variabila exogenă xi. Pentru a putea
identifica prezenţa homoscedasticităţii se construieşte noul model de forma | ε̂i |=α +
βxi + ui, unde xi reprezintă variabila exogenă a primului model şi ui, noua variabilă
reziduală. Ipoteza nulă se referă la parametrul β, respectiv H0: β = 0. Dacă diferenţa
este semnificativă, în cazul testului t sau z aplicat asupra parametrului β atunci se
acceptă ipoteza alternativă H1:β ≠ 0, identificând practic heteroscedasticitatea
modelului iniţial (după testare numai valabilitatea ipotezei nule identifică
homoscedasticitatea căutată).
H5:Valori reziduale independente sau erori necorelate se evidenţiază eficient cu
ajutorul testului Durbin – Watson, testul practic presupune parcurgerea următorilor
paşi:
n 2
∑ ( εˆ i - εˆ i-1 )
i=2
a) calcularea termenului empiric de forma d = n ;
2
∑ ε̂ i
i=1
b) compararea valorii d cu alte două valori teoretice, d1 şi d2, preluate din tabelele
Durbin-Watson în raport cu un prag de semnificaţie α, cu un număr k al variabilelor
exogene şi cu valorile observate n, care nu pot fi mai puţine de 15 (n ≥ 15);
c) decizia de acceptare sau respingere a ipotezei de independenţă a erorilor este riguros
structurată pe cinci intervale de valori ale lui d în raport cu d1 şi d2:
- dacă 0 < d < d1 ⇒ identificarea unei autocorelări pozitive;
- dacă d1 ≤ d ≤d2 ⇒ indecizie, testul nu este concludent (la limita autocorelării
pozitive);
- dacă d2 < d < 4 − d2 ⇒ erorile sunt independente;
-dacă 4–d2 ≤ d ≤ 4−d1⇒indecizie, testul nu este concludent (la limita autocorelări
negative);
151
- dacă 4 − d1 < d < 4 ⇒ autocorelare negativă.
H6: Variabila reziduală independentă în raport cu variabila exogenă xi
Procedeul grafic constă în construirea suplimentară în raport cu graficul de tip line sau
scatter al reziduului ε̂i estimat care relevă tendinţa spre medie zero prin oscilaţii
succesive în jurul acestei valori (la care se adaugă şi informaţiile statisticii descriptive
care certifică acest aspect cantitativ) a unei corelograme privind valorile variabilei
exogene xi şi reziduale ε̂i . Dacă din reprezentarea grafică se constată că cele două
variabile sunt corelate, respectiv în timp ce creşte variabila xi (observată pe abscisă)
creşte şi ε̂i (sau descresc amândouă simultan) ipoteza de homoscedasticitate nu se
poate accepta ci se acceptă ipoteza alternativă de heteroscedasticitate a modelului. De
asemenea calculul raportului de corelaţie al variabilei exogene xi şi reziduale ε̂i , prin
matrici de corelaţie oferă aceeaşi imagine simplă, dacă valoarea raportului de corelaţie
tinde sau este aproape egală cu zero, atunci se acceptă ipoteza de homoscedasticitate.
H7: Numărul de date observate n mai mare decât numărul de parametrii estimaţi
în model (numărul de observaţii n mai mare decât numărul variabilelor exogene,
ipoteză evident îndeplinită în oricare model unifactorial unde condiţia ar fi n>1);
H8: Variabilitate în valorile variabilei exogene xi (valorile lui xi nu sunt toate
n
identice sau var(xi)= ∑(xi – x)ˆ 2 : (n–1) este un număr finit pozitiv este o ipoteză ce
i=1
deţine, de regulă, o vizibilitate clară sau se verifică prin calcul dacă se consideră
necesar);
H9: Modelul regresiei corect specificat (un nivel al reziduurilor continuu aflat în
creştere va releva fie o tendinţă necesară de schimbare a variabilei exogene în modelul
unifactorial (impunând o nouă specificare), fie necesitate reconstruirii modelului
regresiei, dar pe o nouă bază de această dată (solicitând o specificare de tip
multifactorial); de asemenea se pot testa estimatorii parametrilor pentru a valida
precizia specificării (prin teste t sau z);
H10:Variabila reziduală normal distribuită (erorile urmează o lege normală de
distribuţie cu media egală cu zero şi cu abaterea medie pătratică σ2 sau εi~N(0,σ2). În
practică se valorifică testul Jarque-Bera care confirmă normalitatea seriei de date,
implicit a seriei reziduale şi măsoară diferenţa dintre coeficientul de asimetrie S
(Skewness) şi boltire K (Kurtosis), pornind de la relaţia de calcul următoare:
n⎛ ( K − 3) ⎞
2
2
JB = ⎜⎜ S + ⎟⎟ ~ χ2.Testul are drept ipoteza nulă afirmaţia: seria este normal
6⎝ 4 ⎠
distribuită. Astfel, dacă probabilitatea asociată testului este superioară nivelului de
relevanţă ales (0,01; 0,05 sau chiar 0,1) atunci ipoteza nulă este acceptată. Conform
distribuţiei χ2, valoarea critică a testului Jarque-Bera pentru un grad de semnificaţie
statistică de 0,05 este 5,99, iar pentru 0,01 este de 9,21, altfel spus, dacă statistica JB
calculată pentru o serie de valori ale variabilei reziduale este mai mare de 5,99
respingem ipoteza nulă cu un nivel de încredere în 95 de cazuri din 100, iar în cazul
unor valori mai mari de 9,21 se respinge ipoteza normalităţii seriei reziduale cu o
probabilitate garantată în 99 de cazuri din 100. Statistica testului Jarque-Bera este
asimptotică unei distribuţii χ2 (cu două grade de libertate), iar pachetul de programe
EViews conţine testul Jarque-Bera aşa cum s-a putut observa din statisticile descriptive
şi din capitolul anterior.
152
După parametrizarea şi verificarea ipotezelor modelului se impune şi o
testare a validităţii modelului în ansamblu prin: a)metoda analizei varianţei;
b) metoda raportului de corelaţie şi testarea semnificaţiei acestuia; c) metoda
testării parametrilor modelului (validare preciziei specificării parametrilor).
a) Metoda analizei variaţiei determină succesiv variaţia totală a variabilei
endogene yi, variaţia lui yi determinată de influenţa variabilei exogene xi şi
variaţia lui yi provocată de variabila reziduală (alţi factori neexplicaţi prin
model, dar şi erori). Conform statisticii clasice între cele trei există o
egalitate consacrată VY2 = Vx2 + Vε2
n n n
( ) ( )
2 2
+ ∑ ( yi - yi
ˆ ) .Analiza varianţei se
2
detaliată prin: ∑ yi - y = ∑ yi
ˆ -y
i=1 i=1 i=1
exprimă sintetic în tabelul următor, urmat de precizarea ipotezelor ce pot fi
testate:
Tabel nr. 5.1
Varianţa Grade de Dispersia corectată Testul F
Varianţa
(suma pătratelor) libertate (gdl) (media pătratelor)
n n
( )
2 2
Explicată prin
∑ ŷi - y ∑ ( ŷi - y )
modelul de k 2
Sy/x = i=1 s 2y/x
regresie i=1 Fcalculat =
k
n n sε2
∑ ( yi - yi
ˆ )
2
∑ ( yi - yi
ˆ )
2
Reziduală
n-k-1 2 i=1
(neexplicată) i=1 Sε =
n - k -1
n n
( )
2 2
∑ yi - y ∑ ( yi - y )
Totală i=1
n-1 2
Sy = i=1 -
n -1

Ipotezele alternative ce se testează de regulă sunt:H0: S2y x = Sε2 şi

H1: S2y x ≠ Sε2 , ipoteza nulă afirmând că influenţa variabilei exogene xi nu
este semnificativ diferită de aceea a variabilei reziduale εi, (modelul nu
poate fi validat) şi ipoteza alternativă că influenţa variabilei xi diferă
semnificativ de a variabilei reziduale (confirmând validitatea modelului
regresiei unifactoriale specificate). Regula de decizie implică valorificarea
testului F, unde se compară Fcalculat (statistica testului) cu valorile tabelate ale
distribuţiei Fisher – Snedecor: a) Fcalculat > Ftabelat/α,k,n-k-1, când se respinge
ipoteza nulă şi se acceptă cea alternativă (confirmând validitatea modelului
regresiei unifactoriale specificate)şi b)Fcalculat ≤ Ftabelat/α,k,n-k-1 conduce la
acceptarea ipotezei nule (modelul nu poate fi validat).
b) Metoda raportului de corelaţie şi testarea semnificaţiei acestuia
debutează cu măsurarea calităţii ajustărilor modelului regresiei unifactoriale

153
determinând coeficientul de determinaţie (R2 sau Rsquared) după relaţia
statisticii de tip clasic:
n n
( )
2 2
2
Vx
2
Vε ∑ ( yi - yi
ˆ ) ∑ yi
ˆ -y
2
R = = 1- = 1- i=1 = i=1

∑ ( yi - y )
n
∑ ( yi - y )
2 2 2 n 2
VY VY
i=1 i=1
Din valoarea coeficientului de determinaţie prin extragerea unui simplu
radical se obţine raportul de corelaţie: R = R 2 , atât R2 cât şi |R| ∈ [0,1], iar
cu cât R→1 legătura pe care se axează modelul regresiei unifactoriale dintre
variabila endogenă yi şi exogenă xi este mai puternică, respectiv cu cât R
→0 legătura dintre yi şi xi este slabă şi modelul nu poate fi validat. Abaterea
medie pătratică a reziduurilor (erorilor) ierarhizează modele, selectând
modelul cu valoarea minimă a acesteia:
n 2
∑ ( yi - yi
ˆ )
2 i=1
Vε = Vε = .
n-2
c)Verificarea semnificaţiei estimatorilor constă în acceptarea uneia dintre
⎧α = 0 ⎧a ≠ 0
cele două ipoteze admisibile: H0: ⎨ ş i H1 : ⎨ , cu ajutorul testului t
⎩β = 0 ⎩b ≠ 0
(volum mic de date) sau a testului z (volum mare de date). Testul t compară

1 αˆ 2
βˆ
valorile specifice tcalculat = şi tcalculat = cu o valoare teoretică
Sαˆ Sˆ
β
ttabelat α / gdl . Decizia finală acceptă ipoteza alternativă H1 confirmând

⎧tcalculat
1
> ttabelat α / gdl
⎪
specificare corectă a modelului, dacă ⎨ 2 .
⎪⎩tcalculat > ttabelat α / gdl
Estimarea intervalelor de încredere a parametrilor se realizează pornind de
( )
la estimatorii modelului: P αˆ − tα ;ν × Sαˆ ≤ α ≤ αˆ + tα ;ν × Sαˆ = p pentru un

(
prag de semnificaţie stabilit şi P βˆ − tα ;ν × S ˆ ≤ β ≤ βˆ − tα ;ν × S ˆ = p .
β β )
Parametrii α şi β sunt semnificativ diferiţi de zero dacă:
( )
P α = αˆ ± tα ;ν × Sαˆ > 0 = p şi P ⎛⎜ β = βˆ ± tα ;ν × S ˆ > 0 ⎞⎟ = p pentru pragul
⎝ β ⎠
de semnificaţie pentru care s-a optat în modelarea regresiei unifactoriale.
Previziunile realizate cu ajutorul modelului econometric al regresiei
unifactoriale pornesc de la abaterea medie pătratică a erorii de previziune,

154
 ( xn+1 − x )2
1
determinată astfel: σˆ yˆ = σˆ ε + n + 1 , de unde rezultă intervalul
n+1 n ∑ ( xi − x )2
i =1
de încredere IC al variabilei y la n+1:
α /2 1( xn+1 − x ) 2
ICyn +1 = yˆ n+1 ± tn −2 × σˆ ε + n +1
n ∑ ( xi − x ) 2
i =1

V.4. Test de autoevaluare şi aplicaţii

A. Test de autoevaluare
A1) Întrebări clasice recapitulative
1.Ce înţelegeţi prin modelul econometric
clasic şi prin modelarea economico –
financiară a regresiei unifactoriale?
2. În ce constă practic specificarea modelului
econometric al regresiei unifactoriale?
3.Care sunt principalele şase ipoteze ale
modelului econometric clasic al regresiei
unifactoriale ?
4.Cum se aplică metoda celor mai mici
pătrate în estimarea parametrilor modelului?
5. Cum se realizează practic o testare a
validităţii modelului econometric clasic prin
metoda statistico – matematică a verificării
semnificaţiei estimatorilor?
6. Care sunt semnalele ce sunt conferite de
utilizarea metodei raportului de corelaţie şi a
testării semnificaţiei acestuia ?
A2) Întrebări tip grilă
7.În testarea ipotezelor modelului regresiei
unifactoriale a fi homoscedastic înseamnă:
(
a) E (εi |xi)=E(εi )=0; b) x ∈ x ± 3σx ; )
2
c) var(εi |xi)=σ (constantă)
8. O variabila reziduală normal distribuită
în modelul regresiei unifactoriale impune:
a) cov(εi ,εj |xi ,xj)=0; b) cov(xi,εi)=0;
2
c) εi ~ N (0, σ ).
9. În analiza varianţei, testul F se aplică
prin raportarea dispersiei corectate:
a) totale la cea reziduală; b) reziduale la
cea explicată prin model; c) explicate prin
model la cea reziduală.
10. Care dintre următoarele tendinţe ale
lui R descrie o modelare cu şanse de
reuşită: a) R→1; b) R→0; c) R→0.

B. Aplicaţii rezolvate
1. Pornind de la datele din tabelul 5.2 reprezentând evoluţia indicilor inflaţiei
la consumator (IPC) şi producător (IPPI), în România, între 1991 şi 2010, să
se specifice, parametrizeze şi verifice ipotezele modelului regresiei liniare:
Tabel nr. 5.2
Anul IPC IPPI Anul IPC IPPI Anul IPC IPPI Anul IPC IPPI
1991 270.2 320.1 1996 138.8 149.9 2001 134.5 140.3 2006 106.56 112.0
1992 310.4 284.8 1997 254.8 256.9 2002 122.5 124.5 2007 104.84 108.7
1993 356.1 265.0 1998 159.1 133.2 2003 115.3 119.6 2008 107.85 114.5
1994 236.7 240.5 1999 145.8 142.2 2004 111.9 118.5 2009 105.59 102.3
1995 132.3 135.1 2000 145.7 151.6 2005 109.0 112.4 2010 106.10 106.3
Surse de date: http://www.insse.ro. şi http://www.bnr.ro.

155
Rezolvare:Se doreşte un model de regresie Grafic nr. 5.3
liniară a evoluţiei inflaţiei la consumator
măsurată cu IPC şi la producător cu IPPI, 360
etapele practice ale specificării acestuia fiind:
a) se constată că IPPI este variabila de tip 320
exogen şi IPC variabilă endogenă; b) se
identifică funcţia matematică yi = f(xi) sau 280

relaţia dintre variabila yi şi xi prin metoda 240

grafică,folosind Scatter with Regression

IPC
modelul căutat fiind o funcţie de regresie 200
liniară (unifactorială) yi=α+β(xi)+εi,cu : i= 1, n 160
transformat în IPCi =α+β(IPPIi)+εi, cu n =20.
Prin programul EViews se pot valorifica 120
grupuri de variabile prin comenzile Open→
80
as Group (variabile marcate cu tasta Ctrl) şi 100 150 200 250 300 350
se deschide un fişier special denumit resid
(variabila reziduală) ce realizează independent IPPI
şi continuu calculul acestei variabile speciale.

Parametrizarea se realizează rapid cu programul EViews, respectiv prin Quick → Estimate

Equation prin metoda celor mai mici pătrate. Informaţiile oferite prin programul EViews
acoperă principalele testări de ipoteze statistice necesare, dar se cuvine a detalia cele zece
ipoteze ale modelului axat pe datele despre IPC şi IPPI.

H1: Liniaritatea modelului este o ipoteză satisfăcută conform graficului ce arată legătura
dintre yi şi xi. Corelograma obţinută din date relevă clar un model liniar standard
yi=α+β(xi)+εi, cu i=1,2,...,n transformat în IPCi=α+β(IPPIi)+εi, unde i=1991,1992,....,2010
(n =20), iar valorile parametrilor α şi β sunt pozitive din imaginea grafică.

H2:Absenţa erorilor de măsurare în valorile observate xi se verifică prin validarea

( ) ( )
relaţiilor x ∈ x ± 3σx şi y ∈ y ± 3σy . O statistică descriptivă constituie un sprijin serios
în testarea rapidă a ipotezei enunţate, după ce ambele variabile au fost incluse într-un grup
prin marcarea în fişierul de lucru al variabilelor redenumite din ser01 şi ser02 cu IPC şi
IPPI, urmată de comenzile deja discutate Open→as Group:

156
 pentru care se cer statistici descriptive cu View→Descriptive Stats→Common sample:

Din datele preluate se validează ipoteza H2 privind absenţa erorilor de măsurare.

Sample: 1991 2010 Validarea ipotezei H2

IPC IPPI ( )
Intervalul x ± 3σ x se concretizează
Mean 163.7020 161.9200
Median 133.4000 134.1500 prin (163,702 ± 3×77,08227) sau prin
Maximum 356.1000 320.1000 (- 67,54481; 394,94881) şi captează în
Minimum 104.8400 102.3000 interiorul lui toate valorile lui yi (IPC).
Std. Dev. 77.08227 68.95585 ( )
Intervalul y ± 3σ y se concretizează
Skewness 1.309977 1.167618 prin (161,92 ±3× 68,95585) sau prin
Kurtosis 3.359723 2.803957 (- 44, 94755; 368,78755) şi captează în
Jarque-Bera 5.827966 4.576463 interiorul lui toate valorile lui xi (IPPI).
Probability 0.054259 0.101446 Ipoteza privind absenţa erorilor de mă-
Sum 3274.040 3238.400 surare în valorile observate xi şi yi este
Sum Sq.Dev 112891.9 90343.27 practic satisfăcută prin captarea tuturor
Observations 20 20 acestor valori în intervalele calculate.

H3: Media erorilor egală cu zero (tinde evident spre zero) se verifică apelând la
statistica descriptivă a variabilei reziduale (εi), de unde se preia valoare mediei reziduurilor.
Paşii sunt următorii: a) în grupul celor două variabile se verifică intensitatea corelaţiei între
IPC şi IPPI printr-o matrice de corelaţie cu View→Correlations→Common sample:

157
Raportul de corelaţie este ridicat, modelul reliefând o corelaţie de intensitate foarte ridicată.

IPC IPPI
IPC 1.000000 0.944521
IPPI 0.944521 1.000000

Se poate trece la estimarea parametrilor şi cuantificarea variabilei reziduale prin Quick→

Estimate equation cu specificarea ecuaţiei modelului IPC c IPPI (c fiind parametrul α,
restul fiind variabila endogenă (IPC) şi exogenă (IPPI):

Estimatorii parametrilor modelului yi=α+β(xi)+εi,transformat în IPCi=α+β(IPPIi)+εi sunt α

sau c =-7.258417 şi β=1.055833 sau IPCi=-7.258417 +1.055833 (IPPIi)+εi

158
 Dependent Variable: IPC
Method: Least Squares
Sample: 1991 2010
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C -7.258417 15.17175 -0.478417 0.6381
IPPI 1.055833 0.086540 12.20050 0.0000
R-squared 0.892120 Mean dependent var 163.7020
Adjusted R-squared 0.886127 S.D. dependent var 77.08227
S.E. of regression 26.01149 Akaike info criterion 9.449593
Sum squared resid 12178.75 Schwarz criterion 9.549166
Log likelihood -92.49593 F-statistic 148.8523
Durbin-Watson stat 1.753269 Prob(F-statistic) 0.000000
Acum se poate prelua din fişierul de lucru variabila reziduală (resid) şi prin statistica
descriptivă se verifică dacă media ei tinde accelerat spre zero sau este chiar egală cu zero.
Tabel nr. 5.3
Anul Variabila Grafic nr. 5.4 Statistica descriptivă
reziduală a variabilei reziduale
1991 -60.51360 Oscilaţiile reziduului în jurul mediei zero
1992 16.95729 Sample: 1991 2010
1993 83.56277 RESID
1994 -9.969327
1995 -3.084569 Mean 2.65E-14
1996 -12.21089 Median -3.401866
1997 -9.184982 Maximum 83.56277
1998 25.72151
Minimum -60.51360
1999 2.919019
Std. Dev. 25.31772
2000 -7.105807
Skewness 1.261500
2001 -6.374899
Kurtosis 8.459388
2002 -1.692744
Jarque-Bera 30.14204
2003 -3.719164
Probability 0.000000
2004 -5.957748
Sum 5.27E-13
2005 -2.417169
2006 -4.434836 Sum Sq Dev. 12178.75
2007 -2.670588 Observations 20
2008 -5.784417 Media tinde clar spre
2009 4.836741 zero fiind egală cu
2010 1.123410 2,65 ×10-14

H4: Homoscedasticitatea modelului (varianţa constantă a variabilei reziduale în

raport cu orice valoare a variabilei xi). Anticipând importanţa acestei ipoteze se poate
afirma ca un model al regresie unifactoriale în care se identifică heteroscedasticitate este în
fapt un model viciat, fie prin specificarea sau greşită (lipsa unor variabile din model,
selectarea eronată a unei funcţii matematice inadecvate, natura fenomenului studiat, în
special al datelor caracteristice acestui fenomen construite prin agregare etc. Semnalul de
homo sau heteroscedasticitate se poate identifica cu ajutorul testului White selectat din
textul ferestrei unde s-au estimat parametrii modelului, prin comenzile View→Residual
tests→White Heteroskedasticity (no cross terms):

159
Rezultatele obţinute prin testul White asupra modelului IPC exprimat în funcţie de IPPI
arată că la nivelul reziduurilor heteroscedasticitatea este prezentă.
White Heteroskedasticity Test:
F-statistic 4.953444 Probability 0.020183
Obs*R-squared 7.363830 Probability 0.025175
Dependent Variable: RESID^2
Method: Least Squares
Sample: 1991 2010
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C 888.1617 3773.002 0.235399 0.8167
IPPI -16.32251 43.28249 -0.377116 0.7108
IPPI^2 0.076906 0.106928 0.719229 0.4818
R-squared 0.368192 Mean dependent var 608.9377
Adjusted R-squared 0.293861 S.D. dependent var 1706.329
S.E. of regression 1433.863 Akaike info criterion 17.51161
Sum squared resid 34951384 Schwarz criterion 17.66097
Log likelihood -172.1161 F-statistic 4.953444
Durbin-Watson stat 3.070660 Prob(F-statistic) 0.020183
Pentru un prag de semnificaţie de 0,05 cu o valoare tabelată a testului χ2 00.5/2= 5,99
statistica testului White fiind 7,36383 (sau n×R2 =20×0,368192) subliniază că modelul este
heteroscedastic (LM > χ2 00.5/2). Heteroscedasticitatea are ca impact vicierea proprietăţilor
estimatorilor, cu consecinţe grave în estimarea şi validarea parametrilor, a modelului în
ansamblu, făcând inoperante intervalele de încredere şi testarea specifică a ipotezelor
modelului dar, mai ales, în previziunea cu ajutorul acestuia (alt model neliniar sau/şi
multifactorial poate ar satisface mai bine unele cerinţe de estimare a inflaţiei).
H5: Valori reziduale independente sau erori necorelate se evidenţiază eficient cu
ajutorul testului Durbin – Watson prelucrat deja în EViews (d = 1,753269) iar d1 şi d2
pentru n= 20 sunt 0,9 şi 1,83 generând situaţia d1 ≤ d ≤d2 ⇒ indecizie, testul nu este
concludent (la limita autocorelării pozitive) pentru acelaşi prag de 0.05. S-ar putea încerca
eliminarea fenomenului de autocorelare a erorilor, dar nu aceasta a fost cerinţa aplicaţiei.

160
H6: variabila reziduală independentă în raport cu variabila exogenă xi - Grafic (scatter
sau line) între reziduul modelului şi variabila exogenă nu există nici o legătură.
Grafic nr. 5.5 Grafic nr. 5.6

H7: numărul de date observate n mai mare decât numărul de parametrii estimaţi în
model (numărul de observaţii n mai mare decât numărul variabilelor exogene, ipoteză
evident îndeplinită în oricare model unifactorial unde condiţia ar fi n>1);
H8: variabilitate în valorile variabilei exogene xi (valorile lui xi nu sunt deloc identice)
H9:modelul regresiei IPC în funcţie de IPPI este specificat deja din ipoteza H3.(calitatea
specificării este discutabilă iar precizia nu mai are rost să fie analizată, heteroscedasticitatea
oferind semnale de contestare a soluţiei liniare şi unifactoriale de modelare a inflaţiei).
H10: variabila reziduală normal distribuită: din păcate erorile nu urmează o lege
normală de distribuţie cu media zero şi cu abaterea medie pătratică σ2 sau εi~N(0,σ2).
Programul EViews valorifică testul Jarque-Bera care infirmă normalitatea seriei reziduale
generate de model la orice probabilitate asociată testului (0,01; 0,025 sau 0,05). Conform
distribuţiei χ2, valoarea critică a testului Jarque-Bera pentru un grad de semnificaţie
statistică de 0,05 este 5,99, iar pentru 0,01 este de 9,21 iar statistica JB calculată pentru
seria de valori ale variabilei reziduale este 30,142 mai mare decât 5,99 şi se respinge
ipoteza nulă cu un nivel de încredere de 95 de cazuri din 100 (analog şi pentru o
probabilitate de 0,99). Principala consecinţă a anormalităţii reziduului ţine de testarea
incertă a altor ipoteze ale modelului. În principiu modelul specificat unifactorial şi liniar nu
îndeplineşte trei din cele şase ipoteze fundamentale prezentate în caseta nr. 6.2, derivate din
metoda celor mai mici pătrate (Ordinary Least Squares sau abreviat OLS). Modelul
heteroscedastic şi indecizia depistată prin testul Durbin-Watson în ceea ce priveşte
corelarea reziduurilor (erorilor) dar, mai ales, distribuţia anomală a variabilei reziduale
conform testului Jarque-Bera, nu mai fac posibilă construirea de teste privind validitatea
modelului. Pentru heteroscedasticitate şi autocorelaţie, considerate vicieri ale modelului
econometric există soluţii de remediere, prin transformarea datelor originale din model sau
prin folosirea metodei celor mai mici pătrate generalizate (Generalised Least Squares sau
GSL) în locul clasicei OLS, dar se impun noi specificări, care pot conduce la abandonarea
sa (în favoarea unui alt model neliniar şi/sau multifactorial care va îndeplini în integralitate
ipotezele analizate). În practica testării pot apare şi alte explicaţii, dintre care lipsa de
staţionaritate a seriilor de date economice este cea mai des invocată. Corelația dintre seriile
nestaționare poate fi foarte ridicată (coeficientul R2 fiind destul de aproape de 1), dar
devine practic neconcludentă, nivelul coeficientului de determinaţie datorându-se mai
curând unor trenduri comune, existente în seriile respective.

161
 2. Pe baza datelor de mai jos reprezentând stimulentele acordate agenţilor de
asigurare şi încasările anuale, în milioane lei, pentru 15 agenţii, să se specifice
modelul liniar de regresie cu stimulente drept variabilă exogenă, estimând
parametrii, interpretând semnificaţia informaţiilor oferite prin EViews,
testând ipotezele modelului şi validând modelul final:
Tabel nr. 5.4.
Stimulente 5,9 4,7 4,2 4,4 4,5 5,1 5,6 5,4 6,6 5,6 6,2 6,3 6,5 7,0 4,0
Încasări 88 77 68 69 71 79 85 79 94 78 83 89 93 102 65
Rezolvare: Se solicită un model de regresie unifactorială a încasărilor, etapele practice
ale specificării acestuia fiind: a) se impune ca variabila exogenă variabila stimulente; b) se
identifică funcţia matematică yi = f(xi) sau relaţia dintre variabila yi şi xi prin metoda grafică,
folosind Scatter with Regression şi XY line, modelul căutat fiind o funcţie de regresie liniară
yi=α+β(xi)+εi,cu: i= 1, n , transformat în INCi =α+β(STIMi)+εi, cu n =15.
Grafic nr. 5.7 Grafic nr. 5.8
110 110

100 100

90 90
INC

INC

80 80

70 70

60 60
3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0 7.5 3.6 4.0 4.4 4.8 5.2 5.6 6.0 6.4 6.8 7.2

STIM STIM

Utilizând pachetul de programe EViews în vederea estimării parametrilor modelului se

obţin estimatorii C respectiv STIM ai modelului: yi = α + β(xi) + εi, cu: i = 1, n ,transformat
în INCi = 22,43838 + 10,77347 (STIMi) + εi. Conţinutul celorlalţi indicatori calculaţi
prin pachetul de programe EViews este detaliat în continuare. R-squared = 0.929613 şi
Adjusted R-squared = 0.924199 sunt coeficientul de determinaţie clasic R2 şi ajustat
(corectat) cu numărul de variabile factoriale cuprinse în model, precum şi cu numărul de
observaţii pe baza cărora au fost estimaţi parametrii modelului. (Valorile apropiate de 1
relevă o corelaţie foarte puternică). S.E. of regression = 2.931626 şi Sum squared resid
=111.7276 reprezintă suma şi respectiv suma ridicată la pătrat a valorilor reziduale
(erorilor). Log likelihood= -36.34418 reprezintă logaritmul funcţiei de verosimilitate (în
ipoteza unor erori normal distribuite) şi este valorificat în testul LR (Likelihood Ratio).
Mean dependent var = 81.33333 şi S.D. dependent var =10.64805 reprezintă media
variabilei şi abaterea standard a variabilei endogene yi. Akaike info criterion = 5.112557 şi
Schwarz criterion = 5.206964 sunt valorile criteriilor Akaike şi Schwartz utilizate în cazul
comparării a două sau mai multe modele econometrice (valoarea minimă selectează
modelul cel mai bun în ambele testări). F-statistic = 171.6933 şi Prob(F-statistic) =
0.000000 reprezintă Fcalculat şi probabilitatea asociată statisticii F, o valoare cât mai
apropiată de zero a acestei probabilităţi va indica o semnificaţie ridicată a rezultatelor
estimării, respectiv a modelului.

162
 Testele t şi Durbin-Watson vor fi comentate ulterior evaluărilor reziduale (erorilor).
Pe baza estimatorilor parametrilor se pot determina rapid valorile estimate ale variabilei yˆ i
din textul ferestrei unde s-au estimat parametrii modelului, prin comanda Forecast şi ale
variabilei reziduale εˆi prin deschiderea fişierului INCf şi resid, create automat de program.
Tabel nr. 5.5
Variabila Variabila reziduală
endogenă yˆ i estimată ( ε̂i =yi- ŷi ) Sample: 1 15
VAR_RESID
86.0018353435 1.99816465653
Mean -1.20E-13
73.0736759308 3.92632406922
Median 0.313057
67.6869428422 0.31305715784
Maximum 4.147352
69.8416360776 -0.841636077609
Minimum -6.233875
70.9189826953 0.0810173046672
77.3830624017 1.61693759832
Std. Dev. 2.824985
82.7697954903 2.2302045097 Skewness -0.664245
80.6151022549 -1.61510225485 Kurtosis 3.147431
93.5432616675 0.456738332459 Jarque-Bera 1.116639
82.7697954903 -4.7697954903 Probability 0.572170
89.2338751966 -6.23387519664 Sum -1.80E-12
90.3112218144 -1.31122181437 Sum Sq. Dev. 111.7276
92.4659150498 0.534084950183 Observations 15
97.8526481384 4.14735186156 Variabila reziduală tinde spre 0.
65.5322496067 -0.532249606712
Verificarea ipotezelor modelului se referă la cele şase ipoteze ale OLS semnificaţiei
modelului necesită minimum patru evaluări succesive: a)date fără erori de măsurare la
( )
nivelul lui xi şi yi (prin construcţia intervalelor de tip x ∈ x ±3σx şi y ∈ y ± 3σy ( )
conform statisticilor descriptive expuse prin EViews); b)variabila reziduală are media zero
şi f) variabila reziduală normal distribuită sunt ipoteze verificate deja în tabelul 6.5 unde
E(εi) tinde spre 0 (media=1,20×10-13) iar valoarea 1.116639 a testului Jarque-Bera confirmă
normalitatea distribuţiei repartiţiei variabilei reziduale); c) verificarea ipotezei de
independenţă a reziduurilor (erorilor) se face în mod obişnuit cu ajutorul testului Durbin-
Watson. Dar, în acest caz, aplicarea testului Durbin-Watson este irelevantă. Astfel după ce
s-au extras din tabela testului d1=1,08 d2=1,36 şi din estimarea parametrilor cu programul
163
EViews valoarea d calculată a testului (Durbin-Watson stat = 1.188824 ) se constată că
d1 ≤ d ≤d2 ⇒ indecizie, testul nu este concludent; d)verificarea ipotezei de
homoscedasticitate a erorilor se va realiza tot cu ajutorul testului White şi a programului
EViews, prin comenzile View→Residual tests→White Heteroskedasticity (no cross terms):
F-statistic 0.832777 Probability 0.458484
Obs*R-squared 1.828195 Probability 0.400878
Sample: 1 15 Dependent Variable: RESID^2
Method: Least Squares
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C -74.47748 117.3386 -0.634723 0.5375
STIM 26.95398 43.98364 0.612818 0.5514
STIM^2 -2.128804 4.029029 -0.528367 0.6069
R-squared 0.121880 Mean dependent var 7.448506
Adjusted R-squared -0.024474 S.D. dependent var 11.29823
S.E. of regression 11.43565 Akaike info criterion 7.888204
Sum squared resid 1569.289 Schwarz criterion 8.029815
Log likelihood -56.16153 F-statistic 0.832777
Durbin-Watson stat 1.880391 Prob(F-statistic) 0.458484
Pentru un prag de semnificaţie 0,05 cu o valoare tabelată a testului χ2 00.5/2= 5,99 statistica
testului White fiind 1,8282 (n×R2 =15×0,12188) subliniază că modelul este homoscedastic
(LM < χ2 00.5/2); e) variabila reziduală şi exogenă sunt independente conform graficului lor.
Grafic nr. 5.9
6

2
VAR_RESID

-2

-4

-6

-8
3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0 7.5

STIM

Testarea parametrilor face parte din validarea modelului final alături de raportul de
corelaţie. Estimatorii modelului sunt semnificativ diferiţi de zero conform testului t realizat
prin estimarea modelului şi valoarea lui t tabelat 0,05;12 = 2,179.
Variable Coefficient Std. Error t-Statistic Prob.
C 22.43838 4.557999 4.922859 0.0003
STIM 10.77347 0.822203 13.10318 0.0000
Prob = probabilitatea asociată estimatorului parametrului α̂ sau β̂ , respectiv C sau INC .
O valoare cât mai apropiată de zero a acestei probabilităţi indică o semnificaţie ridicată a
parametrului iar în caz contrar, confirmă faptul că parametrul este nesemnificativ dar
împreună cu testul t. Raportul de corelaţie este semnificativ diferit de zero pentru un prag
de semnificaţie de 0,05 deoarece se verifică inegalitatea: Fcalculat > Ftabelat0,05;1;12.
Programul EViews a determinat un F-statistic = 171.6933 cu o probabilitate zero, Prob(F-
statistic) = 0, ceea ce confirmă că raportul de corelaţie este semnificativ diferit de zero.

164
 C. Aplicaţii propuse spre rezolvare
1.Încasările medii zilnice (determinate pentru şase luni de funcţionare
continuă) şi suprafaţa comercială a unui număr de 16 firme care vând
acelaşi tip de produse industriale sunt expuse în continuare:
Tabel nr. 5.6.
Suprafaţa comercială (mp) 56 62 66 75 84 96 112 120 135 144 145 150 154 171 184 196
Încasări medii (mii lei/zi) 55 60 59 65 70 82 98 101 112 127 125 129 131 140 142 145
a) specificaţi modelul econometric unifactorial ce descrie aproape liniar
legătura dintre variabile; b)să se estimeze parametrii modelului şi să se
calculeze valorile teoretice ale variabilei endogene şi reziduale; c) să se
verifice cele şase ipoteze de fundamentale ale modelului regresiei
unifactoriale; d) să se verifice semnificaţiile estimatorilor şi verosimilitatea
modelului (utilizaţi pachetul de programe EViews).
2. Un produs a fost vândut într-un număr de 15 pieţe din zone geografice
diferite în cantităţi şi cu preţuri diferite, conform datelor de mai jos:
Tabel nr. 5.7.
Piaţă Cantitate Preţ Piaţă Cantitate Preţ Piaţă Cantitate Preţ
1 11,7 5,4 6 11,0 9,0 11 17,6 6,2
2 9,3 5,9 7 7,6 8,4 12 12,9 7,5
3 13,4 8,0 8 12,6 5,6 13 5,3 8,5
4 16,1 5,9 9 16,4 5,7 14 14,6 7,4
5 14,5 8,8 10 9,4 8,9 15 14,5 5,6
Utilizând EViews să se specifice, parametrizeze, testeze şi valideze modelul
regresiei unifactoriale unde preţul este este variabila exogenă.
3.Estimaţi parametrii şi verificaţi semnificaţia acestora în cadrul modelului
regresiei unifactoriale ce descrie legătura dintre consumul şi veniturile în
mii lei anual şi sintetizate pentru 14 gospodării în tabelul următor:
Tabel nr. 5.8.
Consum 55,8 46,7 43,2 43,6 44,7 50,6 52,6 54,6 59,0 58,3 61,1 62,9 67,4
Venit 85,8 74,7 68,2 69,1 71,8 76,9 75,0 79,9 71,4 72,1 76,2 79,9 83,9

D.Bibliografie opţională
Long, J. S. Regression models for categorical and limited dependent variables. Sage
Publications, Incorporated, 1997.
Săvoiu, G., Iorga Simăn, I., Crăciuneanu, V., The Phenomenon Of Concentration-
Diversification In Contemporary Globalization. Romanian Statistical Review 60 (4): pp. 5-
27,1998.
Săvoiu, G., Iorga Simăn, I. Variables in the Specific Thought of Multidisciplinary
Research: The Importance of Epsilon. Econophysics, Sociophysics & Other
Multidisciplinary Sciences Journal (ESMSJ) II (2), pp. 29 -35.
Săvoiu, G.,Popa, S., Foreign Direct Investment (FDI), Romania. Revista Română de
Statistică, pp. 60-69, 2012.
Săvoiu, G.. Economic indicators used for EU projects, in other criteria of aggregation than
national/regional. Munchen Archive, pp. 885-890. 2007 (mpra.ub.uni-muenchen.de).

165
 CAPITOLUL VI

Modelul regresiei multifactoriale şi alte modele econometrice

Cuprins Pagina
1. De la modelul regresiei unifactoriale prin iteraţie către cel multifactorial 167
2. Aspecte specifice în modelul multifactorial 169
3. Modele econometrice dinamice şi spaţiale 174
4. Test de autoevaluare, aplicaţii şi bibliografie opţională 185

Obiective: Obiectivul tematic esenţial este formarea capacităţii de a construi prin

iteraţie modele de regresie multifactorială din cele de tip unifactorial, dezvoltarea unor
abilităţi de a depista şi ameliora fenomenul de multicoliniaritate (variabilele exogene
ale modelului econometric şi econometric financiar sunt puternic corelate). Analiza
succintă a abordării dinamice şi spaţiale în modelul econometric (financiar) constituie
doar o scurtă deschidere către universul vast al modelelor economico-financiare
contemporane.
Cuvinte cheie: modelul econometric de regresie multifactorială, fenomen de
multicoliniaritate, ipotezele modelului de regresie.

