Documente Academic
Documente Profesional
Documente Cultură
MODELAREA
ECONOMICO-FINANCIARÃ
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
330.43
© 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
4
CUPRINS
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
Anexe...................................................................................................... 244
6
Cuvânt înainte
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 …
8
CAPITOLUL I
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
13
I.2. Un demers cursiv: de la economia financiară la econometria
financiară, prin modelare economico - financiară
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).
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
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
27
Figura nr.1.2
200,00
$
RATA $
INFLAŢIEI $
100,00
$
$
$ $ $
$
$ $ $ $ $
$ $ $
0,00
4,00 6,0 8,00 10,00 12,00
RATA ŞOMAJULUI
28
I.5. Econometria şi econometria financiară versus alte ştiinţe
concurente în modelarea fenomenelor economico-financiare
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.
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 A2) Întrebări tip grilă
1. Care sunt semnificaţiile econometriei 7.Data exactă şi fondatorii mai importanţi
clasice date de către Ragnar Frisch şi ai lui Econometric Society sunt:
respectiv econometrie financiare date de a)12.II.1928; Jan Tinbergen, Joseph
către Jianqing Fan? Schumpeter, Harold Hotelling, Henry
2. Care sunt rolul şi importanţa istorică a Schultz; b) 5.V.1957; Norbert Wiener,
Societăţii Econometrica şi al revistei Robert Engle şi Clive Granger; c) 29.I.1930;
acesteia în dezvoltarea econometriei Paul Samuelson, Frederick Mills şi Irving
clasice? Fisher; d) 29. XII. 1930; Ragnar Frish,
3. Comentaţi diferenţa majoră existentă Charles Roos şi Irving Fisher.
între econometria clasică şi econometria 8. În ce an apare primul număr al revistei
financiară? Econometrica? a) 1926 acelaşi an cu
4. În ce anume constă distincţia dintre Biometrica; b)1928; c)1933;d)1939.
obiectul de studiu esenţial al econometriei 9. Care dintre disciplinele de mai jos nu are
clasice şi cel al econometriei financiare? ca arbore comun econometria clasică ?
5. Care sunt cele mai utilizate pachete de a)micro şi macroeconometrie;b)data mining;
programe în econometrie şi econometrie c)econometrie bayesiană; d)econometrie
financiară? financiară; e) econometria datelor de panel;
6. Care sunt principalele ştiinţe concurente f) econometrie teritorială;
ale econometriei şi econometriei financiare 10. Care dintre pachetele de programe utile
în ştiinţa modernă şi ce tip de gândire şi în modelare pot fi folosite gratuit?
modele le avantajează în competiţia lor a) Eviews; b) SPSS; c) MatLab; d) JmulTi,;
modelatoare ? 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
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
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
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.
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
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:
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.
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.
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
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
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
Efort Efect
C1j E1
C2j, E2 ,
… e = (En / Cnj)x 100 … e = (Cnj / En )x 100
Cnj En
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
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.
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
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
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.
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
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.
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
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.
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
83
Distribuţia statistică a frecvenţelor, se poate obţine realizând un grafic de
tip Kernel, ce o aproximează riguros, pe baza densităţilor de probabilitate.
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
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:
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
88
III.3. Conceptualizarea corelaţiei şi regresiei şi matricile de corelaţie ca
soluţii prompte de selectare a factorilor modelului
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
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
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
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.);
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
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
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.
A. Test de autoevaluare
A1) Întrebări clasice recapitulative A2) Întrebări tip grilă
1.Ce noţiuni macroeconomice sunt nelipsite 7. Care este modalitatea eronată de calcul a
practic din modelarea econometrică? PIB –ului din cele descrise mai jos?
2.Care sunt noţiunile specifice economiei a) PIBpp=∑VABpp sau PIBpp=PGB–CI;
financiare ce permit o modelare coerentă? b) PIBpp=CF+FBCF+ΔS +(X–M);
3.Care sunt teoriile economiei financiare c) PIBpp = PINpf–ΔVFS – IIN.
modelatoare referitoare la valoarea în timp 8.Cum se determină indicele raportului de
a banilor? schimb net (IRSN) : a) [IV (X) : IV (M)];
4. Care sunt indicatorii majori în statisticile b) [Iq (X) : Iq (M)]; c) [Ip (X) : Ip (M)].
descriptive ale variabilelor modelate? 8. Determinarea coeficientului de asociere
5.Care sunt principalele concepte statistico este: a) Q = (ad+bc):(ad-bc); b) Q = ad/bc;
- matematice ale regresiei şi corelaţiei? c) Q = (ad-bc):(ad+bc).