Bibliografie
Andrei, T., Bourbonnais, R., Econometrie, Ed. Economică, Bucureşti, 2008.
Andrei, T., Stancu, S., Iacob, A.I., Tuşa, E., Introducere în econometrie utilizând EViews,
Ed. Economică, Bucureşti, 2008.
Clocotici,V., Introducere în statistica multivariată,Ed.Universităţii, A.I. Cuza, Iaşi, 2007.
Ghinăraru, C., Matei, M., Alexandru, A., Instrument de anticipare a tendinţelor pe piaţa
muncii pentru România, 2010. POS DRU/63/3.2/S/41637, http://www.flexicovery.ro
Greene, W. H., Econometric Analysis, 4th ed., Prentice Hall International, 2000.
Gujarati, D.N.,Porter, D.C., Basic econometrics, Boston: McGraw Hill, 5th Edition, 2009.
Jaba E. (coord.), Econometrie aplicată, Ed. Univ. Al. I. Cuza, Iaşi, 2008.
Onicescu, O., Econometrie şi statistică informaţională, Comunicări DCS, Bucureşti,1983.
Pecican, E., Econometrie ... pentru economişti, Ed. Economică, Bucureşti, 2004.
Săvoiu, G., Cercetări şi modelări de marketing.Metode cantitative în cercetarea pieţei, Ed.
Universitară, Bucureşti, 2005.
Săvoiu, G., (coord.), Necşulescu, C., Econometrie Ed. Universitară, Bucureşti, 2009.
Taşnadi A., Econometrie, Ed. ASE Bucureşti, 2004.
Vogelvang, B., Assignments for:”Econometrics, Theory and Applications with EViews”
Vrije Universiteit Amsterdam, Department of Econometrics, 2005,Version 01.
Voineagu,V., Ţiţan,E., Şerban,R., Ghiţă,S., Tudose,D., Boboc,C., Pele,D., Teorie şi practică
econometrică, Ed Meteor Press, Bucureşti, 2007.

Webografie
*** http://www. eviews.com
*** http://www.insse.ro
*** http://www.bnr.ro

166
 VI.1. De la modelul regresiei unifactoriale prin iteraţie către cel
multifactorial

Modelul liniar de gândire a fost preferat altor modele o lungă perioadă

de timp, deţinând informaţional calitatea de a exprima matematic şi statistic
rapid şi eficient lumea exterioară. Chiar şi în prezent tot mai liniarizăm sau
simplificăm realitatea pe principiul aproximării unei linii curbe cu o linie
dreaptă sau cu mai multe segmente de dreaptă. Marea majoritate a
metricilor gândirii clasice matematice aplicate în economie au fost ori s-au
redus ulterior la metrici liniare simple unifactoriale, respectiv, au la bază
relaţii matematice liniare de tipul yi = α + βxi. Complexitatea
informaţională a majorat treptat numărul de variabile exogene sau de factori
explicativi ai modelelor iniţiale. Mai devreme sau mai târziu modele
unifactoriale s-au alterat iar previziunile lor s-au dovedit a avea un nivel
destul de ridicat al erorilor. Analiza atentă a dinamicii reziduului a impus
treptat regândirea întregului fenomen. Prin urmare o primă apariţie a
modelului regresiei multifactoriale este dictată de ameliorarea sau
dezvoltarea modelului unifactorial y = f(x)+ε care se transformă treptat în y
= f(x1,x2,…,xn)+ε. Modelul econometric de regresie multifactorială
reprezintă în practică o iteraţie sau o reluare succesivă şi selectivă de
modele unifactoriale, care poate aduce însă cu sine o altă formă de viciere
prin fenomenul de multicoliniaritate. Excesul factorial este compensat în
acest tip de modelare prin adagiul latin „non multa, sed multum” sau
„multum in parvo” extras din gândirea pitagoreică: „nu spuneţi puţin în
multe cuvinte, ci mult în puţine cuvinte”. Rămâne un adevăr de necontestat
că selectare variabilelor cu determinaţie majoră în variaţia variabilei
endogene este mai importantă decât simpla multiplicare a acestora şi
supraaglomerarea modelului (din toate punctele de vedere, atât ca
multiplicări de surse de date, cât şi ca testări, validări etc), dar mai mulţi
factori asemeni mai multor capete pot genera mai multe sensuri în gândirea
unui fenomen economic de o complexitate sporită.
Ipotezele modelului regresiei simple se emit şi verifică analog şi în
cazul modelului regresiei multiple. La acestea se adaugă şi ipoteza de
multicoliniaritate, conform căreia există o relaţie de dependenţă între
variabilele exogene ale modelului. Modelul econometric multifactorial este
axat faptul că variabilele exogene nu sunt corelate, formând un sistem de
vectori independenţi. Opusul acestui fenomen îl reprezintă
multicoliniaritatea variabilelor exogene, fenomen nedorit, în procesul de
modelare econometrică multifactorială, dar frecvent întâlnit în economie.
Gândirea de tip econometric a apelat la depistarea fenomenului de
multicoliniaritate prin intermediul reprezentării grafice a variabilelor
167
explicative urmată de sesizarea unor fenomene de paralelism. Practica
econometrică a impus ca alternativă la analiza grafică, o soluţie iterativă, de
atenuare a multicoliniarităţii:
a) are loc calculul raportului de corelaţie(R), din raportul de determinaţie D
sau R2;
b) valoare lui R este comparată cu mărimea aceluiaşi raport obţinut în
condiţiile în care una dintre variabilele factoriale a fost omisă din model;
c) în cazul în care valorile coeficienţilor sunt apropiate ca mărime se poate
considera că variabila omisă este coliniară cu celelalte variabile factoriale;
d) are loc eliminarea acestei variabile din model, ceea ce conduce la
atenuarea sau diminuarea multicoliniarităţii fără a afecta semnificativ gradul
de determinare a celorlalte variabile exogene asupra celei endogene
Cum în modelele multifactoriale combinările reale ce trebuie studiate
între variabilele exogene pot depăşi ca număr posibilităţile unei analize
simple atenuarea multicoliniarităţii a fost obligată să mai introducă o a doua
alternativă de lucru de tip preventiv de astă dată, dar axată pe acţiuni
derivate, subsidiare:
a)se recomandă folosirea unor serii de date cât mai lungi (T>15), astfel încât
eventualele analogii, datorate hazardului, să fie, pe cât posibil, eliminate;
b) în situaţia în care două variabile exogene sunt intens corelate (una dintre
ele este coliniară cu cealaltă), se poate renunţa la una dintre ele,
considerându-se că variabila omisă este exprimată de cea reţinută în model;
c)dacă datele sunt prezentate sub forma seriilor cronologice, se determină
diferenţele de ordin 1 (Δ(1)=yt–yt-1) sau se logaritmează valorile lui Yt, Xi în
scopul atenuării coliniarităţii cauzate de prezenţa trendului în cadrul seriilor
de date;
d) se pot utiliza serii sincrone de date, formate în optică transversală, ca
modalitate de diminuare sau chiar de eliminare a interdependenţei factorilor
(econometria datelor de panel extinde astfel câmpul modelării).
Există un argument semnificativ privind eliminarea variabilelor
redundante din model, cauzatoare ale multicoliniarităţii, un argument extern
gândirii econometrice moderne, unul ce ţine de natură juridică şi este izvorât
din prevederile dreptului roman, care consfinţesc ideea conform căreia nu
există efect fără cauză, suprimând cauza, dispare efectul. A elimina variabila
sau variabilele generatoare ale fenomenului de multicoliniaritate este deci o
acţiune deplin justificată, în economia modelului variabila fără efect fiind
suprimată în practică. Modelul econometric de regresie multifactorială este
o generalizare a regresiei unifactoriale, în care apar două procese opuse: mai
întâi are loc o multiplicare a variabilelor în model, pentru ca mai târziu
pentru diminuarea multicoliniarităţii să apară o demultiplicare a aceloraşi
variabile. Modelul econometric aprofundează cunoaşterea realităţii
economice şi prin evoluţiile în timp şi spaţiu ale unui fenomen economic.
168
Modelul econometric urmăreşte evoluţiile longitudinale sau temporale cu
mare atenţie, dar mai ales cu gândul la îmbunătăţirea predicţiei acestora.
Modelul şi modelarea econometrică s-au extins treptat în multe domenii
micro sau macroeconomice, dar există încă multe alte areale nestructurate
sau mai puţin accesate. Ca o deficienţă de fond a modelelor econometrice
contemporane se constată o mai slabă acoperire a tipului de areal ce implică
o modelare de tip mezoeconomic sau mezoteritorial în stare să surprindă
tranziţia de la micro la macro sau de la individual la global.

VI.2. Aspecte specifice în modelul multifactorial

Specificarea în modelul econometric al regresiei multifactoriale

presupune o abordare unifactorială iniţială la nivelul fiecărei variabile
exogene xi suspectate a fi de natură să influenţeze evoluţia variabilei
endogene yi . Orice model econometric al regresiei multifactoriale reprezintă
la final rezultatul unei iteraţii unifactoriale agregate. Procedee analitice
estimează mai multe forme ale funcţiei yi = f(xi) urmând să se decidă care
model este cel mai bine specificat, pe baza unei game mai restrânse sau mai
largi de criterii de performanţă în raport cu complexitatea fenomenului
economic iar procedeele grafice de identificare rămân practic aceleaşi, de la
cele unde se prezintă grafic perechile (yi, xi) ca un nor de puncte denumit
corelogramă (XY line, Scatter etc.) până la unele cu un conţinut mai profund
şi explicit (Scatter with regression) pentru a face astfel referire la programul
EViews. Identificarea modelului regresiei multifactoriale presupune
precizarea funcţiei matematice yi = f(xi), după selectarea celor n variabile
exogene, model ce poate fi scris atât sub formă standard:
y i = β0 + β1 x1i + β 2 x 2i + ... + βn x ni + ε i unde: i = 1, m şi j = 1, n , cât şi într-o
alternativă matricială: Y = Xβi + εi , cu n variabile exogene şi m observaţii,
rezultate din detalierea unor matrici de forma:
⎡ y1 ⎤ ⎡1 x11...x1n ⎤ ⎡β1 ⎤ ⎡ε1 ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ y2 ⎥ ⎢1 x 21...x 2n ⎥ , β = ⎢β 2 ⎥ , ε ⎢ε 2 ⎥
Y= ⎢ ⎥ , X= ⎢ ⎥ ⎢... ⎥ ⎢... ⎥
⎢... ⎥ ⎢ ...
⎥ ⎢β ⎥ ⎢ε ⎥
⎢y ⎥
⎣ m⎦
⎢⎣1 x ...x ⎥⎦
m1 mn
⎣ m⎦ ⎣ m⎦
Variabila reziduală εi (a factorilor neesenţiali, cu acţiune întâmplătoare)
rămâne prezentă în modelul econometric, atât din incapacitatea firească de a
surprinde toate cauzele ce generează variaţia lui yi, cât şi ca urmare a
persistenţei erorilor. Ipotezele modelului regresiei unifactoriale se regăsesc
integral şi în cazul modelului regresiei multifactoriale, iar acestora li se mai
169
adaugă şi ipoteza de multicoliniaritate (conform căreia nu există
independenţă între variabilele exogene ale modelului, ipoteză ce trebuie
respinsă admiţând alternativa opusă acesteia).
Caseta nr. 6.1
H1: Liniaritatea modelului multifactorial (eventual liniarizarea )
( ) (
H2: Date fără erori de măsurare: x ∈ x ± 3σ x şi y ∈ y ± 3σ y )
H3: Variabila reziduală are media zero: E (εi |xi)=E(εi )=0
H4: Homoscedasticitatea modelului: var(εi |xi)=σ2 (constantă)
H5: Necorelarea reziduurilor: cov(εi ,εj |xi ,xj)=E[(εi |xi)(εj |xj]=0
H6: Variabila reziduală şi exogenă independente: cov(xi,εi) = 0
H7: Variabila reziduală normal distribuită: εi ~ N (0, σ2 )
H8: Numărul observaţiilor (n) > numărul parametrilor estimaţi
H9: Variabilitate în valorile variabilei exogene xi
H10: Modelul regresiei corect specificat
H11: Multicoliniaritatea variabilelor exogene este absentă
Situaţia descrisă drept multicoliniaritate apare atunci când un grup de
variabile independente sunt puternic corelate între ele, caz în care prin
inserarea în model a unei variabile dintr-o anumită clasă sau un grup
distinct, restul variabilelor din grup nu conferă niciun plus informaţional, ci
devin redundante şi chiar produc o supraevaluare a coeficientului de
determinaţie, ca şi a dispersiilor coeficienţilor estimaţi, denaturând
interpretarea dată prin model şi conducând la o extensie artificială a
intervalelor de încredere. Cele două probleme ce se impun a fi rezolvate
sunt depistarea sau determinarea multicoliniarităţii şi găsirea unor soluţii de
atenuare a impactului acesteia. La prima problemă sunt mai multe soluţii, de
la studiul matricei de corelaţie dintre variabilele x (determinând perechile de
variabile independente care sunt puternic corelate între ele) la calcularea
determinantului acestei matrice de corelaţie, a cărui valoare apropiată de
zero reflectă o puternică corelaţie între anumite variabile, deci confirmă
rapid existenţa multicoliniarităţii).
Se mai poate a stabili un indicator sintetic toleranţa variabilei xi
pentru a decide dacă o variabilă este coliniară cu altele, eventual un grup cu
altul (sau cu un grup dintre celelalte), prin determinarea τi = 1- (Ri)2 a cărei
valoarea mai mică de 0,1 semnalează o legătură liniară puternică între xi şi
restul variabilelor independente. De asemenea se mai determină şi factorul
de inflaţie a varianţei (VIF), inversul toleranţei un factor care multiplică
varianţa coeficienţilor estimaţi (cauza fiind prezenţa multicoliniarităţii în
raport cu absenţa acesteia). O valoare mai mare de 10 a acestui factor
depistează multicoliniaritatea. Atenuarea multicoliniarităţii este posibilă,
deşi se doreşte eliminarea ei (mai greu realizabilă practic) şi conduce la
următoarele atitudini modelatoare preventive:a) folosirea unor serii de date
cât mai lungi (T>15), astfel încât eventualele analogii, datorate hazardului,
să fie, pe cât posibil, eliminate; b) renunţarea la una dintre cele două
170
variabile exogene intens corelate ele; c) diferenţelor de ordin 1(Δ(1) = yt–yt-1)
sau logaritmarea valorilor lui Yt, Xi în seriile de date cronologice,în scopul
atenuării coliniarităţii cauzate de prezenţa trendului; d) utilizarea unor serii
sincrone de date, formate în optică transversală (econometria datelor de
panel extinde astfel câmpul modelării).
Tipologia modelelor regresiei multifactoriale este şi ea asemănătoare
cu a celor unifactoriale:
a)modele liniare de forma:
yi = β0 + β1x1i + β2 x 2i + ... + βn x ni + εi ;
b) neliniare dar uşor liniarizabile (funcţii multifactoriale exponenţiale
sau putere liniarizabile prin logaritmare, funcţia inversă sau
hiperbolică şi semilogaritmică liniarizabile prin artificii simple de
substituire a variabilei etc.);
c) neliniare şi neliniarizabile sau dificil de liniarizat (polinoame de
grad superior etc.).
Diversitatea practică a modelelor de regresie multifactoriale este mult
mai mare decât a celor unifactoriale, în mod paradoxal. O clasificare,
utilizată în Uniunea Europeană, identifică patru tipologii semnificative în
raport de numărul variabilelor exogene incluse, cu cea mai mare frecvenţă
sau densitate de interval: a) modele de dimensiuni mici (1–50 ecuaţii) cu
aplicabilitate microeconomică şi uniregională; b)modele de dimensiuni
medii (150-400 ecuaţii) uni şi multiregionale şi chiar macroeconomice, dar
şi instituţional cu acoperire naţională; c) modele de dimensiuni mari (800-
2000 ecuaţii) macroeconomice şi chiar internaţionale; d) modele de
dimensiuni foarte mari, cu peste 4000 de ecuaţii exclusiv de tip global.
Intervalele de clasificare sunt discontinue ca reflectare a realităţii
acestor modele ce se distribuie în mod neuniform ca număr de ecuaţii
concentrându-se mai ales în intervalele menţionate (conform statisticilor
comune EUROSTAT).
Parametrii modelului econometric multifactorial pot fi estimaţi cu
metoda celor mai mici pătrate, pe baza matricei varianţelor şi covarianţelor,
precum şi cu ajutorul matricei coeficienţilor simpli de corelaţie liniară.
Estimarea parametrilor modelului aplică metoda celor mai mici pătrate într-
o redactare deja standardizată
y i = β 0 + β1 x 1i + β 2 x 2i + ... + β n x ni + ε i unde: i = 1, m şi j = 1, n , descrisă detaliat:

⎧β 0 + β1x11 + β 2 x12 + ... + β n x1n + ε1 = y1

⎪
⎪⎪β 0 + β1x 21 + β 2 x 22 + ... + β n x 2n + ε 2 = y 2
⎨β 0 + β1x 31 + β 2 x 32 + ... + β n x 3n + ε 3 = y3
⎪...
⎪
⎪⎩β 0 + β1x m1 + β 2 x m2 + ... + β n x mn + ε m = y n

171
sau resintetizată matricial:Y = Xβi+εi, cu n variabile exogene şi m
observaţii, unde:
⎡ y1 ⎤ ⎡1 x11...x1n ⎤ ⎡β1 ⎤ ⎡ε1 ⎤
⎢ ⎥ ⎢ ⎥ ⎢β ⎥ ⎢ ⎥
⎢ y2 ⎥ ⎢1 x 21...x 2n ⎥ , β = ⎢ 2 ⎥ , ε = ⎢ε 2 ⎥
Y= ⎢ ⎥ , X= ⎢ ⎥ ⎢... ⎥ ⎢... ⎥
⎢... ⎥ ⎢ ...
⎥ ⎢β ⎥ ⎢ε ⎥
⎢y ⎥
⎣ m⎦
⎢⎣1 x ...x ⎥⎦
m1 mn
⎣ m⎦ ⎣ m⎦
Y, β şi ε fiind matrici coloane ale variabilei endogene, parametrilor şi
reziduului, cu m observaţii, iar X o matrice a variabilei exogene de tip
(n×m).
Acelaşi model concretizat matricial devine astfel:
⎡ y1 ⎤ ⎡1 x11...x1n ⎤ ⎡β ⎤ ⎡ε ⎤
⎢ ⎥ ⎢ ⎥ ⎢1⎥ ⎢1⎥
⎢ y 2 ⎥ ⎢1 x 21...x 2n ⎥ ⎢β 2 ⎥ ⎢ε 2 ⎥
⎢... ⎥ = ⎢ ...
⎥ × ⎢... ⎥ + ⎢... ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ y ⎥ ⎢1 x ...x ⎥ ⎣β m ⎦ ⎣ε m ⎦
⎣ m ⎦ ⎣ m1 mn ⎦
Funcţia de regresie corespunzătoare modelului multifactorial se transformă
matricial în Ŷ = X × βˆ iar estimaţiile variabilei aleatoare εi se definesc prin:
ˆ = Y - X ×βˆ , cu Ŷ reprezentând valorile estimate ale variabilei
ε̂ = Y - Y
endogene.
Cea mai utilizată metodă de estimare a parametrilor modelului
econometric rămâne tot metoda celor mai mici pătrate care constă în
minimizarea funcţiei:

()
m
) 2
( ) ( )
2 2
F βˆ = min ∑ ( yi - yi ) = min Y - Y
ˆ = min Y - X ×βˆ
i=1

'
(
= min Y - X × βˆ ) ( Y - X × βˆ ) = min ⎡⎢⎣Y'Y - 2βˆ ' ( X'Y ) + βˆ ' ( X'X ) βˆ ⎤⎥⎦
unde: βˆ ' este vectorul transpus al lui β, Y ' este vectorul transpus al lui Y şi
X ' este transpusa matricei X .În continuare pentru a minimiza expresia din
paranteză se calculează derivata parţială a funcţiei în raport cu estimatorul
β̂ şi se egalizează cu zero, de unde rezultă:
( ) = 0 ⇔ −2 X'Y
( ) + 2 ( X'X ) βˆ = 0 ⇔ ( X'X ) βˆ = X'Y
∂F β̂
∂β̂
Dacă matricea pătratică (X'Y) admite inversă, prin înmulţirea la stânga a
se obţine ( X'X ) ( X'X ) βˆ = ( X'X ) ( X'Y ) ,
-1 -1
ecuaţiei matriciale cu ( X'X )
-1

172
de unde concluzia exprimată sintetic în formă matricială este
⎡β̂1 ⎤
⎢ ⎥
β̂
β̂ = ( X'X ) ( X'Y ) = ⎢ 2 ⎥ .
-1

⎢... ⎥
⎢ ⎥
⎣β̂ m ⎦
'
Notă: Matricea pătratică (X Y) nu va admite o matrice inversă în cazul unei coliniarităţi
perfecte între oricare două variabile exogene.

Estimarea parametrilor unui model econometric multifactorial poate fi

realizată şi folosind matricea varianţelor şi a covarianţelor:
⎛ 2 ⎞
⎜ σy cov ( y, x1 ) cov ( y, x 2 ) ...cov ( y, x n ) ⎟
⎜ ⎟
⎜ cov ( x1 , y ) σ 2x cov ( x1 , x 2 ) ...cov ( x1 , x n ) ⎟
⎜ 1
⎟
⎜ ⎟
V = ⎜ cov ( x 2 , y ) cov ( x 2 , x1 ) σ 2x 2 ...cov ( x 2 , x n ) ⎟
⎜ ⎟
⎜ ... ⎟
⎜ cov ( x , y ) cov ( x , x ) cov ( x , x ) 2
...σ xn ⎟
⎜ n n 1 n 2
⎟
⎜ ⎟
⎝ ⎠
Δyx j
cu estimatori β̂ j calculaţi după relaţia β̂ j = unde: Δyxj este
Δyy
determinantul matricei varianţelor şi covarianţelor din care s-au eliminat
linia y şi coloana xj; Δyy este determinantul matricei varianţelor şi
covarianţelor din care s-au eliminat linia y şi coloana y, precum şi cu
ajutorul matricei coeficienţilor simpli de corelaţie liniară, unde R reprezintă
matricea acestor coeficienţi.
⎛1 ryx ryx ...ryxn ⎞
1 2
⎜ ⎟
⎜ rx y 1 rx x ...rx xn ⎟
R =⎜ 1 1 2 1
⎟ cu estimatori β̂ j calculaţi după aceeaşi relaţie
⎜ ... ⎟
⎜⎜ r r r ...1 ⎟⎟
⎝ xn y xn x1 xn x2 ⎠
Δyx j
β̂ j = , dar unde: Δyxj este determinantul matricei R din care s-au
Δyy
eliminat linia y şi coloana xj; Δyy este determinantul matricei R din care s-
au eliminat linia y şi coloana y.
La fel ca şi în modelul regresiei unifactoriale se pot estima intervale de
încredere ale parametrilor pornind de la estimatorii modelului. Pentru βi,
173
intervalul de încredere, la pragul de semnificaţie α se determină astfel:
β̂i - βi
≥ tα .
σ̂β̂i 2

Previziunile realizate cu ajutorul modelului econometric al regresiei

multifactoriale valorifică abaterea medie pătratică a erorii de previziune, de
unde rezultă intervalul de încredere IC al variabilei endogene dar se
realizează cu o precizie mai bună în cele mai multe cazuri în raport cu
modelul unifactorial, prin valorificarea unui număr crescut de factori,
generatori ai unei determinaţii crescute a acestora în variaţia fenomenului
cercetat sau efectului. Valoarea previzionată punctual pentru observaţia m+1
este: ŷm+1 = βˆ 0 + βˆ1x1,m+1 + βˆ 2x2,m+1 +...+ βˆ n xn,m+1 cu eroarea de previziune
ε m+1 = y m+1 − ŷ m+1 . În cazul seriilor cronologice, dacă varianţa erorii
previziune egală cu σε2 [1+ X'n+1 (X'X)-1 X n+1 ] va fi înlocuită cu estimatorul
n
1
acesteia: σ̂ε2 = ∑ ε 2j atunci se poate construi un interval de încredere
n - m -1 j=1
pentru valoarea previzionată a variabilei endogene:
( α /2
Prob yˆ n+1 - t n-m-1σˆ ε
n+1
α /2
≤ y n+1 ≤ yˆ n+1 + t n-m-1σˆ ε
n+1
= 1- α )
1 n 2 −1
unde: σˆε = ∑ ε n × ⎡⎣1 + X 'n +1 ( X ' X ) X n +1 ⎤⎦
n+1 n − m −1 j =1

şi i indexează numărul de observaţii, cu i = 1, m (m fiind numărul de

observaţii) iar j indexează variabilele exogene în timp (n fiind numărul
acestor variabile).
Testarea validităţii modelului regresiei multifactoriale presupune ca de
altfel şi în cazul celui unifactorial: a) verificarea ipotezelor enunţate în
vederea aplicării metodei celor mai mici pătrate (H2;H3;H4; H5; H6; H7); b)
verificarea semnificaţiei estimatorilor; c) verificarea verosimilităţii
modelului şi d) verificarea semnificaţiei raportului de corelaţie.

VI.3. Modele econometrice şi econometrice financiare dinamice şi

spaţiale

Modelele econometrice dinamice şi spaţiale valorifică seriile cronologie

şi teritoriale de date. Seria cronologică yt, care are forma unui dublu şir de
valori, în care primul şir reprezintă variabila temporală şi al doilea nivelul
unui fenomen în unităţile de timp ale primului şir, înainte de a fi modelată se
174
încadrează într-una din categoriile: a)serie nestaţionară, având tendinţa
evolutivă (rezultat al unui proces omogen nestaţionar); b) serie staţionară
(rezultat al unui proces stocastic staţionar), având unele elemente stabile,
repetabile ca desfăşurare şi care, reţinute de model, conferă prognozei o
baza solidă şi performanţă;c) serie pur aleatoare, rezultat al unui proces
generator de numere întâmplătoare Analiza seriilor cronologice de date
accentuează importanţa variabilităţii, omogenităţii, succesiunii în timp şi
interdependenţei termenilor.
Gândirea econometrică relevă importanţa staţionarităţii în procesele de
modelare şi previziune, procese ce îi sunt specifice. O serie de timp yt este
staţionară dacă: a) media seriei nu depinde de timp (E(yt) = y , t = 1,n ); b)
dispersia seriei este independentă de timp [(σy )2 = ct.]; c) covarianţa seriei
nu depinde de timp [cov(yt, yt+k ) = ct. t = 1,n şi k < n]. Dacă din cele trei
condiţii expuse se asigură numai stabilitatea în timp a covarianţei atunci, în
locul unei staţionarităţi stricte, se identifică o staţionaritate slabă. În
concluzie, o serie staţionară este o serie cronologică de date ale cărei valori
oscilează în jurul mediei sale iar forma generală a modelului econometric ce
include evident şi reziduul εt transcrisă prin: yt = f(t) + εt se simplifică în
situaţia de staţionaritate şi variabila endogenă devine egală cu yt = y + εt iar
valoarea reziduală cu εt = yt - y .
Deşi cea mai mare parte a seriilor economice de timp nu sunt staţionare
ci prezintă o tendinţă sau un trend, acestea pot fi totuşi transformate în
staţionare prin logaritmare, când se aplică practic un filtru logaritmic, prin
diferenţiere, adică prin calculul diferenţelor de ordin 1(între termenii reali ai
seriei), de ordin 2, (între diferenţele de ordin 1 şi termenii reali), de ordin 3
etc. Procedeul descris se reia până ce diferenţele au devenit aproximativ
egale în diferenţierea de ordin n, diferenţiere care redenumeşte seria
staţionarizată drept serie integrată de ordinul n.
Seriile al căror trend este aparent de nedescifrat sunt supuse unei acţiuni
prealabile de netezire (lissage) prin diverse metode, cea mai eficientă fiind
metoda mediei mobile de ordin p, descrisă prin:
1 k +p
( )
x x, k + 1, k + p = ∑ x i ; unde k = 0, n - p (p = 4 pentru trimestre, p = 12
p i= k -1

pentru luni, valorile fiind alese în raport cu periodicitatea fenomenului). De

obicei modelele econometrice din economie presupun o continuare a
evoluţiei trecute fiind considerate modele cu memorie sau cu inerţie (fapt ce
induce raţional un proces de staţionarizare). Problema previziunii care este
de fapt esenţială în modelarea seriilor cronologice în economie depinde
fundamental de intervalul de staţionaritate natural sau integrat de ordin n a
seriei economice urmărite în timp).

175
 Soluţii de previziune a seriilor cronologice generate de modelul
econometric
Caseta nr. 6.2
Soluţiile de previziune generate prin natura modelului sunt diverse de la metoda
ultimei valori înregistrate, la modelările metodice de tip ARMA, ARIMA etc. Metoda
random walk sau a mersului la întâmplare se aplică pentru fenomene economice
temporale în care valoarea la momentul t +1 este egală t plus o eroare: yt+1= yt + et
iar et este o variabilă aleatoare normal distribuită de medie zero. Previziunea cea mai
potrivită conform unei astfel de metode, realizată în momentul t pentru momentul t+1
este chiar valoarea din momentul t, respectiv yˆt +1 = yt .Metoda mediei aritmetice
simple este utilizată pentru serii de timp staţionare (orizontale, pe perioade scurte de
1 n
genul date zilnice, săptămânale etc.) iar soluţia oferită este yˆt +1 = ∑ yt . Metoda
n t =1
mediei aritmetice are două variante specifice, a) metoda mediei mobile de ordin k axată
pe un proces cu memorie scurtă, pe termen foarte scurt, deţinând avantajul adaptării
optime la condiţiile recente, iar previziunea sa pentru perioada următoare, k + 1,
devenind media ultimelor k valori înregistrate; b) media mobilă exponenţială de ordin
k, cu avantajul că ponderile valorilor cuprinse în medie nu sunt egale, ci descresc odată
ce valorile devin mai îndepărtate în timp. Metodele statistice clasice ale sporului mediu
( yˆk = y1 + ( k − 1) Δ unde: Δ = yn − y1 , iar k > n şi n = 2, n ) şi indicelui mediu
Δ n −1
( k −1) yn
( yˆ k = y1 × I ,unde I = , iar k > n şi T = 2, n ) deţin avantaje de previziune
n −1
I y1
dacă fenomenul se modifică în spiritul evoluţiei unei progresii simple aritmetice sau
geometrice. Metoda de descompunere sezonieră se valorifică în prognozele unde pe
lângă tendinţa generală a fenomenului economic se manifestă fluctuaţii cu periodicitate
infraanuală fixă (zilnică, săptămânală, decadală, lunară, trimestrială) şi îmbracă
formele de: a) model aditiv: ŷ t = Tt + St+ εt când componenta ciclică sau sezonieră (St)
şi tendinţa generală sau trendul (Tt) nu sunt proporţionale; b) multiplicativ : ŷ t = Tt×
St× εt când sunt proporţionale. Metoda nivelării exponenţiale asigură previziunea
printr-o ecuaţie recursivă care ajustează prognoza anterior cu eroarea de prognoză şi se
detaliază prin multiple procedee practice cum sunt metoda simplă, dublă şi adaptivă,
metoda liniară a lui Holt, metoda pentru trend şi sezonalitate Holt-Winter etc. Metoda
ARIMA (Auto-Regressive Integrated Moving Average), metoda prognozării structurii
fenomenelor prin lanţuri Markov, metoda reţelelor neuronale, metoda algoritmilor
genetici etc. îmbogăţesc permanent previziunea economică axată pe tot mai multe
modele noi multidisciplinare.
În econometrie, se utilizează tot mai extins şi eficient metoda Auto-
Regressive Integrated Moving Average (autocorelaţie integrată medie
mobilă) sau ARIMA, care a generat o clasă extinsă de modele dezvoltate de
George Box şi Gwilym Jenkins în anii 1970, fiind cunoscute şi sub
denumirea de Metodologia Box-Jenkins. Într-o formulare generalizată
modelul se prezintă analitic astfel:
176
 Yt = α 0 + α1Yt-1 + α 2 Yt-2 + ... + α p Yt-p - β1ε t-1 - β 2 ε 2i -...- β q ε t-q + ε t .
Modelarea ARIMA (având p, q şi d drept parametrii) presupune următoarele
aspecte esenţiale: a)verificarea staţionarităţii (dacă o serie nu este iniţial
staţionară atunci aceasta se supune diferenţierilor, până se ajunge la
staţionaritate, la ordinul de diferenţiere n (rareori se depăşeşte 2); b) se
stabilesc valori plauzibile pentru p respectiv adecvate pentru q, ţinând seama
de forma funcţiei estimate de autocorelaţie integrală şi parţială; c) se
estimează modelul selectat; d) se testează validitatea modelului prin două
tipuri de teste specifice → teste de tip zgomot alb sau teste privind
comportamentul reziduurilor (seria de timp staţionară {Xt}t formată din
variabile aleatoare necorelate, cu media zero şi dispersia σ2 > 0, se numeşte
zgomot alb) şi → teste privind semnificaţia coeficienţilor de tip αi şi βi;
e)generarea previziunilor, în baza modelului estimat. Cei trei paşi ai
construcţiei modelului ARIMA(p,d,q) sunt:
Pasul 1. se identifică modelul, respectiv se precizează valorile adecvate
pentru p, d şi se compară funcţiile estimate cu cele teoretice specifice
fiecărei alternative modelate, selectând unul sau mai multe modele teoretice
ce par adecvate (constituind etapa cea mai importantă dar şi cea mai dificilă
a întregii construcţii)
Pasul 2. se estimează parametrii modelului (coeficienţii αi şi βi, alături de
σ2);
Pasul 3. se testează validitatea modelului şi se respecifică dacă modelul nu
este valid (găsind alte valori plauzibile pentru p,d,q)reluându-se toate
etapele anterioare.
Detaliind succint construcţia modelului se poate constata cum de fapt
se trece prin istoria evoluţiei acestei construcţii econometrice de la modelul
de tip Auto-Regressive (AR) sau Moving Average (MA) prin Auto-
Regressive Moving Average (ARMA) către Auto-Regressive Integrated
Moving Average (ARIMA). Astfel forma funcţiilor estimate de autocorelaţie
şi de autocorelaţie parţială indică modelele posibile capabile să ofere cele
mai plauzibile valori pentru p, q.
Comportamentul funcţiilor estimate de autocorelaţie şi de autocorelaţie
parţială pentru modelele ARMA(p,q)
Caseta nr. 6.3
Model Funcţia estimată de Funcţia estimată de autocorelaţie
autocorelaţie parţială
AR(p) Se amortizează tinzând la zero Se anulează după întârzierea p
MA(q) Se anulează după întârzierea q Se amortizează tinzând la zero
ARMA(p,q) Se amortizează tinzând la zero Se amortizează tinzând la zero

După eventuale diferenţieri si alte transformări aplicate datelor iniţiale

(de exemplu prin logaritmare), în scopul staţionarizării seriei, se trece la
177
stabilirea unui model adecvat, de tip Auto-Regressive Moving Average sau
abreviat ARMA(p,q), pentru datele obţinute în urma diferenţierii
(staţionarizate deja). Dacă nu pare adecvat un model AR(p) sau MA(q) cu
numar mic de parametri (p respectiv q ≤ 4) atunci se va încercă un model
mixt ARMA ce combină ambele părţi (ARMA), având în vedere unele
proprietăţi ale funcţiilor de autocorelaţie şi de autocorelaţie parţială, expuse
pentru modele mai frecvente de la cele de tip AR sau MA, la cele de tip
ARMA: Yt = α 0 + α1Yt-1 + α 2 Yt-2 + ... + α p Yt-p - β1ε t-1 - β 2 ε 2i -...- β q ε t-q + ε t
Caseta nr.6.4
Modelul Funcţia de Funcţia de autocorelaţie
autocorelaţie parţială ck
AR(1) -descreşte exponenţial - c1 semnificativ (> 0 dacă
Yt= α1Yt-1+εt dacă α1>0 α1> 0 şi < 0 dacă α1< 0);
-descreşte sinusoidal, - ck = 0, pentru orice k ≥2
dacă α1< 0
-descreşte exponenţial
AR(2) sau sinusoidal - c1 si c2 semnificativi
Yt=α1Yt-1+α1Yt-1 +εt - forma exactă depinde de - ck = 0, pentru orice k ≥ 3
semnul şi valoarea
coeficienţilor α1 si α2
AR(p) - descreşte exponenţial -c1, …, cp - semnificativi
Yt=α1Yt-1+...+αpYt-p sau sinusoidal -ck = 0, pentru orice k ≥ p+1
+εt -forma funcţiei depinde
de semnul şi valoarea
coeficienţilor α1, …, αp
MA(1) - r1semnificativ (> 0 dacă - exponenţial dacă β1 > 0
Yt =εt – β1ε t-1 β1< 0 şi <0 dacă β1 > 0); - sinusoidal dacă β1 < 0
-rk = 0, pentru orice k ≥ 2
- descreşte exponenţial sau
MA(2) - r1, r2 semnificativi sinusoidal
Yt =εt – β1ε t-1 – β 2 ε t-2 - rk = 0, pentru orice - forma exactă depinde de
k≥3 semnul şi valoarea
coeficienţilor β1, β2
MA(q) -r1, ...,rq semnificativi- - descreşte exponenţial sau
Yt =εt – β1ε t-1 –...– rk=0,pentru orice sinusoidal
k ≥ p+1 -forma funcţiei depinde de
β q ε t-q semnul şi valoarea
coeficienţilor β1,…,βq
ARMA(1,1) -descreşte exponenţial - descreşte exponenţial dacă
Yt=α1Yt-1 + εt – β1ε t-1 -semnul lui r1 depinde β1 > 0, respectiv sinudoidal
de cel al diferenţei α1– dacă β1 < 0
β1
ARMA (p,q) -descreşte exponenţial -descreşte exponenţial sau
Modelul standard sau sinusoidal începând sinusoidal începând cu
cu k = q - p k = q- p
178
 In practică sunt disponibile doar estimaţii pentru funcţia de
autocorelaţie respectiv autocorelaţie parţială, drept consecinţă se caută atât
cea mai mică valoare a lui k începând de la care funcţia de autocorelaţie
parţială nu diferă semnificativ de zero (începând de la care ipoteza nulă
H0:ck =0 nu se respinge), obţinând astfel valoarea plauzibilă pentru p ordinul
modelului autoregresiv AR(p), cât şi cea mai mică valoare a lui k începând
de la care funcţia de autocorelaţie nu diferă semnificativ de zero (începând
de la care ipoteza nula H0: rk =0 nu se respinge), identificând astfel valoarea
plauzibilă pentru q, ordinul modelului medie mobilă MA(q). În principiu nu
este dificil să se facă distincţie între un model AR(p) şi un altul de tip
MA(q), dar determinarea ordinelor p, q pentru un model mixt constituie un
proces ce poate fi considerat relativ incert. Apare şi posibilitatea selectării
modelului ce minimizează diferite criterii construite utilizând funcţia de
verosimilitate (criteriul Akaike AIC, criteriul Schwarz SC – generatoare de
teste disponibile şi în EViews). AR(p) este adecvat variabilelor dependente
exclusiv de trecutul lor (inerţia obiceiurilor de consum), cu pronunţat
caracter inerţial. MA(q) este adecvat variabilelor sensibile la modificările
factorilor, determinând abateri accidentale de la evoluţia medie. Aşa cum se
constată din analiza fenomenelor economice ambele efecte sunt prezente,
ceea ce conduce la concluzia că modelele mixte se vor dovedit a fi frecvent
cele adecvate. De la ARMA(p,q) la ARIMA(p,q,d) sau la mai noile variante
SARIMA[( p,q,d),(P,Q,D)]s problemele esenţiale rămân staţionaritatea (prin
diferenţieri unde din păcate se pierd date) şi desezonalizarea seriei de date
cronologice modelate şi prin filtre (pentru componenta sezonieră).
Parametrul de sezonalitate cel mai des folosit este dat de valorile 4 şi 12.
Printre testele de validare finală a modelului ARIMA pot fi considerate
valabile şi Durbin-Watson ca şi testul F, histograma şi testul de normalitate
a reziduurilor contribuind şi ele la întregirea imaginii modelului.
Pentru a înţelege rapid procedeul şi etapele unei modelări econometrice
spaţiale (teritoriale) se apelează la exemplul determinării PIB-ului într-un
areal teritorial, constituit după criteriul hidrografic. Concret, o firmă
interesată în dezvoltarea pe termen mediu şi lung a unor afaceri în bazinul
hidrografic al Argeşului (abreviat în text BHA), doreşte să dimensioneze cu
ajutorul unui model econometric cererea globală şi apoi nivelul venitului
mediu şi net (afacerile vizează atât zona rurală cât şi urbană şi au ca obiect
produse şi servicii legate de reţele de alimentare cu apă, pompe etc.).
Strategiile firmei în diverse alte pieţe segmentate arbitrar la nivel regional
au avut ca variabile iniţiale cei doi indicatori menţionaţi anterior, precum şi
venitul nominal mediu şi net lunar, în monedă europeană.
Cercetarea econometrică axată pe date din sursele statistice oficiale
(http//: www.insse.ro şi colecţia Anuarul statistic al României) este mult mai
indicată în acest stadiu, sub raportul cost-eficienţă, în ipoteza unui model de
determinare a unui agregat al cererii globale pe baza rezultatelor
macroeconomice oficiale.
179
 Etapa I: Se formulează ipoteza teoretică în conformitate cu care se poate
aprecia şi comensura cererea asimilând-o PIB-ului teritorial (PIB-ul definit
drept rezultat al consumului final, şi la nivel mezoeconomic să coincidă cu
cererea solvabilizată prin acest consum final). PIB-ul teritorial determinat
printr-o estimare rezonabilă sub aspectul nivelului de eroare (situat sub 3 %
sau cel mult între 3 şi 5 %), poate substitui o cercetare de teren, destul de
costisitoare având în vedere dimensiunile foarte mari ale pieţei. De fapt
modelul caută să identifice o pondere a teritoriului cercetat (bazinul BHA)
în cadrul PIB-ului naţional, pornind de la un număr de şapte variabile
selectate pentru importanţa lor în variaţia cererii şi a căror corelaţie
individuală cu evoluţia cererii, substituită prin PIB, a fost testată anterior
(apelând la coeficienţi de corelaţie parţială)

Etapa II: În cercetarea şi modelarea „econometrică” a pieţei propusă în

continuare se valorifică indicatorii selectaţi din sursele statistice disponibile
(de pe site-ul INS), indicatorii fiind prezentaţi în tabelul următor:
Tabel nr.6.1
Indicatori
Regiune Pi POi POIi POAi VAIi VAAi Şomeri
N-E 3,674 1,40 0,28 0,70 25,6 15,4 0,182
S-E 2,848 1,07 0,22 0,47 25,5 12,8 0,170
S 3,379 1,27 0,29 0,61 30,7 13,2 0,190
S-V 2,331 0,94 0,19 0,47 24,7 10,1 0,100
V 1,959 0,81 0,22 0,28 20,7 8,50 0,085
N-V 2,740 1,18 0,27 0,52 23,7 12,7 0,104
CENTRU 2,523 1,05 0,33 0,35 33,6 11,2 0,137
BUCUREŞTI 2,226 0,84 0,22 0,06 34,5 1,20 0,072
TOTAL 21,68 8,56 2,02 3,46 219,0 85,1 1,040
Surse: Anuar teritorial–România Ed.INS,Bucureşti 2001-2005 şi Recensământul populaţiei
şi locuinţelor din 18 martie 2002, Ed. INS, Bucureşti, 2004

Caseta nr. 6.5

Pentru indicatorii identificaţi, selectaţi şi codificaţi (selectarea lor realizându-se prin
metoda grafică şi prin determinarea unor coeficienţi de corelaţie parţială specifici unor
metode clasice neparametrice-Pearson, Kendall, Spearman), se prezintă în continuare
unităţile de măsură în care au fost exprimaţi:
Populaţia -în milioane locuitori (col. 1);
Populaţia ocupată - în milioane locuitori(col. 2);
Populaţia ocupată în industrie - în milioane locuitori (col. 3);
Populaţia ocupată în agricultură - în milioane locuitori (col. 4);
Valoarea adăugată în activităţi industriale - în mii de miliarde lei (col. 5);
Valoarea adăugată în activităţi agricole - în mii de miliarde lei (col. 6);
Numărul şomerilor- în milioane locuitori (col. 7).
Restul factorilor potenţiali sunt regrupaţi în eroarea sau reziduul modelului - ε

180
 Etapa III: Modelul practic descris în continuare valorifică date statistice
oferite de publicaţiile INS, cum sunt comunicatul de presă (anual sau
trimestrial) privind PIB-ul şi dinamica reală a acestui indicator de excepţie,
precum şi datele din anuarele naţionale, breviarele teritoriale, date cu
referire la volumul şi ponderea populaţiei atât în ansamblu, cât şi pentru
anumite categorii considerate mai importante în raport cu scopul propus
(populaţie ocupată şi şomeri). Modelul final rezultat din soluţionarea
sistemului generat de ecuaţiile descrise pentru un număr de şapte factori sau
variabile exogene ki din relaţia agregată (gi x ki) este unul multiplicativ,
ponderat conform relaţiei descrise in continuare,fiind un model mai puţin
perisabil dar ce va fi testat şi actualizat periodic:
PIB ROM ÂNIA × g i
Cererea agregată spaţial în teritoriul X = PIBîn teritoriul X =
1, 00
giPIBestimat =-1,1gP+3,8gPO-0,85gPOI -0,95g POA VAI
+0,35g -0,5g +0,25gŞ+ ε VAA

unde: x = agregat teritorial administrativ, geografic sau hidrografic, altul

decât cel regional sau naţional pentru care există deja date publicate.
n n n
g i = ∑ g jk j , ∑ g i = 1, 00 şi ∑ k j = 1, 00
j=1 i=1 j =1
g1 (ponderea populaţiei teritoriului la nivel naţional) x k1 k1 = - 1,1
g2 ( ponderea populaţiei ocupate la nivel naţional) x k2 k2 = 3,8
g3 (ponderea populaţiei ocupate în industrie) x k3 k3 = - 0,85
g4 (ponderea populaţiei ocupate în agricultură) x k4 k4 = - 0,95
g5 (ponderea valorii adăugate în industrie) x k5 k5 = 0,35
g6 (ponderea valorii adăugate în agricultură) x k6 k6 = - 0,5
g7 (ponderea şomerilor la nivel naţional) x k7 k7 = 0,25
Total (∑ gi ) = 1,00

Etapa IV: În continuare sunt detaliate calculele care au condus la

parametrizarea soluţiei extinse de estimare a modelului cererii la nivel
teritorial pornind de la PIB-ul regional (Y=gi), conform unui sistem de
analiză şi modelare multifactorial ce valorifică datele teritoriale reagregând
spaţial un nou areal:
Y= a + bx1 + cx2 + dx3 + ex4 + fx5 + gx6 + hx7 + ε
Tabel nr.6.2
Nr Variabile factoriale sau explicative în modelul Coeficienţi de corelaţie Varianta
crt de estimare a PIB- ului regional parţială (Pearson) redusă*
1 Populaţia totală x1 -0,098 -
2 Populaţia ocupată totală x2 0,940 DA
3 Populaţia ocupată în activităţi industrialex3 0,025 -
4 Populaţia ocupată în activităţi agricole x4 -0,605 DA
5 Valoarea adăugată în activităţi industrialex5 0,750 DA
6 Valoarea adăugată în activităţi agricole x6 -0,704 DA
7 Numărul şomerilor x7 -0,271 -
181
*Notă: identificarea teritorială prezintă fenomene asemănătoare celor de multicoliniaritate.
Ca atare se exclud acele variabile redundante, pentru a se valorifica periodic modelul, în
varianta redusă de calcul: Y= a + cx2 + ex4 + fx5 + gx6+ ε

Etapa V:Indicatorii utilizaţi pentru determinarea coeficienţilor de

ponderare ai modelului sunt descrişi mai jos:
Tabel nr. 6.3 (valori relative 2000)
Indicatori PIB
Regiune efectiv
gP g PO g POI g POA g VAI g VAA Ş Y
N-E 0,170 0,163 0,139 0,202 0,117 0,181 0,175 0,096
S-E 0,131 0,125 0,109 0,136 0,116 0,150 0,163 0,093
S 0,156 0,148 0,143 0,176 0,140 0,155 0,183 0,098
S-V 0,108 0,110 0,094 0,136 0,113 0,119 0,096 0,075
V 0,090 0,095 0,109 0,081 0,095 0,100 0,082 0,075
N-V 0,126 0,138 0,134 0,150 0,108 0,149 0,100 0,095
Centru 0,116 0,123 0,163 0,101 0,153 0,132 0,132 0,102
Bucureşti 0,103 0,098 0,109 0,018 0,158 0,014 0,069 0,169
Total 1,000 1,000 1,000 1,000 1,000 1,000 1,000 0,803
Surse: http//: www.insse.ro şi http//: www.bnr.ro
PIB ROM ÂNIA × g i
Cererea agregată în teritoriul X= PIB în teritoriul X = unde:
1, 00
g Y= a*+bx1+cx2+dx3+ex4+fx5+gx6+hx7+ε
Tabel nr.6.4
Nr. Variabile factoriale sau explicative în model Parametrii Parametrii normalizaţi
crt. (determinate ca ponderi din total ţară) estimaţi (parametrul/0,803)
1 Constanta a* a = - 0,00908 -
2 Populaţia totală x1 b = - 0,888 -1,1
3 Populaţia ocupată totală x2 c = 3,048 3,8
4 Populaţia ocupată în activităţi industriale x3 d = - 0,668 -0,85
5 Populaţia ocupată în activităţi agricole x4 e = - 0,742 -0,95
6 Valoarea adăugată în activităţi industriale x5 f = 0,306 0,35
7 Valoarea adăugată în activităţi agricole x6 g = - 0,384 -0,5
8 Numărul şomerilor x7 h = 0,205 0,25
*Ulterior, în modelarea propriu-zisă, s-a renunţat la constanta a (tinde spre zero).
După determinarea atentă a parametrilor se obţine o primă estimare a cererii
la nivelul unui agregat teritorial X de tip bazin hidrografic (BHA).
Tabel nr. 6.5
Indicatori PIB PIB
Regiune gP g PO g POI g POA g VAI g VAA gŞ g i=
efectiv estimat
Σgj x kj
N-E 0,170 0,163 0,139 0,202 0,117 0,181 0,175 0,116 0,096 0,0932
S-E 0,131 0,125 0,109 0,136 0,116 0,150 0,163 0,115 0,093 0,0923
S 0,156 0,148 0,143 0,176 0,140 0,155 0,183 0,119 0,098 0,0956

182
 S -V 0,108 0,110 0,094 0,136 0,113 0,119 0,096 0,095 0,075 0,0763
V 0,090 0,095 0,109 0,081 0,095 0,100 0,082 0,096 0,075 0,0771
N-V 0,126 0,138 0,134 0,150 0,108 0,149 0,100 0,118 0,095 0,0948
Centru 0,116 0,123 0,163 0,101 0,153 0,132 0,132 0,126 0,102 0,1012
Bucureşti 0,103 0,098 0,109 0,018 0,158 0,014 0,069 0,215 0,169 0,1725
Total 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 0,803 0,803
Validarea modelului cererii agregate determină eroarea din datele primare:
Tabel nr. 6.6
Regiune PIB efectiv PIB estimat Abatere
Y Yes di =Y-Yes (di)2 =(Y-Yes)2
N-E 0,096 0,0932 0,0028 0,00000784
S-E 0,093 0,0923 0,0007 0,00000049
S 0,098 0,0956 0,0024 0,00000576
S-V 0,075 0,0763 -0,0013 0,00000169
V 0,075 0,0771 -0,0021 0,00000441
N-V 0,095 0,0948 0,0002 0,00000004
Centru 0,102 0,1012 0,0008 0,00000064
Bucureşti 0,169 0,1725 0,0035 0,00001225
Total 0,803 0,803 - 0,00003312

Coeficientul de eroare al modelării propuse este de numai 2,027 %, ceea ce

permite o validare a modelului utilizat:
e =(0,0020347:0,100375 ×100=2,027 %)
În concluzie, o soluţie rapidă de estimare a cererii mezoeconomice agregate
pe baza PIB–ului teritorial, altfel decât regional, este capabilă să ofere valori
pertinente, aflate sub limitele de eroare admisibile din punct de vedere
economic şi statistic.
giPIBestimat =-1,1gP+3,8gPO-0,85gPOI-0,95gPOA+0,35gVAI-0,5gVAA +0,25gŞ +ε

În final, modelarea cererii în bazinul hidrografic al Argeşului, pornind de la

PIB-ul, agregat la nivel spaţial, permite identificarea valorilor perioadei
2000-2002:
Tabel nr. 6.7 - miliarde lei ROL preţuri curente-
PIBestimat
Anul Cererea internă gi Cererea mezoeconomică (BHA)
PIB -nominal -%- PIB-ul agregat teritorial
2000 803773,1 28,46 228753,8
2001 1167687,0 24,75 289 002,5
2002 1512616,8 28,32 428 270,9
Într-o caracterizare teoretică mai amplă se pot detalia şi alte informaţii ca
urmare a cercetării şi modelării spaţiale economice a pieţei specifice:

183
Tabel nr. 68.
Cererea pieţei (BHA) Populaţia PIB/ Populaţia PIB/persoană
Anul - miliarde lei ROL totală locuitor ocupată ocupată
preţuri curente- -locuitori- - leiROL - -persoane- -lei ROL-
2000 214 527 4 003 120 53 589 950 1 513 348 141 756 556
2001 305 000 3 995 635 76 333 299 1 511 696 201 760 142
2002 426 910 3 899 445 109 479 682 1 545 109 276 297 659

În vederea determinării venitului mediu şi net lunar în piaţa delimitată de

bazinul hidrografic Argeş s-au selectat informaţii şi din alte surse de date
(Ancheta Integrată în Gospodării sau Ancheta Bugetelor de Familie, precum
şi Ancheta Condiţiilor de Viaţă), informaţii ce sunt sistematizate în tabelul
de mai jos:
Venituri aferente BHA, la nivelul anilor 2000-2002
Tabel nr. 6.9 mii lei ROL venit / locuitor
2000 2001 2002
Venituri nete Venit Venituri nete Venit Venituri nete Venit
băneşti mediu băneşti mediu băneşti mediu
(% ×venit) (% × venit) (% × venit)
66,1 ×1110= 70,7 ×1701,4= 72,7 ×2073,1=
Sud 733,7 1 110 1202,9 1 701,4 1507,1 2 073,1
59,9 ×1202,4= 64,6 ×1835,5= 67,4 ×2168,6=
Sud Vest 720,2 1 202,4 1185,7 1 835,5 1461,6 2 168,6
89,6 ×1477.5 92,2 ×2196,9= 93,1 × 3014,5=
Bucureşti =1323,8 1 477,5 2025,5 2 196,9 2806,5 3 014,5
Datele celor trei regiuni în care se regăsesc părţi din bazinul hidrografic al Argeşului
(BHA), sunt ponderate cu informaţiile structurale referitoare la contribuţia fiecărei regiuni
în populaţia bazinului, detaliate în continuare:

Nivelul şi structura pe regiuni a populaţiei în BHA

Tabel nr. 6.10
Anul
Regiune 2000 2001 2002
Sud 1686028 42,1 1689422 42,3 1652645 42,4
Sud Vest 81996 2,1 79152 2,0 72892 1,9
Bucureşti 2235096 55,8 2227061 55,7 2173908 55,7
Total BHA 4003120 100,0 3995635 100,0 3899445 100,0
Pentru evaluarea finală sunt necesare şi informaţii privind cursul de schimb:

Evoluţia venitului mediu şi net lunar în piaţa delimitată de BHA

Tabel nr.6.11
Venituri / locuitor (mii lei ROLvenit / locuitor)
Total ANUL 2000 ANUL 2001 ANUL 2002
BHA Venit Venit Venit
Venit net mediu Venit net mediu Venit net mediu
1062,7 1317,0 1660,7 1980,1 2230 2599,3

184
 Cursul de schimb lei ROL / Euro
Euro/ ANUL 2000 = 19955,8 ANUL 2001 = 26026,9 ANUL 2002 = 31255,2
locuitor 53,25 66,0 63,8 76,1 71,3 83,2
Dinamica cererii solvabilizate, rezultată din agregarea veniturilor nete
lunare (exclusiv băneşti) ponderate cu deţinătorii acestor venituri.
Nivelul şi dinamica cererii solvabilizate
Tabel nr.6.12 €
Tipul cererii* 2000 2001 2002
Cererea lunară 264 205 920 100,0 304 067 824 115,1 324 433 824 122,8
globală BHA 106,7
Cererea lunară 213 166 140 100,0 254 921 513 119,6 278 030 429 130,4
solvabilizată BHA 109,1
*Dinamica este prezentată în coloana II, a fiecărui an în parte, prin intermediul indicilor
cu bază fixă, pe primul rând şi cu bază mobilă pe al doilea (numai în cazul anului 2002).

O parte din detaliile de calcul ale cererii agregate teritorial şi modelată

econometric se află în anexe. Principala concluzie ce se deduce din
monitorizarea modelelor teritoriale este aceea a unei perisabilităţi temporale
accentuate. Toate evaluările teritoriale modelate econometric cer baze de
date disponibile, create şi întreţinute continuu. Efortul de a actualiza
modelul în spaţii interregionale sau mezoregionale arată că menţinerea unor
surse de date complete şi actualizate rămâne cea mai dificilă problemă a
acestui tip de model, dincolo de orice informaţii disponibile, metodologii
corect înlănţuite sau etapizate şi pachete de programe performante.

VI.4. Test de autoevaluare, aplicaţii şi bibliografie opţională

A. Test de autoevaluare
A1) Întrebări clasice recapitulative
(Completaţi spaţiile goale)
1.Care sunt principalele metode de estimare
a parametrilor modelului econometric şi
econometric financiar multifactorial?
2. Ce soluţii de atenuare presupune o analiză
axată pe ipoteza de multicoliniaritate a
variabilelor exogene?
3.Care sunt principalele soluţii de testare a
validităţii modelului econometric şi
econometric financiar multifactorial?
4. Enumeraţi patru metode de previziune a
datelor în seriile cronologice caracteristice
fenomenelor din economie.
5. Descrieţi evoluţia de la modelele Auto –
Regresive (AR) la Auto-Regressive Moving
Average sau abreviat ARMA(p,q) sau la
A2) Întrebări tip grilă
(Încercuiţi litera răspunsului corect)
6.Modele adecvate variabilelor dependente
exclusiv de trecut cu pronunţat caracter
inerţial (cum este şi inerţia obiceiurilor de
consum ale populaţiei), sunt cele de tip:
a) AR(p); b) MA(q); c) ARMA (p,q);
d) ARIMA (p,q,d).
7. Estimarea parametrilor modelului multi
factorial în formă matricială este dată de:
( XX' ) ( XY' ) ;b) β̂ = ( XX
' ) ( YY
' );
-1 -1
a) β̂ =
c) β̂ = ( X'X )( X'Y ) .
-1
8.Modelul adecvat variabilelor sensibile la
modificările factorilor, generând abateri
accidentale de la evoluţia medie este:

185
Auto-Regressive Integrated Moving Average
(autocorelaţie integrată medie mobilă) sau
ARIMA (p,q,d).
6.Care este concluzia esenţială a construcţiei
unui model econometric teritorial?
a) AR(p); b) MA(q); c) ARMA (p,q);
d) ARIMA (p,q,d).
9. Dintre testele de validare a modelului
ARIMA fac parte: a) Durbin-Watson;
b) testul F; c) Testul intrusului.

B. Aplicaţii rezolvate
1. Pentru cele trei variabile din tabel, valorificând-o pe prima drept endogenă
estimaţi parametrii modelului multifactorial de regresie liniară (fără a realiza
toate iteraţiile modelelor unifactoriale dezvoltate în tema anterioară) şi
depistaţi multicoliniaritatea acestuia:
Tabel nr.6.13 Rezolvare: După introducerea datelor în EViews prin
Anul Indice IPC IPPI comanda Estimate equation se obţin estimatorii
PIB real parametrilor modelului bifactorial propus.
2000 101.8 145.7 151.6
2001 105.3 134.5 140.3
2002 105.1 122.5 124.5
2003 105.2 115.3 119.6
2004 108.5 111.9 118.5
2005 104.2 109.0 112.4
2006 107.9 106.56 112.0
2007 106.2 104.84 108.7
2008 107.5 107.85 114.5
2009 92.9 105.59 102.3
2010 98.7 106.10 106.3
Surse: http://www.insse.ro.
şi http://www.bnr.ro

Fără a urmări alte consideraţii referitoare la ipotezele şi la validitatea modelului, dezbătute

detaliat în tema anterioară problema depistării multicoliniarităţii se rezolvă fie prin
verificarea variaţiei valorii lui R2 în modelul bifactorial şi în cel unifactorial cu IPPI
variabila exogenă (R-squared variază de la 0,848440 în modelul bifactorial la 0,045511
subliniind irelevanţa modelului indusă prin multicoliniaritatea prezentă în cadrul acestuia)
fie prin analiza într-un singur grafic a evoluţiei celor două variabile exogene IPC şi IPPI (un
paralelism evident sugerând redundanţa celor două variable exogene):
160

150
Tabel nr.6.14 şi Grafic nr.6.1
140
IPIBREAL IPC IPPI
IPIBREAL 1.000000 0.036829 0.213334 130
IPC 0.036829 1.000000 0.981292
IPPI 0.213334 0.981292 1.000000 120

110

100
00 01 02 03 04 05 06 07 08 09 10

186
2. Pornind de la datele din tabelul nr. 6.15 să se exemplifice modelarea
tendinţelor şi a specificităţii inflaţiei româneşti prin valorificarea datelor
indicelui preţurilor bunurilor de consum (IPC), folosind desezonalizarea:

Valorile lunare ale IPC în perioada 2007 şi 2010

Tabel nr.6.15
Anul luna IPC Anul luna IPC Anul luna IPC Anul luna IPC
I 101,04 I 102,12 I 103,27 I 100,36
II 100,38 II 100,51 II 101,03 II 100,00
III 100,16 III 100,92 III 100,33 III 99,91
IV 99,80 IV 99,56 IV 99,55 IV 100,47
V 102,31 V 100,45 V 100,11 V 100,47
2007 VI 99,91 2008 VI 100,19 2009 VI 100,43 2010 VI 100,57
VII 99,33 VII 99,70 VII 100,32 VII 102,55
VIII 101,06 VIII 99,10 VIII 100,32 VIII 100,41
IX 101,42 IX 101,05 IX 100,51 IX 100,62
X 100,98 X 102,23 X 100,94 X 100,67
XI 101,21 XI 100,38 XI 100,14 XI 100,20
XII 100,67 XII 101,30 XII 99,75 XII 100,04
Surse: http//: www.insse.ro şi http//: www.bnr.ro

Rezolvare:Din analiza datelor prezentate tabel se poate constata mai greu natura şi
intensitatea sezonalităţii dar o reprezentare grafică facilitează analiza sezonalităţii prin
comenzile: View→ Graph→ Seasonal split line.

Grafic nr. 6.2

IPC by Season
104

103 Jan
Feb
Mar
Apr
102
May
Jun
Jul
101
Aug
Sep
Oct
100
Nov
Dec
99
2007 2008 2009 2010

Acum se poate constata cu uşurinţă din grafic o intensă sezonalitate lunară a inflaţiei.
Desezonalizarea seriei de date se realizează cu: Proc→ Seasonal Adjustment→ Moving

187
Average Methods şi se obţin indicii de sezonalitate (factori).

Sample: 2007:01 2010:12

Included observations: 48 Grafic nr. 6.3
Ratio to Moving Average IPC by Season
Original Series: IPC 104
Adjusted Series: IPCSA
Scaling Factors: 103
1 1.013212
2 0.998917 102
3 0.997863
4 0.992783 101
5 0.997767
6 0.998522 100
7 0.992060
8 0.995950 99
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
9 1.004315
10 1.008139
IPC Means by Season
11 1.000274
12 1.000400

În continuare se realizează o analiză a staţionarităţii seriei de date (fie prin analiza

cronogramei, fie prin depistarea prezenţei rădăcinii unitate cu View→ Unit root test).

fiind urmată de estimarea parametrilor modelelor selectate prin unul din procedeele AR si
MA (invalidate cu testul F) şi în final ARMA (validat cu testul Durbin –Watson şi F).

188
 Fcalculat = 0,804< F0,05;1;47 = 4,08 Fcalculat = 0,896< F0,05;1;47 = 4,08

Rezultatele obţinute prin modelul ARMA sunt semnificative. Testul Durbin-Watson cu

valoarea d =2,15 confirmă că reziduurile sunt independente (pentru α =0,05, n=48, k =1 se
găsesc în tabele valorile d1 =1,48 şi d2 =1,57, fiind adevărată relaţia d2 <d< 4), iar Fcalculat =
6,656> F0,05;1;47 = 4,08 validează modelul valoarea raportului de corelaţie fiind semnificativ
diferită de zero.

3. Încercaţi să valorificaţi modelul econometric teritorial în varianta redusă

descris în acest capitol cu ajutorul datelor regionale ale economiei naţionale la
nivelul anului 2006, anterior aderării României, recurgând la avantajele
conferite de programul Eviews:

189
 Principalii indicatori necesari construcţiei modelului la nivel naţional
Tabel nr. 6.16
Regiunea PIB PO POA VAA VAI
N-E 38429.9 1653 787 4885 7538.6
S-E 38508.7 1182 384 3896 9126.6
S 44301.4 1437 508 4361 14417.7
S-V 28589.2 1039 481 2863 8335.9
V 35788.9 815 152 2893 9357.9
N-V 40806.2 1145 336 3969 10302.3
Centru 40291.2 1019 171 3583 12132.7
Bucureşti 77710.5 1023 21 397 13220.5
Surse: http//: www.insse.ro şi http//: www.bnr.ro
Rezolvare: Într-o primă etapă se introduc datele pentru cele cinci variabile.
Tabel nr. 6.17
obs PIB PO POA VAA VAI
1 38429.90 1653.000 787.0000 4885.000 7538.600
2 38508.70 1182.000 384.0000 3896.000 9126.600
3 44301.40 1437.000 508.0000 4361.000 14417.70
4 28589.20 1039.000 481.0000 2863.000 8335.900
5 35788.90 815.0000 152.0000 2893.000 9357.900
6 40806.20 1145.000 336.0000 3969.000 10302.30
7 40291.20 1019.000 171.0000 3583.000 12132.70
8 77710.50 1023.000 21.00000 397.0000 13220.50

Apoi se determină matricea de corelaţie a celor patru variabile exogene în raport cu PIB.
Tabel nr. 6.18
PIB PO POA VAA VAI
PIB 1.000000 -0.076832 -0.530890 -0.720400 0.611620
PO -0.076832 1.000000 0.847818 0.636332 -0.077058
POA -0.530890 0.847818 1.000000 0.766519 -0.471180
VAA -0.720400 0.636332 0.766519 1.000000 -0.318858
VAI 0.611620 -0.077058 -0.471180 -0.318858 1.000000
O primă concluzie este că timpul a deteriorat semnificativ modelul iniţial, agricultura prin
populaţia ocupată şi valoarea adăugată fiind mai intens asociată PIB-ului. Modelul teritorial
restrâns determinat de relaţia: Y= a + cx2 + ex4 + fx5 + gx6+ ε nu mai este parametrizat
decât la nivel naţional din lipsa bazelor de date întreţinute.

190
Deşi modelul econometric este validat în varianta restrânsă acesta şi-a pierdut relevanţa la
nivel naţional, poziţionând valoarea adăugată de către agricultura ca fiind cel mai bine
corelată cu PIB-ul în detrimentul populaţiei ocupate şi valorii adăugate de către industrie.

C. Bibliografie opţională
Allison, P. D. Fixed effects regression models. Sage, 2009.
Anselin, L., Under the hood issues in the specification and interpretation of spatial
regression models. Agricultural economics 27 (3), pp. 247-267, 2002.
Chamberlain, G. Multivariate regression models for panel data. Journal of Econometrics
18(1), pp. 5-46, 1982.
Harrell Jr, F. E., et al., Regression models for prognostic prediction: advantages, problems,
and suggested solutions. Cancer treatment reports 69(10): pp. 1071-1080, 1985
Myers, R. H., Classical and modern regression with applications. Vol. 2. Belmont, CA:
Duxbury Press, 1990.
Nagelkerke, N. J., A note on a general definition of the coefficient of determination.
Biometrika, 78(3), pp. 691-692, 1991.
Cleveland, W. S.,Grosse, E., Shyu W. M., Local regression models. Statistical models in S
pp. 309-376. 1992
Partha Pratim, R., Kunal, R. On some aspects of variable selection for partial least squares
regression models. QSAR & Combinatorial Science 27 (3), pp. 302-313, 2007
Săvoiu, G., Popa, S. Econometric Eclectic Models of Foreign Direct Investments in
Romania, after 1990, Economics and Finance Review Vol. 1(12) pp. 30 – 41, 2012.

191
 CAPITOLUL VII
Specificitatea modelării economico-financiare şi a modelelor
econometriei financiare
Cuprins Pagina
1. Specificul seriilor de date economico - financiare sub aspectul statisticii
descriptive şi al asigurării comparabilităţii statistice 193
2. Modelarea veniturilor şi cheltuielilor bugetului de stat – un model
original situat la graniţa cu modelul econofizic 203
3. Modelarea economico – financiară a investiţiilor străine directe în
Romania şi selecţia de modele finale competitive 214
4. Descrierea modelelor econometrice financiare ARCH şi GARCH 227
5. Test de autoevaluare, trei schiţe ale cerinţelor unor proiecte
econometrice financiare şi bibliografie opţională 232
Obiective: Obiectivul tematic esenţial îl constituie identificarea specificităţii seriilor de
date economico-financiare din punct de vedere statistic descriptiv şi al asigurării
comparabilităţii statistice, împreună cu înţelegerea caracteristicilor de construcţie a
modelelor econometriei financiare de tip ARCH şi GARCH prin iteraţii distinctive în
raport cu alte modele. Modelarea veniturilor şi cheltuielilor bugetului de stat este
realizată printr-un model original situat la graniţa cu modelul fizic, iar modelarea
economico – financiară a investiţiilor străine directe (ISD) în Romania este detaliată
prin clase de modele, fiind descris şi un mecanism de selecţie a unor modele finale.
Trei schiţe ale cerinţelor unor proiecte econometrice financiare închid demersul acestui
capitol şi al cărţii ca o promisiune ţinută faţă de cititori de a le oferi posibilitatea
alegerii unui proiect propriu în demersul individual de modelare
Cuvinte cheie: specificul datelor seriilor financiare, modele econometrice financiare
de tip ARCH, GARCH, modele ale concentrării-divesificării structurale a bugetului de
stat, modele investiţionale ale ISD, model investiţional al ISD axat pe riscul de ţară.

Bibliografie
Andrei, T., Bourbonnais, R., Econometrie, Ed. Economică, Bucureşti, 2008.
Andrei, T., Stancu, S., Iacob, A.I., Tuşa, E., Introducere în econometrie utilizând EViews,
Ed. Economică, Bucureşti, 2008.
Codirlaşu, A. Econometrie aplicată utilizând EViews 5.1 2007. http://www.dofin.ase.ro/
acodirlasu/lect/econmsbank/econometriemsbank2007.pdf.
Clocotici,V., Introducere în statistica multivariată,Ed.Universităţii, A.I. Cuza, Iaşi, 2007.
Greene, W. H., Econometric Analysis, 4th ed., Prentice Hall International, 2000.
Gujarati, D.N.,Porter, D.C., Basic econometrics, Boston: McGraw Hill, 5th Edition, 2009.
Jaba E. (coord.), Econometrie aplicată, Ed. Univ. Al. I. Cuza, Iaşi, 2008.
Onicescu, O., Econometrie şi statistică informaţională, Comunicări DCS, Bucureşti,1983.
Pecican, E., Econometrie ... pentru economişti, Ed. Economică, Bucureşti, 2004.
Săvoiu, G., Econometrie Ed. Universitară, Bucureşti, 2011.
Vogelvang, B., Assignments for:”Econometrics, Theory and Applications with EViews”
Vrije Universiteit Amsterdam, Department of Econometrics, 2005,Version 01.
Voineagu,V., Ţiţan,E., Şerban,R., Ghiţă,S., Tudose,D., Boboc,C., Pele,D., Teorie şi practică
econometrică, Ed Meteor Press, Bucureşti, 2007.
Webografie
*** http://www. eviews.com *** http://data.worldbank.org/data
*** http://www.insse.ro *** http://www.bvb.ro/
192
 VII.1. Specificul seriilor de date economico - financiare sub aspectul
statisticii descriptive şi al asigurării comparabilităţii statistice

În modelările practice economico – financiare se constată că seriile de

date extrase de pe pieţele financiare relevă două caracteristici generale
importante care le delimitează ferm în raport cu toate celelalte serii de date.
Prima caracteristică se referă la faptul că aceste serii de date financiare sunt
mult mai boltite decât seriile economice obişnuite (deţin un grad de
excentricitate mai mare specific fenomenelor financiare dominate de riscuri
şi incertitudine, existând o abatere mai largă a valorilor extreme de la media
lor în paralel cu un număr mai mare de valori concentrate în jurul valorii
medii, cu consecinţa majorării numărului de unităţi statistice plasate mai
aproape de indicatorul tendinţei centrale (de aici apare atât un semnal
negativ al amplitudinii relative determinate în raport de extreme şi o
consecinţă directă şi pozitivă, legată de o mai mare reprezentativitate a
valorii tendinţei centrale, de o capacitate mai bună sau mai fermă de
substituire a seriei financiare de către valoarea sa medie).
Întreaga familie de indici bursieri ai Bursei de Valori Bucureşti (BVB)
folosită în continuare ca exemplificare a acestor caracteristici, se constată că
este mult mai boltită decât o serie obişnuită conform valorilor coeficientului
de boltire sau excentricitate care sunt mult mai mari decât 3, chiar şi pentru
un număr redus de zile, în care a funcţionat bursa, între 1 ianuarie 2013 şi 28
februarie 2013 (respectiv într-un interval de timp de numai 40 de zile ):
Statistica descriptivă a indicilor bursieri ai BVB (1.01.2013-28.02.2013)
Tabel nr. 7.1
BET BET-C BET-FI BET-XT BET-NG
Mean 5554,027 3022,619 26791,35 522,1565 676,1390
Median 5568,175 3037,720 26797,88 523,3400 678,7300
Maximum 5689,890 3085,720 27052,03 531,6500 708,4900
Minimum 5328,330 2877,000 26103,62 501,7300 645,3300
Std. Dev. 70,03657 45,40596 206,2881 5,840841 16,69446
Skewness -0,814048 -1,443300 -1,015930 -1,227523 -0,070979
Kurtosis 4,312560 4,711406 4,391979 5,536763 2,020169
Sursa de date: http://www.bvb.ro/TradingAndStatistics/Evolution.aspx
Soft utilizat EViews
Pentru o distribuţie perfect simetrică sau normală valoarea asimetriei
seriei de date (financiare) sau skewness-ul este întotdeauna „zero”. În
general seriile empirice de date sunt uşor sau moderat asimetrice ca dovadă
că în anumite zile pe piaţa financiară s-au înregistrat cotaţii de exemplu mai
mari sau chiar foarte mari sau mai mici şi foarte mici în raport cu ziua
anterioară (definind asimetrii pozitive şi negative). O altă situaţie specifică
pieţelor financiare, în general, o reprezenta şi valoarea negativă a skewness -

193
ului, indicând o asimetrie negativă sau spre stânga. Boltirea sau excen-
tricitatea sunt definite ca normale printr-un kurtosis cu valoarea egală cu 3,
dar se manifestă specific în seriile de date (financiare) când relevă un grad
nu de aplatisare ci unul de boltire sau exces a distribuţiilor seriilor de date
(financiare), conform unor valori ale kurtosis – ului tot mai mari prin
extensie temporală iar distribuţia grafică devenind tot mai înaltă
(leptokurtică).
Accentuarea grafică a boltirii şi majorarea valorii kurtosis – ului,
de la seria de 40 de zile la seria de 760 de zile
Grafic nr. 7.1 Grafic nr. 7.2

Sursa de date: http://www.bvb.ro/TradingAndStatistics/Evolution.aspx *Notă: seria din

stânga se referă la 1.01.2013-28.02.2013, iar seria din dreapta la (1.01.2010-28.02.2012)
Soft utilizat Eviews

Un al doilea aspect major, considerat chiar primul prin prisma impact

econometric modelator este desprins din analiza de normalitate a
distribuţiilor seriilor de date de pe pieţele financiare. Aceste serii de date
financiare nu urmează o distribuţie normală, aşa cum sunt cerinţele general
acceptate în modelare şi după cum se emit ipotezele modelării sau este
specificat modelul teoretice. Pentru exemplificarea validităţii acestei a doua
caracteristici se realizează testele de normalitate pentru aceleaşi serii de date
ale indicilor bursieri ai BVB. Testarea normalităţii distribuţiilor de date
statistice financiare reliefează o tendinţă majoritară de anormalitate conform
valorilor rezultate din testul Jarque Bera, tendinţă ce se accentuează odată cu
extinderea datelor de la numai 40 de zile cu cotaţii:
Valorile testului Jarque-Bera aplicat asupra seriei de date a indicilor
bursieri ai BVB (1.01.2013-28.02. 2013)
Tabel nr. 7.2
Seria 40 BET BET-C BET-FI BET-XT BET-NG
Jarque-Bera 7,289178 18,76895 10,11010 20,77070 1,633702
Probability 0,026132 0,000084 0,006377 0,000031 0,441821

194
Soft utilizat EViews
la 250 de zile cu cotaţii în anul 2012:
Valorile testului Jarque-Bera aplicat asupra seriei de date a indicilor
bursieri ai BVB (1.01.2012-31.12. 2012)
Tabel nr. 7.3
Seria 250 BET BET-C BET-FI BET-XT BET-NG
Jarque-Bera 7,251069 32,18024 22,17329 10,34532 28,75489
Probability 0,026635 0,000000 0,000015 0,005669 0,000001
Soft utilizat EViews
sau la 760 de zile cu cotaţii (seria de date financiare 2010 -2012) când nici
una dintre seriile de indici nu mai este altfel decât anormal distribuită fiind
generalizată tendinţa de anormalitate a seriilor de date financiare:
Valorile testului Jarque-Bera aplicat asupra seriei de date a indicilor
bursieri ai BVB (1.01.2010-31.12. 2012)
Tabel nr. 7.4
Seria 760 BET BET-C BET-FI BET-XT BET-NG
Jarque-Bera 22,89363 41,90127 53,06696 18,03000 53,30135
Probability 0,000011 0,000000 0,000000 0,000122 0,000000
Soft utilizat EViews
O metodă simplă de comparare grafică a două distribuţii, respectiv o
serie teoretică normală şi o alta empirică (seria BET-FI de 250 de termeni).
În pachetul Eviews se utilizează un Quantile-Quantile graphs (QQ-plots). Se
observă că distribuţia empirică BET–FI 250 nu este normal distribuită,
graficul 7.3, rezultat nefiind axat clar pe prima bisectoare, ci complet diferit:
Quantile – quantile graphs pentru BET–FI 250
Grafic nr. 7.3

Alte două aspecte importante pentru modelarea seriilor de date financiare

sunt generate de două probleme delicate ale construcţiei de model:
I. seriile financiare prezintă corelaţie serială în reziduuri sau autocorelaţie;
II. seriile financiare prezintă şi heteroscedasticitate evidentă prin dispersia
acestora care nu are o evoluţie uniformă pe tot intervalul temporal de analiză
şi variază ca amplitudine (ceea ce este definit drept heteroscedasticitate - în
195
engleză different variance provenind din limba greacă din hetero - diferit şi
skedasis - împrăştiere ori dispersie) şi încalcă ipoteza de homoscedasticitate
fundamentală pentru metoda celor mai mici pătrate.