6. Se pot compara o matrice de corelaţie 9. Cuantificarea unui raport de corelaţie
utilizată în pachete de programe de calcul
specializate cu evaluările statistice clasice? 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 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.
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
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
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.
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.
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).
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
107
IV.2. Teste şi decizii specifice privind validarea ipotezelor
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).
⎣⎢ ⎦⎥ ⎣ n -1 1 n -1 ⎦
2
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)
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.
119
prag de semnificaţie şi putere a testului? 2 2
b) χcalculat < χtabelatα ,n−1 ;
5. În ce constă esenţa selectării testului t în
locul testului z când anume se valorifică 2 2
c) χ calculat > χ tabelatα ,n −1 .
testele F şi χ2(hi-pătrat) ?
6. Cum este definită o eroare de previziune 9. Regiunea critică delimitată prin tăieturi
şi cât de extinsă este tipologia acestei limitative Li şi Ls se regăseşte în: a) teste
categorii de erori ? 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
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.
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.
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
+
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.
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
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.
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.
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
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
144
Grafic nr. 5.1 Grafic nr. 5.2
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
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
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
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
⎛ 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
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
A. Test de autoevaluare
A1) Întrebări clasice recapitulative A2) Întrebări tip grilă
1.Ce înţelegeţi prin modelul econometric 7.În testarea ipotezelor modelului regresiei
clasic şi prin modelarea economico – unifactoriale a fi homoscedastic înseamnă:
financiară a regresiei unifactoriale?
2. În ce constă practic specificarea modelului
(
a) E (εi |xi)=E(εi )=0; b) x ∈ x ± 3σx ; )
2
econometric al regresiei unifactoriale? c) var(εi |xi)=σ (constantă)
3.Care sunt principalele şase ipoteze ale 8. O variabila reziduală normal distribuită
modelului econometric clasic al regresiei în modelul regresiei unifactoriale impune:
unifactoriale ? a) cov(εi ,εj |xi ,xj)=0; b) cov(xi,εi)=0;
2
4.Cum se aplică metoda celor mai mici c) εi ~ N (0, σ ).
pătrate în estimarea parametrilor modelului? 9. În analiza varianţei, testul F se aplică
5. Cum se realizează practic o testare a prin raportarea dispersiei corectate:
validităţii modelului econometric clasic prin a) totale la cea reziduală; b) reziduale la
metoda statistico – matematică a verificării cea explicată prin model; c) explicate prin
semnificaţiei estimatorilor? model la cea reziduală.
6. Care sunt semnalele ce sunt conferite de 10. Care dintre următoarele tendinţe ale
utilizarea metodei raportului de corelaţie şi a lui R descrie o modelare cu şanse de
testării semnificaţiei acestuia ? 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
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.
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.
156
pentru care se cer statistici descriptive cu View→Descriptive Stats→Common sample:
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
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
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
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
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
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.
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
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
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
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
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).
185
Auto-Regressive Integrated Moving Average a) AR(p); b) MA(q); c) ARMA (p,q);
(autocorelaţie integrată medie mobilă) sau d) ARIMA (p,q,d).
ARIMA (p,q,d). 9. Dintre testele de validare a modelului
6.Care este concluzia esenţială a construcţiei ARIMA fac parte: a) Durbin-Watson;
unui model econometric teritorial? 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
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:
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.
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).
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
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
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
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
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.
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
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.
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.
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
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
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..
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/
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
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.
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
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.
226
VII.4. Descrierea modelelor econometrice financiare ARCH şi GARCH
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).
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)
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:
SCHIŢA DE PROIECT I
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
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).
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
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$)
2000 US. dollars) dollars) (constant 2000 US$)
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.
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
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
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
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)
247
Anexa 4
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
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
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)
251
Anexa 7
MODEL ECONOMETRIC TERITORIAL: Venit mediu şi venit net lunar BHA
252
EDITURA UNIVERSITARĂ