Histograme şi statistici descriptive succesive, în seriile de 40, 250 şi 760

de zile cu cotaţii ale lui BET–FI, anticipând heteroscedasticitatea
Tabel nr.7.5

Soft utilizat EViews

Timpul în seria financiară generează o mai mare incertitudine a modelării

econometrice, deoarece intensifică sau depreciază semnificativ şi corelaţiile
seriilor de date ce caracterizează pieţele financiare, aşa cum se constată din
cele trei matrici de corelaţie de mai jos, cu caracter de exemplificare:
196
Matrice de corelaţie aplicată asupra seriei de date a indicilor bursieri ai
BVB (1.01.2013-28.02.2013)
Tabel nr. 7.6
Seria 40 BET BET-C BET-FI BET-XT BET-NG
BET 1,000000 0,715253 0,707588 0,982972 0,191508
BET-C 0,715253 1,000000 0,462402 0,755629 0,804445
BET-FI 0,707588 0,462402 1,000000 0,796851 0,037469
BET-XT 0,982972 0,755629 0,796851 1,000000 0,254172
BET-NG 0,191508 0,804445 0,037469 0,254172 1,000000
Soft utilizat EViews
Matrice de corelaţie aplicată asupra seriei de date a indicilor bursieri ai
BVB (1.01.2012-31.12.2012)
Tabel nr. 7.7
Seria 250 BET BET-C BET-FI BET-XT BET-NG
BET 1,000000 0,884537 0,857169 0,973494 0,760133
BET-C 0,884537 1,000000 0,663592 0,863326 0,956765
BET-FI 0,857169 0,663592 1,000000 0,938399 0,605099
BET-XT 0,973494 0,863326 0,938399 1,000000 0,782096
BET-NG 0,760133 0,956765 0,605099 0,782096 1,000000
Soft utilizat EViews
Matrice de corelaţie aplicată asupra seriei de date a indicilor bursieri ai
BVB (1.01.2010-31.12.2012)
Tabel nr. 7.8
Seria 760 BET BET-C BET-FI BET-XT BET-NG
BET 1,000000 0,950159 0,719589 0,948650 0,878631
BET-C 0,950159 1,000000 0,585660 0,886779 0,956963
BET-FI 0,719589 0,585660 1,000000 0,884891 0,443029
BET-XT 0,948650 0,886779 0,884891 1,000000 0,772484
BET-NG 0,878631 0,956963 0,443029 0,772484 1,000000
Soft utilizat EViews
Asigurarea comparabilităţii statistice a datelor seriilor financiare este
un alt aspect cu implicaţii grave în modelarea economico – financiară, dacă
nu este corect soluţionată. Investigaţia fenomenului economico – financiar
presupune acelaşi univers temporal, spaţial şi structural al fenomenelor
modelate, ceea ce implică valorificarea atât a unor modele econometrice
construite din indicatori valorici, cât şi a unora exclusiv realizate din
indicatori absoluţi şi relativi (cu precădere indici şi ritmuri), precum şi a
unor modelări axate pe indicatori ce redau implicaţiile unor modificări în
structura fenomenului financiar. În universul financiar domină modelele
fundamentate pe indicatorii valorici. Spaţialitatea extinsă a fenomenului
financiar abordat în economii locale, regionale, naţionale şi internaţionale
creează dificultăţi privind selectarea unităţii de măsură pentru cuantificările
valorice, opţiunea pentru lei, euro ori dolari SUA fiind doar un mic exemplu
de acurateţe şi profunzime impuse de gândirea statistică în gândirea
econometrică. Modelarea fenomenelor financiare presupune şi o anumită
opţiune iniţială pentru lungimea seriei de date (conform unor criterii de
disponibilitate, comparabilitate şi relevanţă), pentru periodizarea adecvată
197
(aici cu sensul de tăiere a unui interval de timp destul de recent ca impact în
prezent, derivată din cerinţe de previziune sau prognoză ale modelării, de
asigurare a unui nivel comparabil ca volum, impact şi intensitate a fluxurilor
analizate). Unele fenomene cu impact regional european pot impune
renunţarea la exprimarea în lei pentru aceea în euro, fapt justificat suficient
prin prisma volumului dominant al fenomenului financiar analizat în spaţiul
UE, dar nevoia de a compara în plan global acelaşi fenomen poate trimite la
soluţia cuantificării prin intermediul dolarului SUA. Opţiunea pentru o
sursă de date adecvată sau alegerea între bazele de date ale Băncii Mondiale,
poate avea loc în detrimentul celor ale Eurostat sau INS, care asigură
acoperire parţială (europeană şi naţională) a fenomenului economico –
financiar. Problema comparabilităţii nivelului fenomenului financiar pe
perioade mai lungi mai poate impune şi selectarea prioritară a unui an de
bază, renunţând la anii în care metodologiile nu sunt comparabile integral
(ex: anul 1990 nu poate fi integrat în studiul fenomenului investiţional în
România, fiind un an de corecţii valorice ale unor date agregate la nivel
naţional). Comparabilitatea statistică mai obligă şi la asigurarea unui proces
coerent de transformare a tuturor valorilor exprimate în preţuri curente prin
evaluări în preţuri comparabile (în fenomenele de actualizare valorifică cu
ajutorul inflaţiei a unor valori financiare este preferat un an central al seriei
de date). Astfel se exemplifică în tabelul 7.9 opţiunea pentru exprimarea în
preţurile unui an central din perioada analizată 1991-2010, respectiv 2000 ca
o opţiune naturală (în dolari SUA - 2000), iar construirea unui indice de
actualizare prin inflaţionări ale anilor anteriori lui 2000 şi prin deflaţionări
ale anilor ulteriori, a apelat la rata inflaţiei dolarului SUA reconstituind
indicele de preţ ce a generat-o.
Evoluţia investiţiilor străine directe nete şi intrate în România
(Asigurarea comparabilităţii datelor financiare investiţionale)
Tabel nr. 7.9
Fluxuri ISD Fluxuri ISD Rata IPC Fluxuri ISD Fluxuri ISD
Anul nete (dolari intrate (dolariinflaţiei SUA I act 2000 nete (dolari intrate (dolari
SUA -2000) SUA -2000) % % SUA -2000) SUA -2000)
1991 37000000 40000000 4,2 104,2 1,279424671 47338713 51176987
1992 73000000 77000000 3,0 103,0 1,227865477 89634180 94545642
1993 87000000 94000000 3,0 103,0 1,192092010 103712005 112056649
1994 341000000 341000000 2,6 102,6 1,157370884 394663471 394663471
1995 417000000 419000000 2,8 102,8 1,128041797 470393429 472649513
1996 263000000 263000000 2,9 102,9 1,097316923 288594351 288594351
1997 1224000000 1215000000 2,3 102,3 1,066391568 1305263279 1295665756
1998 2040000000 2031000000 1,6 101,6 1,038352 2118238080 2108892912
1999 1025000000 1041000000 2,2 102,2 1,022 1047550000 1063902000
2000 1048000000 1037000000 3,4 103,4 1 1048000000 1037000000
2001 1174000000 1157000000 2,8 102,8 0,9727626459 1142023346 1125486381
2002 1128000000 1144000000 1,6 101,6 0,9574435491 1079996323 1095315420
2003 1805000000 1844000000 2,3 102,3 0,9359174478 1689330993 1725831774

198
2004 6373000000 6443000000 2,7 102,7 0,9113120232 5807791524 5871636255
2005 6512280000 6482160000 3,4 103,4 0,8813462507 5739326785 5713027412
2006 10971010000 11393430000 3,2 103,2 0,8540176848 9369428020 9730190711
2007 9647000000 9925000000 2,9 102,9 0,8299491592 8006519539 8237245405
2008 13606000000 13883000000 3,8 103,8 0,7995656639 10878890420 11100370110
2009 4934000000 4846000000 -0,4 996 0,8027767710 3960900588 3890256232
2010 3263000000 3453000000 1,6 101,6 0,7901346171 2578209256 2728334833
Sursa de date: http://data.worldbank.org/data-catalog#Tables
Sursa: Săvoiu, G., Popa, S., Statistical limitations in timing and restrictions of
Comparability in addressing foreign direct investment (FDI), in Romania’s market
economy, Revista Română de Statistică, nr 2/2012, pg. 64 -65.
Această procedură specifică seriilor de date financiare este frecvent
aplicată asupra indicatorilor valorici deveniţi factori explicativi în modelele
econometrice financiare, în etapa de constituire a bazei de date pentru
modelare din statistici naţionale, UE sau mondiale. Analiza seriilor de date
pe perioade foarte lungi a condus la ipoteza piaţei eficiente (EMH). Din start
se impune o clarificare a ipotezei de eficienţă a pieţei (EMH). Piaţa eficientă
este de fapt un paradox. Dacă fiecare investitor crede ca piaţa este eficientă,
apoi piaţa nu va mai fi, nimeni nu va mai cumpăra acţiuni, neputând câştiga
mai mult. Eficienţa unei pieţe depinde şi de câţi investitori cred că nu este
eficientă. Ca o consecinţă logică, pieţele nu sunt şi nu pot fi nici eficiente în
totalitate, nici în întregime complet ineficiente. O dovadă în plus a
specificităţii seriilor financiare, conferită de eficienţa informaţională a
pieţelor bursiere şi de capital, devenite treptat mai raţionale şi mai simetrice,
este relevată de analiza descriptivă a unuia dintre cei mai bine cunoscuţi
indici bursieri, indicele american Dow Jones Industrial Average (DJIA),
indicele uneia dintre cele mai vechi, extinse, raţionale şi simetrice pieţe
financiare din lume (Săvoiu, G., Andronache, C., 2009). Anticipată de peste
un secol, ipoteza pieţei eficiente (EMH) a evoluat după anii 1960, datorită
lui Eugene Fama şi tezei lui de doctorat, fiind definită de un principiu
controversat, derivat din teoria pieţei financiare eficiente: pe o piaţă toate
preţurile acţiunilor nu pot fi depăşite, pentru că toate informaţiile disponibile
sunt cele care le delimitează.
Scurtă istorie a teoriei EMH, tipuri de eficienţă şi de pieţe eficiente
Caseta nr. 7.1
Bachelier L. (Théorie de la Spéculation, 1900): Trecutul, prezentul şi viitorul se
reflectă în preţul pieţei, dar nu se identifică o legătură clară în modificările de preţ.
Samuelson P.A. (Proof That Properly Discounted Present Values of Assets Vibrate
Randomly, 1965): EMH constituie dovada că preţurile corect anticipate fluctuează la
întâmplare.Modificările de preţ nu trebuie să fie previzibile, dacă sunt corect anticipate.
Fama E. (The Adjustment of Stock Prices to New Information, International Economic
Review, 1969 şi Efficient Capital Markets: A Review of Theory and Empirical
Work,1970): Piaţa eficientă este piaţa care se adaptează rapid la noile informaţii sau o
piaţă în care preţurile întotdeauna reflectă pe deplin informaţiile disponibile, reuşind să
convingă cu argumentul că un activ pe o piaţă eficientă include multe informaţii

199
corecte şi mulţi investitori inteligenţi, iar titlurile de valoare vor fi adecvate preţurilor şi
vor reflecta toate informaţiile disponibile. Cu alte cuvinte, într-o piaţă eficientă în orice
moment preţul real al unui titlu va fi o bună estimare a valorii sale intrinseci.
Rubinstein (1975) şi Latham (1985): Au extins definiţia pieţei eficiente la un
eveniment de informare, piaţa devenind practic eficientă în cazul în care informaţiile
nu cauzează modificări de portofoliu.
Jensen M. C. (Some anomalous evidence regarding market efficiency, 1978):
Precizează că preţurile reflectă informaţiile până la punctul în care profiturile
marginale aşteptate per informaţie nu depăşesc costurile de colectare a acestora.
Malkiel B. G. (The Efficient Market Hypothesis and Its Critics, 1992): Defineşte piaţa
de capital eficentă ca reflectând pe deplin şi în mod corect toate informaţiile relevante
în stabilirea cu siguranţă a preţurilor. Formal, piaţa este declarată eficientă cu privire la
unele informaţii, dacă preţul poate fi afectat prin dezvăluirea de informaţii, tuturor
participanţilor, eficienţa cu privire la un set de informaţii, echivalând cu imposibilitatea
de a face profit economic de comercializare, pe baza unui set informaţional de preţuri.
După 1976 au apărut contestările şi criticile ei majore, de la definire la testare
Grossman S. (On the Efficiency of Competitive Stock Markets Where Traders Have
Diverse Information, 1976) şi Grossman S. şi Stiglitz J.S. (On the Impossibility of
Informationally Efficient Markets,1980): Susţin că pieţele informaţionale perfect
eficiente nu sunt posibile. Dacă pieţele ar fi perfect eficiente, revenirea la culegerea de
informaţii ar fi şi ea nulă, caz în care ar apare un eventual colaps pentru comerţ şi pieţe.
Campbell J., Lo A. şi MacKinlay C. (The Econometrics of Financial Markets, 1997):
Împărtăşesc aceeaşi opinie, fiind în favoarea noţiunii de eficienţă relativă, măsurată
faţă de altă eficienţă a pieţei.
Lo şi MacKinlay (A Non-Random Walk Down Wall Street, 1999): EMH nu este bine
definită în sine, şi nici empiric ca o ipoteză irefutabilă. Pentru a o face operaţională
trebuie să se precizeze structura suplimentară a preferinţelor investitorilor, structura
informaţiilor, condiţiile de afaceri. Un test EMH devine un test al mai multor ipoteze
auxiliare şi respingerea unei astfel de ipoteze spune puţine lucruri despre care dintre
aspectele comune ale ipotezei nu se deţin date compatibile.
Fama E. (Market efficiency, long-term returns, and behavioral finance, 1998):
Eficienţa în sine nu este testailă. Această chestiune rămâne ambiguă, trebuie să fie
testată cu modele de echilibru sau dezechilibru, atunci când se vor găsi dovezi cu
privire la comportamentul aberant al declaraţiilor, la modul în care acestea sunt
împărţite între piaţa ineficientă şi aceea eficientă.
Zhang Y.C. (Toward a Theory of Marginally Efficient Markets, 1999): Dovezi
empirice sugerează că şi cele mai competitive pieţe nu sunt strict eficiente. Preţul
istoric poate fi folosit pentru a prezice viitorul apropiat cu o probabilitate aleatoare.
Multe pieţe pot fi considerate favorabile în sensul că există o mică probabilitate
marginală, cu care o piaţă să fie exploatată de speculatorii inteligenţi.
Beechey (2000): EMH este aproape sigur debutul, atunci când se doreşte a gândi la
formarea activă a preţurilor. Dovezile sugerează, că EMH nu explică importante
caracteristici ale comportamentului de piaţă al activelor. Cel mai important aspect al
scopului unei alocări eficiente a resurselor financiare mai largi, este acela că preţurile
de pe piaţă apar din când în când ca obiect al neconcordanţelor substanţiale, care poate
persista pentru perioade lungi de timp.
Blakey (2006): Dacă mediul academic a prezentat o piaţă eficientă aproximativă, mai
degrabă decât o ipoteză a pieţei eficiente,atunci o dezbatere conduce la o schismă
între mediul academic şi practicieni.
200
Fenomenul economico-financiar modern şi globalizat distinge trei tipuri de eficienţă a
pieţei: a) alocaţională sau caracteristică pieţei cu profituri distribuite participanţilor,
promovând creşterea economică; b) operaţională, definită de condiţia unei pieţe de a
primi servicii la un preţ care echivalează cu costurile reale respectând obiectivul
alocării prudente de capital, fără excese; c) informaţională sau piaţa perfect eficientă
(în grade diferite, de la puternică, la semiputernică şi la slabă) delimitată de faptul că
preţurile cotaţiilor reflectă toate informaţiile disponibile, iar diferitele niveluri
sugerează că preţurile acţiunilor variază ca reacţie la informaţiile relevante. Piaţa slab
eficientă apare atunci când informaţiile includ numai preţuri istorice. O piaţă de capital
este slab eficientă, în cazul în care includerea informaţiilor trecute este în întregime
esenţială în a forma preţurile acţiunilor. Piaţa semiputernic eficientă se caracterizeză
prin faptul că informaţiile specifice (preţurile) includ toate informaţiile cunoscute de
către toţi participanţii de pe piaţă (informaţii aflate la dispoziţia publicului). Piaţa
puternic eficientă este piaţa unde setul de informaţii cuprinde toate informaţiile despre
piaţa la care orice participant apelează (la dispoziţia publicului şi/sau cu acces privat).

Un test EMH devine un test al mai multor ipoteze auxiliare, dar esenţială
rămâne întrebarea: Evoluţiile profiturilor trecute pot anticipa profiturile
viitoare? Principala ipoteză se referă la existenţa unui model de serie
financiară de rapoarte în timp, care ar trebui să fie apropiate de o distribuţie
aleatoare (autocorelarea datelor seriei ar trebui să fie neglijabilă).
Un model al distribuţiei aleatoare pare să definească cel mai bine seria
financiară de date a indicelui DJIA şi de aici pot să apară trei soluţii: a) cea
mai simplă versiune a modelului - o distribuţie aleatoare (Random Walk1) -
este de forma independent şi identic distribuită (IID), în care dinamica
preţurilor este dată de o distribuţie aleatoare (independenţa evoluţiilor
ascendente se traduce prin creşteri de preţ necorelate, precum şi prin faptul
că orice funcţii nonlineare de creşteri de preţuri vor fi necorelate); b) un alt
model (RW2) include procese independente, nu identic distribuite (INID),
simplificând ipotezele lui RW1 şi asumând creşteri identic distribuite nu este
plauzibil pentru un activ financiar, un timp prelungit, caracterizat de
schimbări economice, tehnologice şi de reglementare a preţurilor acţiunilor
(context în care o transformare arbitrară a creşterilor viitoare de preţ nu este
previzibilă pornind de la o transformare arbitrară trecută); c) al treilea model
este derivat din RW2 prin asumarea independenţei datelor, obţinând o formă
mai slabă a distribuţiei aleatoare (RW3). Statistica descriptivă a modelului
distribuţiei aleatoare a valorilor DJIA ca variabile zilnice logaritmate ca
Log (price) sau log[y(t)], exprimate procentual (Daily returns) şi definite
prin relaţia r = 100 log [y(t+1)/y(t)], au fost analizate statistic pe întregul
interval 1928 - 2008, conform graficului comun 7.4, dar şi separat pe fiecare
din cele opt decenii analizate.

201
Grafic nr. 7.4

Săvoiu, G., Andronache, C., Raţionalitate şi simetrie informaţională EMH şi DJIA, Revista
Română de Statistică, supliment nr. 1/2009.p. 220.
Se menţin trăsăturile definite ale seriilor financiare şi în cazul modelului
distribuţiei aleatoare a valorilor DJIA pe parcursul a opt decenii, respectiv
excesul boltirii (valorile foarte ridicate ale kurtosis-ului) şi dominanta
negativă a valorii skewness – ului.
Statistica descriptivă a seriei financiare de date a indicelui DJIA
Tabel nr. 7.10
Interval Mean Std. Dev. Kurtosis Skewness H-lbqtest H-chi2
1930-1939 -0.0196 2.0232 8.0295 0.298 1 1
1940-1949 0.0105 0.82 12.1952 -1.1305 1 1
1950-1959 0.0487 0.671 10.1739 -0.9169 1 1
1960-1969 0.0067 0.6533 8.5218 -0.0481 1 1
1970-1979 0.0006 0.9263 4.7826 0.2742 1 1
1980-1989 0.0487 1.1561 103.5361 -4.3501 1 0
1990-1999 0.0553 0.892 8.1889 -0.4086 1 1
2000-2008 -0.0087 1.2907 11.5553 0.0038 1 1
1928-2008 0.0175 1.1602 28.44 -0.6147 1 0
Săvoiu, G., Andronache, C., Raţionalitate şi simetrie informaţională EMH şi DJIA, Revista
Română de Statistică, supliment nr. 1/2009.p. 221.
In esenţă, modelul distribuţiei aleatoare a valorilor DJIA descrie o
ipoteza EMH validată în termeni generali, dar nu şi permanent. EMH
rămâne o ipoteza de lucru, valabilă pentru anumite modele conceptuale (ex:
RW1, RW2, RW3,) bursa reală violând însă în practică această ipoteză.
Faptul că EMH nu este satisfăcută integral face lucrurile mai dificile, dar şi
interesante în acelaşi timp în procesele de modelare. Investigarea statistică a
valorilor zilnice ale lui DJIA în varianta logaritmică arată că repartiţia lui r
nu este o distribuţie normală în sens strict. În timp ce pentru tot intervalul
202
1928-2000, piaţa este eficientă în general, există totuşi abateri, după cum se
arată în autocorelaţiile semnificative ale valorilor. Aceste abateri ar putea fi
prea mici pentru scopuri practice (comerciale), dar sunt anomalii notabile de
la ipoteza EMH. Ipoteza EMH poate fi privită mai degrabă ca o ipoteza
EMA (de aproximare a unei pieţe eficiente) şi gradul de apropiere sau
abatere poate fi măsurat statistic, pentru anumite perioade de timp. Aceleaşi
concluzii pot fi formulate şi în pieţele financiare ale altor economii, luând în
discuţie de exemplu România, şi unele studii relativ recente, referitoare la
piaţa ei financiară, care reflectă aceleaşi aspecte specifice, descriind
financiar serii de date asimetrice, prin skewness, preponderent negativ, dar şi
excesiv de boltite, prin valoarea kurtosis - ului cu mult mai mare decât 3.
Modelul distribuţiei aleatoare a valorilor DJIA descrie o ipoteza EMH
validată în termeni generali, mai apropiată de varianta RW1 (Random
Walk1), în timp ce modelul distribuţiei aleatoare a indicilor BET ai pieţei
financiare româneşti este o formă mai slabă şi incipientă a distribuţiei
aleatoare RW3, derivată din RW2, ceea ce subliniază că gradul de dezvoltare
sau maturitate al unei pieţe financiare este surprins de tăria modelului
acesteia.

VII.2. Modelarea veniturilor şi cheltuielilor bugetului de stat – un

model original situat la graniţa cu modelul econofizic

Fenomenele bugetare şi fiscale constituie aspecte financiare din ce în ce

mai importante iar modelarea lor economico-financiară devine o încercare
dificilă de a uniformiza o diversitate actuală de bugete ale ţărilor lumii care
descriu o realitate multiplă, cu impact major în politici bugetare şi fiscale,
atât prin prisma unor aspecte legate de trendurile şi sustenabilitatea
dezvoltării economice, tradiţiile sociale şi culturale, dar şi prin corelare
directă cu elemente structurale şi conjuncturale. O detaliere a unora dintre
modelele econometrice financiare obţinute prin valorificarea seriilor de date
din perioada de preaderare a României la Uniunea Europeană este utilă şi
exemplificatoare în domeniul construcţiilor posibile.
Presiunea fiscală şi indicatorii acesteia (gradul de fiscalitate, indicele
fiscalităţii, gradul de colectare a veniturilor etc.) subliniază existenţa unor
multiple modele potenţiale şi specifice totodată, ce valorifică factori
desprinşi şi din alte din corelaţii între diferite categorii de venituri bugetare
şi PIB ca reper şi variabilă de referinţă.

203
 Evoluţia opusă a presiunii fiscale şi a PIB, în preaderarea României la UE
Grafic nr. 7.5
400000 25

350000

20
300000

250000
15

200000

10
150000

100000
5

50000

0 0
1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006
Sursa: http:// www.insse.ro
Până în 2007, presiunea fiscală ca raport între veniturile fiscale reale şi
PIB-ul real este descendentă şi dinamica PIB - ului nominal este una
ascendentă. Post aderare veniturile fiscale realizate devin oscilante şi relativ
plafonate în comparaţie cu preaderarea, conform graficului 7.6.
Dinamica veniturilor fiscale realizate după aderarea României
Grafic nr. 7.6

Sursa: http://www.consiliulfiscal.ro/
Modelele de elasticitate ale diferitelor tipuri de venituri bugetare ale
României identifică, gradează şi ierarhizează o senzitivitate ridicată a
veniturilor bugetare în raport cu evoluţia PIB-ului, fie că se referă la
impozitele directe, indirecte sau la impozitul pe profit (Bălţat, 2009; Bălţat,
Crăciuneanu, Săvoiu, 2009). Modelarea influenţei evoluţiei PIB-ului asupra
204
 veniturilor obţinute din impozitele pe venituri şi salarii identifică o
sensibilitate mai scăzută a acestora la dinamica PIB-ului, în timp ce influenţa
modelată a evoluţiei PIB asupra veniturilor bugetare totale subliniază o
sensibilitate generală ridicată (tabel nr. 11-16).
Modele econometrice financiare ale impozitului pe profit-IP şi venit-IV
Tabel nr. 7.11 Tabel nr. 7.12
Dependent Variable: IP Method: Least Squares 1992-2007 Dependent Variable: IP Method: Least Squares 1992-2007
ln IP = α + β PIB + ε, unde β= coeficient de elasticitate ln IV = α + β PIB + ε, unde β= coeficient de elasticitate
Variable Coefficient Std. Error t-Statistic Prob. Variable Coefficient Std. Error t-Statistic Prob.
C -8.20 0.53 -15.35 0.00 C -4.74 1.16 -4.08 0.00
LNPIB 1.36 0.05 25.75 0.00 LNPIB 0.91 0.11 7.92 0.00
R-squared 0.98 Mean dependent var 5.23 R-squared 0.84 Mean dependent var 4.25
Adjusted R-squared 0.98 S.D. dependent var 3.09 Adjusted Rsquared 0.83 S.D. dependent var 2.24
S.E. of regression 0.43 Akaike info criterion 1.28 S.E. of regression 0.94 Akaike info criterion 2.84
Sum squared resid 2.21 Schwarz criterion 1.37 Sum squared resid 10.50 Schwarz criterion 2.93
Log likelihood -6.95 F-statistic 662.89 Log likelihood -17.85 F-statistic 62.73
Durbin-Watson stat 1.82 Prob(F-statistic) 0.00 Durbin-Watson stat 1.10 Prob(F-statistic) 0.00

Modele econometrice financiare ale impozitelor directe-ID şi indirecte-II

Tabel nr. 7.13 Tabel nr. 7.14
Dependent Variable: IP Method: Least Squares 1992-2007 Dependent Variable: IP Method: Least Squares 1992-2007
ln ID = α + β PIB + ε, unde β= coeficient de elasticitate ln II = α + β PIB + ε, unde β= coeficient de elasticitate
Variable Coefficient Std. Error t-Statistic Prob. Variable Coefficient Std. Error t-Statistic Prob.
C -6.59 0.49 -13.50 0.00 C -8.09 0.58 -13.83 0.00
LNPIB 1.25 0.05 25.94 0.00 LNPIB 1.46 0.06 25.32 0.00
R-squared 0.98 Mean dependent var 5.78 R-squared 0.98 Mean dependent var 6.37
Adjusted R-squared 0.98 S.D. dependent var 2.85 Adjusted Rsquared 0.98 S.D. dependent var 3.33
S.E. of regression 0.39 Akaike info criterion 1.10 S.E. of regression 0.47 Akaike info criterion 1.46
Sum squared resid 1.85 Schwarz criterion 1.19 Sum squared resid 2.65 Schwarz criterion 1.55
Log likelihood -5.70 F-statistic 673.09 Log likelihood -8.22 F-statistic 641.23
Durbin-Watson stat 1.88 Prob(F-statistic) 0.00 Durbin-Watson stat 1.31 Prob(F-statistic) 0.00

Modele econometrice financiare ale veniturilor bugetare în funcţie de

PIB şi veniturilor din impozite indirecte în funcţie de impozitele directe
Tabel nr. 7.15 Tabel nr. 7.16
Dependent Variable: IP Method: Least Squares 1992-2007 Dependent Variable: IP Method: Least Squares 1992-2007
ln VB = α + β PIB + ε, unde β= coeficient de elasticitate ln II = α + β ln ID + ε, unde β= coeficient de elasticitate
Variable Coefficient Std. Error t-Statistic Prob. Variable Coefficient Std. Error t-Statistic Prob.
C -7.25 0.70 -10.39 0.00 C 1.17 0.02 46.96 0.00
LNPIB 1.44 0.07 21.33 0.00 LNID -0.37 0.16 -2.32 0.04
R-squared 0.97 Mean dependent var 7.27 R-squared 0.99 Mean dependent var 6.37
Adjusted R-squared 0.97 S.D. dependent var 3.36 Adjusted Rsquared 0.99 S.D. dependent var 3.33
S.E. of regression 0.58 Akaike info criterion 1.87 S.E. of regression 0.26 Akaike info criterion 0.24
Sum squared resid 4.38 Schwarz criterion 1.97 Sum squared resid 0.78 Schwarz criterion 0.33
Log likelihood -12.05 F-statistic 454.78 Log likelihood 0.34 F-statistic 2205.04
Durbin-Watson stat 1.41 Prob(F-statistic) 0.00 Durbin-Watson stat 1.17 Prob(F-statistic) 0.00
Tabelele 7.11- 16 au ca surse comune lucrările : Bălţat,V., Modele econometrice în analiza
impozitelor şi taxelor din România în perioada 1992-2007, Revista Română de Statistică,
nr. 9/2009 şi Bălţat, V., Crăciuneanu, V., Săvoiu, G., O succintă istorie statistică şi
economică a fiscalităţii româneşti. Modele econometrice în analiza fiscalităţii din
România, după 1991, Revista Română de Statistică, supliment 12/2009, pag. 77 – 81.

205
 O altă ipoteză axată pe elasticitatea încrucişată a putut fi modelată
econometric financiar în tabelul 7.16 unde apare senzitivitatea veniturilor
din impozite indirecte în raport cu evoluţia veniturilor din impozite directe.
Anumite evenimente economico – financiare cer verdicte sau validări
econometrice, ca în cazul efectelor benefice avute de introducerea cotei
unice de impozitare supusă şi ea modelării cu o variabilă dummy şi
confirmată sau influenţa recurenţei politicii de încasare a veniturilor la
bugetul de stat prin modelare care identifică o memorie temporală a
colectării veniturilor bugetare în economia românească (ultimele două
menţionate în tabelul 7.17).
O sinteza a modelelor econometrice financiare legate de buget şi
axate pe elasticitate
Tabel nr. 7.17
Scurtă descriere a modelului econometric Model econometric Senzitivitate
financiar, construit din seria de date 1992-2007 financiar (final) (elasticitate)
Modelarea impozitelor indirecte în funcţie de PIB lnII = α + β PIB + ε β *=1,46
Modelarea veniturilor bugetare în funcţie de PIB lnVB = α + β PIB + ε β *=1,44
Modelarea impozitului pe profit în funcţie de PIB lnIP = α + β PIB + ε β *=1,36
Modelarea impozitelor directe în funcţie de PIB lnID= α + β PIB + ε β *=1,25
Modelarea impozitelor pe venit în funcţie de PIB lnIV = α + β PIB + ε β *=0,91
Modelarea veniturilor din II în funcţie de ID lnII = α + β lnID + ε β *=1,17
Modelarea efectului cotei unice în venituri bugetare lnVB = β0 + β1 di + ε **
Modelarea prin recurenţă a veniturilor bugetare lnVB = β0 + β1lnVBt-1+β2ti+ε ***
Note: * β este coeficientul de elasticitate ** Variabila dummy a fost definită în funcţie de
{0 ,i < 2005
momentul introducerii cotei unice în România (2005): d i = 1 , altfel . Introducerea cotei
unice de impozitare a avut efecte benefice asupra veniturilor la bugetul de stat, ducând în
final la creşterea încasărilor bugetare. *** Concluzia ultimului model prezentat este că
există o recurenţă în ceea ce priveşte nivelul veniturilor la bugetul de stat. Cu alte cuvinte,
politica de colectare a veniturilor bugetare prezintă o memorie temporală, fiind puţin
probabil ca trendul să se inverseze brusc. Astfel, dacă într-un an scade ritmul de colectare a
veniturilor bugetare este de aşteptat ca la începutul anului următor situaţia să persiste.
Sursa: Bălţat, V., Crăciuneanu, V., Săvoiu, G., O succintă istorie statistică şi economică a
fiscalităţii româneşti. Modele econometrice în analiza fiscalităţii din România, după 1991,
Revista Română de Statistică, supliment 12/2009, pag. 81.
O altă abordare a modelării bugetare având în vedere cele două mari
componente, venituri şi cheltuieli pe surse şi pe destinaţii, rămâne aceea
axată pe instrumentele statistice, care au un rol de semnalizare, ca tendinţe şi
prag structural, a concentrărilor (specializărilor) şi diversificărilor bugetare
sau fiscale la cele două capitole. Modelarea concretă economico – financiară
a bugetului este precedată de evaluările axate pe energia informaţională
Onicescu (EOnicescu=Σ(gi)2) şi pe indici Gini-Struck (descrise în subcapitolul
III.2) şi se realizează în două straturi distincte de fiscalitate, stratul agregat
al bugetului de stat şi stratul detaliat al bugetelor locale păstrând aceleaşi
structuri de analiză, pentru asigurarea comparabilităţii statistice.
206
 Se valorifică baze de date financiare oferite prompt de buletine statistice
lunare ale INS (cu precădere din decembrie sau de la finele anului fiscal).
Pentru a modela metodologic unitar se apelează la o structură standard a
veniturilor şi cheltuielilor în bugete de stat şi locale, expusă în tabelul 7.18.
Structura standard a bugetelor de stat şi locale (venituri şi cheltuieli)
Tabel nr. 7.18
Categorii de venituri Categorii de cheltuieli
V1.Impozit pe profit C1.Cheltuieli de personal
V2.Impozit pe venit C2.Bunuri şi servicii
V3.Impozit şi taxe pe proprietate C3.Dobânzi
V4.Taxa pe valoarea adăugată C4.Subvenţii
V5.Accize C5.Transferuri între unităţi ale administraţiei
V6.Alte impozite şi taxe fiscale publice şi alte transferuri
V7.Venituri nefiscale C6.Proiecte cu finanţare din fonduri externe
V8.Sume primite de la U.E. în contul nerambursabile şi cheltuieli programe finanţare
plăţilor efectuate rambursabilă
V9.Subvenţii C7.Asistenţă socială
C8.Cheltuieli de capital şi operaţiuni financiare
Sursa: Buletin statistic lunar - http://www.insse.ro/cms/rw/pages/buletinelunare.ro.do
Fenomenul de concentrare – diversificare a fost cuantificat şi periodizat
pe o structură unitară de nouă componente de venituri şi de opt cheltuieli,
cu apariţie continuă, care depăşesc 97% din total.
Ponderea impozitelor indirecte şi directe în total venituri fiscale şi
evoluţia coeficientului de concentrare-diversificare, între 1992 şi 2000
Tabel nr. 7.19
Impozite în buget 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
Impozite indirecte 0,389 0,485 0,453 0,491 0,513 0,488 0,626 0,688 0,725 0,700
Impozite directe 0,611 0,515 0,547 0,509 0,487 0,512 0,374 0,312 0,275 0,300
Total 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000
EOnicescu = Σ (gi)2 0,5246 0,5005 0,5044 0,5002 0,5003 0,5003 0,5318 0,5707 0,6013 0,58
Gini – Struck 0,222 0,030 0,094 0,018 0,026 0,024 0,252 0,376 0,450 0,40
Sursa: Anuarul Statistic al României, 1992-2012, Ed. INS, Bucureşti. Calcule
Între 1992 şi 2001, evoluţia este iniţial oscilantă, apoi descendentă cota
impozitelor directe a scăzut în favoarea celor indirecte, alternând procese de
diversificare, cu aspect de echirepartiţie între impozitele directe şi indirecte
până în 1997, cu concentrări excesive după (impozitele indirecte au deţinut
¾ din total şi Gini-Struck a trecut pragul valoric al concentrării excesive).
Ponderea impozitelor indirecte şi directe în total venituri fiscale şi
evoluţia coeficientului de concentrare-diversificare, între 2001 şi 2011
Tabel nr. 7.20
Impozite în buget 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
Impozite indirecte 0,751 0,787 0,749 0,740 0,696 0,6546 0,6417 0,6299 0,6735 0,6995
Impozite directe 0,249 0,213 0,251 0,260 0,304 0,3454 0,3583 0,3701 0,3265 0,3005
Total 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000
EOnicescu = Σ (gi)2 0,626 0,6647 0,6240 0,6152 0,5768 0,5478 0,5402 0,5338 0,5602 0,5796
Gini - Struck 0,502 0,574 0,498 0,48 0,392 0,3092 0,2834 0,2598 0,347 0,399
Sursa: Anuarul Statistic al României, Ed 1992-2012, Ed. INS, Bucuresti.
207
 După 2001 până în 2005, domină un proces de concentrare, plasat în zona
excesivă, dar cu un trend lent de diversificare implicit. Din anul 2006,
bugetul continuă trendul de diversificare până în anul recesiunii complet
instalate (2009), pentru a reintra într-un trend de concentrare în următorii
doi ani. Dacă fenomenul de diversificare poate fi considerat benefic şi în
fiscalitatea bugetară, un buget cu o concentrare excesivă în zona impozitelor
indirecte, descrie un model lipsit de alternative de politică fiscală pe durata
recesiunii globale. Analiza impune o aprofundare la nivel de venituri şi de
cheltuieli atât ale bugetului de stat cât şi ale bugetelor locale, mai ales după
aderarea României la UE. Rezultatele anuale instrumentale sunt expuse
detaliat în tabelele 7.21-7.24 şi sintetic în 7.25, 7.26 şi, mai ales, în 7.27.
Concentrarea – diversificarea veniturilor în bugetul de stat
Tabel nr. 7.21
Suma A 2007 Suma B 2008 Suma C 2009 Suma D 2010 Suma E 2011
Venituri mil. lei (gi)2 mil. lei (gi)2 mil. lei (gi)2 mil. lei (gi)2 mil. lei (gi)2
V1. 10.528,8 0,02048 13.039,9 0,02022 10.435,1 0,01651 10.090,9 0,01124 10.289,2 0,00945
V2. 13.828,8 0,03527 18.398,3 0,04024 16.866,3 0,04314 17.852,3 0,03516 18.846,6 0,03168
V3. 0,40 0,00000 91,40 0,00000 54,10 0,00000 4,50 0,00000 0,00 0,00000
V4. 31.243,2 0,18003 40.873,6 0,19856 31.180,9 0,14738 39.246,0 0,16999 47.917,4 0,20467
V5. 11.207,8 0,02316 12.382,5 0,01823 12.984,0 0,02557 16.212,3 0,02900 17.805,9 0,02826
V6. 3.711,9 0,00254 3.208,5 0,00123 2.403,0 0,00088 2.202,8 0,00053 2.083,9 0,00039
V7. 3.113,5 0,00178 3.737,2 0,00166 6.352,3 0,00612 8.125,0 0,00729 7.315,2 0,00476
V8. 0,00 0,00000 0,00 0,00 947,3 0,00014 953,7 0,00010 1.650,7 0,00024
V9. 0,00 0,00000 0,00 0,00 0,00 0,00000 500,9 0,00003 0,00 0,00000
TOTAL 73.634,4 x 91.731,40 x 81.223,0 x 95.188,4 x 105.908,9 x
EOnicescu x 0,26324 x 0,28008 x 0,23968 x 0,25336 x 0,27947
GS n = 9 0,4137 0,4360 0,3803 0,400 0,4352
n = diferit* 0,3748 0,4001 0,3620 0,400 0,3992
Sursa: Buletin statistic lunar - http://www.insse.ro/cms/rw/pages/buletinelunare.ro.do
GS = Gini – Struck * GS a fost recalculat fără grupele cu valori nule.
Debutul în perioada de integrare a României în UE relevă tendinţe
alternante în categoriile mari de venituri din bugetul de stat, respectiv o
concentrare prealabilă crizei, urmată de o diversificare profundă în 2009 pe
perioada de vârf a recesiunii, pentru a se putea asigura resurse bugetare.
Concentrarea – diversificarea cheltuielilor în bugetul de stat
Tabel nr.7.22
Suma A 2007 Suma B 2008 Suma C 2009 Suma D 2010 Suma E 2011
Cheltuieli mil. lei (gi)2 mil. lei (gi)2 mil. lei (gi)2 mil. lei (gi)2 mil. lei (gi)2
C1. 13184,3 0,0443 15834,4 0,0399 14048,6 0,0296 14764,5 0,0212 15682,2 0,0224
C2. 3776,2 0,0036 4605,3 0,0034 3832,6 0,0022 3718,4 0,0013 4244,3 0,0016
C3. 2249 0,0013 2942 0,0014 4712,2 0,0033 6319,1 0,0039 7736,5 0,0054
C4. 4997,8 0,0064 5809,1 0,0054 4644,6 0,0032 4663,1 0,0021 4290,7 0,0017
C5. 20209,7 0,1041 26254,8 0,1097 27656,7 0,1146 38395,6 0,1432 39835,6 0,1442
C6. 0 0,0000 0 0,0000 5448,2 0,0044 8647,1 0,0073 11634,8 0,0123
C7. 11932,2 0,0363 16085,1 0,0412 16511,6 0,0409 19283,7 0,0361 15007,7 0,0205
C8. 6283,5 0,0101 7756,5 0,0096 4826,5 0,0035 5682,6 0,0031 6464,2 0,0038
TOTAL 62632,7 x 79287,2 x 81681,0 x 101474,1 x 104896,0 x
EOnicescu x 0,20608 x 0,21038 x 0,20180 x 0,21818 x 0,21189
GS n = 8 0,3044 0,3124 0,2963 0,3263 0,3151
n = diferit* 0,2716 0,2807 0,2963 0,3263 0,3151

208
Sursa: Buletin statistic lunar - http://www.insse.ro/cms/rw/pages/buletinelunare.ro.do
GS = Gini – Struck * GS a fost recalculat fără grupele cu valori nule.
Cheltuielile refac traiectoria veniturilor, exceptând ultimul an, 2011, când
are loc un proces opus concentrării veniturilor, pe un palier GS mai scăzut.
Concentrarea – diversificarea veniturilor în bugetele locale
Tabel nr. 7.23
Suma A 2007 Suma B 2008 Suma C 2009 Suma D 2010 Suma E 2011
Venituri în mil. lei (gi)2 în mil. lei (gi)2 în mil. lei (gi)2 în mil.lei (gi)2 în mil. lei (gi)2
V1. 29,5 0,0000 19,5 0,0000 21,5 0,0000 24,3 0,0000 19,9 0,0000
V2. 11598 0,1360 14328,5 0,1376 13881,3 0,1227 14425,7 0,1094 14468,9 0,1068
V3. 2944,5 0,0088 3162,5 0,0067 3179,7 0,0064 3797,1 0,0076 3976,9 0,0081
V4. 14552,5 0,2142 18644,8 0,2329 15813,7 0,1592 14982,8 0,1180 13175,4 0,0886
V5. 0 0,0000 0 0,0000 0 0,0000 0 0,0000 0 0,0000
V6. 1018,3 0,0010 1182,5 0,0009 1029,1 0,0007 1293,6 0,0009 1382,2 0,0010
V7. 1303,5 0,0017 1293,8 0,0011 1164,1 0,0009 1547,5 0,0013 2169,1 0,0024
V8. 0 0,0000 0 0,0000 565,5 0,0002 2245,1 0,0027 3463,6 0,0061
V9. 0 0,0000 0 0,0000 3972,9 0,0101 5294,7 0,0147 5619,7 0,0161
TOTAL 31446,3 x 38631,6 x 39627,8 x 43610,8 x 44275,7 x
EOnicescu x 0,36172 x 0,37926 x 0,30018 x 0,25456 x 0,22902
GS n = 9 0,5310 0,5492 0,4612 0,4017 0,3642
n = diferit* 0,4838 0,5051 0,4474 0,3848 0,3448
Sursa: Buletin statistic lunar - http://www.insse.ro/cms/rw/pages/buletinelunare.ro.do
GS = Gini – Struck * GS a fost recalculat fără grupele cu valori nule.
Tendinţa veniturilor în bugetele locale, după o uşoară inerţie anuală,
devine opusă celei a veniturilor bugetului de stat, fenomenelor de
concentrare în bugetul de stat opunându-li-se tendinţe de diversificare în
bugetele locale.

Concentrarea – diversificarea cheltuielilor în bugetele locale

Tabel nr. 7.24
Suma A 2007 Suma B 2008 Suma C 2009 Suma D 2010 Suma E 2011
Cheltuieli în mil. lei (gi)2 în mil. lei (gi)2 în mil. lei (gi)2 în mil. lei (gi)2 în mil. lei (gi)2
C1 11116,4 0,1095 15310,5 0,1348 15188,8 0,1679 13584,3 0,1107 11241,3 0,0666
C2 7609,7 0,0513 9431,5 0,0511 7363,6 0,0395 8506,4 0,0434 9488,6 0,0474
C3 296,1 0,0001 635,6 0,0002 862,9 0,0005 746,2 0,0003 773 0,0003
C4 1872,5 0,0031 2084,8 0,0025 2052,5 0,0031 2060,6 0,0025 2105,5 0,0023
C5 2924,6 0,0076 3547,3 0,0072 3408 0,0085 4160,6 0,0104 3708,8 0,0072
C6 0 0,0000 0 0,0000 214,9 0,0000 1743,1 0,0018 4360,2 0,0100
C7 2660,3 0,0063 3227,1 0,0060 2596,9 0,0049 3424 0,0070 2872,3 0,0043
C8 7113,8 0,0448 7465,5 0,0320 5384,1 0,0211 6598,4 0,0261 9022,7 0,0429
TOTAL 33593,4 x 41702,3 x 37071,7 x 40823,6 x 43572,4 x
EOnicescu x 0,22269 x 0,23394 x 0,24541 x 0,20240 x 0,18112
GS n = 8 0,3341 0,3528 0,3710 0,2974 0,2533
n = diferit* 0,3052 0,3260 0,3710 0,2974 0,2533
Sursa: Buletin statistic lunar - http://www.insse.ro/cms/rw/pages/buletinelunare.ro.do
GS = Gini – Struck * GS a fost recalculat fără grupele cu valori nule.
Tendinţa de concentrare a cheltuielilor bugetelor locale urmează un nivel
maxim evolutiv în acelaşi an de vârf al recesiunii în România, dar şi la acest
tip de indicator se profilează în recesiune o tendinţă contrară în raport cu
bugetul naţional. În perioada de recesiune se desprind câteva tendinţe uşor
vizibile în tabelele următoare.
209
 Confruntarea coeficienţilor veniturilor bugetelor de stat şi locale
Tabel nr. 7.25
Venituri - Buget naţional 2007 2008 2009 2010 2011
EOnicescu 0,26324 0,28008 0,23968 0,25336 0,27947
GS (Gini – Struck) 0,4137 0,4360 0,3803 0,400 0,4352
Venituri - Bugete locale 2007 2008 2009 2010 2011
EOnicescu 0,36172 0.37926 0.30018 0.25456 0.22902
GS (Gini – Struck) 0,5310 0,5492 0,4612 0,4017 0,3642
În condiţiile recesiunii se validează o elasticitate inversă între coeficienţii
bugetului de stat şi cei ai bugetelor locale (EOnicescu sau GS) cu un gap
(decalaj) de 1-2 ani, în evoluţia ciclică a veniturilor cât şi a cheltuielilor.
Confruntarea coeficienţilor cheltuielilor bugetelor de stat şi locale
Tabel nr.7.26
Cheltuieli - Buget naţional 2007 2008 2009 2010 2011
EOnicescu 0,20608 0,21038 0,20180 0,21818 0,21189
GS (Gini – Struck) 0,3044 0,3124 0,2963 0,3263 0,3151
Cheltuieli - Bugete locale 2007 2008 2009 2010 2011
EOnicescu 0,22269 0,23394 0,24541 0,20240 0,18112
GS (Gini – Struck) 0,3341 0,3528 0,3710 0,2974 0,2533
Coeficientul Gini-Struck al veniturilor arată o concentrare ridicată, o
“specializare” într-o unică grupă de venituri. Bugetele locale dezvăluie
praguri de concentrare excesive şi mult mai ridicate decât bugetul de stat.
Sinteza confruntării statistice: buget de stat - bugete locale şi serii finale
Tabel nr. 7.27
Venituri (V) Cheltuieli (C)
Anul EOnicescu GS (Gini-Struck) Anul EOnicescu GS (Gini-Struck)
BSV* BLV** BSV* BLV** BSC* BLC** BSC* BLC**
SER01 SER02 SER03 SER04 SER05 SER06 SER07 SER08
2007 0,26324 0.36172 0,4137 0,5310 2007 0,20608 0,22269 0,3044 0,3341
2008 0,28008 0.37926 0,4360 0,5492 2008 0,21038 0,23394 0,3124 0,3528
2009 0,23968 0.30018 0,3803 0,4612 2009 0,20180 0,24541 0,2963 0,3710
2010 0,25336 0.25456 0,400 0,4017 2010 0,21818 0,20240 0,3263 0,2974
2011 0,27947 0.22902 0,4352 0,3642 2011 0,21189 0,18112 0,3151 0,2533
Notă *BS = buget de stat iar **BL = bugete locale
O analiză a matricilor de corelaţie pe perioada celor cinci ani analizaţi
identifică post aderare o legitate de elasticitate inversă intensă buget de stat
– bugete locale, la capitolul cheltuieli.
Matricea de corelaţie a coeficienţilor de concentrare diversificare
Tabel nr.7.28
SER01 SER02 SER03 SER04 SER05 SER06 SER07 SER08
SER01 1.000000 0.139048 0.999811 0.089485 0.348910 -0.463103 0.363803 -0.463527
SER02 0.139048 1.000000 0.140731 0.998752 -0.440322 0.732644 -0.433700 0.749548
SER03 0.999811 0.140731 1.000000 0.091147 0.357148 -0.468694 0.372016 -0.468204
SER04 0.089485 0.998752 0.091147 1.000000 -0.460497 0.761051 -0.454589 0.778006
SER05 0.348910 -0.440322 0.357148 -0.460497 1.000000 -0.688269 0.999871 -0.662719
SER06 -0.463103 0.732644 -0.468694 0.761051 -0.688269 1.000000 -0.691136 0.998617
SER07 0.363803 -0.433700 0.372016 -0.454589 0.999871 -0.691136 1.000000 -0.665657
SER08 -0.463527 0.749548 -0.468204 0.778006 -0.662719 0.998617 -0.665657 1.000000
210
 O analiză axată tot pe matrici de corelaţie, pe perioada celor trei ani de
recesiune majoră (2009-2011) identifică o elasticitate inversă buget de stat-
bugete locale intensă şi la capitolul venituri şi la capitolul cheltuieli.
Intensitatea asocierii inverse sau a corelaţiilor indirecte este foarte ridicată.

Matricea de corelaţie a coeficienţilor de concentrare diversificare

pentru perioada de recesiune a României, între 2009 şi 2011
Tabel nr.7.29
SER01 SER02 SER03 SER04 SER05 SER06 SER07 SER08
SER01 1.000000 -0.942775 0.999858 -0.952746 0.460276 -0.931906 0.470971 -0.948558
SER02 -0.942775 1.000000 -0.948262 0.999510 -0.729947 0.999513 -0.738154 0.999842
SER03 0.999858 -0.948262 1.000000 -0.957731 0.475175 -0.937888 0.485774 -0.953760
SER04 -0.952746 0.999510 -0.957731 1.000000 -0.708204 0.998046 -0.716684 0.999909
SER05 0.460276 -0.729947 0.475175 -0.708204 1.000000 -0.750929 0.999927 -0.717672
SER06 -0.931906 0.999513 -0.937888 0.998046 -0.750929 1.000000 -0.758855 0.998799
SER07 0.470971 -0.738154 0.485774 -0.716684 0.999927 -0.758855 1.000000 -0.726035
SER08 -0.948558 0.999842 -0.953760 0.999909 -0.717672 0.998799 -0.726035 1.000000
Soft utilizat EViews

În final, se desprind patru modele econometrice financiare care descriu

prin diversitatea parametrizărilor o legitate bugetară originală, cuantificată
prin modelare, o evoluţie contrară a bugetului de stat şi a bugetelor locale
(la ambele capitole, atât de venituri cât şi de cheltuieli).

Modele econometrice financiare de concentrare-diversificare a

veniturilor în bugetul de stat în funcţie de bugetele locale
Tabel nr. 7.30 Tabel nr. 7.31
Dependent Variable: BSV Method: Least Squares 2007-2012 Dependent Variable: BSV Method: Least Squares 2007-2012
BSV = α + β BLV + ε, unde β = coeficient de elasticitate BSV= α + β BLV + ε, unde β= coeficient de elasticitate
Variable Coefficient Std. Error t-Statistic Prob. Variable Coefficient Std. Error t-Statistic Prob.
C 0.3956 0.049 8.048 0.079 C 0.628 0.067 9.341 0.068
BLV (E Onicescu) -0.5287 0.187 -2.828 0.216 BLV (Gini - Struck) -0.545 0.163 -3.329 0.186
R-squared 0.888 Mean dependent var 0.257 R-squared 0.628 Mean dependent var 0.405
Adjusted R-squared 0.777 S.D. dependent var 0.020 Adjusted Rsquared -0.545 S.D. dependent var 0.028
S.E. of regression 0.010 Akaike info criterion -6.233 S.E. of regression 0.628 Akaike info criterion -5.890
Sum squared resid 9.09E-05 Schwarz criterion -6.834 Sum squared resid -0.545 Schwarz criterion -6.492
Log likelihood 11.350 F-statistic 7.994 Log likelihood 0.628 F-statistic 11.084
Durbin-Watson stat 2.948 Prob(F-statistic) 0.216 Durbin-Watson stat -0.545 Prob(F-statistic) 0.1868
Soft utilizat EViews

Aceste modele, construite şi validate cu pachetul de programe Eviews şi

subliniază parametrizarea cu coeficient de elasticitate negativ al relaţiei
dintre cele două tipuri de bugete de stat şi locale (BSV şi BLV, fiind seriile
de date financiare în recesiune ale energiei informaţionale EOnicescu (SER01
şi SER02) şi ale coeficienţilor GS sau Gini-Struck (SER03 şi SER04).

211
 Modele econometrice financiare de concentrare-diversificare a
cheltuielilor în bugetul de stat în funcţie de bugetele locale
Tabel nr. 7.32 Tabel nr. 7.33
Dependent Variable: BSC Method: Least Squares 2007-2012 Dependent Variable: BSC Method: Least Squares 2007-2012
BSC = α + β BLC + ε, unde β = coeficient de elasticitate BSC= α + β BLC + ε, unde β= coeficient de elasticitate
Variable Coefficient Std. Error t-Statistic Prob. Variable Coefficient Std. Error t-Statistic Prob.
C 0.250 0.035 7.109 0.089 C 0.369 0.054 6.775 0.093
BLC (E Onicescu) -0.189 0.167 -1.137 0.459 BLC (Gini - Struck) -0.185 0.175 -1.056 0.483
R-squared 0.564 Mean dependent var 0.211 R-squared 0.527 Mean dependent var 0.312
Adjusted R-squared 0.128 S.D. dependent var 0.008 Adjusted Rsquared 0.054 S.D. dependent var 0.015
S.E. of regression 0.008 Akaike info criterion -6.656 S.E. of regression 0.015 Akaike info criterion -5.361
Sum squared resid 5.96E-05 Schwarz criterion -7.257 Sum squared resid 0.000 Schwarz criterion -5.962
Log likelihood 11.984 F-statistic 1.293 Log likelihood 10.042 F-statistic 1.115
Durbin-Watson stat 2.927 Prob(F-statistic) 0.459 Durbin-Watson stat 2.959 Prob(F-statistic) 0.483
Soft utilizat EViews
Sursa tabelelor 7.19-7.33 o constituie lucrarea: Săvoiu, G., Crăciuneanu,V., Iorga Simăn.
I., Dinu, V. Taxes in Post - accession Romania: Concentration and Specialization in the
State Budget and Local Budgets, Journal of Economic Computation and Economic
Cybernetics Studies and Research, no.4/2012, AES, pp. 143-162, 2012.
Din păcate nu acelaşi lucru se poate spune despre modelele econometrice
construite cu EOnicescu şi GS pentru cheltuieli care deşi promiteau o corelaţie
mult mai intensă, în seria de date financiare pe ani, se dovedesc doar simple
corelaţii aparente (spurious correlations) ce nu sunt validate cu testul F.
Econometrică financiară cu ajutorul fizicii poate generaliza modelul expus
al concentrării-diversificării bugetare, apelând la constrângeri, echilibru şi
ireversibilitate, premise ale modelării econofizice a fenomenului fiscal. Se
poate constata că bugetele analizate formează un sistem neizolat, care poate
fi tratat ca o parte a unui sistem complex ce este teoretic sau poate fi izolat
practic, conform teoriei fizicii statistice:
Un model econometric original situat la graniţa cu modelul econofizic
Caseta nr. 7. 2
Aşa cum se cunoaşte din fizica statistică (Reif, 1964; Reif, 1965; Reif, 1999) un
sistem satisface anumite condiţii care pot fi descrise la scara macroscopică prin
specificarea unui parametru macroscopic (γ) al sistemului (sau valorile cătorva astfel
de parametri). Aceste condiţii acţionează ca nişte constrângeri, ce restrâng stările în
care sistemul se poate găsi la cele compatibile cu condiţiile respective, adică la ceea ce
de regulă este cunoscut sub denumirea de „stări accesibile”. Numărul Ω al acestor
stări accesibile depinde astfel de constrângerile la care este supus sistemul, aşa că Ω =
Ω(γ) este o anumită funcţie a parametrului macroscopic, respectiv al sistemului.
Descrierea statistică implică consideraţii probabilistice asupra unui ansamblu de astfel
de sisteme, toate fiind supuse aceloraşi constrângeri. Dacă sistemul este în echilibru,
acesta se va găsi cu probabilitate egală în fiecare din cele Ω stări accesibile ale sale şi
invers. Dacă sistemul nu se află cu probabilitate egală în fiecare din cele Ω stări
accesibile, atunci situaţia statistică depinde de timp, cu alte cuvinte sistemul va tinde
atunci să-şi schimbe starea în timp până ce va atinge, în ultimă instanţă o situaţie de
echilibru în care se va găsi cu probabilitate egală în fiecare din cele Ω stări accesibile
lui. Aceste afirmaţii reprezintă conţinutul postulatelor fundamentale ale fizicii
statisticii. Pornind de la ipoteza că un sistem este izolat şi situat iniţial în echilibru, în
212
condiţiile în care Ωi stări îi sunt accesibile, atunci sistemul se găseşte cu probabilitate
egală în fiecare din aceste stări. Se presupune că unele constrângeri au fost înlăturate,
deoarece sistemul este supus la mai puţine restricţii decât înainte, numărul stărilor
accesibile acestuia va fi în mod normal mai mare. Notând cu Ωf acest număr final de
stări în prezenţa noilor constrângeri, se poate scrie că Ωf ≥ Ωi . Imediat după ce
constrângerile iniţiale au fost îndepărtate, probabilitatea ca sistemul să se găsească în
oricare din stările lui va fi aceeaşi ca înainte. Deoarece sistemul iniţial avea
probabilităţi egale de a se afla în fiecare din stările Ωi accesibile lui, sistemul analizat
se va găsi încă, imediat după îndepărtarea constrângerilor iniţiale, cu egală
probabilitate în fiecare din aceste Ωi stări. Apar două situaţii distincte:
1.cazul special în care Ωf = Ωi → situaţia de echilibru a sistemului rămâne
neperturbată prin îndepărtarea constrângerilor;
2.cazul obişnuit când Ωf > Ωi → imediat după îndepărtarea constrângerilor iniţiale
sistemul are probabilitatea egală de a fi găsit în fiecare din cele Ωi stări iniţiale, dar
are probabilitatea „0” de a se găsi în oricare din stările adiţionale (Ωf - Ωi ) care au
devenit şi ele accesibile.
Această distribuţie de probabilitate neuniformă nu corespunde unei situaţii de
echilibru, ca urmare sistemul tinde să se modifice în timp până ce, în ultimă instanţă,
acesta va atinge o situaţie de echilibru în care se va găsi cu egală probabilitate în
fiecare din cele Ωf stări, care acum îi vor deveni accesibile. Se poate considera un
sistem compus A*, unde A şi A’ care pot interacţiona unul cu celălalt (Figura nr. 2).
Corespunzător situaţiei din fizică unde putem presupune de exemplu că A este un bloc
de cupru şi A’ un container umplut cu apă, în economie, A poate fi reinterpretat ca
sistem al bugetului de stat şi A’ drept sistem al bugetelor locale. În această situaţie, se
definesc următoarele notaţii:EA = energia totală a sistemului A (bloc de cupru sau
buget de stat) şi EA’ = energia totală a sistemului A’ (container umplut cu apă sau
bugete locale). Energia totală a sistemului compus A* = A + A’ sau altfel scris E* =
(i) (i)
EA + EA’ = constantă. De obicei energiile iniţiale E A şi E A ' sunt diferite. De aici
rezultă că şi energiile corespunzătoare fiecăruia dintre cele două sisteme care
interacţionează unul cu celălalt sunt diferite:
E (i) E (i) ' '
A
= ε i şi A' = ε i respectiv ε i ≠ ε i .
A A'
În acest caz distribuţia iniţială de energie în sistemul compus A* nu este foarte haotică
şi nu va persista în timp. Sistemele A şi A’ vor schimba energie până când vor ajunge
într-o stare de echilibru care corespunde distribuţiei celei mai haotice a energiei,
energiile medii pe unitatea de sistem devenind astfel egale (legea echipartiţiei energiei
în sistemul haotic)
' E (f) E (f)
ε f = ε f respectiv A
= A'
A A'
În procesul de interacţiune între sistemele A şi A’, care duce la starea finală de
echilibru, sistemul cu energie iniţială medie mai mică câştigă energie, în timp ce
sistemul cu energie iniţială medie mai mare pierde energie.
Energia din fizică dependentă de v2 sau p2 (energia particulei putând fi exprimată atât
1 p2
cu viteza v, prin E = mv , cât şi cu impulsul p, respectiv E =
2
) sau de c2
2 2m
213
(conform generalizării în spirit einsteinian devenită de acum celebra E = mc2) se
identifică în dinamica concentrării şi diversificării economice sau fiscale,
determinabile prin EOnicescu sau prin coeficientul Gini- Struck.
Sursa modelului econofizic: Săvoiu, G., Crăciuneanu,V., Iorga Simăn. I., Dinu, V., Taxes
in Post-accession Romania: Concentration and Specialization in the State Budget and
Local Budgets, Journal of Economic Computation and Economic Cybernetics Studies and
Research, no.4/2012, AES, pp. 143-162, 2012.
O ţară cu o economie dezvoltată va deţine permanent un buget diversificat,
la capitolele venituri şi cheltuieli, cu o valoare a energiei informaţionale
Onicescu sau coeficientului Gini-Struck aproape de 0. Relaţia invers
proporţională a modelărilor econometrice financiare domină fiscalitatea şi
execuţia bugetară de stat şi locală. Aprofundând şi modelând fenomenul
economico – financiar se formulează o legitate de concentrare compensată
de diversificare în straturile succesive bugetare, respectiv de stat şi locale.
Modelările econometrică şi econofizică relevă specific o veridicitate crescută
a metodelor axate pe energia informaţională Onicescu sau coeficientul Gini-
Struck şi noi legităţi de concentrare - diversificare alternativă în sisteme
compuse (abordabile simultan naţional şi teritorial) ce trimit la legea
echipartiţiei energiei în sistemul haotic. Incertitudinea specifică economiei
financiare poate fi substituită prin scenarii axate pe probabilităţi deductibile
prin analiza proceselor de concentrare - diversificare, dar într-o economie de
piaţă unde evoluţia rămâne conjuncturală, starea de normalitate va fi
întotdeauna aceea a diversificării veniturilor şi cheltuielilor. O speranţa
îndreptăţită a oricărui model econometric este de a genera noi teorii, iar
reglementările fiscale să le includă în investigaţia noilor realităţi economice.

VII.3. Modelarea economico-financiară a investiţiilor străine directe

în Romania şi selecţia de modele finale competitive

Principalele teorii ale economiei care au abordat internaţionalizarea

afacerilor şi au maturizat şi dezvoltat teoriile financiare ale investiţiilor
străine pot fi clasificate în trei mari clase: a) teorii referitoare la comerţ; b)
teorii axate pe abordările tradiţionale; c) teorii ale diversităţii factoriale.
Detalierea succintă a principalelor teorii financiare investiţionale
Caseta nr. 7.3
Sinteza în numai trei clase a teoriilor clasice care au abordat internaţionalizarea
afacerilor şi a investiţiilor, inclusiv a celor străine directe – ISD care contribuie la
realizarea a peste 20% din PIB-ul mondial) este consecinţa trecerii de la mercantilismul
economic clasic la incertitudinile economiei financiare moderne. În prima categorie a
teoriilor referitoare la comerţ pot fi cuprinse: teoria avantajului comparativ absolut
(Adam Smith, 1776), teoria avantajului comparativ relativ (David Ricardo, 1817),

214
teoria avantajului comparativ (Mihail Manoilescu, 1929), modelul teoretic al gravitaţiei
comerciale (Walter Isard, 1954), modelul teoretic Heckscher-Ohlin (Eli Heckscher,
1919, Bertil Ohlin, 1933), paradoxul lui Leontief (Wassily Leontief, 1954), teoria axată
pe ipoteza Linder (Staffan Burenstam Linder, 1961), teoria locaţiei sau a locului
amplasării, teoria imperfecţiunilor pieţei (Stephen Hymer, 1976, Charles Kindleberger,
1969, Richard Caves, 1971), teoria factorilor specifici modelului H-O etc. Dintrlee
teorii axate pe abordările tradiţionale se pot aminti: teoria investiţiilor străine directe,
teoria avantajului de monopol (Stephen Hymer), abordării prin non – disponibilitate
(Irving Kravis, 1956), teoria decalajelor tehnologice (Posner), modelul teoretic
Uppsala, teoria diamantului lui Porter (Michael Porter), teoria difuzării informaţiilor
(Rogers, 1962), teoria sau paradigma eclectică (John Dunning) etc. În cadrul larg al
teoriilor axate pe diversitatea factorială se regăsesc: teoria comportamentală a firmei
(Richard Cyert & James March, 1963; Yair Aharoni, 1966), teoria contingenţei, teoria
contractului, teoria economiei de scară, teoria internalizării (Peter Buckley & Mark
Casson, 1976; Rugman, 1981), teoria ciclului de viaţă a produsului (Raymond Vernon,
1966), teoria creşterii firmei (Edith Penrose, 1959), teoria costului tranzacţiei etc.
Modelarea econometrică financiară investiţională s-a diversificat profund,
iar modelele rezultate se extind în zone complexe (ex: investiţiile străine
directe), importante prin impact economic (Săvoiu şi Popa, 2012).
Clase de modele econometrice financiare ale ISD
Caseta nr. 7.4
II.Clasa modelelor statistice clasice, axate I. Clasa modelelor teoretice derivate din
pe corelaţia: creştere economică - ISD conceptualizarea economică a ISD
a) modelul Keynes, descris de o anumită a) modelul Kindleberger, generat de către
înclinaţie a activităţii spre consum, al cărei teoria concurenţei perfecte a pieţelor
nivel de echilibru depinde de imboldul spre (Kindleberger, 1969); b) modelul Calvet,
investiţii; b) modelul teoretic al lui Clarke, fundamentat prin teoria imperfecţiunilor
axat pe acceleratorul investiţiilor în raport pieţei (Calvet, 1981; Cantwell, 1988;
cu veniturile; c) modelul Harrod-Domar, Lizando, 1991); c) modelul Kojiama, aflat
unde venitul este înlocuit cu nivelul sub impactul unui grup de teorii asupra
capacităţii de producţie realizate prin noi I.S.D, motivate prin lichidităţi; d) modelul
investiţii; d) modelul Solow, axat pe Aliber (Aliber, 1910) a cărui teorie susţine
inovaţia tehnică sau pe „rezidualul” Solow, că ISD sunt consecinţa zonelor valutare ce
care reuşeşte în termeni econometrici să împart economia mondială; e) modele ale
redefinească echilibrul economic prin ISD influenţate de diferenţele ratei de
egalitatea a două ritmuri (ritmul de creştere formare a capitalului (diferenţa dobânzilor
al populaţiei ocupate şi capitalului fix) etc. practicate) etc.
III. Clasa modelelor teoretice structurale IV. Clasa modelelor moderne eclectice şi
de tip clasic ale ISD restructurate (după R squared) ale ISD
a) modelul static şi dinamic al lui Leontief, a) modele fundamentate prin indicatori
cunoscut şi ca balanţa legăturilor dintre valorici selectaţi ca determinaţie factorială;
ramuri; b) modelul dinamic al lui Lange, b) modele axate pe indici şi ritmuri statistice
care exprimă atât teoretic legăturile dintre ierarhizate după Rsquared; c) modele axate
producţia ce urmează a fi realizată, mărimei pe indicatori structurali selectaţi cu R
ratei investiţiilor şi a fondului de investiţii, squared (cote din PIB şi alţi indicatori
cât şi practic unde relaţia devine inversă, structurali);d)modele eclectice (diversificate
respectiv structura şi volumul producţiei în spiritul modelelor Stopford & Strange,
determinând investiţiile etc. 1991; Porter,1992; Dunning, 1993) etc.
215
Detalierea modelelor eclectice moderne deţinând o originalitate certă şi un interes aparte
validate prin caracterul lor caracter repetitiv şi identitar surprinde următoarele categorii: a)
modele econometrice de tip knowledge-capital, ce descriu legături statistico-matematice
dintre guverne sau corporaţii multinaţionale şi ISD; b) modele econometrice ce cuantifică
impactul corupţiei în dimensiunea ISD, descriind o relaţie clar pozitivă între corupţie şi
ISD, corupţia devenind un multiplicator sau un stimul pentru ISD; c) modele cu indicatori
derivaţi factoriali din PIB (rate de creştere ale PIB- ului, sau PIB / cap de locuitor ca
indicator de productivitate generală a unei economii) şi ISD; d) modele ce măsoară ISD în
corelaţie cu indicatori ai comercializării externe, pornind de la orientarea exportului ţării
gazdă şi corelarea exporturilor cu cererea în creştere, ISD şi eterogenitatea firmelor de
export, precum şi a exportului acestora; e) modele econometrice ce corelează riscuri
diverse de instabilitate şi ISD, de la riscul macroeconomic, la cel politic general sau la cel
politic restrâns la riscul asigurării drepturilor politice fundamentale ale omului; f) modele
econometrice care corelează ISD ale firmelor multinaţionale cu politicile naţionale de
impozitare, numărul şi categoriile de impozite; g) modele econometrice care cuantifică
relaţia dintre inflaţie sau cursul de schimb şi ISD; h) modele ce corelează şomajul cu ISD;
i) modele econometrice care corelează reţelele, strategiile, istoria relaţiilor diplomatice sau
resursele şi ISD; j) modele ce analizează legăturile dintre ISD şi indicatori ai diverselor
pieţe, de la proximitatea pieţei comerciale, rate de creştere şi cote de piaţă, nivelul
cheltuielilor comerciale cu amănuntul pe cap de locuitor şi furnizarea infrastructurii
regionale şi naţionale, la mărimea populaţiei, mobilitatea şi disponibilitatea forţei de
muncă, diferenţele salariale şi nivelul de educaţie, la subvenţii şi ajutoare ale guvernului,
nivelul cheltuielilor de stat şi dezvoltării industriale; k) modele econometrice între volumul
ISD şi inegalitatea distribuţiei veniturilor; l) modele econometrice ce comensurează simetrii
comerciale şi ISD; m) modele econometrice care corelează evoluţii instituţionale şi ISD; n)
modele econometrice între ciclul afacerilor, productivitatea şi ISD; o) modele recente care
corelează tipare ale ISD şi caracteristici spaţiale ale ISD; p) modele econometrice de
analiză a ISD de tip vertical şi orizontal etc.
Sursa: Săvoiu, G., Popa, S., Eclectismul factorial versus ierarhizarea prin determinaţie, în
modele econometrice ale investiţiilor străine directe (ISD) în România, Revista Studii şi
Cercetări de Calcul Economic şi Cibernetică Economică, 1-2 /2011, pag. 2

Acest subcapitol asigură un demers modelator cu finalitate selectivă în raport cu

un model econometric financiar investiţional optim, într-o veritabilă competiţie
intermodele, apărută între două tendinţe, una accentuând importanţa coeficientului
de determinaţie (R squared) în selectarea factorilor modelului şi cealaltă
primordialitatea diversităţii (eclectismului factorial). Noi aspecte se cer soluţionate
respectiv asigurarea unor serii de date financiare normal distribuite, omogene,
asimetrice şi boltite în limite acceptabile statistic şi selectarea celor cu R2 maxim
Analiza statisticilor descriptive ale variabilelor ISD, în România (dintre care o
parte apar şi în schiţa de proiect III, la finalul acestui capitol), din modelele
investiţionale, confirmă că seriile de valori factoriale sunt normal distribuite, în
limite acceptate de asimetrie şi boltire, iar seriile valorilor ISD, din coloanele SER
01 si SER02 în baza de date de 20 de termeni nu sunt omogene (coeficienţii de
omogenitate fiind mai mari de 35-40 %) situându-se aproape de limita maximă
admisă în seria normal distribuită conform repartiţiei χ2, valoarea critică a testului
Jarque-Bera pentru un prag de semnificaţie de 0,05 fiind 5,99).

216
 Confruntarea statisticilor descriptive ale ISD nete şi ISD intrări nete
Tabel nr. 7.34
ISD nete SER01 ISD intrări nete SER02 ISD nete SER01 ISD intrări nete SER02
Seria financiară extinsă 1991-2010 Seria financiară restrânsă 1997 - 2010
Mean 2,86E+09 2,91E+09 3,98E+09 4,05E+09
Std. Dev. 3,32E+09 3,41E+09 3,41E+09 3,50E+09
Skewness 1,235780 1,257493 0,852869 0,872258
Kurtosis 3,229569 3,279549 2,318014 2,341930
Jarque-Bera 5,134430 5,336088 1,968542 2,027895
Observations 20 20 14 14
Sursa: http://data.worldbank.org/data-catalog#Tables Datele au fost prelucrate cu EViews.
O primă concluzie, anticipată prin construcţia seriei financiare 1997-2010, este
aceea a renunţării la seria extinsă în favoarea celei restrânse, valorile ISD până în
1997 fiind foarte mici, sub palierul miliardelor de dolari SUA la care se menţin
ulterior. În modelarea concretă apare un compromis, diversitatea modelelor
impunând ambele serii de date. A doua concluzie este identificarea unor intensităţi
mai mari în corelaţiile cu ISD nete, variabilă care este preferată ca rezultativă.
Un alt aspect ce impune permanent soluţii creative este utilizarea de matrici de
corelaţie pentru identificarea şi ierarhizarea de modele econometrice financiare. Iată
un exemplu de matrice axată pe indicatori valorici ai SCN, atât în seria extinsă:
Matrice de corelaţie a indicatorilor valorici conform SCN
Tabel nr. 7.35
ISD ISD intrări PIB FBC FBCF PIB per CF VA CF CFgospodării
nete nete capita gospodării per capita
SER01 SER02 SER03 SER04 SER05 SER06 SER07 SER08 SER09 SER10
SER01 1,000000 0,999796 0,837570 0,713565 0,772370 0,838802 0,857959 0,682541 0,736902 0,740665
SER02 0,999796 1,000000 0,837160 0,713813 0,770981 0,838233 0,858133 0,682299 0,735930 0,739666
SER03 0,837570 0,837160 1,000000 0,941523 0,969759 0,998699 0,991165 0,964175 0,959664 0,959212
SER04 0,713565 0,713813 0,941523 1,000000 0,923968 0,934473 0,951938 0,940682 0,890181 0,888471
SER05 0,772370 0,770981 0,969759 0,923968 1,000000 0,973189 0,970593 0,957455 0,965249 0,965006
SER06 0,838802 0,838233 0,998699 0,934473 0,973189 1,000000 0,989391 0,963521 0,967240 0,967725
SER07 0,857959 0,858133 0,991165 0,951938 0,970593 0,989391 1,000000 0,940457 0,941925 0,941669
SER08 0,682541 0,682299 0,964175 0,940682 0,957455 0,963521 0,940457 1,000000 0,969723 0,967577
SER09 0,736902 0,735930 0,959664 0,890181 0,965249 0,967240 0,941925 0,969723 1,000000 0,999722
SER10 0,740665 0,739666 0,959212 0,888471 0,965006 0,967725 0,941669 0,967577 0,999722 1,000000
Sursa: http://data.worldbank.org/data-catalog#Tables Datele au fost prelucrate cu EViews.
cât şi în seria restrânsă:
Matrice de corelaţie a indicatorilor valorici conform SCN
Tabel nr. 7.36
ISD ISD intrări PIB FBC FBCF PIB per CF VA CF CFgospodării
nete nete capita gospodării per capita
SER01 SER02 SER03 SER04 SER05 SER06 SER07 SER08 SER09 SER10
SER01 1,000000 0,999733 0,790208 0,689731 0,681968 0,783745 0,811640 0,592403 0,620869 0,624255
SER02 0,999733 1,000000 0,790134 0,689393 0,681460 0,783689 0,812221 0,592825 0,621414 0,624801
SER03 0,790208 0,790134 1,000000 0,980210 0,973639 0,999486 0,990954 0,955017 0,957028 0,958705
SER04 0,689731 0,689393 0,980210 1,000000 0,997249 0,978930 0,979846 0,967251 0,960684 0,960625
SER05 0,681968 0,681460 0,973639 0,997249 1,000000 0,970781 0,975894 0,963605 0,954850 0,953623
SER06 0,783745 0,783689 0,999486 0,978930 0,970781 1,000000 0,988353 0,956564 0,959835 0,962087
SER07 0,811640 0,812221 0,990954 0,979846 0,975894 0,988353 1,000000 0,926394 0,932203 0,933089
SER08 0,592403 0,592825 0,955017 0,967251 0,963605 0,956564 0,926394 1,000000 0,986072 0,985676
SER09 0,620869 0,621414 0,957028 0,960684 0,954850 0,959835 0,932203 0,986072 1,000000 0,999742
SER10 0,624255 0,624801 0,958705 0,960625 0,953623 0,962087 0,933089 0,985676 0,999742 1,000000
Sursa: http://data.worldbank.org/data-catalog#Tables Datele au fost prelucrate cu EViews.
217
 Opţiunea de început pentru liniaritatea legăturii poate fi inspirată de grafice şi
exemplificată aici, prin corelogramele dintre ISD şi importuri, respectiv ISD şi
exporturi, generând modele uni şi multifactoriale liniare sau liniarizabile.
Corelogramele ISD nete – PIB/capita şi ISD nete – Consum final (CF)
Grafic nr. 7.7 Grafic nr.7.8

Sursa: http://data.worldbank.org/data-catalog#Tables Datele au fost prelucrate cu EViews.

Principalele modele unifactoriale construite deţin ca variabilă independentă PIB
per capita, CF, PIB, FBCF etc. În forma lor elementară, primele patru modele
unifactoriale specificate şi parametrizate în funcţie de valoarea coeficientului de
determinaţie (R-squared ) ar fi de forma:
Modele unifactoriale ale ISD axate pe indicatorii SCN şi ai balanţei comerciale
Tabel nr. 7.37
Model teoretic (serie extinsă) Model specificat şi parametrizat
ISDi = α+ β × CFi + εi ISDi = -(7,53E +09) + 0,213 × CFi + εi
ISDi = α+ β × PIB per capitai + εi ISDi = -(1,01E + 10) + 6534187 × PIB per capitai + εi
ISDi = α+ β × PIBi + εi ISDi = -(1,17 E + 10) + 0,332 × PIBi + εi
ISDi = α+ β × FBCFi + εi ISDi = -(3,27 E + 09) + 0,671× FBCFi + εi
ISDi = α+ β × Mi + εi ISDi = -(1,45 E + 09) + 0,219 × Mi + εi
ISDi = α+ β × Xi + εi ISDi = -(2,08 E + 09) + 0,334 × Xi + εi
Model teoretic (seria restrânsă) Model specificat şi parametrizat
ISDi = α+ β × CFi + εi ISDi = -(6,48 E +09) + 0,198 × CFi + εi
ISDi = α+ β × PIBi + εi ISDi = -(1,04 E +10) + 0,309 × PIBi + εi
ISDi = α+ β × PIB per capitai + εi ISDi = -(9,10 E +09) + 6144669 × PIB per capitai + εi
ISDi = α+ β × FBCi + εi ISDi = -(1,79 E +09) + 0,496× FBCi + εi
ISDi = α+ β × FBCFi + εi ISDi = -(2,57 E +09) + 0,621× FBCFi + εi
ISDintrării = α+ β × (X-M)i + εi ISDintrării =(6,72 E+08) -0,521 × (X-M)i + εi
ISDintrării = α+ β × Mi + εi ISD intrări i = -(1,50 E+09)+ 0,224 × Mi + εi
ISDi = α+ β × Mi + εi ISDi = -(1,41 E+09) + 0,218 × Mi + εi
ISDi = α+ β × Xi + εi ISDi = -(2,36 E+09) + 0,347 × Xi + εi
Soft utilizat EViews
Modelele unifactoriale descrise mai sus asigură numai corelaţiile interne. Se pot
construi şi alte modele financiare prin extindere factorială la nivelul UE şi în plan
mondial conform unei ipoteze plauzibile de similitudine între dinamica ISD în
România şi evoluţiile PIB şi FBC în lume.

218
 Modele unifactoriale ale ISD axate pe indicatori UE şi indicatori mondiali
Tabel nr. 7.38
Model teoretic (serie extinsă) Model specificat şi parametrizat
ISDi = α+ β × UE FBCi + εi ISDi = - (1,48 E+10) + 0,0103 × UE FBCi + εi
ISDi = α+ β × UE PIBi + εi ISDi = -(1,85 E+10) + 0,334 × UE PIBi + εi
ISDi = α+ β × W FBCi + εi ISDi = - (1,23 E+10) + 0,0021 × W FBCi + εi
ISDi = α+ β × W PIBi + εi ISDi = -(1,26 E+10) + 0,00047 × W PIBi + εi
Model teoretic (serie restrânsă) Model specificat şi parametrizat
ISDi = α+ β × UE FBCi + εi ISDi = - (2,45E+10) + 0,0154× UE FBCi + εi
ISDi = α+ β × UE PIBi + εi ISDi = -(2,84E+10) + 0,0036 × UE PIBi + εi
ISDi = α+ β × W FBCi + εi ISDi = - (1,85 E+10) + 0,0029 × W FBCi + εi
ISDi = α+ β × W PIBi + εi ISDi = -(1,67 E+10) + 0,00059 × W PIBi + εi
Modelele econometrice financiare multifactoriale ale ISD reprezintă combinaţii
criteriale bazate pe argumente teoretice sau valorificând un eclectism teoretic, axate
pe ierarhizări ale lui R2 ori, pur şi simplu, pe explicaţii mixte sau cauze diverse:
Categorii de modele econometrice financiare multifactoriale ale ISD
Tabel nr. 7.39
Modele specificate şi parametrizate (seria extinsă)
I ISDi = -(1,27E+10)+0,05703× CFi - 0,12356 ×Mi + 0,01381 × UE FBCi -0,00113 × WFBCi + εi
II ISDi = - (3,08E+10)+ 0,24355×PIB i - 0,18741 × Xi + 0,00938 × UE PIBi -0,00162 ×WPIBi + εi
II ISDi = -(3,32E+10)+ 0,48397 × PIB i + 0,00919 × UE PIBi - 0,00192 × WPIBi + εi
IV ISDi = -(1,21E+10)+0,18192×FBCFi -0,13759×Mi +0,01526 × UEFBCi - 0,00138 × WFBCi + εi
V ISDi = -(1,23E+10) + 0,266807× FBCFi + 0,007880×UE FBCi -0,000113 × W FBCi + εi
VI ISDi = -(1,14E+10)+ 0,08243× CFi - 0,1074 × Mi +0,01242 × UE FBCi -0,00027 × WPIBi + εi
Modele specificate şi parametrizate (seria restrânsă)
I ISDi = - (6,25E+09)+0,13665×CFi - 0,16288 × Mi + 0,01828 × UEFBCi -0,00344 × WFBCi +εi
II ISDi = -(2,01E+10) + 0,58956 × PIB i - 0,20445 × Xi +0,00993 × UE PIBi -0,0025× WPIBi +εi
II ISDi = -(2,64E+10) + 0,80835 × PIB i + 0,01021 × UE PIBi - 0,00278× W PIBi +εi
IV ISDi = -(8,63E+09)+ 0,28188×FBCFi - 0,17387×Mi + 0,01949×UEFBCi -0,00284×WFBCi +εi
V ISDi = -(2,30E+10)+ 0,02104× FBCFi + 0,00939 × UE FBCi + 0,00121 × W FBCi +εi
VI ISDi = -(2,40E+09)+ 0,17577 × CFi – 0,1225× Mi + 0,0121 × UE FBCi - 0,00063 × WPIBi +εi
Săvoiu, G. Dinu, V. Popa, C., Foreign Direct Investment Based on Country Risk and Other
Macroeconomic Factors. Econometric Models for Romanian Economy, Romanian Journal
of Economic Forecasting, vol 16 (1), 2013. Soft utilizat EViews
Eclectismul strict şi ierarhizat parţial a obţinut cel mai mare R2 sau R-squared
sau cea mai mare determinaţie, alături de eclectismul parţial şi strict ierarhizat.
Valorile coeficientului de determinaţie ale modelelor ISD
Tabel nr. 7.40
R-squared
Model (seria extinsă) Model (seria restrânsă)
I (model parţial eclectic, strict ierarhizat) 0,913905 0,925695
II(model axat pe PIB şi exporturi) 0,895683 0,943366
III (model axat exclusiv pe PIB) 0,826156 0,849672
IV(model axat pe FBC şi importuri) 0,913007 0,910551
V(model axat exclusiv pe FBC) 0,738463 0,737811
VI (model strict eclectic, parţial ierarhizat) 0,919930 0,935657
Sursa: Săvoiu, G., Popa, S., Econometric Eclectic Models of Foreign Direct Investments in Romania,
after 1990, Economics and Finance Review, Vol. 1(12), pp. 30 – 41, 2012.
Multe dintre modelele econometrice constituie false regresii (spurious regression)

219
sau corelaţii iluzorii, iar coeficientul de determinaţie (R2 sau R-squared) nu este
decât o condiţie necesară de selectare iniţială, urmând ca dintre modelele alese,
puţine să fie validate cu ajutorul testului Durbin –Watson şi a altor teste şi procedee
grafice (Pecican, 1996). Dintre modelele ISD s-au identificat trei la nivelul fiecărei
categorii de serii de date (extinse/ restrânse), fundamentate prin indicatori valorici.
Modele econometrice multifactoriale ale ISD testate şi selectate
Tabel nr. 7.41
Modele specificate, parametrizate, testate şi selectate conform bazei extinse de date
ISDi = -(1,27E+10) + 0,05703× CFi - 0,12356 × Mi + 0,01381 × UE FBCi -0,00113 × W FBCi + εi
ISDi = -(1,21E+10)+ 0,18192× FBCFi - 0,13759 × Mi + 0,01526 × UE FBCi - 0,00138 × W FBCi + εi
ISDi = -(1,14E+10)+ 0,08243× CFi - 0,1074 × Mi +0,01242 × UE FBCi -0,00027 × W PIBi + εi
Modele specificate, parametrizate, testate şi selectate conform bazei restrânse de date
ISDi = - (6,25E+09)+ 0,13665×CFi - 0,16288 × Mi + 0,01828 × UE FBCi - 0,00344 × W FBCi +εi
ISDi = -(2,01E+10) + 0,58957 × PIB i - 0,20445 × Xi +0,00993 × UE PIBi -0,0025× W PIBi +εi
ISDi = -(2,40E+09)+ 0,17577 × CFi – 0,1225 × Mi + 0,01209× UE FBCi - 0,00063 × W PIBi +εi
Sursa: Săvoiu, G., Popa, S., Econometric Eclectic Models of Foreign Direct Investments in Romania,
after 1990, Economics and Finance Review, Vol. 1(12), pp. 30 – 41, 2012.
Se disting şi câteva consideraţii finale pentru aceste modele din indicatori
statistici valorici supuşi unor procedee de asigurare a comparabilităţii: a)
analiza de multicoliniaritate evidenţiază că modelele axate pe o categorie de
indicatori (PIB, FBC etc.), din spaţii diferite (naţional, european, mondial)
deţin raporturi de determinaţie mai mici, indicatorii cu nivel diferit de
agregare fiind autocorelaţi, confirmând accentuarea globalizării în economia
financiară mondială; b) diversitatea factorială adecvată generează o mai
bună determinaţie; c) unele trenduri naţionale nu se regăsesc pe termen scurt
în cele globale sau sunt profund decalate în raport cu tendinţele globale (ISD
cu PIB global, ISD cu FBC global etc.), aşa cum subliniază şi relaţia invers
proporţională a unor variabile investiţionale în România. Se pot construi şi
alte modele ale ISD, axate pe indicatori relativi (indici statistici sau ritmuri
ale acestora sau chiar cote) în tabelul de mai jos fiind selectate câteva:
Modele econometrice financiare ale ISD axate pe indici, ritmuri şi cote
Tabel nr. 7.42
Modele specificate şi parametrizate
Indice ISDi=319,56 -10,88×IPCi+12,13×indice deflator PIBi -3,63×indice venituri realei + εi
Indice ISDi = 28,89+ -9,78×IPCi + 11,03×indice deflator PIBi -8,650×indice venit reali -0,56
×indice şomerii+75,33× indice PIBi -66,44×indice PIB /locuitori +εi
Log (indiceISDi)=-11,9-2,4×log(IPCi)+3,64×log(indice deflator PIBi )-1,7×log(indice venit
reali) -0,5×log(indice şomerii)+23,7×log(indice PIB reali)-19,1×log(indice PIB/locuitori)+εi
Ritm indice ISDi = 117,68 + 3,56 × ritm indice deflator PIBi + 2,82 × rata dobânzii realei -
27,03 × rata şomaj înregistrati +εi
Cotă din PIB a ISD intrări nete i = 4,09+0,22×ritm indice PIBi - 0,0008×ritm IPCi+εi
Cotă din PIB a ISD intrări nete i = 3,07- 0,17× ritm PIBi - 0,49 × ritm IPC dolar + 2,09 ×
ritm IPCi - 0,079 × ritm indice deflator PIBi +εi
Cotă din PIB a ISD intrări nete i = -25,72 - 1,04 ×cota economii interne în PIBi + 1,04×cota
economii în PIBi -0,15×cota economii în EUPIBi +1,45×cota economii în PIB mondiali +εi
Sursa: Săvoiu, G., Popa, S., Econometric Eclectic Models of Foreign Direct Investments in Romania,
after 1990, Economics and Finance Review, Vol. 1(12), pp. 30 – 41, 2012.
220
 Identificarea de modele originale constituie componenta cea mai dificilă
dar şi plină de satisfacţii a activităţii de modelare economico – financiară.
Exemplul modelării ISD în funcţie de scorul riscului de ţară acordat
României, între 1996 şi 2010, conform datelor Băncii Mondiale, agenţiilor
Moody’s, S&P, Fitch şi Euromoney constituie unul revelator în acest sens
(Săvoiu et al., 2013). Se pot identifica şi etape noi în modelările originale:
1.Crearea şi optimizarea de scalări statistice inovative sunt etape necesare.
Scalele de notare a riscului diferă de la o agenţie la alta fiind detaliate doar
calitativ şi se impune o metodologie de estimare a palierelor de risc prin
determinarea valorii medii a saltului de pe o treaptă pe alta:
Scale de notare şi soluţii de estimare şi optimizare în % a scorului/scală
Tabel nr. 7.43
Agenţia de rating Caracteristicile notării
Moody’s=20 trepte* S&P =22 trepte* Fitch = 22 trepte*
Grad investiţional ridicat – cea mai ridicată credibilitate – risc redus
Aaa = 100 AAA = 100 AAA = 100 Maximă siguranţă, calitate maximă
Aa1 = 95 AA+ = 95,45 AA+ = 95,45 Grad (calitate) foarte ridicată (bună)
Aa2 = 90 AA = 90,90 AA = 90,90 Grad foarte ridicat, calitate bună
Aa3 = 85 AA- = 86,35 AA- = 86,35 Grad(calitate) ridicată (bună)
A1 = 80 A+ = 81,80 A+ = 81,80 Grad mediu
A2 = 75 A = 77,25 A = 77,25 Grad mediu
A3 = 70 A- = 72,70 A- = 72,70 Grad mediu
Baa1 = 65 BBB+ = 68,15 BBB+ = 68,15 Grad scăzut
Baa2 = 60 BBB = 63,60 BBB = 63,60 Grad scăzut
Baa3 = 55 BBB- = 59,05 BBB- = 59,05 Grad scăzut
Grad investiţional speculativ – credibilitate scăzută – risc speculativ
Ba1 = 50 BB+ = 54,50 BB+ = 54,50 Grad scăzut (speculativ)
Ba2 = 45 BB = 49,95 BB = 49,95 Grad scăzut (speculativ)
Ba3 = 40 BB- = 45,40 BB- = 45,40 Grad scăzut (speculativ)
B1 = 35 B+ = 40,85 B+ = 40,85 Grad scăzut (speculativ)
B2 = 30 B = 36,30 B = 36,30 Grad scăzut (speculativ)
B3 = 25 B- = 31,75 B- = 31,75 Grad scăzut (speculativ)
Grad investiţional predominant speculativ – risc substanţial (inacceptabil)
Caa1= 20 CCC+ = 27,20 CCC = 27,20 Risc substanţial (inacceptabil)
Caa2= 15 CCC = 22,65 Risc substanţial (inacceptabil)
Caa3= 10 CCC- = 18,10 Risc substanţial (inacceptabil)
Ca = 5 CC = 13,55 CC = 22,65 Risc cu grad mare (speculativ)
C = 9,00 C = 18,10 Risc cu grad foarte mare (speculativ)
DDD = 13,55 Pierderi
DD = 9,00 Pierderi
D = 4,50 D = 4,50 Pierderi
Sursa: Moody’s - http://www.moodys.com/, S&P - http://www.standardpoor.com/ Fitch - http://www.
fitchratings.com/. *Notă: estimaţiile statistice asigură transferul scalei din nivel calitativ în cantitativ.
2. Generarea unei baze de date financiare specifice pentru semnalul extern al
ratingului riscului de ţară este o necesitate pornind de la ratingul celor trei
mari agenţii americane Moody’s, Standard&Poors şi Fhitch, adăugând şi
Euromoney, care sintetizează în propria evaluare gândirea europeană
(investitorii europeni rămân dominanţi în intrările de ISD în România).

221
 Bază de date generată din ratingul riscului de ţară şi indicelui lui
Tabel nr. 7.44
Ratingul riscului de ţară Indicele ratingului riscului Ratingul riscului de ţară al
al României*(recalculat în de ţară al României României - Euromoney
Anul raport de treaptă şi ierarhie) (scorul sau ratingul anului Varianta Varianta Varianta Varianta
precedent = 100%) A-Media B-Scor C- Scor C- Indice
Moody’s S&P’S Fitch Moody’s S&P’S Fitch anuală Luna IX Luna III Luna III
1996 35 45,40 45,40 - - - 52,34 53,11 51,95 -
1997 35 45,40 45,40 100,0 100,0 100,0 52,00 52,96 51,65 99,4
1998 40 40,85 40,85 114,3 90,0 90,0 50,72 46,25 46,25 89,6
1999 25 40,85 31,75 62,5 100,0 77,7 38,13 36,85 36,28 78,4
2000 25 40,85 31,75 100,0 100,0 100,0 35,25 36,62 33,80 93,2
2001 25 36,30 36,30 100,0 88,9 114,3 40,17 40,50 41,14 121,7
2002 35 40,85 45,40 140,0 112,5 125,1 44,00 46,46 43,53 105,8
2003 40 49,95 45,40 122,3 122,3 100,0 47,46 49,76 46,25 106,2
2004 40 54,50 49,95 100,0 109,1 110,0 50,50 52,18 49,62 107,3
2005 50 59,05 59,05 108,3 108,3 118,2 51,54 50,61 51,95 104,7
2006 55 59,05 63,60 100,0 100,0 107,7 53,12 54,52 53,22 102,5
2007 55 59,05 63,60 100,0 100,0 100,0 56,40 57,12 56,55 106,3
2008 55 54,50 63,60 92,3 92,3 100,0 57,66 58,33 57,39 101,5
2009 55 54,50 54,50 100,0 100,0 85,7 56,00 55,00 55,88 97,4
2010 55 54,50 54,50 100,0 100,0 100,0 52,42 53,52 50,82 90,9
2011 55 54,50 59,05 100,0 100,0 108,3 50,72 51,51 49,09 96,6
Surse de date: Moody’s - http://www.moodys.com/, S&P - http://www.standardpoor.com/,
Fitch -http://www.fitchratings.com/ şi Euromoney- http://www.euromoneycountryrisk.com/.
Notă*:Ratingul agenţiilor a fost recalculat pe o scală cu 20 de trepte de la 0 la 100% pentru agenţia
Moody’s şi cu 22 de trepte pentru S&P şi Fitch..

3. O reprezentare grafică anticipează modelarea ratingului României, după

1996, confirmă o ipoteză de dependenţă a ISD de ratingul riscului de ţară,
fiind disponibilă pe o perioadă restrânsă de timp, de fapt din 1997, când ISD
este comparabil internaţional, depăşind un miliard de dolari SUA.

Ratingul riscului de ţară al României după Euromoney (ECR-RO)

Grafic nr.7.9
70
60
50
40
30
20
mar.96

mar.97

mar.98

mar.99

mar.00

mar.01

mar.02

mar.03

mar.04

mar.05

mar.06

mar.07

mar.08

mar.09

mar.10

mar.11

Sursa: http://www.euromoneycountryrisk.com/

4. Determinaţia mai mare (R2) selectează dintr-o matrice de corelaţie

principalul model unifactorial (seriaISD intrări nete în raport ca ECR – RO
varianta C a scorului anual din martie).
222
 Matrice de corelaţie a ISD (cota din PIB a ISD intrări nete) şi ECR-RO
Tabel nr. 7.45
Indicele Indicele ISD intrări ECR –RO ECR -RO ECR -RO
ISD nete ISD intrări nete (cotă Varianta A Varianta B Varianta C Indicele
(an anterior nete sau % din Medie scor Scor anual Scor anual variantei
= 100 %) (an anterior PIB) ponderată publicat în publicat în C
= 100 %) cu lunile septembrie martie
SER01 SER02 SER03 SER04 SER05 SER06 SER07
SER01 1,000000 0,999290 0,639831 0,127059 0,176272 0,100116 0,320111
SER02 0,999290 1,000000 0,644398 0,132396 0,183654 0,104641 0,316564
SER03 0,639831 0,644398 1,000000 0,522809 0,526907 0,539899 0,240649
SER04 0,127059 0,132396 0,522809 1,000000 0,966732 0,983553 0,134525
SER05 0,176272 0,183654 0,526907 0,966732 1,000000 0,976949 0,248827
SER06 0,100116 0,104641 0,539899 0,983553 0,976949 1,000000 0,254926
SER07 0,320111 0,316564 0,240649 0,134525 0,248827 0,254926 1,000000
Sursa: Săvoiu, G. Dinu, V. Popa, C., Foreign Direct Investment Based on Country Risk and
Other Macroeconomic Factors. Econometric Models for Romanian Economy, Romanian
Journal of Economic Forecasting, vol 16 (1), 2013. Soft utilizat: EViews

6. Se pot selecta modele preliminare din cele de intensitate medie (cu raport
e corelaţie peste 0,5), atunci când anormalitatea evoluţiei în perioade de
recesiune şi impactul atipic investiţional în pre şi post aderarea României nu
au condus la modele intens corelate (unifactoriale sau multifactoriale).
Modele concrete ale cotei în PIB a ISD intrări nete axate pe ECR - RO
Tabel nr. 7.46
Modele specificate şi parametrizate*
Cotă din PIB a ISD intrări nete i = -3,682+0,175 × ECR var Ci + εi
Cotă din PIB a ISD intrări nete i = -3,991 + 0,177× ECR var Bi + εi
Cotă din PIB a ISD intrări nete i = -3,929 + 0,177 × ECR var Ai + εi
Log (Cotă din PIB a ISD intrări nete i) = -4,511 + 0,338 × log (ECR var Ai) -1,438 × log
(ECR var Bi) + 2,648× log (ECR var Ci) +εi
Log (Cotă din PIB a ISD intrări nete i) = -4,425 + [-2,787× log (ECR var Bi) + 5,841 × log
(ECR var Ci)]/2 +εi
Soft utilizat: EViews

7. Regresia statistică de tip clasic, simplă sau multiplă este întotdeauna

urmată de testarea succesivă a modelelor şi în urma validării lor, corelaţiile
economice pot deveni modele econometrice financiare viabile urmând un
procedeu descris riguros şi etapizat din care nu pot lipsi teste statistice
Pentru seria restrânsă se propune ca model optim structural modelul
econometric financiar care include ratingul riscului de ţară al României
(ECR varianta Ai) şi cota de economii în PIB mondial (economii/WPIB):

Cotă din PIB a ISD intrări nete i = α+ β × economii /WPIBi + γ ×ECR varianta Ai + εi
Cotă din PIB a ISD intrări netei= -32,82+1,30×economii /WPIBi + 0,21×ECR varianta Ai+ εi

223
Acest model reprezintă soluţia optimă ca număr de factori şi determinaţie
finală, dintre toate modelele de clasă structurală ale ISD analizate.

Parametrizare şi testare în modelul axat pe economii / PIB şi ECR – RO

Tabel nr. 7.47
Dependent Variable: ISD ca procent din PIB - Method: Least Squares Sample: 1998 2010
Variable Coefficient Std. Error t-Statistic Prob.
C -32.82166 7.386695 -4.443349 0.0012
Economii/PIB mondial 1.299426 0.309634 4.196651 0.0018
ECR varianta Ai 0.207089 0.052565 3.939656 0.0028
R-squared 0.743404 Mean dependent var 4.715385
Adjusted R-squared 0.692085 S.D. dependent var 2.460300
S.E. of regression 1.365223 Akaike info criterion 3.659687
Sum squared resid 18.63834 Schwarz criterion 3.790060
Log likelihood -20.78797 F-statistic 14.48589
Durbin-Watson stat 2.263559 Prob(F-statistic) 0.001112
Soft utilizat: EViews

Acest model redus ca număr de factori trece cu succes testul Durbin-Watson

(aplicat forţat aici la un număr de termeni mai mic decât 15) cu valoarea d =
2,263559 (d2 < d < 4 − d2 ⇒ erorile sunt independente, respectiv 1.26074 <
2,263559 < 2,73926 pentru noile valori d1 = 0,61624 şi d2=1,26074,
asigurând o determinaţie definită de R2 = 0,743404, ceea ce se traduce într-
un nivel al raportului de corelaţie de 0,8622, respectiv o intensitate puternică
a unui model destul de suplu şi eficient. Se confirmă astfel că erorile sau
valorile variabilei reziduale sunt independente sau necorelate în modelul
analizat, iar testul F cu o valoare de 14,48589 validează modelul, valoarea
acestui Fcalculat fiind semnificativ diferită de oricare Fteoretic (α,ν1,ν2) pentru o
bază de date de 13 de termeni (eşantion de volum n = 13).
Se mai pot selecta în urma testării lor alte două modele econometrice
unde ratingul agenţiilor americane contribuie semnificativ în determinaţia
finală (de altfel scorul agenţiilor S&P şi Fitch sunt cel mai bine corelate cu
volumul ISD în România între 1996 şi 2010, în timp ce toate variabilele
descrise prin indici ai ratingului nu descriu intensităţi acceptabile modelării).
Alte modele econometrice ale cotei în PIB a ISD intrări nete şi S&P-CR
Tabel nr. 7.48
Cotă din PIB a ISD intrări nete i =-19,4769+ 0,13984× ritm PIBi +0,73932× Weconomiii +
0,16384× scor S&P CRi + εi (model maximal multifactorial optim)
Cotă din PIB a ISD intrări nete i = -27,659+ 1,17301 × UE economiii + 0,17493 × scor
S&P CRi +εi (model minimal multifactorial optim)
Primul model este unul maximal multifactorial optim (R2 şi număr de factori
la valori maxime şi validare prin testarea finală, unde Durbin-Watson =
2,03116 iar F-statistic = 9,41633) şi al doilea unul minimal multifactorial
optim (R2 maxim, număr de factori minim şi validare prin testarea finală,
unde Durbin-Watson = 1,70708 iar F-statistic = 10,775)
224
 Parametrizarea şi testarea modelelor econometrice financiare finale
Tabel nr. 7.49 Tabel nr. 7.50
Method: Least Squares Model maximal multifactorial optim Method: Least Squares Model minimal multifactorial optim
Variable Coefficient Std. Error t-Statistic Prob. Variable Coefficient Std. Error t-Statistic Prob.
C -19.4769 6.97808 -2.79115 0.0191 C -27.659 8.4497 -3.2734 0.0074
ritm PIBi 0.13984 0.07192 1.94424 0.0805 UE economii 1.17301 0.4098 2.8618 0.0155
W economiii 0.73932 0.31069 2.37962 0.0386 scor S&P CRi 0.17493 0.0521 3.3520 0.0065
scor S&P CRi 0.16384 0.04881 3.35649 0.0073
R-squared 0.73855 Mean dependent var 4.62142 R-squared 0.66206 Mean dependentvar 4.6214
Adjusted R-squared 0.66012 S.D. dependent var 2.38977 Adjusted Rsquared 0.60062 S.D. dependent var 2.3897
S.E. of regression 1.39321 Akaike info criterion 3.73606 S.E. of regression 1.51024 Akaike info criterion 3.8498
Sum squared resid 19.4105 Schwarz criterion 3.91865 Sum squared resid 25.0893 Schwarz criterion 3.9867
Log likelihood -22.1524 F-statistic 9.41633 Log likelihood -23.948 F-statistic 10.775
Durbin-Watson stat 2.03116 Prob(F-statistic) 0.00292 Durbin-Watson stat 1.70708 Prob(F-statistic) 0.0025
Soft utilizat Eiews
8. Modelarea econometrică financiară testează şi validează staţionaritatea
celor trei modele optime, dar cum testele Dickey-Fuller sau Phillips - Perron
nu pot fi aplicate din lipsa unor serii financiare suficient de lungi ale ISD în
România, atunci se foloseşte testul CUSUM, valoarea cumulată a erorilor
acestora plasându-se în interiorul arealului definit prin cele două linii critice.
Testul Cusum aplicat modelelor optime axate pe ECR-RO şi S&P-CR
Grafic nr. 7.10 Grafic nr.7.11
10 10

5 5

0 0

-5 -5

10 -10
01 02 03 04 05 06 07 08 09 10 00 01 02 03 04 05 06 07 08 09 10

CUSUM 5% Significance CUSUM 5% Significance

Grafic nr.7.12
10

-5

-10
01 02 03 04 05 06 07 08 09 10

CUSUM 5% Significance

225
9. Câteva remarci se impun la finalul demersului de modelare economico –
financiară investiţională ale ISD în România Modelarea econometrică
financiară este un proces complex care analizează sute de variabile
exprimate prin indicatori valorici, relativi (indici şi ritmuri) şi structurali
(prin cote, preponderent din PIB), inclusiv indicatori specifici ai modelelor
originale cum au fost indicatorii scorului riscului de ţară, iar caseta 7.5
sintetizează aspecte concluzive importante (Săvoiu et al, 2013).
Restricţii, compromisuri, paradoxuri şi originalitate în modelare
econometrică financiară
Caseta nr. 7.5
Principalele restricţii ce trebuie să fie depăşite sunt legate de asigurarea
comparabilităţii, selectarea unei singure baze de date mai consistente pentru indicatori
macroeconomici şi construirea unei baze de date pentru indicatori originali prin
transformarea statistică a informaţiilor calitative în cantitative, opţiunea pentru mai
multe tipuri de serii de date, cauzată de construcţia unor scale şi indicatori speciali şi de
ordinul diferit de mărime al valorilor fenomenului financiar cercetat (ISD, relativ
omogene ca ordin de mărime din 1997). Modelarea conduce la opţiunea compromisului
între numărul factorilor şi potenţialitatea multicoliniarităţii acestora asupra modelului,
câteva consideraţii referitoare la modelele multifactoriale, axate pe indicatori statistici
supuşi procedeelor de asigurare a comparabilităţii datelor fiind detaliate în continuare:
a) o analiză sumară de multicoliniaritate exclude multe din variabilele modelelor
multifactoriale studiate şi pune în evidenţia că modelele axate exclusiv pe o categorie
de indicatori referitoare la preţuri (inflaţie, deflator PIB etc.) la macroagregatele SCN,
la spaţii diferite deţin raporturi de determinaţie mici, indicatorii teritoriali cu nivel
diferit de agregare fiind autocorelaţi, ceea ce confirmă că economia şi procesul
investiţional s-a globalizat accentuat în ultimele două decenii; b)diversitatea factorială
a modelării ca fenomenologie economico- financiară explicativă condiţionează sau
exprimă o relaţie proporţională cu performanţa modelului, respectiv diversitate
factorială adecvată generează o mai bună determinaţie iar includerea scorului riscului
de ţară s-a dovedit relevantă, saltul iterativ de la modelul unifactorial axat pe ECR sau
S&P constituind dovezi majore în acest sens; c) ca un paradox rezultat din analiza
preliminară a variabilelor modelate, se constată că unele trenduri din economia
României nu se regăsesc pe termen mediu în cele globale sau sunt profund decalate în
raport cu tendinţele globale; d) preferinţa pentru originalitatea modelării domină piaţa
modelelor econometrice financiare, nu se apelează la modele devenite clasice
(corelarea ISD cu indici complecşi de genul indicelui corupţiei sau al libertăţii
economice), ci a fost preferat un model original, reconfirmat de ultimele tendinţe post
recesiune globală, axat pe ratingul sau scorul riscului de ţară al agenţiilor specializate.

Pentru România, cele trei modele selectate, validate şi propuse ca viitoare

soluţii de previziune sau de simulare ale ISD, sub influenţa ratingului
riscului de ţară, conform competitivităţii lor îşi confirmă calităţile de la
testarea heteroscedasticităţii la testarea normalităţii seriei reziduale generate
de către toate acestea.

226
VII.4. Descrierea modelelor econometrice financiare ARCH şi GARCH

Fenomenele financiare şi pieţele specific care le reunesc au fost şi au

rămas caracterizate de incertitudine, manifestată mai ales în volatilitatea
preţurilor acţiunilor, obligaţiunilor sau altor instrumente financiare derivate,
precum şi a ratei dobânzii sau a cursurilor de schimb, ceea ce majorează
dificultăţile predicţiilor şi estimărilor temporal ale variabilelor financiare în
procesele de modelare. Volatilitatea a devenitǎ astăzi pentru modelul
econometric financiar o variabilă-cheie în evaluarea stării pieţelor financiare
şi în decizia managerial specifică actorilor pieţelor financiare de la
investitori, la speculatori, de la antreprenori, la manageri, mergând până la
autorităţile de reglementare. Abordările clasice de la incipientele “neteziri”
exponenţiale, la modelele ARMA şi ARIMA (Autoregressive Integrated
Moving Average), dezvoltate de Box și Jenkins (1976), pentru a măsura
volatilitatea activelor financiare şi până la ecuaţiile Black şi Scholes (1975)
problemele distribuţiilor leptokurtice, clusterizarea volatilităţii, intermitenţa,
“cozile îngroşate”, efectul de levier şi altele generate de falsa ipoteză a
constanţei varianţei seriilor temporale ale preţurilor diverselor active de
pieţele financiare (Panait şi Slăvescu, 2012) au impus noi modele
econometrice financiare de investigaţie în universul economiei financiare.
Odată ce modelele econometrice de tip ARCH şi GARCH au apărut şi au
fost aplicate într-o serie largă de analize ale unor distribuţii temporale, iar
soluţiile lor s-au dovedit tot mai valoroase pentru domeniul economiei
financiare, impactul lor econometric financiar a devenit tot mai mare. "O
contribuţie majoră a acestor modele în literatura econometrică este
confirmarea oferită prin utilizarea lor conform căreia schimbările aparente
în volatilitatea seriilor economice de date temporale pot fi previzibile şi
rezultă dintr-un anumit tip de dependenţă neliniară, fiind vorba de schimbări
structurale în conţinutul variabilelor, mai degrabă decât de modificări ale
variabilelor exogene” (Bera & Higgins, 1993).
Scurtă istorie a modelelor ARCH şi GARCH şi a tipologiei acestora
Caseta nr. 7.6
Modelele econometrice (financiare) de tip ARCH, unde varianţa depinde de seriile
erorilor pătratice anterioare (acronimul fiind derivate din AR–autoregresiv, C–
conditional şi H–heteroschedasticitaty) au fost introduse de către Engle în 1982 şi au
fost generalizate patru ani mai târziu în 1986, de către Bollerslev, alături de Taylor,
devenind GARCH (G de la generalized adăugându-se vechiului acronim). Modelul
GARCH a fost consacrat ca un model econometric financiar din ce în ce mai
performant, simplificând ipoteze, încorporând asimetria impactului randamentului
cursului activelor, separând volatilitatea în funcţie de trend şi pe termen scurt. Engle,
Lilien şi Robins (1987) au propus extinderea modelului GARCH clasic pentru ca
volatilitatea condiţionată să genereze o primă de risc care să se încorporeze în

227
randamentul aşteptat şi astfel a apărut varianta GARCH in Mean (GARCH-M).
Modelul EGARCH (Exponential GARCH) a fost realizat de către Nelson, în 1991, în
acest model specificarea variantei condiţionate se face sub formă logaritmică, ceea ce
înseamnă că nu mai există nicio constrângere asupra estimărilor pentru a evita varianta
negativă (EGARCH este considerat cel mai bun model econometric financiar pentru
determinarea volatilităţii indicilor bursieri şi cursului de schimb). Tipologia acestor
modele a crescut an de an apărând rând pe rând: GARCH integrat (IGARCH -
Integrated), urmat de NAGARCH - Nonlinear Asymmetric GARCH, ai cărui autori
sunt Higgins & Bera, (1992); GJR-GARCH considerat cel mai potrivit model de tip
GARCH în explicarea şi anticiparea indicilor acţiunilor de pe pieţele financiare, având
drept autori pe Glosten, Jagannathan and Runkle (1993); Treshold ARCH (TARCH), al
cărui autor este Zakoian (1994); QGARCH - Quadratic GARCH, realizat de către
Sentana (1995); fGARCH sau Family GARCH, realizat de către Hentschel etc.
(Bollerslev, T. Glossary to ARCH /GARCH,2008).

Esenţa noilor modele financiare pleacă de la conceptul de serie staţionară

ale cărei valori oscilează în jurul unui nivel de referinţă sau de echilibru. O
seria este staţionară dacă procesul stocastic {Xt}t este staţionar, adică cei doi
parametri esenţiali constanţi (media şi dispersia): M(Xt ) = m, D2 (Xt ) = σ2 ,
iar covarianţa variabilelor din proces depinde exclusiv de distanţa dintre
momentele de timp în care sunt înregistrate: Cov(X t , X t +k ) = γ(k ), pentru∀ t .
Se disting trei categorii de procese stocastice, după funcţia lor de repartiţie
F (x1, x 2 ,...,x n ) = P⎛⎜ X t ≤ x1,X t ≤ x 2 ,...,X t ≤ x n ⎞⎟ :
t1t 2 ...t n ⎝ 1 2 n ⎠
a)strict staţionare când F (x ,...,x n ) = Ft ,...,t (x1,...,x n ) , ∀ h > 0 ,
t1 + h,..., t n + h 1 1 n
pentru orice mulţime finită de indici t1,t2,…,tn.
b) (slab) staţionar când momentele sale de ordin I şi II sunt finite pentru ∀
t,s şi h, respectiv M(Xt) = m, pentru ∀ t şi Cov(Xt,Xt+1) = Cov(Xs,Xs+1)
În economia financiară, seriile cronologice de la cele ale preţurilor, la
cele referitoare la masa monetară, la formarea brută de capital, la consumul
final etc. nu sunt staţionare ci nonstaţionare, prezentând tendinţe de variaţie
(majorare sau diminuare) în raport cu timpul (media lui Xt depinzând
practic de momentul t). Tendinţa de nonstaţionaritate poate fi eliminată prin
îndepărtarea trendului (serii TSP - Trend Stationary Processes) sau prin
calculul unor diferenţe de ordinul I sau II (serii DSP - Difference Stationary
Processes). Testul Dickey-Fuller stabileşte dacă o serie este de tip TSP sau
DSP cu impact practic în transformarea ulterioară a seriei nonstaţionare în
staţionare. Seria de timp {Xt}t alcătuită din variabile necorealate de tip
aleatoriu care deţine o medie egală cu zero şi o dispersie mai mare decât
zero se defineşte drept White Noise sau zgomot alb fiind staţionară, cu o
funcţie de autocovarianţă

228
 ⎧⎪σ 2 , k = 0 ⎧1, k = 0
γ (k )= ⎨ , şi o funcţie de autocorelaţie ρ(k ) = ⎨
⎪⎩0, în rest ⎩0, în rest
Seria de timp staţionară {Xt}t ~ WN(0; σ2) cunoscută ca White Noise
(zgomot alb) şi notată WN(0; σ2) este denumită proces pur aleator.
Dacă elementele lui unui proces aleator sunt independente şi identic
distribuite, atunci seria de timp este strict staţionară. Un zgomot alb
gaussian conduce la coincidenţa celor două definiţii privind staţionaritatea,
altfel spus seria este simultan staţionară şi strict staţionară. Cu zgomotul alb
se construiesc multe modele econometrice ale seriilor temporale.O variabilă
aleatoare de tip random walk (RW) cu media şi dispersia dependente de t,
este nestaţionară În pieţele financiare cele mai uzuale serii de timp care se
comportă aleatoriu (random walk) sunt preţurile acţiunilor (share prices):
preţ acţiune în ziua t = preţ acţiune în ziua (t-1) + o eroare aleatoare.
O serie temporală integrată este o seria nonstaţionară, care poate fi
staţionarizată prin diferenţe
a) de ordin I: ∇y t = y t − y t −1
sau
b) de ordin II: ∇ 2 y t = ∇y t − ∇y t −1
Seriile cointegrate sunt seriile cronologice (temporale) care fiind
integrate de acelaşi ordin admit o combinaţie liniară staţionară (integrată de
ordin zero sau mai mic decât ordinul de integrare al seriilor iniţiale).
Constatarea empirică potrivit căreia multe serii de timp financiare conţin
o rădăcină unitate a impulsionat dezvoltarea teoriei analizei seriilor de timp
nonstaţionare. Engle şi Granger au demonstrat că o combinaţie liniară de
două sau mai multe serii nonstaţionare poate conduce la o serie care este
staţionară. Dacă există o astfel de combinaţie liniară staţionară, seriile
nonstaţionare care intră în aceea combinaţie sunt cointegrate. Combinaţia
liniară staţionară se numeşte ecuaţia de cointegrare şi este interpretată ca o
“relaţie de echilibru pe termen lung între variabile” (Necula, 2010).
Prima formă a modelului Engle a fost descrisă prin două ecuaţii distincte:
(1) y = Et-1 [ yt] +εt cu εt = ztσt şi (2) σ2t = a0 + a1ε2 t-1 +…+ apε2 t-p
unde E t-1 [yt] reprezintă valoarea aşteptată condiţionată de datele financiare
disponibile la momentul t-1, iar zt este o secvenţă de variabile aleatoare
independente şi identic distribuite cu media zero şi varianţa unitară.
Modelul ARCH contemporan deţine tot două ecuaţii, una pentru media
condiţionată (ecuaţia de evoluţie a randamentelor activului): y t = γx t + ε t şi
alta pentru varianţa condiţionată (ecuaţia volatilităţii): σ t2 = ω + αε t2−1 + βσ t2−1
unde yt = variabila dependentă în t; xt = variabila independentă în t; γ =
coeficientul care arată influenţa variabilei independente asupra variabilei

229
dependente; εt = termenii reziduali în t; σ t2 = dispersia variabilei dependente
în t; ω = constanta ecuaţiei dispersiei; α = coeficientul ARCH; εt-1 =
termenii reziduali din perioada t-1; σ t2−1 = dispersia variabilei dependente în
t-1; β = coeficientul GARCH.
Modelul descris anterior este modelul GARCH (1,1) unde primul număr
subliniază că asupra dispersiei acţionează termeni reziduali din t-1, iar cel
de-al doilea că dispersia din perioada t-1 are influenţă asupra dispersiei în t,
iar pentru serii de date foarte numeroase modelul GARCH (1,1) conduce
prin generalizare la modelul GARCH (p,q). Extensia modelului ARCH,
propusă de către Bollerslev a fost realizată înlocuind modelul AR(p) din
ecuaţiile lui Engle cu un model de forma ARMA(p,q) astfel:
(1) Rt = μ+εt cu εt = ztσt şi (2) σ2t = ω0 + ∑αiε2t-i +∑ βjσ2t-j ,
unde coeficienţii αi si βj sunt toţi pozitivi pentru ca varianţa condiţionată σ2t
sa fie întotdeauna pozitivă. Ecuaţiile de mai sus formează modelul cunoscut
sub denumirea de modelul ARCH generalizat sau GARCH (p,q), iar când q
= 0, modelul GARCH se reduce la modelul ARCH. Pentru ca parametrii
GARCH (βj) să poată fi estimaţi, este necesar ca cel puţin unul dintre
parametrii ARCH (αi) sa fie diferiţi de zero. Termenii ARCH reliefează
informaţiile despre volatilitatea din perioadele precedente şi se măsoară ca
lag al reziduurilor pătratice din ecuaţia mediei (Tudor, 2008).
Pe o piaţă financiară, acest model descrie modul în care un agent încearcă
sa prognozeze volatilitatea pentru următoarea perioadă pe baza mediei pe
termen lung (0;α), a variantei calculate pentru ultima perioadă (termenul
GARCH) şi a informaţiilor privind volatilitatea observată în perioada
anterioara (termenul ARCH). Dacă randamentul activului din perioada
anterioară a fost, în mod neaşteptat mare, în valoare absolută, agentul va
mări varianta aşteptata în perioada următoare. Modelul acceptă şi volatility
clustering, în care schimbărilor mari ale randamentului este probabil să le
urmeze în continuare variaţii mari ale acestuia. Testele efectuate pe pieţele
financiare mature au evidenţiat o viteza de reacţie a volatilităţii cursului de
schimb, în general, inferioară plafonului de 0,25 şi un grad de persistenţă
superior pragului de 0,7 (Codirlaşu, 2007).
Modelul GARCH include in ecuaţia sa atât termenii eroare cât şi
heteroscedasticitate, fiind util când seriile nu sunt distribuite normal.
Modelul GARCH (1,1) rămâne un model simetric care presupune că
termenii reziduali au acelaşi semn, deşi seriile financiare prezintă frecvent
asimetrie şi mai ales un skewness negativ. Pe pieţele financiare moderne
volatilitatea este modelată prin GARCH(1,1): σ t2 = ω + αε t2− 1 + βσ t2− 1 ,
unde σ t2 = varianţa condiţională la momentul t şi ε t2−1 = pătratul abaterii
randamentelor de la momentul t-1 faţă de medie.
230
Modelul EGARCH sau altfel spus modelul GARCH exponenţial introdus de
către Nelson fiind foarte util tocmai în cazurile de asimetrie negativă:
ε ε
log (σ t2 ) = ω + log (σ t2−1 ) + α t −1 + γ t −1
σ t −1 σ t −1
Notaţia log transformă modelul într-unul non-linear, iar termenii reziduali
sunt raportaţi la dispersie, devenind reziduuri standardizate. Efectul de
levier se verifică prin testarea inegalităţii γ<0 şi γ ≠ 0 .
Aplicarea modelelor ARCH şi GARCH este extinsă la fenomene diverse
informaţionale cu impact financiar pe diverse pieţe. Un exemplu practic de
valorificare a acestei familii de modele în piaţa financiară a Serbiei, rezultă
din observarea atentă a evenimentelor din piaţa de capital, respective a
fluctuaţiei indicelui BELEXline, indicele care descrie cel mai bine Bursa de
Valori din Belgrad (BVB). Modelul potrivit pentru caracterizarea indicelui
BELEXline este unul de tip proces ARMA (1,3) - IGARCH (1,1) cu un
nivel de încredere de 1%.
Modelul estimat ARMA(1,3) - IGARCH (1,1) ecuația model pentru
BELEXline are următoarea formă (erorile standard ale parametrilor estimate
fiind prezentate în paranteze):
Rt = 0.946 Rt −1 − 0.631ε t −1 − 0.155 ε t −3 + ε t
( 0.021) ( 0.040) ( 0.034)
şi
σˆ = 5.42 ⋅10 + 0.385 ε t2−1 + 0.655σ t2−1
t
2 −7

( 7.93⋅10 ) ( 0.075)
−8 (0.043)

Rezultatele specificării modelului GARCH pentru BELEXline index

Tabel nr. 7.51
BELEXline Mean Equation
Coefficient S. E. z-Stat Prob.
C 0.0003 0.0002 1.3931 0.1636
AR(1) 0.9457 0.0211 44.9080 0.0000
MA(1) -0.6309 0.0395 -15.9713 0.0000
MA(2) -0.0276 0.0399 -0.6935 0.4880
MA(3) -0.1548 0.0338 -4.5822 0.0000
Variance Equation
C 5.42E-07 7.93E-08 6.83080.0000
ARCH(1) 0.3853 0.075098 5.13050.0000
GARCH(1) 0.6545 0.043087 15.1907
0.0000
R-squared 0.1745
Adjusted R-squared 0.1690
S.E. of regression 0.0048
Sum squared resid 0.0249
Mean dependent var -0.0002
Sursa: Erić, D., Minović, J., Săvoiu, G. Impact of Political Risk on Serbian Capital Market,
Engineering Economics, Vol 24, No 1, 2013.

231
 Gradul de adecvare al modelului realizat este verificat prin utilizarea
reziduurilor standardizate, precum şi a valorilor pătratelor acestora. Deviația
condițională standard de rentabilitate a indicelui BELEXline de zi cu zi este
prezentată mai jos:

Verificarea consistenţei modelului ARMA(1,3)-IGARCH(1,1)

Tabel nr. 7.52
The Ljung-Box statistics ARCH-LM(5) ARCH-LM(10) Wald test
Series Q(36) Q2(36) F-stat Obs*R2 F-stat Obs*R2 F-test
55.352 48.475 0.602 3.016 0.602 6.047 0.738
RM,t
(0.006) (0.031) (0.700) (0.697) (0.813) (0.811) (0.391)
Notă: RM,t = dloG (BELEXline); Valorile statisticilor Ljung Box sunt prezentate pentru
verificarea heteroscedasticităţii reziduale şi reziduale pătratice (Q şi Q2), testul ARCH-LM
pentru verificarea reziduală a auto-corelării (5) şi (10) pentru reziduuri, precum şi valorile
testului Wald; p-values sunt date în paranteze.
Sursa: Erić, D., Minović, J., Săvoiu, G. Impact of Political Risk on Serbian Capital Market,
Engineering Economics, Vol 24, No 2, 2013.

În final, se poate afirma că modelele ARCH şi GARCH, create pentru a

identifica practic împrăştierile inegale ale valorilor reziduale în timp sau
dependenţa sub forma autocorelaţiei reziduale, prezintă tot mai numeroase
aplicaţii în pieţele financiare. Principalele argumente care justifică succesul
familiei de modele ARCH şi GARCH sunt: a) modelele ARCH şi GARCH
sunt simple şi uşor de manevrat; b) modelele ARCH şi GARCH au grijă de
erorile grupate; c) modelele ARCH şi GARCH se concentrează asupra
neliniarităţilor; d) modelele ARCH şi GARCH sunt preocupate permanent
de schimbările survenite în capacitatea lor de prognoză econometrică pe
pieţele financiare.

VII.5. Trei schiţe ale cerinţelor unor proiecte econometrice financiare şi

o bibliografie opţională

SCHIŢA DE PROIECT I

Abordate din punct de vedere financiar, cheltuielile comerciale şi comisionul comercial

încasat per produs, determinate în raport cu lungimea culoarului sau lanţului de vânzare,
(numărul de firme intermediare ce îl compun) sunt expuse sintetic în tabelul următor:

Tabel nr. 7.53

Număr de firme intermediare Cheltuieli comerciale per Valoare comision comercial
în lanţul comercial –X– produs –Y1– (Euro) per produs –Y2– (Euro)
1 8, +0,nr crt. din lista grupei 17,+0,nr crt. din lista grupei
2 10,5+0,nr crt. din lista grupei 14,5+0,nr crt. din lista grupei

232
 3 13,+0,nr crt. din lista grupei 12,+0,nr crt. din lista grupei
4 15,+0,nr crt. din lista grupei 10,+0,nr crt. din lista grupei
5 17,+0,nr crt. din lista grupei 8,+0,nr crt. din lista grupei
6 20,+0,nr crt. din lista grupei 5,+0,nr crt. din lista grupei
7 22,5+0,nr crt. din lista grupei 2,5+0,nr crt. din lista grupei
8 23, +0,nr crt. din lista grupei 2,+0,nr crt. din lista grupei
Pornind de la datele din tabel se vor construi două modele microeconometrice de regresie
liniară simplă, detaliate astfel: Yi = α + β ×Xi + εi
A.Variabilele unui model de regresie ce defineşte cheltuielile comerciale per produs, în
funcţie de numărul de firme intermediare în lanţul comercial, unde:
Y = cheltuielile comerciale per produs sau variabila endogenă
X = numărul de firme intermediare în lanţul comercial sau variabila exogenă
ε = variabila reziduală sau eroare
B. Variabilele unui model de regresie ce defineşte valoarea comisionului comercial per
produs în funcţie de numărul de firme intermediare în lanţul comercial, unde :
Y = comisionul comercial per produs sau variabila endogenă
X = numărul de firme intermediare în lanţul comercial sau variabila exogenă
ε = variabila reziduală sau eroare

CERINŢELE SCHIŢEI DE PROIECT (I)

Pentru fiecare model în parte să se soluţioneze cele opt cerinţe ce urmează:

1.Corelograma (aproximarea grafică a modelului de forma: Yi = α + βXi + εi)
2. Statistica descriptivă pentru variabilele X si Y (mean– media, median– mediana,
maximum– valoarea maximă, minimum– valoarea minimă, std. dev.– abaterea standard,
skewness– coeficient de asimetrie, kurtosis – coeficient de boltire, Jarque-Bera– (testul de
normalitate a distribuţiei variabilei), probability– (probabilitatea cu care se garantează
rezultatul testului), sum – suma tuturor valorilor seriei, sum sq. dev.– suma abaterilor
pătratice)
3.Estimarea punctuală a parametrilor modelului Yi = α + βXi + εi (panta dreptei b sau β,
raportul dintre cov(x,y) şi s2x şi β = r (sy/sx), precum şi termenul constant α = y − bx )
4. Estimarea parametrilor prin interval de încredere pentru un prag de semnificaţie de 0.05
5. Interpretarea valorilor din matricea de corelaţie a variabilelor modelate
6. Testarea ipotezelor modelului unifactorial

H1: Liniaritatea modelului multifactorial (eventual liniarizarea )

(
H2: Date fără erori de măsurare: x ∈ ( x ± 3σ x ) şi y ∈ y ± 3σ y )
H3: Variabila reziduală are media zero: E (εi |xi)=E(εi )=0
H4: Homoscedasticitatea modelului: var(εi |xi)=σ2 (constantă)
H5: Necorelarea reziduurilor: cov(εi ,εj |xi ,xj)=E[(εi |xi)(εj |xj]=0
H6: Variabila reziduală şi exogenă independente: cov(xi,εi) = 0
H7: Variabila reziduală normal distribuită: εi ~ N (0, σ2 )
H8: Numărul observaţiilor (n) > numărul parametrilor estimaţi
H9: Variabilitate în valorile variabilei exogene xi
H10: Modelul regresiei corect specificat

7. Validare preciziei specificării parametrilor şi testarea lor cu testul t (Student)

233
8.Validarea modelului final cu metoda raportului de corelaţie şi testarea semnificaţiei
acestuia cu testul F (Fisher – Snedecor)
Analiza se va realiza cu pachetul de programe Eviews (varianta demo) şi se pot folosi şi
alte teste în afara celor menţionate între paranteze.

SCHIŢA DE PROIECT II

Cel de-al doilea proiect se va realiza în echipe de trei persoane. Soluţionare lui în echipă
presupune realizarea a trei modelări macroeconometrice distincte şi comentarea lor
comună, la final.

Scurt istoric: Legătura dintre rata inflaţiei şi rata şomajului sau dintre indicele câştigului
salarial real şi rata şomajului a fost teoretizată, pentru prima dată de economistul A.W.
Phillips, în lucrarea The Relation between Unemployment and the Rate of Change of Money
Wage Rates in the United Kingdom, 1861-1957 şi a fost publicată în 1958, în Economica.
Această teorie demonstrează că există o relaţie de compromis între cele două variabile
economice (rata inflaţiei şi rata şomajului sau între indicele câştigului salarial real şi rata
inflaţiei), adică pentru a scădea rata şomajului într-o economie, aceasta trebuie să fie
pregătită să suporte fie o rată ridicată a inflaţiei, fie o depreciere a salariului real (A.W.
Phillips, 1958). Modelul propus de către A.W. Phillips pentru a arăta legătura dintre cele
trei variabile grupate două câte două este unul hiperbolic, iar in literatura de specialitate
este cunoscut sub denumirea de Curba lui Phillips. Aceasta este una dintre cele mai
importante modelări financiare dintr-o economie (modelare macro-econometrică).

1.Definirea modelului macroeconometric

Pentru a construi modelul macroeconometric, se porneşte de la datele din Anuarul statistic
al României pentru perioada 1991-2010.
Forma modelului de regresie hiperbolic pentru Curba lui Phillips descrisă de către autorul
1
modelului era:Yi = α + β + εi, unde:
Xi
- Y = variabila endogenă (rata inflaţiei şi / sau indicele câştigului salarial real)
- X = exogenă variabila în ambele modele se identifică cu rata şomajului;
- εi = variabila reziduală sau eroare;
- α, β sunt coeficienţii de regresie.
Desigur că alegerea oricărei alte funcţii matematice se lasă la latitudinea echipei.
Singura condiţie în construcţia modelului este un raport de corelaţie cât mai ridicat.

CERINŢELE SCHIŢEI DE PROIECT (II)

Pentru fiecare model unifactorial în parte să se soluţioneze cerinţele studiului I de caz, iar
pentru modelul multifactorial liniarizat în forma: Yi = β 0 + β1 x1i + β 2 x 2i + ε i (dar neliniar
în esenţă) se mai adaugă la cerinţe şi testarea ipotezei multicoliniarităţii:
H11: Multicoliniaritatea variabilelor exogene este absentă
Analiza se va realiza cu pachetul de programe Eviews (varianta demo) şi se recomandă
folosirea oricăror alte funcţii (chiar şi neliniare) precum şi a altor alte teste în afara celor
deja menţionate în cerinţele schiţei de proiect I.

234
 Evoluţia ratei şomajului înregistrat, a câştigului salarial real şi a inflaţiei

Tabel nr. 7.54 %

Anul Indicii câştigului Rata Rata
salarial real şomajului inflaţiei
1991 81,5 3,0 170,2
1992 86,9 8,2 210,4
1993 83,2 10,4 256,1
1994 100,3 10,9 136,7
1995 112,5 9,5 32,3
1996 109,4 6,6 38,8
1997 77,2 8,9 154,8
1998 104,0 10,4 59,1
1999 97,5 11,8 45,8
2000 104,3 10,5 45,7
2001 105,0 8,6 34,5
2002 102,4 8,1 22,5
2003 110,8 7,6 15,3
2004 110,5 7,0 11,9
2005 114,3 5,9 9,0
2006 109,0 7,2 6,56
2007 114,7 6,4 4,84
2008 116,5 5,8 7,85
2009 98,5 7,8 5,59
2010 97,0 6,9 6,09
2011 * * *
2012 * * *
Surse de date: http://www.insse.ro. şi http://www.bnr.ro*Notă: Se actualizează tabelul

SCHIŢA DE PROIECT III

1.Definirea modelului econometric financiar al ISD (Investiţii Străine Directe sau FDI)
Pentru a construi un model ISD în România, după 1991 se valorifică tabelele 7.55–7.58
pentru 1991-2012 şi se adaugă datele lipsă de pe site-ul http://data.worldbank.org/data.

CERINŢELE SCHIŢEI DE PROIECT (III)

Pentru fiecare model unifactorial în parte să se soluţioneze cerinţele studiului I de caz, iar
pentru modelul multifactorial liniarizat în forma: Yi = β 0 + β1 x1i + β 2 x 2i + ε i sau chiar
neliniarizat de orice formă în esenţă, se mai adaugă la cerinţe şi testarea ipotezei
multicoliniarităţii: H11: Multicoliniaritatea variabilelor exogene este absentă
Analiza se va realiza cu pachetul de programe Eviews (varianta demo) şi se recomandă
folosirea oricăror alte funcţii (chiar şi neliniare) precum şi a altor alte teste în afara celor
deja menţionate în cerinţele studiului de caz I şi II.
Baze de date statistice pentru modelele econometrice ale ISD

235
Tabel nr. 7.55
Anul FDI, net FDI net inflows GDP Gross capital Gross fixed GDP per Gross national Gross value Household final
(constant 2000 (constant 2000 (constant 2000 formation capital capita expenditure added at factor consumption
U.S. dollars) U.S. dollars) US dollars) (constant 2000 formation (constant (constant 2000 cost (constant expenditure
US dollars) (constant 2000 2000 US US dollars) 2000 US (constant 2000
US dollars) dollars) dollars) US dollars)
1990 -24,273,024 13,485 43,989,597,125 11,323,448,030 6,504,955,588 1,895.5 47,048,237,824 38,976,457,690 30,504,173,310
1991 47,338,713 51,176,987 38,314,937,347 9,929,647,742 4,448,395,222 1,652.6 39,735,023,379 34,392,973,079 25,713,199,506
1992 89,634,180 94,545,642 34,927,739,544 9,407,105,249 4,937,080,114 1,532.7 36,690,689,474 31,308,850,164 24,196,784,301
1993 103,712,005 112,056,649 35,455,614,743 9,448,828,961 5,347,827,530 1,558.1 36,941,459,350 32,337,635,358 24,426,841,856
1994 394,663,471 394,663,471 36,863,281,940 8,206,289,192 6,454,785,185 1,621.7 37,437,402,918 33,706,480,903 25,007,337,599
1995 470,393,429 472,649,513 39,502,657,934 8,101,876,918 6,900,859,314 1,741.7 40,123,311,834 35,988,183,183 28,241,321,759
1996 288,594,351 288,594,351 41,086,280,751 8,546,568,280 7,292,150,155 1,817.3 42,310,138,355 37,396,767,416 30,514,329,891
1997 1,305,263,279 1,295,665,756 38,578,877,726 7,207,693,049 7,419,395,363 1,710.5 39,566,223,804 34,682,036,518 29,393,395,580
1998 2,118,238,080 2,108,892,912 36,731,311,750 6,820,318,672 6,977,091,290 1,632.3 39,069,702,705 32,506,567,340 29,549,080,551
1999 1,047,550,000 1,063,902,000 36,290,534,542 6,027,188,582 6,639,721,380 1,615.9 37,529,127,958 32,116,486,869 29,224,038,530
2000 1,048,000,000 1,037,000,000 37,052,636,395 7,226,834,963 7,004,519,154 1,651.0 38,982,636,011 32,790,933,805 29,253,586,947
2001 1,142,023,346 1,125,486,381 39,164,637,562 8,498,208,964 7,645,227,056 1,769.6 42,157,432,710 35,148,987,725 32,465,302,097
2002 1,079,996,323 1,095,315,420 41,162,034,208 9,114,986,690 8,280,233,575 1,887.9 43,868,918,391 36,790,944,301 33,446,314,575

236
2003 1,689,330,993 1,725,831,774 43,302,459,253 9,953,565,592 9,042,014,755 1,991.6 47,400,469,460 39,041,682,275 35,887,896,787
2004 5,807,791,524 5,871,636,255 46,939,862,239 10,948,922,079 9,946,216,482 2,164.6 52,200,725,006 42,282,142,139 39,894,004,323
2005 5,739,326,785 5,713,027,412 48,898,332,853 11,461,438,961 10,204,908,211 2,260.2 54,264,399,984 43,127,177,504 42,862,219,385
2006 9,369,428,020 9,730,190,711 52,761,301,148 12,897,916,383 11,186,926,393 2,444.0 61,731,731,078 46,321,866,204 42,263,792,403
2007 8,006,519,539 8,237,245,405 55,926,979,218 16,780,019,760 14,576,565,089 2,595.6 71,737,165,265 49,101,178,177 46,616,963,021
2008 0,878,890,420 11,100,370,110 61,198,545,647 19,986,562,523 17,389,842,152 2,844.6 79,314,319,614 52,931,070,074 50,532,787,914
2009 3,960,900,588 3,890,256232 55,996,669,267 17,770,119,468 15,446,043,133 2,606.9 65,948,617,045 56,054,003,209 49,209,648,275
2010 2,578,209,256 2,728,334,833 56,527,456,853 18,164,991,519 15,790,362,035 2,636.3 67,525,009,072 59,136,973,385 57,032,884,915
2011 * * * * * * * * *
2012 * * * * * * * * *
Sursa: http://data.worldbank.org/data-catalog#Tables *Notă: Se actualizează tabelul

236
 Tabel nr. 7.56

Anul FDI net FDI net inflows Exports of goods and Imports of goods and Foreign trade Services value added
(constant 2000 (constant 2000 services (constant services (constant 2000 balance (constant (constant 2000 US
U.S. dollars) U.S. dollars) 2000 US dollars) US dollars) 2000 US dollars) dollars)
1990 -24,273,024 13,485 6,264,914,885 9,323,555,584 -3,058,640,699 18,831,244,778
1991 47,338,713 51,176,987 5,142,705,677 6,562,791,709 -1,420,086,032 16,799,363,565
1992 89,634,180 94,545,642 5,293,016,368 7,055,966,298 -1,762,949,930 15,707,696,032
1993 103,712,005 112,056,649 5,880,969,245 7,366,813,852 -1,485,844,607 15,941,651,264
1994 394,663,471 394,663,471 7,000,047,905 7,574,168,883 -574,120,978 16,487,571,294
1995 470,393,429 472,649,513 8,191,408,653 8,812,062,553 -620,653,900 17,741,772,784
1996 288,594,351 288,594,351 8,357,677,494 9,581,535,098 -1,223,857,604 18,528,315,086
1997 1,305,263,279 1,295,665,756 9,311,411,010 10,298,757,088 -987,346,078 17,225,593,555
1998 2,118,238,080 2,108,892,912 8,883,886,418 11,222,277,373 -2,338,390,955 16,444,308,583
1999 1,047,550,000 1,063,902,000 9,813,140,665 11,051,734,081 -1,238,593,416 16,163,129,764
2000 1,048,000,000 1,037,000,000 12,113,000,192 14,042,999,808 -1,929,999,616 16,758,781,695
2001 1,142,023,346 1,125,486,381 13,459,735,262 16,452,530,410 -2,992,795,148 17,502,086,052

237
2002 1,079,996,323 1,095,315,420 15,738,288,254 18,445,172,437 -2,706,884,183 18,522,575,238
2003 1,689,330,993 1,725,831,774 16,855,705,843 20,953,716,050 -4,098,010,207 19,809,493,056
2004 5,807,791,524 5,871,636,255 19,535,764,371 24,796,627,139 -5,260,862,768 21,250,653,259
2005 5,739,326,785 5,713,027,412 20,359,014,919 25,725,082,050 -5,366,067,131 18,883,873,526
2006 9,369,428,020 9,730,190,711 22,517,070,501 31,487,500,430 -8,970,429,929 23,275,411,906
2007 8,006,519,539 8,237,245,405 24,273,402,000 40,083,588,047 -15,810,186,047 24,671,936,621
2008 10,878,890,420 11,100,370,110 28,982,441,988 47,098,215,955 -18,115,773,967 26,596,347,677
2009 3,960,900,588 3,890,256232 25,569,901,058 35,521,848,836 -9,951,947,778 28,165,532,190
2010 2,578,209,256 2,728,334,833 28,256,410,542 39,253,962,761 -10,997,552,219 30,006,302,227
2011 * * * * * *
2012 * * * * * *
Sursa: http://data.worldbank.org/data-catalog#Tables*Notă: Se actualizează tabelul
237
 Tabel nr. 7.57
Anul FDI Romania FDI Romania UE FDI UE GDP UEGDP UE GCF
net net inflows Foreign direct (constant per capita Gross capital formation
(constant 2000 US. (constant 2000 investment, net inflows 2000 US$) (constant 2000US$) (constant 2000 US$)
dollars) US. dollars) (constant 2000 US.
dollars)
1990 -24,273,024 13,485 - 6,828,229,546,410 14,442 1,421,176,137,086
1991 47,338,713 51,176,987 115,889,019,500 6,911,133,124,801 14,566 1,397,961,753,966
1992 89,634,180 94,545,642 112,195,995,400 6,971,020,021,341 14,656 1,376,960,831,282
1993 103,712,005 112,056,649 113,926,143,000 6,956,453,748,491 14,580 1,281,881,183,942
1994 394,663,471 394,663,471 107,375,239,000 7,157,929,039,836 14,964 1,361,050,163,606
1995 470,393,429 472,649,513 160,097,019,000 7,350,839,015,541 15,339 1,435,729,724,366
1996 288,594,351 288,594,351 155,724,404,000 7,489,153,825,927 15,599 1,441,653,622,723
1997 1,305,263,279 1,295,665,756 169,837,324,000 7,695,868,149,202 16,001 1,511,738,473,969
1998 2,118,238,080 2,108,892,912 316,062,597,400 7,923,015,028,287 16,451 1,640,905,907,263
1999 1,047,550,000 1,063,902,000 661,715,486,400 8,164,005,951,655 16,923 1,723,628,836,055

238
2000 1,048,000,000 1,037,000,000 928,205,488,000 8,476,938,392,910 17,535 1,810,460,881,876
2001 1,142,023,346 1,125,486,381 442,407,823,800 8,650,489,221,935 17,860 1,807,604,967,921
2002 1,079,996,323 1,095,315,420 409,329,380,000 8,757,926,714,292 18,023 1,770,051,836,918
2003 1,689,330,993 1,725,831,774 330,555,593,100 8,870,019,297,023 18,176 1,799,771,419,609
2004 5,807,791,524 5,871,636,255 266,578,684,400 9,093,469,776,131 18,549 1,871,458,816,846
2005 5,739,326,785 5,713,027,412 603,595,822,900 9,268,977,176,674 18,822 1,912,946,326,972
2006 9,369,428,020 9,730,190,711 579,349,527,500 9,577,015,203,886 19,365 2,050,392,556,737
2007 8,006,519,539 8,237,245,405 989,341,361,900 9,868,302,547,081 19,865 2,202,209,522,666
2008 10,878,890,420 11,100,370,110 519,508,659,000 9,909,474,172,735 19,859 2,155,573,058,420
2009 3,960,900,588 3,890,256232 427,424,896,300 9,474,448,645,095 18,923 1,782,900,643,071
2010 2,578,209,256 2,728,334,833 285,897,925,800 9,660,185,889,943 19,240 1,875,242,296,108
2011 * * * * * *
2012 * * * * * *
Sursa: http://data.worldbank.org/data-catalog#Tables*Notă: Se actualizează tabelul

238
 Tabel nr. 7.58
Anul FDI Romania FDI Romania W GLOBAL W GLOBAL W GLOBAL
net net inflows Final consumption GDP Gross capital formation
(constant (constant 2000 US. expenditure (constant 2000 US$) (constant 2000 US$)
2000 US. dollars) dollars) (constant 2000 US$)

1990 -24,273,024 13,485 19,016,841,692,459 24,321,549,691,775 5,388,702,064,640

1991 47,338,713 51,176,987 19,354,935,988,350 24,701,333,549,121 5,337,741,896,399
1992 89,634,180 94,545,642 19,883,486,064,573 25,220,572,964,271 5,308,942,580,253
1993 103,712,005 112,056,649 20,289,512,435,503 25,668,319,149,916 5,302,362,713,735
1994 394,663,471 394,663,471 20,832,084,097,003 26,514,183,844,474 5,588,984,526,561
1995 470,393,429 472,649,513 21,298,673,673,987 27,278,376,871,385 5,850,431,485,146
1996 288,594,351 288,594,351 21,951,181,317,529 28,197,961,048,006 6,116,862,025,089
1997 1,305,263,279 1,295,665,756 22,544,254,469,023 29,240,986,408,288 6,492,958,491,634
1998 2,118,238,080 2,108,892,912 23,214,890,525,774 29,929,621,354,134 6,587,939,593,309
1999 1,047,550,000 1,063,902,000 24,083,110,176,625 30,917,595,075,022 6,795,249,049,025

239
2000 1,048,000,000 1,037,000,000 24,994,785,422,487 32,240,383,199,090 7,216,386,079,971
2001 1,142,023,346 1,125,486,381 25,649,431,421,673 32,766,221,140,998 7,080,624,332,221
2002 1,079,996,323 1,095,315,420 26,296,703,190,849 33,409,142,590,910 7,052,484,078,772
2003 1,689,330,993 1,725,831,774 26,946,098,426,708 34,297,589,786,602 7,336,820,388,082
2004 5,807,791,524 5,871,636,255 27,800,631,966,781 35,699,332,169,704 7,888,945,764,375
2005 5,739,326,785 5,713,027,412 28,675,790,971,170 36,967,593,745,732 8,297,020,468,019
2006 9,369,428,020 9,730,190,711 29,583,254,361,969 38,468,225,215,709 8,812,966,541,982
2007 8,006,519,539 8,237,245,405 30,550,089,967,802 39,990,054,633,163 9,254,842,120,590
2008 10,878,890,420 11,100,370,110 31,002,916,848,587 40,585,884,367,175 9,176,949,298,672
2009 3,960,900,588 3,890,256232 31,003,256,075,355 39,640,519,505,293 8,094,355,026,680
2010 2,578,209,256 2,728,334,833 31,783,453,276,510 41,310,785,683,479 8,914,642,401,372
2011 * * * * *
2012 * * * * *
Sursa: http://data.worldbank.org/data-catalog#Tables*Notă: Se actualizează tabelul

239
 Titluri posibile de referate

Referatele de 10-15 pagini vor fi realizate în echipe alcătuite din câte trei
autori cu un şef de echipă declarat şi recunoscut de la bun început care va
asigura suplimentar introducerea şi bibliografia minimală.

1.Noţiuni economice şi financiare utile în econometria financiară

2. Noţiuni statistico-matematice utile în econometria financiară

3. Modelul regresiei unifactoriale

4.Modelul regresiei multifactoriale

5. Modele econometrice financiare dinamice sau ale seriilor financiare cronologice

6. Modelarea econometrică a seriei cronologice

7. Modele econometrice financiare la nivel microeconomic

8. Modele econometrice financiare la nivel macroeconomic

9. Testarea ipotezelor modelului econometric financiar

10.Concepte de bază în econometria financiară

11.Ipoteze, teste şi decizie în econometria financiară

12. Specificarea şi parametrizarea modelului econometric financiar

13. Modele econometrice financiare spaţiale sau ale seriilor teritoriale

14. Specificul seriilor financiare sub aspectul comparabilităţii şi statisticii descriptive

15. Modelarea econometrică financiară a veniturilor şi cheltuielilor bugetului de stat

16. Modelarea economico – financiară a investiţiilor străine directe în Romania

17. Descrierea modelelor econometrice financiare ARCH şi GARCH

18. Un model original de tip econometric financiar

240
240
 Bibligrafie opţională

Bălţat, V., Crăciuneanu, V., Săvoiu G., O succintă istorie statistică şi economică a
fiscalităţii româneşti. Modele econometrice în analiza fiscalităţii din România, după 1991,
reista Română de statistică, supliment 12/2009, pag. 77 – 81.
Bălţat,V. Modele econometrice în analiza impozitelor şi taxelor din România în perioada
1992-2007, Revista Română de Statistică, nr. 9/2009.
Bera, A. K., Higgins, M. L. ARCH Models: Properties, Estimation and Testing, Journal of
Economic Surveys, Vol. 7, No. 4, pp. 307-366. 1993.
Bollerslev, T., Generalized Autoregressive Conditional Heteroskedasticity, Journal of
Econometrics, vol. 31, pag. 81-87, 1986.
Bollerslev, T. Glossary to ARCH (GARCH), ftp://ftp.econ.au.dk/creates/rp/08/rp08_49.pdf
working paper 2008.
Campbell, J. Y., Lo, A. W., MacKinlay, A. C., The Econometrics of Financial Markets,
Princeton, New Jersey: Princeton University Press. pag. 479-490, 1997.
Dărăşteanu, C. C., Testing CAPM for stocks trade dat Bucharest Stock Exchange, Pagina
Pieţei de Capital din Romania, http://www.kmarket.ro, 2002.
Engle, R., Nelson, D., Bollerslev, T. ARCH models, Handbook of Econometrics, Ed. R.
Engle and McFadden, pag. 2959-3038, 1994.
Bachelier, L., Théorie de la Spéculation, Annales Scientifiques de l'Ecole Normale
Superieure,III-17,21-86, 1900.( English Translation; -Cootner (ed.), (1964)
Fama, E.F., Random Walks in Stock Market Prices, Financial Analysts Journal, 21(5),55–
59, 1965.
Fama, E.F., Market efficiency, long-term returns, and behavioral finance, Journal of
Financial Economics 49, 283–306, 1998.
Grossman, S.J., and Joseph E. Stiglitz, Information and Competitive Price Systems, The
American Economic Review, 66(2), 246–253, 1976.
Grossman, S.., and Joseph E. Stiglitz, On the Impossibility of Informationally Efficient
Markets, The American Economic Review, 70(3), 393–408, 1980.
Jensen, M.C., Some anomalous evidence regarding market efficiency, Journal of Financial
Economics, 6(2–3), 95–101, 1978.
Lo, A. W. and MacKinlay, A. C. A Non-Random Walk, Down Wall Street, 1999.
Malkiel, Burton G., The Efficient Market Hypothesis and Its Critics, Journal of Economic
Perspectives, 17(1), 59–82, 2003.
Malkiel, Burton G., Reflections on the Efficient Market Hypothesis: 30 Years Later, The
Financial Review, 40(1), 1–9, 2005.
Miron, D., Tudor, C., Asymmetric Conditional Volatility Models: Empirical Estimation and
Comparison of Forecasting Accuracy, Romanian Journal of Economic Forecasting, no. 3/
2010, pp. 74-93, 2010.
Necula, C., Econometrie avansată, note de curs, Master BPM, 2010.
Nelson, D. B., Conditional Heteroskedasticity in Asset Returns: a New Approach.
Econometrica, 59(2), 1991.
Panait, I., Slăvescu, E. O., Studiul volatilităţii şi persistenţei acesteia pentru diferite
frecvenţe la Bursa de Valori Bucureşti, Economie teoretică şi aplicată, vol. XIX, 5(570),
pp. 46-67, 2012.
Rosenberg, J. M, Inside the Wall Street Journal, The Power and the History of DJIA&
Company and America's Most Influential Newspaper, Macmillan, 1982.
Săvoiu, G., Andronache, C., On the Efficiency of Financial Markets, in Proceedings, vol I,
Polytechnic International Press, Montreal, Quebec, 2009, pp. 214-218
241
Săvoiu, G., Andronache, C., Raţionalitate şi simetrie informaţională E.H şi DJIA, Revista
Română de Statistică, supliment nr. 1/2009.pp. 217-221
Săvoiu, G., Popa, S., Econometric Eclectic Models of Foreign Direct Investments in
Romania, after 1990, Economics and Finance Review, Vol. 1(12), pp. 30 – 41, 2012.
Săvoiu, G., Popa, S., Eclectismul factorial versus ierarhizarea prin determinaţie, în modele
econometrice ale investiţiilor străine directe (ISD) în România, Revista Studii şi Cercetări
de Calcul Economic şi Cibernetică Economică, 1-2 /2011
Săvoiu, G., Popa, S., Foreign Direct Investments (FDI) in Romania, Revista Română de
Statistică, nr 1/ 2012, pp. 27 – 57.
Săvoiu, G., Popa, S., An original econometric model of FDI in Romania, Revista Română
de Statistică, nr 3/2012, pp. 51 - 64
Săvoiu, G., Popa, S., Statistical limitations in timing and restrictions of Comparability in
addressing foreign direct investment (FDI), in Romania’s market economy, Revista
Română de Statistică, nr 2/2012, pp. 61 – 81.
Taylor, S. J., Forecasting the volatility of currency exchange rates, Journal of International
orecasting 3, 1987.
Todea, A., Caracterul instabil al riscului de piaţă evidenţiat empiric pe piaţa romanească,
Pagina Pieţei de Capital din România (www.kmarket.ro), 2001
Todea A., Tulai H., La mesure de la forme semi-forte de l’efficience des marches
financiers. Studia Negotia, 2, Ed. Cluj, 2003.
Tudor, C., Modeling time series volatilities using symmetrical GARCH models, The
Romanian Economic Journal, no. 30, pp. 183-208, 2008.
Zhang, Yi-Cheng, Toward a Theory of Marginally Efficient Markets, Physica A: Statistical
Mechanics and its Applications, 269(1), 30–44, 1999.

242
 Bibliografie selectivă

1. Andrei, T., Bourbonnais, R., Econometrie, Ed. Economică, Bucureşti, 2008.

2. Andrei, T,, Stancu, S., Iacob, A.I., Tuşa, E., Introducere în econometrie utilizând
Eviews, Ed. Economică, Bucureşti, 2008.
3. Clocotici,V.,Introducere în statistica multivariată,Ed.Universităţii,A.I.Cuza,Iaşi,2000.
4. Craiu, V.,Verificarea ipotezelor statistice, Ed. didactică şi pedagogică, Bucureşti, 1972.
5. Chelcea S., Metodologia cercetării sociologice, Ed. Economică, Bucureşti, 2004.
6. Demetrescu, M.C., Elasticitatea cererii populaţiei cu privire la bunurile de consum şi
servicii, Ed. Academiei, Bucureşti, 1967.
7. Dodz, R., SAS - Statistica asistată de calculator, Editura Tipotrib, Sibiu, 2004.
8. Drugan, T., Bolboacă, S., Călinici, T., Istrate, D., Colosi, H., Gălătuş, R., Bondor, C.,
Văleanu, M., Achimaş, A., Ţigan, Ş., Aplicaţii de informatică medicală şi biostatistică,
Editura SRIMA, Cluj-Napoca, 2004.
9. Grama, A., Jaba, E., Analiza statistica cu SPSS sub Windows, Ed.Polirom, Bucureşti,
2004.
10. Iosifescu, M., Moineagu, C., Trebici, V., Urşianu, E., Mica enciclopedie de statistică,
Ed. ştiinţifică şi enciclopedică, Bucureşti, 1985.
11. Jula, D., Introducere în econometrie, Editura Professional Consulting, Bucureşti, 2003
12. Meşter, I.T., Econometrie, Editura Universităţii din Oradea, 2007.
13. Mihoc, G., Iosifescu. M., Urseanu, V., Elemente de teoria probabilitatilor şi aplicaţiile
ei, Ed. ştiinţifică, Bucureşti, 1966.
14. Pecican, E., Econometrie ... pentru economişti, Ed. Economică, Bucureşti, 2004.
15. Pecican, E., Piaţa valutară, bănci & econometrie, Ed. Economică, Bucureşti,2000.
16. Săvoiu, G., Grigorescu, R., Statistică financiară, Ed.Independenţa Economicǎ, Piteşti,
2003.
17. Săvoiu, G.,(coord), - Cercetări şi modelări de marketing. Metode cantitative în
cercetarea pieţei,Ed. Universitară, Bucureşti, 2005.
18. Săvoiu, G., Gândirea statistică aplicată, Ed.Universitară,Bucureşti, 2010.
19. Săvoiu, G., Statistica.Un mod ştiinţific de gândire, Ed. Universitară, Bucureşti, 2007
20. Săvoiu G., (coord), Econometrie, Ed. Universitară, Bucureşti, 2009.
21. Săvoiu G., Iorga-Simăn I., Constantin Andronache, David-Pearson, A-M., Ecker-Lala,
W., Schjaer-Jacobson, H., Gligor, M., Costea, C., Chişleag, R., Exploratory Domains of
Econophysics News, EDEN I & II,Ed. Universitară, Bucureşti, 2009.
22. Săvoiu, G. (coord) Econometrie, Editura Universitară, Bucureşti, 2009.
23. Săvoiu, G., Econometrie, Editura Universitară, Bucureşti, 2011.
24. Săvoiu, G., Gândirea statistică aplicată. Sisteme de indicatori rezultaţi din documente
şi situaţii statistice financiar contabile, Ed. Universitară, Bucureşti, 2010.
25. Săvoiu, G., Econophysics: Background and Applications in Economics, Finance, and
Sociophysics, Publisher Academic Press Inc. Elsevier, 2012.
26. Spircu, L., Econometrie, Editura: Pro Universitaria, Bucureşti, 2008.
27. Trebici, V., Mica enciclopedie de statistică, Ed. ştiinţifică şi enciclopedică,
Bucureşti,1985.
28. Tarcă, M.,-Tratat de statistică aplicată, Ed. ştiinţifică şi enciclopedică, Bucureşti 1998.
29. Yulle, G.U.,Kendall, M.C,-Introducere în teoria statisticii, Ed. ştiinţifică,Bucureşti
1969.
30. Voineagu, V., Ţiţan., E., Şerban, R., Ghiţă, S., Todose, D., Boboc, C., Pele, D.,Teoria şi
practica econometrică, Ed. Economică, Bucureşti, 2007.

243
 ANEXE
Anexa 1
Funcţia Gauss - Laplace
2
ux
1
Φ( z ) = ∫ e 2 du
2Π 0
Dacă se doreşte transformarea valorilor lui Z , în corespondenţă cu aria curbei normale de
repartiţie sau cu nivelul de probabilitate declarat sau impus, se are în vedere valoarea
dublată a celei corespunzătoare din tabel, respectiv Φz = 2Φz. Exemplu: în condiţii de
α= 0,05 (col 6), 2Φz=0,95 ,de unde Φz = 0,475 , iar din tabel rezultă: Z=1,9 sau Z=2, 0.

z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0 Col 1 Col 2 Col 3 Col 4 Col 5 Col 6 Col 7 Col 8 Col 9 Col 10
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,239 0,027 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,179
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,2580 ,02611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4727 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,5826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4874 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4816
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4910 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4978 0,4978 0,4080 0,4891
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990

244
 Anexa 2

Valorile variabilei χ 2 în funcţie de probabilitatea

α = P( χ 2 〉 χα2 )
şi numărul gradelor de libertate f
α
0,990 0,975 0,950 0,900 0,100 0,050 0,025 0,010 0,001
f
0 Col 1 Col 2 Col 3 Col 4 Col 5 Col 6 Col 7 Col 8 Col 9
1 0,0002 0,0010 0,0039 0,0158 2,71 3,84 5,02 6,63 10,83
2 0,02 0,05 0,10 0,21 4,61 5,99 7,38 9,21 13,82
3 0,12 0,22 0,35 0,58 6,25 7,81 9,35 11,34 16,27
4 0,30 0,48 0,71 1,06 7,78 9,49 11,14 13,28 18,47
5 0,55 0,83 1,15 1,61 9,24 11,07 12,83 15,09 20,52
6 0,87 1,24 1,64 2,20 10,64 12,59 14,45 16,81 22,46
7 1,24 1,69 2,17 2,83 12,02 14,07 16,01 18,47 24,32
8 1,65 2,18 2,73 3,49 13,36 15,51 17,53 20,09 26,13
9 2,09 2,70 3,33 4,17 14,68 16,92 19,02 21,67 27,88
10 2,56 3,25 3,94 4,87 15,99 18,31 20,48 23,21 29,59
11 3,05 3,82 4,57 5,58 17,27 19,67 21,92 24,72 31,26
12 3,57 4,40 5,23 6,30 18,55 21,03 23,34 26,22 32,91
13 4,11 5,01 5,89 7,04 19,81 22,36 24,74 27,69 34,53
14 4,66 5,63 6,57 7,79 21,06 23,68 26,12 29,14 36,12
15 5,23 6,26 7,26 8,55 22,31 25,00 27,49 30,58 37,70
16 5,81 6,91 7,96 9,31 23,54 26,30 28,84 32,00 39,25
17 6,41 7,56 8,67 10,08 24,77 27,59 30,19 33,41 40,79
18 7,01 8,23 9,39 10,86 25,99 28,87 31,53 34,80 42,31
19 7,63 8,91 10,12 11,65 27,20 30,14 32,85 36,19 43,82
20 8,26 9,59 10,85 12,44 28,41 31,41 34,17 37,57 45,32
21 8,90 10,28 11,59 13,24 29,61 32,67 35,48 38,93 46,80
22 9,54 10,98 12,34 14,04 30,81 33,92 36,78 40,29 48,27
23 10,20 11,69 13,09 14,85 32,01 35,17 38,08 41,64 49,73
24 10,86 12,40 13,85 15,66 33,20 36,41 39,37 42,98 51,18
25 11,52 13,12 14,61 16,47 34,38 37,65 40,65 44,31 52,62
26 12,20 13,84 15,38 17,29 35,56 38,88 41,92 45,64 54,05
27 12,88 14,57 16,15 18,11 36,74 40,11 43,19 46,96 55,48
28 13,57 15,31 16,93 18,94 37,92 41,34 44,46 48,28 56,89
29 14,26 16,05 17,71 19,77 39,09 42,56 45,72 49,59 58,30
30 14,95 16,79 18,49 20,60 40,26 43,77 46,98 50,89 59,70

245
 Anexa 3

Repartiţia F (Fisher - Snedecor)

Valorile funcţiei F (F = S1 / S2) pentru I1, I2 grade de libertate P=0,95 sau
P=0,99 ,respectiv α = 0, 05 sau α = 0, 01 nivel de semnificaţie

I2 I1 =1 I1 =2 I1 =3 I1 =3 I1 =4
α= α= α= α= α=
0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01
1 161,4 4 052 199,5 4 999 215,7 5 403 224,6 5 625 230,2 5 764
2 18,51 98,49 19,00 99,00 19,16 99,17 19,25 99,25 19,30 99,30
3 10,13 34,12 9,55 30,81 9,28 29,46 9,12 28,71 9,01 28,24
4 7,71 21,20 6,94 18,00 6,59 16,69 6,39 15,98 6,26 15,52
5 6,61 16,26 5,79 13,27 5,41 12,06 5,19 11,39 5,05 10,97
6 5,99 13,74 5,14 10,91 4,76 9,78 4,53 9,15 4,39 8,75
7 5,59 12,25 4,74 9,55 4,35 8,45 4,12 7,85 3,97 7,45
8 5,32 11,26 4,46 8,65 4,07 7,59 3,84 7,01 3,69 6,63
9 5,12 10,56 4,26 8,02 3,86 6,99 3,63 6,42 3,48 6,06
10 4,96 10,04 4,10 7,56 3,71 6,55 3,48 5,99 3,33 5,64
11 4,84 9,65 3,98 7,20 3,59 6,22 3,36 5,67 3,20 5,32
12 4,75 9,33 3,88 6,93 3,49 5,95 3,26 5,41 3,11 5,06
13 4,67 9,07 3,80 6,70 3,41 5,74 3,18 5,20 3,02 4,86
14 4,60 8,86 3,74 6,51 3,34 5,56 3,11 5,03 2,96 4,69
15 4,54 8,68 3,68 6,36 3,29 5,42 3,06 4,89 2,90 4,56
16 4,49 8,53 3,63 6,23 3,24 5,29 3,01 4,77 2,85 4,44
17 4,45 8,40 3,59 6,11 3,20 5,18 2,96 4,67 2,81 4,34
18 4,41 8,28 3,55 6,01 3,16 5,09 2,93 4,58 2,77 4,25
19 4,38 8,18 3,52 5,93 3,13 5,01 2,90 4,50 2,74 4,17
20 4,35 8,10 3,49 5,85 3,10 4,94 2,87 4,43 2,71 4,10
21 4,32 8,02 3,47 5,78 3,07 4,87 2,84 4,37 2,68 4,04
22 4,30 7,94 3,44 5,72 3,05 4,82 2,82 4,31 2,66 3,99
23 4,28 7,88 3,42 5,66 3,03 4,76 2,80 4,26 2,64 3,94
24 4,26 7,82 3,40 5,61 3,01 4,72 2,78 4,22 2,62 3,90
25 4,24 7,77 3,38 5,57 2,99 4,68 2,76 4,18 2,60 3,86
26 4,22 7,72 3,37 5,53 2,98 4,64 2,74 4,14 2,59 3,82
27 4,21 7,68 3,35 5,49 2,96 4,60 2,73 4,11 2,57 3,78
28 4,20 7,64 3,34 5,45 2,95 4,57 2,71 4,07 2,56 3,75
29 4,18 7,60 3,33 5,42 2,93 4,54 2,70 4,04 2,54 3,73
30 4,17 7,56 3,32 5,39 2,92 4,51 2,69 4,02 2,53 3,70
40 4,08 7,31 3,23 5,18 2,84 4,31 2,61 3,83 2,45 3,51
60 4,00 7,08 3,15 4,98 2,76 4,13 2,52 3,65 2,37 3,34
120 3,92 6,85 3,07 4,79 2,68 3,95 2,45 3,48 2,29 3,17
∞ 3,84 6,64 2,99 4,60 2,60 3,78 2,37 3,32 2,21 3,02

246
 Anexa 3
(continuare)

I2 l1=6 l1=12 l1=12 l1=24 l1=25

α= α= α= α= α=
0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01 0,05 0,01
1 234,0 5 859 238,9 5 981 243,9 6 106 249,0 6 234 254,3 6 366
2 19,33 99,33 19,37 99,36 19,41 99,42 19,45 99,46 19,50 99,50
3 8,94 27,91 8,84 27,49 8,74 27,05 8,64 26,60 8,53 26,12
4 6,16 15,21 6,04 14,80 5,91 14,37 5,77 13,93 5,63 13,46
5 4,95 10,67 4,82 10,27 4,68 9,89 4,53 9,47 4,36 9,02
6 4,28 8,47 4,15 8,10 4,00 7,72 3,84 7,31 3,67 6,88
7 3,87 7,19 3,73 6,84 3,57 6,47 3,41 6,07 3,23 5,65
8 3,58 6,37 3,44 6,03 3,28 5,67 3,12 5,28 2,93 4,86
9 3,37 5,80 3,23 5,47 3,07 5,11 2,90 4,73 2,71 4,31
10 3,22 5,39 3,07 5,06 2,91 4,71 2,74 4,33 2,54 3,91
11 3,09 5,07 2,95 4,74 2,79 4,40 2,61 4,02 2,40 3,60
12 3,00 4,82 2,85 4,50 2,69 4,16 2,50 3,78 2,30 2,36
13 2,92 4,62 2,77 4,30 2,60 3,96 2,42 3,59 2,21 3,16
14 2,85 4,46 2,70 4,14 2,53 3,80 2,35 3,43 2,13 3,00
15 2,79 4,32 2,64 4,00 2,48 3,67 2,29 3,29 2,07 2,87
16 2,74 4,20 2,59 3,89 2,42 3,55 2,24 3,18 2,01 2,75
17 2,70 4,10 2,55 3,79 2,38 2,45 2,19 3,08 1,96 2,65
18 2,66 4,01 2,51 3,71 2,34 3,37 2,15 3,00 1,92 2,57
19 2,63 3,94 2,48 3,63 2,31 3,30 2,11 2,92 1,88 2,49
20 2,60 3,87 2,45 3,56 2,28 3,23 2,08 2,86 1,84 2,42
21 2,57 3,81 2,42 3,51 2,25 3,17 2,05 2,80 1,81 2,36
22 2,55 3,76 2,40 3,45 2,23 3,12 2,03 2,75 1,78 2,31
23 2,53 3,71 2,38 3,41 2,20 3,07 2,00 2,70 1,76 2,26
24 2,51 3,67 2,36 3,36 2,18 3,03 1,98 2,66 1,73 2,21
25 2,49 3,63 2,34 3,32 2,16 2,99 1,96 2,62 1,71 2,17
26 2,47 3,59 2,32 3,29 2,15 2,96 1,95 2,58 1,69 2,13
27 2,46 3,56 2,30 3,26 2,13 2,93 1,93 2,55 1,67 2,10
28 2,44 3,53 2,29 3,23 2,12 2,90 1,91 2,52 1,65 2,06
29 2,43 3,50 2,28 3,20 2,10 2,87 1,90 2,49 1,64 2,03
30 2,42 3,47 2,27 3,17 2,09 2,84 1,89 2,47 1,62 2,01
40 2,34 3,29 2,18 2,99 2,00 2,66 1,79 2,29 1,51 1,80
60 2,25 3,12 2,10 2,82 1,92 2,50 1,70 2,12 1,39 1,60
120 2,17 2,96 2,01 2,66 1,83 2,34 1,61 1,95 1,25 1,38
∞ 2,09 2,80 1,94 2,51 1,75 2,18 1,52 1,79 1,00 1,00

247
 Anexa 4

Distribuţia F (Fisher Snedecor)

Valorile funcţiei F ( F = s12 s 22 ) pentru n1, n2 grade de libertate

Distribuţia valorile critice pentru un nivel de semnificaţie α = 0,05

n1/n2 1 2 3 4 5 7 10 15 20 30 60 120 500 1000
1 161,45 199,50 215,71 224,58 230,16 236,77 241,88 245,95 248,01 250,10 252,20 253,25 254,06 254,19
2 18,513 19,000 19,164 19,247 19,296 19,353 19,396 19,429 19,446 19,462 19,479 19,487 19,494 19,495
3 10,128 9,5522 9,2766 9,1172 9,0135 8,8867 8,7855 8,7028 8,6602 8,6165 8,5720 8,5493 8,5320 8,5292
4 7,7086 6,9443 6,5915 6,3882 6,2560 6,0942 5,9644 5,8579 5,8026 5,7458 5,6877 5,6580 5,6352 5,6317
5 6,6078 5,7862 5,4095 5,1922 5,0504 4,8759 4,7351 4,6187 4,5582 4,4958 4,4314 4,3985 4,3731 4,3691
7 5,5914 4,7375 4,3469 4,1202 3,9715 3,7871 3,6366 3,5108 3,4445 3,3758 3,3043 3,2675 3,2388 3,2344
10 4,9645 4,1028 3,7082 3,4780 3,3259 3,1354 2,9782 2,8450 2,7741 2,6996 2,6210 2,5801 2,5482 2,5430

248
15 4,5431 3,6823 3,2874 3,0556 2,9013 2,7066 2,5437 2,4035 2,3275 2,2467 2,1601 2,1141 2,0776 2,0718
20 4,3512 3,4928 3,0983 2,8660 2,7109 2,5140 2,3479 2,2032 2,1241 2,0391 1,9463 1,8962 1,8563 1,8498
30 4,1709 3,3159 2,9223 2,6896 2,5336 2,3343 2,1646 2,0149 1,9317 1,8408 1,7396 1,6835 1,6376 1,6300
60 4,0012 3,1505 2,7581 2,5252 2,3683 2,1666 1,9927 1,8365 1,7480 1,6492 1,5343 1,4672 1,4093 1,3994
120 3,9201 3,0718 2,6802 2,4473 2,2898 2,0868 1,9104 1,7505 1,6587 1,5544 1,4289 1,3519 1,2804 1,2674
500 3,8601 3,0137 2,6227 2,3898 2,2320 2,0278 1,8496 1,6864 1,5917 1,4820 1,3455 1,2552 1,1586 1,1378
1000 3,8508 3,0047 2,6137 2,3808 2,2230 2,0187 1,8402 1,6765 1,5811 1,4705 1,3318 1,2385 1,1342 1,1096

248
 Distribuţia valorile critice pentru un nivel de semnificaţie α = 0,02
n1/n2 1 2 3 4 5 7 10 15 20 30 60 120 500 1000
1 1012,5 1249,5 1350,5 1405,8 1440,6 1481,8 1513,7 1539,1 1551,9 1564,9 1578,0 1584,6 1589,6 1590,4
2 48,505 49,000 49,166 49,249 49,299 49,356 49,398 49,432 49,448 49,465 49,482 49,490 49,496 49,497
3 20,618 18,858 18,110 17,694 17,429 17,110 16,860 16,657 16,553 16,448 16,340 16,286 16,244 16,238
4 14,040 12,142 11,344 10,899 10,616 10,274 10,003 9,7828 9,6696 9,5540 9,4359 9,3760 9,3300 9,3227
5 11,323 9,4544 8,6702 8,2330 7,9530 7,6137 7,3438 7,1234 7,0094 6,8926 6,7728 6,7119 6,6649 6,6573
7 8,9877 7,2026 6,4539 6,0347 5,7647 5,4354 5,1711 4,9531 4,8392 4,7220 4,6007 4,5384 4,4902 4,4825
10 7,6384 5,9336 5,2182 4,8157 4,5549 4,2347 3,9750 3,7580 3,6437 3,5245 3,3999 3,3354 3,2850 3,2770
15 6,7730 5,1355 4,4475 4,0584 3,8052 3,4917 3,2345 3,0168 2,9003 2,7775 2,6468 2,5780 2,5237 2,5151
20 6,3907 4,7875 4,1134 3,7312 3,4817 3,1713 2,9149 2,6955 2,5771 2,4509 2,3148 2,2421 2,1841 2,1747
30 6,0382 4,4695 3,8093 3,4339 3,1877 2,8803 2,6239 2,4020 2,2805 2,1493 2,0047 1,9255 1,8611 1,8505
60 5,7127 4,1785 3,5319 3,1633 2,9207 2,6157 2,3586 2,1326 2,0067 1,8676 1,7085 1,6169 1,5383 1,5251
120 5,5594 4,0423 3,4026 3,0372 2,7963 2,4923 2,2347 2,0059 1,8769 1,7322 1,5613 1,4577 1,3629 1,3458
500 5,4467 3,9428 3,3083 2,9453 2,7057 2,4024 2,1441 1,9128 1,7809 1,6307 1,4468 1,3273 1,2019 1,1750
1000 5,4293 3,9274 3,2937 2,9311 2,6915 2,3884 2,1300 1,8983 1,7659 1,6146 1,4284 1,3053 1,1701 1,1388

Distribuţia valorile critice pentru un nivel de semnificaţie α = 0,01

249
n1/n2 1 2 3 4 5 7 10 15 20 30 60 120 500 1000
1 4052,2 4999,5 5403,4 5624,6 5763,6 5928,4 6055,8 6157,3 6208,7 6260,6 6313,0 6339,4 6359,5 6362,7
2 98,503 99,000 99,166 99,249 99,299 99,356 99,399 99,433 99,449 99,466 99,482 99,491 99,497 99,498
3 34,116 30,817 29,457 28,710 28,237 27,672 27,229 26,872 26,690 26,504 26,316 26,221 26,148 26,137
4 21,198 18,000 16,694 15,977 15,522 14,976 14,546 14,198 14,020 13,838 13,652 13,558 13,486 13,474
5 16,258 13,274 12,060 11,392 10,967 10,455 10,051 9,7222 9,5526 9,3793 9,2020 9,1118 9,0424 9,0314
7 12,246 9,5467 8,4513 7,8466 7,4605 6,9929 6,6201 6,3143 6,1554 5,9920 5,8236 5,7373 5,6707 5,6601
10 10,044 7,5594 6,5523 5,9944 5,6363 5,2001 4,8492 4,5582 4,4055 4,2469 4,0818 3,9964 3,9303 3,9195
15 8,6831 6,3588 5,4169 4,8932 4,5557 4,1416 3,8049 3,5223 3,3719 3,2141 3,0471 2,9594 2,8906 2,8796
20 8,0960 5,8489 4,9382 4,4306 4,1027 3,6987 3,3682 3,0880 2,9377 2,7785 2,6078 2,5167 2,4446 2,4330
30 7,5624 5,3903 4,5098 4,0179 3,6990 3,3046 2,9791 2,7002 2,5486 2,3859 2,2078 2,1108 2,0321 2,0192
60 7,0771 4,9774 4,1259 3,6491 3,3388 2,9530 2,6318 2,3522 2,1978 2,0284 1,8362 1,7264 1,6328 1,6169
120 6,8509 4,7865 3,9490 3,4795 3,1736 2,7918 2,4720 2,1914 2,0345 1,8600 1,6557 1,5330 1,4215 1,4015
500 6,6858 4,6479 3,8210 3,3569 3,0539 2,6751 2,3564 2,0746 1,9152 1,7353 1,5175 1,3774 1,2317 1,2007
1000 6,6603 4,6264 3,8012 3,3379 3,0356 2,6571 2,3387 2,0564 1,8967 1,7158 1,4953 1,3513 1,1947 1,1586

249
 Anexa 5
Testul t (Student), în funcţie de probabilitatea P( t ≤ tα ) şi numărul „f” al
gradelor de libertate

Nivel de semnificaţie pentru testul bilateral

α
f 0,50 0,20 0,10 0,05 0,02 0,01 0,002 0,001 0,0001
1 1,000 3,078 6,314 12,706 31,821 63,657 318,309 636,618 6366,198
2 0,816 1,886 2,920 4,303 6,965 9,925 22,327 31,598 99,992
3 0,765 1,638 2,353 3,482 4,541 5,841 10,214 12,924 28,000
4 0,741 1,533 2,132 2,776 3,747 4,604 7,173 8,610 15,544
5 0,727 1,476 2,015 2,571 3,365 4,032 5,893 6,869 11,178
6 0,718 1,440 1,943 2,447 3,143 3,707 5,208 5,959 9,082
7 0,711 1,415 1,895 2,365 2,998 3,499 4,785 5,408 7,885
8 0,706 1,397 1,860 2,306 2,896 3.355 4,501 5,041 7,120
9 0,703 1,383 1,833 2,262 2,821 3,250 4,297 4,781 6,594
10 0,700 1,372 1,812 2,228 2,764 3,169 4,144 4,587 6,211
11 0,697 1,363 1,796 2,201 2,718 3,106 4,025 4,437 5,921
12 0,695 1,356 1,782 2,179 2,681 3,055 3,930 4,318 5,694
13 0,694 1,350 1,771 2,160 2,650 3,102 3,852 4,221 5,513
14 0,692 1,345 1,761 2,145 2,624 2,977 3,787 4,140 5,363
15 0,691 1,341 1,753 2,131 2,602 2,947 3,733 4,073 5,239
16 0,690 1,337 1,746 2,120 2,583 2,921 3,686 4,015 5,134
17 0,689 1,333 1,740 2,110 2,567 2,898 3,646 3,965 5,014
18 0,688 1,330 1,734 2,101 2,552 2,878 3,610 3,922 4,966
19 0,688 1,328 1,729 2,093 2,539 2,861 3,579 3,883 4,897
20 0,687 1,325 1,725 2,086 2,528 2,845 3,552 3,850 4,837
21 0,686 1,323 1,721 2,080 2,518 2,831 3,527 3,819 4,784
22 0,686 1,321 1,717 2,074 2,508 2,819 3,505 3,792 4,736
23 0,685 1,319 1,714 2,069 2,500 2,807 3,485 3,767 4,693
24 0,685 1,318 1,711 2,064 2,492 2,797 3,467 3,745 4,654
25 0,684 1,316 1,708 2,060 2,485 2,787 3,450 3,725 4,619
26 0,684 1,315 1,706 2,056 2,479 2,779 3,435 3,707 4,587
27 0,684 1,314 1,703 2,052 2,473 2,771 3,421 3,690 4,558
28 0,683 1,313 1,701 2,048 2,467 2,763 3,408 3,674 4,530
29 0,683 1,312 1,699 2,045 2,462 2,756 3,396 3,659 4,506
30 0,683 1,310 1,697 2,042 2,457 2,750 3,385 3,646 4,482
35 0,682 1,306 1,690 2,030 2,438 2,724 3,340 3,591 4,389
40 0,681 1,303 1,684 2,021 2,423 2,704 3,307 3,551 4,321
45 0,680 1,301 1,679 2,014 2,412 2,690 3,281 3,520 4,269
50 0,679 1,299 1,676 2,009 2,403 2,678 3,261 3,496 4,288
60 0,679 1,296 1,671 2,000 2,390 2,660 3,232 3,460 4,169
70 0,678 1,294 1,667 1,994 2,381 2,648 3,211 3,435 4,127
80 0,678 1,292 1,664 1,990 2,374 2,639 3,195 3,416 4,096
90 0,677 1,291 1,662 1,987 2,368 2,632 3,183 3,402 4,072
100 0,677 1,290 1,660 1,984 2,364 2,626 3,174 3,390 4,053
120 0,677 1,289 1,658 1,980 2,358 2,617 3,160 3,373 4,025
200 0,676 1,286 1,653 1,972 2,345 2,601 3,131 3,340 3,970
500 0,675 1,283 1,648 1,965 2,334 2,586 3,107 3,310 3,922
1000 0,675 1,282 1,646 1,962 2,330 2,581 3,098 3,300 3,906
∞ 0,675 1,282 1,645 1,960 2,326 2,576 3,090 3,290 3,891
α
0,25 0,10 0,05 0,025 0,01 0,005 0,001 0,0005 0,00005
f
Nivel de semnificaţie pentru testul unilateral

250
 Anexa 6
Statistica Durbin-Watson (α = 0,05)

p=2 p=3 p=4 p=5 p=6

n
d1 d2 d1 d2 d1 d2 d1 d2 d1 d2
15 1.08 1.36 0.95 1.54 0.82 1.75 0.69 1.97 0.56 2.21
16 1.10 1.37 0.98 1.54 0.86 1.73 0.74 1.93 0.62 2.15
17 1.13 1.38 1.02 1.54 0.90 1.71 0.78 1.90 0.67 2.10
18 1.16 1.39 1.05 1.53 0.93 1.69 0.82 1.87 0.71 2.06
19 1.18 1.40 1.08 1.53 0.97 1.68 0.86 1.85 0.75 2.02
20 1.20 1.41 1.10 1.54 1.00 1.68 0.90 1.83 0.79 1.99
21 1.22 1.42 1.13 1.54 1.03 1.67 0.93 1.81 0.83 1.96
22 1.24 1.43 1.15 1.54 1.05 1.66 0.96 1.80 0.86 1.94
23 1.26 1.44 1.17 1.54 1.08 1.66 0.99 1.79 0.90 1.92
24 1.27 1.45 1.19 1.55 1.10 1.66 1.01 1.78 0.93 1.90
25 1.29 1.45 1.21 1.55 1.12 1.66 1.04 1.77 0.95 1.89
26 1.30 1.46 1.22 1.55 1.14 1.65 1.06 1.76 0.98 1.88
27 1.32 1.47 1.24 1.56 1.16 1.65 1.08 1.76 1.01 1.86
28 1.33 1.48 1.26 1.56 1.18 1.65 1.10 1.75 1.03 1.85
29 1.34 1.48 1.27 1.56 1.20 1.65 1.12 1.74 1.05 1.84
30 1.35 1.49 1.28 1.57 1.21 1.65 1.14 1.74 1.07 1.83
31 1.36 1.50 1.30 1.57 1.23 1.65 1.16 1.74 1.09 1.83
32 1.37 1.50 1.31 1.57 1.24 1.65 1.18 1.73 1.11 1.82
33 1.38 1.51 1.32 1.58 1.26 1.65 1.19 1.73 1.13 1.81
34 1.39 1.51 1.33 1.58 1.27 1.65 1.21 1.73 1.15 1.81
35 1.40 1.42 1.34 1.58 1.28 1.65 1.22 1.73 1.16 1.80
36 1.41 1.52 1.35 1.59 1.29 1.65 1.24 1.73 1.18 1.80
37 1.42 1.53 1.36 1.59 1.31 1.66 1.25 1.72 1.19 1.80
38 1.43 1.54 1.37 1.59 1.32 1.66 1.26 1.72 1.21 1.79
39 1.43 1.54 1.38 1.60 1.33 1.66 1.27 1.72 1.22 1.79
40 1.44 1.54 1.39 1.60 1.34 1.66 1.29 1.72 1.23 1.79
45 1.48 1.57 1.43 1.62 1.38 1.67 1.34 1.72 1.29 1.78
50 1.50 1.59 1.46 1.63 1.42 1.67 1.38 1.72 1.34 1.77
55 1.53 1.60 1.49 1.64 1.45 1.68 1.41 1.72 1.38 1.77
60 1.55 1.62 1.51 1.65 1.48 1.69 1.44 1.73 1.41 1.77
65 1.57 1.63 1.54 1.66 1.50 1.70 1.47 1.73 1.44 1.77
70 1.58 1.64 1.55 1.67 1.52 1.70 1.49 1.74 1.46 1.77
75 1.60 1.64 1.57 1.68 1.54 1.71 1.51 1.74 1.49 1.77
80 1.61 1.66 1.59 1.69 1.56 1.72 1.53 1.74 1.51 1.77
85 1.62 1.67 1.60 1.70 1.57 1.72 1.55 1.75 1.52 1.77
90 1.63 1.68 1.61 1.70 1.59 1.73 1.57 1.75 1.54 1.78
95 1.64 1.69 1.62 1.71 1.60 1.73 1.58 1.75 1.56 1.78
100 1.65 1.69 1.63 1.72 1.61 1.74 1.59 1.76 1.57 1.78

251
 Anexa 7
MODEL ECONOMETRIC TERITORIAL: Venit mediu şi venit net lunar BHA

2000 2001 2002

Regiune Venituri / locuitor (mii lei / locuitor)
Venituri nete Venit Venituri Venit Venituri nete Venit
băneşti mediu nete băneşti mediu băneşti mediu
(% × venit) (% × venit) (% × venit)
Sud 66,1 ×1110 1 110 70,7 ×1701,4 1 701,4 72,7 ×2073,1 2 073,1
=733,7 =1202,9 =1507,1
Sud Vest 59,9 ×1202,4 1 202,4 64,6 ×1835,5 1 835,5 67,4 ×2168,6 2 168,6
=720,2 =1185,7 =1461,6
Bucureşti 89,6 ×1477.5 1 477,5 92,2 ×2196,9 2 196,9 93,1 × 3014,5 3 014,5
=1323,8 =2025,5 =2806,5
Structura populaţiei pe regiuni (%)
Sud 1686028 42,1 1689422 42,3 1652645 42,4
Sud Vest 81996 2,1 79152 2,0 72892 1,9
Bucureşti 2235096 55,8 2227061 55,7 2173908 55,7
Total BHA 4003120 100,0 3995635 100,0 3899445 100,0
Venituri / locuitor (mii lei / locuitor)
Venit Venit Venit Venit Venit Venit
net mediu net mediu net mediu
Total BHA 1062,7 1317,0 1660,7 1980,1 2230 2599,3
Cursul de schimb lei / Euro
ANUL 2000 = 19955,8 ANUL 2001 = 26026,9 ANUL 2002 = 31255,2
Euro/ loc. 53,25 66,0 63,8 76,1 71,3 83,2
Populaţia aferentă BHA în anul
Judeţul 2000 2000 2000
Urban Rural Urban Rural Urban Rural
Argeş 321662 330913 321607 330962 296441 337283
Damboviţa 27023 217333 26952 216809 25768 218150
Giurgiu 90470 203530 90617 202809 88514 209345
Teleorman 156941 269446 156305 275205 153005 253880
Călăraşi 9714 58996 9755 58401 9702 60557
Regiunea Sud 605810 1080218 605236 1084186 573430 1079215
Olt 19947 62049 19035 60117 12679 60213
Regiunea S-V 19947 62049 19035 60117 12679 60213
Bucuresti 2009200 0 1996814 0 1926334 0
Ilfov 19400 206496 30361 199886 30565 217009
Regiunea
Bucure ş ti 2028600 206496 2027175 199886 1956899 217009
Total BHA 2654357 1348763 2651446 1344189 2543008 1356437
Populaţia BHA
(urban +rural) 4 003 120 3 995 635 3 899 445

252
EDITURA UNIVERSITARĂ